Thiết kế Evidence Trail: mọi kết luận AI phải quay về đúng trang, điều khoản và tài liệu nguồn

Một câu trả lời AI có thể nghe rất thuyết phục nhưng không có giá trị quản trị nếu không ai biết nó dựa trên tài liệu nào. Trong BĐS, một kết luận về pháp lý, định giá, hợp đồng hay khách hàng cần khả năng quay lại nguồn gốc.

Evidence Trail – dấu vết bằng chứng – không phải chỉ là “gắn link”. Nó là chuỗi chứng minh từ nguồn → trích xuất → biến đổi → suy luận → kiểm chứng → phê duyệt → hành động.

Chuyên đề: AI ứng dụng trong Bất động sản · Bài 18 · Pháp lý, hợp đồng và Due Diligence

Biên soạn: ThS. Nguyễn Mạnh Hùng
GV. Khoa QLĐĐ&BĐS – ĐH Nông Lâm TP.HCM
Email: nguyenmanhhung@hcmuaf.edu.vn

1. Sáu lớp cần nối được với nhau

1. Tài liệu/dữ liệu gốc.
2. Vị trí cụ thể: trang, điều, dòng, bản ghi, tọa độ hoặc thời điểm.
3. Giá trị trích xuất nguyên bản.
4. Giá trị chuẩn hóa và quy tắc biến đổi.
5. Kết luận/đầu ra AI cùng phiên bản hệ thống.
6. Người duyệt, quyết định và hành động sau duyệt.

2. Định danh nguồn bền vững

Tên file có thể thay đổi. Nên dùng `document_id`, mã phiên bản và hash; với dữ liệu database dùng khóa bản ghi và thời điểm chụp. Với website dùng URL, ngày truy cập và nếu cần bản lưu. Mục tiêu là tái tạo được nguồn đã thấy tại thời điểm kết luận.

3. Evidence theo từng claim

Một báo cáo có 20 kết luận không nên chỉ có danh sách 30 tài liệu ở cuối. Mỗi claim quan trọng nên liên kết trực tiếp nguồn hỗ trợ và nguồn mâu thuẫn. Nếu không có nguồn đủ mạnh, trạng thái phải là MISSING/CONFLICT/UNCLEAR/NEEDS_REVIEW.

4. Dữ liệu đã qua chuẩn hóa

Nếu chỉ lưu 1250.5, người sau không biết dấu phẩy/chấm ban đầu đã được hiểu ra sao.

5. Dấu vết công nghệ

Đối với đầu ra AI, tối thiểu nên lưu tên hệ thống/mô hình hoặc cấu hình phiên bản, prompt/template phiên bản, kho tri thức phiên bản, công cụ được gọi và thời điểm chạy. Không nhất thiết lưu mọi dữ liệu nhạy cảm trong log; thiết kế log phải cân bằng kiểm toán và bảo mật.

6. Tình huống: kết luận “hợp đồng sắp hết hạn”

Nguồn là hợp đồng trang 12; AI trích ngày hết hạn; parser chuyển ngày sang ISO; code tính số ngày còn lại theo ngày hệ thống; quy tắc cảnh báo đánh dấu <90 ngày; chuyên viên lease administration xác nhận. Mỗi bước có id riêng. Nếu ngày trích sai, ta biết lỗi ở extraction chứ không đổ chung cho “AI”.

7. Evidence Trail cho tác nhân AI

Nếu một tác nhân tự tìm file, truy vấn database và soạn báo cáo, log cần thể hiện đường đi: đã truy cập kho nào, truy vấn gì, nhận kết quả gì, bước nào thất bại, có retry không và vì sao chuyển người duyệt. Không nên chỉ lưu câu trả lời cuối.

8. Quy tắc lưu giữ

Bằng chứng phải được giữ đủ lâu theo mục đích nghiệp vụ, hợp đồng, chính sách bảo mật và pháp luật áp dụng. Dữ liệu cá nhân hoặc bí mật kinh doanh không nên bị nhân bản vô hạn chỉ để “audit”. Có thể lưu tham chiếu, hash và metadata thay vì sao chép toàn bộ khi phù hợp.

9. Kiểm thử bằng truy vết ngược

Chọn ngẫu nhiên một kết luận từ báo cáo và thử đi ngược tới nguồn trong vài phút. Nếu không tìm được đúng trang/bản ghi hoặc không biết ai đã duyệt, Evidence Trail chưa đạt. Đây là một kiểm thử thực tế rất hữu ích trước khi mở rộng tự động hóa.

Ghi nhớ trong 30 giây

• Dấu vết bằng chứng phải nối từ claim về đúng nguồn, không chỉ liệt kê tài liệu cuối báo cáo.
• Giữ cả dữ liệu gốc, dữ liệu chuẩn hóa và quy tắc biến đổi.
• Log hệ thống phải đủ để tái hiện nhưng vẫn tuân thủ bảo mật.
• Một kiểm thử tốt là chọn bất kỳ kết luận nào và truy ngược được trong vài phút.

Nguồn tham khảo

• NIST – AI Risk Management Framework (AI RMF) 1.0 và NIST AI 600-1 Generative AI Profile; khi triển khai cần kiểm tra phiên bản AI RMF hiện hành vì NIST đang sửa đổi AI RMF 1.0 trong năm 2026.
• ISO/IEC 42001:2023 – Hệ thống quản lý trí tuệ nhân tạo, khung quản trị rủi ro, trách nhiệm, truy vết và cải tiến liên tục.
• RICS – Responsible use of artificial intelligence in surveying practice, 1st edition; có hiệu lực từ 09/03/2026.

Bài tiếp theo

Bài 19: AI hỗ trợ quy trình định giá: tìm so sánh, kiểm dữ liệu, giải trình và kiểm tra chéo kết quả