Hôm qua, tôi nhận được một tài liệu phân tích blockchain dài 9 trang. Mở ra, toàn bộ các mục từ kỹ thuật, tokenomic, thị trường, sinh thái, cho đến rủi ro đều ghi 'N/A - Không đủ thông tin'. Người gửi bảo đây là output từ một hệ thống AI phân tích tự động. Tôi cười, vì điều này nói lên tất cả về vấn đề của ngành chúng ta: chúng ta quá giỏi tạo ra những khung phân tích đẹp, nhưng lại quá lười trong việc nhồi thịt vào đó.
Hãy nói về cái gọi là 'Second Stage Deep Analysis Framework' – một cấu trúc 9 phần bao gồm kỹ thuật, tokenomic, thị trường, vị thế sinh thái, tuân thủ pháp lý, đội ngũ, rủi ro, tường thuật và truyền dẫn chuỗi ngành. Nghe rất chuyên nghiệp. Nhưng nếu không có 'First Stage Extraction' – công đoạn nhặt ra những thông tin cụ thể từ bài báo gốc – thì framework đó chỉ là xương khô.
Tôi đã từng audit hợp đồng thông minh của OmiseGO năm 2017, và tôi biết sự khác biệt giữa một báo cáo 'có form' và một báo cáo 'có chất'. Khi bạn chỉ đưa vào framework một cái tên dự án mà không có thông tin về công nghệ, token, team, thì mọi phân tích sau đó đều là vô nghĩa. Điều mà tôi gọi là 'Garbage In, Garbage Out' – hay cụ thể hơn: 'Framework In, N/A Out'.
Vậy vấn đề nằm ở đâu? Không phải ở AI, cũng không phải ở framework. Vấn đề nằm ở khâu đầu tiên: thu thập và trích xuất thông tin có chất lượng. Trong 25 năm quan sát thị trường, tôi thấy rất nhiều nhà phân tích bỏ qua bước này. Họ vội vàng lấy một bài báo, quăng vào mô hình, và hy vọng ra kết quả. Kết quả là 9 trang N/A.
Tôi nhìn vào bảng 'Tokenomic Analysis' – mục 'Supply Structure' ghi N/A cho tất cả. Bạn có thể tưởng tượng một dự án blockchain mà không ai biết team được vest bao nhiêu? Đó là dấu hiệu đỏ. Nhưng nếu không có thông tin, thì việc điền 'N/A' cũng là một thông tin: nó cho thấy nguồn dữ liệu đầu vào không đáng tin cậy.
Tương tự, bảng 'Risk Matrix' với tất cả các cột đều N/A. Một phân tích rủi ro không có dữ liệu là một trò đùa. Nhưng nó cũng là một lời cảnh báo: đừng bao giờ đưa ra quyết định dựa trên một phân tích mà phần lớn là N/A.
Tôi đặc biệt chú ý đến mục 'Narrative & Expectation Analysis'. Trong thị trường giảm như hiện tại, tường thuật là thứ duy nhất giữ được giá. Nhưng nếu không có thông tin về dự án, bạn không thể biết được câu chuyện của nó là gì. Và đó là lý do tại sao nhiều nhà đầu tư bị 'FOMO' vào những dự án không có giá trị thực: họ mua vào một câu chuyện đẹp được kể bởi những người có khung phân tích đẹp.
Góc nhìn phản trực giác: Một số người cho rằng output toàn N/A là thất bại của AI. Tôi cho rằng đó là thành công của tính trung thực. Hệ thống đã không bịa ra thông tin. Nó nói 'tôi không biết' một cách rõ ràng. Điều này còn tốt hơn hàng trăm báo cáo 'phân tích' mà tôi thấy trên mạng, nơi người ta điền đại con số vào ô APR, hoặc kết luận 'tích cực' dựa trên cảm tính. Trong môi trường blockchain – nơi mỗi dòng code có thể ảnh hưởng đến hàng triệu đô – thì nói 'không biết' còn đáng tin hơn nói dối.
Nhưng thực tế, vấn đề không phải là AI. Vấn đề là con người đã không cung cấp đủ dữ liệu đầu vào. Ai đó đã gửi một bài báo mà không có thông tin gì về dự án. Hoặc tệ hơn, họ gửi một bài báo về 'cảm xúc thị trường' mà không có tên dự án cụ thể. Và hệ thống, trung thành với framework, đã xử lý nó một cách chính xác: không có input, không có output.
Tôi muốn dùng câu chuyện này để nhấn mạnh một điều: đừng bao giờ bắt đầu phân tích bằng một framework. Hãy bắt đầu bằng việc đọc, hiểu, và trích xuất. Tôi thường dành 30% thời gian cho việc đọc tài liệu gốc, tìm ra những con số, sự kiện, và mâu thuẫn. Sau đó mới đến việc đưa chúng vào khung. Ngược lại, nếu bạn chỉ có framework, bạn sẽ có N/A.
Trong một thị trường giảm như hiện tại, nơi mọi người đang tìm kiếm sự an toàn cho tài sản, một phân tích đầy N/A là một cơn ác mộng. Nhưng nó cũng là cơ hội để học. Học cách nhận ra khi nào một phân tích là vô giá trị. Học cách yêu cầu dữ liệu cụ thể. Học cách không tin vào những báo cáo đẹp mà không có thịt.
Tôi kết thúc bằng một câu hỏi để bạn suy ngẫm: Bạn đã bao giờ đưa ra quyết định đầu tư dựa trên một phân tích mà phần lớn là N/A chưa? Nếu có, có lẽ đã đến lúc bạn nên quay lại bước đầu tiên: đọc, hiểu, và trích xuất. Vì không có bước đó, mọi framework đều là vô nghĩa.