Bắt đầu với AI: đừng gọi món theo tiếng ồn

Bắt đầu với AI: đừng gọi món theo tiếng ồn

Model mới nhất chưa chắc là lựa chọn đúng. Người mới nên bắt đầu bằng khung quyết định: việc gì, rủi ro gì, kiểm chứng ra sao.

“Chọn AI nào bây giờ?” là câu mình nghe nhiều đến mức muốn in lên ly cà phê.

Thường câu hỏi phía sau mới đáng chú ý hơn: “Cái nào mới nhất?”, “Cái nào đang được khen nhiều nhất?”, “Cái nào trả lời nghe thông minh nhất?”. Và đây là chỗ mình hơi phá mood: nếu bạn mới bắt đầu với AI, model ồn ào nhất không nên là món chính đầu tiên của bạn.

Vì AI hiện đại, kể cả những model rất mạnh, vẫn có thể trả lời sai một cách tự tin. Không phải kiểu sai lộ liễu như “2 + 2 = 5”, mà là sai rất mượt: bịa tên tài liệu, thêm chi tiết không có thật, hiểu nhầm ngữ cảnh, hoặc đưa lời khuyên nghe hợp lý nhưng không kiểm chứng được.

Dịch sang tiếng người: đừng chọn AI như chọn món theo bàn bên cạnh đang vỗ tay. Hãy chọn theo việc bạn cần làm, mức rủi ro nếu nó sai, và cách bạn kiểm tra đầu ra.

Sơ đồ minh họa cho bài Bắt đầu với AI: đừng gọi món theo tiếng ồn

Sơ đồ tóm tắt ý chính của bài viết.

Khái niệm cần nắm: AI không “biết”, nó dự đoán

Trước khi hỏi nên dùng công cụ nào, mình muốn gỡ một hiểu lầm phổ biến: AI không phải cái đầu biết tuốt đang ngồi trong máy.

AI model là chương trình đã được huấn luyện từ dữ liệu để nhận ra mẫu và đưa ra dự đoán hoặc quyết định. Ví dụ đời thường: bạn thấy trời âm u, gió mạnh, mùi đất ẩm, bạn đoán sắp mưa. Model cũng làm việc kiểu đó, nhưng trên chữ, hình, âm thanh hoặc dữ liệu.

Với các model ngôn ngữ, nó nhìn câu bạn nhập và dự đoán câu trả lời có khả năng phù hợp nhất. Điều này rất hữu ích khi bạn cần viết nháp email, tóm tắt tài liệu, lên dàn ý, giải thích khái niệm. Nhưng cũng chính cơ chế đó khiến nó có thể mắc hallucination — bịa thông tin nhưng nói rất tự tin.

Một ví dụ hay từ bài phân tích của freeCodeCamp: con người có thể nghe một đoạn âm thanh mơ hồ, rồi khi được gợi ý bằng phụ đề khác nhau, não lại “nghe” ra những câu khác nhau. Âm thanh không đổi, nhưng bối cảnh làm não tự lấp khoảng trống. AI cũng có xu hướng tương tự: gặp chỗ thiếu chắc chắn, nó thường lấp bằng thứ có vẻ hợp lý thay vì nói “mình không biết”.

Vậy nên câu hỏi đầu tiên khi bắt đầu không phải là “model nào thông minh nhất?”, mà là: việc này có chịu được một câu trả lời sai tự tin không?

Vì sao chuyện này đáng quan tâm với người mới

Người mới thường bắt đầu AI bằng những việc rất đời: viết caption, tóm tắt file PDF, soạn proposal, học Excel, hỏi kiến thức ngành, dịch tài liệu, viết code mẫu. Những việc này nhìn có vẻ an toàn, nhưng mức rủi ro khác nhau rất xa.

AI viết caption sai một câu thì bạn sửa được. AI tóm tắt sai điều khoản hợp đồng thì bạn có thể ký nhầm. AI bịa một hàm trong code thì bạn mất buổi chiều debug. AI giải thích sai quy định nội bộ rồi team làm theo thì phiền hơn nhiều.

Ở đây có một thuật ngữ nữa nên biết: foundation model là model nền tảng được huấn luyện rộng trước, rồi có thể dùng cho nhiều việc khác nhau. Nó giống một set menu rất lớn: có khai vị, phần chính, tráng miệng, món nào cũng có vẻ gọi được. Nhưng “gọi được” không có nghĩa là “hợp bụng” với mọi tình huống.

Các cuộc thảo luận gần đây quanh AI an toàn, văn hóa và giá trị cũng nhắc mình một điều: AI không chạy trong chân không. Một câu trả lời “ổn” ở bối cảnh này có thể lệch ở bối cảnh khác. Với tiếng Việt, với luật địa phương, với văn hóa công ty Việt Nam, bạn càng nên kiểm tra kỹ thay vì mặc định model lớn là hiểu đúng.

Khung 3 câu hỏi trước khi chọn AI

Nếu bạn mới bắt đầu, mình đề xuất một khung rất gọn: Việc gì — Sai thì sao — Kiểm bằng gì.

1. Việc gì?

Bạn muốn AI làm việc sáng tạo, hỗ trợ suy nghĩ, hay đưa thông tin chính xác?

Nhóm đầu có thể linh hoạt. Nhóm cuối phải cẩn thận hơn.

2. Sai thì sao?

Hãy tự hỏi: nếu AI trả lời sai, hậu quả là gì?

| Mức rủi ro | Ví dụ | Cách dùng AI |
|---|---|---|
| Thấp | Viết caption, sửa câu chữ | Dùng thoải mái, tự biên tập lại |
| Vừa | Tóm tắt meeting, lập kế hoạch học | Kiểm tra ý chính, hỏi lại điểm mơ hồ |
| Cao | Hợp đồng, tài chính, y tế, pháp lý | Chỉ dùng để chuẩn bị câu hỏi, cần người có chuyên môn duyệt |

Điểm quan trọng: AI càng tự tin, bạn càng dễ quên kiểm tra. Đây là cái bẫy tâm lý, không chỉ là lỗi kỹ thuật.

3. Kiểm bằng gì?

Trước khi tin câu trả lời, bạn có nguồn đối chiếu không?

Nếu không có cách kiểm, đừng giao cho AI việc quan trọng. Nó có thể làm “khai vị” để bạn hiểu sơ bộ, nhưng đừng để nó tự bưng luôn món chính lên bàn quyết định.

Ví dụ cụ thể: team nhỏ muốn dùng AI cho tài liệu nội bộ

Hình dung thế này: team bạn có 6 người, đang muốn dùng AI để hỏi đáp tài liệu nội bộ: quy trình nghỉ phép, hướng dẫn onboarding, chính sách hoàn tiền cho khách.

Cách làm dễ nhất là ném tất cả tài liệu vào chatbot rồi hỏi. Ban đầu rất đã. Bạn hỏi “khách muốn hoàn tiền sau 10 ngày thì xử lý sao?”, AI trả lời trơn tru. Cả team vỗ tay nhẹ.

Nhưng rủi ro nằm ở chỗ: nếu tài liệu có hai phiên bản cũ mới, nếu chính sách có ngoại lệ, nếu câu hỏi thiếu chi tiết, AI có thể trộn mọi thứ thành một câu trả lời nghe hợp lý.

Với người mới, mình sẽ không bắt đầu bằng việc build hệ thống phức tạp. Mình sẽ làm theo 4 bước trong một buổi chiều:

  1. Chọn 10 câu hỏi thật hay gặp

Ví dụ: xin nghỉ phép, đổi ca, hoàn tiền, xuất hóa đơn, reset mật khẩu.

  1. Gắn mỗi câu hỏi với tài liệu gốc

Không có tài liệu gốc thì đừng cho AI trả lời như thể nó biết.

  1. Yêu cầu AI trả lời kèm “dựa trên đoạn nào”

Nếu nó không chỉ ra được căn cứ, câu trả lời chỉ là nháp.

  1. Đánh dấu câu nào cần người duyệt

Các câu liên quan tiền, quyền lợi, cam kết với khách nên có người phụ trách chốt.

Nếu sau 10 câu này AI giúp tiết kiệm thời gian mà không làm sai ý chính, lúc đó mới tính mở rộng. Đừng bắt đầu bằng tham vọng “AI hóa toàn bộ công ty” khi bạn chưa biết nó xử lý 10 câu căn bản ra sao.

Bẫy lớn: thấy câu trả lời hay liền tưởng là đúng

AI rất giỏi trình bày. Nó biết viết mạch lạc, chia bullet gọn, dùng giọng chắc chắn. Với người mới, đây vừa là điểm mạnh vừa là cái bẫy.

Có ba dấu hiệu bạn nên chậm lại:

Một: AI đưa chi tiết quá cụ thể nhưng không có nguồn.
Tên văn bản, số điều khoản, ngày tháng, tên người, benchmark… nếu không có căn cứ, hãy xem như cần kiểm chứng.

Hai: AI không nói rõ giới hạn.
Một trợ lý tốt nên biết nói “mình chưa đủ thông tin”. Nếu câu nào nó cũng trả lời ngon lành, bạn nên hỏi tiếp: “Phần nào trong câu trả lời này có thể sai?”

Ba: bạn đang dùng AI cho bối cảnh văn hóa hoặc địa phương mà nó có thể hiểu lệch.
Ví dụ cách xưng hô trong email tiếng Việt, quy trình công ty gia đình, sắc thái khi xin lỗi khách hàng, hay văn bản có nhiều từ viết tắt nội bộ. Những chỗ này không chỉ là dịch chữ; nó cần hiểu bối cảnh.

Vì vậy, bắt đầu với AI không phải là học thuộc tên công cụ. Bắt đầu đúng là học cách đặt ranh giới: việc nào cho AI làm nháp, việc nào cần người kiểm, việc nào chưa nên giao.

Cách nghĩ mới: chọn theo độ kiểm chứng, không theo độ hào nhoáng

Nếu bạn chỉ nhớ một khung sau bài này, hãy nhớ bảng nhỏ này:

| Bạn cần gì? | Nên dùng AI để | Không nên dùng AI để |
|---|---|---|
| Viết nhanh | Tạo bản nháp | Xuất bản không đọc lại |
| Học khái niệm | Giải thích bằng ví dụ | Tin tuyệt đối mọi định nghĩa |
| Tóm tắt tài liệu | Rút ý chính có đối chiếu | Thay bạn đọc phần quan trọng |
| Ra quyết định | Liệt kê lựa chọn và rủi ro | Chốt thay người chịu trách nhiệm |
| Hỏi dữ liệu nội bộ | Tìm đoạn liên quan | Bịa chính sách khi thiếu tài liệu |

Người mới không cần sợ AI. Nhưng cũng đừng mê cái vẻ thông minh của nó. Cách dùng bền hơn là coi AI như một trợ lý viết nháp cực nhanh, cần brief rõ và cần kiểm hàng trước khi giao cho khách.

Nói vui một câu: vào quán AI, đừng gọi món đắt nhất chỉ vì bàn kế bên chụp ảnh đẹp; hỏi trước món đó ăn với việc của mình có hợp không đã.

---
Bụi Wire — nghiện đọc release notes lúc 2 giờ sáng

Nguồn tham khảo