
Quản trị tri thức
BMB Technology
Đăng ngày
Tóm tắt: Tải file lên AI chỉ là bước đầu; kho tri thức hữu ích cần bảo toàn cấu trúc, phiên bản và quyền truy cập.
Doanh nghiệp thường có nhiều loại tài liệu: quy chế Word, hợp đồng PDF, báo cáo Excel, văn bản scan và sổ tay quy trình. Khi bắt đầu xây trợ lý AI, một câu hỏi xuất hiện rất nhanh: “Chúng ta có thể đưa toàn bộ những file này vào hệ thống để nhân viên hỏi đáp không?”.
Có thể, nhưng việc tải file mới chỉ là bước kỹ thuật ban đầu. Để tạo ra kho tri thức doanh nghiệp đáng tin cậy, cần thiết kế cách thu thập, trích xuất, phân loại, bảo vệ và duy trì thông tin.
Tại sao nạp hàng nghìn file chưa chắc tốt?
Một kho lớn có thể chứa nhiều bản sao, tài liệu hết hiệu lực hoặc bản nháp chưa duyệt. Nếu hệ thống tìm đoạn có từ khóa tương tự nhất mà không biết đâu là nguồn chính thức, AI có thể trả lời bằng quy định cũ.
Ngoài ra, tài liệu số hóa không có chất lượng đồng đều. Một PDF được tạo từ Word thường trích chữ dễ hơn PDF scan; bảng Excel có công thức lại khác văn bản diễn giải.
Doanh nghiệp nên bắt đầu từ nhóm tài liệu gắn với câu hỏi rõ ràng, chẳng hạn quy chế nhân sự và biểu mẫu hành chính, thay vì đưa tất cả file vào một lúc.
Bước 1: Lập danh mục và phân loại nguồn
Mỗi tài liệu nên có mã, tiêu đề, đơn vị sở hữu, ngày ban hành, trạng thái hiệu lực, phiên bản, nguồn lưu trữ và mức độ nhạy cảm.
Cần phân biệt dữ liệu gốc với bản sao hoặc bản trích xuất. Nếu một quy trình nằm ở ba nơi, xác định nơi nào có thẩm quyền cập nhật, các nơi còn lại chỉ là bản tham khảo.
Không nên thu thập tài liệu cá nhân hoặc dữ liệu nhạy cảm chỉ vì tài khoản kỹ thuật có quyền tải chúng.
Bước 2: Trích xuất nội dung theo đúng định dạng
PDF có văn bản
Nên giữ tiêu đề, đoạn, bảng, số trang và mối liên hệ giữa các mục. Nếu tách chữ không giữ bố cục, câu trong một cột có thể bị ghép với câu ở cột khác.
PDF scan và ảnh
Cần OCR, nhưng OCR có thể đọc sai dấu tiếng Việt, số tiền, mã hợp đồng hoặc ký hiệu. Với quy định quan trọng, phải kiểm tra chất lượng sau trích xuất. Một kết quả trông hợp ngữ pháp chưa có nghĩa số liệu và tên riêng đúng.
Word
Word thường chứa bảng, hình, phụ lục, header/footer và các cấp heading. Không nên chỉ gom mọi dòng thành một chuỗi dài. Mục, điều khoản và phần phụ lục là những ngữ cảnh quan trọng khi trả lời.
Excel
Cần phân biệt hai loại. Excel chứa bảng hướng dẫn hoặc từ điển thuật ngữ có thể được xử lý như tài liệu. Nhưng Excel chứa hàng nghìn dòng đơn hàng hoặc số liệu kế toán thường nên chuyển sang công cụ truy vấn và phân tích có cấu trúc. Đưa mọi ô vào vector search không phải phương pháp đáng tin cho phép tính doanh thu.
Bước 3: Gắn metadata, quyền và trạng thái
Bản thân nội dung chỉ là một phần của tri thức. Metadata giúp xác định tài liệu có hiệu lực ở đâu, cho ai, và từ ngày nào.
Khi chia tài liệu thành các đoạn để lập chỉ mục, các đoạn cần kế thừa mã tài liệu, phạm vi quyền, vị trí và phiên bản. Nếu mất metadata, AI khó dẫn nguồn chính xác và có thể truy xuất vượt quyền.
Một thay đổi quyền tại nguồn cũng phải được phản ánh trong hệ thống tìm kiếm theo chính sách cập nhật phù hợp.
Bước 4: Chọn cách tìm kiếm và chia đoạn
RAG thường kết hợp tìm kiếm từ khóa và ngữ nghĩa. Câu hỏi “Quy trình làm việc từ xa” có thể khớp về nghĩa với “Chính sách làm việc linh hoạt”, trong khi câu hỏi chứa số quyết định cần khớp chính xác.
Tách đoạn nên tôn trọng cấu trúc tài liệu. Một điều khoản dài có thể chia thành vài đoạn nhưng cần giữ quan hệ với tiêu đề. Một bảng nhỏ nên được giữ đủ ngữ cảnh để không làm sai cột và hàng.
Không có kích thước chunk tối ưu cho mọi bộ tài liệu; nên đánh giá trên câu hỏi thực tế.
Bước 5: Xây bộ câu hỏi kiểm thử
Với một kho quy chế, có thể chuẩn bị các câu hỏi:
- Chính sách nào đang hiệu lực?
- Ai có thẩm quyền phê duyệt một loại yêu cầu?
- Có ngoại lệ nào cho từng nhóm nhân viên?
- Nội dung năm trước khác hiện tại thế nào?
- Nếu không có quy định, hệ thống có dám nói “chưa tìm thấy”?
- Nhân viên có xem được hồ sơ mật của phòng khác không?
Bộ đáp án nên do người nghiệp vụ xác nhận, không chỉ do chính LLM tạo ra rồi dùng để tự chấm.
Bước 6: Duy trì kho tri thức sau khi triển khai
Tài liệu mới cần được tiếp nhận, kiểm tra, phê duyệt và cập nhật chỉ mục. Tài liệu hết hiệu lực cần được loại khỏi truy vấn hiện hành nhưng có thể vẫn được giữ để đối chiếu lịch sử.
Một lỗi OCR có thể được phát hiện sau khi dùng thử; hệ thống nên hỗ trợ sửa dữ liệu và lập chỉ mục lại. Khi một file bị xóa hoặc thu hồi quyền, cần xử lý cả các bản trích xuất và cache liên quan.
Nên xác định chủ sở hữu dữ liệu ở từng phòng thay vì coi kho tri thức là trách nhiệm riêng của IT.
Tình huống minh họa: Phòng hành chính
Một phòng hành chính có 250 tài liệu gồm quy chế mua sắm, công tác phí và hướng dẫn sử dụng hệ thống. Nhóm triển khai chọn 50 tài liệu thường dùng, xác nhận phiên bản chính thức và tạo bộ 60 câu hỏi.
Sau khi kiểm thử mức tìm đúng nguồn, quy trình xử lý câu không có đáp án và quyền xem tài liệu, doanh nghiệp mới mở rộng. Đây chỉ là kịch bản minh họa, không phải số liệu của khách hàng BMB Insight.
Câu hỏi thường gặp
Có cần mua hệ quản lý tài liệu mới?
Không nhất thiết. Có thể kết nối nguồn hiện tại nếu nguồn hỗ trợ quyền, metadata và truy xuất phù hợp.
AI có đọc được ảnh và bảng biểu không?
Có thể tích hợp công cụ trích xuất và mô hình thị giác, nhưng cần kiểm thử độ đúng, đặc biệt với số và bảng phức tạp.
Có thể triển khai kho tri thức trên máy chủ riêng?
Có. Nhưng vẫn cần sao lưu, kiểm soát quyền, giám sát và quản trị phiên bản.
Kết luận
Kho tri thức AI thành công phải giúp nhân viên tìm đúng thông tin có thẩm quyền và bảo vệ dữ liệu của tổ chức, không chỉ chứng minh rằng AI có thể đọc nhiều định dạng file.
Trao đổi nhu cầu: Liên hệ BMB Technology để xem demo BMB Insight. Ví dụ chỉ mang tính minh họa; năng lực đã triển khai cần kiểm chứng theo phiên bản sản phẩm.
Giải pháp BMB liên quan
- BMB Knowledge AI - Kho tri thức và trợ lý AI nội bộ. Tra cứu tài liệu nội bộ theo quyền và đối chiếu nội dung qua trích dẫn.
- Hệ thống lưu trữ điện tử BMB. Dành cho nghiệp vụ nộp lưu, bảo quản và tra cứu hồ sơ số.