Thoả thuận mức dịch vụ cho phần mềm truyền thống đo ba thứ: thời gian hoạt động, tốc độ phản hồi, thời gian khắc phục sự cố. Áp nguyên bộ đó cho hệ thống AI thì hợp đồng vẫn ký được, nhưng nó không đo cái mà người mua thực sự quan tâm.
Một hệ thống AI hoạt động 99,9% thời gian, phản hồi trong 200 mili giây, và trả lời sai một phần ba số câu — theo thoả thuận truyền thống thì hoàn toàn đạt.
Bốn nhóm chỉ số nên có
Nhóm 1 — Chất lượng đầu ra
Đây là nhóm quan trọng nhất và cũng khó nhất, vì nó đòi hỏi bộ dữ liệu kiểm thử do bên mua xây dựng.
| Chỉ số | Cách đo |
|---|---|
| Tỷ lệ chính xác trên bộ kiểm thử | Chạy bộ dữ liệu có đáp án đúng do bên mua chuẩn bị, đo tỷ lệ khớp |
| Tỷ lệ từ chối trả lời khi không chắc | Với nhiều ứng dụng, hệ thống nói "tôi không biết" tốt hơn là bịa. Chỉ số này đo hành vi đó |
| Tỷ lệ đầu ra vi phạm quy tắc nội dung | Đo trên tập mẫu: bao nhiêu đầu ra chứa nội dung không được phép, cam kết không được đưa ra, hoặc thông tin ràng buộc chưa qua kiểm |
Bộ dữ liệu kiểm thử phải do bên mua xây và giữ kín. Nếu nhà cung cấp biết trước bộ kiểm thử, chỉ số mất ý nghĩa. Nên có một phần bộ kiểm thử được thay mới định kỳ.
Nhóm 2 — Ổn định qua các lần cập nhật
Đây là nhóm chỉ số đặc thù của AI mà phần mềm truyền thống không cần. Một bản cập nhật mô hình có thể cải thiện chỉ số tổng thể nhưng làm hỏng một nhóm trường hợp cụ thể quan trọng với bên mua.
Hai cam kết nên có:
- Thông báo trước khi cập nhật theo cách làm thay đổi hành vi hệ thống, với thời hạn đủ để bên mua kiểm thử lại;
- Không suy giảm chỉ số trên bộ kiểm thử của bên mua sau cập nhật; nếu suy giảm thì có nghĩa vụ khắc phục hoặc cho phép quay về phiên bản trước.
Cam kết thứ hai là cam kết có giá trị nhất trong toàn bộ thoả thuận và cũng bị nhà cung cấp phản đối nhiều nhất — vì với dịch vụ dùng chung, họ khó giữ nhiều phiên bản song song. Đây là điểm đàm phán thật.
Nhóm 3 — Vận hành
Nhóm truyền thống, vẫn cần: thời gian hoạt động, tốc độ phản hồi, giới hạn lưu lượng, thời gian khắc phục theo mức độ nghiêm trọng của sự cố.
Bổ sung một chỉ số đặc thù: thời gian cung cấp nhật ký hệ thống khi có yêu cầu. Khi xảy ra sự cố hoặc khiếu nại, bên triển khai cần nhật ký gấp, và "sẽ cung cấp trong thời gian hợp lý" là cam kết không dùng được.
Nhóm 4 — Minh bạch
- Cam kết duy trì hồ sơ phân loại rủi ro và nghĩa vụ thông báo với cơ quan có thẩm quyền;
- Thông báo khi có thay đổi về nơi lưu trữ, xử lý dữ liệu;
- Thông báo khi có sự cố về dữ liệu, trong thời hạn cụ thể — thời hạn này phải đủ ngắn để bên triển khai kịp thực hiện nghĩa vụ của chính mình theo pháp luật về dữ liệu cá nhân.
Gắn chỉ số với chế tài
Chỉ số không có chế tài là số liệu tham khảo. Bốn mức chế tài theo thông lệ, từ nhẹ tới nặng:
- Báo cáo và kế hoạch khắc phục khi chỉ số xuống dưới ngưỡng lần đầu;
- Giảm trừ phí dịch vụ theo tỷ lệ, khi không đạt trong một kỳ;
- Quyền chấm dứt không phải bồi thường khi không đạt liên tiếp trong nhiều kỳ;
- Bồi thường thiệt hại khi việc không đạt gây thiệt hại cụ thể chứng minh được.
Mức thứ ba đáng chú ý: với hệ thống AI đã tích hợp sâu vào quy trình, quyền chấm dứt chỉ có ý nghĩa nếu kèm nghĩa vụ hỗ trợ chuyển đổi — xuất dữ liệu, duy trì dịch vụ trong thời gian chuyển tiếp. Không có điều khoản này thì quyền chấm dứt trên giấy nhưng không dùng được trên thực tế.
Ba sai lầm khi xây thoả thuận
- Đặt ngưỡng quá cao rồi bỏ qua khi không đạt. Ngưỡng không được thực thi làm hỏng toàn bộ cơ chế. Thà đặt ngưỡng vừa phải và giám sát nghiêm.
- Không có ai đo. Chỉ số nào cũng cần người chạy bộ kiểm thử và ghi kết quả định kỳ. Không phân công thì không ai làm, và sau ba tháng không ai biết hệ thống đang hoạt động thế nào.
- Đo chỉ số tổng thể mà bỏ qua nhóm quan trọng. Tỷ lệ chính xác chung 92% có thể che giấu việc hệ thống sai gần như hoàn toàn ở một loại tình huống hiếm nhưng nghiêm trọng. Nên tách chỉ số theo nhóm trường hợp.
Bắt đầu từ đâu nếu chưa có gì
Với doanh nghiệp đang dùng hệ thống AI mà chưa có thoả thuận mức dịch vụ nào, việc đầu tiên không phải đàm phán lại hợp đồng mà là tự xây bộ dữ liệu kiểm thử và bắt đầu đo.
Ba tháng dữ liệu đo được là thứ có sức nặng nhất khi ngồi vào bàn đàm phán — nó biến cuộc thảo luận từ "chúng tôi thấy hệ thống hay sai" thành "tỷ lệ chính xác trên nhóm tình huống này là 71%, đây là số liệu ba tháng".
Hỏi đáp nhanh
Thoả thuận mức dịch vụ cho AI khác phần mềm thường thế nào?
Phần mềm thường đo thời gian hoạt động, tốc độ phản hồi, thời gian khắc phục. Với AI cần thêm hai nhóm: chất lượng đầu ra đo trên bộ dữ liệu kiểm thử của bên mua, và độ ổn định qua các lần cập nhật mô hình. Một hệ thống hoạt động 99,9% thời gian mà trả lời sai một phần ba số câu vẫn đạt theo bộ chỉ số truyền thống.
Bộ dữ liệu kiểm thử nên do ai xây?
Do bên mua xây và giữ kín. Nếu nhà cung cấp biết trước bộ kiểm thử thì chỉ số mất ý nghĩa. Nên có một phần bộ kiểm thử được thay mới định kỳ để tránh việc hệ thống được tối ưu riêng cho bộ đó.
Cam kết nào quan trọng nhất liên quan tới cập nhật mô hình?
Cam kết không suy giảm chỉ số trên bộ kiểm thử của bên mua sau khi cập nhật, kèm nghĩa vụ khắc phục hoặc cho phép quay về phiên bản trước. Đây là cam kết có giá trị nhất và cũng bị nhà cung cấp phản đối nhiều nhất vì với dịch vụ dùng chung họ khó giữ nhiều phiên bản song song.
Quyền chấm dứt hợp đồng có đủ để bảo vệ bên mua không?
Chỉ đủ khi kèm nghĩa vụ hỗ trợ chuyển đổi: xuất dữ liệu theo định dạng dùng được và duy trì dịch vụ trong thời gian chuyển tiếp. Với hệ thống đã tích hợp sâu vào quy trình, quyền chấm dứt không kèm hỗ trợ chuyển đổi là quyền chỉ tồn tại trên giấy.
Chưa có thoả thuận mức dịch vụ thì nên bắt đầu từ đâu?
Tự xây bộ dữ liệu kiểm thử và bắt đầu đo, thay vì đàm phán lại hợp đồng ngay. Ba tháng dữ liệu đo được có sức nặng lớn khi đàm phán, vì nó biến cuộc thảo luận từ cảm nhận chủ quan thành số liệu cụ thể theo từng nhóm tình huống.
Lưu ý: Bài viết tổng hợp quy định đang có hiệu lực tại thời điểm đăng và chỉ mang tính tham khảo, không thay thế ý kiến pháp lý cho một vụ việc cụ thể. Văn bản pháp luật có thể được sửa đổi; vui lòng đối chiếu bản mới nhất hoặc trao đổi với luật sư trước khi quyết định.