BA Planning trong dự án AI khác hoàn toàn dự án truyền thống ở một điểm cốt lõi: yêu cầu là tĩnh, nhưng AI output là xác suất. Điều đó có nghĩa kế hoạch của bạn cần có vòng lặp kiểm tra, không chỉ milestone tuyến tính.
1. BA Planning Framework cho dự án AI
1.1 Scope Definition với AI Boundary
Trước khi lập kế hoạch, BA phải xác định rõ:
| Thành phần | Câu hỏi cần trả lời | Ví dụ |
|---|---|---|
| AI Scope | AI xử lý phần nào của luồng? | "AI tự động phân loại 70% ticket" |
| Human Scope | Người review những trường hợp nào? | "Ticket confidence < 0.8 → escalate" |
| Data Dependency | Cần data gì để AI hoạt động đúng? | "6 tháng lịch sử ticket đã label" |
| Acceptance Threshold | Khi nào coi AI feature là "done"? | "Accuracy ≥ 85% trên test set" |
1.2 WBS cho AI Feature
Work Breakdown Structure cho AI feature có 5 nhóm công việc:
AI Feature: [Tên Feature]
├── 1. Data & Requirements
│ ├── 1.1 Data audit (schema, volume, quality)
│ ├── 1.2 Elicitation với stakeholder
│ └── 1.3 Acceptance criteria drafting
├── 2. Design & Modeling
│ ├── 2.1 Flow diagram (happy + fallback path)
│ ├── 2.2 Prompt/model design review
│ └── 2.3 HITL escalation design
├── 3. Development Checkpoint
│ ├── 3.1 Prototype review (BA + Dev)
│ └── 3.2 Edge case identification
├── 4. Testing & Validation
│ ├── 4.1 UAT script writing
│ ├── 4.2 Bias & fairness check
│ └── 4.3 Performance baseline
└── 5. Go-live & Monitoring
├── 5.1 Go-live criteria sign-off
└── 5.2 Post-launch tracking setup
2. Iterative Checkpoint — Không phải Waterfall
Dự án AI thường dùng Agile/Sprint. BA cần lồng các checkpoint vào sprint:
Sprint Planning Checklist (BA góc nhìn)
- Data sẵn sàng cho sprint này chưa? (không phải "sẽ sẵn sàng")
- Acceptance criteria đã viết theo format Given/When/Then chưa?
- Đã review fallback path với Dev chưa?
- Threshold có thay đổi so với sprint trước không?
Mid-Sprint Check (ngày 5-7)
- AI output đang đạt ngưỡng expected không?
- Có edge case mới xuất hiện không?
- Assumption nào cần update vào ADR (Architecture Decision Record)?
3. BA Monitoring — Tracking khi AI đã lên production
Nhiều BA nghĩ công việc kết thúc sau go-live. Sai. Với AI feature, BA cần thiết lập monitoring framework:
3.1 Metrics cần theo dõi
| Loại metric | Metric cụ thể | Ngưỡng cảnh báo |
|---|---|---|
| Quality | Accuracy / F1 / Precision | Giảm > 5% so với baseline |
| Business | Tỷ lệ human override | Tăng > 20% so với tuần đầu |
| Volume | Số request/ngày | Tăng đột biến > 3x |
| Feedback | User complaint rate | > 2% của tổng request |
3.2 Drift Detection
AI model có thể bị concept drift — thế giới thay đổi nhưng model vẫn đang học từ data cũ. BA cần:
- Định nghĩa baseline trong sprint cuối trước go-live
- Đặt trigger để re-evaluate (mỗi tháng, hoặc khi metric drop)
- Owner rõ ràng — ai chịu trách nhiệm khi AI drift? (RACI)
4. BA Planning Template thực tế
## BA Plan: [Tên Feature]
**Version:** 1.0 | **Date:** YYYY-MM-DD | **Owner:** [BA Name]
### Scope Summary
- AI handles: [mô tả ngắn]
- Human handles: [mô tả ngắn]
- Out of scope: [liệt kê rõ]
### Data Dependencies
| Data | Source | Owner | Status |
|------|--------|-------|--------|
| [data1] | [system] | [team] | ✅/❌ |
### Acceptance Criteria (top-level)
- [ ] AI accuracy ≥ [X]% trên [Y] test cases
- [ ] Edge case coverage: [danh sách] handled
- [ ] Human override rate ≤ [Z]%
### Monitoring Setup
- Dashboard: [link]
- Alert owner: [tên]
- Review cadence: [weekly/monthly]
5. Lỗi phổ biến trong BA Planning cho AI
Lỗi 1: "Accuracy" mà không định nghĩa accuracy của tập nào → Fix: Ghi rõ "accuracy trên test set từ [nguồn], trong khoảng [thời gian]"
Lỗi 2: Không tracking assumption → Fix: Mỗi assumption có ID, owner, ngày review
Lỗi 3: Coi AI feature như feature thường — done là done → Fix: Thêm "Post-launch monitoring period: 4 tuần" vào Definition of Done
Kết luận
BA Planning hiệu quả cho AI feature không phức tạp hơn, nhưng cần tư duy xác suất thay vì tư duy binary. Kế hoạch tốt là kế hoạch có vòng lặp kiểm tra assumption, có ngưỡng số rõ ràng, và có monitoring sau go-live.
Bước tiếp theo: Xem thêm Strategy Analysis để học cách phân tích context trước khi lập kế hoạch.
