Upzi

# KHI AI TRẢ LỜI CÓ VẺ ĐÚNG… NHƯNG QA VẪN PHẢI BÁO BUG! 🤔

Trước đây, khi làm QA, mình quen với việc so sánh Actual Result và Expected Result. Nhập đúng dữ liệu, hệ thống xử lý thành công; nhập sai định dạng, hệ thống báo lỗi. Nhiều test case có thể kết luận khá rõ: Pass hoặc Fail.

Nhưng khi bắt đầu kiểm thử các tính năng ứng dụng AI, mình nhận ra một điều: câu trả lời nghe hợp lý chưa chắc đã đúng. Và đó là lúc cách mình nhìn nhận một “bug” bắt đầu thay đổi.

### 1. API trả về 200 OK chưa có nghĩa là AI trả lời đúng

Với hệ thống truyền thống, lỗi có thể là màn hình bị treo, dữ liệu hiển thị sai hoặc API trả lỗi. Còn với AI, response vẫn đúng cấu trúc JSON, đầy đủ field, nhưng nội dung bên trong có thể chưa chính xác.

Ví dụ giả định: một công việc yêu cầu tối thiểu 5 năm kinh nghiệm, ứng viên chỉ có 2 năm, nhưng AI vẫn đánh giá mức độ phù hợp khá cao. Nếu chỉ kiểm tra API hoạt động, test case có vẻ đã Pass. Nhưng nhìn từ nghiệp vụ, QA cần hỏi: AI dựa vào đâu để đưa ra kết luận đó? Liệu hệ thống có đang bỏ qua một yêu cầu quan trọng?

### 2. Không phải kết quả nào cũng chỉ có Pass hoặc Fail

AI có thể trích xuất đúng hầu hết kỹ năng trong CV nhưng bỏ sót một kỹ năng quan trọng. Hoặc nhận diện đúng kinh nghiệm làm việc nhưng tự suy luận thêm kỹ năng không có trong hồ sơ.

Những trường hợp như vậy khiến mình thấy cần đánh giá theo mức độ: Good (đúng và đủ thông tin quan trọng), Acceptable (có thiếu sót nhỏ, không làm sai lệch kết quả), Bad (sai hoặc tự suy diễn thông tin quan trọng).

Quan trọng không chỉ là AI sai bao nhiêu, mà còn là sai ở đâu và ảnh hưởng đến người dùng thế nào.

### 3. Test AI đôi khi giống làm “thám tử” 🔍

Đọc một câu trả lời mạch lạc rất dễ có cảm giác AI đã hiểu đúng. Nhưng QA vẫn phải đối chiếu dữ liệu gốc: thông tin đó xuất hiện ở đâu? AI có bỏ sót điều kiện nào không? Có nhầm hai khái niệm gần giống nhau không? Nếu cùng một ý được diễn đạt bằng cách khác, kết quả có còn nhất quán?

Mình dần hình thành thói quen: thay vì chỉ hỏi “Kết quả này có hợp lý không?”, hãy hỏi thêm “Dữ liệu đầu vào có bằng chứng cho kết luận này không?”.

Vì một lời giải thích tự tin không thể thay thế bằng chứng.

### 4. Test data và tiêu chí đánh giá quan trọng không kém việc chạy test

Nếu chỉ dùng dữ liệu đơn giản, AI có thể cho kết quả rất tốt. Nhưng khi gặp CV thiếu thông tin, nội dung song ngữ, cách diễn đạt mơ hồ hoặc những yêu cầu giống nhau về từ khóa nhưng khác ý nghĩa, hạn chế của AI mới bộc lộ rõ.

Vì vậy, mình chú trọng hơn đến việc chuẩn bị nhiều tình huống kiểm thử và thống nhất tiêu chí đánh giá với những người hiểu nghiệp vụ.

Đôi khi vấn đề không nằm ở model, mà ở việc cả team chưa thống nhất thế nào là một kết quả “đủ tốt”.

### 5. AI có khiến công việc QA khó hơn không?

Theo trải nghiệm của mình: có! 😄

QA cần thêm khả năng phân tích ngữ nghĩa, tư duy phản biện và hiểu nghiệp vụ. Nhưng công việc cũng thú vị hơn: không chỉ kiểm tra tính năng có chạy hay không, mà còn xem kết quả có đáng tin và hữu ích cho người dùng hay không.

Điều mình học được là không nên tin AI chỉ vì nó trả lời rất trôi chảy. Dù công nghệ thay đổi, giá trị cốt lõi của QA vẫn là đặt câu hỏi, kiểm chứng thông tin và bảo vệ trải nghiệm người dùng.

**Bởi đôi khi, bug khó phát hiện nhất không phải lỗi khiến hệ thống ngừng hoạt động, mà là một câu trả lời nghe rất đúng… nhưng thực ra lại sai.**

Mọi người đã từng gặp tình huống AI trả lời rất thuyết phục, nhưng kiểm tra lại thì không chính xác chưa? 😄

#QATesting #AITesting #QualityAssurance