Industrial KnowledgeQuản lý dữ liệu cho AI theo ISO 42001: chất lượng, nguồn gốc, chuẩn bị dữ liệu | Ví dụ
Nội dung bài viết 13 mục
- Năm control nhóm A.7 (tóm tắt)
- 1. Quản lý dữ liệu cho phát triển (A.7.2)
- 2. Thu thập dữ liệu (A.7.3)
- 3. Chất lượng dữ liệu (A.7.4)
- 4. Nguồn gốc dữ liệu – Provenance (A.7.5)
- 5. Chuẩn bị dữ liệu (A.7.6)
- Ví dụ: AI dự báo bảo trì máy nén khí, nhà máy thực phẩm ở Long An (minh hoạ)
- Ví dụ: chatbot CSKH
- Liên hệ pháp luật Việt Nam
- Mẫu áp dụng: Sổ đăng ký bộ dữ liệu (Excel)
- Lỗi hay gặp
- Câu hỏi thường gặp
- Bước tiếp theo
Một mô hình AI chỉ tốt bằng dữ liệu nuôi nó. Nhà máy may ở Nam Định huấn luyện camera AI phát hiện lỗi đường may bằng 8.000 ảnh — nhưng 95% ảnh chụp vải trắng. Khi chuyển sang đơn hàng vải đen, mô hình gần như “mù”. Không phải thuật toán kém, mà dữ liệu không đại diện. Nhóm control A.7 – Dữ liệu cho hệ thống AI của ISO/IEC 42001 yêu cầu quản lý dữ liệu có hệ thống để tránh những bất ngờ như vậy.
Tóm tắt nhanh
- Nhóm A.7 có 5 control: quản lý dữ liệu cho phát triển, thu thập, chất lượng, nguồn gốc và chuẩn bị dữ liệu.
- Mỗi bộ dữ liệu cần ghi nguồn, cách thu thập, quyền sử dụng và đặc điểm như phân bố theo lớp.
- Yêu cầu chất lượng phải đo được, ví dụ bản ghi thiếu giá trị ≤ 2%, độ thống nhất nhãn giữa 2 người ≥ 95%.
- Lỗi lớn: không tách tập kiểm thử độc lập, dùng dữ liệu khách hàng không kiểm tra quyền, không biết mô hình huấn luyện từ bộ dữ liệu nào.
Năm control nhóm A.7 (tóm tắt)
| Control | Chủ đề | Nội dung tóm tắt | Bằng chứng |
|---|---|---|---|
| A.7.2 | Dữ liệu cho phát triển và cải tiến | Định nghĩa, lập tài liệu, thực hiện quá trình quản lý dữ liệu liên quan tới phát triển hệ thống AI | Quy trình quản lý dữ liệu AI |
| A.7.3 | Thu thập dữ liệu | Xác định và ghi lại chi tiết về việc thu thập, lựa chọn dữ liệu | Hồ sơ nguồn, cách thu thập, quyền sử dụng |
| A.7.4 | Chất lượng dữ liệu | Xác định yêu cầu chất lượng và bảo đảm dữ liệu đáp ứng | Tiêu chí chất lượng, báo cáo kiểm tra |
| A.7.5 | Nguồn gốc dữ liệu | Có quá trình ghi nhận nguồn gốc dữ liệu suốt vòng đời | Lineage, nhật ký thay đổi |
| A.7.6 | Chuẩn bị dữ liệu | Xác định tiêu chí, phương pháp chuẩn bị dữ liệu | Hướng dẫn gán nhãn, làm sạch, biến đổi |
Phụ lục C còn nêu “tính sẵn có và chất lượng của dữ liệu huấn luyện và kiểm thử” là một mục tiêu tổ chức cần cân nhắc — nghĩa là dữ liệu không chỉ là vấn đề kỹ thuật mà là mục tiêu quản lý.
1. Quản lý dữ liệu cho phát triển (A.7.2)
Tổ chức cần một quy trình mô tả dữ liệu được dùng thế nào trong từng giai đoạn: huấn luyện, kiểm định, kiểm thử, vận hành, huấn luyện lại. Các chủ đề thường gặp: quyền riêng tư và bảo mật, an ninh dữ liệu, minh bạch và giải thích được, chuyển dữ liệu qua biên giới, thời gian lưu giữ và xoá, rủi ro thiên lệch.
2. Thu thập dữ liệu (A.7.3)
Ghi lại cho mỗi bộ dữ liệu:
- Nguồn: nội bộ (camera line, hệ thống MES, CRM), mua ngoài, công khai, dữ liệu tổng hợp (synthetic).
- Cách thu thập: thời gian, thiết bị, điều kiện, người thực hiện.
- Quyền sử dụng: giấy phép, sự đồng ý của chủ thể dữ liệu cá nhân, điều khoản hợp đồng.
- Đặc điểm: số lượng, phân bố theo lớp, nhân khẩu học (nếu có), khoảng thời gian.
3. Chất lượng dữ liệu (A.7.4)
Yêu cầu chất lượng nên đo được. Các tiêu chí phổ biến (tham khảo bộ ISO/IEC 5259 về chất lượng dữ liệu cho phân tích và học máy):
| Tiêu chí | Ý nghĩa | Ví dụ chỉ số |
|---|---|---|
| Đầy đủ | Không thiếu trường, thiếu lớp | % bản ghi thiếu giá trị ≤ 2% |
| Chính xác | Dữ liệu và nhãn đúng thực tế | Độ thống nhất nhãn giữa 2 người ≥ 95% |
| Đại diện | Phủ đủ điều kiện vận hành thực | Mỗi màu vải ≥ 500 ảnh |
| Cân bằng | Không lệch quá mức giữa các lớp | Tỷ lệ lớp lỗi/không lỗi được ghi và xử lý |
| Kịp thời | Dữ liệu còn phản ánh hiện tại | Dữ liệu cảm biến ≤ 18 tháng |
| Nhất quán | Cùng định dạng, đơn vị | Một chuẩn đơn vị rung mm/s |
Đặc biệt chú ý thiên lệch dữ liệu: dữ liệu lịch sử phản ánh cách làm cũ, có thể chứa định kiến (ví dụ dữ liệu tuyển dụng cũ ưu tiên một giới).
4. Nguồn gốc dữ liệu – Provenance (A.7.5)
Provenance trả lời: dữ liệu này đến từ đâu, đã qua những biến đổi nào, phiên bản nào được dùng huấn luyện mô hình phiên bản nào. Phụ lục B (dẫn ISO 8000-2) gợi ý hồ sơ nguồn gốc ghi các sự kiện: tạo, cập nhật, sao chép/chuyển ghi, trích lược, xác nhận, và chuyển quyền kiểm soát dữ liệu; có thể xét cả chia sẻ dữ liệu và các phép biến đổi. Tuỳ nguồn và bối cảnh, tổ chức cân nhắc có cần kiểm chứng nguồn gốc không (ví dụ dữ liệu mua ngoài, dữ liệu công khai). Cách làm tối thiểu: đánh mã phiên bản bộ dữ liệu, lưu “datasheet” mô tả, liên kết mã bộ dữ liệu với mã phiên bản mô hình.
5. Chuẩn bị dữ liệu (A.7.6)
Bao gồm: khám phá dữ liệu, làm sạch, xử lý giá trị thiếu, chuẩn hoá, gán nhãn, tăng cường dữ liệu (augmentation), tách tập huấn luyện/kiểm định/kiểm thử. Cần xác định tiêu chí và phương pháp và lý do chọn. Hướng dẫn gán nhãn nên có ảnh mẫu, định nghĩa biên giới lỗi, quy trình xử lý trường hợp không chắc chắn.
Ví dụ: AI dự báo bảo trì máy nén khí, nhà máy thực phẩm ở Long An (minh hoạ)
| Hạng mục | Thực hiện |
|---|---|
| Nguồn | 24 cảm biến rung, nhiệt, dòng điện trên 6 máy; lịch sử bảo trì CMMS 3 năm |
| Thu thập | Tần suất 1 phút; ghi điều kiện tải; hiệu chuẩn cảm biến 6 tháng/lần |
| Chất lượng | Phát hiện 7% dữ liệu bị mất do mất mạng — nội suy tối đa 10 phút, quá thì loại |
| Nhãn | Sự kiện hỏng hóc từ CMMS được kỹ sư xác nhận lại; 41 sự kiện hỏng thực sự |
| Thiên lệch | Máy số 5 mới lắp, ít dữ liệu → giới hạn dự báo, đánh dấu “độ tin cậy thấp” |
| Provenance | Bộ dữ liệu DS-PM-2026.03 → mô hình PM-v1.4; lưu tại kho dữ liệu nội bộ |
| Chuẩn bị | Cửa sổ 24 giờ, chuẩn hoá theo máy; tập kiểm thử là 4 tháng gần nhất (không trộn ngẫu nhiên) |
Kết quả: cảnh báo trước trung bình 5 ngày cho 9/11 sự cố trong 6 tháng đầu (số liệu minh hoạ).
Ví dụ: chatbot CSKH
Dữ liệu của chatbot dùng kỹ thuật truy xuất tài liệu (RAG) chính là kho tri thức: chính sách bảo hành, bảng giá, hướng dẫn. Áp dụng A.7: chủ sở hữu từng tài liệu, ngày hiệu lực, quy trình cập nhật khi chính sách thay đổi, loại bỏ tài liệu hết hạn, kiểm tra không chứa dữ liệu cá nhân. Lịch sử hội thoại dùng để cải tiến phải được ẩn danh và có cơ sở pháp lý.
Liên hệ pháp luật Việt Nam
Khi dữ liệu có thông tin cá nhân, tổ chức cần tuân thủ quy định bảo vệ dữ liệu cá nhân hiện hành của Việt Nam (đánh giá tác động xử lý dữ liệu, sự đồng ý, chuyển dữ liệu ra nước ngoài). Đây là yêu cầu pháp lý cần đưa vào điều 4.1/4.2 của AIMS; nên tham khảo bộ phận pháp chế để cập nhật văn bản mới nhất.
Mẫu áp dụng: Sổ đăng ký bộ dữ liệu (Excel)
Cột: Mã bộ dữ liệu | Phiên bản | Hệ thống AI | Mục đích (huấn luyện/kiểm thử/vận hành) | Nguồn | Chủ sở hữu | Có dữ liệu cá nhân? | Cơ sở pháp lý | Số bản ghi | Phân bố lớp | Kết quả kiểm tra chất lượng | Thiên lệch đã biết | Phương pháp chuẩn bị | Mô hình sử dụng | Thời hạn lưu | Ngày duyệt.
Lỗi hay gặp
- Không tách tập kiểm thử độc lập; kết quả kiểm thử đẹp nhưng thực tế kém.
- Ảnh/nhãn được gán bởi nhiều người không có hướng dẫn chung.
- Dùng dữ liệu khách hàng để huấn luyện mà không kiểm tra quyền sử dụng.
- Không biết mô hình đang chạy được huấn luyện từ bộ dữ liệu nào.
Câu hỏi thường gặp
Dữ liệu tổng hợp (synthetic) có được dùng không? Được, nhưng phải ghi nguồn gốc, phương pháp tạo và kiểm chứng trên dữ liệu thật.
Bên chỉ dùng AI mua ngoài có cần A.7? Có ở phần dữ liệu đưa vào hệ thống (đầu vào vận hành, kho tri thức, dữ liệu tinh chỉnh). Dữ liệu huấn luyện gốc của nhà cung cấp thì yêu cầu thông tin qua A.10.
Bao lâu kiểm tra chất lượng dữ liệu một lần? Mỗi lần tạo phiên bản bộ dữ liệu mới và định kỳ cho dữ liệu vận hành (giám sát trôi dạt).
