AI đọc nhầm review nhiều nhất ở năm chỗ: câu mỉa mai, tiếng lóng và từ vùng miền, viết tắt hoặc không dấu, biểu tượng cảm xúc đi ngược với chữ, và review kể chuyện dài mà ý chính nằm ở cuối. Cách xử lý không phải là bỏ AI, mà là cho mô hình thêm ngữ cảnh trong câu lệnh, bắt nó tự đánh dấu chỗ không chắc, rồi người đọc kỹ đúng nhóm review dễ sai.
Bài này đi qua từng kiểu nhầm với ví dụ giả định viết theo cách khách Việt hay viết, giải thích vì sao mô hình hụt, và đưa ra quy trình kiểm tay chỉ tốn khoảng một phần mười thời gian so với đọc toàn bộ.
Vì sao một mô hình đọc tiếng Việt khá tốt vẫn hiểu ngược
Mô hình ngôn ngữ học cách dùng chữ từ một lượng văn bản khổng lồ, nhưng phần lớn văn bản đó là chữ viết chỉn chu: báo chí, sách, trang web. Review của khách thì ngược lại: viết vội trên điện thoại, bỏ dấu, viết tắt, chen tiếng lóng đang thịnh hành trên mạng xã hội, và rất hay nói ngược để châm biếm. Tiếng lóng lại thay đổi nhanh hơn tốc độ các mô hình được cập nhật; một từ mới nổi vài tháng có thể chưa có trong dữ liệu mô hình từng học.
Thêm vào đó, mô hình không biết bối cảnh của riêng cửa hàng bạn. Nó không biết quán bạn vốn nổi tiếng vì cay, nên “cay xé lưỡi” là khen; không biết món nào vừa đổi công thức, nên “không như xưa” là chuyện đáng lo. Người trong nghề đọc một câu là hiểu, vì họ mang theo cả bối cảnh mà mô hình không có. Phần lớn lỗi đọc nhầm vì thế có thể giảm đáng kể bằng cách đưa bối cảnh đó vào câu lệnh.
Năm kiểu nhầm hay gặp và dấu hiệu nhận ra
Các ví dụ dưới đây là ví dụ giả định, viết theo lối khách hay dùng trên mạng.
| Kiểu nhầm | Ví dụ | AI dễ đọc thành | Thực ra là |
|---|---|---|---|
| Mỉa mai | Phục vụ chu đáo ghê, gọi khăn giấy ba lần mới có | Khen phục vụ | Chê phục vụ |
| Tiếng lóng | Trà sữa này keo thật sự, uống xong xỉu | Chê, vì “xỉu” nghe tiêu cực | Khen rất mạnh |
| Từ vùng miền | Đồ ăn ngon mà hơi mắc | Có thể hiểu sai “mắc” | Chê giá cao |
| Viết tắt, không dấu | sp ok nhung giao cham, dong goi so sai | Bỏ sót ý chê đóng gói | Khen sản phẩm, chê giao hàng và đóng gói |
| Biểu tượng trái chiều | Món tới nơi rồi nha kèm biểu tượng cười ra nước mắt | Trung tính hoặc khen | Tuỳ ảnh kèm, thường là món bị đổ |
Cột cuối là thứ chỉ người đọc trong ngữ cảnh mới chốt được. Ví dụ biểu tượng cười ra nước mắt có thể là khách vui thật, cũng có thể là kiểu cười trừ khi món đổ hết; nếu review có ảnh, ảnh thường quyết định.
Tiếng lóng, từ vùng miền và chữ mang nghĩa ngược
Tiếng lóng trên mạng hay dùng từ tiêu cực để khen: “xỉu”, “hết cứu”, “gây nghiện”, “tội lỗi” khi nói về món ngọt đều thường là lời khen. Ngược lại có những từ khen bề ngoài nhưng mang giọng chê, như “tấu hề” khi nói về cách phục vụ. Nghĩa của nhóm từ này phụ thuộc rất nhiều vào thời điểm và nhóm người dùng; một từ đang là lời khen trong giới trẻ năm nay có thể đổi sắc thái vào năm sau.
Từ vùng miền là nguồn nhầm thứ hai. “Mắc” ở miền Nam là đắt; “hổng”, “dữ thần”, “dở ẹc” mang sắc thái rất rõ với người địa phương nhưng có thể làm mô hình lưỡng lự. Ở miền Trung, khách có thể dùng “răng”, “rứa”, “mô” trong câu hỏi lẫn câu cảm thán. Nếu cửa hàng bạn ở một vùng hoặc phục vụ nhiều khách từ một vùng, hãy liệt kê vài từ địa phương hay gặp vào câu lệnh kèm nghĩa.
Cách làm thực tế là giữ một bảng thuật ngữ nhỏ cho cửa hàng: mỗi khi kiểm tay phát hiện AI đọc nhầm một từ, ghi từ đó và nghĩa đúng vào bảng. Sau vài tháng, bảng này thành phần cố định trong câu lệnh, và lỗi lặp lại giảm rõ rệt.
Viết tắt, không dấu và lỗi gõ
Review gõ trên điện thoại thường rút gọn tối đa. Nhóm này ít khi làm AI hiểu ngược hoàn toàn, nhưng hay làm nó bỏ sót một vế. Những điểm cần để ý:
- Viết tắt phổ biến như “k”, “ko”, “dc”, “nv”, “sp”, “sz”, “ib” thường được hiểu đúng, nhưng viết tắt riêng của ngành, như mã món hay tên gọi tắt của sản phẩm, thì không. Đưa danh sách tên tắt đó vào câu lệnh.
- Tiếng Việt không dấu có nhiều chữ đa nghĩa: “chan” có thể là chán, chăn hay chân; “ban” có thể là bàn, bán hay bận. Mô hình thường đoán theo ngữ cảnh, đoán sai thì kéo theo nhãn sai.
- Lỗi gõ do bàn phím điện thoại tự sửa, ví dụ gõ “nguội” thành một từ khác hẳn, dễ khiến mô hình bỏ qua ý chính.
- Câu cụt không chủ ngữ như “lần sau ko quay lại” là chê rất nặng dù không nói vì sao; nên gắn sắc thái chê và nhãn khác thay vì đoán chủ đề.
- Chữ viết hoa toàn bộ hoặc lặp chữ cái như “ngonnnn”, “chậmmm” thể hiện cường độ cảm xúc, nên giữ nguyên khi chép, đừng sửa cho gọn.
Khi dán review không dấu, có thể yêu cầu AI ghi kèm bản đã thêm dấu mà nó hiểu. Đọc lướt cột này là thấy ngay chỗ nó đoán sai nghĩa.
Review kể chuyện dài: ý chính nằm ở câu cuối
Có một kiểu review ít ai nghĩ là khó: bài dài kể lại cả buổi trải nghiệm. Khách kể đi cùng ai, đặt bàn lúc mấy giờ, gọi những món gì, món nào ra trước, rồi đến câu cuối mới viết “nói chung chắc không quay lại”. Phần lớn đoạn văn là kể trung tính, thậm chí có vài câu khen nhẹ, nên mô hình dễ gắn sắc thái trung tính hoặc khen cho cả bài và bỏ qua câu kết là thứ quan trọng nhất.
Kiểu ngược lại cũng có: khách mở đầu bằng một tràng phàn nàn về chuyện tìm chỗ đỗ xe, rồi phần còn lại khen món, khen nhân viên, kết bằng “sẽ quay lại”. Nếu mô hình chỉ bám vào phần đầu, review bị tính là chê dù khách thực ra hài lòng.
Cách xử lý trong câu lệnh: yêu cầu mô hình ghi thêm một cột “kết luận của khách” trích đúng câu thể hiện ý định quay lại, giới thiệu cho người khác hoặc không bao giờ quay lại, nếu có. Cột này thường là chỉ báo tốt hơn sắc thái chung của cả bài. Khi kiểm tay, review dài có cột kết luận ngược với sắc thái chung là nhóm nên đọc trước.
Viết câu lệnh để giảm đọc nhầm
Năm thay đổi nhỏ trong câu lệnh dưới đây thường giảm đáng kể số dòng phải sửa khi kiểm tay.
- Cho bối cảnh cửa hàng. Một hai câu: bán gì, ở đâu, khách chủ yếu là ai, điểm đặc trưng là gì (ví dụ quán nổi tiếng vì cay, nên khen cay là bình thường).
- Đưa bảng thuật ngữ. Liệt kê tiếng lóng, từ địa phương và tên tắt đã từng gây nhầm, kèm nghĩa.
- Yêu cầu cờ nghi ngờ. “Nếu câu có dấu hiệu mỉa mai, nói ngược, hoặc bạn phải đoán nghĩa của một từ, thêm cột cờ và ghi lý do.”
- Bắt trích nguyên văn. Mỗi nhãn kèm đoạn chữ làm căn cứ, để người kiểm đối chiếu trong vài giây.
- Cho phép trả lời “không xác định”. Nói rõ đây là lựa chọn hợp lệ. Mô hình bị ép phải chọn khen hoặc chê sẽ đoán, và đoán thì có lúc sai mà trông vẫn rất tự tin.
Cờ nghi ngờ không phải lúc nào cũng đúng, có lúc mô hình bỏ qua câu mỉa mai mà không gắn cờ. Vì thế bước kiểm tay ở mục sau vẫn cần, chỉ là bạn biết bắt đầu từ đâu.
Kiểm tay đúng chỗ: đọc khoảng một phần mười thay vì đọc hết
Đọc toàn bộ dòng có cờ nghi ngờ. Đây là nhóm mô hình tự thừa nhận không chắc; thường ít nhưng tỉ lệ sai cao.
Đọc dòng lệch giữa số sao và sắc thái. Năm sao mà nhãn chê, hoặc một sao mà nhãn khen, gần như luôn là chỗ mô hình hoặc khách có điều gì đó cần xem lại.
Đọc dòng có biểu tượng cảm xúc hoặc ảnh kèm. Biểu tượng và ảnh mang phần nghĩa mà chữ không nói. Với review có ảnh, mở ảnh xem nhanh.
Đọc review rất ngắn và rất dài. Review dưới năm chữ thiếu ngữ cảnh, review quá dài dễ bị bỏ sót vế cuối. Hai đầu này là nơi lỗi tập trung.
Lấy thêm một mẫu ngẫu nhiên nhỏ. Mười đến hai mươi dòng ngẫu nhiên từ phần còn lại, để biết các nhóm không bị đánh dấu có thật sự ổn không. Nếu mẫu ngẫu nhiên cũng sai nhiều, vấn đề nằm ở bộ nhãn hoặc câu lệnh, không chỉ ở vài review khó.
Ghi lại lỗi để lần sau AI đọc đúng hơn
Mỗi lỗi bạn bắt được là một dòng tư liệu quý. Lập một trang tính nhỏ gồm review gốc, nhãn AI gắn, nhãn đúng và lý do. Sau hai ba tháng, nhìn lại sẽ thấy lỗi lặp theo quy luật: có thể là một từ lóng, một kiểu câu mỉa mai đặc trưng của khách vùng bạn, hay một cặp nhãn định nghĩa chưa rõ. Mỗi quy luật như vậy biến thành một dòng trong bảng thuật ngữ hoặc một câu bổ sung trong định nghĩa nhãn.
Vài review đã bị đọc nhầm, kèm nhãn đúng, cũng có thể đưa thẳng vào câu lệnh làm ví dụ mẫu. Ba đến năm ví dụ chọn khéo, mỗi cái minh hoạ một kiểu nhầm, thường hiệu quả hơn một đoạn giải thích dài. Nhớ rằng ví dụ mẫu cũng là dữ liệu của khách: chỉ dùng bản đã che tên và chi tiết nhận diện.
Nếu cửa hàng có hơn một người cùng kiểm, thống nhất cách ghi lỗi ngay từ đầu: cùng tên cột, cùng cách mô tả lý do. Hai người ghi theo hai kiểu thì sau ba tháng bảng lỗi không gộp lại được, và bài học rút ra từ nó cũng rời rạc như chính bảng đó.
Câu hỏi thường gặp
Có công cụ AI nào hiểu tiếng lóng tiếng Việt hoàn toàn đúng không?
Không có công cụ nào đúng hoàn toàn, vì tiếng lóng thay đổi liên tục và nghĩa còn phụ thuộc ngữ cảnh. Các chatbot phổ biến hiện nay đọc khá tốt, nhưng cách chắc nhất vẫn là bảng thuật ngữ riêng của cửa hàng cộng với kiểm tay nhóm review dễ sai.
Review vừa khen vừa mỉa mai thì gắn nhãn thế nào?
Tách theo khía cạnh: phần khen thật gắn khen, phần mỉa mai gắn chê với khía cạnh nó nhắm tới. Ví dụ khen món ngon nhưng mỉa mai tốc độ phục vụ thì là hai cặp nhãn riêng, không nên gộp thành một nhãn trung tính.
Có nên tự sửa chính tả review trước khi đưa cho AI không?
Không nên. Sửa chính tả dễ làm mất sắc thái và đôi khi đổi luôn nghĩa. Giữ nguyên văn và yêu cầu AI ghi kèm cách nó hiểu những từ không dấu hoặc viết tắt, để bạn kiểm chỗ nó đoán.
Tỉ lệ sai bao nhiêu thì nên bỏ cách phân loại bằng AI?
Không có ngưỡng chung. Nếu mẫu ngẫu nhiên cho thấy sai nhiều ở cùng một kiểu, hãy sửa câu lệnh hoặc bộ nhãn trước. Nếu đã sửa mà vẫn sai rải rác khắp nơi, lượng review có thể đủ nhỏ để đọc tay hiệu quả hơn.
Review bằng giọng nói hoặc video thì AI có đọc được không?
Một số công cụ chuyển giọng nói thành chữ được, nhưng bước chuyển này thêm một lớp sai, nhất là với giọng địa phương và tiếng ồn. Nên đọc lại bản chữ trước khi đưa vào phân loại, và nhớ rằng video có khuôn mặt, giọng nói khách cũng là dữ liệu cá nhân.
Bảng thuật ngữ có cần cập nhật thường xuyên không?
Nên bổ sung mỗi lần kiểm tay phát hiện từ mới, và rà lại toàn bộ khoảng nửa năm một lần để bỏ những từ đã đổi nghĩa hoặc không còn ai dùng. Bảng ngắn, đúng, hiện hành có ích hơn bảng dài cũ.