Hình ảnh giúp hiểu rõ bài viết
Thay đổi bắt đầu từ một công việc nhập liệu
Đọc hồ sơ nhà đất, tìm thông tin cần thiết rồi nhập lại vào biểu mẫu là công việc quen thuộc với nhiều nhân viên ngân hàng, doanh nghiệp bất động sản và đơn vị hành chính. Tại Hàn Quốc, một ứng dụng trí tuệ nhân tạo đang thay đổi chính công đoạn ít được chú ý này: chuẩn bị dữ liệu trước khi cán bộ tiến hành thẩm định việc mua nhà.
Theo thông báo ngày 9 được hãng tin Yonhap dẫn lại, Tổng công ty Bảo lãnh Nhà ở và Đô thị Hàn Quốc (HUG) đã đưa AI vào hỗ trợ xem xét mua nhà thuộc chương trình Deundeun Jeonse. Trong giai đoạn vận hành thử, thời gian lập dữ liệu cơ sở từ một bản trích lục đăng ký bất động sản giảm từ khoảng 2 phút 30 giây xuống còn 10 giây, tương đương mức rút ngắn 93% mà đơn vị công bố.
Điểm đáng chú ý không phải là AI đã có thể tự quyết định mua một căn nhà. Công nghệ này được đặt ở bước chuẩn bị: đọc tài liệu, trích xuất thông tin và tạo dữ liệu phục vụ xét duyệt sơ bộ. Đây là khác biệt quan trọng, nhất là với độc giả Việt Nam vốn quen với những quảng bá về khả năng tự động hóa toàn bộ quy trình bằng AI.
Nhìn rộng hơn, trường hợp HUG cho thấy một cách tiếp cận thực dụng: chọn công việc lặp lại, xác định đầu ra cụ thể và đo thời gian xử lý. Tuy nhiên, để đánh giá đầy đủ hiệu quả, vẫn phải chờ thêm thông tin về độ chính xác, chi phí vận hành và tác động đến các khâu tiếp theo.
Jeonse và hồ sơ đăng ký bất động sản là gì?
Để hiểu ứng dụng này, cần đặt nó trong bối cảnh thị trường thuê nhà Hàn Quốc. Jeonse là hình thức thuê nhà đặc trưng, trong đó người thuê giao cho bên cho thuê một khoản tiền đặt cọc lớn và thường không trả tiền thuê hằng tháng như cách thuê nhà phổ biến tại Việt Nam. Khoản tiền này được hoàn trả khi hợp đồng kết thúc theo thỏa thuận. Vì vậy, tình trạng pháp lý của căn nhà và khả năng thu hồi tiền đặt cọc có ý nghĩa đặc biệt đối với người thuê.
Deundeun Jeonse là tên chương trình nhà ở cho thuê theo mô hình jeonse mà HUG đang triển khai việc mua nhà phục vụ chương trình. Thông báo lần này tập trung vào công cụ hỗ trợ xem xét các bất động sản được đưa ra đấu giá hoặc bán đấu giá công, chứ không công bố thay đổi về điều kiện thuê, tiền đặt cọc hay đối tượng được tiếp cận nhà ở.
Tài liệu mà AI xử lý có tên tiếng Hàn là deunggibu deungbon, tức bản trích lục đăng ký bất động sản. Văn bản này ghi nhận thông tin đăng ký và các quyền liên quan đến bất động sản. Với người Việt, có thể hình dung đây là nguồn dữ liệu giúp kiểm tra ai có quyền đối với tài sản và những quyền nào đang được ghi nhận. Tuy nhiên, không nên coi nó hoàn toàn tương đương với giấy chứng nhận quyền sử dụng đất, quyền sở hữu tài sản gắn liền với đất thường được gọi là sổ đỏ hoặc sổ hồng tại Việt Nam.
Sự phân biệt này quan trọng vì mỗi nước có hệ thống đăng ký, biểu mẫu và quy định pháp lý riêng. Một chương trình đọc tốt tài liệu tại Hàn Quốc không mặc nhiên đọc đúng hồ sơ Việt Nam. Giá trị có thể tham khảo nằm ở cách tổ chức công việc, không phải giả định rằng có thể mang nguyên công cụ sang sử dụng.
Con số 93% nói lên điều gì?
Trước đây, nhân viên HUG phải kiểm tra từng bản trích lục, xác định thông tin cần thiết rồi nhập thủ công để tạo tài liệu phục vụ xét duyệt sơ bộ. Công cụ mới tự động tìm những dữ liệu như loại hình nhà ở và các quyền liên quan, sau đó chuyển thành dữ liệu cơ sở cho công việc này. Như vậy, thay đổi không chỉ là đưa một văn bản lên màn hình mà là giảm thao tác đọc và chép lại thông tin.
Thời gian từ 150 giây xuống 10 giây là kết quả rõ ràng ở một đơn vị công việc cụ thể. Với những tác vụ diễn ra thường xuyên, tiết kiệm vài phút mỗi lần có thể tạo thêm dư địa để nhân viên tập trung vào kiểm tra hồ sơ hoặc xử lý tình huống phức tạp. Dù vậy, thông tin được cung cấp chưa cho biết khối lượng hồ sơ thực tế, nên chưa thể quy đổi thành tổng số giờ lao động tiết kiệm mỗi tháng hoặc mỗi năm.
Cũng không thể diễn giải rằng toàn bộ quá trình mua nhà đã nhanh hơn 93%. Con số này chỉ áp dụng cho thời gian lập dữ liệu cơ sở từ bản trích lục đăng ký bất động sản trong thử nghiệm. Nó không đại diện cho thời gian định giá tài sản, xem xét tính phù hợp của giao dịch hay đưa ra quyết định cuối cùng.
Đây là cách đọc số liệu cần thiết với mọi dự án chuyển đổi số. Một thao tác được tăng tốc mạnh vẫn có thể nằm trong quy trình còn nhiều bước chờ đợi và kiểm tra. Muốn biết người dân hoặc đơn vị sử dụng dịch vụ thực sự được hưởng lợi đến đâu, cần đo thêm thời gian hoàn thành toàn bộ hồ sơ, thay vì chỉ nhìn vào khâu xử lý nhanh nhất.
AI chuẩn bị thông tin, không thay người chịu trách nhiệm
Điểm cốt lõi trong thông báo của HUG là phạm vi hỗ trợ nghiệp vụ. AI được giao nhiệm vụ tìm và sắp xếp dữ liệu phục vụ thẩm định, không được công bố là bên đưa ra quyết định mua bất động sản. Đọc được một thông tin trong hồ sơ và đánh giá hệ quả pháp lý, tài chính của thông tin đó là hai công việc khác nhau.
Trong lĩnh vực bất động sản, khác biệt này càng đáng lưu ý. Một tài liệu có thể chứa nhiều mục ghi nhận quyền, thay đổi đăng ký hoặc thông tin cần được xem xét trong quan hệ với các tài liệu khác. Việc trích xuất đúng một dòng chữ chưa đủ để kết luận tài sản phù hợp với mục tiêu mua hay không. Đó là lý do tốc độ đọc máy cần được đặt bên cạnh chất lượng kiểm tra của quy trình nghiệp vụ.
HUG chưa cung cấp trong thông tin được dẫn lại số liệu về độ chính xác của kết quả trích xuất, quy mô mẫu thử hay cách bố trí nhân sự sau khi áp dụng công cụ. Vì thế, chưa có cơ sở để khẳng định hệ thống làm giảm sai sót, nâng chất lượng thẩm định hoặc tạo ra mức tiết kiệm chi phí cụ thể. Thành quả đã được công bố là giảm thời gian chuẩn bị dữ liệu.
Từ góc độ đánh giá công nghệ, những câu hỏi tiếp theo nên rất cụ thể: hệ thống xử lý ra sao khi văn bản khó đọc, khi có nhiều nội dung đăng ký phức tạp hoặc khi không xác định chắc chắn một trường thông tin? Nhân viên có dễ đối chiếu kết quả với tài liệu gốc hay không? Đây là các tiêu chí cần kiểm chứng, không phải những tính năng đã được HUG xác nhận trong thông báo.
Từ một loại tài liệu đến nền tảng hỗ trợ xét duyệt
HUG cho biết sẽ mở rộng phạm vi phân tích tự động sang báo cáo định giá và bản mô tả tài sản được đưa ra bán. Đơn vị cũng có kế hoạch xây dựng nền tảng AI hỗ trợ xem xét bất động sản đấu giá và bán đấu giá công. Hướng đi này cho thấy mục tiêu không dừng ở việc tự động hóa một biểu mẫu riêng lẻ.
Tuy nhiên, cần tách bạch giữa chức năng hiện có và kế hoạch phát triển. Công cụ phân tích bản trích lục đăng ký bất động sản đã được công bố triển khai; việc xử lý các nhóm tài liệu khác và xây dựng nền tảng rộng hơn vẫn là định hướng. Thông tin hiện có không nêu thời điểm hoàn thành hay lịch mở rộng chi tiết.
Khi số loại văn bản tăng lên, bài toán cũng thay đổi. Báo cáo định giá phục vụ mục đích khác với bản đăng ký quyền đối với bất động sản, nên những trường dữ liệu cần lấy và cách kiểm tra kết quả không thể mặc nhiên giống nhau. Mốc xử lý 10 giây của thử nghiệm hiện tại vì vậy không thể áp dụng sẵn cho các loại hồ sơ mới.
Điều cần theo dõi là liệu dữ liệu từ nhiều nguồn có được cung cấp theo cách giúp cán bộ xem xét thuận tiện hơn hay không. Nếu chỉ tạo ra nhiều bản tóm tắt mà người dùng vẫn phải mất thêm thời gian kiểm tra, ghép nối, hiệu quả tổng thể có thể khác đáng kể so với tốc độ xử lý từng tài liệu.
Việt Nam có thể học gì từ cách triển khai này?
Đối với Việt Nam, ý nghĩa gần nhất của trường hợp HUG nằm ở cách lựa chọn bài toán ứng dụng AI. Các công việc tiếp nhận hồ sơ, đọc tài liệu và nhập lại dữ liệu không xa lạ với ngân hàng, doanh nghiệp bất động sản hay bộ phận hành chính. Thay vì bắt đầu bằng mục tiêu để máy tự thẩm định toàn bộ, một đơn vị có thể cân nhắc thử nghiệm ở bước chuẩn bị thông tin có đầu vào và đầu ra rõ ràng.
Dù vậy, đây là gợi mở về phương pháp, không phải bằng chứng cho thấy Việt Nam sẽ đạt mức rút ngắn 93%. Biểu mẫu, chất lượng bản quét, thuật ngữ pháp lý và cách tổ chức dữ liệu đều ảnh hưởng đến kết quả. Một thử nghiệm phù hợp trong nước cần được đo trên chính hồ sơ và quy trình mà đơn vị sử dụng, đồng thời bảo đảm yêu cầu bảo vệ thông tin cá nhân.
Với doanh nghiệp công nghệ Việt, bài học đáng chú ý là sản phẩm phải gắn với một công việc cụ thể. Khả năng tạo câu trả lời trôi chảy chưa đủ thuyết phục khách hàng sử dụng trong nghiệp vụ liên quan đến tài sản. Những tiêu chí hữu ích hơn là trích xuất đúng thông tin, hỗ trợ đối chiếu nguồn và giảm tổng thời gian xử lý sau khi đã tính cả công sức kiểm tra lại.
Với người dân, cần phân biệt lợi ích ở phía cơ quan xử lý với lợi ích trực tiếp ở phía người làm thủ tục. Một công đoạn nội bộ nhanh hơn chưa đồng nghĩa hồ sơ được giải quyết ngay hoặc chi phí dịch vụ giảm. Thông báo của HUG cũng chưa đề cập hoạt động triển khai hay hợp tác tại Việt Nam. Do đó, chưa có căn cứ để dự báo tác động trực tiếp đến giá nhà, thị trường thuê nhà hoặc hoạt động kinh doanh của một doanh nghiệp Việt cụ thể.
Thước đo thực dụng cho làn sóng AI
Cùng ngày, Bộ Doanh nghiệp vừa và nhỏ và Khởi nghiệp Hàn Quốc công bố 32 doanh nghiệp được chọn vào vòng chung kết chung của các nhánh AI và khởi nghiệp đổi mới thuộc cuộc thi K-Startup của năm. Doanh nghiệp thắng nhánh AI, Intellicia, cung cấp giải pháp hướng tới giảm gánh nặng thời gian và chi phí nghiên cứu thị trường. The Ace Company, đứng đầu nhánh khởi nghiệp đổi mới, phát triển hệ thống phát hiện bằng hình ảnh nhằm phòng ngừa sự cố trong quy trình xử lý wafer bán dẫn.
Đây là những trường hợp độc lập với hệ thống của HUG, không phải các bên được xác nhận tham gia dự án nhà ở. Chúng cũng không đủ để kết luận có cùng công nghệ hay cùng mức hiệu quả. Điểm có thể đặt cạnh nhau là cách lựa chọn một vấn đề nghiệp vụ rõ ràng: chuẩn bị hồ sơ, nghiên cứu thị trường hoặc giám sát quy trình sản xuất.
Những ví dụ này gợi ra một hướng nhìn về ứng dụng AI tại Hàn Quốc: giá trị công nghệ có thể được thể hiện qua thay đổi trong công việc hằng ngày, thay vì chỉ qua khả năng trình diễn. Riêng với HUG, câu chuyện thuyết phục nhất hiện nay vẫn là một thao tác từng cần nhân viên đọc và nhập liệu trong khoảng hai phút rưỡi đã được rút xuống 10 giây ở giai đoạn thử nghiệm.
Chặng tiếp theo mới quyết định quy mô lợi ích: duy trì độ chính xác ra sao, mở rộng được đến những loại tài liệu nào và có thực sự giúp quy trình xét duyệt vận hành tốt hơn hay không. Với độc giả và doanh nghiệp Việt Nam, đó cũng là cách tiếp cận tỉnh táo khi xem xét một giải pháp AI: xác định máy đang làm phần việc nào, đo đúng kết quả của phần việc ấy và không nhầm tốc độ xử lý với năng lực ra quyết định.
Nhận xét
Đăng nhận xét