Tìm kiếm trong hàng nghìn tài liệu bằng AI: Cách giữ đúng nguồn và phiên bản

Ổ chung của nhiều doanh nghiệp có hàng nghìn file: quy chế, biểu mẫu, hướng dẫn, biên bản, nhiều file cùng tên nhưng khác đuôi “bản cuối”, “bản cuối sửa”. Nhân viên hỏi đồng nghiệp vì tìm file còn lâu hơn.

AI tìm kiếm tài liệu nội bộ giải quyết được phần “tìm theo ý”: hỏi bằng câu tự nhiên, không cần nhớ tên file. Nhưng nếu AI lấy nhầm bản cũ, hoặc đưa cho nhân viên nội dung họ không được xem, hệ thống sẽ gây hại nhiều hơn là giúp.

Bài viết này tập trung vào hai việc quyết định độ tin cậy của công cụ tìm kiếm nội bộ: giữ đúng nguồn, đúng phiên bản và áp đúng quyền của người hỏi.

1. Cách nhìn đúng về AI tìm kiếm tài liệu nội bộ

Hệ thống tìm kiếm tài liệu bằng AI thường gồm ba phần. Phần kho chứa tài liệu đã được lập chỉ mục cùng thông tin đi kèm như chủ sở hữu, ngày hiệu lực, phạm vi. Phần truy xuất tìm những đoạn liên quan nhất rồi để mô hình tổng hợp thành câu trả lời. Phần kiểm soát lọc theo quyền và trạng thái hiệu lực trước khi bất kỳ đoạn nào đến tay mô hình.

Nếu thông tin đi kèm tài liệu thiếu hoặc sai, bộ lọc không có gì để dựa vào, và câu trả lời có thể đến từ một quy định đã bị thay thế.

Khi khảo sát, nên phân biệt kho tài liệu đã có chủ sở hữu và trạng thái rõ ràng với kho còn lộn xộn. Nhóm thứ nhất có thể đưa vào ngay. Nhóm thứ hai cần dọn trước, nếu không AI chỉ giúp người dùng tìm ra sự lộn xộn nhanh hơn.

2. Các vấn đề cần xử lý

1. Lập chỉ mục theo ngữ nghĩa

Tài liệu được chia thành các đoạn và lập chỉ mục theo nghĩa, để câu hỏi “đi công tác nước ngoài được thanh toán gì” tìm ra đúng quy chế công tác phí dù không trùng chữ. Cách chia đoạn ảnh hưởng lớn tới chất lượng: chia quá nhỏ thì mất ngữ cảnh, chia quá lớn thì lẫn nhiều nội dung. Bảng biểu và file scan cần được xử lý riêng vì dễ bị đọc sai.

2. Giữ metadata nguồn

Mỗi đoạn được lập chỉ mục phải mang theo tên tài liệu, đường dẫn gốc, phiên bản, ngày hiệu lực, bộ phận sở hữu và mức quyền. Đây là nền tảng cho việc trích dẫn, lọc phiên bản và phân quyền. Tài liệu không có metadata tối thiểu thì không nên đưa vào chỉ mục.

3. Nhận diện bản trùng

Cùng một quy định có thể nằm ở ổ chung, trong email đính kèm và trong thư mục cá nhân. Nếu đưa hết vào, AI sẽ trả về nhiều đoạn gần như giống nhau, và khó biết đâu là bản gốc. Cần quy tắc xác định nguồn chính thức, thường là hệ thống quản lý tài liệu hoặc thư mục do bộ phận sở hữu quản lý, còn bản sao thì bỏ qua.

4. Ưu tiên phiên bản có hiệu lực

Khi có nhiều phiên bản, hệ thống phải dựa vào trạng thái và ngày hiệu lực, không dựa vào ngày sửa file hay tên file. Ngày sửa file có thể thay đổi chỉ vì ai đó mở ra lưu lại. Dấu hiệu có lỗi: người dùng phản ánh AI trích một điều khoản mà bộ phận sở hữu nói đã bỏ từ lâu.

5. Trích dẫn đoạn hỗ trợ

Câu trả lời phải kèm đoạn trích và liên kết tới tài liệu gốc. Người dùng nhờ đó tự kiểm tra, và người phụ trách nhìn vào là biết AI đọc sai hay tài liệu sai. Khi đoạn trích không chứa thông tin mà câu trả lời khẳng định, đó là dấu hiệu AI đang suy diễn.

6. Áp quyền xem trước truy xuất

Bộ lọc quyền phải chạy trước bước truy xuất, để đoạn tài liệu người hỏi không được xem không bao giờ được đưa vào mô hình. Lọc sau khi đã tạo câu trả lời là không đủ, vì nội dung có thể đã lọt vào phần tóm tắt. Quyền nên đồng bộ từ hệ thống lưu trữ gốc, không khai lại bằng tay.

7. Loại tài liệu hết hiệu lực

Tài liệu bị thay thế hoặc bãi bỏ phải được đánh dấu và loại khỏi phạm vi trả lời thông thường. Việc này cần một quy trình: khi bộ phận ban hành bản mới, ai cập nhật trạng thái bản cũ và bao lâu thì chỉ mục được làm mới. Nếu người dùng cần tra lịch sử, hệ thống cho phép tìm riêng và ghi rõ tài liệu đã hết hiệu lực.

8. Thu phản hồi câu trả lời

Nút “đúng”, “sai” hoặc “thiếu” dưới mỗi câu trả lời cho nhóm vận hành biết chỗ cần sửa. Phản hồi nên được chuyển về bộ phận sở hữu tài liệu, vì nhiều lỗi nằm ở nội dung tài liệu chứ không ở AI. Nên xem định kỳ các câu hỏi bị đánh giá sai để bổ sung vào bộ kiểm thử.

3. Quy trình triển khai đề xuất

Bước 1: Kiểm kê kho và hệ thống nguồn

Liệt kê các nơi đang lưu tài liệu: ổ chung, hệ thống quản lý tài liệu, wiki, thư mục email. Với mỗi nơi, ghi loại tài liệu, bộ phận sở hữu và cách phân quyền hiện có. Đầu ra là danh sách nguồn được đưa vào giai đoạn đầu, có trưởng bộ phận xác nhận.

Bước 2: Gắn chủ sở hữu, ngày hiệu lực, phạm vi

Với từng tài liệu trong phạm vi, bổ sung chủ sở hữu, trạng thái, ngày hiệu lực và nhóm người được xem. Việc này thường tốn công nhất nhưng không thể bỏ qua. Bộ phận sở hữu xác nhận danh sách tài liệu đang có hiệu lực của mình.

Bước 3: Thiết kế kết quả gồm câu trả lời và trích dẫn

Thống nhất mẫu câu trả lời: phần trả lời ngắn, đoạn trích, tên và phiên bản tài liệu, liên kết mở bản gốc. Quy định luôn cách trả lời khi không tìm thấy nguồn hoặc khi các nguồn mâu thuẫn. Người dùng đại diện duyệt mẫu này trước khi chạy thử.

Bước 4: Kiểm thử bằng câu hỏi có đáp án và câu hỏi không đủ nguồn

Chuẩn bị bộ câu hỏi có đáp án và tài liệu nguồn đúng, cộng với câu hỏi mà kho không có câu trả lời. Chạy thử bằng tài khoản của nhiều nhóm quyền khác nhau. Kết quả đạt khi AI trả đúng nguồn, từ chối khi thiếu nguồn và không lộ tài liệu ngoài quyền.

4. Ví dụ giả định

Nhân viên hỏi quy định công tác phí cho chuyến đi nước ngoài. AI tìm thấy hai phiên bản và chỉ dùng bản mới có trạng thái hiệu lực. Câu trả lời kèm liên kết và đoạn trích; bản cũ vẫn lưu trong hệ thống quản lý tài liệu nhưng không được dùng để trả lời hiện hành.

Câu trả lời đúng ở đây có được là nhờ trạng thái hiệu lực đã được gắn cho cả hai bản từ trước. Nên đưa tình huống này vào bộ kiểm thử theo cả hai chiều: kiểm tra AI chọn đúng bản mới, và kiểm tra khi bản cũ chưa được đánh dấu hết hiệu lực thì AI có nhận ra mâu thuẫn và báo lại hay không.

5. Rủi ro và giới hạn cần kiểm soát

• Không vượt quyền xem của người dùng

• Prompt injection trong tài liệu là rủi ro cần kiểm soát

• Không trả lời khi trích dẫn không hỗ trợ kết luận

• Cần quy trình thu hồi tài liệu

Với tìm kiếm nội bộ, quyền xem phải được áp ở tầng truy xuất và đồng bộ với hệ thống lưu trữ gốc. Nội dung tài liệu cần được coi là dữ liệu, không phải mệnh lệnh cho AI, vì một file có thể chứa câu cố tình điều khiển mô hình. Nhật ký nên ghi ai hỏi gì và đoạn tài liệu nào được dùng. Tài liệu chứa dữ liệu cá nhân hoặc hợp đồng chỉ nên đưa vào chỉ mục khi thật sự cần cho mục đích tra cứu.

6. Chỉ số nên theo dõi sau khi vận hành

• Tỷ lệ yêu cầu hoàn thành đúng theo bộ tiêu chí đã duyệt

• Tỷ lệ thiếu dữ liệu, từ chối đúng và chuyển người thật

• Số lỗi tích hợp, thời gian phản hồi và thời gian khắc phục

• Số lần nhân viên sửa kết quả và nguyên nhân sửa

Lượt tìm kiếm tăng chỉ cho thấy công cụ được dùng. Để biết công cụ có đáng tin, cần xem tỷ lệ câu trả lời có trích dẫn đúng, số lần trích bản hết hiệu lực và nhóm câu hỏi hay bị báo “không tìm thấy”. Nhóm câu hỏi không tìm thấy thường chỉ ra tài liệu còn thiếu, việc của bộ phận sở hữu hơn là của AI.

7. Checklist trước khi đưa vào sử dụng

• Nguồn dữ liệu và chủ sở hữu đã được xác nhận

• Quyền đọc ghi và phạm vi người dùng đã được kiểm thử

• Ngoại lệ có đường chuyển người phụ trách

• Nhật ký lưu đủ đầu vào nguồn và kết quả

• Bộ câu hỏi hoặc tình huống kiểm thử có đáp án mong đợi

• Có lịch cập nhật dữ liệu và kiểm thử lại

Tìm kiếm tài liệu thường là nền cho các nhu cầu khác, như tự động tổng hợp báo cáo tuần hay so sánh các phiên bản hợp đồng. Với trợ lý hỏi đáp dành cho nhân viên, xem thêm AI Agent nội bộ.

8. Câu hỏi thường gặp

Tìm kiếm ngữ nghĩa khác tìm từ khóa thế nào? Nó tìm nội dung gần nghĩa với câu hỏi, nhưng vẫn cần bộ lọc quyền và phiên bản.

Có nên hiển thị nguồn không? Có. Nguồn giúp người dùng kiểm tra và mở tài liệu gốc.

Xử lý tài liệu hết hiệu lực ra sao? Đánh dấu rõ và loại khỏi phạm vi trả lời hiện hành, trừ khi người dùng yêu cầu tra cứu lịch sử.

Kết luận

Chất lượng của AI tìm kiếm tài liệu nội bộ phụ thuộc vào kho tài liệu nhiều hơn vào mô hình. Tài liệu có chủ sở hữu, có trạng thái hiệu lực và phân quyền rõ thì AI mới trả lời đúng bản, đúng người.

Nên bắt đầu với một vài bộ tài liệu đã gọn gàng, như quy chế nhân sự hoặc hướng dẫn quy trình, đo chất lượng trích dẫn rồi mới mở rộng sang các kho khác.

Trao đổi với Naventic để khảo sát kho tài liệu và cách phân quyền phù hợp. Đọc thêm: AI Agent nội bộ.