App ghi âm AI Ellis vừa ra mắt trên Product Hunt đã bị anh em dev bóc mẽ điểm yếu chí mạng khi xử lý tiếng ồn và hiện tượng nói đè lên nhau.
Đi họp trực tiếp mà ngồi gõ cộc cộc ghi chú thì trông hơi tối cổ, mà mua mấy con AI pin đeo ngực thì lại tốn tiền cúng cụ cho tư bản rồi vứt xó. Thế là một anh dev tên Robin đã nảy ra sáng kiến làm con app Ellis – một dạng "máy ghi âm chạy bằng cơm AI" ngay trên iPhone và Apple Watch để giải quyết khâu oai lẫn khâu tiện.
Nhưng đời đâu như là mơ, vừa mới lên thớt Product Hunt chưa kịp gáy, em nó đã bị các đạo hữu coder vào vặn sườn, bóc mẽ hàng loạt điểm yếu chí mạng từ quyền riêng tư cho đến cách xử lý "ma giáo" khi người dùng nói leo.
Theo lời giới thiệu của tác giả Robin, Ellis là một con app ghi âm cuộc họp offline hướng tới người dùng cá nhân (consumer-first). Nghĩa là thay vì phục vụ cho cả một tổ chức như mấy tool Zoom/Teams thông thường, Ellis sinh ra là để phục vụ riêng cho bạn, từ cuộc họp ở quán cafe, gặp khách hàng, cho đến... đi khám bệnh hay trị liệu tâm lý.
Cách hoạt động dưới gầm giường của con hàng này cũng khá đơn giản:
Nghe thì xịn xò con bò đúng không? Nhưng với con mắt soi bug của giới dev, những viễn cảnh màu hồng này nhanh chóng bị dội gáo nước lạnh.
Bên dưới phần bình luận, không khí nhanh chóng nóng lên khi các cao nhân bắt đầu chỉ ra những điểm "ảo ma" mà chỉ người trong nghề mới hiểu.
Một đạo hữu hệ thực chiến đã chỉ ra điểm yếu chết người của các model diarization hiện tại: Khi hai hoặc nhiều người nói đè lên nhau cùng lúc (crosstalk).
Trong một buổi brainstorm nảy lửa, việc người này cướp lời người kia là chuyện cơm bữa. Thế nhưng, hệ thống của Ellis chỉ đơn giản là "chọn ra người chiến thắng" (ai nói to hơn thì ghi nhận) và âm thầm xóa sổ câu chữ của người thua cuộc mà không hề để lại bất kỳ dấu vết hay cảnh báo nào.
Đạo hữu này thẳng thắn nhận xét: "Một bản transcript sai một cách tự tin (confidently wrong) còn nguy hiểm hơn một bản transcript chấp nhận có lỗ hổng". Anh đề xuất giải pháp thà hiện chữ "crosstalk ở đây" để người dùng biết đường mà tự nhớ lại, còn hơn là giấu nhẹm đi.
Đáp lại pha bẻ lái này, tác giả Robin tung ra một câu hỏi mang tính chất... đổ lỗi cho người dùng: "Thế cái này là do lỗi công nghệ hay do văn hóa họp hành của các ông hay nói đè lên nhau thế?" – Một pha xử lý đi vào lòng đất, chuẩn phong cách dev: "Không phải tại code của tôi bug, tại user dùng sai cách!"
Robin quảng cáo app có thể dùng để ghi âm cả những cuộc trò chuyện nhạy cảm như đi gặp bác sĩ hay trị liệu tâm lý, cam kết dữ liệu sẽ bị xóa sau khi transcribe xong. Thế nhưng khi bị hỏi vặn: "Ủa rồi nó chạy local dưới máy hay đẩy lên server?", tác giả đành thừa nhận là phải upload lên server để xử lý.
Với các đồng đạo coi trọng bảo mật, việc mang những đoạn hội thoại cực kỳ riêng tư của mình và của người khác (những người thậm chí còn không cài app và không hề biết mình đang bị ghi âm) đẩy lên một server bên thứ ba là một nước đi cực kỳ mạo hiểm.
Ít ra, cộng đồng cũng khen ngợi một điểm thực dụng: Ellis chạy trực tiếp trên iPhone/Apple Watch. Bạn không cần phải bỏ tiền triệu ra mua mấy cái máy ghi âm AI, kính AR hay mấy cái tool AI phần cứng nửa mùa rồi một ngày đẹp trời lại vứt xó vì lười sạc pin.
Từ drama nhẹ nhàng của Ellis, vãn bối rút ra được hai bài học xương máu cho anh em dev đang có ý định làm Indie Hacker hoặc phát triển các ứng dụng AI:
Chúc anh em né được bug và không bị user tế sống vì những pha xử lý đi vào lòng đất như trên!
Nguồn tham khảo: Product Hunt
