Xây dựng kho dữ liệu sẵn sàng cho tác nhân AI: Những sai lầm của kiến trúc truyền thống

Kỹ thuật dữ liệu Xây dựng kho dữ liệu sẵn sàng cho tác nhân AI: Những sai lầm của kiến trúc truyền thống Việc cấp quyền truy cập vào kho dữ liệu cho một tác nhân AI không tự động khiến kho dữ liệu đó sẵn sàng cho tác nhân. Thách thức thực sự nằm ở việc dạy tác nhân hiểu ý nghĩa của dữ liệu và khi nào dữ liệu đủ tin cậy để sử dụng. Shafeeq Ur Rahaman Ngày 10/8/2026 10 phút đọc Ảnh trên Pexel bởi: Jakub Zerdzicki Hầu hết các kho dữ liệu doanh nghiệp được thiết kế với điểm kiểm soát là con người. Các kỹ sư chuẩn bị dữ liệu, các nhà phân tích xây dựng truy vấn, bảng điều khiển hiển thị các chỉ số đã được phê duyệt, và sau đó các nhà điều hành quyết định các bước tiếp theo. Các tác nhân AI làm suy yếu điểm kiểm soát này. Một tác nhân dữ liệu có thể kiểm tra siêu dữ liệu, chọn nguồn dữ liệu, viết SQL và sử dụng kết quả để đề xuất các bước tiếp theo. Một số hệ thống cũng có thể gọi các công cụ kích hoạt quy trình làm việc hoặc sửa đổi một chiến dịch. Do đó, kho dữ liệu trở thành một phần của hệ thống có thể hành động dựa trên kết quả truy vấn. Đây chính là nơi phát sinh một vấn đề mà nhiều kiến trúc kho dữ liệu cũ không được thiết kế để giải quyết. Một tác nhân có thể tạo ra SQL hợp lệ và tính toán chính xác chỉ số được yêu cầu. Tuy nhiên, nó vẫn có thể đề xuất hành động sai vì, mặc dù kho dữ liệu cung cấp dữ liệu, nó không cung cấp các quy tắc nghiệp vụ cho tác nhân biết cách sử dụng dữ liệu hoặc chỉ số đó. Một kho dữ liệu có thể truy vấn không tự động sẵn sàng cho tác nhân AI Thoạt nhìn, một kho dữ liệu đám mây tinh vi có vẻ đã sẵn sàng cho AI. Dữ liệu được đặt tập trung, các đường ống được giám sát, quyền hạn được cấu hình và các bảng có mô tả. Những biện pháp như vậy tạo điều kiện thuận lợi cho việc truy cập. Tuy nhiên, chúng không đảm bảo rằng tác nhân sẽ đọc dữ liệu theo cách mà doanh nghiệp mong muốn. Một lược đồ có thể cho tác nhân biết rằng chi phí chiến dịch là một giá trị số. Nhưng nó không giải thích liệu phí đại lý có được bao gồm không, tiền tệ đã được chuẩn hóa chưa, hay các khoản hoàn trả đã được khấu trừ chưa. Nó cũng không cho biết liệu dữ liệu chuyển đổi mới nhất đã được xử lý hoàn toàn chưa. Các tác nhân dữ liệu BigQuery hiện tại dựa vào các nguồn kiến thức và siêu dữ liệu được chọn, cũng như các hướng dẫn cụ thể theo trường hợp sử dụng để xử lý truy vấn. Chúng không chỉ dựa vào tên bảng. Phân tích ngôn ngữ tự nhiên yêu cầu các quy tắc bằng văn bản về cách doanh nghiệp định nghĩa từng chỉ số. Trong các dự án hạ tầng dữ liệu, tôi thường thấy các định nghĩa chỉ số được nhúng một phần trong logic chuyển đổi và một phần trong các công thức của bảng điều khiển. Các quy tắc khác chỉ tồn tại trong tài liệu hoặc trong tâm trí của các nhà phân tích. Sự sắp xếp đó trở nên mong manh khi phần mềm phải quyết định ý nghĩa của các con số mà không có sự can thiệp của nhà phân tích. Khi SQL chính xác tạo ra quyết định sai lầm Hãy xem xét một kịch bản tổng hợp dựa trên các mô hình tôi đã gặp trong phân tích chiến dịch đa nguồn. Một công ty tổng hợp dữ liệu nền tảng về chi tiêu quảng cáo, số lượt nhấp, chuyển đổi và doanh thu được quy đổi. Lớp báo cáo chuẩn hóa tiền tệ, xem xét các khung thời gian phân bổ và các quy tắc loại trừ, đồng thời theo dõi các chuyển đổi bị trì hoãn. Công ty yêu cầu một tác nhân phân tích xác định những chiến dịch nào nên tạm dừng hôm nay để bảo vệ ROAS (Tỷ suất lợi nhuận trên chi tiêu quảng cáo). Tác nhân chọn các bảng có tên khớp với truy vấn và tạo ra SQL hợp lệ. Nó tính toán chính xác chỉ số và sau đó xếp hạng các chiến dịch hoạt động kém nhất. Truy vấn được thực thi và trả về kết quả, nhưng khuyến nghị vẫn không chính xác. Trên một nền tảng, các chuyển đổi chưa được tải đầy đủ. Một nền tảng khác hiển thị doanh thu trước khi tính đến các trường hợp hủy bỏ. Nền tảng thứ ba sử dụng múi giờ khác để báo cáo. Bảng điều khiển mà công ty sử dụng để báo cáo xử lý những khác biệt này, nhưng tác nhân (agent) lại chọn các bảng nguồn thô vì tên của chúng phù hợp hơn với câu hỏi. Không có điều nào trong số này là ảo giác. Kho dữ liệu đã làm cho các bảng có thể truy vấn được, nhưng không phải các quy tắc cơ bản. Kho dữ liệu truyền thống so với Kho dữ liệu sẵn sàng cho tác nhân (Hình ảnh của Tác giả) Quản trị truyền thống chỉ giải quyết một phần vấn đề Kiểm soát truy cập không quản lý việc diễn giải Quản trị truyền thống đặt câu hỏi về việc ai được phép truy vấn một bảng hoặc xem một cột nhạy cảm. Với các tác nhân, một câu hỏi khác nảy sinh: Ngay cả khi tác nhân có quyền truy cập vào dữ liệu, liệu dữ liệu đó có phù hợp làm cơ sở để ra quyết định hay không? Mô tả bảng hiếm khi định nghĩa các mối quan hệ hợp lệ hoặc các chỉ số có thẩm quyền. Chúng cũng thường thiếu độ chi tiết của tập dữ liệu, kỳ vọng về tính cập nhật, các bộ lọc bắt buộc và các hạn chế đã biết. Một lớp ngữ nghĩa (semantic layer) có thể làm cho các quy tắc này trở nên rõ ràng. Ví dụ, các chế độ xem ngữ nghĩa (semantic views) trong Snowflake định nghĩa các thực thể kinh doanh trên dữ liệu vật lý, bao gồm các sự kiện, chỉ số, chiều và mối quan hệ. Nguyên tắc cơ bản là không phụ thuộc vào nhà cung cấp: Một tác nhân nên truy vấn một mô hình kinh doanh được quản lý thay vì tái tạo nó từ các lược đồ thô. Một nhà phân tích có thể nhận thấy nếu độ chi tiết không khớp. Một tác nhân có thể biến lỗi tương tự thành một lời giải thích hợp lý. Một bảng mới vẫn có thể không đầy đủ Giám sát đường ống (pipeline monitoring) thường coi tính cập nhật là một trạng thái kỹ thuật. Công việc đã hoàn thành. Bảng đã được cập nhật. Tuy nhiên, một bảng hiện tại vẫn có thể không phù hợp để ra quyết định. Chi phí chiến dịch có thể có sẵn trong vài phút, trong khi các chuyển đổi chỉ đáng tin cậy sau vài giờ. Một bảng tài chính có thể đủ cho việc báo cáo, mặc dù nó chưa đủ tin cậy cho một khuyến nghị định giá tự động. Một kho dữ liệu hỗ trợ tác nhân phải chứng minh liệu dữ liệu cần thiết cho một quyết định có đầy đủ hay không, chứ không chỉ là thời điểm bảng được cập nhật lần cuối. Trong một kịch bản chiến dịch, tác nhân có thể cần phải nêu rõ rằng dữ liệu chi tiêu là hiện tại, nhưng hai nền tảng vẫn chưa hoàn chỉnh, và do đó bất kỳ khuyến nghị tạm dừng nào cũng chỉ là tạm thời. Lớp còn thiếu là Hợp đồng Quyết định Tôi coi lớp kiến trúc còn thiếu là hợp đồng quyết định (decision contract). Một hợp đồng dữ liệu (data contract) định nghĩa những gì một nhà sản xuất phải cung cấp. Một hợp đồng quyết định chỉ định cách một hệ thống tự động có thể sử dụng dữ liệu này cho một loại quyết định cụ thể. Đối với một khuyến nghị ngân sách chiến dịch,