Human-in-the-Loop là gì?
Human-in-the-Loop (HITL, “con người trong vòng lặp”) là cách thiết kế hệ thống AI trong đó AI được phép phân tích, đề xuất hoặc soạn nháp, nhưng một người có thẩm quyền phải xem và quyết định trước khi hành động có hiệu lực. Nói ngắn gọn: AI chuẩn bị, con người quyết định.
Thuật ngữ này được dùng phổ biến trong bộ Hướng dẫn đạo đức về AI đáng tin cậy do Nhóm chuyên gia cấp cao về AI của Ủy ban châu Âu công bố năm 2019. Tài liệu này nêu ba cách bảo đảm giám sát của con người: human-in-the-loop, human-on-the-loop và human-in-command.
Trong học máy, HITL còn có nghĩa hẹp hơn: con người gán nhãn dữ liệu, chấm kết quả để huấn luyện lại mô hình. Bài viết này dùng nghĩa rộng, phổ biến trong vận hành doanh nghiệp: điểm duyệt của con người trong một quy trình mà AI Agent hoặc hệ thống tự động đang thực thi.
Một ví dụ dễ hình dung
Ví dụ minh họa: AI Agent đọc email khiếu nại của khách, tra lịch sử đơn hàng và soạn sẵn thư phản hồi kèm đề xuất hoàn tiền. Thư chỉ được gửi và khoản hoàn tiền chỉ được tạo khi nhân viên chăm sóc khách hàng bấm duyệt. Nếu nhân viên sửa nội dung hoặc từ chối, hệ thống ghi lại lý do.
Điều HITL không phải
- Không phải việc con người làm lại toàn bộ công việc của AI: người duyệt xem kết quả đã được chuẩn bị sẵn.
- Không phải một nút “Đồng ý” bấm cho có: người duyệt phải thấy đủ thông tin và có quyền dừng.
- Không bắt buộc áp dụng cho mọi bước: chỉ đặt ở những điểm mà sai sót gây hậu quả đáng kể.
HITL, HOTL và tự động hóa hoàn toàn khác nhau thế nào
Ba mức độ tham gia của con người khác nhau ở một câu hỏi: hệ thống có được tự hành động trước khi có người xem không. Với HITL, câu trả lời là không. Với human-on-the-loop (HOTL), hệ thống tự hành động trong giới hạn đã đặt, còn con người giám sát qua bảng theo dõi, cảnh báo và can thiệp khi có bất thường. Với tự động hóa hoàn toàn, con người chủ yếu thiết kế quy tắc từ đầu và rà soát định kỳ sau đó.
Không có mức nào “tốt hơn” trong mọi trường hợp. Cùng một hệ thống có thể dùng cả ba mức cho các loại hành động khác nhau. Bảng dưới đây giúp chọn mức phù hợp cho từng hành động, không phải cho cả hệ thống.
| Mức | Con người làm gì | Ưu điểm | Hạn chế | Phù hợp khi | Ví dụ minh họa |
|---|---|---|---|---|---|
| Human-in-the-Loop (HITL) | Duyệt, sửa hoặc từ chối trước khi hành động có hiệu lực | Kiểm soát cao nhất, quy trách nhiệm rõ | Chậm hơn, tốn thời gian người duyệt, dễ thành duyệt hình thức nếu khối lượng lớn | Hành động khó hoàn tác, ảnh hưởng quyền lợi của người khác, hoặc pháp luật yêu cầu | Gửi thông báo kết quả đánh giá học sinh cho phụ huynh |
| Human-on-the-Loop (HOTL) | Giám sát khi hệ thống chạy, nhận cảnh báo, có thể tạm dừng hoặc đảo ngược | Nhanh, mở rộng được, vẫn có người chịu trách nhiệm | Sai sót có thể lan ra nhiều mục trước khi được phát hiện | Rủi ro trung bình, dễ hoàn tác, có nhật ký và cảnh báo tốt | Phân loại và gắn nhãn phiếu hỗ trợ khách hàng |
| Tự động hóa hoàn toàn | Đặt quy tắc ban đầu, kiểm tra mẫu định kỳ, xử lý sự cố | Tốc độ và quy mô cao nhất | Ít cơ hội phát hiện lỗi kịp thời | Rủi ro thấp, khối lượng lớn, hoàn tác dễ dàng | Lọc thư rác, chuẩn hóa định dạng dữ liệu |
Khi nào HITL là bắt buộc theo pháp luật Việt Nam
Luật Trí tuệ nhân tạo số 134/2025/QH15 có hiệu lực từ 01/3/2026 (Điều 34). Khoản 2 Điều 4 đặt nguyên tắc nền tảng: trí tuệ nhân tạo phục vụ con người, không thay thế thẩm quyền và trách nhiệm của con người, và phải bảo đảm duy trì sự kiểm soát và khả năng can thiệp của con người đối với mọi quyết định và hành vi của hệ thống. Khoản 4 Điều 7 còn cấm hành vi cản trở, vô hiệu hóa hoặc làm sai lệch cơ chế giám sát, can thiệp và kiểm soát của con người.
Luật không dùng từ “human-in-the-loop” và không yêu cầu duyệt từng kết quả của mọi hệ thống. Điều luật yêu cầu là khả năng kiểm soát và can thiệp thực chất. Mức độ cụ thể phụ thuộc vào phân loại rủi ro theo Điều 9. Tổng quan về luật có trong bài Luật Trí tuệ nhân tạo 2025.
Hệ thống AI rủi ro cao
Với hệ thống rủi ro cao, nghĩa vụ trở nên cụ thể. Điểm d khoản 1 Điều 14 yêu cầu nhà cung cấp thiết kế hệ thống bảo đảm khả năng giám sát và can thiệp của con người. Điểm b khoản 2 Điều 14 yêu cầu bên triển khai bảo đảm khả năng can thiệp của con người trong quá trình sử dụng. Điểm c khoản 1 Điều 14 yêu cầu lưu hồ sơ kỹ thuật và nhật ký hoạt động ở mức cần thiết cho đánh giá sự phù hợp và kiểm tra sau triển khai.
Quyết định 33/2026/QĐ-TTg (ký 30/6/2026, hiệu lực 15/8/2026) ban hành Danh mục hệ thống AI rủi ro cao. Theo thông tin công bố về Quyết định (Báo Pháp Luật Việt Nam), danh mục gồm 46 hệ thống trong 6 lĩnh vực: giáo dục; dân tộc và tôn giáo; y tế; ngân hàng; tố tụng; giao thông vận tải. Khoản 2 Điều 1 của Quyết định nhắc lại rằng việc dùng AI không làm thay đổi, chuyển giao hoặc loại trừ thẩm quyền, trách nhiệm của người có thẩm quyền, và phải bảo đảm sự giám sát, kiểm soát và khả năng can thiệp của con người trong quá trình vận hành.
- Giáo dục: AI cung cấp nội dung tự học theo chương trình có dùng nguồn dữ liệu không kiểm soát; AI tự động kiểm tra, đánh giá kết quả, xếp hạng người học; AI giám sát, phân tích hành vi người học.
- Ngân hàng: AI tự động thực hiện giao dịch điện tử; AI tự động quyết định cấp tín dụng.
- Y tế: hệ thống AI hỗ trợ phẫu thuật, rô-bốt phẫu thuật.
Lộ trình và lĩnh vực nhạy cảm
Hệ thống trong danh mục đã hoạt động trước 15/8/2026 phải hoàn thành nghĩa vụ tuân thủ trước 01/9/2027 với lĩnh vực y tế, giáo dục, tài chính và trước 01/3/2027 với các lĩnh vực còn lại. Điều 35 của Luật cũng cho hệ thống đã hoạt động trước 01/3/2026 thời hạn chuyển tiếp 18 tháng (y tế, giáo dục, tài chính) hoặc 12 tháng (lĩnh vực khác).
Ngoài danh mục, Điều 6 yêu cầu quản lý rủi ro chặt chẽ hơn trong các lĩnh vực thiết yếu; với giáo dục là phòng ngừa rủi ro trong đánh giá, phân loại và tác động đến người học. Với cơ quan nhà nước, khoản 2 Điều 27 nêu rõ hệ thống AI không thay thế thẩm quyền và trách nhiệm quyết định của người ra quyết định.
Cách quyết định đặt điểm duyệt ở đâu
Pháp luật đặt mức sàn. Trong phạm vi đó, doanh nghiệp vẫn cần quyết định cụ thể bước nào cần người duyệt. Cách làm thực tế là liệt kê mọi hành động mà AI có thể thực hiện, rồi chấm từng hành động theo bốn câu hỏi dưới đây. Chỉ cần một câu trả lời “có” ở ba câu đầu là nên đặt HITL cho hành động đó.
- Hành động có khó hoặc không thể hoàn tác không (gửi ra ngoài, chuyển tiền, xóa dữ liệu, công bố)?
- Kết quả có ảnh hưởng trực tiếp đến quyền, lợi ích, cơ hội của một người cụ thể không (học sinh, khách hàng, ứng viên, người vay)?
- Hành động có thuộc danh mục rủi ro cao hoặc lĩnh vực thiết yếu không?
- Nếu sai sót không bị phát hiện trong một tuần, hậu quả có chấp nhận được không? Nếu không, ít nhất cần HOTL với cảnh báo.
Khối lượng quyết định cơ chế duyệt
Khi đã cần con người tham gia, khối lượng quyết định cách tham gia. Khối lượng thấp: duyệt từng mục. Khối lượng vừa: duyệt mọi ngoại lệ và một tỷ lệ mẫu. Khối lượng cao mà rủi ro cho phép: chuyển sang HOTL, chỉ duyệt ngoại lệ và soát mẫu định kỳ. Ngưỡng chuyển đổi cần được ghi thành văn bản và rà soát khi khối lượng hoặc chất lượng thay đổi.
Khung NIST AI RMF không áp đặt một mô hình giám sát duy nhất mà đặt việc phân vai, đo lường và quản lý rủi ro vào bốn chức năng Govern, Map, Measure, Manage. Cách tiếp cận theo từng loại hành động như trên phù hợp với tinh thần đó.
Thiết kế hàng đợi phê duyệt hiệu quả
Điểm duyệt chỉ có giá trị khi người duyệt thấy được điều mình duyệt, hiểu hệ quả và có quyền dừng lại. Điều 14 Đạo luật AI của EU nêu rõ người giám sát phải hiểu năng lực và giới hạn của hệ thống, nhận thức được xu hướng tin quá mức vào kết quả tự động (automation bias), và có thể bỏ qua, ghi đè hoặc dừng hệ thống. Dù đó là luật của EU, các yêu cầu này là danh sách kiểm tra tốt cho mọi hàng đợi phê duyệt.
Mỗi mục trong hàng đợi cần hiển thị gì
- Yêu cầu gốc và dữ liệu đầu vào mà AI đã dùng, kèm nguồn.
- Bản nháp hoặc hành động đề xuất, và phần khác biệt so với trạng thái hiện tại.
- Lý do hoặc căn cứ mà hệ thống đưa ra, cùng các điểm hệ thống không chắc chắn.
- Hệ quả nếu duyệt (ai nhận, số tiền, dữ liệu nào thay đổi) và khả năng hoàn tác.
- Ba lựa chọn rõ ràng: duyệt, sửa rồi duyệt, từ chối kèm lý do.
Đường từ chối và thời hạn
Đường từ chối quyết định chất lượng lâu dài. Mục bị từ chối phải quay về một hàng đợi có người phụ trách, lý do từ chối được ghi dưới dạng có cấu trúc để đội ngũ rà soát khi cập nhật chỉ dẫn cho AI. Mỗi hàng đợi cũng cần thời hạn xử lý và người dự phòng: nếu quá hạn mà chưa ai duyệt, mục đó được chuyển lên cấp trên chứ không tự động được duyệt.
Chống duyệt hình thức
- Không để một người duyệt quá nhiều mục liên tục; chia ca hoặc giới hạn số mục.
- Thỉnh thoảng chèn mục kiểm tra đã biết đáp án để đo độ tập trung của người duyệt.
- Theo dõi tỷ lệ duyệt và thời gian duyệt; tỷ lệ gần 100% với thời gian vài giây là tín hiệu cần xem lại.
- Tách quyền: người cấu hình AI không tự duyệt kết quả của chính cấu hình đó ở các hành động rủi ro cao.
Ghi nhật ký: ai đã quyết, khi nào, dựa trên gì
Mỗi quyết định trong hàng đợi cần để lại bản ghi: yêu cầu, bản nháp của AI, các thay đổi, người duyệt, thời điểm và lý do. Bản ghi này phục vụ ba việc: truy vết khi có sự cố, cải thiện chỉ dẫn cho AI, và đáp ứng nghĩa vụ lưu nhật ký hoạt động với hệ thống rủi ro cao theo điểm c khoản 1 Điều 14. Khoản 3 Điều 28 của Luật cũng yêu cầu tổ chức, cá nhân cung cấp hồ sơ kỹ thuật, nhật ký lưu vết khi thanh tra, kiểm tra.
Nhật ký nên được lưu ở nơi người duyệt và người vận hành AI không thể sửa, có phân quyền truy cập và thời hạn lưu rõ ràng. Cách thiết kế phân quyền và nhật ký cho AI Agent được trình bày chi tiết trong bài phân quyền và nhật ký kiểm toán cho AI Agent.
Lộ trình triển khai HITL cho doanh nghiệp
Các đội ngũ thường bắt đầu với HITL chặt cho hệ thống mới, rồi nới dần sang HOTL cho những loại hành động đã có đủ dữ liệu chứng minh chất lượng ổn định. Hướng ngược lại, tự động hóa hết rồi mới thêm điểm duyệt sau sự cố, thường tốn kém hơn.
- Lập danh sách hành động mà AI có thể thực hiện và phân loại rủi ro theo Điều 9; đối chiếu với Danh mục rủi ro cao.
- Chọn mức HITL, HOTL hay tự động cho từng loại hành động; ghi rõ người có thẩm quyền duyệt.
- Thiết kế hàng đợi với đủ thông tin, đường từ chối, thời hạn và người dự phòng.
- Bật nhật ký không sửa được trước khi chạy thật.
- Đo tỷ lệ sửa, tỷ lệ từ chối và thời gian duyệt hằng tháng; chỉ nới mức kiểm soát khi số liệu cho phép.
- Rà soát lại khi quy trình, mô hình AI hoặc quy định thay đổi.
Câu hỏi thường gặp
Human-in-the-Loop là gì?
Human-in-the-Loop là cách thiết kế hệ thống AI trong đó AI phân tích và đề xuất, còn một người có thẩm quyền phải duyệt, sửa hoặc từ chối trước khi hành động có hiệu lực. Nói ngắn gọn: AI chuẩn bị, con người quyết định, và mọi quyết định được ghi lại.
Human-in-the-Loop và Human-on-the-Loop khác nhau thế nào?
HITL yêu cầu người duyệt trước khi hành động. HOTL cho hệ thống tự hành động trong giới hạn đã đặt, con người giám sát qua cảnh báo và có thể tạm dừng hoặc đảo ngược khi có bất thường.
Luật AI Việt Nam có bắt buộc con người duyệt mọi kết quả của AI không?
Không. Khoản 2 Điều 4 Luật 134/2025/QH15 yêu cầu duy trì sự kiểm soát và khả năng can thiệp của con người; với hệ thống rủi ro cao, Điều 14 yêu cầu thiết kế và vận hành bảo đảm khả năng giám sát, can thiệp của con người. Mức độ cụ thể phụ thuộc vào rủi ro của từng hệ thống.
Hệ thống AI trong giáo dục nào thuộc nhóm rủi ro cao?
Theo Quyết định 33/2026/QĐ-TTg, gồm AI cung cấp nội dung tự học có dùng nguồn dữ liệu không kiểm soát, AI tự động kiểm tra, đánh giá, xếp hạng người học và AI giám sát, phân tích hành vi người học. Hãy đọc nguyên văn phụ lục trước khi tự phân loại.
Làm sao tránh việc người duyệt AI chỉ bấm đồng ý cho có?
Hiển thị đủ căn cứ và hệ quả, giới hạn số mục mỗi người duyệt liên tục, chèn mục kiểm tra, theo dõi tỷ lệ và thời gian duyệt, và tách quyền giữa người cấu hình AI với người duyệt.