Họ gọi đó là “AI-powered glucose tool”, tôi gọi là một layer software được gắn mác hot trend để giữ chân người dùng.
Tuần này, Abbott tung ra Libre Assist – một tính năng AI phân tích dữ liệu đường huyết từ CGM FreeStyle Libre. Đọc xong press release, tôi thấy quen quen. Giống hệt mấy dự án DeFi mùa hè 2020: lấy một cái nền tảng đã có, thêm chữ “AI” vào, rồi kêu gọi đầu tư. Nhưng mà, tôi đã audit contract của Cream Finance, tôi biết cái gì là thật và cái gì là “rug” tinh vi.
Context: CGM và cái bẫy “dữ liệu lớn”
FreeStyle Libre là CGM số một thế giới – 600 triệu người dùng, doanh thu 50 tỷ USD năm ngoái. Abbott đã xây dựng một mạng lưới cảm biến khổng lồ, thu thập hàng tỷ điểm dữ liệu đường huyết mỗi ngày. Libre Assist, như bài báo mô tả, là một lớp phần mềm AI phân tích dữ liệu đó để đưa ra lời khuyên ăn uống.
Nghe có vẻ giống một “data availability layer” trong blockchain? Đúng vậy. Nhưng tôi đã nói rồi: 99% rollup không tạo đủ dữ liệu để cần DA chuyên dụng. Ở đây cũng thế: Abbott có dữ liệu, nhưng biến nó thành hành động thực tế là chuyện khác. Họ gọi đó là “AI-driven health insights”, tôi gọi là “một cái dashboard với vài thuật toán hồi quy tuyến tính”.
Core: Phân tích dòng lệnh - Cái gì thực sự thay đổi?
Libre Assist không phải là một cảm biến mới. Nó chỉ là một bản cập nhật phần mềm cho Libre 3 hoặc Libre 2 Plus. Về mặt kỹ thuật, đây là một “software as a medical device” (SaMD) – tương đương với một smart contract upgrade trên blockchain. Câu hỏi đặt ra: upgrade này có thêm được tính năng gì mới, hay chỉ là “rebase” để giữ giá token?
Dựa trên kinh nghiệm audit của tôi, tôi nhìn vào ba điểm: 1. Thuật toán: Bài báo không nói rõ dùng deep learning hay random forest. Nếu chỉ là rule-based, thì đây là “AI” giống như cái chatbot trả lời tự động – không có gì đột phá. 2. Dữ liệu huấn luyện: 600 triệu người dùng, nhưng dữ liệu đó có được gắn nhãn chính xác? Ăn gì, tập gì? Nếu không, mô hình sẽ học từ nhiễu – giống như train một bot trading trên dữ liệu giá 1 phút mà không có volume. 3. Tính khả dụng: AI có chạy on-device (tức là trên cảm biến) hay phải gửi lên cloud? Nếu cloud, độ trễ sẽ giết chết tính real-time. Trong trading, 1 giây là quá đủ để front-run.
Tôi đã từng viết bot arbitrage Uniswap, tôi biết: độ trễ là tất cả. Một AI đưa ra lời khuyên “ăn ít carb” sau khi bạn đã ăn xong 30 phút thì vô dụng. Libre Assist có thể bị mắc kẹt trong cái bẫy “phân tích hậu kỳ” giống như Dexcom Clarity – nhìn lại quá khứ, không can thiệp hiện tại.
Contrarian: Góc nhìn phản trực giác
Đám đông bán lẻ sẽ nói: “Wow, AI sắp cứu bệnh nhân tiểu đường!”. Tôi nói: “Hãy nhìn vào các dự án health token đã từng hứa hẹn.” Tôi đã audit 3 cái NFT health rồi, 2 cái là rug. Một cái còn lại bán concept “AI cá nhân hóa” nhưng thực chất là form điền thông tin tay.
Điểm mù ở đây là: Libre Assist không giải quyết được vấn đề “last mile” của hành vi. CGM cho bạn biết đường huyết đang cao, nhưng AI bảo bạn nên ăn gì, và bạn có nghe không? Giống như một trading bot đưa ra tín hiệu mua bán, nhưng bạn lại không thực hiện lệnh vì sợ. Giá trị thực tế nằm ở sự thay đổi hành vi, không phải ở thuật toán.
Hơn nữa, tôi thấy một điểm tương đồng với các orderbook DEX: chúng không bao giờ đánh bại được CEX vì market maker không để lại quote on-chain. Ở đây, bệnh nhân sẽ không bao giờ để lại dữ liệu ăn uống đầy đủ cho AI học. Thiếu dữ liệu đầu vào, mô hình sẽ chỉ là “average advice” – không cá nhân hóa, không giá trị.
Takeaway: Suy nghĩ tiến bộ
Libre Assist không phải là một “rug” hoàn toàn – nó có nền tảng vững chắc từ Abbott. Nhưng để gọi là “AI-powered” và kỳ vọng nó thay đổi cuộc chơi thì hơi quá. Tôi sẽ theo dõi xem họ có công bố kết quả lâm sàng (giống như whitepaper của một dự án tốt) hay không. Nếu không có số liệu HbA1c giảm rõ rệt, thì đó chỉ là một tính năng marketing.
Câu hỏi cuối: Bạn có tin vào một AI mà chưa từng audit code? Tôi thì không.