Bạn đang điều khiển AI, hay để AI định hướng cách mình nghĩ?
Hãy hình dung một buổi sáng ở văn phòng. Bạn mở AI, đưa vào vài con số kinh doanh và hỏi: “Tại sao đội bán hàng làm việc chưa hiệu quả?”
Chưa đầy một phút, màn hình hiện ra một bản phân tích rất gọn: nhân viên thiếu chủ động, quy trình theo dõi khách hàng chưa sát, chỉ tiêu chưa đủ rõ. Bên dưới là kế hoạch cải thiện, lịch đào tạo và mẫu bảng đánh giá.
Nhìn qua, mọi thứ có vẻ hợp lý. Bạn bắt đầu sửa kế hoạch nhân sự.
Nhưng khoan. Ai đã xác nhận vấn đề nằm ở đội bán hàng? Có thể chất lượng khách hàng đầu vào đã thay đổi. Có thể sản phẩm đang mất lợi thế. Cũng có thể cách ghi nhận dữ liệu khiến kết quả trông xấu hơn thực tế.
Trong tình huống giả định ấy, AI chưa cần nói một câu sai rõ ràng. Chỉ cần đi theo cách đặt vấn đề của bạn, nó đã có thể giúp bạn xây một lời giải rất thuyết phục cho một câu hỏi chưa được kiểm tra.
Quyền chủ động có thể mất ngay từ lúc đặt câu hỏi, trước cả khi chúng ta giao cho máy quyền hành động.
Cầm bàn phím chưa có nghĩa là đang cầm lái
Với nhiều công cụ quen thuộc, quan hệ điều khiển tương đối rõ: người dùng xác định việc cần làm, công cụ thực hiện thao tác. AI tạo sinh tham gia sâu hơn vào quá trình hình thành ý tưởng. Nó có thể đề xuất cách chia vấn đề, chọn tiêu chí so sánh, đặt tên nguyên nhân và viết luôn kết luận.
Đó là nguồn sức mạnh của AI. Cũng chính ở những bước ấy, người dùng cần giữ sự tỉnh táo.
Khi nhận một bản kế hoạch hoàn chỉnh, chúng ta rất dễ chuyển sang sửa câu chữ, thêm một đầu việc, đổi một thời hạn. Ít ai quay lại hỏi: tại sao phải làm kế hoạch này? Những phương án nào đã bị bỏ ra ngoài? Tiêu chí thành công có đúng với điều mình thực sự cần không?
Bạn vẫn bấm nút cuối cùng, nhưng toàn bộ lựa chọn trước đó có thể đã được sắp đặt theo một hướng mà bạn chưa từng xem xét.
Làm chủ AI vì thế có ít nhất hai lớp: làm chủ cách hình thành quyết định và làm chủ quyền thực hiện quyết định. Lớp đầu nằm ở câu hỏi, dữ liệu, bằng chứng và tiêu chí. Lớp sau nằm ở quyền truy cập, giới hạn hành động và khả năng sửa sai.
Nghiên cứu nói gì về việc giao bớt suy nghĩ cho AI?
Một khảo sát công bố tại CHI 2025 thu thập ý kiến của 319 người lao động tri thức, với 936 ví dụ sử dụng AI trong công việc. Nhóm tác giả ghi nhận rằng mức tin tưởng AI cao hơn có liên hệ với việc vận dụng tư duy phản biện ít hơn; công việc tư duy cũng dịch chuyển sang xác minh thông tin, tích hợp kết quả và giám sát nhiệm vụ. Đây là dữ liệu tự báo cáo, không phải bằng chứng rằng dùng AI tất yếu làm giảm năng lực tư duy lâu dài. Nghiên cứu của Lee và cộng sự.
Điều đáng rút ra cho công việc hằng ngày là: khi một phần lao động trí óc được máy hỗ trợ, ta cần quyết định phần chú ý được giải phóng sẽ đi đâu. Dùng nó để kiểm tra sâu hơn hay bỏ luôn bước kiểm tra là hai cách làm rất khác nhau.
Một rủi ro khác là sycophancy, tức xu hướng chiều theo quan điểm người dùng. Trong nghiên cứu năm 2023, Anthropic ghi nhận hiện tượng này ở năm trợ lý AI được thử nghiệm và chỉ ra rằng phản hồi hợp ý người dùng đôi khi được ưa thích hơn phản hồi đúng. Kết quả thuộc các mô hình và nhiệm vụ trong nghiên cứu, không phải thước đo chung cho mọi sản phẩm hiện nay. Anthropic, phần Abstract.
Vì vậy, câu “AI cũng đồng ý với tôi” chưa phải một bằng chứng độc lập. Nếu bạn đưa sẵn kết luận vào câu hỏi, rồi nhận lại một bản giải thích bảo vệ kết luận ấy, có thể bạn chỉ đang nghe giả định của mình được diễn đạt hay hơn.
Tránh cả tin tuyệt đối lẫn sợ đến mức không dám dùng
Tin tuyệt đối khiến chúng ta bỏ qua lỗi. Nhưng phản ứng ngược lại — thấy AI từng sai rồi quyết định không dùng nữa — cũng làm mất cơ hội học và cải thiện công việc.
Cách hợp lý hơn là đặt niềm tin theo từng nhiệm vụ cụ thể. Một công cụ viết thư mời rất tốt không tự động đủ tin cậy để chấm điểm nhân viên. Một lần phân tích đúng bảng dữ liệu không chứng minh rằng nó sẽ hiểu đúng bảng tiếp theo với định nghĩa chỉ tiêu khác.
NIST, trong hồ sơ rủi ro AI tạo sinh năm 2024, nêu cả nội dung sai được trình bày đầy tự tin lẫn rủi ro từ cách con người tương tác với AI, bao gồm quá lệ thuộc và ác cảm với thuật toán. Đây là khung nhận diện rủi ro, không phải kết luận rằng mọi lần sử dụng đều gây hại. NIST AI 600-1, mục 2 và 2.2.
Một nguyên tắc thực hành là: việc càng khó đảo ngược, tác động càng lớn, bằng chứng và cơ chế kiểm tra càng cần chặt. Ta có thể thử nhiều bản nháp rất nhanh, trong khi chỉ cho phép một số ít hành động đã đáp ứng điều kiện rõ ràng.
Năm việc người dùng cần giữ trong tay
Từ những vấn đề trên, có thể xây một cách làm đơn giản gồm năm việc. Đây là đề xuất thực hành cho công việc văn phòng, không phải một thang đo khoa học đã được kiểm định.
1. Đặt mục tiêu trước khi xin lời giải
“Hãy làm báo cáo bán hàng” chỉ mô tả sản phẩm đầu ra. “Tôi cần biết nên ưu tiên cải thiện khâu nào trong quy trình bán hàng tháng tới” mới nói rõ quyết định cần hỗ trợ.
Khi biết quyết định cuối cùng là gì, bạn sẽ biết cần những dữ liệu nào và báo cáo nào thực sự hữu ích. Một bảng đẹp nhưng không giúp lựa chọn hành động có thể chỉ làm công việc trông hoàn tất.
Trước khi mở AI, hãy tự viết hai câu: “Tôi cần quyết định điều gì?” và “Kết quả tốt phải đáp ứng điều gì?”. Nếu chưa trả lời được, hãy dùng AI để làm rõ hai câu đó trước.
2. Chọn cách làm theo nhiệm vụ
Không phải việc nào cũng cần một tác nhân AI tự chạy nhiều bước. Một phép tính có công thức rõ nên được kiểm tra bằng bảng tính hoặc chương trình tính toán. Một thông tin mới cần nguồn cập nhật. Một bản nháp cần khả năng diễn đạt. Một quy trình lặp lại có thể phù hợp với tự động hóa sau khi đã xác định rõ đầu vào và ngoại lệ.
Chọn đúng cách làm giúp giảm khoảng trống mà AI phải tự đoán. Đôi khi nâng cấp hiệu quả nhất là đưa đúng tệp dữ liệu hoặc công thức vào quy trình, thay vì đổi sang một mô hình đắt hơn.
3. Cấp ngữ cảnh có chọn lọc
Ngữ cảnh không đồng nghĩa với đổ toàn bộ tài liệu vào cửa sổ trò chuyện. Điều cần là những thông tin quyết định cách hiểu vấn đề: phạm vi thời gian, định nghĩa chỉ tiêu, nguồn dữ liệu, ràng buộc và điều chưa biết.
Trong ví dụ bán hàng, “khách hàng tiềm năng” có được tính giống nhau giữa các tháng không? Một cơ hội chưa kết thúc đang được tính là thất bại hay còn đang xử lý? Hai nhân viên có nhận cùng loại khách hàng không?
Nếu những câu hỏi ấy còn bỏ ngỏ, một phép so sánh chính xác về số học vẫn có thể dẫn đến nhận định sai về con người. Đồng thời, chỉ cung cấp dữ liệu mà công cụ và người sử dụng được phép tiếp cận; làm rõ bài toán không đòi hỏi đưa thông tin nhạy cảm vào mọi nơi.
4. Đòi bằng chứng có thể kiểm tra
“Bạn chắc chứ?” thường chỉ khiến cuộc trò chuyện dài thêm. Một câu hỏi hữu ích hơn là: “Kết luận này dựa vào dữ liệu nào, nằm ở đâu, và có cách giải thích khác không?”
Với số liệu, kiểm tra mẫu số, đơn vị, kỳ so sánh và phép tính. Với nghiên cứu, mở tài liệu để xem đoạn nào thực sự hỗ trợ nhận định. Với một đề xuất, tách phần quan sát được khỏi giả định và dự báo.
Yêu cầu AI tự phản biện có ích để tìm điểm cần xem xét, nhưng tự phản biện chưa phải kiểm chứng độc lập. Hai câu trả lời từ cùng một hệ thống có thể cùng dựa trên một giả định sai. Thêm một mô hình khác cũng không tự động tạo ra bằng chứng mới. Khi quyết định quan trọng, cần quay về dữ liệu gốc, thử nghiệm hoặc người có chuyên môn phù hợp.
5. Xác định rõ quyền hành động
Một trợ lý chỉ đề xuất và một trợ lý có thể gửi thư, sửa dữ liệu hay xuất bản nội dung mang hai mức tác động khác nhau. Trước khi bật tự động hóa, hãy ghi rõ máy được đọc gì, được sửa gì, được làm đến đâu và khi nào phải dừng.
Giới hạn nên được thực thi bằng quyền của hệ thống khi có thể. Một lời nhắc “đừng sửa dữ liệu gốc” yếu hơn việc chỉ cấp quyền đọc và cho phép ghi vào một bản sao riêng.
Tự động hóa tốt không cần hỏi lại mọi bước
Giữ quyền chủ động không có nghĩa người dùng phải ngồi bấm “đồng ý” liên tục. Nếu mọi thao tác đều xin xác nhận, chúng ta dễ duyệt theo quán tính và quy trình cũng mất tác dụng.
Điều cần làm là phê duyệt phạm vi trước, kiểm tra ngoại lệ trong khi chạy và nghiệm thu kết quả sau.
Chẳng hạn, một trợ lý tổng hợp báo cáo hằng ngày có thể được cho phép đọc một thư mục nhất định, tạo bản báo cáo theo mẫu và ghi nhật ký. Trong phạm vi đó, nó được chạy tự động. Nếu thiếu tệp, số liệu mâu thuẫn hoặc cần ghi ra ngoài phạm vi đã duyệt, nó phải đánh dấu phần bị chặn và xử lý tiếp phần độc lập có thể làm được.
Với một trợ lý chăm sóc khách hàng, quyền tự soạn bản nháp có thể rộng hơn quyền tự gửi. Nếu cho phép gửi tự động, cần xác định trước loại nội dung được gửi, nhóm người nhận, giới hạn số lượng và những tình huống phải chuyển cho người phụ trách. Quyền đó không nên tự mở rộng chỉ vì hệ thống thấy một bước tiếp theo có vẻ hợp lý.
Một quy trình đáng tin cần trả lời được bốn câu: đã làm gì, đã dùng dữ liệu nào, thay đổi nằm ở đâu và có thể khôi phục thế nào. “Đã hoàn tất” chỉ là một thông báo; dấu vết và kết quả kiểm tra mới giúp con người nghiệm thu.
Thử đổi cách hỏi trong một việc thật
Quay lại tình huống giả định về đội bán hàng. Thay vì hỏi “tại sao nhân viên chưa hiệu quả?”, bạn có thể giao việc như sau:
Tôi cần xác định khâu nào nên ưu tiên cải thiện trong quy trình bán hàng. Chưa kết luận nguyên nhân nằm ở nhân viên. Hãy kiểm tra tính đầy đủ và nhất quán của dữ liệu trước; tách quan sát, giả thuyết và thông tin còn thiếu. Với mỗi giả thuyết, nêu bằng chứng đang có và điều gì có thể bác bỏ nó. Chỉ đề xuất bước kiểm tra tiếp theo, chưa xếp hạng nhân viên hoặc thay đổi dữ liệu.
Cách hỏi này không bảo đảm AI sẽ đúng. Giá trị của nó là giữ bài toán mở đủ lâu để những lời giải khác có cơ hội xuất hiện.
Giả sử kết quả gợi ý tốc độ phản hồi có liên quan đến tỷ lệ chốt. Bước tiếp theo chưa nên là tăng chỉ tiêu gọi điện cho cả đội. Có thể cần kiểm tra thời điểm khách để lại thông tin, cách phân phối khách và loại nhu cầu trước. Sau đó mới thiết kế một thử nghiệm nhỏ, có người chịu trách nhiệm và tiêu chí đánh giá.
Nếu thời gian phản hồi giảm nhưng tỷ lệ chốt không cải thiện, giả thuyết ban đầu cần được xem lại. Đó là lúc con người điều chỉnh cách hiểu vấn đề, thay vì yêu cầu AI viết một bản giải thích mới để bảo vệ quyết định cũ.
Đừng để mỗi lần dùng AI là một lần mất cơ hội học
Không cần tự làm lại mọi thứ mà AI đã giúp. Nhưng với năng lực quan trọng trong nghề của mình, hãy giữ lại một phần công việc để tự suy nghĩ.
Trước khi hỏi, viết ngắn nhận định ban đầu và điều còn phân vân. Sau khi đọc câu trả lời, ghi lại mình đổi ý ở đâu và bằng chứng nào khiến mình đổi ý. Cuối cùng, thử giải thích quyết định bằng lời của mình mà không nhìn vào đoạn văn AI tạo ra.
Nếu chỉ có thể nói “vì AI bảo vậy”, phần hiểu biết chưa nằm trong tay mình.
Một phép thử nhỏ cho tuần tới: chọn một công việc lặp lại, ghi cách làm hiện tại, rồi thử dùng AI với mục tiêu và tiêu chí rõ ràng. Sau mỗi lượt, xem cả thời gian tiết kiệm, lỗi phải sửa và mức độ hiểu vấn đề của chính mình. Tốc độ tăng mà chất lượng giảm thì chưa thể gọi là cải thiện. Chất lượng tăng nhưng không ai giải thích được kết quả cũng là điều cần xem lại.
Câu hỏi “bạn đang điều khiển AI hay để AI định hướng cách mình nghĩ?” không đòi hỏi chúng ta chống lại mọi ảnh hưởng từ công nghệ. Một gợi ý tốt có thể giúp ta đổi cách nhìn, và đó là điều đáng đón nhận.
Điều cần giữ là khả năng nói rõ vì sao mình chấp nhận gợi ý ấy, điều gì có thể khiến mình đổi ý và mình đã giao cho hệ thống quyền gì.
Làm chủ AI bắt đầu từ những câu trả lời đó. Khi chúng còn rõ, công cụ có thể làm nhiều hơn mà con người vẫn giữ được hướng đi.
Nguồn
Microsoft Research; Anthropic; NIST.