Hightouch vừa công bố kết quả thử nghiệm dùng AI để chấm điểm bài toán nhận dạng danh tính (identity resolution): gom các bản ghi dữ liệu rời rạc về đúng một người thật. Họ phát hiện mô hình lai giữa Jev và Opus cho độ chính xác ngang các mô hình hàng đầu nhưng chi phí thấp hơn trên 4 lần.

Bài toán khó của mọi doanh nghiệp

Hãy tưởng tượng một khách hàng mua hàng bằng hai email, đổi địa chỉ nhiều lần, hoặc hai người trong cùng gia đình dùng chung một email. Nếu hệ thống gộp nhầm hai người thành một, doanh nghiệp sẽ gửi sai ưu đãi và tính sai giá trị khách hàng. Đây gọi là lỗi gộp quá mức (over-merging), vốn rất khó phát hiện vì không có đáp án chuẩn để đối chiếu. Con người chỉ kiểm tra được khoảng 50 hồ sơ mỗi giờ.

Mô hình quyết định rẻ và nhanh hơn rất nhiều

Hai mô hình quyết định Jev và Luna đạt độ chính xác 88,8 đến 97,3% ngay từ đầu. Chúng rẻ hơn tới 90 lần và nhanh hơn trên 10 lần so với LLM lớn: chỉ 0,05 đến 0,10 USD cho 1.000 danh tính, mỗi câu trả lời mất khoảng 0,15 giây. Tuy vậy, trên các bộ benchmark khó hơn, chúng vẫn kém Opus khoảng 6 điểm phần trăm.

Vì sao Jev thắng trong mô hình lai

Điểm mấu chốt là độ tin cậy. Khi Jev sai, nó thường tự biết mình không chắc chắn, nên hệ thống có thể chuyển đúng những ca đó sang Opus. Luna lại hay sai với độ tự tin cao nên khó phát hiện. Nhờ vậy, Jev kết hợp Opus cho kết quả tốt nhất với chi phí hợp lý.