Tiêu chí nghiệm thu AI Agent cần mô tả kết quả công việc có thể kiểm tra: dữ liệu nào được giữ đúng, hành động nào được phép thực hiện, bằng chứng nằm ở đâu và trường hợp nào phải chuyển người xử lý. Một câu trả lời trôi chảy hoặc một lần demo thành công chưa đủ để xác nhận hệ thống đáp ứng phạm vi đã thống nhất.
Bài này cung cấp ma trận yêu cầu–ca thử–bằng chứng và cách ghi nhận kết quả. Hai ca về yêu cầu báo giá bên dưới là tình huống giả định để giải thích phương pháp, không phải log thử nghiệm hay kết quả triển khai của Vin Media Global. Khi áp dụng, người phụ trách nghiệp vụ phải xác nhận đáp án; người kỹ thuật xác nhận quyền, trạng thái và cách đọc bằng chứng.
Chốt thế nào là “hoàn thành đúng” cho từng nhiệm vụ
Trước buổi nghiệm thu, lấy từng đầu ra trong phạm vi dự án và viết thành điều kiện quan sát được. Nếu đề bài vẫn chỉ ghi “AI hỗ trợ sales”, hãy quay lại mẫu mô tả quy trình triển khai AI để xác định đầu vào, người nhận và điểm kết thúc. Không nên đến ngày xem demo mới tranh luận việc nào thuộc phạm vi.
Ví dụ, “đọc email và tạo hồ sơ báo giá nháp” có ít nhất bốn điều kiện: giữ nguyên số lượng khách nêu, dẫn được email nguồn, để trống dữ kiện chưa có và lưu hồ sơ ở trạng thái nháp. Gửi báo giá ra ngoài là nhiệm vụ khác, cần quyền và điều kiện duyệt riêng. Viết được một đoạn báo giá trên màn hình chưa chứng minh hồ sơ đã được lưu.
| Loại đầu ra | Điều kiện cần viết rõ | Bằng chứng phù hợp |
|---|---|---|
| Câu trả lời | Đúng nội dung, đúng nguồn áp dụng; thiếu thông tin thì nói rõ giới hạn | Câu trả lời đối chiếu với tài liệu có hiệu lực và đáp án nghiệp vụ |
| Hồ sơ nháp | Đúng các trường bắt buộc, đúng trạng thái, giữ liên hệ với đầu vào | Bản ghi nháp tại hệ thống đích, mã hồ sơ và trường dữ liệu |
| Hành động được duyệt | Đúng đối tượng, nội dung, người duyệt và phạm vi cho phép | Dấu vết phê duyệt, kết quả công cụ và trạng thái ở nơi nhận |
| Từ chối hoặc chuyển người | Không thực hiện phần bị cấm; chuyển đủ thông tin tới đúng người | Trạng thái chờ xử lý, người nhận và xác nhận không có thay đổi ngoài quyền |
Mỗi điều kiện cần kèm cách đo hoặc cách kiểm. “Phản hồi nhanh” phải được chuyển thành mốc bắt đầu, mốc kết thúc và ngưỡng do hai bên thống nhất. Thời gian hệ thống tạo bản nháp khác thời gian nhân viên kiểm xong hồ sơ. Chọn mốc nào phụ thuộc vào công việc được nghiệm thu.
Nếu đang ở giai đoạn khám phá tính khả thi, dùng khung thiết kế pilot AI cho một quy trình để chốt phạm vi thử trước. Nghiệm thu ở đây đánh giá một phiên bản theo yêu cầu đã xác định, không tự mở rộng kết luận sang các tác vụ chưa thử.
Lập ma trận yêu cầu, ca thử và bằng chứng
Mỗi dòng ma trận nên chỉ kiểm một điều kiện đủ cụ thể. Tách “đọc đúng email, tạo hồ sơ và gửi báo giá” thành các dòng riêng để biết bước nào sai. Có thể dùng bảng tính với các cột: mã yêu cầu, đầu vào và tài khoản thử, bước thực hiện, kết quả mong đợi, kết quả thực tế, bằng chứng, người kiểm, kết luận và lỗi liên quan.
Hai dòng sau hoàn toàn là ví dụ biên tập. Các tên email và hồ sơ dùng để minh họa cách liên kết bằng chứng; chưa có lần chạy hệ thống thật tương ứng.
| Yêu cầu và ca thử giả định | Mong đợi | Kết quả giả định | Cách kiểm khi chạy thật | Kết luận trong ví dụ |
|---|---|---|---|---|
| Giữ số lượng: email mẫu ghi “20 đơn vị” | Hồ sơ nháp ghi 20, dẫn được email gốc | Nháp ghi 20 và có liên kết nguồn | Sales đối chiếu email và trường số lượng trong hồ sơ đích | Đạt điều kiện này |
| Thiếu số lượng: email mẫu không nêu số lượng | Để trống, đánh dấu cần bổ sung; không tự đoán | Nháp tự điền 20 | Sales đối chiếu đầu vào; kỹ thuật lưu lần chạy tạo giá trị không có nguồn | Không đạt; cần sửa và thử lại |
Ở bản dùng thật, đừng ghi “đã kiểm” vào cột bằng chứng. Ghi mã hồ sơ, mã lần chạy, thời điểm, phiên bản và nơi người có quyền mở lại được. Không chép dữ liệu khách hàng không cần thiết vào một bảng chia sẻ rộng. Đường dẫn có tồn tại nhưng người nghiệm thu không truy cập được cũng chưa giải quyết nhu cầu kiểm chứng.
Hai kết quả minh họa không tạo thành tỷ lệ chất lượng của một sản phẩm. Mỗi ca chỉ giải thích một lỗi có thể quan sát; số lượng mẫu, mức lặp lại và điều kiện chấp nhận phải phù hợp với quy trình thật.

Với trợ lý tra cứu tài liệu, dùng bộ câu hỏi kiểm thử RAG trước và sau cập nhật để bổ sung ca thiếu nguồn, sai quyền và câu hỏi chưa đủ dữ kiện.
Thử cả đường thường, dữ liệu thiếu, sai quyền và công cụ lỗi
Một bộ thử chỉ gồm yêu cầu rõ ràng sẽ bỏ qua những điểm người vận hành thường phải can thiệp. Anh chị có thể bắt đầu bằng sáu nhóm dưới đây, rồi bổ sung tình huống từ quy trình cụ thể. Đây là cách tổ chức đề xuất, không phải tiêu chuẩn nghiệm thu bắt buộc cho mọi doanh nghiệp.
- Đầu vào hợp lệ: có đủ dữ kiện, người yêu cầu đúng quyền, công cụ hoạt động. Kiểm cả nội dung và trạng thái cuối.
- Thiếu dữ liệu: bỏ một trường cần thiết. Hệ thống phải nhận ra thiếu, hỏi hoặc chuyển xử lý theo quy tắc đã chốt.
- Dữ liệu mâu thuẫn: hai nguồn có số lượng hoặc ngày áp dụng khác nhau. Xác định trước nguồn ưu tiên hoặc điều kiện phải hỏi lại.
- Sai quyền: dùng tài khoản thử không được xem tài liệu hay sửa hồ sơ. Kiểm cả thông tin trả về và thay đổi tại hệ thống đích.
- Công cụ lỗi hoặc trả kết quả chưa rõ: trong môi trường thử, mô phỏng lỗi kết nối hoặc mất phản hồi. Hệ thống phải ghi đúng trạng thái, tránh nhận đã hoàn tất khi chưa có căn cứ.
- Chuyển người: yêu cầu vượt phạm vi hoặc bị từ chối duyệt. Kiểm người nhận, phần việc còn chờ và khả năng tiếp tục mà không phải nhập lại toàn bộ.
Kiểm bước duyệt bằng cả chấp thuận và từ chối
Trong tài liệu duyệt công cụ của n8n, một công cụ được cấu hình cần người duyệt sẽ chờ quyết định: chấp thuận thì chạy, từ chối thì hủy hành động. Đây là ví dụ cơ chế của nền tảng cụ thể, không chứng minh mọi agent mặc định có bước này.
Với hệ thống của doanh nghiệp, thử xem nội dung đưa đi duyệt có đúng với nội dung cuối cùng thực hiện không. Thử cả từ chối và chưa phản hồi. Nếu yêu cầu thay đổi sau khi được duyệt, nhóm triển khai cần quy định khi nào phải duyệt lại; không lấy một lần đồng ý làm quyền chung cho mọi lần chạy.
Kiểm quyền bằng đúng vai trò người sử dụng
Microsoft mô tả các cách kiểm soát truy cập cấp tài liệu trong Azure AI Search, với điều kiện khác nhau theo phương án; một số tính năng được đánh dấu preview. Bài này không hướng dẫn cấu hình Azure. Điểm cần đưa vào phép thử là người dùng đúng quyền mới nhận được nội dung tương ứng.
Dùng tài khoản quản trị để chạy mọi ca rồi kết luận phân quyền đúng là chưa đủ. Với tài liệu thử, người có quyền cần truy xuất được; người không có quyền không được nhận nội dung qua câu trả lời, trích đoạn hay đường dẫn mở rộng quyền. Đồng thời kiểm tình huống thu hồi quyền theo cơ chế và thời gian đồng bộ đã thống nhất.
Đọc bằng chứng ở hệ thống đích trước khi kết luận
Câu “đã tạo hồ sơ” là một thông báo cần đối chiếu. Người kiểm nên lần theo cùng mã yêu cầu qua đầu vào, lần xử lý và hồ sơ đích. Nếu ba nơi dùng mã khác nhau, cần có cách liên kết rõ ràng để tránh lấy kết quả của lần chạy cũ làm bằng chứng cho lần mới.
- Mở đúng đầu vào và xác nhận tài khoản thử, dữ liệu, thời điểm.
- Xem lần chạy tương ứng: công cụ nào được gọi, bước nào chờ duyệt hoặc gặp lỗi.
- Mở hệ thống đích bằng quyền phù hợp; đối chiếu trường dữ liệu, đối tượng và trạng thái.
- Kiểm việc không được làm: không gửi ra ngoài, không sửa hồ sơ khác hoặc không tạo bản ghi trùng, tùy yêu cầu.
- Ghi kết luận và đường dẫn bằng chứng để người khác kiểm lại được.
Trong hướng dẫn xử lý lỗi của n8n, lịch sử thực thi và workflow xử lý lỗi giúp điều tra lần chạy thất bại. Tài liệu cũng nêu dữ liệu lỗi có thể khác nhau, chẳng hạn khi lỗi xảy ra ở bước kích hoạt. Vì vậy, không nên giả định mọi lỗi đều có cùng mã hoặc đường dẫn log.
Mất phản hồi là tình huống cần chú ý: hệ thống đích có thể đã nhận thao tác dù phía gọi chưa nhận xác nhận. Trước khi bấm chạy lại, kiểm trạng thái bằng mã yêu cầu hoặc cơ chế đối chiếu mà nhóm triển khai cung cấp. Nếu chưa biết thao tác đã xảy ra hay chưa, ghi “chưa xác định” và chuyển xử lý; không đổi thành “thất bại” rồi tạo thêm một bản ghi.
Với tác vụ xử lý theo hàng đợi, trạng thái “đã tiếp nhận” cũng khác “đã hoàn tất”. Hai bên cần xác định trạng thái cuối nào được chấp nhận và khoảng chờ trước khi đánh giá. Bằng chứng phải phù hợp với đầu ra: gửi email, lưu hồ sơ và xác nhận người nhận đã đọc là ba kết quả khác nhau.
Nếu bot thông báo xong nhưng chưa thấy bản ghi, đi theo chuỗi kiểm tra từ lệnh công cụ đến dữ liệu đã lưu trước khi đánh dấu ca thử đạt.
Xếp lỗi theo ảnh hưởng và ghi quyết định nghiệm thu
Không dùng một tỷ lệ đạt chung để che lỗi nghiêm trọng. Một hệ thống có thể trả lời tốt nhiều câu nhưng vẫn không phù hợp để mở quyền ghi dữ liệu nếu có ca sửa nhầm đối tượng. Mức ảnh hưởng và điều kiện chấp nhận cần được thống nhất trước khi xem kết quả, không đặt lại để hợp thức hóa buổi demo.
| Nhóm kết quả | Ví dụ | Cách xử lý đề xuất |
|---|---|---|
| Lỗi ảnh hưởng quyền hoặc dữ liệu quan trọng | Lộ nội dung ngoài quyền, gửi khi bị từ chối, sửa sai hồ sơ | Chưa chấp nhận phần chức năng liên quan; xác định phạm vi ảnh hưởng, sửa và thử lại |
| Lỗi chức năng cần sửa trước khi dùng | Thiếu trường bắt buộc, chuyển sai người, báo xong khi còn chờ | Ghi lỗi, người phụ trách và điều kiện kiểm lại; giới hạn phần được phép sử dụng |
| Điểm có thể xử lý sau nếu được đồng ý | Định dạng chưa thuận tiện nhưng thông tin và hành động đúng | Ghi rõ tồn đọng, thời điểm xử lý và người chấp nhận; không tự bỏ qua |
| Chưa đủ bằng chứng | Không truy xuất được hồ sơ đích hoặc không biết phiên bản đã chạy | Chưa kết luận đạt; bổ sung bằng chứng hoặc chạy lại đúng điều kiện |
Bảng này hỗ trợ trao đổi nghiệp vụ, không thay thế điều khoản hợp đồng hay chứng nhận an toàn. Cùng một lỗi định dạng có thể chỉ gây bất tiện ở bản nháp nhưng làm hỏng đầu vào của công cụ khác; cần đánh giá theo nơi kết quả được sử dụng.
Khi báo cáo tỷ lệ, nêu rõ mẫu số: bao nhiêu ca đã chạy, bao nhiêu chưa chạy, bao nhiêu bị chặn do môi trường và bao nhiêu phải thử lại. Đừng tính các ca chưa có bằng chứng thành đạt. Nếu chỉ một phần phạm vi được chấp nhận, ghi tên phần đó và các giới hạn vận hành còn hiệu lực.
Lưu phiên bản, thử lại sau sửa và chuẩn bị nhận hệ thống
Biên bản cần đủ thông tin để tái hiện quyết định: phiên bản cấu hình hoặc workflow, bộ dữ liệu thử, tài khoản và quyền, thời điểm, danh sách ca, kết quả, lỗi còn mở và người xác nhận theo vai trò. Với dữ liệu nhạy cảm, lưu đường dẫn được phân quyền thay vì đưa toàn bộ nội dung vào biên bản.
Sau khi sửa lỗi, chạy lại ca đã hỏng và các ca liên quan có thể bị ảnh hưởng. Ví dụ, sửa cách xử lý email thiếu số lượng thì kiểm lại email đủ số lượng, email có hai giá trị mâu thuẫn và hành vi giữ trạng thái nháp. Chỉ ghi “đã sửa” chưa chứng minh hành vi mới đúng.

Người nhận có thể bắt đầu bằng một buổi kiểm tra nhỏ: chọn một tác vụ trong phạm vi, tự chuẩn bị ca đủ dữ liệu và ca thiếu dữ liệu, viết kết quả mong đợi trước, rồi đối chiếu đầu ra ở hệ thống đích. Mục đích là kiểm khả năng đọc bằng chứng độc lập, không biến hai ca thành chứng nhận cho toàn hệ thống.
Nghiệm thu chức năng và bàn giao tài sản là hai việc liên quan nhưng riêng biệt. Hệ thống chạy đúng chưa có nghĩa người nhận đã có tài khoản quản trị, tài liệu vận hành hoặc đường xử lý sự cố. Sau quyết định nghiệm thu, cần xác nhận những phần này theo phạm vi đã thỏa thuận. Nếu đang tiếp nhận agent có sẵn mà chưa rõ cấu trúc và điểm nối, kiểm kê và audit hệ thống AI Agent giúp xác định phần cần kiểm trước.
Sau nghiệm thu, chuyển các tài sản và hướng dẫn còn phải nhận sang checklist bàn giao AI Agents để người vận hành có thể tiếp quản.
Câu hỏi thường gặp về nghiệm thu AI Agent
Bot nói đã làm xong có đủ bằng chứng không?
Chưa đủ với tác vụ tạo hoặc thay đổi dữ liệu. Cần đối chiếu thông báo với hồ sơ đích, trạng thái cuối và lần xử lý tương ứng. Cách kiểm cụ thể phụ thuộc hệ thống và đầu ra đã thống nhất.
Tỷ lệ trả lời đúng cao có bù được lỗi sai quyền không?
Không nên gộp hai loại kết quả để bỏ qua lỗi quyền. Đánh giá chất lượng nội dung và quyền hành động riêng; quyết định sử dụng phải xét mức ảnh hưởng của từng lỗi.
Cần chạy bao nhiêu ca mới đủ nghiệm thu?
Không có một con số chung cho mọi dự án. Bộ ca cần phủ yêu cầu, nhóm dữ liệu và tình huống lỗi quan trọng; tác vụ có đầu ra biến động có thể cần chạy lặp lại. Người nghiệp vụ và kỹ thuật thống nhất phạm vi, mức lặp và cách xử lý kết quả không ổn định trước khi đánh giá.
Nghiệm thu xong có cần kiểm lại khi thay model hoặc nguồn dữ liệu?
Cần đánh giá phần bị ảnh hưởng. Thay model, prompt, công cụ, quyền hoặc nguồn có thể làm thay đổi hành vi. Giữ bộ ca quan trọng để kiểm lại trên phiên bản mới; kết quả cũ chỉ phản ánh phiên bản và điều kiện đã thử.
