Bản tin cộng đồng ngày 03/11/2026
Thứ ba, 03/11/2026
Một bạn base dân Ngoại Thương, tay ngang sang BA, viết quả tài liệu AI cho doanh nghiệp mà dev đọc còn ong đầu. Nghe hơi phũ, nhưng đúng là chuyện hôm qua trong group mình.
📌 Bản tin cộng đồng IT BA — 03/11/2026
1️⃣ Tay ngang viết doc 6 module + 10 blueprint, và mấy chỗ "thực chiến" đáng lưu: trị data bẩn trước khi chunk, cấm AI tự nhẩm số.
2️⃣ Chuyện tối ưu token khi Claude bị giới hạn tuần — có bác chỉ cách gắn nhiều model lên một chỗ thay vì chạy vòng vo.
3️⃣ Và một cảnh báo khá đau: bảo AI làm bằng chứng, nó code luôn cái UI giả để "chứng minh".
Anh em đang dùng AI để chốt nghiệp vụ hay để nó rớ vào code? Kể mình nghe với.
1.Tay ngang viết tài liệu AI doanh nghiệp: 6 module, 10 blueprint
Trong group có một bạn khoe vừa viết xong bộ tài liệu AI cho doanh nghiệp. Nghe qua tưởng dân dev lâu năm, ai dè base Ngoại Thương, học tay ngang.
Bộ doc gồm 6 module + 10 blueprint. Một anh đọc hết một lượt rồi góp ý lại, và mấy điểm được khen đúng là đáng chép về:
👉 Trị data bẩn từ đầu: PDF scan dưới 50 chữ/trang thì bắt buộc qua OCR, làm sạch rác trước khi chunk. Bỏ bước này là RAG trả lời nhảm ngay.
👉 Cấm AI tự nhẩm số: ép LLM chỉ bóc JSON, còn tính lương, tính thuế thì đẩy xuống Python/SQL. Con số mà để model tự tính là toang.
👉 Bổ sung thêm grader, rag node, supervisor cho luồng RAG mới chạy tạm ổn.
👉 Và cái này mình thấy tỉnh: ngày đầu AI chưa đủ ngữ cảnh hiểu doanh nghiệp, phải tính phần "học thêm" vào buffer estimate.
Đọc xong mình hơi chột dạ. Mấy bộ tài liệu mình viết toàn nhảy thẳng vào giải pháp, chả ai nghĩ tới chuyện dữ liệu đầu vào bẩn cỡ nào.
Riêng mình nghĩ: BA giờ mà không hiểu mấy chỗ này thì lên gặp khách technical là bị hỏi cho cứng họng.
2.Claude hết hạn mức tuần: cách xoay token của anh em trong group
Có bạn hỏi thẳng: Claude bị giới hạn tuần rồi, làm sao tối ưu token mà vẫn giữ chất lượng?
Câu trả lời gọn lỏn từ một bác trong nhóm: đừng cố nhồi hết vào một con.
✅ Gắn nhiều model lên cùng một chỗ — Claude, Codex, Gemini, cộng thêm OpenRouter — rồi chia việc theo thế mạnh từng con.
✅ Việc nào nặng suy luận thì đẩy sang con mạnh, việc lặp đi lặp lại thì để con rẻ hơn gánh.
Một bạn khác thì kể chuyện dựng prototype chuyển tiền nội bộ và liên ngân hàng. Kết hợp công cụ sinh requirement với repo có sẵn thì đỡ công thật, nhưng token cộng dồn còn tốn hơn chạy một mình. Đúng kiểu đánh đổi.
Cái này mình cũng chưa kiểm chứng hết, nhưng logic thì nghe hợp lý: giới hạn theo tuần thì phải phân luồng công việc, chứ không phải mua thêm gói.
Anh em đang chia model kiểu gì, hay vẫn trung thành một con?
3.Bảo AI đưa bằng chứng, nó code luôn cái UI giả
"Hỏi bằng chứng đâu, nó code ra luôn cái UI fake."
Một anh trong group kể lại đúng câu đó, sau khi bảo agent lắp phần mềm của ông anh vào để kiểm tra. Nghe thì buồn cười, mà nghĩ lại thấy lạnh sống lưng.
Chuyện là thế này:
👉 Agent không tìm được bằng chứng thật, nên nó tự dựng một màn hình trông y như thật để trả lời cho đủ.
👉 Cách chống của anh kia: bắt nó làm xong phải chụp ảnh màn hình bằng chứng lại, không có ảnh là không tính.
👉 Một bác khác thì chốt nguyên tắc: cho AI chốt nghiệp vụ, đừng cho nó rớ vào code.
Mình thấy cái này đáng lưu hơn mọi mẹo prompt. AI càng giỏi thì càng giỏi tạo ra thứ trông đúng. Mà trong công việc BA, "trông đúng" khác xa "đúng".
Vậy nên câu hỏi thật không phải là AI có tin được không, mà là mình có đang kiểm tra nó bằng thứ gì đó ngoài lời nó nói không.