Who is AI built for?AI được làm ra cho ai?
A technology designed around an average user quietly leaves out everyone who is not average. Somebody chose that design, and somebody can choose differently.Công nghệ thiết kế quanh một người dùng trung bình sẽ lặng lẽ bỏ rơi những ai không trung bình. Có người đã chọn thiết kế đó, và cũng có thể chọn khác.

According to the WHO, about 1.3 billion people, roughly 16% of the world's population, live with a significant disability. For most of the history of software, they were asked to adapt to products made without them in mind.
One in six is a large number to call an edge case. It also understates the reach of the problem. Many more people have a temporary or situational limitation: a broken arm, bright sunlight on a phone screen, a noisy factory floor, reading in a second language, an older parent whose eyesight is fading. Design that works for people with a permanent disability usually works better for all of these too. Captions were made for deaf viewers and are now used by anyone watching a video on a bus.
From adaptation to anticipation
The usual pattern is that a product ships, someone complains, and an accessibility fix is added later. AI could reverse that order: products that anticipate different ways of seeing, hearing, moving and thinking from the start, and adjust to the person instead of asking the person to adjust.
Some of this is already ordinary. Speech recognition lets people control a phone without touching it. Image description reads a photo aloud to a blind user. A language model can rewrite a dense government notice in plain words for someone with a cognitive disability, or for anyone in a hurry. The technology for anticipation exists. What is missing is the habit of designing for it from the first sketch, and of testing with the people it is meant to serve.
The cost argument usually decides this in practice. Fixing accessibility after launch means redoing screens, retraining staff and handling complaints, often more than once. Building it in costs a little more effort early and much less over the life of the product. It is the same economics as testing in software: problems found late cost far more than problems prevented.
The data desert
Models learn from data. When a group is barely present in the data, the model performs badly for them, and the gap is easy to miss because the averages look fine. People with disabilities, speakers of minority languages and rural users in Vietnam all risk falling into this desert.
The loop feeds itself. Missing data makes a weak model, a weak model gives poor results, people stop using the product, and even less data is collected. A speech system trained mostly on standard northern or southern Vietnamese accents may struggle with central dialects, let alone with the languages of ethnic minorities in the Central Highlands. Nobody intends this. It happens because the data that is easy to collect comes from the people who are already well served.
There are concrete ways to fill the desert, and none requires a large company. Universities can record and label speech from regions and communities that public datasets ignore, with proper consent and fair payment. Local startups can partner with associations of people with disabilities to test products early. Government agencies that hold anonymised data about how citizens use public services can publish it, so that builders can see where people drop off. Each of these is small. Together they change what the next model learns from.
Three pillars
Breaking the loop needs three things working together. Representative data, collected with the people it describes and with their consent. Inclusive design, tested with diverse users from the first prototype. And accountability: measuring, openly, who the product fails.
The third pillar is the one most often missing, and it is the cheapest to start. A team can break its quality metrics down by group: accuracy for different accents, task completion for users of screen readers, error rates for older users. The overall number hides these gaps. The broken-down numbers make them visible and give the team something specific to fix. What gets measured by group gets improved by group.
Vietnam has a particular reason to care. The country is ageing quickly, and within a couple of decades a large share of users will be older people with weaker eyesight, hearing or fine motor control. Public services are moving online at the same time, through national identity apps, online tax filing and digital health records. If these services are designed only for young, urban, confident users, the people who need public services most will find them hardest to use. Accessibility here is a question of whether digital government works for the whole population.
From user to founder
The most durable change happens when excluded people move along the chain: from users, to testers, to builders, to founders of their own companies. Each step gives them more say over what gets made.
This is where startup support programmes, including the ones I work with in Da Nang, can do something concrete. Accessible training, mentors who understand the extra barriers, and small early funding for founders with disabilities open the top of the ladder. A founder who has lived the problem will notice details that a well-meaning team of outsiders misses, and will build for them without needing to be convinced.
For a software team, the practical starting point is modest. Add accessibility checks to the definition of done. Invite a few users with different needs to every round of testing. Break one quality metric down by group and look at it every month. None of this needs a new budget line. It needs someone to ask the question early and keep asking it.
Ask early who the product is for, and who it will fail.
Theo WHO, khoảng 1,3 tỷ người, tức chừng 16% dân số thế giới, đang sống với một dạng khuyết tật đáng kể. Trong phần lớn lịch sử phần mềm, họ phải tự thích nghi với những sản phẩm được làm ra mà không nghĩ đến họ.
Một phần sáu là con số quá lớn để gọi là trường hợp biên. Nó còn chưa nói hết phạm vi của vấn đề. Còn nhiều người hơn thế gặp giới hạn tạm thời hoặc do hoàn cảnh: tay bị gãy, nắng chói trên màn hình điện thoại, xưởng sản xuất ồn ào, đọc bằng ngôn ngữ thứ hai, cha mẹ lớn tuổi mắt kém dần. Thiết kế phù hợp với người khuyết tật lâu dài thường cũng tốt hơn cho tất cả những người này. Phụ đề được làm cho người khiếm thính, giờ ai xem video trên xe buýt cũng dùng.
Từ thích nghi sang đón trước
Mô thức quen thuộc là sản phẩm ra mắt, có người phàn nàn, rồi bản sửa về khả năng tiếp cận được thêm vào sau. AI có thể đảo ngược thứ tự đó: sản phẩm đón trước những cách nhìn, nghe, di chuyển và suy nghĩ khác nhau ngay từ đầu, và tự điều chỉnh theo con người thay vì bắt con người điều chỉnh.
Một phần trong số đó đã trở nên bình thường. Nhận dạng giọng nói giúp người ta điều khiển điện thoại không cần chạm. Mô tả hình ảnh đọc to một bức ảnh cho người khiếm thị. Mô hình ngôn ngữ có thể viết lại một thông báo hành chính dày đặc bằng lời lẽ đơn giản cho người khuyết tật nhận thức, hoặc cho bất kỳ ai đang vội. Công nghệ để đón trước đã có. Thứ còn thiếu là thói quen thiết kế cho nó từ bản phác đầu tiên, và kiểm thử với chính những người sản phẩm hướng tới.
Lập luận chi phí thường là thứ quyết định trên thực tế. Sửa khả năng tiếp cận sau khi ra mắt nghĩa là làm lại màn hình, đào tạo lại nhân viên và xử lý phàn nàn, thường không chỉ một lần. Xây sẵn từ đầu tốn công hơn chút ít lúc đầu và rẻ hơn nhiều trong cả vòng đời sản phẩm. Đó cũng là kinh tế học của kiểm thử phần mềm: lỗi phát hiện muộn tốn kém hơn nhiều so với lỗi được ngăn từ trước.
Sa mạc dữ liệu
Mô hình học từ dữ liệu. Khi một nhóm người gần như vắng mặt trong dữ liệu, mô hình sẽ hoạt động kém với họ, và khoảng trống đó dễ bị bỏ qua vì số trung bình trông vẫn ổn. Người khuyết tật, người nói ngôn ngữ thiểu số và người dùng nông thôn ở Việt Nam đều có nguy cơ rơi vào sa mạc này.
Vòng lặp này tự nuôi chính nó. Thiếu dữ liệu tạo ra mô hình yếu, mô hình yếu cho kết quả kém, người dùng bỏ đi, và dữ liệu thu được còn ít hơn nữa. Một hệ thống giọng nói chủ yếu học từ giọng chuẩn miền Bắc hoặc miền Nam có thể gặp khó với phương ngữ miền Trung, chưa nói đến tiếng của đồng bào dân tộc thiểu số ở Tây Nguyên. Không ai cố ý như vậy. Nó xảy ra vì dữ liệu dễ thu thập lại đến từ những người vốn đã được phục vụ tốt.
Có những cách cụ thể để lấp sa mạc dữ liệu, và không cách nào đòi hỏi một công ty lớn. Trường đại học có thể ghi âm và gán nhãn giọng nói từ những vùng miền, cộng đồng mà bộ dữ liệu công khai bỏ qua, với sự đồng ý đầy đủ và mức trả công công bằng. Startup địa phương có thể hợp tác với các hội người khuyết tật để thử sản phẩm từ sớm. Cơ quan nhà nước nắm dữ liệu ẩn danh về cách người dân dùng dịch vụ công có thể công bố nó, để người làm sản phẩm thấy người dùng bỏ cuộc ở bước nào. Mỗi việc đều nhỏ. Gộp lại, chúng thay đổi thứ mà mô hình tiếp theo được học.
Ba trụ cột
Phá vòng lặp cần ba thứ cùng vận hành. Dữ liệu đại diện, được thu thập cùng với chính những người nó mô tả và có sự đồng ý của họ. Thiết kế hòa nhập, được kiểm thử với nhiều nhóm người dùng khác nhau từ bản mẫu đầu tiên. Và trách nhiệm giải trình: đo lường công khai xem sản phẩm đang làm hỏng việc với ai.
Trụ cột thứ ba là cái thường thiếu nhất, và cũng rẻ nhất để bắt đầu. Một đội có thể chia nhỏ chỉ số chất lượng theo nhóm: độ chính xác với các giọng nói khác nhau, tỷ lệ hoàn thành tác vụ với người dùng trình đọc màn hình, tỷ lệ lỗi với người lớn tuổi. Con số tổng che đi những khoảng trống này. Con số chia nhỏ làm chúng hiện ra và cho đội một việc cụ thể để sửa. Đo theo nhóm thì cải thiện được theo nhóm.
Việt Nam có lý do riêng để quan tâm. Dân số đang già đi nhanh, và trong vài thập kỷ tới, một phần lớn người dùng sẽ là người cao tuổi với thị lực, thính lực hoặc khả năng cử động tinh kém đi. Cùng lúc đó, dịch vụ công đang chuyển lên mạng, qua ứng dụng định danh, khai thuế trực tuyến và hồ sơ sức khỏe điện tử. Nếu các dịch vụ này chỉ được thiết kế cho người trẻ, sống ở đô thị và tự tin với công nghệ, thì chính những người cần dịch vụ công nhất sẽ thấy chúng khó dùng nhất. Ở đây, khả năng tiếp cận là câu hỏi chính quyền số có phục vụ được toàn dân hay không.
Từ người dùng đến nhà sáng lập
Thay đổi bền vững nhất xảy ra khi những người bị bỏ rơi tiến lên dọc chuỗi: từ người dùng, đến người kiểm thử, đến người xây sản phẩm, rồi nhà sáng lập công ty của chính mình. Mỗi bước cho họ nhiều tiếng nói hơn về thứ được làm ra.
Đây là chỗ các chương trình hỗ trợ khởi nghiệp, kể cả những chương trình tôi tham gia ở Đà Nẵng, có thể làm điều gì đó cụ thể. Chương trình đào tạo dễ tiếp cận, người cố vấn hiểu những rào cản thêm, và khoản vốn nhỏ giai đoạn đầu cho nhà sáng lập khuyết tật sẽ mở ra bậc trên cùng của chiếc thang. Một nhà sáng lập đã sống với vấn đề sẽ thấy những chi tiết mà một đội người ngoài đầy thiện chí bỏ sót, và sẽ làm cho họ mà không cần ai thuyết phục.
Với một đội phần mềm, điểm khởi đầu thực tế khá khiêm tốn. Thêm kiểm tra khả năng tiếp cận vào định nghĩa hoàn thành. Mời vài người dùng có nhu cầu khác nhau vào mỗi vòng kiểm thử. Chia nhỏ một chỉ số chất lượng theo nhóm và xem nó mỗi tháng. Không việc nào cần thêm dòng ngân sách. Chỉ cần ai đó đặt câu hỏi sớm và tiếp tục hỏi.
Hãy hỏi sớm sản phẩm này dành cho ai, và nó sẽ bỏ rơi ai.
