V
iệc có sự dự đoán tốt hơn làm tăng giá trị của sự đánh giá. Dù sao thì, nó cũng không biết được khả năng trời mưa nếu bạn không biết bản thân muốn khô ráo hoặc ghét việc mang theo ô đến mức nào. Máy dự đoán không cung cấp sự đánh giá. Chỉ có con người mới làm vậy, bởi vì chỉ có con người có thể diễn đạt những kết quả từ việc thực hiện những hành động khác nhau. Khi AI tiếp quản việc dự đoán, con người sẽ ít thực hiện quy trình kết hợp dự đoán-đánh giá khi đưa ra quyết định hơn và tập trung vào vai trò đánh giá. Điều này sẽ cho phép một giao diện tương tác giữa sự dự đoán của máy và sự đánh giá của con người, giống như cách bạn thực hiện những truy vấn thay thế khi tương tác với một bảng tính hoặc cơ sở dữ liệu.
Sự dự đoán tốt hơn mang đến nhiều cơ hội để cân nhắc những thành tựu của nhiều hành động khác nhau – nói cách khác, nhiều cơ hội cho sự đánh giá hơn. Và điều đó đồng nghĩa rằng sự dự đoán càng tốt hơn, nhanh hơn và có giá thành rẻ hơn sẽ cho chúng ta thực hiện nhiều quyết định hơn.
Đánh giá lừa đảo
Mạng lưới thẻ tín dụng ví dụ như Mastercard, Visa và American Express dự đoán và đánh giá mọi lúc. Họ phải dự đoán liệu những ứng viên nộp thẻ có đáp ứng đủ tiêu chuẩn của họ cho khả năng thanh toán nợ hay không. Nếu một cá nhân không thể đáp ứng, công ty sẽ từ chối thẻ tín dụng của họ. Bạn có thể nghĩ rằng đó chỉ là dự đoán đơn thuần, nhưng một yếu tố quan trọng của sự đánh giá cũng được bao gồm. Khả năng thanh toán nợ là một thang trượt, và công ty thẻ tín dụng cần phải quyết định độ rủi ro họ sẵn sàng chịu với mức lãi suất và mặc định khác nhau. Những quyết định này dẫn đến những mô hình kinh doanh khác nhau – sự khác biệt giữa thẻ bạch kim cao cấp của American Express và thẻ ở mức độ cơ bản dành cho sinh viên đại học.
Công ty cũng cần dự đoán liệu một giao dịch nào đó có hợp pháp hay không. Giống như quyết định của bạn về việc có nên mang theo ô hay không, công ty cần phải cân nhắc bốn kết quả khác nhau (hình 8-1).
Công ty cần phải dự đoán liệu một khoản phí là lừa đảo hay hợp pháp, sau đó quyết định nên cho phép hay từ chối giao dịch và rồi đánh giá mỗi kết quả (từ chối một khoản phí lừa đảo là việc làm tốt, nhưng khiến khách hàng tức giận với việc từ chối một giao dịch hợp pháp là việc làm không tốt). Nếu các công ty thẻ tín dụng hoàn hảo trong việc dự đoán lừa đảo, tất cả sẽ ổn thoả. Nhưng họ lại không như vậy. Ví dụ, công ty thẻ tín dụng của Joshua (một trong những tác giả) từ chối những giao dịch khi anh ấy mua sắm giày chạy theo định kỳ, đôi khi anh ấy mua mỗi năm một lần, thông thường là ở trung tâm mua sắm khi anh ấy đi nghỉ. Trong nhiều năm, anh ấy phải gọi đến công ty thẻ tín dụng để bỏ sự hạn chế đó.
Trộm cắp thẻ tín dụng thường xảy ra ở những trung tâm thương mại, và một vài mua sắm lừa đảo đầu tiên có thể sẽ là những thứ như giày và quần áo (dễ dàng để đổi thành tiền mặt khi trả lại hàng ở một chi nhánh khác cùng chuỗi). Và từ khi Joshua không còn thường xuyên mua quần áo và giày và ít khi đến trung tâm mua sắm, công ty thẻ tín dụng dự đoán rằng thẻ có khả năng bị đánh cắp. Đó là một sự dự đoán hợp lý.
Một vài yếu tố ảnh hưởng đến việc dự đoán liệu một chiếc thẻ có bị đánh cắp hay không bao gồm những yếu tố khái quát (loại giao dịch, ví dụ như mua giày chạy), và những yếu tố khác cụ thể hơn đối với mỗi cá nhân (trong trường hợp này, độ tuổi và tần suất). Sự kết hợp đó đồng nghĩa với việc thuật toán ngăn chặn những giao dịch sẽ rất phức tạp.
Lời hứa của AI là nó có thể đưa ra dự đoán chính xác hơn, đặc biệt trong những tình huống có sự kết hợp giữa những thông tin khái quát và thông tin cá nhân hóa. Ví dụ, nếu có dữ liệu về những năm giao dịch của Joshua (một trong những tác giả), máy dự đoán có thể học những mẫu của các giao dịch, bao gồm sự thật rằng anh ấy mua giày vào thời điểm tương tự mỗi năm. Thay vì phân loại sự mua sắm đó là sự kiện bất thường, nó có thể phân loại sự mua sắm đó là sự kiện bình thường cho một người cụ thể. Máy dự đoán có thể nhận ra những mối tương quan khác, ví dụ như mất bao nhiêu thời gian để một người mua sắm xong, tìm hiểu rằng liệu những giao dịch trong hai cửa hàng khác nhau có quá gần nhau không. Khi máy dự đoán trở nên chính xác hơn trong việc ngăn chặn những giao dịch, mạng lưới thẻ có thể trở nên tự tin
hơn khi áp đặt một hạn chế và thậm chí là liệu có nên liên lạc với khách hàng hay không. Điều này đã xảy ra. Lần mua sắm giày chạy cuối cùng của Joshua ở trung tâm mua sắm diễn ra suôn sẻ.
Nhưng cho đến khi máy dự đoán trở nên hoàn hảo trong việc dự đoán gian lận, những công ty thẻ tín dụng sẽ phải tìm ra chi phí của sai sót, điều mà đòi hỏi sự đánh giá. Giả sử sự dự đoán đó không hoàn hảo và có khả năng 10% là không chính xác. Vậy nếu những công ty từ chối giao dịch, họ đã đưa ra quyết định đúng với 90% khả năng và tiết kiệm cho mạng lưới chi phí khôi phục thanh toán liên quan đến giao dịch trái phép. Nhưng đồng thời họ cũng từ chối một giao dịch hợp pháp với 10% khả năng, để lại cho mạng lưới một lượng khách hàng không hài lòng. Để tìm ra hành động đúng đắn, họ cần có khả năng cân bằng chi phí liên quan đến phát hiện lừa đảo với chi phí liên quan đến sự không hài lòng của khách hàng. Những công ty thẻ tín dụng không tự động biết được câu trả lời đúng cho sự đánh đổi này. Họ cần tìm ra câu trả lời đó. Sự đánh giá là quá trình thực hiện việc đó. Trong trường hợp này, bởi vì khả năng giao dịch lừa đảo thường gấp chín lần so với khả năng giao dịch hợp pháp, công ty sẽ từ chối khoản phí trừ khi sự hài lòng của khác hàng quan trọng gấp chín lần so với tổn thất.
Với lừa đảo tín dụng, có rất nhiều sự trả giá có thể dễ dàng đánh giá. Khả năng cao là chi phí khôi phục có giá trị rõ ràng mà mạng lưới có thể xác định. Giả sử cho mỗi giao dịch 100 đô, chi phí khôi phục là 20 đô. Nếu chi phí cho sự không hài lòng của khách hàng ít hơn 180 đô, việc từ chối giao dịch là hợp lý (10% của 180 đô là 18 đô, bằng với 90% của 20 đô).
Lừa đảo thẻ tín dụng cũng là một quá trình đưa ra quyết định được định nghĩa rõ ràng, đó là một lý do khiến chúng tôi quay trở lại với nó, nhưng nó vẫn rất phức tạp. Ngược lại, với những quyết định khác, không chỉ có những hành động tiềm năng trở nên phức tạp hơn (không chỉ đơn thuần là sự chấp nhận hay từ chối), mà những tình huống tiềm năng (hoặc trạng thái) cũng thay đổi. Sự đánh giá đòi hỏi sự hiểu biết về kết quả của mỗi cặp hành động và tình huống. Ví dụ về thẻ tín dụng của chúng tôi chỉ có bốn kết quả (hoặc tám nếu bạn phân biệt được giữa những khách hàng có giá trị tài sản ròng lớn và những người khác). Nhưng nếu bạn có 10 hành động và 20 tình huống có thể xảy ra, vậy thì bạn sẽ phải đánh giá 200 kết quả. Khi mọi thứ trở nên phức tạp hơn, số lượng kết quả có thể trở nên áp đảo.
Các chi phí nhận thức của sự đánh giá
Những ai đã nghiên cứu về sự quyết định trong quá khứ thường cho rằng kết quả là những thứ có sẵn – chúng tồn tại. Bạn có thể thích kem sôcôla, trong khi bạn của bạn có thể thích kem gelato xoài. Việc hai người có những quan điểm khác nhau như vậy không để lại nhiều hậu quả. Tương tự, chúng tôi giả sử rằng đa số các doanh nghiệp đều tối đa hóa lợi nhuận hoặc giá trị cổ đông. Những chuyên gia kinh tế nghiên cứu lý do tại sao các công ty lựa chọn những mức giá nhất định cho sản phẩm của họ đã thấy rằng việc thực hiện những mục tiêu đó bằng niềm tin là rất hữu ích.
Sự trả giá hiếm khi rõ ràng, và quá trình để hiểu những sự trả giá có thể rất tốn thời gian cũng như tiền bạc. Tuy nhiên, sự phát triển của máy dự đoán đã giúp hiểu được logic và động lực cho những giá trị trả giá này.
Về mặt kinh tế, chi phí của việc xác định những sự trả giá chủ yếu sẽ là thời gian. Hãy xem xét một lộ trình cụ thể mà nhờ đó bạn có thể xác định những sự trả giá: cân nhắc và suy nghĩ. Hãy suy nghĩ điều bạn thực sự muốn đạt được hoặc chi phí cho sự không hài lòng của khách hàng có thể sẽ ra sao. Hãy dành thời gian để suy nghĩ, đối chiếu và có thể là hỏi lời khuyên của người khác. Hoặc có thể là dành thời gian nghiên cứu để hiểu rõ hơn về những sự trả giá.
Đối với việc phát hiện lừa đảo thẻ tín dụng, việc nghĩ về sự trả giá cho những khách hàng hài lòng hoặc không hài lòng và chi phí của việc cho phép một giao dịch lừa đảo được tiến hành là những bước đầu tiên rất cần thiết. Cung cấp những sự trả giá khác nhau cho những khách hàng có giá trị tài sản ròng lớn đòi hỏi nhiều sự suy nghĩ hơn. Việc đánh giá liệu những sự trả giá này có thay đổi khi những khách hàng đó trong kỳ nghỉ hay không, đòi hỏi sự cân nhắc kỹ lưỡng hơn. Vậy còn những khách hàng bình thường đang đi nghỉ thì sao? Sự trả giá trong những tình huống đó liệu có khác? Và có đáng để tách biệt việc du lịch trong chuyến công tác và kỳ nghỉ không? Hay những chuyến đi tới thành phố Rome từ Grand Canyon?
Trong mỗi trường hợp, việc đánh giá sự trả giá đòi hỏi thời gian và công sức: nhiều kết quả hơn đồng nghĩa với nhiều sự đánh giá hơn, đồng thời tốn nhiều thời gian và công sức hơn. Con người trải qua những chi phí nhận thức của sự đánh giá như là một quá trình đưa ra quyết định chậm. Chúng ta đều cần phải
quyết định chúng ta muốn trả giá bao nhiêu cho chi phí của sự trì hoãn quyết định. Một vài người sẽ chọn không nghiên cứu sâu những sự trả giá cho những bối cảnh có vẻ xa xôi hoặc ít có khả năng xảy ra. Mạng lưới thẻ tín dụng có thể sẽ thấy đáng để tách biệt việc du lịch trong chuyến đi công tác và kỳ nghỉ nhưng không phải là những kỳ nghỉ từ Grand Canyon đến thành phố Rome.
Trong những tình huống không khả thi như vậy, mạng lưới thẻ có thể sẽ đoán những quyết định chính xác, gộp vài thứ vào cùng với nhau, hoặc đơn giản là chọn một mặc định an toàn hơn. Nhưng với những quyết định thường xuyên hơn (ví dụ như việc đi du lịch nói chung) hoặc những điều có vẻ quan trọng hơn (ví dụ như những khách hàng có giá trị tài sản ròng lớn), mạng lưới thẻ sẽ mất thời gian để cân nhắc và xác định những sự trả giá cẩn thận hơn. Nhưng nó càng tốn nhiều thời gian để thử nghiệm thì quá trình đưa ra quyết định sẽ càng mất nhiều thời gian để trở nên hoàn hảo.
Xác định những sự trả giá cũng giống như nếm thử đồ ăn mới: thử một cái gì đó và xem điều gì xảy ra. Hoặc, nói theo thuật ngữ của kinh doanh hiện đại: thử nghiệm. Mỗi cá nhân có thể thực hiện những hành động khác nhau trong cùng một trường hợp và học được kết quả thực tế là gì. Họ học từ những sự trả giá thay vì nghĩ về chúng. Đương nhiên, bởi vì sự thử nghiệm đồng nghĩa với việc làm những gì mà bạn có thể sẽ coi là sai sót, những thử nghiệm cũng có chi phí. Bạn sẽ thử món ăn mà có thể bạn không thích. Nếu bạn tiếp tục thử những món ăn mới với hy vọng tìm được món gì đó lý tưởng, bạn đang bỏ lỡ nhiều bữa ăn ngon miệng. Sự đánh giá, cho dù là bằng sự cân nhắc hay sự thử nghiệm, đều tốn kém.
Biết lý do vì sao bạn làm những điều cụ thể
Sự dự đoán là cốt lõi của bước tiến đến với những chiếc xe tự lái, và sự phát triển của những nền tảng như Uber hay Lyft: lựa chọn tuyến đường giữa điểm đi và điểm đến. Những thiết bị điều hướng xe đã xuất hiện từ một vài thập kỷ, được xây dựng thành những chiếc xe hơi hoặc chỉ là những thiết bị độc lập. Nhưng sự phát triển của những thiết bị di động được kết nối Internet đã thay đổi dữ liệu mà phần mềm điều hướng của những nhà cung cấp nhận được. Ví dụ, trước khi sáp nhập vào Google, công ty khởi nghiệp Israel Waze đã tạo ra những bản đồ giao thông chính xác bằng việc theo dõi những tuyến đường mà người lái xe chọn. Sau đó nó sử dụng thông tin đó để cung cấp sự tối ưu
hóa hiệu quả về con đường nhanh nhất giữa hai điểm, dựa vào thông tin nó nhận được từ những người lái xe cũng như sự theo dõi liên tục giao thông. Nó cũng có thể dự đoán cách mà những điều kiện giao thông có thể tiếp diễn nếu bạn đi xa hơn, đồng thời có thể cung cấp những con đường mới và hiệu quả hơn trên tuyến đường nếu những điều kiện thay đổi. Những người dùng ứng dụng như Waze không phải lúc nào cũng làm theo chỉ dẫn. Họ không phản đối sự dự đoán, nhưng mục tiêu của họ có thể bao gồm nhiều yếu tố khác chứ không chỉ có mỗi tốc độ. Ví dụ, ứng dụng không biết người lái xe đang hết nhiên liệu và cần trạm xăng. Nhưng những người lái xe, biết rằng họ cần xăng, có thể bỏ qua sự gợi ý của ứng dụng và đi theo tuyến đường khác. Tất nhiên là những ứng dụng như Waze có thể và sẽ trở nên tốt hơn. Ví dụ, như với xe Tesla chạy bằng điện thì sự điều hướng được dựa vào nhu cầu cần nạp điện và vị trí của những trạm điện. Một ứng dụng có thể chỉ đơn giản hỏi bạn liệu bạn có cần nhiên liệu hay không, hoặc trong tương lai, thậm chí có thể lấy dữ liệu trực tiếp từ xe của bạn. Điều này dường như là một vấn đề có thể giải quyết được, cũng giống như bạn có thể điều chỉnh cài đặt trong những ứng dụng điều hướng để tránh những đường có trạm thu phí.
Những yếu tố khác mà bạn ưa thích sẽ khó để lập trình hơn. Ví dụ, trên một đoạn đường dài, bạn có thể muốn đảm bảo rằng bạn đi qua những địa điểm phù hợp nhất định để nghỉ ngơi và ăn. Hoặc những tuyến đường nhanh nhưng chỉ tiết kiệm được 1-2 phút và thường rất tốn công khi lái. Hoặc bạn có thể không thích đi những con đường nhiều gió. Một lần nữa, những ứng dụng có thể sẽ học hỏi từ những hành vi, nhưng ở một thời điểm bất kỳ, một vài yếu tố sẽ không phải là một phần của sự dự đoán đã được mã hóa để tự động hóa một hành động. Máy móc có những hạn chế cơ bản về việc nó sẽ tốn bao nhiêu để có thể học cách dự đoán những sự ưu tiên của bạn.
Một điểm nhìn bao quát hơn cho những quyết định là những mục tiêu hiếm khi chỉ có một chiều. Con người sở hữu kiến thức, rõ ràng và hàm ẩn, về lý do họ làm một điều gì đó, điều đó có thể cho họ những cân nhắc cá nhân và