Các tính năng AI trên ứng dụng sức khỏe như Strava, Whoop, Oura hiện chỉ tổng hợp lại dữ liệu sức khỏe, thay vì cung cấp phân tích chuyên sâu cho người dùng. Dù quảng cáo về khả năng hiểu biết, phần lớn AI chatbot chỉ đưa ra các lời khuyên nhanh, chung chung, khó giúp người dùng dày dặn kinh nghiệm.

AI trên ứng dụng sức khỏe: Đơn giản là tóm tắt dữ liệu cũ

Trong những năm qua, hàng loạt ứng dụng sức khỏe như Strava, Whoop và Oura đã tích hợp các chức năng AI nhằm đưa ra các AI summaries về thói quen tập luyện, sức khỏe của người dùng. Dù ý tưởng kỳ vọng AI sẽ giúp phân tích sâu sắc, các tính năng này phần lớn chỉ đóng vai trò tóm tắt những số liệu mà người dùng đã biết.

Các ví dụ thực tế từ ứng dụng AI trên sức khỏe

Strava có Athlete Intelligence để tóm tắt dữ liệu tập luyện với những mô tả dạng "Bạn đã chạy với nhịp tim cao" cạnh biểu đồ y hệt dữ liệu gốc.
Whoop Coach tổng hợp thời tiết, hoạt động và chỉ số hồi phục, nhưng phần trả lời dễ bỏ qua các bối cảnh cụ thể như chấn thương hay điều kiện thời tiết cực đoan trong buổi tập.
Oura Advisor chạm tới phân tích dài hơn nhưng vẫn chỉ dừng ở phát hiện các xu hướng tổng quát, ít chú ý tới yếu tố cá nhân như lịch sử chấn thương hay đặc điểm sinh lý của người dùng.

Thiếu cá nhân hoá và phân tích sâu

Dù các ứng dụng này đều có quyền truy cập vào dữ liệu lịch sử dày đặc, ví dụ như lịch sử chấn thương, hình ảnh đi kèm, nhưng các tổng kết AI thường bỏ qua những yếu tố then chốt này. Thay vào đó, người dùng chỉ nhận lại các khuyến nghị dạng chung như "nếu cảm thấy mệt, hãy nghỉ ngơi nhiều hơn", hoặc hướng dẫn vận động nhẹ, không khác gì tra cứu thông tin phổ thông trên Google.

Khi người dùng gửi câu hỏi về chấn thương cho chatbot của Whoop hoặc Oura, hầu hết nhận được câu trả lời chung chung, hoặc được khuyến nghị liên hệ bộ phận dịch vụ khách hàng thay vì đáng giá sâu tình trạng cá nhân. Những đề xuất về hồi phục cũng thiếu sự cân nhắc đặc thù về lịch sử tập luyện, giấc ngủ hay thể trạng hiện tại.

Phản hồi từ cộng đồng và lý do bảo thủ của các nhà phát triển

Phản hồi trái chiều từ người dùng

Cộng đồng trên các diễn đàn như Reddit nhận thấy các AI summaries chưa thực sự hữu ích hoặc mang lại giá trị mới.
Các nhà phát triển như Oura hay Strava nhấn mạnh phần lớn người dùng mới cảm thấy các tính năng này "hữu ích", nhưng những người có kinh nghiệm vấp phải sự thất vọng vì thiếu chiều sâu phân tích.

Nguyên nhân của các tổng kết "an toàn"

Lý giải việc các bản tổng hợp AI này mang tính "an toàn" và chung chung, các chuyên gia cho rằng nguyên nhân bắt nguồn từ:

Khả năng xử lý dữ liệu của LLMs (Large Language Models) vẫn còn hạn chế
Đảm bảo bảo mật dữ liệu người dùng
Kiểm soát chi phí và tốc độ xử lý
Tránh các rủi ro pháp lý liên quan đến sức khoẻ

Kết quả là các bản tổng kết AI ngày nay chủ yếu đóng vai trò "repackage" lại dữ liệu giống như các báo cáo sách học sinh viết lại từ Wikipedia, chưa xứng đáng với kỳ vọng về hỗ trợ sức khỏe cá nhân hóa.

Các tính năng AI trong ứng dụng sức khỏe phổ biến hiện chỉ dừng ở mức tóm tắt lại thông tin sẵn có theo cách đơn giản, thiếu chiều sâu và chưa thực sự cá nhân hóa. Dù một số người dùng mới thấy hữu ích, nhóm giàu kinh nghiệm thường kỳ vọng nhiều hơn.

Nội dung về "phân-tích-dữ-liệu-sức-khỏe"