Trong giao dịch số, người dùng không chỉ hỏi “hệ thống có hữu ích không?” mà còn hỏi “tôi có tin bên này không?” và “nếu sai, tôi có mất gì không?”. Với AI, câu hỏi còn khó hơn: người dùng có thể tin quá ít nên không sử dụng, hoặc tin quá nhiều nên bỏ qua kiểm chứng.
Trust–Risk Model trong bài này không được xem như một mô hình duy nhất có một sơ đồ bắt buộc. Đây là họ mô hình kết hợp niềm tin và rủi ro; một nền tảng kinh điển là Pavlou (2003), tích hợp trust và perceived risk vào cấu trúc chấp nhận giao dịch điện tử dựa trên TAM/TRA.
Chuyên đề: Mô hình định tính, hành vi & ra quyết định trong BĐS · Bài 36 · Hành vi, chấp nhận công nghệ và mô hình lý thuyết
Biên soạn: ThS. Nguyễn Mạnh Hùng
Đơn vị: GV. Khoa QLĐĐ&BĐS – ĐH Nông Lâm TP.HCM
Email: nguyenmanhhung@hcmuaf.edu.vn
1. Vì sao trust và risk phải tách
Trust – niềm tin là kỳ vọng rằng bên kia/hệ thống sẽ hành động có năng lực, đáng tin và không gây hại có chủ ý. Perceived risk – rủi ro cảm nhận là kỳ vọng về khả năng và mức tổn thất khi giao dịch hoặc sử dụng công nghệ.
Trust cao thường làm risk cảm nhận giảm, nhưng hai biến không phải hai đầu của một thang. Người dùng có thể tin nền tảng nhưng vẫn thấy rủi ro thị trường cao; hoặc risk kỹ thuật thấp nhưng không tin doanh nghiệp vận hành.
2. Các loại trust trong BĐS số
| Đối tượng trust | Câu hỏi |
|---|---|
| Platform trust | Nền tảng có đáng tin? |
| Seller/agent trust | Người cung cấp thông tin có trung thực? |
| Institutional trust | Cơ chế pháp lý/chứng thực có bảo vệ? |
| AI trust | Mô hình có đủ đáng tin cho task này? |
Không nên gộp trust vào một biến chung nếu đối tượng niềm tin khác nhau. Trust vào AI output và trust vào doanh nghiệp môi giới có cơ chế khác.
3. Rủi ro cũng có nhiều mặt
| Risk facet | Ví dụ |
|---|---|
| Financial | Mất tiền/cọc, định giá sai |
| Performance | Hệ thống/AI cho kết quả kém |
| Privacy | Lộ dữ liệu cá nhân |
| Legal | Hợp đồng/chứng cứ không được chấp nhận |
| Time | Mất thời gian sửa sai |
| Security | Tài khoản/giao dịch bị xâm nhập |
Có thể mô hình hóa perceived risk như một cấu trúc tổng hoặc nhiều chiều tùy câu hỏi. Không nên tạo sáu latent variables nếu dữ liệu/mẫu không đủ.
4. Trustworthiness khác trust
Trustworthiness là đặc tính của đối tượng có thể làm người dùng hình thành trust, ví dụ ability, integrity, benevolence, transparency, institutional assurance. Trust là trạng thái của người tin. Đây là phân biệt quan trọng khi thiết kế can thiệp.
Nếu người dùng không tin AI vì thiếu nguồn dẫn, can thiệp là traceability/explanation; nếu không tin doanh nghiệp vì lịch sử khiếu nại, giao diện đẹp không giải quyết.
5. Cấu trúc dữ liệu khảo sát
| respondent_id | TRUST1..4 | RISK1..4 | PU1..3 | PEOU1..3 | INT1..3 | TRANSACT |
|---|---|---|---|---|---|---|
| R001 | Likert | Likert | Likert | Likert | Likert | 0/1 |
Nếu nghiên cứu AI, nên thêm metadata use case và mức hậu quả. Trust calibration có thể khác giữa task viết mô tả và task đề xuất giá trị tài sản.
6. Trust calibration: mục tiêu không phải tối đa hóa trust
Với AI, trust quá cao có thể nguy hiểm. Mục tiêu là calibrated trust – niềm tin phù hợp năng lực thực tế. Nếu mô hình accuracy 80% nhưng người dùng hành xử như 100%, hệ thống đang tạo overtrust.
Nên đo willingness to verify, reliance behavior, override rate và error detection bên cạnh survey trust nếu nghiên cứu human–AI decision.
7. Case: nền tảng đặt cọc trực tuyến
Nền tảng dễ dùng và hữu ích nhưng conversion thấp. Phỏng vấn cho thấy người mua lo tiền cọc và tính pháp lý. Các can thiệp phù hợp: escrow, xác thực danh tính, chứng từ rõ, chính sách hoàn tiền, audit trail và thông tin pháp lý – không chỉ tối ưu UX.
8. Case: AI định giá
Người dùng có thể trust thấp vì không biết dữ liệu nguồn; hoặc trust quá cao vì output trình bày chắc chắn. Thiết kế tốt cần comparable evidence, confidence interval, cảnh báo ngoài miền dữ liệu và bước review chuyên gia.
9. Quan hệ với TAM/UTAUT
Trust/risk có thể mở rộng mô hình chấp nhận, nhưng chỉ khi uncertainty thực sự trọng yếu. Nếu công nghệ nội bộ không có giao dịch/rủi ro đáng kể, trust–risk có thể dư thừa. Ngược lại, trong PropTech transaction, trust có thể quan trọng hơn ease of use.
10. Đo hành vi thay vì chỉ niềm tin
- Tỷ lệ hoàn tất giao dịch.
- Tỷ lệ hủy sau khi xem điều khoản.
- Tỷ lệ verify AI output.
- Tỷ lệ override recommendation.
- Mức tiền sẵn sàng giao dịch.
- Tần suất dùng chức năng nhạy cảm.
11. Sai lầm
- Gộp trust và risk thành một biến.
- Không xác định đối tượng trust.
- Đo trust chung cho mọi AI task.
- Coi trust cao luôn tốt.
- Không có hành vi reliance/verification.
- Thêm trust chỉ vì nghiên cứu khác có.
12. Bài tập thực hành
Chọn một giao dịch số hoặc AI BĐS. Xác định đối tượng trust, 3 risk facets quan trọng, một biến hành vi thực và hai thiết kế giảm risk. Sau đó viết một tình huống overtrust và một tình huống undertrust để kiểm mô hình.
13. Đo trust calibration bằng nhiệm vụ thực
Cho người dùng 20 case, trong đó AI đúng và sai có kiểm soát. Ghi reliance khi AI đúng, rejection khi AI sai và confidence của người dùng. Từ đó phân biệt appropriate reliance, overreliance và underreliance. Survey trust một mình không làm được việc này.
| AI | User follows | Diễn giải |
|---|---|---|
| Đúng | Có | Appropriate reliance |
| Sai | Có | Overreliance |
| Đúng | Không | Underreliance |
14. Trust–Risk và governance
Can thiệp trust phải dựa evidence: provenance, audit trail, third-party assurance, access control, explainability và grievance mechanism. Một badge “AI đáng tin” không tạo trustworthiness thực.
Với giao dịch BĐS, institutional mechanism như escrow, eKYC, chữ ký số và điều khoản chịu trách nhiệm có thể giảm perceived risk mạnh hơn thiết kế giao diện.
Ghi nhớ trong 30 giây
- Trust và perceived risk khác nhau nhưng liên hệ.
- Trust phải có đối tượng rõ.
- Risk có nhiều facet.
- Với AI cần calibrated trust, không phải trust tối đa.
- Nên đo reliance/verification thật nếu có thể.
Nguồn tham khảo
- Pavlou, P.A. (2003), Consumer Acceptance of Electronic Commerce: Integrating Trust and Risk with the Technology Acceptance Model, International Journal of Electronic Commerce 7(3), 101–134.
- Các nền tảng nghiên cứu trust trong hệ thống và giao dịch điện tử.
Bài tiếp theo: Stimulus–Organism–Response: từ kích thích thị trường đến phản ứng khách hàng