AI 'đổ bộ' ngành xây dựng: Vì sao chưa thể tin tuyệt đối vào kết quả?

Điểm yếu đầu tiên nằm ở dữ liệu đầu vào. AI chỉ có thể làm việc với những gì được cung cấp. Nếu bản vẽ thiếu, mô hình BIM sai, thông tin vật liệu chưa đầy đủ, các bộ môn dùng những phiên bản khác nhau thì kết quả AI cũng có thể sai. Nói đơn giản: dữ liệu không đáng tin thì kết quả AI cũng khó đáng tin. Vấn đề thứ hai là AI nhìn thấy chưa chắc đã hiểu đúng. AI có thể nhận ra một bức tường trên bản vẽ, nhưng chưa chắc hiểu đó là tường gì, gồm những lớp vật liệu nào, thuộc phòng nào và phải tính khối lượng theo cách nào. 

Trong xây dựng, hiểu hình dạng là chưa đủ; AI còn phải hiểu ý nghĩa, thuộc tính và quan hệ giữa các đối tượng. Thứ ba, AI phải biết người dùng thực sự yêu cầu điều gì. Muốn bóc khối lượng, lập dự toán hay kiểm tra thiết kế đều phải có yêu cầu cụ thể. Cần tính những gì? Theo phương pháp nào? Độ chi tiết đến đâu? Kết quả dùng để tham khảo, thiết kế, thanh toán hay phê duyệt? Nếu yêu cầu không rõ thì rất khó xác định kết quả AI là đúng hay sai. Thứ tư là quy tắc.

Công việc xây dựng phải tuân theo quy chuẩn, tiêu chuẩn, định mức, chỉ dẫn kỹ thuật, hợp đồng và nhiều quy định khác. AI không thể chỉ dựa vào kiến thức chung rồi tự quyết định. Muốn kết quả đáng tin, phải biết rõ AI đang áp dụng quy tắc nào và quy tắc đó có đúng với dự án hay không. Một vấn đề nguy hiểm hơn là AI có thể đoán khi thiếu thông tin. Đây là đặc điểm cần đặc biệt lưu ý với AI tạo sinh. Khi không có đủ dữ liệu, AI vẫn có thể tạo ra một câu trả lời nghe rất hợp lý. Nhưng trong kỹ thuật, “nghe hợp lý” không đồng nghĩa với “đúng”. Một AI tốt phải biết nói: “Tôi chưa đủ dữ liệu để kết luận”, thay vì tự điền vào phần còn thiếu. Tương tự, AI nói rất tự tin không có nghĩa là AI đúng. Một con số được trình bày chính xác đến hai chữ số thập phân vẫn có thể xuất phát từ dữ liệu hoặc giả định sai. 

Vì vậy, bên cạnh kết quả, AI cần cho biết kết quả lấy từ đâu, dựa trên giả định nào và phần nào còn chưa chắc chắn.Một nguyên nhân lớn khác là thiếu kiểm tra độc lập. AI tạo ra kết quả rồi tự nói rằng kết quả của mình đúng thì chưa đủ. Giống như một kỹ sư làm phép tính quan trọng vẫn cần kiểm tra lại, kết quả AI cũng cần được đối chiếu bằng dữ liệu, quy tắc, phần mềm kiểm tra hoặc chuyên gia. Có thể nhớ một nguyên tắc rất đơn giản: Tạo ra kết quả khác với chứng minh kết quả đúng. Kết quả AI cũng phải truy được về nguồn. Nếu AI nói cần 125 m³ bê tông thì kỹ sư phải có khả năng kiểm tra 125 m³ đó được tính từ những cột, dầm, sàn nào và từ phiên bản mô hình nào. Nếu AI chỉ đưa ra một con số nhưng không thể chỉ ra nguồn gốc, rất khó sử dụng con số đó cho dự toán, thanh toán hay nghiệm thu. 

Cuối cùng là câu hỏi về con người và trách nhiệm. AI không nên được quyền tự quyết định mọi việc. Khi dữ liệu thiếu, kết quả bất thường hoặc vấn đề liên quan đến an toàn, pháp lý và chi phí lớn, AI phải chuyển cho người có chuyên môn kiểm tra. Và phải xác định rõ: ai kiểm tra, ai phê duyệt và ai chịu trách nhiệm nếu kết quả sai.

Như vậy, nguyên nhân kết quả AI chưa đáng tin không chỉ vì AI chưa đủ thông minh. Vấn đề còn nằm ở dữ liệu, cách AI hiểu dữ liệu, yêu cầu của người dùng, quy tắc áp dụng, bối cảnh dự án, cách kiểm tra và cơ chế chịu trách nhiệm. Vì vậy, chỉ thay một model AI mạnh hơn chưa chắc giải quyết được bài toán. Có thể chia AI trong xây dựng thành ba mức . AI Demo – Làm được. AI chứng minh rằng máy có thể thực hiện một công việc. Engineering AI – Kiểm chứng được. AI không chỉ tạo kết quả mà còn cho phép con người kiểm tra kết quả đó được tạo ra từ đâu và theo quy tắc nào. Trusted Engineering AI – Tin cậy để sử dụng. Kết quả không chỉ kiểm tra được mà còn truy nguồn được, có cơ chế xử lý sai sót, có người phê duyệt và có người chịu trách nhiệm. Con đường phát triển vì vậy là: Làm được → Kiểm chứng được → Tin cậy để sử dụng.

Điều quan trọng nhất là chúng ta không nên chỉ tập trung làm cho AI thông minh hơn, mà phải làm cho cả hệ thống xung quanh AI đáng tin hơn: dữ liệu phải tốt, yêu cầu phải rõ, quy tắc phải xác định, kết quả phải kiểm tra được, nguồn gốc phải truy được và trách nhiệm phải rõ ràng. Vì vậy, khi xem một demo AI xây dựng, câu hỏi quan trọng nhất không phải là: “AI này làm được những gì?”mà nên là:“Dựa vào đâu tôi có thể tin kết quả của nó?”. Đó chính là ranh giới giữa một AI Demo gây ấn tượng và một Trusted Engineering AI đủ tin cậy để tham gia vào công việc kỹ thuật thực tế.