Chúng ta quay lại lời hứa đưa ra trong Phần 1: AI không ảo giác.

Chi Phí Của Ảo Giác

Khi một AI thông dụng đôi khi bịa ra điều gì đó có vẻ hợp lý, nó thường kết thúc như một vấn đề về độ tin cậy. Hỏi lại, hoặc để một người xác minh. Nhưng khi AI hỗ trợ vận hành bệnh viện bịa ra theo cách tương tự, hậu quả khác đi.

Đánh dấu thiết bị đang được sử dụng là có sẵn, và hai bệnh nhân được giao cho cùng một nguồn lực. Báo cáo tồn kho không tồn tại, và sự thiếu vật tư tiêu hao được phát hiện vào buổi sáng ngày phẫu thuật. Trình bày lịch sai như là sự thật, và lỗi lan ra cả ngày. Nơi mà một người đáng lẽ phải kiểm tra lại, AI đoán mò lại tiếp tục. Kết quả là sự cố hay tổn thất. Bệnh viện là nơi ngay cả một ảo giác duy nhất cũng không thể được hấp thụ. “Hầu hết là đúng” có thể đủ trong các ngành khác. Trong bệnh viện thì không.

Câu Trả Lời Sai — Mô Hình Thông Minh Hơn

Giải pháp phổ biến của ngành là làm cho các mô hình lớn hơn và thông minh hơn. Nhiều dữ liệu hơn, mô hình lớn hơn, thanh chắn an toàn dày hơn. Điều này không phải là vô nghĩa.

Nhưng giới hạn của nó rõ ràng. Dù mô hình trở nên thông minh đến đâu, sự thật cơ bản — rằng nó vẫn sẽ đoán khi không biết — không thay đổi. Làm cho mô hình lớn hơn làm giảm xác suất đoán sai. Nó không loại bỏ việc đoán. Và điều quan trọng trong bệnh viện không phải là mức trung bình, mà là khoảnh khắc nguy hiểm nhất duy nhất. Mô hình có thể đúng chín mươi chín lần trong một trăm — nhưng nếu ảo giác duy nhất đó gây ra sự cố, bệnh viện không còn tin tưởng AI nữa. Điều bệnh viện cần không phải là AI “hầu hết là đúng,” mà là AI không bịa ra khi không biết.

Câu Trả Lời Của Chúng Tôi — Xóa Bỏ Những Chỗ Trống

Câu trả lời của Keynoty khác. Thay vì làm cho các mô hình thông minh hơn, chúng tôi xóa bỏ những chỗ trống mà AI cần đoán.

Những ai đã đọc đến đây đã biết cách làm thế nào. Ở Chương 1, mọi thứ được phân chia chính xác. Ở Chương 2, dữ liệu được kết nối liên tục từ hồ sơ đến kiến thức. Ở Chương 3, nhiều góc nhìn được xếp lớp lên cùng một sự thật mà không có sự không đồng nhất. Ở Chương 4, phân loại đa chiều làm cho ngay cả những thứ chưa quen cũng có thể nhận ra. Ở Chương 5, mọi thứ được kết nối qua các quan hệ.

Trong một bệnh viện được phân chia và kết nối như vậy, không có khoảng trống nào để AI lấp đầy. Thay vì đoán, AI chỉ đơn giản là lấy ra những gì đã được đặt vào đúng chỗ. Con đường làm cho mô hình thông minh đoán tốt, và con đường xây dựng môi trường nơi việc đoán là không cần thiết — chúng tôi chọn con đường thứ hai. Đây là lý do chúng tôi luôn xây dựng cấu trúc trước mô hình. Khi ontology chính xác, AI phía trên nó an toàn ngay cả khi không tài giỏi. Khi ontology có lỗ hổng, ngay cả AI tài giỏi nhất cũng nguy hiểm.

Nó Không Thay Thế Con Người

Có một hiểu lầm đáng đề cập. AI không đoán có đẩy con người ra ngoài không? Hoàn toàn ngược lại.

Khi ontology đảm nhận công việc lặp đi lặp lại của bệnh viện — kiểm tra, đối chiếu, theo dõi, lấp đầy những gì bị bỏ sót — con người trở lại với công việc chỉ con người mới làm được. Bác sĩ gặp bệnh nhân. Tư vấn viên đọc cảm xúc con người. Người vận hành tập trung vào phán đoán tốt hơn. Tại mọi quyết định quan trọng, luôn có một người. AI giúp người đó đưa ra quyết định trên nền tảng chính xác hơn. Điều chúng tôi loại bỏ không phải là vị trí của con người, mà là những chỗ trống mà con người phải dựa vào đoán mò.

Ontology Được Xây Dựng Từ Thực Tế, Không Phải Bàn Giấy

Và có thêm một điều nữa. Ontology này không được thiết kế tại bàn giấy.

Trong tám năm qua, chúng tôi đã xây dựng cấu trúc này trong khi trực tiếp chịu trách nhiệm vận hành bệnh viện. Chúng tôi vận hành các bệnh viện mà chúng tôi hỗ trợ mỗi ngày bằng hệ điều hành mà chúng tôi đã xây dựng. Khi phân loại bị hỏng trên thực tế, nó hiện ra ngay trong ngày đó. Một kết nối còn thiếu ngay lập tức trở thành vấn đề. Chúng tôi kiểm tra độ bền của ontology với kết quả vận hành của mỗi ngày, và lại tinh chỉnh nó.

Phân loại bắt đầu trong lý thuyết được xác nhận trên thực tế, và các vấn đề trên thực tế làm cho phân loại sắc sảo hơn. Vì chúng tôi không dừng chu kỳ này trong tám năm, ontology của chúng tôi đã trở thành không phải một sơ đồ trong bài báo mà là một cấu trúc sống thực sự vận hành bệnh viện. Và cấu trúc được tinh chỉnh như vậy, chúng tôi đang chuyển sang các bệnh viện trên cả nước — và vượt ra ngoài biên giới. Bệnh viện thay đổi; nền tảng thì không. Nguyên tắc — phân chia chính xác, sau đó kết nối chính xác — hoạt động theo cách giống nhau ở mỗi bệnh viện.

Ontology Không Phải Là Kết Thúc. Đó Là Sự Bắt Đầu.

Một bệnh viện được phân chia và kết nối chính xác không phải là mục đích tự thân. Đó là điều làm cho thứ gì đó lớn hơn nhiều trở nên khả thi.

Khi không có chỗ trống để đoán, AI có thể tự tin đảm nhận thêm công việc. Các vận hành lặp đi lặp lại chạy tự động từng cái một, và con người dần chuyển sang các vai trò quan trọng hơn. “Tự lái bệnh viện” — lời hứa đưa ra ở cuối Phần 1 — chỉ có thể thực hiện được trên nền tảng này. Cũng như xe tự lái không thể di chuyển dù chỉ một inch thiếu bản đồ và cảm biến chính xác, vận hành bệnh viện tự động không bắt đầu thiếu ontology chính xác.

Đây là lý do tại sao đối với chúng tôi, ontology không phải là một tính năng. Đó là điểm xuất phát của mọi thứ. Mọi màn hình chúng tôi xây dựng, mọi tự động hóa, mọi AI đứng trên nền tảng này. Khi nền tảng chính xác, mọi thứ phía trên nó chính xác. Khi nền tảng lung lay, mọi thứ phía trên nó lung lay. Đây là lý do chúng tôi dành tám năm để xây dựng từ lớp sâu nhất trước.

Hiểu Là Phân Chia

Keynoty là một công ty AI. Nó cũng là một công ty CRM. Nó cũng là một công ty giải pháp. Chúng tôi làm tất cả những điều này. Nhưng không có điều nào trong số đó mô tả đầy đủ chúng tôi.

Trong một câu: Keynoty là công ty tổ chức dữ liệu bệnh viện thông qua ontology, để AI và con người có thể làm việc an toàn cùng nhau. Và chúng tôi chỉ tập trung vào chăm sóc sức khỏe. Chúng tôi không mở rộng sang các ngành khác. Chúng tôi dành toàn bộ thời gian của mình cho một thế giới duy nhất gọi là bệnh viện.

Hiểu là phân chia. Chúng tôi xây dựng kỷ nguyên tiếp theo của bệnh viện trên một câu đó.