Mẫu nhỏ che giấu vấn đề về độ phủ và độ ổn định
Phiên bản phân loại VSIC trước đó có vẻ hoạt động khi kiểm tra trên mẫu nhỏ. Khi mở rộng dữ liệu để phủ nhiều ngành nghề, nhiều mã không có gói thầu nào được phân loại vào.
Phương pháp kiểm tra thủ công chưa đánh giá đủ độ phủ, độ chính xác từng lượt gán mã, mã bị bỏ thiếu và độ ổn định của từng mã ngành.
Đánh giá nhiều lớp thay vì nhìn một tỷ lệ tổng
Tôi nghiên cứu nguồn mô tả chính thức của CPV và VSIC, làm rõ phạm vi mã và quan hệ cha–con để giải thích vì sao một kết quả đúng hoặc sai. Quy trình theo dõi đồng thời lượt gán mã, độ đúng toàn bộ gói, mã thừa, mã thiếu, độ phủ và độ chính xác theo lĩnh vực.
Tôi cũng xây bảng mapping VSIC 2018–2025, thiết kế cách hiển thị nhiều mã và phân tích ảnh hưởng tới bộ lọc, trang chi tiết và hệ thống SEO.
Tôi chịu trách nhiệm tiêu chí, quy trình và phương án đưa dữ liệu vào sản phẩm
Tôi trực tiếp
- Xác định lại phạm vi, mục tiêu và tiêu chí nghiệm thu.
- Xây quy trình AI Agent kiểm tra và phản biện kết quả.
- Thiết kế KPI chất lượng, mapping VSIC và logic chuyển đổi.
- Viết yêu cầu nghiệp vụ, wireframe, phạm vi ảnh hưởng và phương án phát hành.
Đội ngũ phối hợp
Đội AI thuê ngoài tạo kết quả theo từng đợt; kỹ thuật xây công cụ chuyển đổi; tester kiểm thử đầy đủ; SEO triển khai cấu trúc trang và nội dung. Tôi thực hiện fast-check và điều phối nghiệp vụ.
Các ca khó giúp nhìn thấy chất lượng thật
Dữ liệu, mapping và yêu cầu triển khai đã sẵn sàng nhưng CPV và VSIC 2025 chưa được đưa lên DauThau.info hoặc hệ thống SEO vì kết quả AI vẫn đang tiếp tục cải thiện.
Một KPI không đủ phản ánh chất lượng dữ liệu
- Mẫu phải đủ rộng và chủ động chứa ca khó.
- Nguồn phân loại chính thức phải là nền tảng của quy tắc đánh giá.
- AI giảm thời gian kiểm tra nhưng con người vẫn cần phát hiện kiểu lỗi mới.
- Cần theo dõi đồng thời độ phủ, từng mã, từng lĩnh vực và toàn bộ tổ hợp mã của một gói.