Một bộ hồ sơ BĐS thường không “sạch” như bảng Excel: PDF có lớp chữ, bản scan, biểu mẫu, phụ lục, chữ ký, bảng nhiều cột và trang bị xoay. Nếu chỉ yêu cầu AI “đọc và nhập bảng”, sai sót dễ bị che bởi đầu ra rất gọn.
Trích xuất tốt cần giữ mối liên hệ giữa giá trị có cấu trúc và bằng chứng trong tài liệu gốc.
Chuyên đề: AI ứng dụng trong Bất động sản · Bài 08 · Nghiên cứu thị trường, dữ liệu và thông tin
Biên soạn: ThS. Nguyễn Mạnh Hùng
GV. Khoa QLĐĐ&BĐS – ĐH Nông Lâm TP.HCM
Email: nguyenmanhhung@hcmuaf.edu.vn
1. Bước đầu là nhận diện loại tài liệu
Trước khi lấy trường dữ liệu, hệ thống xác định tài liệu thuộc loại nào: hợp đồng, phụ lục, biên bản, chứng từ, bản vẽ, biểu mẫu, báo cáo. Mỗi loại có schema khác nhau.
Nếu phân loại sai, danh sách trường cần trích cũng sai.
2. Thiết kế schema trước khi chạy
| Trường | Kiểu | Bắt buộc | Bằng chứng |
|---|---|---|---|
| Số tài liệu | Chuỗi | Có | Trang/đoạn |
| Ngày | Ngày | Có | Trang/đoạn |
| Chủ thể | Danh sách thực thể | Tùy loại | Trang/đoạn |
| Diện tích | Số + đơn vị | Tùy loại | Trang/ô bảng |
| Ghi chú | Văn bản | Không | Nguồn |
3. Phân biệt “không đọc được” và “không có”
MISSING chỉ dùng khi đã kiểm nguồn mà thông tin không xuất hiện. Nếu trang mờ, OCR lỗi hoặc bảng bị cắt, trạng thái đúng có thể là UNCLEAR/NEEDS_REVIEW. Nếu không phân biệt, dữ liệu chất lượng kém bị biến thành “trống hợp lệ”.
4. Giữ giá trị gốc và giá trị chuẩn hóa
Nếu tài liệu ghi “1.250,5 m²”, lưu `raw_value = 1.250,5 m²` và `normalized_value = 1250.5`, `unit = m2`. Điều này cho phép kiểm lại cách chuẩn hóa.
AI có thể hiểu cách viết; code chịu trách nhiệm chuyển kiểu và kiểm miền giá trị.
5. Bằng chứng theo trường, không chỉ theo tài liệu
Mỗi trường quan trọng nên có `source_document_id`, `page`, `quote_or_region`, và nếu phù hợp `confidence`. Khi một số bị nghi ngờ, người duyệt đi thẳng tới vị trí nguồn thay vì tìm lại toàn bộ PDF.
6. Kiểm tra chéo giữa các trường
Các quy tắc xác định phát hiện nhiều lỗi mà mô hình khó tự nhận:
- Ngày kết thúc phải sau ngày bắt đầu.
- Tổng diện tích các phần không vượt diện tích tổng nếu nghiệp vụ quy định như vậy.
- Đơn vị tiền phải nhất quán với bảng giá.
- Mã dự án phải tồn tại trong danh mục.
- Số tài liệu trùng cần được cảnh báo.
7. Tài liệu nhiều phiên bản và phụ lục
Không được coi mỗi PDF là một sự thật độc lập. Cần xây quan hệ: hợp đồng chính – phụ lục – văn bản sửa đổi – biên bản. Một trường trong phụ lục mới có thể thay giá trị cũ. Hệ thống phải giữ lịch sử và quy tắc hiệu lực.
8. Tình huống: bóc dữ liệu 500 hợp đồng
Quy trình: phân loại file → phát hiện file trùng → trích 20 trường → kiểm kiểu → gắn bằng chứng → chuyển các trường dưới ngưỡng hoặc mâu thuẫn cho người duyệt → sau duyệt mới ghi kho dữ liệu hợp đồng.
Mục tiêu không phải 500 file đều “xanh”; mục tiêu là trường nào chắc thì tự động, trường nào rủi ro thì hiện đúng ngoại lệ.
9. Bảo mật và lưu trữ
Hồ sơ BĐS có thể chứa thông tin cá nhân, giá trị giao dịch và điều khoản mật. Trước khi đưa vào dịch vụ AI, phải kiểm quyền, chính sách lưu dữ liệu, vị trí xử lý, thời gian giữ và khả năng xóa. Khi không cần định danh, nên giảm dữ liệu hoặc ẩn danh phù hợp.
10. Chỉ số vận hành
Theo dõi tỷ lệ trường tự động đạt, tỷ lệ người duyệt sửa, lỗi theo loại tài liệu, thời gian xử lý, tỷ lệ tài liệu không đọc được, tỷ lệ thiếu bằng chứng. Các lỗi lặp lại chỉ ra nơi cần cải thiện schema hoặc tiền xử lý.
Ghi nhớ trong 30 giây
- Trích xuất tài liệu là bài toán biến nội dung thành trường dữ liệu có bằng chứng.
- Không đọc được không đồng nghĩa với không có; phải phân biệt lỗi trích xuất và dữ liệu thực sự thiếu.
- Mỗi trường quan trọng nên giữ trang/vùng nguồn và mức tin cậy.
- Kiểm tra kiểu dữ liệu, tổng tiền, ngày tháng và quan hệ giữa các trường nên dùng quy tắc/công cụ xác định.
Nguồn tham khảo
- NIST – AI Risk Management Framework (AI RMF) 1.0 và AI RMF Playbook; NIST đang cập nhật AI RMF trong năm 2026 nên khi triển khai thực tế cần kiểm tra phiên bản hiện hành.
- NIST AI 600-1 – Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile, 2024.
- ISO/IEC 42001:2023 – Artificial intelligence management system.
- RICS – Responsible use of artificial intelligence in surveying practice, 1st edition; có hiệu lực từ 09/03/2026.
Bài tiếp theo
Bài 09: Chuẩn hóa, phân loại và gắn nhãn dữ liệu BĐS bằng AI