Chương 7d: ứng dụng trí tuệ nhân tạo trong lĩnh vực kinh tế và luật | Tin học 12

CHƯƠNG 7D: ỨNG DỤNG TRÍ TUỆ NHÂN TẠO TRONG LĨNH VỰC KINH TẾ VÀ LUẬT
Chương này sẽ khám phá những tác động sâu sắc của Trí tuệ nhân tạo (AI) đến
các lĩnh vực kinh tế và luật, vốn theo truyền thống luôn lấy con người làm trung tâm.
Chúng ta sẽ vượt ra ngoài những ý tưởng khoa học viễn tưởng để xem xét các ứng dụng
thực tế đang định hình lại các ngành nghề này ngay trong thời đại ngày nay. Nội dung
chương sẽ chứng minh AI không chỉ là một công cụ phân tích lượng dữ liệu khổng lồ,
tự động hóa các nhiệm vụ lặp đi lặp lại, mà còn có khả năng tạo ra những hiểu biết mới,
từ đó nâng cao hiệu quả và độ chính xác trong công việc.
Quan trọng hơn, chương này cũng sẽ đi sâu vào các thách thức lớn về đạo đức,
xã hội và nghề nghiệp phát sinh từ những công nghệ mới này, nhằm trang bị cho sinh
viên hành trang để trở thành những chuyên gia có trách nhiệm và tư duy hướng tới tương lai.
Sau khi hoàn thành chương này, sinh viên sẽ có khả năng:
Định nghĩa và giải thích các nguyên tắc cốt lõi của ứng dụng AI trong tài chính,
marketing và các dịch vụ pháp lý.
Nhận biết và mô tả các công cụ AI chính được sử dụng để phân tích dữ liệu, sáng
tạo nội dung và tự động hóa quy trình trong các lĩnh vực này.
Thực hiện các tác vụ thực hành cơ bản bằng công cụ AI để giải quyết các vấn đề
kinh tế hoặc pháp lý đơn giản.
Phân tích và thảo luận về các hàm ý đạo đức cũng như tác động của AI đến sự
nghiệp tương lai trong lĩnh vực đã chọn.
7D.1. Một số công cụ AI trong khai thác dữ liệu và thông tin kinh tế - luật
Phần này tập trung vào cách AI biến đổi dữ liệu thô thành thông tin tình báo có thể hành
động, một sự thay đổi nền tảng trong cả phân tích kinh tế và nghiên cứu pháp lý.
7D.1.1. AI trong phân tích dữ liệu thị trường, tài chính và dự báo xu hướng
Định nghĩa và nguyên lý hoạt động
AI trong phân tích tài chính là việc ứng dụng các công nghệ trí tuệ nhân tạo
như Học máy (Machine Learning - ML) và Xử lý ngôn ngữ tự nhiên (Natural Language
Processing - NLP) vào quá trình thu thập, xử lý và phân tích thông tin tài chính. Cách
tiếp cận này vượt ra ngoài phân tích thủ công truyền thống để phát hiện các mẫu ẩn và
đưa ra dự đoán với độ chính xác cao hơn. Đối với sinh viên năm nhất, có thể hiểu nguyên
lý hoạt động của các công nghệ này như sau:
 Học máy (Machine Learning - ML): Thay vì được lập trình một cách tường
minh, các hệ thống này "học" từ dữ liệu lịch sử. Tương tự như một sinh viên
học cách nhận diện các dạng bài trong đề thi cũ để dự đoán đề thi tương lai, 207
các mô hình ML cũng tìm kiếm quy luật trong dữ liệu quá khứ để đưa ra dự
báo. Hai loại mô hình cơ bản trong tài chính là:
o Hồi quy (Regression): Dùng để dự đoán các giá trị liên tục, ví dụ như giá cổ
phiếu hoặc doanh thu của một công ty.
o Phân loại (Classification): Dùng để dự đoán các danh mục, ví dụ như phân
loại một cổ phiếu là "nên mua", "nên bán" hay "nên giữ", hoặc đánh giá một
hồ sơ vay vốn là "rủi ro cao" hay "rủi ro thấp"
 Học sâu (Deep Learning - DL): Đây là một dạng ML tiên tiến hơn, sử dụng
các "mạng nơ-ron nhân tạo" được lấy cảm hứng từ bộ não con người. Các mô
hình như LSTM (Long Short-Term Memory - Bộ nhớ dài-ngắn hạn) đặc
biệt hiệu quả trong việc hiểu các chuỗi dữ liệu theo thời gian (time-series
data), khiến chúng trở thành công cụ lý tưởng để phân tích dữ liệu tài chính biến động liên tục. Ứng dụng thực tiễn
Sự kết hợp giữa dữ liệu lớn (Big Data) và các thuật toán AI tinh vi đã tạo ra những
ứng dụng đột phá trong ngành tài chính:
 Dự báo xu hướng thị trường: Các mô hình AI phân tích dữ liệu lịch sử về
giá, khối lượng giao dịch, các chỉ số kinh tế vĩ mô và các yếu tố khác để dự
báo xu hướng thị trường. Nhiều nghiên cứu đã chỉ ra rằng các mô hình AI
như LSTM và GRU vượt trội đáng kể so với các mô hình thống kê truyền
thống như ARIMA.Một số phân tích cho thấy việc tích hợp các mô hình AI
có thể cải thiện độ chính xác của dự báo lên đến 30%.
 Phân tích cảm tính (Sentiment Analysis): AI sử dụng NLP để "đọc" và
"hiểu" hàng triệu tin bài, bài đăng trên mạng xã hội (như X/Twitter), và báo
cáo phân tích để đánh giá tâm lý chung của thị trường (tích cực, tiêu cực, hay
trung lập) đối với một công ty, một ngành hay toàn bộ nền kinh tế.7 Điều này
cung cấp một lớp thông tin định tính quý giá, bổ sung cho các phân tích định lượng thuần túy.
 Giao dịch thuật toán (Algorithmic Trading): Đây là phương pháp sử dụng
các chương trình máy tính tự động, được lập trình sẵn để thực hiện các lệnh
giao dịch với tốc độ cực nhanh dựa trên các biến số như thời gian, giá cả và
khối lượng. Công nghệ này tận dụng tốc độ xử lý của máy tính, vốn vượt xa
khả năng phản ứng của con người, để khai thác các cơ hội chớp nhoáng trên thị trường.
 Quản lý rủi ro: AI giúp các tổ chức tài chính đánh giá rủi ro tín dụng của
khách hàng, phát hiện các giao dịch gian lận trong thời gian thực, và tối ưu
hóa danh mục đầu tư bằng cách phân tích đồng thời hàng ngàn biến số để xác
định các rủi ro tiềm ẩn mà con người có thể bỏ sót
Quá trình chuyển đổi cốt lõi mà AI mang lại cho ngành tài chính là sự dịch chuyển
từ phân tích phản ứng (phân tích các sự kiện đã xảy ra) sang dự báo chủ động (dự báo
các xu hướng tương lai với độ chính xác cao hơn). Phân tích tài chính truyền thống phụ 208
thuộc nhiều vào dữ liệu quá khứ và trực giác của con người, một quá trình có thể chậm
chạp và dễ bị ảnh hưởng bởi các thiên kiến nhận thức. Ngược lại, AI có khả năng xử lý
đồng thời một khối lượng khổng lồ dữ liệu có cấu trúc (giá cổ phiếu, báo cáo tài chính)
và phi cấu trúc (tin tức, bình luận mạng xã hội) trong thời gian thực Chính khả năng
tổng hợp các loại dữ liệu đa dạng này cho phép AI nhận diện được những mối tương
quan phức tạp, phi tuyến tính mà mắt người và các công cụ thống kê truyền thống không
thể thấy được.Do đó, vai trò của nhà phân tích tài chính đang dần thay đổi. Họ không
còn chỉ là người xử lý số liệu, mà trở thành người kiểm định các kết quả do AI tạo ra,
diễn giải các hiểu biết sâu sắc từ AI, và xây dựng chiến lược dựa trên những dự báo đó.
Nhà phân tích trở thành một "con người trong vòng lặp" (human-in-the-loop), bổ sung
khả năng phán đoán và kinh nghiệm chuyên môn vào sức mạnh tính toán của AI. Điều
này cho thấy một sự thay đổi tất yếu trong bộ kỹ năng yêu cầu đối với sinh viên khối
ngành kinh tế trong tương lai.
Bảng 7D.1: So sánh các mô hình AI trong phân tích tài chính Mô hình Nguyên lý Ứng dụng tiêu Ưu điểm Nhược điểm hoạt động đơn biểu giản Mô
hình Dự đoán giá trị Dự báo doanh Dễ diễn giải, Không hiệu quả Thống
kê tương lai dựa thu ổn định, yêu cầu ít dữ với dữ liệu phi
Truyền thống trên các giá trị phân tích chuỗi liệu. tuyến tính và (ví
dụ: trong quá khứ thời gian đơn biến động phức ARIMA) theo một quy giản. tạp. luật tuyến tính.
Học máy (ví Học các quy Chấm điểm tín Xử lý tốt dữ Có thể khó diễn
dụ: Random luật từ dữ liệu dụng, phát hiện liệu phức tạp, giải (hộp đen), Forest, SVM)
lớn để phân loại gian lận, dự báo độ chính xác cần nhiều dữ
(ví dụ: rủi ro tín giá bất động cao hơn mô liệu hơn. dụng) hoặc dự sản. hình truyền đoán (ví dụ: giá thống. nhà).
Học sâu (ví dụ: Mạng nơ-ron Dự báo giá cổ Rất mạnh trong Yêu cầu lượng
LSTM, GRU) chuyên dụng để phiếu, tỷ giá hối việc nắm bắt dữ liệu và sức
"ghi nhớ" các đoái, phân tích các mẫu phức mạnh tính toán
mẫu dài hạn cảm tính thị tạp, phi tuyến rất lớn, dễ bị trong dữ liệu trường.
tính trong dữ "overfitting". chuỗi thời gian. liệu thời gian. 209
7D.1.2. Công cụ AI tra cứu văn bản pháp luật, án lệ và phân tích hợp đồng cơ bản
Định nghĩa và Nguyên lý hoạt động
Công nghệ pháp lý (Legal Technology - LegalTech) là thuật ngữ chỉ việc sử
dụng công nghệ và phần mềm để cung cấp các dịch vụ pháp lý và hỗ trợ ngành luật. Trí
tuệ nhân tạo hiện là một trong những động lực chính thúc đẩy sự phát triển của
LegalTech hiện đại. Nguyên lý hoạt động của các công cụ này có thể được giải thích như sau:
 Tìm kiếm ngữ nghĩa (Semantic Search): Khác với tìm kiếm từ khóa truyền
thống, tìm kiếm ngữ nghĩa do AI cung cấp có khả năng hiểu được ý nghĩa và
ngữ cảnh của một câu hỏi pháp lý. Ví dụ, khi một luật sư tìm kiếm "trách
nhiệm của người bán khi hàng hóa hư hỏng", hệ thống AI sẽ không chỉ tìm
các văn bản chứa chính xác cụm từ đó mà còn tìm các điều luật liên quan đến
"bảo hành sản phẩm", "chất lượng hàng hóa", hay "nghĩa vụ giao hàng đúng
quy cách". Khả năng này được hiện thực hóa nhờ các kỹ thuật Xử lý Ngôn ngữ Tự nhiên (NLP).
 Xử lý Ngôn ngữ Tự nhiên (NLP) trong phân tích hợp đồng: Các mô hình
AI được huấn luyện trên một kho dữ liệu khổng lồ gồm hàng triệu văn bản
pháp lý để "học" ngôn ngữ và cấu trúc của hợp đồng. Chúng có thể thực hiện các tác vụ tinh vi như:
o Nhận dạng thực thể có tên (Named Entity Recognition - NER): Tự động xác
định và trích xuất các thông tin quan trọng như tên các bên, ngày tháng, địa
chỉ, số tiền, và khu vực pháp lý áp dụng.
o Phân loại điều khoản (Clause Classification): Nhận diện và phân loại các loại
điều khoản khác nhau trong hợp đồng (ví dụ: điều khoản bảo mật, điều khoản
chấm dứt, điều khoản bồi thường thiệt hại).
o Suy luận ngôn ngữ tự nhiên (Natural Language Inference - NLI): Đây là một
khả năng tiên tiến được minh họa bởi dự án ContractNLI của Đại học
Stanford. Hệ thống AI có thể đọc một hợp đồng và xác định xem một giả
thuyết (ví dụ: "Một số nghĩa vụ của Hợp đồng có thể vẫn còn hiệu lực sau khi
chấm dứt") được hợp đồng ủng hộ, mâu thuẫn, hay không đề cập đến, thậm
chí chỉ ra các đoạn văn bản làm bằng chứng.
Ứng dụng thực tiễn và Công cụ tiêu biểu
Nghiên cứu pháp lý (Legal Research): Các công cụ AI giúp giảm đáng kể thời
gian nghiên cứu bằng cách phân tích nhanh chóng hàng triệu tài liệu để tìm ra các án lệ
và quy định pháp luật liên quan nhất, qua đó giảm thiểu nguy cơ bỏ sót thông tin quan
trọng có thể thay đổi cục diện vụ việc.
Phân tích hợp đồng (Contract Analysis): AI tự động rà soát hợp đồng để phát
hiện các điều khoản rủi ro, các điều khoản không theo tiêu chuẩn, sự thiếu nhất quán
giữa các phần, hoặc các thông tin còn thiếu. Quá trình này giúp đẩy nhanh giai đoạn
thẩm định pháp lý (due diligence) trong các giao dịch lớn. 210 Công cụ tiêu biểu:
o Quốc tế: Các nền tảng như Westlaw, Lexis+, và Bloomberg Law là những
tiêu chuẩn của ngành, tích hợp các công cụ AI tinh vi để hỗ trợ luật sư.
o Việt Nam: Thị trường LegalTech Việt Nam cũng đang chứng kiến sự xuất
hiện của các công cụ mới, tập trung vào hệ thống pháp luật trong nước. Tiêu
biểu có thể kể đến AI Tra Cứu Luật (được phát triển với sự hợp tác của Hiệp
hội Blockchain Việt Nam và Viện ABAII), Trợ lý ảo Pháp luật Viettel, và
chatbot AI trên Cổng thông tin điện tử về Pháp luật của Chính phủ
(ai.phapluat.gov.vn). Các công cụ này giúp người dùng, từ sinh viên đến
chuyên gia, tiếp cận thông tin pháp lý Việt Nam một cách nhanh chóng và thuận tiện hơn.
Việc ứng dụng AI trong ngành luật không nhằm mục đích thay thế luật sư, mà là
để tăng cường năng lực của họ, giúp họ chuyển trọng tâm từ các công việc cấp thấp, tốn
thời gian sang các công việc chiến lược có giá trị cao hơn. Một phần lớn thời gian của
một luật sư trẻ hoặc trợ lý pháp lý thường dành cho việc rà soát tài liệu và nghiên cứu
pháp lý – những công việc có tính chất lặp đi lặp lại và đòi hỏi xử lý lượng lớn dữ liệu.
AI lại tỏ ra vượt trội ở các nhiệm vụ này, có thể xử lý hàng ngàn tài liệu, nhận diện các
mẫu và truy xuất thông tin nhanh hơn bất kỳ con người nào. Bằng cách tự động hóa
"phần việc chân tay" này, AI giải phóng các chuyên gia pháp lý để họ tập trung vào
những kỹ năng độc đáo của con người: tư duy chiến lược, tư vấn cho khách hàng, đàm
phán, và tranh tụng tại tòa.31 Điều này cũng dẫn đến một sự "dân chủ hóa" khả năng
nghiên cứu pháp lý. Một luật sư hành nghề độc lập hoặc một công ty luật nhỏ sử dụng
công cụ AI hiệu quả giờ đây có thể cạnh tranh về năng lực nghiên cứu với một công ty
lớn có đội ngũ trợ lý đông đảo. Tuy nhiên, điều này cũng đặt ra một tiêu chuẩn cao hơn
cho ngành, khi khách hàng sẽ kỳ vọng thời gian xử lý nhanh hơn và chi phí thấp hơn
cho các công việc thường lệ.
Bảng 7D.2: So sánh các công cụ LegalTech tại Việt Nam và Quốc tế Tính năng Đối tượng sử Tên công cụ Nhà cung cấp Mô hình giá chính dụng Westlaw / Thomson
Cơ sở dữ liệu Công ty luật Thuê bao Lexis+ Reuters
/ pháp lý khổng lớn, tập đoàn, (Subscription) LexisNexis lồ, tìm kiếm viện nghiên cao cấp. ngữ nghĩa, phân cứu. tích án lệ, kiểm tra trích dẫn.
AI Tra Cứu VBA, ABAII, Chatbot hỏi đáp Sinh viên, luật Miễn phí (có Luật Decom Stars pháp luật Việt sư, doanh giới hạn) và trả Nam, tra cứu phí. 211
văn bản, thủ tục nghiệp vừa và hành chính. nhỏ, người dân. Trợ lý ảo Pháp Viettel Trợ lý ảo giao Thẩm phán, Theo dự án/hợp luật Viettel
tiếp tự nhiên để công chức tòa đồng với cơ
tra cứu văn bản, án, cán bộ pháp quan nhà nước. án lệ, tình chế. huống pháp lý. Chatbot
Chính phủ Việt Cung cấp thông Người dân, Miễn phí (có (ai.phapluat.g Nam
tin, giải đáp các doanh nghiệp. giới hạn câu ov.vn) vấn đề pháp lý hỏi). cơ bản ở 33 lĩnh vực.
7D.2. Một số công cụ AI trong sáng tạo nội dung số và hỗ trợ nghiệp vụ
Phần này khám phá cách Trí tuệ nhân tạo tạo sinh (Generative AI) được sử dụng
để tạo ra các tài liệu và nội dung giao tiếp phức tạp, chuyển từ giai đoạn phân tích sang sáng tạo.
7D.2.1. AI trong tạo báo cáo kinh doanh, kế hoạch marketing và nội dung quảng cáo
Nguyên lý hoạt động và ứng dụng
Các mô hình AI tạo sinh, đặc biệt là các Mô hình Ngôn ngữ Lớn (LLMs) như
GPT-4, có khả năng tổng hợp thông tin từ nhiều nguồn dữ liệu đa dạng (dữ liệu bán
hàng nội bộ, xu hướng thị trường, phản hồi của khách hàng) để tạo ra các văn bản có
cấu trúc, mạch lạc và tự nhiên như con người. Khả năng này đang được ứng dụng mạnh
mẽ để tự động hóa các tác vụ đòi hỏi nhiều công sức trong kinh doanh và marketing.
 Tạo báo cáo kinh doanh: Thay vì tổng hợp số liệu và viết báo cáo thủ công,
AI có thể tự động hóa toàn bộ quy trình. Các công cụ chuyên dụng như Domo
AI và Sembly AI có thể kết nối trực tiếp với cơ sở dữ liệu của doanh nghiệp,
tự động phân tích dữ liệu, phát hiện các xu hướng quan trọng và trình bày kết
quả dưới dạng văn bản tường thuật cùng các biểu đồ trực quan, giúp tiết kiệm
thời gian và giảm thiểu sai sót do con người.
 Lập Kế hoạch marketing: Việc xây dựng một kế hoạch marketing toàn diện
đòi hỏi nghiên cứu và phân tích sâu rộng. AI có thể hỗ trợ đắc lực trong các
công đoạn này, từ việc xác định hồ sơ khách hàng lý tưởng (Ideal Customer
Profile - ICP), phân tích điểm mạnh, điểm yếu của đối thủ cạnh tranh, đến
việc đề xuất chiến lược nội dung và lựa chọn kênh phân phối hiệu quả. Các
nền tảng như Venturekit.ai thậm chí có thể tạo ra một bản kế hoạch kinh 212
doanh hoàn chỉnh, bao gồm cả dự báo tài chính và slide thuyết trình (pitch
deck), chỉ trong vài phút dựa trên mô tả ý tưởng của người dùng.
 Sáng tạo nội dung quảng cáo: AI là một trợ thủ đắc lực cho các nhà tiếp thị
nội dung. Nó có thể nhanh chóng tạo ra hàng loạt các biến thể của tiêu đề
quảng cáo, mô tả sản phẩm, bài đăng mạng xã hội, và nội dung email
marketing. Hơn nữa, AI còn giúp tối ưu hóa nội dung cho công cụ tìm kiếm
(SEO) bằng cách đề xuất các từ khóa phù hợp và cá nhân hóa thông điệp cho
từng phân khúc khách hàng cụ thể, từ đó tăng hiệu quả của chiến dịch. Các
công cụ như Jasper AI và Copy.ai đang được sử dụng rộng rãi trong lĩnh vực này.
Sự trỗi dậy của các công cụ AI đang dân chủ hóa khả năng lập kế hoạch chiến
lược và sáng tạo nội dung chất lượng cao. Trước đây, việc tạo ra một kế hoạch kinh
doanh bài bản hay một chiến dịch marketing chuyên nghiệp đòi hỏi chuyên môn sâu,
thời gian và nguồn lực đáng kể, thường chỉ các tập đoàn lớn mới có đủ khả năng. Giờ
đây, các công cụ AI như Venturekit.ai có thể tự động hóa gần như toàn bộ quy trình này,
tạo ra các tài liệu chi tiết chỉ từ những mô tả đơn giản của người dùng. Điều này đã hạ
thấp rào cản gia nhập cho các doanh nhân và doanh nghiệp nhỏ. Một sinh viên với một
ý tưởng kinh doanh có thể tạo ra một kế hoạch kinh doanh và bộ slide thuyết trình chuyên
nghiệp để tìm kiếm vốn đầu tư – một nhiệm vụ vốn rất khó khăn trước đây. Tương tự,
các công cụ tạo nội dung bằng AI cho phép một nhà tiếp thị đơn lẻ hoặc một nhóm nhỏ
có thể sản xuất nội dung ở quy mô lớn, cạnh tranh sòng phẳng với các phòng marketing
đông đảo. Điều này cho thấy lợi thế cạnh tranh đang dịch chuyển từ việc sở hữu nguồn
lực (đội ngũ lớn) sang việc nắm vững chiến lược (biết cách sử dụng công cụ AI hiệu quả
và đưa ra các câu lệnh chỉ dẫn đúng đắn).
7D.2.2. Công cụ AI hỗ trợ soạn thảo văn bản pháp lý cơ bản và thư từ giao dịch
Nguyên lý hoạt động và ứng dụng
AI tạo sinh sử dụng kiến thức được huấn luyện từ kho văn bản pháp lý và các
mẫu hợp đồng khổng lồ để tạo ra các bản nháp đầu tiên của các văn bản pháp lý thông
dụng. Một khái niệm cốt lõi cần nhấn mạnh ở đây là "con người trong vòng lặp" (human-
in-the-loop): AI có thể tạo ra bản nháp, nhưng một luật sư con người bắt buộc phải rà
soát, chỉnh sửa và chịu trách nhiệm cuối cùng về nội dung pháp lý đó.
 Soạn thảo hợp đồng đơn giản: AI có thể nhanh chóng soạn thảo các loại
hợp đồng tiêu chuẩn như Thỏa thuận bảo mật thông tin (Non-Disclosure
Agreement - NDA), hợp đồng lao động, hoặc hợp đồng thuê nhà dựa trên các
yêu cầu đầu vào của người dùng (ví dụ: các bên tham gia, thời hạn, các điều khoản chính).
 Soạn thảo thư từ giao dịch: AI có thể tạo ra các email chuyên nghiệp, công
văn, thư thông báo và các loại thư từ giao dịch kinh doanh khác, đảm bảo văn
phong trang trọng và định dạng chuẩn mực. 213
 Công cụ tiêu biểu: Bên cạnh các công cụ chuyên dụng như Lawgeex, các mô hình ngôn ngữ lớn đa dụng như
ChatGPT cũng được các công ty luật nhỏ và luật sư hành nghề độc lập sử
dụng rộng rãi cho các tác vụ này nhờ tính linh hoạt và chi phí thấp.
Giá trị chính của AI trong soạn thảo văn bản pháp lý không nằm ở việc thay thế
khả năng phán đoán của luật sư, mà là ở việc loại bỏ "hội chứng trang giấy trắng" (blank
page problem) và chuẩn hóa các tài liệu thường lệ. Điều này, một cách nghịch lý, lại
làm tăng tầm quan trọng của bước rà soát cuối cùng của luật sư. Việc soạn thảo một văn
bản pháp lý tiêu chuẩn từ đầu, dù dựa trên mẫu có sẵn, vẫn tốn nhiều thời gian. AI có
thể tạo ra một bản nháp hoàn chỉnh, được tùy chỉnh theo các thông số cụ thể, chỉ trong
vài giây. Điều này làm tăng hiệu quả công việc một cách đáng kể. Tuy nhiên, AI có thể
"ảo giác" (tạo ra thông tin sai) hoặc không nắm bắt được các sắc thái tinh tế của một
tình huống pháp lý cụ thể. Do đó, vai trò của luật sư chuyển từ một người viết sang một
người biên tập và đánh giá rủi ro. Chuyên môn của họ giờ đây tập trung vào một nhiệm
vụ quan trọng hơn: đảm bảo bản nháp do AI tạo ra là chính xác, hợp pháp và hoàn toàn
phù hợp với bối cảnh riêng của khách hàng. Điều này làm cho bước rà soát của con
người trở nên quan trọng hơn, chứ không phải ít đi.
7D.3. Một số công cụ AI trong xử lý công việc và tự động hóa quy trình
Phần này đề cập đến cách AI kết nối các hệ thống khác nhau và tự động hóa toàn
bộ quy trình công việc, một khía cạnh quan trọng của chuyển đổi số trong cả lĩnh vực kinh doanh và pháp lý.
7D.3.1. Công cụ tự động hóa quy trình làm việc, kết nối các AI trong quản lý quan
hệ khách hàng (CRM) và marketing
Tự động hóa Quy trình và Tích hợp AI
Tự động hóa quy trình làm việc (Workflow Automation): Các công cụ như Zapier
và Microsoft Power Automate hoạt động như một "chất kết dính" kỹ thuật số, cho phép
kết nối hàng ngàn ứng dụng web khác nhau mà không cần biết lập trình. Nguyên tắc
hoạt động của chúng dựa trên khái niệm "kích hoạt - hành động" (trigger-action). Ví dụ,
một quy trình tự động (gọi là "Zap" trong Zapier) có thể được thiết lập như sau: "Khi
(trigger) có một email mới với tệp đính kèm trong Gmail, thì (action) tự động lưu tệp
đính kèm đó vào một thư mục cụ thể trên Google Drive và gửi một tin nhắn thông báo
đến kênh Slack của nhóm."
AI trong Quản lý Quan hệ Khách hàng (CRM): AI không chỉ là một công cụ bên
ngoài mà ngày càng được tích hợp sâu vào lõi của các nền tảng CRM. Salesforce
Einstein là một ví dụ điển hình. Đây là lớp trí tuệ nhân tạo của Salesforce, có khả năng
phân tích dữ liệu khách hàng ngay bên trong CRM để thực hiện các tác vụ thông minh một cách tự động: 214
Chấm điểm khách hàng tiềm năng (Lead Scoring): AI phân tích hành vi và thông tin
của khách hàng tiềm năng để dự đoán khả năng họ sẽ mua hàng, giúp đội ngũ bán hàng
tập trung vào những đối tượng hứa hẹn nhất.
Cá nhân hóa giao tiếp: AI có thể tự động soạn thảo các email bán hàng hoặc email trả
lời dịch vụ khách hàng được cá nhân hóa dựa trên lịch sử tương tác và thông tin lưu trữ trong CRM.
Dự báo thông minh (Predictive Forecasting): Dựa trên dữ liệu bán hàng lịch sử và các
yếu tố thị trường, AI đưa ra các dự báo doanh số chính xác hơn, hỗ trợ việc lập kế hoạch kinh doanh.
Sự tích hợp giữa AI vào CRM và các công cụ tự động hóa quy trình đang tạo ra một "hệ
thần kinh thông minh" cho doanh nghiệp. Trong hệ thống này, dữ liệu không chỉ nằm
yên trong cơ sở dữ liệu mà còn chủ động kích hoạt các hành động thông minh và tự
động. Một hệ thống CRM truyền thống chỉ là một kho lưu trữ thông tin khách hàng một
cách thụ động. Các công cụ tự động hóa như Zapier có thể kết nối CRM này với các ứng
dụng khác, tạo ra các quy trình tự động đơn giản dựa trên quy tắc. Tuy nhiên, các CRM
được trang bị AI như Salesforce Einstein đã nâng tầm cuộc chơi. AI có thể đưa ra quyết
định ngay bên trong CRM (ví dụ: "khách hàng này có tiềm năng cao"). Khi kết hợp với
tự động hóa quy trình, một vòng lặp mạnh mẽ được tạo ra: một khách hàng tiềm năng
mới đăng ký thông tin (trigger) -> AI trong CRM phân tích và chấm điểm khách hàng
này là "nóng" -> điều này kích hoạt một quy trình Zapier tự động giao khách hàng này
cho nhân viên bán hàng xuất sắc nhất và đồng thời gửi một email chào mừng được cá
nhân hóa do một AI khác soạn thảo. Đây là bước tiến từ tự động hóa đơn giản sang tự
động hóa thông minh, nơi các quy trình kinh doanh có thể tự tối ưu hóa và được dẫn dắt
bởi dữ liệu ở cấp độ chi tiết.
7D.3.2. Chatbot AI hỗ trợ tư vấn pháp lý cơ bản và dịch vụ khách hàng
Vai trò, Lợi ích và những Giới hạn Quan trọng Vai trò và Lợi ích:
Dịch vụ khách hàng: Các chatbot cung cấp hỗ trợ 24/7, trả lời các câu hỏi thường gặp
(FAQs), và xử lý các yêu cầu ban đầu của khách hàng, giúp giải phóng nhân viên hỗ trợ
con người để họ tập trung vào các vấn đề phức tạp hơn.
Tư vấn pháp lý cơ bản: Các chatbot pháp lý có thể cung cấp thông tin pháp luật chung,
hướng dẫn người dùng thực hiện các thủ tục đơn giản, và hỗ trợ quá trình tiếp nhận
thông tin khách hàng ban đầu (client intake). Các ví dụ nổi bật bao gồm
DoNotPay (được mệnh danh là "luật sư robot đầu tiên trên thế giới") và các chatbot pháp
lý tại Việt Nam như trên cổng i-law.vn hoặc của FPT.AI.
Giới hạn và Rủi ro (Thảo luận Phản biện): 215
Thiếu sự thấu cảm và hiểu biết ngữ cảnh phức tạp: AI không thể hiểu được các sắc thái
tinh tế và bối cảnh cảm xúc của một vấn đề pháp lý phức tạp, vốn đòi hỏi sự đồng cảm
và phán đoán của con người.
Rủi ro "Ảo giác" (Hallucination): Đây là một trong những rủi ro lớn nhất. AI có thể tự
tin đưa ra thông tin không chính xác hoặc thậm chí bịa đặt hoàn toàn (ví dụ: trích dẫn
các án lệ không tồn tại). Điều này cực kỳ nguy hiểm trong bối cảnh pháp lý.1 Vụ việc
chatbot của hãng hàng không Air Canada cung cấp sai thông tin về chính sách vé tang
lễ, dẫn đến việc công ty bị kiện, là một minh chứng rõ ràng cho trách nhiệm pháp lý này.
Bảo mật và Quyền riêng tư: Người dùng chia sẻ những thông tin rất nhạy cảm với
chatbot, tạo ra rủi ro lớn về quyền riêng tư nếu dữ liệu không được xử lý và lưu trữ một cách an toàn.
Trách nhiệm pháp lý: Ai sẽ chịu trách nhiệm khi một chatbot đưa ra lời khuyên sai? Nhà
phát triển, công ty luật sử dụng nó, hay chính người dùng? Đây là một câu hỏi lớn về
đạo đức và pháp lý vẫn chưa có lời giải đáp rõ ràng.
Giải pháp - Tạo sinh Tăng cường truy xuất (Retrieval-Augmented Generation -
RAG): Đây là một công nghệ then chốt giúp các chatbot trở nên an toàn hơn. Thay vì
chỉ "bịa ra" câu trả lời từ kiến thức chung đã được huấn luyện, một chatbot sử dụng
RAG sẽ truy xuất thông tin từ một cơ sở kiến thức đáng tin cậy và đã được xác minh (ví
dụ: một bộ luật cụ thể, chính sách nội bộ của công ty), sau đó sử dụng thông tin đó để
xây dựng câu trả lời. Điều này giúp giảm thiểu đáng kể hiện tượng "ảo giác" và đảm bảo
câu trả lời dựa trên dữ liệu thực tế, cập nhật.
Sự trỗi dậy của các chatbot pháp lý tạo ra một sự căng thẳng cơ bản giữa việc dân chủ
hóa thông tin pháp lý và trách nhiệm nghề nghiệp trong việc cung cấp lời khuyên chính
xác, phù hợp với ngữ cảnh. Một thực tế là nhiều người dân không có khả năng chi trả
hoặc khó tiếp cận các dịch vụ tư vấn pháp lý cơ bản. Chatbot cung cấp một điểm tiếp
xúc đầu tiên miễn phí, tức thì và dễ tiếp cận cho các câu hỏi pháp lý, và đây là một động
lực mạnh mẽ để tăng cường khả năng tiếp cận công lý. Tuy nhiên, ngành luật được quản
lý chặt chẽ là có lý do: để bảo vệ công chúng khỏi những lời khuyên không đủ năng lực
hoặc sai lầm. Một chatbot AI, vốn không phải là một luật sư được cấp phép và dễ mắc
lỗi , đang hoạt động trong một vùng xám pháp lý. Nó cung cấp "thông tin" chứ không
phải "tư vấn pháp lý", nhưng người dùng có thể không nhận ra sự khác biệt này. Điều
này tạo ra một tình thế tiến thoái lưỡng nan về mặt đạo đức. Chính công nghệ có thể
trao quyền cho người dân cũng mang theo rủi ro gây hiểu lầm cho họ. Tương lai của
LegalTech sẽ phụ thuộc rất nhiều vào việc giải quyết sự căng thẳng này thông qua công
nghệ tốt hơn (như RAG), các quy định rõ ràng hơn, và việc bắt buộc phải có các tuyên
bố từ chối trách nhiệm minh bạch.
Bảng 7D.3: Đánh giá Rủi ro và Lợi ích của Chatbot tư vấn pháp lý 216 Khía cạnh Lợi ích Rủi ro/Hạn chế Giải pháp giảm thiểu
Khả năng tiếp cận Cung cấp hỗ trợ Có thể tạo ra rào cản Thiết kế giao diện
24/7, miễn phí hoặc "số" với những đơn giản, hướng dẫn
chi phí thấp, giúp người không quen sử dụng rõ ràng.
người dân dễ dàng công nghệ. tiếp cận thông tin pháp lý cơ bản. Độ chính xác
Trả lời nhanh các Nguy cơ "ảo giác", Sử dụng công nghệ
câu hỏi thường gặp đưa ra thông tin sai RAG để truy xuất từ
dựa trên dữ liệu hoặc lỗi thời. Không nguồn tin cậy. Luôn được lập trình.
hiểu được các sắc có tuyên bố từ chối
thái phức tạp của vụ trách nhiệm rõ ràng. việc. Chi phí
Giảm chi phí vận Chi phí phát triển và Bắt đầu với các
hành cho công ty duy trì ban đầu có chatbot đơn giản,
luật, cung cấp dịch thể cao. Rủi ro pháp tập trung vào các
vụ miễn phí hoặc rẻ lý nếu tư vấn sai. câu hỏi thường gặp. cho người dùng cuối. Bảo mật
Có thể cung cấp một Rủi ro rò rỉ thông tin Mã hóa dữ liệu, tuân
kênh tư vấn ẩn danh cá nhân, dữ liệu thủ các quy định về
ban đầu cho người nhạy cảm của khách bảo vệ dữ liệu dùng.
hàng nếu không (GDPR, Nghị định
được bảo mật đúng 13), không lưu trữ cách. các cuộc trò chuyện nhạy cảm.
Trải nghiệm người Phản hồi tức thì, Thiếu sự thấu cảm, Thiết kế quy trình dùng
không cần chờ đợi. tương tác máy móc, chuyển tiếp
có thể gây khó chịu (escalation) sang nếu không
giải nhân viên hỗ trợ con quyết được vấn đề. người một cách liền mạch khi chatbot không xử lý được. 217
7D.3.3. Thảo luận: Các vấn đề đạo đức, xã hội và tương lai nghề nghiệp
Phần này được thiết kế như một buổi thảo luận có định hướng, nhằm khuyến
khích sinh viên tư duy một cách phản biện về những tác động sâu rộng của AI.
- Thiên kiến thuật toán (Algorithmic Bias):
Tình huống: Một ngân hàng sử dụng AI để tự động duyệt hồ sơ vay vốn. Hệ
thống này được huấn luyện trên dữ liệu tín dụng của ngân hàng trong 20 năm qua. Kết
quả cho thấy hệ thống có xu hướng từ chối các đơn vay đến từ một số khu vực có thu
nhập trung bình thấp hoặc từ các nhóm dân tộc thiểu số, ngay cả khi các cá nhân đó có
lịch sử tín dụng tốt.
Câu hỏi thảo luận: "Đây là một dự báo thống kê chính xác dựa trên dữ liệu lịch
sử, hay là một hình thức phân biệt đối xử? Nếu hệ thống AI là một 'hộp đen' và ngân
hàng không thể giải thích lý do cụ thể cho mỗi quyết định, ai phải chịu trách nhiệm cho
sự bất bình đẳng này: nhà phát triển AI, ngân hàng, hay chính bộ dữ liệu lịch sử?".
- Quyền riêng tư và Bảo mật dữ liệu:
Tình huống: Một nền tảng thương mại điện tử sử dụng AI để phân tích lịch sử
mua sắm, các sản phẩm bạn đã xem, thậm chí cả thời gian bạn dừng lại ở một sản phẩm
nào đó, để đưa ra các gợi ý được cá nhân hóa cao độ. Hệ thống này cũng chia sẻ dữ liệu
ẩn danh của bạn với các đối tác quảng cáo để hiển thị các quảng cáo phù hợp trên các trang web khác.
Câu hỏi thảo luận: "Bạn có sẵn sàng chia sẻ dữ liệu hành vi của mình để nhận
được các đề xuất sản phẩm tốt hơn và trải nghiệm mua sắm thuận tiện hơn không? Đâu
là lằn ranh giữa việc cá nhân hóa hữu ích và việc xâm phạm quyền riêng tư? Doanh
nghiệp có trách nhiệm gì trong việc minh bạch hóa cách họ sử dụng dữ liệu của bạn?".
- Tác động đến nghề nghiệp:
Bối cảnh: Một báo cáo của McKinsey chỉ ra rằng khoảng 22% công việc của luật
sư và 43% công việc của nhân viên tài chính - kế toán có thể được tự động hóa bằng công nghệ hiện có.
Câu hỏi thảo luận: "Theo bạn, những công việc cụ thể nào trong ngành kinh tế
và luật sẽ bị ảnh hưởng nhiều nhất bởi AI trong 10 năm tới (ví dụ: phân tích báo cáo tài
chính, rà soát hợp đồng, tư vấn pháp lý sơ bộ)? Ngược lại, những kỹ năng nào sẽ trở nên
quan trọng hơn bao giờ hết để các bạn, những chuyên gia tương lai, có thể làm việc hiệu
quả cùng AI và không bị thay thế?". 218