AI theo sát giáo trình lớp dạy — flag câu lệch giáo trình, ghi công khoảnh khắc HV tương tác tốt, đề xuất giáo trình mới mỗi 2 tuần
Phần mềm AI cho chủ trung tâm + tổ trưởng giáo viên. Cô bật camera lớp → bot mona-classroom join + nghe + phân tích thành JSON ngay sau buổi: cô có dạy đúng giáo trình không, khoảnh khắc nào HV gật mạnh / thảo luận sôi nổi — ghi công vào data lake, đoạn nào lệch giáo trình. Mỗi 2 tuần, AI tổng hợp 20-30 buổi đề xuất giáo trình phiên bản mới — tổ trưởng duyệt, push cho cả tổ. Junior 2 năm dạy như senior 8 năm. Đã triển khai cho An Đông Edu (6 cô Văn 8 · 23 lớp) — PH gia hạn 58% → 79% sau 1 học kỳ.
Chuyên viên phần mềm MONA thuyết trình prototype này
2-4 phút · trình bày camera setup + AI Coach realtime + JSON pipeline + flywheel cập nhật giáo trình. Xem trước khi vào demo bên dưới.
Cô bật camera lớp + bot mona-classroom tự join · cô không phải làm gì khác
Camera lớp + AI Coach ghi công khoảnh khắc HV gật mạnh + flag câu lệch giáo trình ngay khi xảy ra
Buổi #87 — adherence 84%, 4 win moments, 2 đoạn lạc giáo trình · ghi vào data lake
+4 win moments · 1 novelty (câu trả lời câu hỏi mở) · 2 lệch giáo trình.
Còn 16 buổi nữa để đủ 23 / 2 tuần — AI sẽ tổng hợp đề xuất giáo trình v4.3.
Cô tổ trưởng Lê Mai duyệt 4 đề xuất AI — push v4.3 cho 6 cô tổ Văn
sau câu hook
Bước
Chốt bài
Chi tiết phụ
MONA dùng cụ thể mô hình nào, hiện tại đúng bao nhiêu %, khi nào lên 100%.
Anh chị xem demo xong tự nhiên muốn biết "stack gì, accuracy bao nhiêu, có ổn định không". Bảng dưới trả lời thẳng — không ẩn, không marketing. Số đo có ngày tháng cụ thể, lộ trình có quý cụ thể, vùng AI không bao giờ 100% cũng nói thẳng.
Ensemble 3 LLM top + lớp Vietnamese riêng
- LLM #1 Claude Opus 4 (Anthropic) — phân tích chunks transcript vs giáo trình + scoring adherence
- LLM #2 GPT-5 (OpenAI) — ensemble cross-check adherence score
- LLM #3 Gemini 2.5 Pro (Google) — ý kiến thứ 3 khi #1 & #2 lệch
- VN ASR Deepgram Nova-3 (tiếng Việt giọng GV) + Whisper-large-v3 fallback · latency 250ms streaming
- Vision MediaPipe face mesh + body pose · engagement detection HV chú ý / nói chuyện riêng
- VAD silero-VAD · voice activity detection để segment ai đang nói
- RAG giáo trình PostgreSQL + pgvector · embedding voyage-3-large (multilingual top)
- Audit log PostgreSQL append-only · lưu transcript + frame samples + AI inference 365 ngày (NĐ 13/2023 + Luật Trẻ em)
- Infra Node.js + tRPC · VPS riêng + S3 lưu recording · KHÔNG cap budget — accuracy là ưu tiên duy nhất
Đo trên 1,820 buổi học · 2026-05-15
Cách đo: 4 tổ trưởng dự giờ chấm tay 1,820 buổi → so AI ensemble chấm cùng buổi, AI KHÔNG thấy điểm tổ trưởng trước. Trong 3.6% sai lệch, 68% là do tổ trưởng chấm lệch nhau chứ không phải AI sai.
3 quý tới · công khai cam kết
- Q2/26 ● 96.4% → 97.8% · fine-tune Deepgram VN accent (Bắc / Trung / Nam) + thêm 4,000 buổi học calibration (đang chạy)
- Q3/26 97.8% → 98.6% · multi-camera fusion (cam GV + cam lớp + cam góc rộng) → AI ghép view
- Q4/26 98.6% → 99.2% · emotion detection HV (vui / bối rối / mất focus) — AI flag cô can thiệp ngay trong buổi
- Q1/27 ★ Ổn định 99.4%+ adherence + ghi nhận khoảnh khắc HV xuất sắc tự động cho marketing
Giáo trình tự sống. Junior dạy như senior.
Tổ trưởng không cần ngồi nghe lại 23 giờ video/tuần để coach 5 cô khác. AI nghe thay — flag khoảnh khắc HV gật mạnh để nhân rộng cho cả tổ, flag câu lệch giáo trình để cô tự điều chỉnh ngay buổi sau. Mỗi 2 tuần AI đề xuất giáo trình mới — tổ trưởng chỉ cần đọc 4 đề xuất, duyệt rồi push.
Cô junior 2 năm dạy bằng giáo trình v4.3 → engagement HV ngang cô senior 8 năm. Senior không phải đào tạo lại tổ mỗi học kỳ. Giáo trình tự sống vì có data flywheel thực tế đẩy.