Thảm họa chuyển đổi hệ thống lương hưu tại Anh: Khi lời hứa AI trở thành bài học đắt giá về quản trị dự án

Bài viết được dịch và tổng hợp từ tin tức gốc. Bạn có thể đọc bài viết gốc bằng tiếng Anh tại đây.

Điểm tin nhanh:

• Chính phủ Anh tạm giữ 10 triệu bảng thanh toán cho Capita do thất bại trong dự án chuyển đổi hệ thống lương hưu Civil Service (CSPS).
• Capita đối mặt với nguy cơ thất bại ở 16 trong số 21 chỉ số KPI quan trọng, gây ra tình trạng tồn đọng hồ sơ nghiêm trọng.
• CEO Capita từng cam kết đây sẽ là dự án sử dụng AI tiêu biểu (flagship use-case), nhưng thực tế lại trở thành một bê bối vận hành ảnh hưởng trực tiếp đến người hưởng lương hưu.

Trong thế giới kỹ thuật, chúng ta thường nghe về những lời hứa hẹn hào nhoáng về việc áp dụng AI để tối ưu hóa quy trình. Tuy nhiên, khi những dòng code AI chưa kịp tối ưu hóa hiệu suất thì hệ thống đã sụp đổ dưới sức nặng của dữ liệu cũ và quy trình quản trị yếu kém, hậu quả để lại không chỉ là những dòng log lỗi mà là sự ảnh hưởng trực tiếp đến đời sống con người. Câu chuyện về dự án lương hưu Civil Service (CSPS) của chính phủ Anh và Capita là một minh chứng đắt giá cho thấy, nếu thiếu một nền tảng quản trị AI cho đội ngũ kỹ thuật vững chắc, mọi công nghệ hiện đại nhất cũng chỉ là những mảnh ghép rời rạc.

Bê bối từ những lời hứa hẹn về AI

Capita đã giành được hợp đồng trị giá 239 triệu bảng Anh để quản lý CSPS vào tháng 11 năm 2023. Trước thời điểm triển khai, CEO của Capita đã khẳng định với các quan chức chính phủ rằng đây sẽ là dự án sử dụng AI tiêu biểu nhất tại Anh. Tuy nhiên, kể từ khi đi vào hoạt động vào tháng 12 năm ngoái, thực tế lại hoàn toàn trái ngược. Thay vì sự tự động hóa mượt mà, hệ thống rơi vào tình trạng quá tải, không đáp ứng được các chỉ số hiệu suất chính (KPI).

Phân tích sự cố và các con số biết nói

Việc chính phủ Anh quyết định giữ lại 9.9 triệu bảng Anh tiền thanh toán là một động thái cứng rắn nhằm buộc nhà thầu phải chịu trách nhiệm. Dưới đây là bảng tổng hợp các vấn đề chính mà dự án đang đối mặt:

Andrew Forzani, giám đốc thương mại của chính phủ, cho biết họ đã phải thuê một đơn vị kiểm toán độc lập để giải quyết các tranh chấp về dữ liệu mỗi tháng. Điều này cho thấy sự thiếu minh bạch trong báo cáo hiệu suất, một vấn đề thường thấy khi các công ty không chú trọng vào việc tự động hóa kiểm toán liên kết nội bộ ngay từ đầu.

Thách thức từ di sản dữ liệu cũ

Adolfo Hernandez, CEO của Capita, đã lên tiếng xin lỗi và giải thích rằng họ đã kế thừa một lượng hồ sơ tồn đọng lớn hơn dự kiến, với nhiều dữ liệu lên tới 4 năm tuổi. Nhiều trường hợp liên quan đến các cơ quan chính phủ đã không còn tồn tại. Đây là bài học lớn về việc xử lý dữ liệu di sản (legacy data). Nếu không có quy trình giải mã quy trình chuyển đổi định dạng file chuẩn xác, việc đưa dữ liệu này vào các hệ thống AI hiện đại chỉ dẫn đến kết quả sai lệch.

Lưu ý: Khi thực hiện chuyển đổi hệ thống quy mô lớn, việc đánh giá dữ liệu đầu vào (data auditing) quan trọng hơn nhiều so với việc áp dụng các thuật toán AI hào nhoáng. Đừng bao giờ đánh giá thấp độ phức tạp của dữ liệu cũ.

Đánh giá & Lời khuyên Thực tiễn

Từ góc nhìn của một kỹ sư cấp cao, dự án CSPS là một ví dụ điển hình của việc ưu tiên marketing công nghệ hơn là hạ tầng kỹ thuật cốt lõi.

• Ưu điểm: Ý tưởng sử dụng AI để hiện đại hóa dịch vụ công là đúng đắn, giúp giảm tải công việc thủ công.
• Nhược điểm: Thiếu sự chuẩn bị cho các kịch bản lỗi (error handling) và không kiểm soát được chất lượng dữ liệu đầu vào.
• Lời khuyên: Trước khi triển khai các hệ thống AI quy mô lớn, hãy đảm bảo rằng bạn đã có một kiến trúc hệ thống vững chắc. Việc áp dụng Agentic AI chỉ thực sự hiệu quả khi các quy trình nghiệp vụ đã được chuẩn hóa và dữ liệu đã được làm sạch.

Câu hỏi thường gặp (FAQ)

Tại sao dự án CSPS lại thất bại dù có sự hỗ trợ của AI?

AI không thể thay thế cho dữ liệu sạch và quy trình quản trị tốt. Sự thiếu hụt 20 triệu bản ghi dữ liệu khiến AI không có đủ cơ sở để xử lý chính xác.

Việc giữ lại tiền thanh toán có giải quyết được vấn đề kỹ thuật không?

Không, đó chỉ là biện pháp hành chính. Giải pháp thực sự nằm ở việc Capita phải tái cấu trúc lại quy trình xử lý dữ liệu và tăng cường nhân sự kỹ thuật để giải quyết backlog.

Bài học cho các doanh nghiệp khi chuyển đổi hệ thống là gì?

Luôn thực hiện kiểm thử kỹ lưỡng trên dữ liệu thực tế (staging environment) và không bao giờ hứa hẹn về hiệu năng AI khi chưa kiểm soát được chất lượng dữ liệu đầu vào.

Kết luận

Thất bại của Capita tại dự án CSPS là lời nhắc nhở đắt giá cho cộng đồng công nghệ về tầm quan trọng của việc quản trị dự án và chất lượng dữ liệu. Công nghệ, dù hiện đại đến đâu, cũng không thể bù đắp cho những thiếu sót trong nền tảng kỹ thuật cơ bản. Hãy tiếp tục theo dõi hi_dev để cập nhật những bài học thực chiến về kỹ thuật và quản trị hệ thống trong kỷ nguyên AI.

Nếu bạn quan tâm đến việc xây dựng các hệ thống bền vững, hãy tham khảo thêm các bài viết về quản trị AI cho đội ngũ kỹ thuật để tránh những sai lầm tương tự.