Precision và Recall: thà bắt nhầm hay thà bỏ sót khi nhờ AI phân loại

3 tháng 10, 2026

Precision và recall là hai con số đo chất lượng của mọi hệ thống phải trả lời câu hỏi "CÓ hay KHÔNG": thư này có phải thư rác không, người này có bệnh không, tin nhắn này có phải khách đang muốn mua không. Precision đo xem trong những cái hệ thống đã báo "CÓ", bao nhiêu cái đúng thật (ít báo nhầm). Recall đo xem trong tất cả những cái đáng lẽ phải bắt, hệ thống tóm được bao nhiêu (ít bỏ sót). Hiểu hai con số này, bạn chỉnh AI theo đúng mục tiêu công việc, thay vì đòi hỏi mơ hồ "càng chính xác càng tốt".

Ngày nay bạn hoàn toàn có thể nhờ AI phân loại: chấm điểm khách hàng tiềm năng, lọc phản hồi xấu, xếp loại yêu cầu hỗ trợ (như cách dùng Claude Code phân loại 100 ticket trong 5 phút). Đó là lúc hai khái niệm này trở thành kiến thức bạn cần, không chỉ của dân làm dữ liệu.

Hiểu nhanh bằng ví dụ đời thường

Tưởng tượng bạn kéo lưới bắt cá trong hồ:

Lưới to, quét cả hồ: không con cá nào thoát (recall cao), nhưng kéo lên dính cả rác, rong, cá con (precision thấp).
Lưới nhỏ, lọc kỹ, chỉ giữ cá to: kéo lên toàn cá ngon (precision cao), nhưng vài con lọt qua (recall thấp).

Bạn hiếm khi có cả hai tối đa cùng lúc. Siết chặt bên này thường nới lỏng bên kia. Việc của bạn không phải "làm cả hai thật cao", mà là chọn nghiêng về bên nào cho đúng bài toán.

Mẹo nhớ: precision nhìn vào cái rổ đã hái (những cái bạn bắt có sạch không?). Recall nhìn ra cả khu vườn (bạn có hái đủ không?).

Nó hoạt động thế nào

Bước 1: Hai loại lỗi, không phải một

Một hệ thống báo "CÓ / KHÔNG" có thể sai theo hai chiều ngược nhau:

Loại lỗi	Nghĩa là gì	Ví dụ
Báo nhầm (dương tính giả)	Hệ thống nói "CÓ" nhưng thực ra "KHÔNG"	Email hợp đồng bị đẩy nhầm vào thùng rác
Bỏ sót (âm tính giả)	Hệ thống nói "KHÔNG" nhưng thực ra "CÓ"	Thư rác lọt vào hộp thư, người bệnh bị báo "khỏe"

Hai lỗi này không cùng phe. Cố giảm lỗi này thường làm tăng lỗi kia.

Bước 2: Hai con số đo riêng từng loại lỗi

Precision (độ chuẩn): trong những cái hệ thống ĐÃ báo "CÓ", bao nhiêu phần trăm thật sự đúng? Câu hỏi đi kèm: "Những gì tôi bắt có chuẩn không?"
Recall (độ phủ): trong TẤT CẢ những cái đáng lẽ phải bắt, hệ thống tóm được bao nhiêu phần trăm? Câu hỏi đi kèm: "Tôi có để lọt cái nào không?"

Ví dụ: trong 100 tin nhắn có 10 tin của khách thật sự muốn mua. AI đánh dấu 8 tin là "khách tiềm năng", trong đó 6 tin đúng. Precision là 6 trên 8, tức 75%. Recall là 6 trên 10, tức 60%.

Bước 3: Cái núm vặn để đổi cán cân, gọi là ngưỡng

Hầu hết hệ thống phân loại có một ngưỡng: phải "tự tin" tới mức nào mới nói "CÓ".

Hạ ngưỡng (dễ tính hơn): bắt được nhiều hơn, recall tăng, precision giảm.
Nâng ngưỡng (khó tính hơn): bắt ít mà chắc, precision tăng, recall giảm.

Với AI chat, ngưỡng thường nằm ngay trong chỉ dẫn bạn viết. "Chỉ đánh dấu khi khách nói rõ muốn mua" là ngưỡng cao. "Đánh dấu cả khi khách chỉ hỏi giá" là ngưỡng thấp.

Bước 4: Chọn bên theo một câu hỏi duy nhất

Loại lỗi nào ĐẮT hơn: bỏ sót hay báo nhầm?

Bỏ sót đắt hơn (mất mạng người, mất khách quý, lọt gian lận): ưu tiên recall, thà bắt nhầm vài cái còn hơn để lọt.
Báo nhầm đắt hơn (mất email quan trọng, bắt oan, tốn công lọc rác): ưu tiên precision, thà bỏ sót vài cái còn hơn báo bậy.

Điều này có ý nghĩa gì với bạn

Nhìn qua vài tình huống quen thuộc:

Tình huống	Báo nhầm nghĩa là	Bỏ sót nghĩa là	Nên ưu tiên
Lọc thư rác	Mất email hợp đồng quan trọng	Một thư rác lọt vào hộp thư	Precision
Tầm soát ung thư	Xét nghiệm thêm, hơi lo	Bỏ lọt người thật sự có bệnh	Recall
Máy dò kim loại ở sân bay	Khám thêm 30 giây	Vũ khí lọt lên máy bay	Recall
Tòa án kết tội	Bắt oan người vô tội	Một người có tội thoát	Precision
Phát hiện gian lận thẻ	Khóa nhầm giao dịch thật, khách bực	Lọt giao dịch gian lận, mất tiền	Tùy, thường nghiêng recall nhưng phải cân

Không có đáp án chung. Bác sĩ và người lọc email muốn hai thứ ngược nhau, vì cái giá của lỗi khác nhau.

Ví dụ áp dụng: nhờ AI chấm khách tiềm năng. Giả sử một cửa hàng nhỏ dùng AI đọc bình luận trên trang bán hàng để tìm người đang muốn mua. Thử hai cách chấm trên cùng một tập bình luận thật:

Cách chấm rộng tay đánh dấu nhiều người (recall cao), nhưng lẫn cả những người chỉ hỏi cho vui (precision thấp). Nhân viên bán hàng phải lọc lại nhiều.
Cách chấm chặt tay đánh dấu ít mà tinh (precision cao), nhưng bỏ sót vài khách thật (recall thấp).

Chọn cách nào không phải câu hỏi "cách nào giỏi hơn", mà là: với đội bán hàng của mình, bỏ sót một khách đắt hơn hay lọc một người hỏi chơi đắt hơn? Nhân viên đang rảnh và mỗi khách rất quý thì nghiêng recall. Nhân viên quá tải thì nghiêng precision. Bạn có thể viết thẳng lựa chọn đó vào chỉ dẫn cho AI (xem thêm prompt là gì):

Đọc từng bình luận và đánh dấu "KHÁCH TIỀM NĂNG" nếu người viết có dấu hiệu muốn mua [sản phẩm]. Ưu tiên không bỏ sót: nếu phân vân, cứ đánh dấu và ghi lý do ngắn để nhân viên xem lại.

Đổi câu cuối thành "Ưu tiên chính xác: chỉ đánh dấu khi người viết nói rõ muốn mua hoặc hỏi cách đặt hàng" là bạn vừa xoay núm sang phía precision.

Hiểu lầm thường gặp

Hiểu lầm 1: "Hệ thống chính xác 99% là rất tốt." Sự thật: với việc tìm cái hiếm, con số "độ chính xác tổng" (accuracy, đoán đúng bao nhiêu phần trăm tất cả) rất dễ đánh lừa. Giả sử 99% bình luận không phải khách mua. Một hệ thống ngớ ngẩn luôn nói KHÔNG sẽ đạt 99%, nghe rất ấn tượng, nhưng bắt được 0 khách (recall bằng 0). Khi việc là "mò kim đáy bể" như khách tiềm năng, gian lận, bệnh hiếm, hãy nhìn thẳng vào precision và recall.

Hiểu lầm 2: "Phải làm cả hai thật cao mới tốt." Sự thật: thường phải đánh đổi. Hệ thống tốt là hệ thống chỉnh đúng theo cái giá của từng loại lỗi, không phải hệ thống có hai con số đẹp trên giấy.

Hiểu lầm 3: "Chỉ cần một con số là đủ so sánh." Sự thật: khi cần một điểm duy nhất để so nhanh, người ta dùng F1, một kiểu trung bình của precision và recall chỉ cao khi cả hai đều khá. F1 tốt để xếp hạng nhanh, nhưng muốn biết hệ thống đang lệch về đâu thì phải xem riêng từng con số.

Trước khi tin một kết quả phân loại của AI, nhớ kiểm tra thêm vài mẫu bằng tay, như gợi ý trong bài 3 lỗi AI hay mắc và cách kiểm chứng.

Câu hỏi thường gặp

Precision và recall khác nhau thế nào? Precision đo độ chuẩn của những cái đã bắt (ít báo nhầm). Recall đo độ đủ so với tất cả những cái cần bắt (ít bỏ sót).

Khi nào nên ưu tiên recall? Khi bỏ sót đắt hơn báo nhầm, ví dụ tầm soát bệnh, phát hiện gian lận, tìm khách quý mà đội bán hàng còn thời gian lọc lại.

Khi nào nên ưu tiên precision? Khi báo nhầm đắt hơn, ví dụ lọc thư rác tự động xóa thư, kết luận nghiêm trọng về một người, hoặc đội ngũ đã quá tải.

Vì sao không nên chỉ nhìn độ chính xác tổng (accuracy)? Vì với việc tìm cái hiếm, một hệ thống luôn nói "KHÔNG" vẫn đạt điểm rất cao mà không bắt được gì.

F1 là gì? Là một con số gộp precision và recall, chỉ cao khi cả hai đều khá. Dùng để so nhanh, còn muốn hiểu hệ thống thì xem riêng từng con số.

#AI #PhanLoaiBangAI #DuLieu #LamViecVoiAI #VibeAICoder