Mô hình thế giới nhân quả chính thức ứng dụng thực tế tại 35 tập đoàn nhà nước lớn

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

24/07/2026 12:21:28 Nguồn: QbitAI

Lin Fangzhou, đưa tin từ Aofeisi

QbitAI | Kênh chính thức QbitAI

Hiện nay, AI có thể giúp con người viết bài, lập trình và tạo video, nhưng để thực sự bước vào quy trình làm việc của doanh nghiệp và giải quyết các vấn đề thực tế, nó thường vẫn còn thiếu một chút gì đó.

Đặc biệt là trong các ngành có giá trị cao như năng lượng, sản xuất, công nghiệp và y dược, thứ mà doanh nghiệp cần không phải là các công cụ AI chỉ biết tạo nội dung dựa trên dữ liệu sẵn có, mà là một hệ thống thông minh đáng tin cậy có khả năng hỗ trợ điều phối sản xuất, kiểm soát an toàn, đánh giá rủi ro và đưa ra quyết định cho các phương án phức tạp.

Rất ít sản phẩm có thể đáp ứng được những nhu cầu này.

Trong khuôn khổ WAIC, Zhongshu Ruizhi đã ra mắt hệ thống trí tuệ nhân tạo nhân quả "AI for Reasoning", nhắm trực tiếp vào những điểm nghẽn này.

Ví dụ, trong kịch bản kiểm soát giếng khoan dầu khí, khi áp suất và lưu lượng dưới giếng đột ngột bất thường, hệ thống không chỉ đưa ra một câu thông báo "tồn tại rủi ro", mà còn có thể xác định nguyên nhân gốc rễ dọc theo chuỗi nhân quả và suy diễn ra nhiều lộ trình can thiệp: Nếu không xử lý sẽ ra sao? Nếu đóng giếng ngay lập tức thì thế nào? Nếu trì hoãn xử lý thì có thể cầm cự được bao lâu và cái giá phải trả là gì? Qua đó hỗ trợ doanh nghiệp đưa ra quyết định tối ưu trước khi tai nạn xảy ra.

Tại buổi họp báo, "Sách trắng về Hệ thống công nghệ mô hình thế giới nhân quả" cũng đã được công bố, nội dung bao hàm nhiều tư duy và thực tiễn của công ty Zhongshu Ruizhi về việc ứng dụng AI vào các kịch bản công nghiệp phức tạp, rất đáng để đọc.

Được thành lập vào năm 2020, Zhongshu Ruizhi đã gắn bó lâu dài với lĩnh vực ra quyết định thông minh phức tạp cấp doanh nghiệp, với khách hàng chủ yếu là các tập đoàn nhà nước lớn, tích lũy được lượng lớn kiến thức chuyên môn (know-how) trong các lĩnh vực như dầu khí, điện lực, sản xuất và tài chính.

AI đã vào doanh nghiệp, nhưng chưa vào được phòng ra quyết định

Tốc độ thâm nhập của AI vào doanh nghiệp rất nhanh, nhưng tốc độ chuyển hóa thực sự thành lợi nhuận lại chưa theo kịp.

"Sách trắng" dẫn số liệu từ báo cáo "Hiện trạng trí tuệ nhân tạo năm 2025" của McKinsey: 88% doanh nghiệp được khảo sát đã sử dụng AI trong ít nhất một nghiệp vụ, nhưng chỉ có 39% đạt được đóng góp lợi nhuận có thể đo lường được.

Báo cáo "Khoảng cách AI tạo sinh" do MIT NANDA công bố đưa ra một con số khác: Tỷ lệ chuyển hóa ứng dụng thực tế của các dự án AI tạo sinh cấp doanh nghiệp chỉ đạt 5%.

Một bên là tỷ lệ sử dụng gần 90%, bên kia là tỷ lệ chuyển hóa quy mô chỉ ở mức một con số. Khoảng cách không nằm ở việc "có dùng hay không", mà nằm ở việc "dùng vào đâu".

Hiện nay, AI trong doanh nghiệp chủ yếu vẫn đang làm các công việc như viết tài liệu, làm PPT, viết mã và làm dịch vụ khách hàng.

Tuy nhiên, các quyết định cốt lõi thực sự như thiết lập tốc độ quay của thiết bị, báo giá đơn hàng, có nên phê duyệt giao dịch hay không, hay có nên đóng cửa giếng dầu ngay lập tức hay không, vẫn do con người quyết định.

Lý do cũng không khó hiểu. Viết sai một email cùng lắm chỉ cần con người sửa lại một lần; nhưng nếu đưa ra lời khuyên sai lầm trong kiểm soát giếng khoan, điều phối điện lực, sản xuất hóa chất nguy hiểm hoặc quản trị rủi ro tài chính, cái giá phải trả có thể là sự đình trệ của thiết bị, tai nạn sản xuất và rủi ro tuân thủ.

△ Tiến sĩ Han Han, Nhà sáng lập kiêm Chủ tịch của Zhongshu Ruizhi

Theo tổng kết của "Sách trắng", các tác nhân thông minh (agent) hiện nay tồn tại năm điểm yếu chính trong các quyết định quan trọng của doanh nghiệp:

Năm điểm yếu này tuy có vẻ khác nhau nhưng đều cùng chỉ về một căn nguyên: AI hiện nay giỏi học hỏi tính tương quan từ lượng lớn dữ liệu, nhưng lại thiếu một bức tranh thế giới bao gồm cơ chế nhân quả, diễn biến theo thời gian và hậu quả của các can thiệp.

Zhongshu Ruizhi gọi bức tranh này là "Mô hình thế giới nhân quả".

Lắp đặt nền tảng động cho "Thang nhân quả"

Suy luận nhân quả không phải là một khái niệm mới.

Judea Pearl, người đoạt giải Turing năm 2011, đã đề xuất "Thang nhân quả", chia nhận thức nhân quả thành ba cấp độ tiến triển, tương ứng đại khái với khả năng "nhìn, làm, tưởng tượng" của con người.

Cấp độ thứ nhất là tương quan, trả lời câu hỏi "cái gì và cái gì xuất hiện cùng lúc".

Cấp độ thứ hai là can thiệp, trả lời câu hỏi "điều gì sẽ xảy ra sau khi chủ động thay đổi một biến số".

Cấp độ thứ ba là phản thực tế (counterfactual), trả lời câu hỏi "nếu lúc đó làm theo cách khác, kết quả có khác đi không".

Ví dụ, khi thời tiết nóng bức, doanh số bán kem và số người chết đuối đều tăng. Một hệ thống dừng lại ở cấp độ thứ nhất có thể phát hiện hai nhóm dữ liệu này có tương quan mạnh, nhưng không hiểu rằng thứ thực sự ảnh hưởng đến cả hai chính là thời tiết nắng nóng.

Đến cấp độ thứ hai, hệ thống cần đánh giá kết quả của các can thiệp chủ động như tăng số lượng nhân viên cứu hộ, hạn chế số người xuống nước.

Cấp độ thứ ba còn phải tiến xa hơn một bước, trả lời câu hỏi "nếu lúc đó tăng thêm nhân viên cứu hộ, liệu tai nạn có thể tránh được hay không".

Theo thước đo của chiếc thang này, các mô hình lớn (LLM), RAG và các công nghệ hiện tại vẫn đang đứng ở bậc thang tương quan thấp nhất, trong khi các quyết định cốt lõi của doanh nghiệp đều diễn ra ở các tầng trung và cao.

Vì lý thuyết đã có từ lâu, tại sao suy luận nhân quả vẫn chưa được triển khai quy mô lớn trong ngành công nghiệp?

Theo khung lý thuyết của Pearl, trước tiên cần xây dựng một biểu đồ nhân quả, đánh dấu trên đó cách các biến số ảnh hưởng lẫn nhau và mũi tên chỉ về đâu. Việc xây dựng biểu đồ nhân quả phức tạp này thường tốn hàng tháng trời.

Tuy nhiên, ngay khoảnh khắc vẽ xong, nó đã bắt đầu lỗi thời. Thế giới đang thay đổi, quy trình đang sửa đổi, thiết bị mới đang được đưa vào vận hành, một biểu đồ nhân quả cố định sẽ dần trở nên lạc hậu so với thực tế.

Do đó, Zhongshu Ruizhi đã đề xuất khái niệm "Siêu nhân quả" (Meta-causality).