Council Review — GPT — Điều 39 v2.0

Tài liệu đã đọc

knowledge/dev/architecture/dieu39-knowledge-graph-law-draft.md (rev 1, bản tóm tắt 1 file — không thấy full text chi tiết trong Agent Data ở thời điểm đọc)
knowledge/dev/laws/constitution.md (HP v4.4.0)
knowledge/dev/architecture/dieu38-normative-document-law-draft.md
knowledge/dev/ssot/operating-rules.md (đối chiếu bối cảnh)

Mức độ chắc chắn

Đánh giá này dựa trên bản tóm tắt Điều 39 v2.0 + prompt council, không phải full text triển khai chi tiết. Vì vậy tôi đánh giá được rất tốt ở tầng kiến trúc/tư duy, nhưng không thể chấm chắc tay ở tầng schema/triggers/DOT cụ thể như với Điều 37/38.

Điểm tổng thể

8.2/10 — THÔNG QUA CÓ ĐIỀU KIỆN

Hướng v2.0 đã sửa đúng gốc của v1.x: KG không xây từ hư không, mà phải dựa trên Scaffold Graph sinh từ quy phạm/Điều 38, sau đó data chỉ cá nhân hóa và làm dày graph. Đây là bước chuyển tư duy rất đúng. Tuy nhiên, để AI “ra quyết định kinh doanh” thật sự đáng tin, Điều 39 còn thiếu vài chốt vận hành/hạ tầng mà bản tóm tắt chưa cho thấy rõ.

1) Trả lời 9 câu hỏi

Câu 1 — 17 bài toán đã đủ chưa?

Gần đủ cho khung nền tảng, nhất là sau khi thêm nhóm C. 17 bài toán hiện cover được: ontology, extraction, quality, self-healing, journeys, personalization, compliance, context projection, priority, bidirectional learning.

Thiếu 3 bài toán nên có tên rõ hơn:

Provenance / Evidence Tracking — mỗi node/edge/kết luận phải biết nguồn từ đâu, mức tin cậy bao nhiêu, cập nhật lần cuối khi nào. Không có cái này, AI quyết định kinh doanh sẽ khó audit.
Decision Explainability / Justification Graph — AI đề xuất A thay vì B vì những path/rule nào. Đây là chốt để dùng trong SME thật, nhất là khi liên quan nhân sự/khách hàng/tiền.
Access Control / Privacy Projection — context subgraph theo role hiện mới chạm “projection”, nhưng chưa thấy nêu rõ quyền xem gì, ẩn gì, suy luận gì bị cấm.

Câu 2 — Priority Graph (HTN 3-4 cấp) có phù hợp SME?

Phù hợp, và là mức đơn giản đúng. Không quá phức tạp nếu giữ đúng phạm vi: Goal → Sub-goal → Action, tối đa 3-4 cấp là đủ cho SME.

Điểm cần chặn: đừng biến HTN thành workflow engine v2. Nếu đã có Điều 34/Workflow thì Priority Graph phải giữ vai trò ra quyết định ưu tiên, không ôm luôn orchestration chi tiết. Nếu không sẽ chồng phạm vi và gãy vì quá tham.

Câu 3 — Bidirectional Knowledge: ranh giới AI tự quyết vs human duyệt ở đâu?

Đề xuất hiện tại đúng:

Auto: primitive actions, reweight signals, re-rank recommendations, subgraph projection, stale/duplicate/orphan suggestions
Human duyệt: schema/scaffold, ontology changes, new relation types, soft→hard rule promotion, compliance policy changes

Tôi muốn thêm 1 rule nữa:

AI được đề xuất, không được tự ban hành tri thức chuẩn. Mọi thay đổi làm đổi “khung hiểu biết chuẩn” phải qua human/approval.

Câu 4 — Scaffold Graph: mỗi văn bản Điều 38 có cần graph schema riêng không?

Không nên mỗi văn bản một schema riêng. Nên có schema chung + graph templates/patterns theo doc_type.

Cách đúng hơn:

Một ontology/schema chung cho toàn hệ thống
Mỗi loại văn bản ở Điều 38 sinh ra một scaffold pattern khác nhau
Mỗi văn bản cụ thể instantiate pattern đó

Nếu mỗi VB có schema riêng, hệ thống sẽ vỡ vì 1000+ đồ thị con không đồng nhất, impact analysis và projection sẽ rất khó.

Câu 5 — Soft Constraints: Hard vs Soft có đủ chưa?

Chưa đủ nếu chỉ có 2 loại. Nên có tối thiểu 3 mức:

Hard-Prohibit — cấm tuyệt đối
Soft-Preferred — ưu tiên nhưng có thể override với lý do
Advisory / Heuristic — chỉ là tín hiệu gợi ý, không nên coi là rule

Nếu chỉ có hard/soft, rất nhiều tín hiệu kinh doanh sẽ bị nhét sai vào “soft”, làm graph reasoning mơ hồ.

Câu 6 — Apache AGE: Phase 2 hay Phase 3? PG thuần đủ lâu đến đâu?

Apache AGE nên là Phase 3, không phải Phase 2.

Với Incomex hiện tại, PG thuần + universal_edges + recursive CTE + materialized views + Qdrant đủ đi khá xa, ít nhất qua Phase 2. AGE chỉ nên vào khi:

query graph traversal nhiều bước trở thành bottleneck thật sự
topology đủ ổn
đã chứng minh use case cần openCypher/graph-native traversal rõ ràng

Đưa AGE vào quá sớm sẽ tăng độ phức tạp vận hành trên single VPS.

Câu 7 — AI pipeline: cloud LLM hay local model?

Phase đầu nên dùng cloud LLM (GPT/Claude API) cho extract/classify/link, kèm rule-based validation và human gate ở chỗ nhạy cảm.

Lý do:

chất lượng extraction/linking quan trọng hơn chi phí ở giai đoạn nền tảng
local model trên single VPS sẽ yếu và tăng gánh vận hành
SME chưa cần tự host pipeline NLP nặng ngay

Local model chỉ nên cân nhắc sau, cho batch jobs rẻ hơn hoặc data nhạy cảm đặc biệt.

Câu 8 — Chuỗi giá trị 5 tầng: Data → Data Graph → Knowledge Graph → Priority Graph → AI quyết định. Đủ chưa?

Gần đủ, nhưng còn thiếu 1 tầng ngầm rất quan trọng:

Evidence / Trust Layer nằm xuyên suốt hoặc nằm giữa KG và Priority Graph

Lý do: AI không chỉ cần “biết”, mà cần “biết cái gì đáng tin ở mức nào”. Nếu không, Priority Graph sẽ tối ưu trên tri thức chưa kiểm chứng. Có thể không cần tách thành tầng 6 chính thức, nhưng phải hiện diện thành lớp bắt buộc trong mọi node/edge/decision.

Câu 9 — Rủi ro lớn nhất và mitigation?

Rủi ro lớn nhất: KG trở thành “graph đẹp nhưng không đáng tin”, vì dữ liệu suy luận nhiều hơn dữ liệu được chứng minh.

Mitigation:

provenance bắt buộc cho mọi edge quan trọng
confidence + freshness score bắt buộc
hard/soft/advisory tách rõ
scaffold changes phải qua approval
AI decision luôn kèm explanation path
Phase 1-2 chỉ cho AI assist, chưa cho auto-decide các việc có hậu quả lớn

2) Chấm điểm theo 6 tiêu chí

Tiêu chí	Điểm	Nhận xét
Tính đầy đủ	8.0	17 bài toán rất mạnh, nhưng còn thiếu provenance/explainability/access-control ở mức gọi tên rõ
Tính khả thi	7.8	Khả thi nếu giữ Phase 1-2 trên PG+Qdrant, chưa nhảy sớm sang graph DB nặng
Tính nhất quán	8.5	Hợp hướng với Điều 38, HP v4.4.0, NT10-NT11; không thấy mâu thuẫn rõ trong bản tóm tắt
Chuẩn ngành	8.4	Chọn đúng các từ khóa/pattern hiện đại: TBox/ABox, compliance, context projection, HTN, ontology learning
Tính tiến hóa	8.6	Roadmap 4 phases nghe hợp logic; đưa AGE muộn là đúng hướng
Rủi ro	7.9	Rủi ro không nhỏ ở provenance, soft constraints, human boundary và “AI overreach”

TRUNG BÌNH: 8.2/10

3) Góp ý sửa cụ thể

Nên bổ sung vào Điều 39 (mức luật)

Thêm bài toán riêng: Provenance / Evidence Tracking
Thêm bài toán hoặc nguyên tắc: Explainable Decisions
Tách Soft Constraints thành 3 mức: hard / soft / advisory
Ghi rõ ranh giới AI vs human: AI không được tự đổi scaffold/ontology chuẩn
Khẳng định schema chung + scaffold patterns, không phải mỗi VB một schema riêng
Khẳng định AGE = Phase 3, PG thuần là mặc định Phase 1-2

Nên có trong bản full text / triển khai

node/edge phải có: source_type, source_ref, confidence, freshness, last_verified_at
mọi quyết định AI phải lưu: decision_id, subgraph_ref, rule_trace, why_selected
context projection phải gắn với ACL/role filter thật sự, không chỉ goal filter
DOT-KG nên có 1 cặp riêng cho provenance verify hoặc gộp rõ vào KG-VERIFY

4) Rủi ro còn lại nếu ban hành ngay

Thiếu provenance rõ → AI quyết định trên tri thức không audit được
Soft constraints quá rộng → agent lạm quyền override
Priority Graph chồng lên workflow engine nếu không giữ ranh giới
Context projection không gắn ACL → lộ tri thức sai người/sai vai trò
Bottom-up discovery quá mạnh → ontology drift nếu human gate không chặt

Kết luận cuối

THÔNG QUA CÓ ĐIỀU KIỆN.

Điều 39 v2.0 đã đúng hướng lớn và sửa đúng gốc logic của v1.x. Tôi xem đây là một bản đủ tốt để tiếp tục làm luật nền tảng. Nhưng trước khi ban hành thật chắc, tôi muốn thấy 4 thứ được viết rõ hơn trong full text:

provenance/evidence tracking
explainability path cho AI decision
hard/soft/advisory constraints
ranh giới AI-vs-human và ACL trong context projection

Nếu 4 chốt này đã có trong full text chi tiết mà chưa xuất hiện trong bản tóm tắt tôi đọc, thì điểm có thể nâng lên 8.7-9.0/10.