AI Agent có thể đọc Excel, Google Sheets và database để trả lời câu hỏi không?

Phần lớn dữ liệu vận hành của doanh nghiệp vừa và nhỏ đang nằm trong Excel, Google Sheets hoặc một database phía sau phần mềm bán hàng. Mỗi lần cần một con số, người quản lý phải mở file, lọc, cộng, hoặc nhờ người khác làm. Vì vậy câu hỏi “AI có đọc được mấy file này không” xuất hiện rất sớm.

Câu trả lời ngắn là có. Câu trả lời đầy đủ là AI đọc được, nhưng chỉ trả lời đúng khi bảng dữ liệu có cấu trúc rõ, các cột có định nghĩa thống nhất và biết file nào là bản chính thức. Nếu không, AI sẽ tính rất nhanh trên một con số sai.

Bài viết giải thích AI làm việc với ba loại nguồn này như thế nào, cần chuẩn bị gì và kiểm soát ra sao. Đây là phương án triển khai có điều kiện, phụ thuộc vào cấu trúc dữ liệu thực tế của từng doanh nghiệp.

1. Doanh nghiệp cần hiểu gì về AI đọc Excel

Khi được hỏi “doanh thu tháng trước của nhóm sản phẩm A là bao nhiêu”, AI không đọc cả file như người đọc văn bản. Nó cần hiểu cấu trúc bảng, chọn đúng cột, áp đúng bộ lọc rồi tính toán, thường bằng cách sinh truy vấn hoặc gọi công cụ tính. Phần mô hình ngôn ngữ lo diễn giải câu hỏi; phần đảm bảo con số đúng nằm ở dữ liệu, định nghĩa cột và lớp kiểm soát truy vấn.

Ba nguồn có đặc điểm khác nhau. File Excel là ảnh chụp tại một thời điểm, dễ có nhiều bản. Google Sheets thay đổi liên tục và nhiều người cùng sửa. Database có cấu trúc chặt hơn nhưng cần kiểm soát quyền truy vấn cẩn thận. Hỏi đáp chỉ đọc là mức phổ biến; nếu muốn AI ghi ngược vào file hay database thì đó là hành động ghi, cần xác nhận và chống ghi trùng. Xem thêm AI Data Analyst Agent.

2. Các thành phần cần thiết kế

1. Hiểu bảng dữ liệu có cấu trúc

AI làm việc tốt nhất với bảng mỗi dòng là một bản ghi, mỗi cột là một thuộc tính. File có ô gộp, nhiều tầng tiêu đề, dòng tổng xen giữa dữ liệu hay ghi chú nằm lẫn trong bảng sẽ khiến việc tính toán sai. Trước khi kết nối, cần kiểm tra xem bảng có dạng này không, hoặc tạo một bảng phẳng riêng cho AI đọc.

2. Chuẩn hóa tên cột và kiểu dữ liệu

Cột “DT”, “Doanh thu”, “Revenue” ở ba file có thể cùng một nghĩa hoặc khác nghĩa. Ngày tháng lúc là ngày, lúc là chuỗi chữ; số tiền lúc có đơn vị, lúc không. Cần thống nhất tên, kiểu và đơn vị cho từng cột quan trọng. Dấu hiệu làm sai là AI cộng một cột số với một cột chữ trông giống số.

3. Xử lý nhiều file và phiên bản

“Bao cao T8 final”, “Bao cao T8 final sua” và “Bao cao T8 ban chot” là chuyện thường gặp. AI không thể tự đoán bản nào đúng. Cần quy ước rõ thư mục nào chứa bản chính thức, cách đặt tên theo kỳ, và bỏ các bản nháp ra khỏi phạm vi AI đọc.

4. Kết nối Google Sheets có quyền

Kết nối Google Sheets nên dùng tài khoản dịch vụ chỉ được chia sẻ đúng những bảng cần thiết, với quyền xem. Không nên dùng tài khoản cá nhân có quyền trên toàn bộ Drive. Khi người dùng hỏi, hệ thống cũng cần kiểm tra người đó có quyền xem bảng tương ứng hay không.

5. Truy vấn database qua lớp kiểm soát

Không để mô hình tự do chạy câu lệnh trên database bằng tài khoản quản trị. Nên có một lớp trung gian: tài khoản chỉ đọc, chỉ thấy các view hoặc bảng đã duyệt, giới hạn số dòng trả về và thời gian chạy. Truy vấn do AI sinh ra được kiểm tra trước khi chạy, và các truy vấn mẫu cho câu hỏi thường gặp nên được viết sẵn.

6. Giữ thời điểm cập nhật

Một con số không có thời điểm dễ bị hiểu nhầm. Câu trả lời cần kèm thời điểm dữ liệu được cập nhật lần cuối, nhất là khi nguồn là file xuất định kỳ. Nếu dữ liệu đã cũ hơn ngưỡng cho phép, AI nên nói rõ thay vì trình bày như số mới nhất.

7. Trả bảng và nguồn đối chiếu

Với câu hỏi số liệu, câu trả lời tốt nên có bảng kết quả, bộ lọc đã áp dụng và nguồn dữ liệu. Người hỏi nhìn vào sẽ biết AI hiểu câu hỏi thế nào và tự đối chiếu được. Nếu chỉ trả một con số trơn, rất khó phát hiện AI đã lọc sai kỳ hay sai nhóm.

8. Từ chối khi dữ liệu thiếu

Khi cột cần thiết bị trống, file của kỳ đó chưa có, hoặc câu hỏi vượt ra ngoài dữ liệu đang kết nối, AI phải nói rõ là không đủ dữ liệu. Không được coi ô trống là số 0 hay tự ước tính để lấp chỗ thiếu. Câu trả lời nên nêu cụ thể thiếu gì để người phụ trách bổ sung.

3. Quy trình triển khai đề xuất

Bước 1: Lập từ điển dữ liệu

Liệt kê các bảng trong phạm vi, mỗi cột gồm tên, ý nghĩa, kiểu dữ liệu, đơn vị và cách tính nếu là cột công thức. Đây là tài liệu AI dựa vào để hiểu câu hỏi. Người phụ trách từng bảng, thường là kế toán hoặc vận hành, xác nhận định nghĩa.

Bước 2: Chọn nguồn có thẩm quyền

Với mỗi loại số liệu, chốt một nguồn chính thức: doanh thu lấy từ database bán hàng hay từ file kế toán, tồn kho lấy từ sheet nào. Đầu ra là bảng ánh xạ câu hỏi sang nguồn. Trưởng bộ phận sở hữu số liệu ký duyệt để tránh tranh cãi về sau.

Bước 3: Thiết kế truy vấn mẫu và giới hạn

Viết sẵn truy vấn cho các câu hỏi thường gặp và đặt giới hạn cho truy vấn tự sinh: chỉ đọc, chỉ trên bảng đã duyệt, giới hạn số dòng và thời gian. Đầu ra là bộ truy vấn mẫu và cấu hình tài khoản truy cập. Bộ phận kỹ thuật và người quản lý database cùng kiểm tra.

Bước 4: Đối chiếu kết quả với báo cáo chuẩn

Chọn vài kỳ đã có báo cáo được chốt, đặt cùng câu hỏi cho AI và so từng con số. Mọi chênh lệch phải được giải thích: do định nghĩa, do bộ lọc hay do dữ liệu nguồn. Chỉ mở cho người dùng khi kết quả khớp với báo cáo chuẩn và người sở hữu số liệu đồng ý.

4. Ví dụ giả định

Quản lý hỏi doanh số theo nhóm từ một file Excel. AI phát hiện hai cột doanh thu có định nghĩa khác nhau và yêu cầu chọn doanh thu gộp hay thuần. Khi kết nối database, truy vấn chỉ đọc được chạy qua tài khoản giới hạn và kết quả kèm thời điểm dữ liệu.

Từ ví dụ này có thể tạo ít nhất ba ca kiểm thử: câu hỏi mơ hồ giữa hai định nghĩa doanh thu, câu hỏi cho kỳ chưa có dữ liệu, và câu hỏi yêu cầu truy vấn bảng ngoài phạm vi. Mỗi ca ghi đáp án mong đợi và con số đối chiếu từ báo cáo chuẩn. Khi sai, cần xác định lỗi nằm ở từ điển dữ liệu, ở truy vấn hay ở cách AI hiểu câu hỏi.

5. Rủi ro và giới hạn

• File Excel có thể chứa công thức lỗi hoặc dữ liệu ẩn
• Không cho mô hình truy cập database trực tiếp bằng tài khoản rộng
• Google Sheets thay đổi liên tục cần quản lý phiên bản
• Không biến dữ liệu thiếu thành số 0

Quyền đọc phải được giới hạn tại nguồn: tài khoản dịch vụ chỉ thấy bảng đã duyệt, tài khoản database chỉ đọc view đã định. Sheet ẩn và cột ẩn trong Excel vẫn là dữ liệu, nên cần rà trước để không vô tình để lộ thông tin như lương hay giá vốn. Nếu sau này cho AI ghi dữ liệu, mỗi lần ghi cần mã thao tác để không bị ghi trùng. Bài chuẩn bị dữ liệu cho AI Agent có checklist chi tiết hơn.

6. Chỉ số nên theo dõi

• Tỷ lệ yêu cầu được xử lý đúng theo tiêu chí đã duyệt
• Tỷ lệ chuyển người thật đúng và số trường hợp phải sửa
• Thời gian phản hồi, lỗi tích hợp và dữ liệu chậm cập nhật
• Tác động kinh doanh phù hợp với mục tiêu của quy trình

Với hỏi đáp số liệu, chỉ số quan trọng nhất là độ khớp với báo cáo chuẩn, không phải số câu hỏi được trả lời. Nên theo dõi số lần AI hỏi lại để làm rõ định nghĩa, số lần báo thiếu dữ liệu và số lần người dùng phát hiện số sai. Tách theo từng bảng nguồn để biết bảng nào cần làm sạch thêm.

7. Checklist trước khi vận hành

• Nguồn dữ liệu và chủ sở hữu đã được xác nhận
• Quyền đọc ghi đã được kiểm thử với nhiều vai trò
• Có luồng xử lý khi thiếu dữ liệu hoặc hệ thống lỗi
• Có nhật ký, cơ chế chống lặp và quy trình phê duyệt
• Bộ kiểm thử gồm cả trường hợp ngoài phạm vi

8. Câu hỏi thường gặp

AI đọc Excel có thể triển khai ngay không? Với một file có cấu trúc gọn, tên cột rõ và một người chịu trách nhiệm cập nhật, có thể thử khá sớm. Khi dữ liệu nằm rải ở nhiều file, nhiều phiên bản hoặc cần truy vấn database, nên lập từ điển dữ liệu và chọn nguồn chính thức trước, nếu không AI sẽ trả lời nhanh nhưng dựa trên số không thống nhất.

Nên bắt đầu từ đâu? Chọn một bảng dữ liệu mà nhiều người hay hỏi và đã có báo cáo chuẩn để đối chiếu, ví dụ doanh số theo tháng hoặc tồn kho theo kho. Có báo cáo chuẩn thì kiểm tra được ngay AI tính đúng hay sai.

Khi nào cần người duyệt? Khi AI cần ghi hoặc sửa dữ liệu trong file hay database, khi câu trả lời sẽ được dùng cho quyết định tài chính, hoặc khi dữ liệu có định nghĩa chưa thống nhất. Việc chỉ đọc qua tài khoản giới hạn thì không cần duyệt từng lần, nhưng quyền truy cập ban đầu phải được chủ dữ liệu phê duyệt.

Kết luận

AI có thể đọc Excel, Google Sheets và database để trả lời câu hỏi, nhưng độ tin cậy của câu trả lời phụ thuộc vào việc dữ liệu có cấu trúc rõ, định nghĩa thống nhất và nguồn chính thức được chốt trước.

Hãy bắt đầu từ một bảng có báo cáo chuẩn để đối chiếu, giới hạn quyền ở mức chỉ đọc và luôn trả kèm nguồn cùng thời điểm dữ liệu. Nếu doanh nghiệp đang cân nhắc có nên chuyển hẳn khỏi cách tra cứu bằng file, xem bài từ Excel đến AI Agent; còn với AI hỗ trợ yêu cầu nội bộ khác, xem AI IT Helpdesk trong doanh nghiệp.

Trao đổi với Naventic để khảo sát nguồn dữ liệu và phạm vi hỏi đáp số liệu bằng AI. Đọc thêm: AI Data Analyst Agent.