Nền kinh tế thông tin vận hành bởi các tác nhân AI

By Forex Uy tín On Th11 8, 2026

Khi các tác nhân AI dần thay thế con người trong việc tiếp nhận thông tin và tự động ra quyết định giao dịch, mọi sai lệch dữ liệu sẽ lập tức biến thành hành động thực tế với hậu quả sâu rộng. Chuyên gia Shuwei Fang tại Đại học Harvard nhận định việc nâng cấp mô hình hay đưa con người quay lại giám sát là chưa đủ để kiểm soát rủi ro trong kỷ nguyên kinh tế mới.

Khi máy móc thay con người ra quyết định

Bản chất của thông tin đang trải qua một cuộc chuyển dịch mang tính bước ngoặt. Từ chỗ chỉ là dữ liệu để con người tiếp nhận và tham khảo, thông tin hiện dần trở thành cơ sở để máy móc trực tiếp thực thi hành động. Sự thay đổi này đồng nghĩa những sai sót thông tin sẽ không còn dừng lại ở các hiểu lầm trên không gian mạng mà lập tức biến thành quyết định thực tế với hệ lụy khôn lường. Trước những rủi ro đó, toàn bộ hệ thống kinh tế cần được trang bị các cơ chế phòng vệ tự thân. Những giải pháp đơn lẻ như làm sạch dữ liệu đầu vào hay đưa con người quay lại quy trình giám sát đều không còn đủ sức giải quyết bài toán này.

Kể từ khi mạng internet dành cho người tiêu dùng ra đời, con người luôn đóng vai trò là khâu trung gian tách biệt giữa việc tiếp nhận thông tin và hành động thực thi. Người tiêu dùng luôn so sánh giá cả và chất lượng trước khi bấm nút mua hàng. Tương tự, một giám đốc thu mua sẽ cân nhắc kỹ lưỡng các hồ sơ chào thầu rồi mới đưa ra lựa chọn cuối cùng. Toàn bộ mạng lưới internet vốn được thiết kế như một hệ thống cung cấp thông tin phục vụ cho quá trình ra quyết định của con người. Do đó, mọi khía cạnh của nó, từ các mô hình kinh doanh phổ biến, cơ chế kiểm soát chất lượng, cho đến các phương án xử lý khi có sự cố đều mặc định rằng ở cuối chuỗi quy trình luôn có một con người đứng ra đánh giá và đưa ra quyết định cuối cùng.

Thế nhưng, mắt xích con người đó đang dần bị loại bỏ khỏi quy trình. Các tác nhân AI hiện đã có thể tự động sàng lọc hồ sơ ứng viên xin việc và thực hiện giao dịch mua sắm trong hạn mức ngân sách định sẵn. Trong lĩnh vực phần mềm, các “nhà máy không người” (dark factories) có thể tự viết và triển khai mã nguồn mà gần như không cần đến sự kiểm duyệt của con người. Nhóm chuyên gia kinh tế tại Microsoft Research thậm chí đã phác thảo một bức tranh toàn diện hơn về nền kinh tế tự hành này. Trong đó, mỗi người tiêu dùng sẽ có một tác nhân AI đại diện mua sắm và mỗi doanh nghiệp cũng vận hành thông qua một tác nhân dịch vụ tương ứng. Sự kết hợp này tạo nên một chuỗi vận hành tự động khép kín thay vì chỉ là những công cụ hỗ trợ rời rạc. Chẳng hạn, tác nhân của bạn có thể hỏi tác nhân của nhà cung cấp về giá cả hàng hóa, tác nhân phía nhà cung cấp sau đó sẽ kiểm tra với một tác nhân logistics, vốn đang hoạt động dựa trên các dự báo mà chưa từng có con người nào đọc qua. Kết quả đầu ra của tác nhân này trở thành dữ liệu đầu vào cho tác nhân kế tiếp.

Dù nền kinh tế này vẫn chưa hình thành nhưng các mảnh ghép cấu thành nên nó thì đã tồn tài. Khi các mảnh ghép này được kết nối lại với nhau, thông tin không chỉ còn là thứ hệ thống cung cấp mà sẽ trở thành nền tảng vận hành cho chính hệ thống đó. Những gì hệ thống này thực hiện sẽ là các hoạt động vốn trước đây do con người đảm nhận: mua sắm, phân tích, vận chuyển, ra quyết định. Bất kể các tác nhân AI thực hiện nghiệp vụ gì, hiệu quả của một hệ thống vắng bóng con người sẽ phụ thuộc tuyệt đối vào chất lượng dữ liệu đầu vào. Câu châm ngôn cũ “đầu vào rác thì đầu ra rác” (garbage in, garbage out) đang trở nên đúng đắn hơn bao giờ hết.

Tuy nhiên, việc chỉ nhìn nhận vấn đề ở góc độ chất lượng dữ liệu đầu vào là một sự thiếu sót nguy hiểm. Nó biến bài toán thành việc làm sao có đầu vào sạch hơn hoặc dữ liệu tốt hơn, trong khi thực tế là các tác tử hoạt động độc lập trong một nền kinh tế rộng lớn lại cần một thứ lớn lao hơn nhiều: một hệ sinh thái thông tin có khả năng tự vấn về chính các đầu vào của mình, truyền tải các bản sửa lỗi ngược lại đến nơi cần thiết và hướng tới sự chính xác nhất quán thay vì chỉ chính xác về mặt trung bình.

Nguồn: CNN

Lỗ hổng trong cơ chế tự sửa lỗi hiện nay

Thế giới hiện đã sở hữu các cấu phần của hệ thống kinh tế tự hành nhưng lại thiếu vắng hoàn toàn cơ chế phản xạ tự sửa lỗi. Để thấy rõ những điều thiếu sót này, cần nhìn vào các nguồn dữ liệu mà một tác nhân AI có thể khai thác hiện nay. Nguồn thứ nhất là không gian web mở vốn được viết cho con người đọc. Nguồn thứ hai là luồng dữ liệu nội bộ doanh nghiệp bao gồm sổ cái kế toán, hợp đồng và hồ sơ nghiệp vụ vốn chỉ cho phép truy cập nội bộ. Nguồn thứ ba là hệ thống đăng ký của cơ quan nhà nước và hồ sơ tòa án. Dù mang tính pháp lý chính thống và công khai, nguồn dữ liệu công này lại hiếm khi được chuẩn hóa ở định dạng máy tính có thể đọc hiểu trực tiếp. Nguồn cuối cùng là dữ liệu ngữ cảnh cá nhân do chính người dùng cung cấp cho tác nhân AI mà nó đang đại diện. Mỗi nguồn dữ liệu trên đều áp dụng quy tắc truy cập riêng biệt. Hơn nữa, các dấu hiệu nhận biết độ tin cậy ở những nguồn này đều được thiết kế cho mắt người đánh giá và sẽ mất tác dụng ngay sau khi máy móc trích xuất thông tin đi nơi khác. Đáng chú ý, những kho dữ liệu giá trị nhất lại thuộc quyền sở hữu riêng của các doanh nghiệp và cá nhân nên không một hệ thống nào được phép tự do thu thập.

Bên cạnh đó, các nguồn dữ liệu hiện tại không có khả năng tự động cập nhật dây chuyền một khi thông tin đã chuyển giao từ tác nhân AI này sang tác nhân AI khác. Hãy hình dung kịch bản một lô sữa bột trẻ em bị phát hiện nhiễm khuẩn và có lệnh thu hồi vào chiều thứ Ba. Ngay trước thời điểm thông báo thu hồi được đăng tải, tác nhân AI phụ trách kho hàng đã kịp đặt xong đơn hàng mới và tác nhân hậu cần cũng đã lên lịch trình vận chuyển các kiện hàng. Kết quả là đến sáng thứ Tư, những hộp sữa nhiễm khuẩn vẫn được bày lên kệ siêu thị. Xét về mặt kỹ thuật, từng tác nhân AI đều đã thực thi hoàn toàn chính xác dựa trên dữ liệu tại thời điểm nó tiếp nhận và không có mắt xích nào làm sai quy trình.

Vấn đề cốt lõi nằm ở chỗ một thông báo thu hồi sản phẩm được thiết kế cho con người đọc không thể theo kịp tốc độ và quy mô xử lý của hệ thống tự động hóa. Ở thời điểm hiện tại, những sự cố kiểu này vẫn còn trong tầm kiểm soát nhờ phần lớn tác vụ của AI còn đơn giản và khép kín. Điển hình như việc một tác nhân thanh toán chỉ mua hàng trong hạn mức cố định dưới sự giám sát của con người ở cả hai đầu giao dịch. Thế nhưng, rủi ro sẽ phình to theo cấp số nhân khi các nghiệp vụ trở nên phức tạp và đi qua nhiều tầng lớp trung gian hơn.

Nền kinh tế tự hành còn phải đối mặt với một bài toán thứ hai mang tính cố hữu hơn. Thông tin do con người tạo ra vốn dùng để diễn giải và suy ngẫm trong khi thông tin đưa vào máy móc là để thực thi ngay lập tức. Một đoạn giới thiệu sách được viết để bán hàng, một báo cáo doanh nghiệp được viết để trấn an, lời hứa của một chính trị gia được viết để nhận tràng pháo tay, người đọc luôn tự biết cách “trừ hao” độ tin cậy và hiếm khi hành động mù quáng theo từng câu chữ. Khả năng sàng lọc và trừ hao đó chính là một cơ chế tự sửa lỗi tự nhiên được phân tán liên tục qua hàng triệu bộ óc con người mà không tốn chi phí vận hành. Dù cơ chế sàng lọc của con người đôi khi vẫn thất bại và gây hậu quả lớn, mọi sai lầm đó vẫn diễn ra trong giới hạn tốc độ và quy mô của con người. Chính vì năng lực tự sàng lọc này vốn miễn phí và sẵn có nên chưa từng ai coi đó là một loại cơ sở hạ tầng thiết yếu để tính toán chi phí xây dựng hệ thống thay thế.

Việc đưa con người quay lại quy trình giám sát cũng không giải quyết được tận gốc vấn đề. Bản thân dữ liệu đầu vào trước nay chưa bao giờ tự đảm bảo tính hoàn chỉnh vì nó mới chỉ là một nửa của hệ thống, trong khi nửa còn lại chính là khả năng phán đoán của con người. Nếu phần đó đang dần biến mất, thì năng lực hoài nghi và sửa sai phải được thiết kế tích hợp vào bất cứ thứ gì thay thế nó.

Ngoài ra, nâng cấp các mô hình AI thông minh hơn cũng không phải là giải pháp. Khi một thông tin đính chính không thể tìm đến đúng nơi cần cập nhật, đó là sự đứt gãy của hệ thống đường dẫn truyền dữ liệu chứ không phải lỗi nhận thức của thuật toán. Trước đây, quá trình sàng lọc thông tin được thực hiện bởi hàng triệu độc giả với góc nhìn và lợi ích khác nhau nên các sai số có xu hướng tự triệt tiêu. Ngược lại, hàng loạt tác nhân AI hiện nay chỉ vận hành dựa trên một vài mô hình nền tảng giống hệt nhau. Dù năng lực phán đoán trung bình của mô hình có cao hơn con người nhưng việc áp dụng cùng một khuôn mẫu nhận định ở mọi nơi sẽ khiến các sai số mang tính đồng pha, tương quan cùng chiều và tích tụ thành rủi ro lớn hơn thay vì tự triệt tiêu lẫn nhau. Trí thông minh của mô hình chỉ quyết định khả năng suy luận chứ không đảm bảo chất lượng nguồn dữ liệu đầu vào. Khi các mô hình ngày càng thông minh và được trao quyền tự quyết lớn hơn, mức độ khuếch đại rủi ro của toàn hệ thống thực chất lại càng gia tăng.

Cái giá phải trả cho những lỗ hổng này sẽ bộc lộ rõ nhất tại thời điểm khắc phục hậu quả. Các quyết định sai lầm về lý thuyết vẫn có thể được hủy bỏ hoặc đảo ngược. Tuy nhiên, vào lúc con người phát hiện ra sự cố thì thông tin sai lệch đó đã được hàng loạt tác nhân AI khác sử dụng để thực thi vô số giao dịch kế tiếp. Sai lầm lan truyền với tốc độ và quy mô của máy móc, trong khi quy trình đính chính vẫn dậm chân ở tốc độ thủ công. Khi đó, thiệt hại thực tế sẽ không dừng lại ở việc một vài độc giả bị đánh lừa bởi một dòng tiêu đề sai sự thật mà là cả một chuỗi hành động bị thực thi lệch lạc trên diện rộng.

Rủi ro này không chỉ khu trú ở khu vực doanh nghiệp tư nhân hay người tiêu dùng cá nhân. Những thất bại từ quá trình tự động hóa sơ khai trước khi kỷ nguyên tác nhân AI bùng nổ đã mang lại bài học cảnh tỉnh đắt giá. Trong giai đoạn 2016-2019, hệ thống thu hồi nợ tự động Robodebt của Chính phủ Úc đã tính toán sai và gửi thông báo truy thu tiền trợ cấp xã hội tới hàng trăm ngàn người dân dù họ không hề nhận thừa tiền. Tòa án hành chính sau đó đã ra phán quyết bác bỏ kết quả tính toán của hệ thống này trong hơn 400 vụ kiện. Thế nhưng, các phán quyết đó không tạo thành án lệ và cũng không được công bố rộng rãi để cập nhật ngược lại vào hệ thống phần mềm. Hệ quả là cỗ máy tự động của cơ quan phúc lợi vẫn tiếp tục vận hành như cũ và không ngừng phát hành thêm các khoản nợ khống.

Nguồn: Inc.Magazine

Định giá sự chính xác và vai trò của khu vực công

Trước hàng loạt rủi ro hiện hữu, nhiều ý kiến cho rằng con người ngay từ đầu không nên trao quyền tự quyết cho các tác nhân AI. Dù vậy, làn sóng chuyển dịch sang nền kinh tế tự hành vẫn là xu thế không thể đảo ngược dưới sức ép của bài toán hiệu quả thương mại. Câu hỏi thực tế đặt ra lúc này là làm sao để nắm bắt cơ hội và định hình hệ thống mới một cách an toàn. Xét đến quy mô thiệt hại khổng lồ nếu máy móc hành động sai, bản thân các hệ thống AI sẽ cần nguồn dữ liệu chuẩn xác hơn con người gấp nhiều lần. Chúng ta hoàn toàn có thể tận dụng chính cơn khát thông tin chuẩn xác của máy móc làm đòn bẩy để xây dựng thị trường kiểm chứng dữ liệu. Thực tế trong các lĩnh vực đặc thù như dữ liệu tài chính, thử nghiệm lâm sàng hay nghiên cứu pháp lý, người dùng từ lâu đã sẵn sàng chi trả mức phí cao cho độ chính xác vì dữ liệu có thể kiểm chứng và chi phí mua tin vẫn rẻ hơn nhiều so với thiệt hại nếu ra quyết định sai. Ở hầu hết các lĩnh vực thông thường khác, một thông tin “đúng sự thật” và một thông tin chỉ “nghe có vẻ hợp lý” từng được đánh đồng về mặt giá trị thương mại. Tuy nhiên, sự lan rộng của tự động hóa trên toàn bộ nền kinh tế sẽ làm thay đổi hoàn toàn cục diện này.

Có hai động lực chính giúp việc định giá và thương mại hóa nguồn thông tin chất lượng cao trở nên khả thi. Thứ nhất, thông tin vốn trước đây chỉ được con người tiêu thụ như một sản phẩm đầu ra nay đã trở thành đầu vào trung gian cho máy móc xử lý. Những đánh giá tiêu dùng xác thực, lịch sử biến động giá hay thông báo thu hồi sản phẩm không còn là các đoạn văn bản đơn thuần mà trở thành tín hiệu kích hoạt giao dịch tự động. Khi bất kỳ dữ liệu nào trong số đó thay đổi, tín hiệu đính chính cập nhật cũng trở thành một đầu vào mang giá trị kinh tế cao. Giá trị của các dữ liệu đầu vào này hoàn toàn có thể được định lượng dựa trên mức độ đóng góp của chúng vào kết quả, điều này tương ứng với khái niệm “cầu phái sinh”* trong kinh tế học. Khác với bộ não người đọc vốn rất khó kiểm chứng, kết quả đầu ra của một tác nhân AI hoàn toàn có thể được giám sát và đo lường minh bạch.

*Chú thích: Cầu phái sinh (derived demand) là một thuật ngữ trong kinh tế học mô tả nhu cầu về một loại hàng hóa, dịch vụ, nguyên liệu hoặc yếu tố sản xuất phát sinh từ nhu cầu đối với một sản phẩm hoặc dịch vụ khác (thường là sản phẩm cuối cùng).

Đặc điểm trên dẫn tới động lực thứ hai là khả năng đo lường chính xác hiệu quả của từng tác nhân AI. Các tổ chức có thể quan sát và tính toán rõ ràng mức độ chênh lệch kết quả khi sử dụng một dữ liệu đầu vào chuẩn xác cũng như tổng thiệt hại tránh được nhờ một tín hiệu đính chính kịp thời.

Tuy nhiên, nhu cầu tự phát chưa đủ để hình thành một thị trường hoàn chỉnh và càng chưa thể tạo nên một hệ sinh thái tự vận hành. Để một nền kinh tế đa tác nhân vận hành an toàn, dữ liệu đầu vào trên toàn hệ thống phải đáp ứng ba tiêu chuẩn bắt buộc. Đầu tiên, mỗi dữ liệu đầu vào phải gắn kèm thông tin truy xuất nguồn gốc rõ ràng và duy trì khả năng đối chiếu ngay cả khi nguồn phát hành ban đầu đã thay đổi địa chỉ hoặc biến mất. Thứ hai, mọi bản đính chính phải tự động tìm đến tất cả các hệ thống từng sử dụng dữ liệu cũ thay vì chỉ nằm im tại nguồn ban đầu chờ người khác phát hiện. Thứ ba, nguồn cung cấp dữ liệu phải có cơ chế xác thực thông tin theo yêu cầu mà không buộc chủ sở hữu phải phơi bày hay để lộ ra toàn bộ kho dữ liệu gốc phía sau.

Ngành tài chính – chứng khoán từ lâu đã thiết lập thành công các cơ chế truy xuất nguồn gốc và tự động đính chính thông tin vì bất kỳ sai lệch số liệu nào trong lĩnh vực này đều phải trả giá đắt. Khi một doanh nghiệp niêm yết điều chỉnh báo cáo lợi nhuận, số liệu đính chính sẽ lập tức được truyền thẳng tới hầu hết các hệ thống định giá từng sử dụng con số cũ. Thậm chí, dữ liệu lịch sử ghi nhận chính xác những thông tin nào đã được công bố tại một thời điểm cụ thể trong quá khứ còn được đóng gói và bán như một sản phẩm dữ liệu độc lập. Việc các tiêu chuẩn khắt khe này mở rộng sang ngành nào tiếp theo sẽ phụ thuộc vào bài toán chi phí – lợi ích tương tự. Mức phí mà một tổ chức sẵn sàng chi trả cho dữ liệu chuẩn xác luôn tỷ lệ thuận với thiệt hại mà họ phải gánh chịu nếu dùng phải dữ liệu sai. Quy luật thị trường này vô hình trung sẽ bỏ sót những lĩnh vực mà sai sót ít gây thiệt hại tài chính cho đơn vị vận hành hoặc những nơi mà người gánh chịu hậu quả từ quyết định của AI lại không phải là khách hàng trực tiếp trả tiền mua phần mềm. Nhóm này bao gồm người dân xin trợ cấp an sinh xã hội, người nộp đơn xin visa hay bệnh nhân đang nằm trong danh sách chờ khám chữa bệnh.

Điểm tích cực là khoảng cách giữa khu vực thương mại và dịch vụ công không quá lớn nhờ khả năng dùng chung một hạ tầng kỹ thuật. Hệ thống truy xuất nguồn gốc dữ liệu không cần phải xây dựng lặp lại hai lần chỉ vì người truy vấn là nhân viên cơ quan phúc lợi xã hội thay vì chuyên viên tại bàn giao dịch tài chính. Cơ chế truyền tải thông tin đính chính cũng vận hành theo nguyên lý tương tự. Một khi dữ liệu đầu vào đã được gắn nhãn nguồn gốc từ đầu, việc gửi thông báo cập nhật tới toàn bộ các hệ thống từng trích xuất dữ liệu đó chỉ là một bước nâng cấp kỹ thuật nhỏ. Lịch sử phát triển hạ tầng từng chứng kiến những tuyến đường sắt ban đầu chỉ được xây dựng để chở than nhưng sau đó đã phục vụ hiệu quả cho cả vận tải hành khách, bưu chính và hàng tiêu dùng. Chi phí mở rộng một hạ tầng sẵn có luôn rẻ hơn rất nhiều so với việc xây mới từ con số không.

Chìa khóa để thu hẹp khoảng trống trên hiện đã nằm sẵn trong tay khu vực công. Chính phủ các nước vốn là một trong những khách hàng mua sắm phần mềm lớn nhất thị trường. Bản thân các cơ quan nhà nước cũng đang đẩy mạnh triển khai tác nhân AI vào đúng những quy trình hành chính công mà người dân chịu tác động không có vị thế chi trả như xét duyệt trợ cấp, cấp phép, quản lý xuất nhập cảnh và y tế công cộng. Nếu chính phủ ban hành quy định mua sắm công bắt buộc mọi phần mềm AI phải tích hợp chuẩn truy xuất nguồn gốc dữ liệu và cơ chế tự động chuyển tiếp thông tin qua đó động lực thương mại sẽ lập tức được kích hoạt trên diện rộng. Quy định này sẽ giúp cả người dân xin trợ cấp lẫn các bàn giao dịch tài chính đều được bảo vệ trên cùng một nền tảng tiêu chuẩn. Những chính phủ từng tạo ra thảm họa tự động hóa như vụ bê bối Robodebt tại Úc lại càng có lý do cấp thiết để tiên phong ban hành quy chuẩn này.

Tất nhiên, chi phí vận hành một hệ thống như vậy không hề nhỏ. Nỗ lực duy trì độ chính xác của thông tin là một quá trình liên tục không có điểm dừng và hạ tầng thay thế năng lực sàng lọc tự nhiên của con người sẽ đòi hỏi nguồn kinh phí lớn. Bất kỳ cá nhân, doanh nghiệp, quỹ tài trợ hay dự án mã nguồn mở nào cũng có thể tự xây dựng từng mảnh ghép kỹ thuật riêng lẻ, nhưng việc liên thông và chia sẻ chúng trên phạm vi toàn xã hội sẽ không thể tự nhiên diễn ra. Một doanh nghiệp hay một ngành kinh tế đơn lẻ hoàn toàn có đủ nguồn lực và động lực để tự thiết lập quy chuẩn truy xuất và đính chính dữ liệu trong phạm vi nội bộ. Tuy nhiên, việc mở rộng các cấu trúc đó thành một hệ sinh thái chung mang lại lợi ích cho toàn xã hội lại là bài toán hoàn toàn khác. Giống như mọi loại hàng hóa công cộng khác, hạ tầng thông tin chung không thuộc quyền sở hữu độc quyền của bất kỳ cá nhân hay tổ chức nào nên tư nhân sẽ thiếu động lực đầu tư.

Trách nhiệm điều phối ở cấp độ vĩ mô do đó thuộc về các tổ chức thiết lập tiêu chuẩn, những khách hàng tổ chức quy mô lớn và các cơ quan quản lý có tầm nhìn xa. Nếu thiếu vắng sự vào cuộc của khu vực công, thị trường sẽ tự phân mảnh thành các “ốc đảo” dữ liệu khép kín xoay quanh một vài tập đoàn công nghệ lớn với các tiêu chuẩn xác thực độc quyền. Khi đó, quyền giám sát sẽ chỉ vận hành một chiều. Doanh nghiệp sở hữu tác nhân AI sẽ nắm rõ và toàn quyền quyết định thuật toán của mình dựa vào nguồn dữ liệu nào, trong khi người dân chịu ảnh hưởng trực tiếp từ quyết định đó lại hoàn toàn mù mờ.

Kịch bản độc quyền dữ liệu khép kín không chỉ gây ra sự bất công mà còn tiềm ẩn nguy cơ bất ổn hệ thống. Sự hiện diện của một vài tập đoàn lớn trên thị trường có thể tạo ra cảm giác đa dạng giả tạo, nhưng thực chất không ai kiểm chứng được liệu ba nguồn thông tin khác nhau có đang cùng lấy dữ liệu từ một nguồn gốc duy nhất hay không. Hơn nữa, mô hình khép kín sẽ đẩy chi phí vận hành của toàn nền kinh tế lên rất cao. Nếu mỗi doanh nghiệp chỉ tin tưởng kho dữ liệu nội bộ của riêng mình thì chi phí xác thực để sử dụng thông tin bên ngoài sẽ trở nên vô cùng đắt đỏ. Một tác nhân AI chỉ dám hành động dựa trên dữ liệu do chính chủ sở hữu của nó kiểm duyệt sẽ chẳng thể giao dịch hiệu quả khi bước ra khỏi phạm vi doanh nghiệp đó. Đây chính là điểm giao thoa khiến cả lợi ích dân sự lẫn lợi ích thương mại đều đòi hỏi một hệ thống tiêu chuẩn mở và minh bạch.

Hạ tầng thay thế cho vai trò sàng lọc thông tin của người đọc truyền thống chắc chắn sẽ được định hình theo cách này hay cách khác. Nhưng việc hạ tầng đó sẽ phục vụ lợi ích chung của toàn bộ hệ sinh thái kinh tế hay chỉ trở thành công cụ độc quyền của một vài tập đoàn lớn đang được định đoạt ngay tại thời điểm này, khi các bộ tiêu chuẩn kỹ thuật vẫn đang trong quá trình kiến tạo.

Giới thiệu về tác giả Shuwei Fang

Bà là nghiên cứu viên tại Trung tâm Shorenstein về Truyền thông, Chính trị và Chính sách công thuộc Trường Quản lý Nhà nước Harvard Kennedy (Đại học Harvard). Ngoài ra, bà còn là kỹ sư công nghệ, nhà văn và nhà bình luận về hệ sinh thái thông tin được hỗ trợ bởi trí tuệ nhân tạo đang nổi lên đồng thời là đồng tác giả của cuốn sách Radically Informed.

Nguồn: International Journalism Festival