Đề xuất Giải pháp Toàn diện
AIOS
Enterprise AI Operating System
Kết nối hệ thống · Xây dựng tri thức doanh nghiệp · Vận hành AI có kiểm soát
CONNECT
Kết nối mọi hệ thống
hiện có — không thay thế
hiện có — không thay thế
UNDERSTAND
Xây lớp tri thức đáng tin
từ dữ liệu phân tán
từ dữ liệu phân tán
OPERATE
AI Agents vận hành
theo nghiệp vụ từng phòng ban
theo nghiệp vụ từng phòng ban
GOVERN
Bảo mật · Kiểm toán
Học có kiểm soát
Học có kiểm soát
Thiết kế cho Dragon Capital · Tích hợp IRIS · PyBroker · ALGO-E · FiinGroup · Bloomberg
Fabbi Software · Tháng 3, 2026
Tài liệu mật — Chỉ dành cho Dragon Capital
Talking point: AIOS không phải chatbot hay tool AI đơn lẻ. Đây là hệ điều hành AI cho doanh nghiệp — phủ lên trên các hệ thống hiện có của DC mà không thay thế. 4 lớp: Kết nối hệ thống (IRIS, Bloomberg, FiinGroup) → Xây dựng tri thức đáng tin → Vận hành agent theo nghiệp vụ → Kiểm soát và kiểm toán toàn bộ. Hôm nay chúng tôi trình bày: bài toán DC đang gặp, giải pháp AIOS, tại sao Fabbi, và demo thực tế đang chạy.
01
Bối cảnh & Nhu cầu
Hệ sinh thái DC · 5 phòng ban · Hệ thống rời rạc · Tri thức bị chôn
02
Giải pháp & Lộ trình
Controlled AI · Kiến trúc · POC→Phase 1 · ROI · Phase 2-3 · Tầm nhìn HOSE
03
Tại sao Fabbi · Nguyên tắc hệ thống
Build vs Buy vs Fabbi · Giới thiệu Fabbi · 4 Nguyên tắc · Chi phí · Tác động Chiến lược
04
Minh chứng & Demo
Use case thực tế · DOMUS prototype · POC chi tiết · Bước tiếp theo
+ Phụ lục kỹ thuật dành cho technical team
CONNECT
Tầng kết nối
Kết nối mọi hệ thống hiện có — không thay thế
DB · API · File · Email · Chat connectors · Schema discovery tự động · Read-only trước, human phê duyệt trước khi kích hoạt
IRIS · Bloomberg
FiinGroup · Cadena
FiinGroup · Cadena
UNDERSTAND
Tầng tri thức
Xây lớp tri thức doanh nghiệp đáng tin từ dữ liệu phân tán
DOMUS (xử lý tài liệu) · Knowledge Graph · Reconciliation Layer · Source-of-Truth map · Evidence linking
Accuracy Engine
nằm ở tầng này
nằm ở tầng này
OPERATE
Tầng vận hành
AI Agents vận hành theo nghiệp vụ từng phòng ban
Agent per department · Workflow orchestration · Human-in-the-loop · Enterprise search · Daily briefing
Legal · Risk · ETF
HR · Investment
HR · Investment
GOVERN
Tầng kiểm soát
Bảo mật · Kiểm toán · Học có kiểm soát
RBAC phân quyền · Model routing theo sensitivity · Audit trail đầy đủ · Controlled Learning · On-prem native
SSC compliance
Kiểm toán sẵn sàng
Kiểm toán sẵn sàng
LỘ TRÌNH TRƯỞNG THÀNH:
Discover
→
Read
→
Explain
→
Suggest
→
Assist
→
Act · Phê duyệt
→
Bounded Autonomy
Machine-assisted discovery, human-approved activation · Học có kiểm soát, không tự ý thay đổi
Mô hình: DC nhận license NON-COMMERCIAL của CORE platform Fabbi. Tùy chỉnh theo nghiệp vụ DC. DC vận hành độc lập.
Overlay-first: AIOS phủ lên trên IRIS, PyBroker, ALGO-E — không thay thế. Hệ thống cũ vẫn chạy bình thường.
Talking point: Đây là slide quan trọng nhất. AIOS không phải chatbot hay tool AI — đây là hệ điều hành AI cho doanh nghiệp, 4 tầng rõ ràng. CONNECT kết nối hệ thống hiện có (IRIS, Bloomberg, FiinGroup) — không thay thế. UNDERSTAND xây tri thức đáng tin — accuracy engine nằm ở đây. OPERATE = agent vận hành theo nghiệp vụ từng phòng ban. GOVERN = bảo mật + kiểm toán + học có kiểm soát. DC nhận license NON-COMMERCIAL, tùy chỉnh và vận hành độc lập.
Claude + MCP hiện tại
✓ Đã kết nối dữ liệu qua MCP — query được. Nhưng:
1.
Dữ liệu chưa đối chiếu — MCP lấy dữ liệu raw, nhưng FiinGroup sai P/E, Bloomberg sai NAV — không có lớp reconciliation tự động
2.
Có thể bịa số — Claude trả lời dựa trên xác suất, không kiểm chứng chéo nguồn. Trong tài chính, 1 con số sai = thiệt hại lớn
3.
Không có audit trail — Ai hỏi gì, AI trả lời gì, dựa trên nguồn nào? Không truy vết được → SSC không chấp nhận
4.
Không phân quyền — Mọi người hỏi cùng 1 Claude, không kiểm soát ai được xem gì
5.
Không có bộ nhớ — Mỗi hội thoại bắt đầu từ đầu. Tri thức doanh nghiệp không tích lũy
= Công cụ query tốt, chưa phải nền tảng doanh nghiệp
AIOS thêm 5 lớp enterprise lên Claude + MCP
Giữ nguyên Claude + MCP. Bọc thêm lớp kiểm soát:
1.
Reconciliation engine — Đối chiếu chéo IRIS ↔ FiinGroup ↔ Bloomberg tự động, gắn confidence score. Sai = cảnh báo
2.
Guardrails chống bịa số — AI output luôn so sánh với dữ liệu gốc. Không match = không hiển thị. Evidence-first
3.
100% audit trail — Ai hỏi, AI trả lời gì, nguồn nào, lúc nào — truy vết được. SSC audit-ready
4.
Phân quyền 4 cấp — Mỗi người chỉ thấy dữ liệu mình được phép. L0 (tuyệt mật) không bao giờ rời DC
5.
Enterprise memory — Tri thức tích lũy theo phòng ban, theo quyết định, theo thời gian. Người nghỉ việc ≠ mất kiến thức
= Nền tảng vận hành AI cho toàn doanh nghiệp
AIOS không thay thế Claude + MCP — AIOS thêm lớp enterprise: đối chiếu dữ liệu, phân quyền, audit trail, bộ nhớ tổ chức.
Talking point: DC đang dùng Claude — rất tốt, nhưng đó là tool cá nhân. Khi quỹ đầu tư dùng AI để ra quyết định, cần 3 thứ mà Claude trực tiếp không có: dữ liệu thật (không phải general knowledge), kiểm chứng (không phải AI đoán), và kiểm toán (SSC yêu cầu). AIOS bọc Claude trong lớp enterprise — giữ nguyên sức mạnh Claude nhưng thêm data, trust, control.
| Tiêu chí |
OpenClaw
AI Assistant cá nhân
|
NemoClaw (NVIDIA)
Runtime bảo mật cho Assistant
|
AIOS + DOMUS
Enterprise AI Operating Layer
|
|---|---|---|---|
| Giải quyết bài toán gì? | "Làm sao có trợ lý AI riêng?" | "Làm sao chạy OpenClaw an toàn hơn?" | "Làm sao biến DN rời rạc thành môi trường AI có thể hiểu, govern và vận hành?" |
| Đối tượng | Cá nhân, power user, creator | Dev / platform operator | CEO, CIO, CDO, DX lead |
| Dữ liệu doanh nghiệp | Truy cập qua tools, không phải lõi | Truy cập qua runtime, không phải lõi | Là lõi: SoT map, conflict detection, lineage, confidence scoring |
| Tài liệu phi cấu trúc | Không phải thế mạnh | Không phải thế mạnh | DOMUS: OCR, parsing, transcript, extraction, evidence linking → tri thức có chứng cứ |
| Knowledge Graph | Không có | Không có | Enterprise graph: people · process · system · document · policy · evidence |
| Bảo mật & Governance | Computer-use toàn quyền máy — nguy hiểm cho DN | Sandbox, runtime hardening, policy layers | 4-tier GOVERN: user/agent/tool/model/data policy + audit + approval + rollback |
| Kiểm toán (SSC) | Không có | Có log nhưng không evidence-first | Audit trail + evidence linking + TT181/PL25/TT98 |
| Học có kiểm soát | Không kiểm soát | Runtime-level control | Controlled Learning: policy-aware, tenant-bounded, rollbackable, human-approved |
| Thời gian triển khai | Nhanh cho cá nhân | Nhanh cho dev stack | POC 30 ngày · Phase 1: 12 tuần · Phased rollout |
OpenClaw
= Sản phẩm trợ lý cá nhân
NemoClaw
= Runtime an toàn hơn cho assistant
AIOS + DOMUS
= Hệ điều hành AI cho toàn doanh nghiệp
DOMUS = mở khóa "dark data": biến tài liệu, scan, email, note, audio, video thành tri thức có chứng cứ để AIOS vận hành
Talking point: OpenClaw là sản phẩm assistant cá nhân — tốt cho 1 người, nhưng khi doanh nghiệp dùng thì thiếu governance, thiếu enterprise data, thiếu audit. NemoClaw (NVIDIA) là lớp runtime giúp chạy OpenClaw an toàn hơn — nhưng vẫn là assistant, không phải enterprise operating layer. AIOS khác ở chỗ: không phải assistant, mà là hệ điều hành AI cho toàn doanh nghiệp. DOMUS bên trong AIOS giải quyết bài toán dark data — biến tài liệu, hợp đồng, báo cáo thành tri thức có chứng cứ. DC nhận license NON-COMMERCIAL, vận hành độc lập.
Phần 01 / 04
Bối cảnh & Nhu cầu
Hệ sinh thái công nghệ DC · 5 phòng ban · Bài toán cốt lõi: Hệ thống rời rạc, tri thức bị chôn
Qua trao đổi ban đầu, Fabbi nhận thấy:
▸Dữ liệu tài chính tại DC không chỉ yêu cầu độ chính xác cao — mà còn cần traceability: khả năng kiểm chứng theo từng bước tính toán
▸Sai lệch có thể phát sinh từ nhiều nguồn khác nhau — cần lớp đối soát đa nguồn để đảm bảo tính nhất quán trước khi mở rộng
▸DC đã có nền tảng dữ liệu (IRIS, Synapse) — nhưng chưa có lớp kiểm soát logic xuyên suốt giữa data ingestion và AI application
Cách tiếp cận: Accuracy-First
Tách rõ 3 lớp xử lý:
① Data ingestion — chuẩn hóa đầu vào từ nguồn
② Reconciliation & validation — kiểm chứng logic
③ AI application — phân tích trên dữ liệu đã xác thực
Reconciliation engine:
· Kiểm tra chéo giữa nhiều nguồn dữ liệu
· Chuẩn hóa công thức & logic tính toán
· Kết quả có thể explain và audit từng bước
AI chỉ được áp dụng sau khi dữ liệu đã kiểm chứng & logic đã chuẩn hóa
Năng lực liên quan của Fabbi
▸Xử lý & chuẩn hóa dữ liệu doanh nghiệp (ERP, tài chính, vận hành)
▸Thiết kế pipeline đa nguồn với validation logic và audit trail
▸LLM on-premise — dữ liệu xử lý hoàn toàn nội bộ, không rời hạ tầng
▸Semantic search + data extraction — đã kiểm chứng qua demo thực tế
▸Triển khai hệ thống đòi hỏi độ tin cậy trong môi trường nghiệp vụ phức tạp
Qua trao đổi ban đầu với DC: accuracy là ưu tiên nhất quán qua nhiều nhóm nghiệp vụ
Bước tiếp theo: POC 2–4 tuần
·Chọn 1–2 use case cụ thể (đối soát dữ liệu tài chính / tạo báo cáo)
·Thiết lập pipeline xử lý + validation logic thực tế
·Đo lường: độ chính xác · giảm thao tác thủ công · khả năng mở rộng
→ Kết quả POC là cơ sở để DC đánh giá & xác định lộ trình triển khai tiếp theo
Talking point: Nhấn mạnh tư duy accuracy-first — không pitch AI trước khi dữ liệu được kiểm chứng. 3 lớp tách biệt thể hiện kiến trúc có nguyên tắc. DC có nền tảng (IRIS, Synapse) tốt — Fabbi bổ sung lớp reconciliation + AI application. POC là bước xác nhận cụ thể, DC quyết định dựa trên kết quả thực tế, không phải cam kết trước.
| # | Current State (AS-IS) | Target State (TO-BE) |
|---|---|---|
| 1 | 56% manual workflows — no enterprise AI operating layer | 16 use cases target Phase 1 · ước tính ~27h/tuần tiết kiệm (xác nhận trong POC) |
| 2 | Fragmented data silos — no cross-functional intelligence | AIOS connectors unify all systems · single knowledge layer |
| 3 | Inconsistent external data (FiinGroup vs Bloomberg) | Auto QA reconciliation · flag >5% deviation in <30s |
| 4 | Unmanaged AI usage · no audit trail · no governance | AIOS Governance: 4-tier RBAC · 100% audit trail · guardrails |
| 5 | Manual SSC/regulatory reporting · compliance exposure | Auto compliance export · Audit Trail queryable and SSC-ready |
Talking point: L0 enterprise landscape. AS-IS = 6 systems, fragmented, 56% manual, no AI operating layer. TO-BE = AIOS as governance + intelligence layer over existing systems — not replacement. IRIS stays as the knowledge core. Human decision-makers retain accountability — AI supports insight only.
Talking point: Slide này chỉ trả lời: "Ở đâu đang tốn effort / tốn cost, và vì sao nên bắt đầu từ đó?" — bám đúng 5 phòng ban đã xác nhận trong survey do anh Thuận share. Không overclaim "all departments" hay "enterprise-wide". Mỗi box cho thấy: đang dùng gì → nghẽn ở đâu → AIOS hỗ trợ gì → tiết kiệm gì. Tone: "hỗ trợ", không phải "thay thế hoàn toàn".
DC đang thiếu: một lớp vận hành AI thống nhất — kết nối hệ thống, xây tri thức, vận hành có kiểm soát
Dữ liệu ngoài (FiinGroup, Bloomberg) không tin cậy — cần reconciliation
Tri thức nằm rải rác theo từng người — không có enterprise memory
Các phòng ban vận hành silo — không có cross-system intelligence
→ Cần: AIOS overlay — CONNECT hệ thống · UNDERSTAND dữ liệu · OPERATE agent · GOVERN kiểm soát
| Phòng ban | Quan sát ban đầu | Ước tính effort |
|---|---|---|
| Legal & Compliance | Chưa có knowledge pool tập trung; việc review còn phụ thuộc nhiều vào người xử lý, chưa có cross-reference tự động | Ước tính 1–3 HĐ/tuần × 2–4h/hồ sơ |
| ETF Research | Daily Report phụ thuộc máy cá nhân, phải download 40 file/ngày từ nhiều nguồn | Ước tính ~10h/tuần thao tác thủ công |
| Risk | Khả năng truy vết / audit trail hiện còn hạn chế ở một số luồng dữ liệu; đối chiếu dữ liệu external còn phụ thuộc thủ công | QA hiện chủ yếu bằng tay; chưa tự động hóa |
| Principal Invest | Quy trình mang tính case-by-case, mức độ chuẩn hóa chưa cao. Tổng hợp báo cáo IC hiện chủ yếu thủ công từ nhiều nguồn | Ước tính báo cáo IC hàng tháng ~1–2 ngày thủ công |
| HR & Admin | Cadena hiện chưa đáp ứng đầy đủ nhu cầu báo cáo / liên thông HR–Finance; travel report còn phụ thuộc quy trình thủ công | Ước tính ~5 ngày/tháng cho travel report |
~26
tác vụ ước tính phân tích
~56%
còn nhiều thao tác thủ công
~27h
tiềm năng tiết kiệm/tuần (ước tính sơ bộ)
Các số liệu trên là ước tính định hướng từ trao đổi ban đầu với DC leadership — chưa qua khảo sát chính thức từng nhóm. Cần discovery workshop với DC để xác nhận phạm vi, tần suất và mức độ tự động hoá thực tế.
Talking point: Các con số 56% và ~27h là ước tính định hướng từ trao đổi ban đầu với DC leadership — chưa phải kết quả khảo sát chính thức. Không nên trình bày như đã validated. Mục tiêu là đặt vấn đề, dẫn đến đề xuất discovery workshop để DC tự xác nhận con số thực tế từng phòng ban.
VẤN ĐỀ THỰC TẾ CỦA DC HÔM NAY
Bloomberg — Lỗi gần đây
Nhân sự giảm → quality giảm → DC phải tự verify
FiinGroup — Sai ở calculated metrics
P/E, NAV, corporate actions sai ở bước tổng hợp → DC tính lại thủ công
IRIS — Chính xác nhưng giới hạn
Chỉ cho dữ liệu DC tự nhập — không cross-check nguồn ngoài
Cross-check thủ công
40+ files/ngày · 1–3h data prep · 0h phân tích thực sự
TÁC ĐỘNG LÊN DC
⚠️ Compliance Risk
Không có audit trail → SSC audit không truy vết được nguồn dữ liệu
⏱️ Lãng phí thời gian
1,250–3,750 giờ/năm
5 analysts × 1–3h/ngày cho data prep thay vì investment analysis
📊 Rủi ro quyết định
Bloomberg vs FiinGroup lệch = rủi ro ẩn trong mọi báo cáo đầu tư
Accuracy = điều kiện tiên quyết. AI analysis = hệ quả, không phải mục tiêu.
Talking point: Slide này reframe toàn bộ câu chuyện. DC không cần "thêm một tool AI nữa." DC cần một hệ thống đảm bảo dữ liệu tài chính chính xác ở cấp enterprise TRƯỚC khi AI phân tích. Bloomberg lỗi, FiinGroup sai ở calculated metrics, IRIS chỉ cover internal data. Tổng cộng 1,250-3,750 giờ/năm lãng phí cho data prep. Đây là bài toán accuracy, không phải bài toán AI.
Phần 02 / 04
Giải pháp & Lộ trình
Kiến trúc tổng thể · POC 30 ngày · Phase 1-3 · Tầm nhìn 2 năm HOSE
KIẾN TRÚC 4 TẦNG — ON-PREMISE FIRST
L0
Raw Data — KHÔNG BAO GIỜ rời DC
Bloomberg, FiinGroup, IRIS, Synapse → local ingest. DC encode sensitive fields.
🔒 DC ONLY
L1
Reconciliation Engine — On-Prem
Cross-source validation, anomaly detection, DC-specific recalculation rules.
🔧 FABBI SOLUTION
L2
Trusted Data — Dữ liệu đã kiểm chứng
Verified metrics, confidence scores, audit trail complete. RBAC per department.
✓ TRUSTED
L3
Claude API — CHỈ cho Investment Analysis
Chỉ nhận trusted data từ L2. Deep financial reasoning: portfolio, risk scoring, ETF strategy.
☁️ EXTERNAL
DC KIỂM SOÁT
✓ Compute: on-prem servers, DC data center
✓ Data: L0-L2 không rời DC nếu chưa approve
✓ Rules: reconciliation logic = DC business rules
✓ Access: RBAC 4 cấp per department
✓ Fine-tuning: DC tự thực hiện trên L0 data
FABBI LÀM
✓ Build + maintain reconciliation engine
✓ Monitor AI model updates (Claude → Gemini)
✓ Upgrade pipeline không ảnh hưởng DC ops
✓ Security patches + compliance updates
✓ 24/7 technical support Phase 1-2
On-prem = DC kiểm soát compute + data = KHÔNG phụ thuộc vendor nào.
Chú giải:
On-prem (On-premise) = vận hành trên hạ tầng nội bộ DC ·
RBAC = phân quyền theo vai trò ·
Reconciliation = đối chiếu dữ liệu giữa các nguồn ·
L0–L3 = 4 mức phân loại bảo mật dữ liệu (L0 = tuyệt mật → L3 = công khai nội bộ)
Talking point: 4 tầng rõ ràng: L0 (raw data, DC only), L1 (reconciliation, Fabbi cung cấp on-prem), L2 (trusted data, RBAC), L3 (Claude API, chỉ cho investment analysis). DC giữ quyền kiểm soát compute, data, business rules, access. Fabbi lo kỹ thuật: build, maintain, upgrade, support. On-prem native = DC không bị lock-in bất kỳ vendor nào.
| Hệ thống | AS-IS Pain ⚠ | TO-BE Solution ✓ |
|---|---|---|
| IRIS Lakehouse | Read-only silo, không thể query ngôn ngữ tự nhiên | + pgvector → semantic search, RAG-ready |
| Bloomberg/FiinGroup | FiinGroup sai số P/E, NAV, corp actions thường xuyên | Auto reconciliation <30s, discrepancy report tự động |
| PyBroker + ALGO-E | Scripts isolated, phân tích thủ công, không AI | AIOS AI insights + human-approve gate cho trading |
| Cadena / Reports | 5 ngày/tháng manual, không đồng bộ HR-Finance | HR Chatbot + auto-sync + daily report tự động |
Talking point: L1 là cấp độ system — từng hệ thống cụ thể được kết nối vào AIOS như thế nào. PyBroker, ALGO-E, IRIS giữ nguyên — AIOS wrap và connect. Không migration, không disruption. Data flows DOWN (L0 không bao giờ xuống L3). Queries flows UP qua gate kiểm tra quyền.
PHẠM VI POC — 2-3 NGHIỆP VỤ TỪ 6 NHÓM
① ETF Research — Daily Data Reconciliation
ƯU TIÊN CAO
FiinGroup vs Bloomberg vs IRIS — auto-reconcile P/E, NAV, returns hàng ngày
Target: 1–3h data prep → dưới 30 phút | Đo: accuracy rate, discrepancy count, analyst hours saved
② Legal — AI Review Hợp Đồng
ƯU TIÊN CAO
Upload → tóm tắt điều khoản → flag rủi ro → đối chiếu thông tư SSC
Target: 2–4h/hợp đồng → dưới 30 phút (đo trong POC) | KPI: clause detection rate, review time, accuracy %
③ Risk — Portfolio Risk Daily Digest
TÙY CHỌN
Auto-aggregate risk metrics từ IRIS + Synapse → real-time alerts thay vì báo cáo cuối ngày
Target: end-of-day → real-time | Đo: alert accuracy, response time
QUY MÔ ĐẦU TƯ
Fabbi Engineering Team
👥 2–3 senior engineers (full-time)
📅 POC: 30 ngày · Phase 1: 6 tháng
📊 POC: 2-3 engineers · Phase 1: 12–18 man-months
🖥️ On-prem server + PostgreSQL
💰 Fabbi chịu toàn bộ chi phí POC
DC Cần Cung Cấp
✓ 1 người liên lạc chính (1–2h/tuần)
✓ Quyền access IRIS sandbox
✓ 5–10 users để test
✓ Không cần budget riêng
⚡ POC — Tuần 4: Accuracy Report
Báo cáo accuracy trên dữ liệu thật
DC quyết định Go/No-Go
DC quyết định Go/No-Go
Talking point: Hai giai đoạn rõ ràng: (1) POC 30 ngày — Fabbi chịu chi phí, 2-3 use cases, tuần 4 ra accuracy report, DC quyết định Go/No-Go. (2) Nếu Go → Phase 1 triển khai 6 tháng. Không nhầm lẫn: POC ≠ Phase 1.
4DOMUS Skills
16use cases
~27hước tính/tuần (xác nhận POC)
0.63FTE tiết kiệm
Nền tảng sẵn sàng: DOMUS v2.5 đã có Xử lý tài liệu · Phân quyền 5 cấp · Đồ thị tri thức · Nhật ký kiểm toán. Phase 1 = triển khai 4 nghiệp vụ chuyên biệt lên nền tảng này. 4–6 tuần/nghiệp vụ.
Talking point: Mỗi skill Phase 1 đều có Input → DOMUS Process → Output rõ ràng và đo được. Foundation DOMUS (doc ingestion, RBAC, KG, audit trail) đã build xong — Phase 1 là thêm 4 domain-skills lên trên. 4 skills × 4–6 tuần = T1–6. Kết quả đo được ngay tháng 1.
Thời gian tạo báo cáo
↓ 30–50%
Tự động hóa tổng hợp IRIS & Investment reports
Thời gian tìm kiếm tài liệu
↓ 40–60%
Truy xuất Legal/Finance documents tức thì
Độ trễ dữ liệu
↓ 50–70%
Real-time ingestion thay vì batch cuối ngày
Review hợp đồng
↓ 20–30%
tiết kiệm ~15h/tuần
Giảm tải rà soát thủ công trong Legal/Compliance
Độ lệch chuẩn dữ liệu
< 1%
Target
Đảm bảo chính xác cho NAV, P/E sau Corporate Actions
Thêm KPI từ
Discovery workshop
(xác nhận sau 2 tuần POC)
Discovery workshop
(xác nhận sau 2 tuần POC)
Tiết kiệm chi phí gián tiếp
Tăng tốc ra quyết định
Giảm thiểu rủi ro
Ước tính sơ bộ cho giai đoạn pilot (3 tháng đầu)
Talking point: Tất cả KPI là ước tính sơ bộ từ khảo sát sơ bộ 6 team DC — sẽ được xác nhận và hiệu chỉnh sau Discovery workshop. Phase 1 tập trung vào 3 nhóm giá trị: báo cáo nhanh hơn, tìm kiếm tức thì, và dữ liệu chuẩn xác hơn. KPI <1% error rate cho NAV/P/E là điều kiện tối thiểu để DC tin tưởng đưa AI vào quy trình ra quyết định đầu tư.
Phase 3 — Semi-autonomous (T13–18)
Người giám sát · AI vận hành trong guardrails
→Daily Report zero manual — toàn pipeline tự chạy, người review exception
→QA Checker 24/7 — FiinGroup, NAV, corporate actions kiểm tra liên tục
→Trading intelligence — kết nối ALGO-E, AI propose · human-approve-only
→HR–Finance auto-sync — Cadena ↔ IRIS, không nhập tay
Tầm nhìn
Giảm đáng kể thao tác thủ công
Đích đến T18: Nền tảng công nghệ đạt chuẩn chuyển sàn HOSE. DC đã trên UPCOM — xây dựng tech moat cho HOSE: dữ liệu kiểm chứng được · audit trail · quy trình kiểm toán được.
Talking point: Phase 2 = 4 agentic workflows, Input/Process/Output rõ ràng, con người vẫn quyết định cuối. Phase 3 = tầm nhìn: AI vận hành, người giám sát exception. 50% reduction là target anh Thuận đặt ra — Fabbi cung cấp roadmap từ đó ngược lên.
LỘ TRÌNH CHIẾN LƯỢC
NĂM 1
Phase 1–2: Operational Excellence
✓ Accuracy Engine hoạt động — dữ liệu tin cậy 100%
✓ 6 nhóm sử dụng DOMUS daily — 70% giảm thời gian data prep
✓ SSC audit trail — sẵn sàng cho mọi yêu cầu kiểm toán
✓ Agent workflows xử lý 80% tác vụ lặp tự động
→ DC có nền tảng AI vận hành vượt trội trong ngành quỹ VN
NĂM 2
Phase 3 + Platform: Investor Story
✓ Semi-autonomous operations — giảm đáng kể thao tác thủ công (đo lường cụ thể sau Phase 2)
✓ Core technology trở thành IP của DC — không phụ thuộc vendor
✓ Nền tảng công nghệ = năng lực vận hành cho chuẩn HOSE
✓ Platform extensible — có thể mở rộng cho các fund khác
→ Nền tảng công nghệ hỗ trợ năng lực vận hành cho HOSE
TẠI SAO QUAN TRỌNG
UPCOM → HOSE
HOSE đánh giá doanh nghiệp không chỉ theo AUM mà còn theo năng lực vận hành + công nghệ.
Core technology tự xây = competitive moat:
• Không vendor nào có thể copy
• DC tự chủ hoàn toàn
• Investor story mạnh hơn
Fabbi's Role
Fabbi không chỉ optimize workflow.
Phát triển trên CORE platform Fabbi — DC license NON-COMMERCIAL, tùy chỉnh theo nghiệp vụ, vận hành độc lập.
On-prem + no vendor lock-in = DC owns the tech stack entirely.
Mục tiêu 2 năm: DC vận hành nền tảng AI độc lập trên CORE Fabbi (license NON-COMMERCIAL) — hỗ trợ năng lực chuyển sàn HOSE.
Talking point: Slide này kết nối execution (Phase 1-3) với DC's strategic goal. Năm 1 = operational excellence. Năm 2 = nền tảng công nghệ hỗ trợ năng lực chuyển sàn HOSE. Fabbi xây để DC sở hữu — on-prem, DC vận hành độc lập. Lưu ý: không overclaim "technology = valuation" — nói "technology hỗ trợ năng lực vận hành" là đủ.
Tại sao 12 tháng triển khai? — Phase 1–2 đủ để chứng minh giá trị và tiết kiệm FTE thực sự. Phase 3 là chiến lược dài hơi — chỉ bắt đầu khi Phase 1–2 đã validate accuracy.
Đích đến T18: Nền tảng công nghệ đạt chuẩn chuyển sàn HOSE. DC đã trên UPCOM — roadmap 18 tháng xây nền tảng để chuyển sàn HOSE: dữ liệu kiểm chứng được · audit trail · quy trình tự động hoá có thể kiểm toán.
Talking point: Slide này dẫn vào Phase 1/2/3 detail. Nhấn mạnh: Phase 1 là low-risk, high-value validation. Nếu POC không đạt accuracy target, chúng ta dừng và điều chỉnh — không commit lớn. Đây là cách Fabbi cung cấp trust trước khi scale.
Phần 03 / 04
Tại sao Fabbi
Build vs Buy vs Partner · Bảo mật & Quản trị · Chi phí vận hành
| Tiêu chí | ⚒️ TỰ XÂY (In-House) | ☁️ MUA AI SẴN (Generic) | 🤝 FABBI (DOMUS) |
|---|---|---|---|
| ⏱ Thời gian | 12–18 tháng (minimum) Tuyển AI team, xây hạ tầng từ đầu |
6 tuần setup Nhưng generic, không tích hợp sâu |
POC 30 ngày + Phase 1: 6 tháng POC tuần 4 accuracy report → Go/No-Go |
| 🧠 Domain knowledge | DC biết tài chính, KHÔNG biết AI orchestration | Vendor biết AI, KHÔNG biết fund management VN | Biết CẢ HAI: DC systems + AI architecture |
| 📊 IRIS integration | DC IT phải tự build API connector | Vendor cần 1–2 tháng hiểu IRIS | Đã nghiên cứu IRIS data schema + API |
| 🔍 FiinGroup reconciliation | Tự code reconciliation rules từ đầu | Ingest data không biết sai ở đâu | Biết FiinGroup sai ở P/E, NAV, corporate actions |
| 🔒 On-prem | Được, nhưng tự maintain toàn bộ | Cloud-first, dữ liệu rời DC | On-prem native, DC control data 100% |
| 🔄 Upgrade AI | DC IT theo dõi AI market (Anthropic, Google, OpenAI) | Vendor lock-in, upgrade theo vendor schedule | Fabbi theo dõi + auto-upgrade Claude/Gemini |
| 📋 SSC compliance | Tự xây audit trail (12+ tháng) | Audit trail generic, không cho VN regulations | SSC TT181/PL25/TT98 tích hợp sẵn |
✓ Fabbi đã nhận diện pain points sơ bộ từ 5 phòng ban DC — cần discovery workshop xác nhận chi tiết
✓ Fabbi biết FiinGroup sai ở đâu: P/E tính từ raw BCTC, NAV verify từ IRIS
✓ DOMUS là phần mềm đang chạy — DC leadership đã xem prototype trực tiếp
Bài toán DC-specific cần đối tác hiểu nghiệp vụ fund management và sẵn sàng chứng minh bằng POC thực tế.
Talking point: 7 tiêu chí so sánh: thời gian, domain knowledge, IRIS integration, FiinGroup reconciliation, on-prem, AI upgrade, SSC compliance. Tự xây = 12-18 tháng minimum, phải tuyển AI team. Mua sẵn = generic, không hiểu fund VN, cloud-first = dữ liệu rời DC. Fabbi = biết cả hai: DC systems + AI architecture. Đã nghiên cứu IRIS, biết FiinGroup sai ở đâu. On-prem native. SSC compliance built-in. "Bài toán DC-specific — chỉ Fabbi xây đúng."
Trần Đình Tuấn
CPO Fabbi · Associate Professor · Người trình bày chính
Phó Giáo sư, Khoa Khoa học Dữ liệu, Đại học Shiga (Nhật Bản)
Giảng viên thỉnh giảng, Đại học Ritsumeikan
CPO Fabbi — dẫn dắt thiết kế sản phẩm AIOS cho DC
Giảng viên thỉnh giảng, Đại học Ritsumeikan
CPO Fabbi — dẫn dắt thiết kế sản phẩm AIOS cho DC
| Thành viên | Vai trò | Chuyên môn |
|---|---|---|
| Khúc Anh Minh Lượng | CDXO — Giám đốc Chuyển đổi Số | Kiến trúc hệ thống, AI standardization, presales |
| Lê Hoàng Tuấn Anh | GĐ Fabbi Đà Nẵng | Japan sales execution, quan hệ khách hàng, JP–VN bridge |
Talking point: 4 nhà + AI-first. Fabbi AUS mới thành lập — thị trường Australia + US springboard. DOMUS đang chạy thực tế cho DC. AIOS là sản phẩm chủ lực hôm nay — xây riêng cho bài toán tài chính, không phải generic wrapper.
🏛️
Dữ liệu thuộc về DC
Data Sovereignty
- Toàn bộ dữ liệu lưu tại chỗ (on-premise), DC kiểm soát 100%
- Fabbi không truy cập được dữ liệu cấp L0 (tối mật)
- DC có thể kiểm toán mọi truy vấn AI bất kỳ lúc nào
🔒
Bảo mật 3 tầng
Privacy by Design
- Tầng 1 — Công khai: Dữ liệu thị trường, tin tức
- Tầng 2 — Nội bộ: Mô hình AI cục bộ, dữ liệu phòng ban
- Tầng 3 — Tối mật: L0 — DC tự huấn luyện, Fabbi không truy cập
💰
Chi phí vận hành thấp
Low Running Cost
- 90% truy vấn đi qua mô hình nhanh (chi phí thấp)
- Chỉ truy vấn phức tạp mới dùng mô hình cao cấp (Claude)
- Chi phí tăng tuyến tính theo số người dùng — không có "bẫy giá"
🔄
Tự động nâng cấp
Auto Upgrade Path
- Fabbi theo dõi thị trường AI — khi có mô hình tốt hơn, tự động nâng cấp
- DC không bị khóa vào 1 nhà cung cấp AI (no vendor lock-in)
- Hệ thống phát triển theo DC — thêm module khi cần
Cam kết: Phát triển trên CORE platform Fabbi → chi phí thấp hơn xây mới. DC license NON-COMMERCIAL, tùy chỉnh theo nghiệp vụ. DC sở hữu hạ tầng + dữ liệu. Không phụ thuộc cloud.
Talking point: Đây là 4 nguyên tắc cốt lõi mà DC cần ở bất kỳ đối tác công nghệ nào. Fabbi thiết kế hệ thống theo 4 nguyên tắc này từ đầu — không phải thêm vào sau. Data sovereignty = DC sở hữu 100%, Fabbi không truy cập L0. Privacy = 3 tầng LLM riêng biệt. Chi phí = multi-model router tối ưu 90% request ở tầng nhanh. Upgrade = platform investment, không stuck ở v1.
DC đầu tư gì, khi nào?
| Giai đoạn | Chi phí DC | Ghi chú |
|---|---|---|
| POC (30 ngày) | Chi phí tối thiểu — dựa trên CORE platform Fabbi | DC chỉ cần cử người tham gia review. Infra do Fabbi cung cấp. |
| Phase 1 (T1–6) | Phí triển khai + license hàng tháng | Scope & pricing xác định sau POC Go decision. Thanh toán theo milestone. |
| Phase 2–3 (T7–18) | Mở rộng scope — pricing theo module | DC chọn module nào triển khai tiếp. Không bắt buộc toàn bộ. |
Mô hình thanh toán sau POC
Phí triển khai
One-time · theo scope Phase 1
Monthly run-rate
Infra + model API + support
Xác định trong POC wrap-up
Xác định trong POC wrap-up
Upgrade path
Module-based · DC chọn mở rộng
Không lock-in toàn bộ roadmap
Không lock-in toàn bộ roadmap
Ai làm gì?
| Hạng mục | DC | Fabbi |
|---|---|---|
| Hạ tầng (on-prem server) | Own | Setup & maintain |
| Dữ liệu & business rules | Own | — |
| AIOS platform (CORE Fabbi) | License NON-COMMERCIAL · Tùy chỉnh | Phát triển & hỗ trợ |
| Model API (Claude, etc.) | Chi phí API | Tối ưu routing |
| Support & maintenance | — | Included |
| Nhân sự DC tham gia | 1–2 focal points | — |
Cost drivers chính
Hạ tầng: Cơ sở dữ liệu nội bộ — DC sở hữu, không thuê cloud
Mô hình AI: Hệ thống tự chọn mô hình phù hợp — 90% truy vấn đi tầng nhanh, tiết kiệm đáng kể
Scale: Chi phí tăng tuyến tính theo số user & volume — không có "cliff" pricing
Cam kết: Fabbi sẽ cung cấp bảng chi phí chi tiết (monthly run-rate, infra sizing, API cost envelope, support fee) trong POC wrap-up report — dựa trên usage thực tế của DC, không phải ước tính lý thuyết.
Chú giải:
Run-rate = chi phí vận hành định kỳ hàng tháng ·
API cost = phí sử dụng mô hình AI theo lượng truy vấn ·
Lock-in = bị phụ thuộc vào 1 nhà cung cấp, khó chuyển đổi ·
Focal point = đầu mối phối hợp từ phía DC
Talking point: POC chi phí tối thiểu — phát triển dựa trên CORE platform Fabbi nên giá thấp hơn build từ đầu. DC nhận license NON-COMMERCIAL: có thể tùy chỉnh theo nghiệp vụ, nhưng không thương mại hóa. Sau POC, pricing dựa trên usage thực tế đo được — không phải estimate. DC sở hữu infra + data, Fabbi phát triển + hỗ trợ. DC chọn module nào triển khai — không bắt buộc cả roadmap.
Năm 1
TOP1
Thị trường
Thị trường
DC sở hữu hệ thống EKM & Agent tự động tiên tiến nhất trong các quỹ tại Việt Nam.
EKM Platform
Agent Workflows
Foundation Complete
Năm 2
Gia tăng
Giá trị DN
Giá trị DN
Công nghệ AI trở thành tài sản lõi, đóng góp trực tiếp vào định giá & khả năng huy động vốn — hỗ trợ chuyển sàn HOSE.
Valuation Driver
HOSE Ready
Capital Raise
20–35%
OPEX Reduction
6–12 tháng
Payback Period
Real-time
Insight Delivery
~99.9%
Độ chính xác
Ước tính sơ bộ. Payback period xác nhận sau Discovery workshop. OPEX reduction dựa trên Back/Middle Office overhead — biến động theo scope triển khai.
Talking point: Năm 1 = DC dẫn đầu thị trường về EKM + Agent. Không có quỹ nào tại Việt Nam có hệ thống tương đương. Năm 2 = công nghệ trở thành tài sản, không phải chi phí. Điều này trực tiếp hỗ trợ câu chuyện định giá khi DC cân nhắc chuyển sàn HOSE. Các con số OPEX và payback là ước tính sơ bộ — sẽ được xác nhận chính xác sau Discovery và POC wrap-up.
Phần 04 / 04
Minh chứng & Demo
Use case thực tế · Prototype đang chạy · DC-branded platform
Workflow
INPUT
HĐ (VN/EN, 5–6 trang)
+ Term sheet đã duyệt
→
HĐ (VN/EN, 5–6 trang)
+ Term sheet đã duyệt
AI PROCESS
Clause extraction
Risk scoring
Compliance flag
Suggestion generate
→
Clause extraction
Risk scoring
Compliance flag
Suggestion generate
OUTPUT
Problematic clauses
Compliance summary
Risk score
Suggested amendments
Problematic clauses
Compliance summary
Risk score
Suggested amendments
POC Scope
30 hợp đồng mẫu · Accuracy >90% flagging sai lệch · Time <5 phút/HĐ
DC đánh giá: prototype "gần sát với kỳ vọng" — buổi demo 14/3
Trước vs Sau AIOS
| Metric | Hiện tại | Với AIOS |
|---|---|---|
| Thời gian/HĐ | 2–4h | 15–30 phút (AI draft + human verify) |
| Số HĐ/tuần | 1–3 | Không giới hạn |
| FTE tiết kiệm | — | ~0.12 FTE/tuần (~5h/tuần) |
| Accuracy | Human review 100% | >90% flagging |
8×
faster
24/7
xử lý liên tục
90%+
accuracy
Talking point: Use case này anh Thuận đã đề cập trực tiếp tại buổi họp. Chúng tôi đã prototype và DC đánh giá "gần sát với cái đang muốn". 2–4h → 15 phút không phải lý thuyết — đây là kết quả đo được từ prototype.
Use Case — FiinGroup vs Bloomberg Data QA
BCTC + FiinGroup
aggregate vs Bloomberg
→
aggregate vs Bloomberg
Field-by-field reconciliation
Anomaly detection
Confidence scoring
→
Anomaly detection
Confidence scoring
Discrepancy report
Per-field accuracy
Reconciliation suggestions
Per-field accuracy
Reconciliation suggestions
Pain point đã xác nhận: FiinGroup inconsistency — P/E, NAV, corporate actions vs Bloomberg
95%+ detect discrepancies đã biết · <30s/check
Use Case — Tax Exemption Compliance Check
Fund redemption
transactions
+ Holding period rules
→
transactions
+ Holding period rules
Cross-check fund regulations
+ Thuế TNCN CCQ rules
+ Holding period calc
→
+ Thuế TNCN CCQ rules
+ Holding period calc
Tax treatment
classification
Exempt / Reduced / Full
classification
Exempt / Reduced / Full
POC metric: 100% correct classification trên 10 redemption test set
Domain knowledge thuế TNCN CCQ Việt Nam — AIOS được train riêng.
2 use case này là điểm đau nhất của DC. FiinGroup sai số liệu liên tục. Thuế CCQ cần chính xác 100%. AIOS giải quyết cả hai — domain knowledge đặc thù Việt Nam mà vendor nước ngoài không có.
Talking point: 2 use case này là điểm đau nhất của DC hôm nay. FiinGroup sai số liệu liên tục. Thuế CCQ cần chính xác 100%. AIOS giải quyết cả hai — và đây là domain knowledge đặc thù Việt Nam mà vendor nước ngoài không có.
✓ Dragon Capital branded
✓ 5 automation workflows
✓ Knowledge base + RAG
✓ Multi-agent orchestration
✓ JWT auth + RBAC
✓ DOMUS v2.0-dc
3 Task POC — mỗi task có dữ liệu thật, kết quả đo lường được
Lịch trình 4 tuần
TUẦN 1–2
Setup & Data Ingestion
Ingest 30 HĐ + Q1 FiinGroup + 10 redemptions vào DOMUS. Evaluate model accuracy trên dữ liệu mẫu.
Deliverable: Data pipeline hoạt động · Model baseline đo được
TUẦN 3
Workflow Testing E2E
Chạy 3 tasks end-to-end với dữ liệu thật. Refinement theo feedback Legal + Risk team DC.
Deliverable: Demo nội bộ DC · Kết quả từng task
TUẦN 4
Accuracy Report & Decision
Đo lường 3 success gates. Báo cáo đầy đủ: accuracy, time reduction, hallucination rate.
Deliverable: Accuracy report + Go/No-Go recommendation Phase 1
DC QUYẾT ĐỊNH
Pass → Phase 1 · Fail → Adjust, không commitment
Nếu cả 3 tasks đạt target → Go ahead Phase 1 (16 use cases, T1–6). DC hoàn toàn tự quyết định.
Chi phí tối thiểu
2 devs + 1 architect · Dựa trên CORE platform Fabbi
DC cần cung cấp
Data mẫu (HĐ + FiinGroup + redemptions) · 1 người liên lạc
POC = CHI PHÍ TỐI THIỂU · Kết quả đo lường được, không phải demo showcase
Talking point: POC chi phí tối thiểu, Fabbi tự đầu tư để chứng minh năng lực. 3 tasks đều có dữ liệu thật từ DC, success gate cụ thể. Tuần 4 DC nhận accuracy report và hoàn toàn tự quyết định có đi tiếp Phase 1 không. Không có áp lực, không có cam kết trước.
Bước tiếp theo
30 ngày · 3 use case · Kết quả đo lường được
01
Xác nhận POC
Ký MOU · Data liaison từ DC · Kickoff tuần 1
02
POC 30 ngày
3 use case · Accuracy report · Demo internal DC
03
Phase 1 Decision
Kết quả POC → quyết định 16 tasks Phase 1
POC chi phí tối thiểu · Phát triển trên CORE platform Fabbi
DC chỉ cần: data + 1 người liên lạc
Tầm nhìn 2 năm
Năm 1: Nền tảng công nghệ vận hành hiệu quả · Năm 2: Tech đóng góp vào năng lực chuyển sàn HOSE
Fabbi aligns 18-month roadmap with DC's strategic vision — every phase contributes.
2026-03-18 · Fabbi Software · AIOS for Dragon Capital
Talking point: Chúng tôi đã sẵn sàng. POC chi phí tối thiểu — chỉ cần anh Thuận xác nhận và cung cấp data + 1 người liên lạc. 30 ngày, 3 use case, kết quả đo lường được. Sau đó DC quyết định Phase 1 dựa trên kết quả thực tế, không phải lý thuyết.
Phụ lục
Phụ lục Kỹ thuật
Kiến trúc chi tiết · Bảo mật · Quản trị AI · Dành cho technical team DC
✗
Sprint 3 tháng — RỦI RO
⚠️ Build nhanh, trust sau → accuracy slip
⚠️ Skip reconciliation validation
⚠️ Edge cases phát hiện trong production
⚠️ DC team không train → phụ thuộc Fabbi mãi
⚠️ SSC audit trail chưa sẵn sàng
"Nhanh nhưng không chính xác = vô nghĩa với fund management"
LỘ TRÌNH 6 THÁNG — ACCURACY FIRST
T1–2
Data mapping + Reconciliation rules
Nền tảng độ chính xác. DC domain experts validate rules.
T3–4
Integration FiinGroup + Bloomberg
Validation layer hoạt động. First discrepancy reports → DC review.
T5
Risk test + Edge cases
Không có bất ngờ trong production. SSC audit trail verified.
T6
Handoff + DC team training
DC vận hành độc lập. Fabbi chuyển sang Phase 2 support.
✓
Phased 6 tháng — CHỌN NÀY
✓ Accuracy foundation trước, speed sau
✓ Reconciliation rules validated với DC experts
✓ Edge cases test TRƯỚC production
✓ DC team co-builds → vận hành bền vững
✓ SSC audit trail complete from day 1
"Chậm hơn 3 tháng, nhưng mọi con số đều có nguồn"
Talking point: Lưu ý: 6 tháng là Phase 1 triển khai (sau khi POC 30 ngày thành công). DC hỏi "sao không 3 tháng?" — trả lời: fund management không chấp nhận "nhanh mà sai." 6 tháng phased = accuracy foundation trước (T1-2), integration test (T3-4), risk test (T5), handoff (T6).
L0 TUYỆT MẬT
LLM: Local only (Ollama, on-premise) ·
Access: CIO + Designated only ·
Data: Trading algorithms, NAV chưa công bố, undisclosed positions
KHÔNG BAO GIỜ
rời mạng DC
rời mạng DC
L1 CORE
LLM: Claude Sonnet (encrypted, TLS 1.3) ·
Access: Dept Heads ·
Data: Portfolio positions, internal reports, risk models
L2 MACRO APP
LLM: Claude Haiku ·
Access: Team Members (RBAC) ·
Data: Market analysis, public BCTC, research reports
L3 MICRO APP
LLM: Any Model (sandbox) ·
Access: All Employees ·
Data: HR chatbot, policy Q&A, public info
Nguyên tắc: Data flows DOWN ↓ (L0 không bao giờ exposed xuống L3) · Queries flow UP ↑ (qua gates kiểm tra quyền) · LLM tier = Data tier
Thiết kế 4+1 tầng — Fund management cần phân biệt L1 (portfolio nội bộ) với L2 (market analysis) để kiểm soát model access chi tiết hơn "3 tầng" thông thường. Layer 4+ dành cho external/partner integrations trong tương lai.
5 Guardrails cốt lõi
Hallucination Detection
RAG grounding, citations required
<2 / 100 extractions
PII/HAP Filtering
Pre + post inference masking
PII filtering trước khi gửi Cloud (pre + post inference)
Accuracy Threshold
Tài chính: 95%+ hoặc escalate
Confidence score mỗi output
Prompt Injection Prevention
Input sanitization + role isolation
Input sanitization + role isolation chống prompt injection
Full Audit Trail
Ai hỏi, model nào trả lời, data nào
100% queryable + exportable
Phân quyền 4 cấp
Thiết kế riêng cho fund management
Không phải RBAC chung chung
Thiết kế 4+1 tầng — Fund management cần phân biệt L1 (portfolio nội bộ) với L2 (market analysis) để kiểm soát model access chi tiết hơn "3 tầng" thông thường. Layer 4+ dành cho external/partner integrations trong tương lai.
Chú giải:
RBAC (Role-Based Access Control) = phân quyền truy cập theo vai trò ·
LLM (Large Language Model) = mô hình AI xử lý ngôn ngữ ·
On-premise = cài đặt và vận hành trên hạ tầng nội bộ của DC, không qua Cloud ·
Guardrails = rào chắn an toàn kiểm soát đầu ra AI
Talking point: Phân quyền 4 cấp thiết kế riêng cho fund management. Anh Thuận yêu cầu "encode data" — đây là cách chúng tôi đảm bảo: L0 KHÔNG BAO GIỜ rời mạng DC. Fabbi train model mà không biết nội dung thực — DC kiểm soát toàn bộ data.
L0 TUYỆT MẬT
LLM: Local only ·
Encryption: At-rest + in-transit ·
Access: CIO + named list ·
Audit: Mọi truy cập ghi log
L1 CORE
LLM: Claude encrypted ·
Encryption: TLS 1.3 ·
Access: Dept head approval ·
Audit: Query + response logged
L2 MACRO
LLM: Claude API ·
Encryption: Standard TLS ·
Access: Team RBAC ·
Audit: Session logged
L3 MICRO
LLM: Any (sandbox) ·
Encryption: Standard ·
Access: All employees ·
Audit: Rate limited + logged
Xử lý dữ liệu L0 — On-Premise Protocol
1
DC encode data
2
Fabbi train model — không biết nội dung thực
3
Model deploy on-premise tại DC
4
DC tự fine-tune — full ownership
DC yêu cầu: On-premise first → L0 KHÔNG BAO GIỜ rời mạng DC. Claude chỉ dùng cho L1/L2 qua API encrypted.
| Tier | LLM | Dữ liệu ví dụ |
|---|---|---|
| L0 | Local only | Trading algos, NAV undisclosed |
| L1 | Claude encrypted | Portfolio, báo cáo nội bộ |
| L2 | Claude API | Market analysis, BCTC công khai |
| L3 | Any (sandbox) | HR chatbot, chính sách |
Talking point: Phân quyền 4 cấp thiết kế riêng cho fund management. Anh Thuận yêu cầu "encode data" — đây là cách chúng tôi đảm bảo: L0 KHÔNG BAO GIỜ rời mạng DC. Fabbi train model mà không biết nội dung thực — DC kiểm soát toàn bộ data.
Accuracy Engine
Accuracy Engine
Tại sao accuracy quan trọng · Reconciliation Layer · Controlled AI on-prem
KHUNG KIỂM CHỨNG 3 TẦNG
Bloomberg
Market Data · Real-time
Market Data · Real-time
FiinGroup
VN Market · Calculated
VN Market · Calculated
IRIS Lakehouse
DC Data Hub · 85% Azure
DC Data Hub · 85% Azure
Synapse · Cadena
Risk QA · HR Data
Risk QA · HR Data
↓ Ingestion Layer — tự động kéo dữ liệu từ tất cả nguồn ↓
TẦNG 1
TIN CẬY
TIN CẬY
IRIS · Dữ liệu nội bộ DC
DC tự nhập, tự kiểm → nguồn gốc rõ ràng → confidence cao nhất. NAV tính từ BCTC gốc → source of truth.
✓
TẦNG 2
CẦN XÁC THỰC
CẦN XÁC THỰC
FiinGroup · Bloomberg
Ingest → tính lại P/E, NAV từ BCTC gốc → đối chiếu IRIS → chỉ dùng khi khớp. Chưa khớp = giữ lại, không đưa vào AI.
⟳
TẦNG 3
CẢNH BÁO
CẢNH BÁO
Sai lệch phát hiện — Cần analyst review
Bloomberg vs FiinGroup lệch >5% → auto-flag → analyst review bắt buộc → KHÔNG BAO GIỜ vào AI mà không có human sign-off.
⚠
↓ Chỉ dữ liệu đã kiểm chứng (Tầng 1 + Tầng 2 đã validated) mới vào AI Analysis Layer ↓
AUDIT TRAIL
Mỗi data point được gắn tag:
📍 Source tier (1/2/3)
🕐 Timestamp ingest
🔄 Reconciliation status
👤 Approved by (nếu cần)
📋 Calculation method
SSC-ready
Truy vết từng con số
từ nguồn đến báo cáo
từ nguồn đến báo cáo
Talking point: Đây là slide kiến trúc quan trọng nhất. 3 tầng: Green = IRIS (source of truth), Yellow = FiinGroup/Bloomberg (cần validate), Red = sai lệch (cần human review). AI CHỈ nhận data từ Tầng 1 + Tầng 2 đã pass. Audit trail = mỗi con số có source, timestamp, method, approver. Khi SSC audit → DC chỉ ngay được nguồn gốc.
Kiến trúc Tổng thể
Kiến trúc Tổng thể
AIOS kết nối toàn bộ hệ thống DC · 4 nguyên tắc · Bảo mật 4 cấp
Talking point: Sơ đồ đầy đủ 6 lớp L1 — từ Data Sources (Bloomberg, FiinGroup, IRIS) qua Ingestion pipelines, IRIS Lakehouse Core, Knowledge Processing & AI Runtime, đến Agent/Copilot và Business Consumption. Governance overlay cross-cutting toàn bộ stack. Đây là TO-BE target architecture sau POC.
Chi tiết L2
Kiến trúc chi tiết (L2)
Dành cho technical team — kiến trúc chi tiết L2 · Agent System · Multi-Model
Data Flow
Bloomberg API
FiinGroup API ⚠
Cadena (HR)
Excel / PDF
Email / Reports
→
CONNECTORS
Python Pydantic adapters
Python Pydantic adapters
→
IRIS
Lakehouse (85% Azure)
Lakehouse (85% Azure)
↓
pgvector
Semantic Search / RAG
Semantic Search / RAG
Kết quả prototype ban đầu: OCR 104 trang BCTC trong 2–3 phút, độ chính xác trích xuất >90% trên tập test — cần xác thực thêm trên dữ liệu DC thực tế trong POC.
| Component | Công nghệ | Vai trò |
|---|---|---|
| IRIS | Azure Lakehouse | Data lõi — 85% Azure + 15% ext |
| pgvector | PostgreSQL ext | Vector DB cho RAG — semantic search |
| Connectors | Python Pydantic | Bloomberg, FiinGroup, Cadena adapters |
| Semantic Chunking | Custom VN financial | Giữ nguyên cấu trúc bảng BCTC |
| OCR Pipeline | Custom OCR pipeline | PDF BCTC → structured data (prototype: >90% trên tập test) |
Key differentiator: Semantic chunking bảo toàn cấu trúc bảng tài chính Việt Nam (BCTC). Generic chunking phá vỡ context bảng — AIOS giữ nguyên structure.
★ L0 data KHÔNG BAO GIỜ rời mạng DC — IRIS vẫn là source of truth.
Chú giải:
Semantic Chunking = chia tài liệu thành phần nhỏ theo ngữ nghĩa (giữ nguyên cấu trúc bảng) ·
pgvector = cơ sở dữ liệu tìm kiếm theo ý nghĩa ·
Connector = bộ kết nối tự động giữa các hệ thống ·
Source of truth = nguồn dữ liệu gốc chính thức
Talking point: IRIS là "nốt chấm" dữ liệu DC. AIOS không tạo data lake mới — AIOS kết nối vào IRIS và làm cho dữ liệu có thể "hỏi đáp" được. Anh Thuận nói không muốn phụ thuộc Cloud — IRIS vẫn là source of truth, pgvector chạy on-premise.
Multi-Model Router
User Query
↓
Query Classifier
Intent + Security Tier
Intent + Security Tier
↓
Security Gate
↓
Ollama
(Local LLM)
L0 TUYỆT MẬT
On-premise
Trading algos
(Local LLM)
L0 TUYỆT MẬT
On-premise
Trading algos
L0
Claude
Sonnet
L1 CORE
Dept heads
Portfolio
Sonnet
L1 CORE
Dept heads
Portfolio
L1
Claude
Haiku
L2 MACRO APP
Teams
Market analysis
Haiku
L2 MACRO APP
Teams
Market analysis
L2
Any
Model
L3 MICRO APP
All employees
HR chatbot
Model
L3 MICRO APP
All employees
HR chatbot
L3
Security tier của dữ liệu quyết định model. L0 = luôn local. L1/L2 = Claude API.
DOMUS
AI Knowledge Engine
→ Chi tiết slide tiếp theo
Toàn bộ kiến trúc trên được đóng gói thành DOMUS — triển khai on-premise cho DC:
✓ L0 Local LLM xử lý BCTC, NAV — không rời hạ tầng DC
✓ RAG search phục vụ 6 team workflows cùng lúc
✓ 4 Agent Skills Phase 1 · deploy 4–6 tuần/skill
✓ Mọi output kèm citation — không phải AI đoán
RAG Pipeline
Ingestion Track
PDF/BCTC
Excel
→
Excel
OCR Pipeline
2-3 phút · BCTC
→
2-3 phút · BCTC
Semantic Chunk
VN BCTC
VN BCTC
→
Embed
→
pgvector Store
Query Track
User
→
PII Filter
→
Vector Search
→
Prompt + Chunks
→
LLM Inference
→
Hallucination Check
→
Response + Citations
OCR Pipeline: thiết kế cho cấu trúc BCTC tiếng Việt — giữ nguyên bảng số liệu, không áp dụng generic text chunking. Prototype 104 trang, 2-3 phút.
Agent Skills — Phase 1
Legal Review
Data QA
Report Generation
Regulatory Document QA
Legal Review — scan hợp đồng, flag điều khoản rủi ro tự động
Data QA — cross-check FiinGroup vs IRIS, phát hiện sai lệch
Report Generation — morning brief tự động từ Bloomberg + IRIS
Regulatory Document QA — kiểm tra chéo văn bản với quy định SSC hiện hành, cần human review
Chú giải:
RAG (Retrieval-Augmented Generation) = AI tìm tài liệu liên quan trước khi trả lời, giảm sai sót ·
pgvector = cơ sở dữ liệu lưu trữ ngữ nghĩa, giúp tìm kiếm theo ý nghĩa thay vì từ khoá ·
OCR = nhận dạng chữ từ file scan/PDF ·
PII Filter = lọc thông tin cá nhân nhạy cảm trước khi xử lý
Talking point: Mỗi câu hỏi được định tuyến đúng model, đúng tier bảo mật. Output luôn kèm nguồn trích dẫn — không phải "AI đoán", mà là "AI chứng minh". Toàn bộ kiến trúc Multi-Model Router + RAG Pipeline này là nền tảng của DOMUS — sản phẩm AI Knowledge Engine Fabbi xây cho DC. Slide tiếp theo sẽ đi vào chi tiết DOMUS triển khai thực tế on-premise.
Pipeline 1 — Indexing (nạp dữ liệu)
File đầu vào
↓
File Router
↓
Text Head
Word · Excel · PPT
Word · Excel · PPT
Scan Head
PDF scan · Ảnh chụp
PDF scan · Ảnh chụp
Image Head
Hình ảnh
Hình ảnh
Other Heads
Mở rộng…
Mở rộng…
↓ Dữ liệu phi cấu trúc (unstructured) ↓
Data Transformation Engine
Phi cấu trúc → Có cấu trúc
Phi cấu trúc → Có cấu trúc
↓
Data Router
Dữ liệu động
Database
NAV · Giá thị trường · Cảnh báo
NAV · Giá thị trường · Cảnh báo
Dữ liệu tĩnh
Fine-tune LLM
Hợp đồng · Policy · Research
Hợp đồng · Policy · Research
Động
Thay đổi thường xuyên → lưu DB, query real-time
Tĩnh
Bất biến → fine-tune LLM, deep domain knowledge
Pipeline 2 — Search & Chat (trả lời)
User Query
↓
Access Control Module
Xác thực · Phân quyền · Security Tier
Xác thực · Phân quyền · Security Tier
↓
⚙ Core Engine — On-Premise
Database Management
⇅
Language Model (fine-tuned)
⇅
Process Accelerator
⇅
Enhancement Module
⇅
Process Accelerator + Enhancement → tăng tốc & nâng độ chính xác
↓
Privacy Compliance Review
PII filter · Guardrails · Audit log
PII filter · Guardrails · Audit log
↓
Response + Citations
Áp dụng cho DC — Legal & Compliance (L0)
Hợp đồng, policy, quyết định đầu tư → fine-tune LLM nội bộ. Query chỉ chạy local, không bao giờ gọi ra API bên ngoài.
On-Premise Guarantee: Toàn bộ 2 pipeline chạy trong hạ tầng DC — không có token nào gửi ra ngoài. L0 (Legal · Compliance · Trading algo): luôn Local LLM, không exception.
Talking point: DOMUS có 2 pipeline. Pipeline 1 — Indexing: nhận nhiều loại file, phân loại qua nhiều "Heads" chuyên biệt (text, scan/OCR, image…), chuẩn hóa thành dữ liệu có cấu trúc, rồi tách ra: tĩnh → fine-tune LLM, động → lưu DB realtime. Pipeline 2 — Search/Chat: query đi qua access control → core engine (LLM + DB + accelerator + enhancement) → privacy review → trả kết quả. Key message cho anh Thuận: "Dữ liệu DC không bao giờ rời khỏi hạ tầng của DC. Mô hình LLM được fine-tune trực tiếp trên tài liệu nội bộ — không phải RAG thông thường, mà là domain knowledge baked-in."
On-Premise: Toàn bộ 2 pipeline xử lý trong hạ tầng DC — không có dữ liệu nào gửi ra ngoài
L0 Local LLM only ·
L1/L2 Claude API (core + macro apps) ·
Fine-tune trên tài liệu nội bộ DC
Talking point: Đây là full architecture của DOMUS. Bên trái — Pipeline Indexing: tài liệu DC (PDF, scan, Excel) đi qua File Router → specialized Heads (Text/OCR/Image) → Data Transform Engine → tách thành Dynamic data (NAV, prices, alerts → DB realtime) và Static data (hợp đồng, policy, research → fine-tune LLM). Bên phải — Pipeline Search/Chat: query của user đi qua Access Control (phân quyền theo team) → Core Engine (DB Management + LM fine-tuned + Process Accelerator + Enhancement Module) → Privacy Compliance Review → Response + Citations. Key: cả 2 pipeline đều chạy hoàn toàn on-premise trong hạ tầng DC.
Agent Architecture
User Request
↓
Intent Classifier
Context + Security Tier
Context + Security Tier
↓
Skill Registry
Lookup available skills
Lookup available skills
↓
Orchestrator
Legal
Review
Phase 1
Review
Phase 1
Data
QA
Phase 1
QA
Phase 1
Report
Gen
Phase 1
Gen
Phase 1
Tax
Check
Phase 1
Check
Phase 1
Contract
Agent
Phase 2
Agent
Phase 2
Cross-dept
Synthesis
Phase 2
Synthesis
Phase 2
ETF
Forecast
Phase 2
Forecast
Phase 2
HR
Screening
Phase 2
Screening
Phase 2
↓
IRIS API
Bloomberg API
RAG Layer
(pgvector)
(pgvector)
Rules Engine
(Compliance)
(Compliance)
Phase Deployment
Phase 1 — Chain AI (T1–6)
Legal Review · FiinGroup Data QA · Daily Report Gen · Regulatory Document QA
→ 16 use cases · ước tính ~27h/tuần tiết kiệm (xác nhận trong POC)
Phase 2 — Agent (T7–12)
Contract Agent · Cross-dept Synthesis · ETF Forecast · HR Screening
→ 8 agentic workflows · ước tính tiết kiệm +2–3 FTE
Phase 3 — Semi-autonomous (T13–18)
Daily Report zero-manual · Auto QA · Trading (human-approve) · HR-Finance sync
→ Tự động hoá phần lớn quy trình lặp lại — tầm nhìn chiến lược (đo lường cụ thể sau Phase 2)
Nguyên tắc: Skills = pluggable modules. Thêm skill mới không ảnh hưởng orchestrator. Human-in-the-loop cho mọi decision quan trọng.
★ AIOS = Orchestrator, không phải replacement. IRIS, PyBroker, ALGO-E giữ nguyên.
Chú giải:
Orchestrator = bộ điều phối trung tâm kết nối các hệ thống ·
Agent = chương trình AI tự thực hiện chuỗi bước theo workflow ·
Skill = module chức năng cắm thêm được (ví dụ: review hợp đồng, kiểm tra dữ liệu) ·
Human-in-the-loop = người luôn duyệt trước khi AI thực thi quyết định quan trọng ·
FTE (Full-Time Equivalent) = tương đương 1 nhân sự toàn thời gian
Talking point: Agent Layer là trái tim của AIOS. Mỗi skill là một module độc lập — có thể thêm/bỏ mà không ảnh hưởng hệ thống. Phase 1 = 4 skills đã proven. Phase 2 = 4 skills phức tạp hơn. Tất cả đều có human-in-the-loop cho quyết định quan trọng.
PHỤ LỤC
💬
Chat Interface
🌐
Web Portal
🔌
API / SDK
USER LAYER
↓
AIOS PLATFORM
⚙️
Intent Classifier& Agent Router
⚖️
Model Router(Tier Optimization)
📦
Skill Registry(Marketplace + Approval)
🔒
Data Gate(L0/L1/L2/L3 ACL)
🧠
Knowledge Engine(RAG + KG + Memory)
Route request → Agent
Fast / Std / Premium / Local
Sandbox → Approved → Pub
Row-level security
Doc Process + Semantic Search
↓
L0 TUYỆT MẬT
Local LLM Only
L1 CORE
IRIS + Fund Mgmt
L2 MACRO
PyBroker + ALGO-E
L3 MICRO
Skills / Mini-apps
←→ Bidirectional: Data Gate kiểm soát mọi luồng dữ liệu giữa các tầng ←→
AIOS wrap PyBroker, ALGO-E, IRIS — không thay thế. Mọi hệ thống hiện tại vẫn chạy độc lập. AIOS thông minh hóa trên lớp điều phối.
PHỤ LỤC
| Tier | Model | Dữ liệu | Use Case | Chi phí |
|---|---|---|---|---|
| Fast | Gemini Flash | L2-L3 | Routing, classification, Q&A đơn giản, intent detection | $ |
| Standard | Gemini Pro / Claude Sonnet | L1-L3 | Phân tích, tóm tắt, skill execution, báo cáo | $$ |
| Premium | Claude Opus | L1-L2 | Phân tích tài chính chuyên sâu, multi-step reasoning, complex research | $$$ |
| Local | On-premise LLM (Llama / Qwen) | L0-L1 | Dữ liệu tuyệt mật, offline processing, board reports | Fixed |
| Specialized | Domain-specific models | L1-L3 | OCR BCTC tiếng Việt, translation, financial embedding, NER | Varies |
“Claude là model phân tích tài chính tốt nhất mà chúng tôi đã thử nghiệm.”
— DC Senior Advisor
Model Router Logic
- Claude chỉ dùng cho phân tích tài chính chuyên sâu qua API
- Tất cả dữ liệu L0 → LOCAL ONLY
- 90% request → Fast/Standard tier (tiết kiệm 70% chi phí)
- Auto-fallback: nếu model lỗi → chuyển sang model khác
Nguyên tắc: Dùng model đúng việc. Không dùng Opus để trả lời Q&A đơn giản. Không dùng Cloud AI cho dữ liệu L0.
PHỤ LỤC
3-Tier LLM Architecture
🌐
Public LLM
General queries, non-sensitive data
🔒
Private LLM
Departmental data, scoped access
🛡️
Top Secret LLM
Local only, air-gapped, C-level access
Guardrails
🔍
Audit Trail
Mọi truy cập đều ghi log
🧠
Hallucination Detect
Cross-verify output
💧
PII Filter
Auto-mask sensitive data
🔧
Prompt Injection
Block malicious prompts
Ma trận Phân quyền
| Role | L0 | L1 | L2 | L3 |
|---|---|---|---|---|
| C-Level | ✓ Full | ✓ Full | ✓ Full | ✓ Full |
| Dept Head | ✗ | ✓ Scoped | ✓ Own dept | ✓ Full |
| Staff | ✗ | ✗ | ✓ Assigned | ✓ Own skills |
| External | ✗ | ✗ | ✗ | ✗ |
Data Gate Flow
User Request
→ Authenticate (SSO / MFA)
→ Authorize (Role + Department + Data Level)
→ Route (Public / Private / TopSecret LLM)
→ Filter (PII mask, prompt injection check)
→ Execute + Audit Log
→ Response (redact if needed)
PHỤ LỤC
⚖️
Legal & Compliance
7 tasks
- Legal Research (Claude + knowledge pool tập trung)
- Review HĐ — flag sai lệch, rủi ro tự động
- Cập nhật Điều lệ quỹ / Bản cáo bạch
- So sánh điều khoản với mẫu chuẩn
- Theo dõi thay đổi pháp lý (circular tracking)
- Báo cáo tuân thủ SSC tự động
- Alert deadline nộp báo cáo
📈
ETF Research
5 tasks
- Daily Report tự động (40 files/ngày → auto)
- Forecast basket (VN30, Diamond, KPHO)
- Báo cáo quỹ SSC (TT181, PL25, TT98)
- So sánh quỹ với benchmark
- Distribution analysis tự động
🛡️
Risk Management
4 tasks
- QA dữ liệu đầu vào / đầu ra cross-source
- Data Checker (Monthly, Factsheet, Due Diligence)
- Audit trail + truy vết thay đổi dữ liệu
- Reconcile Bloomberg vs FiinGroup tự động
💰
Principal Investment
4 tasks
- BC cho IC từ kế toán dịch vụ tự động
- Rà soát thanh toán + HĐ mua/thuê
- Tổng hợp deal pipeline report
- Valuation model input automation
👥
HR & Admin
5 tasks
- HR Database & Reporting tự động
- ATS tuyển dụng + screening CV
- Chatbot HR (chính sách, nghỉ phép, bảo hiểm)
- Onboarding workflow automation
- Cadena integration
Tổng: 25+ use cases — 5 phòng ban đã nhận diện — 3 phases triển khai
POC đề xuất: Legal Research + Daily Report — 2 use case độc lập, đo lường được, giá trị cao
PHỤ LỤC
Request Flow
User Request
↓
Intent Classifier (Fast tier)
↓
Agent Router → Select Agent
↓
Execute → Tool Calls → Response + Audit
Mỗi Agent có:
- Multi-step reasoning (plan → execute → verify)
- Tool access (API, database, file system)
- Persistent memory (context across sessions)
- Audit log (mọi bước đều được ghi lại)
- Guardrails (chỉ truy cập dữ liệu được phép)
8 Agents cho Dragon Capital
Knowledge Agent→RAG Engine → Trả lời từ tri thức DC (legal, policy, HĐ)Phase 1
BCTC Agent→OCR + Financial Extraction → Tỷ số, Scorecard, peer comparisonPhase 1
Report Agent→Template + Data Pull → Daily Report, SSC Report, FactsheetPhase 1
Trading Agent→ALGO-E API → Đặt lệnh SPOT/derivatives, multi-broker executionPhase 2
Research Agent→PyBroker API → Phân tích equity, screener, 155+ broker reportsPhase 2
Legal Agent→Legal KB + Rule Engine → Review HĐ, compliance, circular trackingPhase 1
Risk Agent→Cross-check BBG / FiinGroup / IRIS → QA dữ liệu, reconciliationPhase 2
Skill Agent→Registry → Execute custom skill (L3 Micro Apps)All
Agent ≠ Chatbot. Agent thực thi theo workflow định sẵn, kết nối nhiều hệ thống. Senior staff giám sát & approve mọi quyết định.
1
Hallucination Detection
RAG grounding check · Source citation bắt buộc cho mọi output tài chính
Grounding check + source citation bắt buộc mọi output
2
PII / HAP Filtering
Pre + post inference · Mask thông tin cá nhân, portfolio positions trước khi gửi Cloud
PII filtering trước khi gửi Cloud (pre + post inference)
3
Accuracy Threshold
Tài chính: 95%+ hoặc escalate cho người · Confidence score đính kèm mỗi output
95%+ hoặc human review
4
Prompt Injection Prevention
Input sanitization + role isolation · Kiểm tra pattern injection trước mọi inference call
Input sanitization + role isolation chống prompt injection
5
Full Audit Trail
Queryable + exportable · Ai hỏi, model nào trả lời, dữ liệu nào được truy cập, khi nào
Full audit trail — queryable & exportable
"Mọi output đều kèm nguồn trích dẫn. Không có output nào là 'AI đoán' — tất cả đều truy vết được." · DC yêu cầu: "Nhanh, chính xác, đẹp"
Chú giải:
Hallucination = AI tạo thông tin sai nhưng trông hợp lý ·
PII (Personal Identifiable Information) = thông tin cá nhân nhạy cảm ·
HAP = nội dung bạo lực/thù ghét ·
Prompt Injection = kỹ thuật chèn lệnh lạ qua dữ liệu đầu vào để đánh lừa AI ·
Audit Trail = nhật ký truy vết mọi thao tác
Talking point: 5 lớp bảo vệ thiết kế riêng cho tài chính — thuế Việt Nam, BCTC, SSC compliance. Mỗi output đều kèm nguồn trích dẫn. Không phải "AI đoán" — AI chứng minh. Đây là yêu cầu "chính xác" mà anh Thuận nhấn mạnh.