AI trả lời có nguồn: vì sao số chính thức không đến từ SQL do AI tự viết
AI phân tích dữ liệu có đáng tin? Năm cách SQL do AI tự viết ra số sai, và vì sao số chính thức nên đi qua chỉ số đã định nghĩa, có nguồn và mức xác nhận.
Tác giả Nhóm DataxLand· · 7 phút đọc
"Cho ChatGPT đọc database rồi hỏi nó doanh thu" nghe như lối tắt hoàn hảo cho doanh nghiệp không có người phân tích dữ liệu. Mô hình ngôn ngữ ngày nay viết SQL khá giỏi: câu lệnh chạy được, kết quả trông hợp lý, kèm một đoạn giải thích tự tin. Vấn đề là chạy được không có nghĩa là đúng. Một câu SQL sai nối bảng vẫn trả về một con số, và không có gì trên màn hình báo bạn rằng con số đó gấp đôi thực tế.
Bài này giải thích năm kiểu sai hay gặp khi để AI tự viết SQL cho số kinh doanh, vì sao cách tiếp cận "AI chọn chỉ số, máy dựng truy vấn" đáng tin hơn cho số chính thức, và khi nào việc để AI viết SQL vẫn hữu ích. Đây là cách AI phân tích dữ liệu mà DataxLand chọn cho Si.
Năm kiểu sai của SQL do AI tự viết
Các ví dụ dưới đây là ví dụ minh họa; con số là giả định để thấy cơ chế.
1. Nối bảng làm nhân đôi số
Phí vận chuyển nằm ở cấp đơn, nhưng câu hỏi lại theo sản phẩm. Câu SQL trông hợp lý:
SELECT p.category, SUM(o.shipping_fee) AS shipping
FROM orders o
JOIN order_items i ON i.order_id = o.order_id
JOIN products p ON p.sku = i.sku
GROUP BY p.category;Một đơn có 3 dòng sản phẩm và phí vận chuyển 30.000 ₫ sẽ được cộng ba lần: 90.000 ₫. Tổng phí vận chuyển của cả shop bị thổi lên theo số dòng trung bình mỗi đơn. Câu lệnh không lỗi, không cảnh báo.
2. Chọn sai "doanh thu"
"Doanh thu tháng 10" có thể là GMV, doanh thu sau giảm giá, doanh thu thuần sau tiền hoàn, hay tiền về ví. AI chọn cột có tên giống nhất — thường là tổng giá trị đơn. Trên dữ liệu mẫu của DataxLand (shop nến thơm giả lập, 01/08–29/10/2026), GMV là 831.421.000 ₫ còn doanh thu thuần là 755.554.000 ₫: chênh khoảng 10% chỉ vì chọn cột.
3. Quên lọc trạng thái đơn
Đơn hủy, đơn chưa thanh toán, đơn thử nghiệm nằm chung bảng với đơn thật. Mỗi sàn ghi trạng thái một kiểu. Một câu COUNT(*) không
lọc sẽ đếm cả đơn hủy — trong dữ liệu mẫu, tỷ lệ hủy là 7,42%, đủ để làm lệch mọi tỷ lệ chuyển đổi.
4. Sai ngày và múi giờ
Thời điểm đặt hàng thường lưu theo UTC. Cắt "ngày 1/10" theo UTC thì đơn từ 0h tới 7h sáng giờ Việt Nam rơi vào ngày 30/9. Tuần bắt đầu thứ Hai hay Chủ nhật cũng đổi kết quả báo cáo tuần.
5. Mỗi lần hỏi, một định nghĩa
Hỏi cùng một câu hai lần, AI có thể viết hai câu SQL khác nhau: lần này trừ tiền hoàn, lần sau không. Kế toán thấy một số, giám đốc thấy số khác, và không ai biết số nào đúng vì định nghĩa nằm trong một câu lệnh đã trôi mất.
| Kiểu sai | Câu SQL có lỗi không? | Con số trông có hợp lý không? |
|---|---|---|
| Nối bảng nhân đôi | Không | Có, chỉ cao hơn |
| Chọn sai doanh thu | Không | Có |
| Quên lọc trạng thái | Không | Có |
| Sai múi giờ | Không | Có, lệch ít |
| Định nghĩa đổi mỗi lần | Không | Có, nhưng không khớp nhau |
Cột giữa là điều đáng sợ: không kiểu sai nào báo lỗi. Kiểm tra thủ công từng câu SQL là việc của người phân tích dữ liệu — đúng thứ doanh nghiệp đang thiếu.
Cách khác: AI chọn chỉ số, máy dựng truy vấn
Thay vì để AI viết SQL, tách câu hỏi thành hai việc:
- AI hiểu câu hỏi: "lãi sau phí tháng trước theo kênh, so với tháng trước nữa" được dịch thành một tổ hợp có cấu trúc — chỉ số lãi sau phí, chiều kênh, kỳ tháng trước, so sánh kỳ trước.
- Máy tính chỉ số dựng truy vấn từ định nghĩa đã duyệt của chỉ số đó: bảng nào, nối thế nào, lọc trạng thái nào, ngày theo múi giờ nào. Phần này là code xác định, không phải mô hình ngôn ngữ, nên cùng câu hỏi luôn ra cùng truy vấn.
Năm kiểu sai ở trên bị chặn từ gốc: cách nối bảng và cấp chi tiết nằm trong mô hình ngữ nghĩa; "doanh thu thuần" có đúng một định nghĩa có phiên bản; trạng thái đơn đã được chuẩn hóa khi build; ngày nghiệp vụ theo múi giờ của workspace. Khái niệm này được giải thích kỹ ở bài Semantic layer là gì.
"Có nguồn" nghĩa là gì
Một câu trả lời đáng tin phải cho bạn kiểm lại được. Với Si, mỗi câu trả lời có:
- Nguồn: chỉ số và phiên bản đã dùng, kỳ, và "dữ liệu đến" ngày nào;
- Mức xác nhận: Chuẩn (chỉ số của gói, đã kiểm bằng số kỳ vọng), Đã duyệt (chỉ số riêng của workspace, đã kiểm số và được kích hoạt) hoặc Chưa xác nhận (câu trả lời khám phá);
- Cách hiểu câu hỏi dạng thẻ — chỉ số, chiều, bộ lọc, kỳ — sửa được rồi chạy lại mà không hỏi lại AI;
- Trình giải thích cho xem công thức, phân tách và cả câu SQL mà máy tính chỉ số đã chạy.
Khi không có chỉ số phù hợp hoặc dữ liệu không đủ, Si nói "Không trả lời được câu này" thay vì đoán.
Khi nào để AI viết SQL vẫn có ích
Có những câu hỏi khám phá vượt quá chỉ số có sẵn: trung vị giá trị đơn, phân phối, tương quan giữa chi phí quảng cáo và doanh thu theo ngày, cohort khách hàng. Với những câu này, để AI viết SQL hoặc Python trong một môi trường cách ly là hợp lý, miễn kết quả được gắn nhãn rõ ràng.
Si làm đúng như vậy: khi câu hỏi vượt quá chỉ số, Si viết SQL hoặc Python và chạy trong sandbox khám phá — bản sao chỉ đọc, không có thông tin cá nhân. Kết quả luôn mang nhãn Chưa xác nhận, bạn mở được code Si đã chạy, và kết quả sandbox không ghim được thành ô dashboard. Một phép tính hay dùng thì đưa thành chỉ số của workspace, kiểm số rồi mới thành số chính thức.
| Loại câu hỏi | Cách Si trả lời | Mức xác nhận |
|---|---|---|
| Doanh thu, lãi, tỷ lệ hoàn, top N, so kỳ trước, vì sao giảm | Chỉ số qua lớp ngữ nghĩa | Chuẩn hoặc Đã duyệt |
| Trung vị, phân phối, tương quan, cohort, nối bảng chưa có trong mô hình | SQL/Python trong sandbox | Chưa xác nhận |
DataxLand làm việc này thế nào
Si chỉ đọc số kinh doanh qua lớp ngữ nghĩa: câu hỏi thành chỉ số, chiều, bộ lọc, kỳ và so sánh; máy của DataxLand dựng truy vấn từ định nghĩa đã duyệt (xem Si và Chỉ số và lớp ngữ nghĩa). Mọi con số mở được bằng trình giải thích, kể cả câu SQL đã chạy. Câu hỏi khám phá đi vào sandbox SQL/Python với nhãn Chưa xác nhận. Cùng một bộ công cụ được dùng trong ứng dụng, Telegram, Slack và qua MCP, nên agent bên ngoài cũng không tự viết SQL lên dữ liệu kinh doanh. Tổng quan ở trang lớp ngữ nghĩa.
Câu hỏi thường gặp
AI có trả lời sai số không?
Có thể, ở bước hiểu câu hỏi: ví dụ hiểu "doanh thu" là GMV trong khi bạn muốn doanh thu thuần. Vì vậy cách hiểu câu hỏi được hiện ra dạng thẻ để bạn sửa. Phần tính số do máy tính chỉ số làm từ định nghĩa đã duyệt, không do mô hình ngôn ngữ.
Có nên tải file doanh thu lên chatbot AI để hỏi không?
Được cho câu hỏi khám phá một lần, nếu file không chứa thông tin cá nhân khách hàng và bạn tự kiểm lại kết quả. Với số dùng hằng tuần cho quyết định, nên dùng chỉ số có định nghĩa cố định để hai lần hỏi ra cùng một số.
Xem câu SQL đã chạy ở đâu?
Trong trình giải thích con số, thẻ SQL hiện câu truy vấn máy tính chỉ số đã chạy và cho sao chép. Với câu trả lời từ sandbox, mở Xem code SQL hoặc Xem code Python dưới câu trả lời.
Số Chưa xác nhận có dùng được không?
Dùng được để khám phá và đặt giả thuyết. Trước khi đưa vào báo cáo chính thức, hãy biến phép tính đó thành chỉ số của workspace, kiểm số và kích hoạt; khi đó nó mang nhãn Đã duyệt.
Đọc tiếp: Semantic layer là gì · Hỏi dữ liệu bằng tiếng Việt với Si · Hỏi số liệu bằng tiếng Việt