Cộng tác giữa con người và AI: Cách phối hợp hiệu quả

Cộng tác giữa con người và AI là quy trình làm việc chung, trong đó mỗi bên đảm nhận phần việc phù hợp để đạt một mục tiêu. Khác với việc chỉ yêu cầu chatbot trả lời hoặc tự động hóa hoàn toàn, mô hình này kết hợp khả năng xử lý của AI với bối cảnh, phán đoán và trách nhiệm của con người.

Với người mới bắt đầu, câu hỏi quan trọng không phải AI có thể làm gì, mà là AI nên đảm nhận phần nào, con người cần bổ sung bối cảnh ở đâu và kết quả sẽ được kiểm tra như thế nào.

Cộng tác giữa con người và AI là gì?

Cộng tác giữa con người và AI là cách một người và một hệ thống AI cùng đóng góp vào một kết quả, trong đó mỗi bên thực hiện phần việc phù hợp hơn với năng lực của mình. Con người thường xác định mục tiêu và tiêu chí chấp nhận; AI hỗ trợ sắp xếp thông tin, so sánh hồ sơ, nhận diện mẫu hoặc soạn thảo tài liệu. Cách định nghĩa dựa trên mục tiêu chung này tương đồng với giải thích của Dust.

Ví dụ, quản lý có thể yêu cầu AI chuyển ghi chú cuộc họp thành danh sách quyết định, câu hỏi còn bỏ ngỏ và việc cần làm. AI tạo bản nháp, còn quản lý xác nhận nội dung đã được thống nhất, người phụ trách và những cam kết chưa được phê duyệt.

Đây là một hình thức Human-in-the-Loop AI: con người cung cấp đầu vào, xem xét hoặc giám sát quy trình có AI hỗ trợ. Hai khái niệm không đồng nhất. Cộng tác mô tả cách con người và AI chia sẻ công việc; Human-in-the-Loop mô tả sự tham gia của con người tại các điểm cụ thể trong quy trình.

Con người không cần thực hiện thủ công mọi bước. Mục tiêu là giao cho AI phần chuẩn bị phù hợp, đồng thời giữ quyền quyết định về ý nghĩa, sự đánh đổi và các vấn đề quan trọng.

Cộng tác giữa con người và AI khác tự động hóa như thế nào?

Tự động hóa thực hiện một nhiệm vụ đã được xác định với ít sự can thiệp thủ công. Cộng tác giữa con người và AI có thêm định hướng, bối cảnh hoặc phản hồi của con người trong quá trình làm việc. Một bước tự động hóa vẫn có thể nằm trong quy trình rộng hơn, nơi con người xem xét kết quả và quyết định bước tiếp theo.

Hệ thống kế toán tự động gửi hóa đơn từ một nhà cung cấp quen thuộc vào thư mục tiêu chuẩn là tự động hóa. Nếu nhân viên tài chính yêu cầu AI nhóm các hóa đơn bất thường, giải thích danh mục có thể phù hợp và xác định thông tin còn thiếu, quy trình trở thành cộng tác khi nhân viên đánh giá đề xuất và quyết định bước tiếp theo.

Phân biệt này quan trọng vì nội dung do AI tạo ra có thể trau chuốt nhưng không phản ánh ưu tiên của tổ chức, chính sách hiện hành hoặc mức độ chấp nhận rủi ro. Tự động hóa giảm thao tác thủ công; cộng tác bổ sung sự diễn giải và kiểm soát khi nhiệm vụ cần phán đoán.

AI và con người đóng góp những gì?

AI thường phù hợp với công việc xử lý lượng lớn thông tin, nhận diện mẫu lặp lại hoặc tạo phiên bản đầu tiên. Con người xác định mục đích, bổ sung bối cảnh, diễn giải ý nghĩa, cân nhắc hậu quả và chịu trách nhiệm về kết quả. Sự phân chia phụ thuộc vào hệ thống, nhiệm vụ và hậu quả của lỗi (Dust).

Với báo cáo kinh doanh theo quý, AI có thể trích xuất xu hướng từ bảng tính và soạn tóm tắt. Chuyên viên phân tích phải kiểm tra cách diễn giải số liệu, tìm nguyên nhân thay đổi, nêu giới hạn của dữ liệu và quyết định bản tóm tắt có phù hợp để trình lãnh đạo hay không.

Sự phân chia này không cố định. Có thể giao nhiều hơn cho AI trong công việc định dạng rủi ro thấp, nhưng cần giữ quyền kiểm soát đối với quyết định về khách hàng, đề xuất tài chính hoặc thông điệp ảnh hưởng đáng kể đến một người. Hậu quả của lỗi nên quyết định mức quyền hạn giao cho AI.

Quy trình cộng tác đơn giản giữa con người và AI

Một quy trình đáng tin cậy bắt đầu bằng kết quả do con người xác định và kết thúc bằng quyết định của con người về cách sử dụng kết quả.

1. Xác định kết quả. Nêu rõ cần tạo ra hoặc quyết định điều gì, ai sẽ sử dụng và kết quả hữu ích phải bao gồm những gì.
2. Cung cấp bối cảnh liên quan. Đưa vào đối tượng, ràng buộc, định nghĩa và tài liệu nguồn. Không thêm thông tin nhạy cảm trừ khi công cụ và chính sách cho phép.
3. Giao một nhiệm vụ phù hợp cho AI. Yêu cầu AI sắp xếp, so sánh, tóm tắt, soạn thảo hoặc đề xuất lựa chọn thay vì giao một trách nhiệm không rõ ràng.
4. Kiểm tra kết quả. Tìm thông tin còn thiếu, nhận định sai, giả định không phù hợp và đề xuất lệch khỏi tình huống.
5. Sửa hoặc điều chỉnh công việc. Giải thích điểm sai, bổ sung bối cảnh hoặc thay đổi định dạng và tiêu chí.
6. Xác minh các chi tiết quan trọng. Đối chiếu nhận định thực tế, phép tính, trích dẫn và quyết định với nguồn đáng tin cậy.
7. Quyết định cách sử dụng kết quả. Người được ủy quyền phê duyệt, chỉnh sửa, gửi hoặc từ chối kết quả cuối cùng.

Với email gửi khách hàng, con người xác định đối tượng và mục đích, cung cấp bối cảnh, yêu cầu AI soạn thảo, kiểm tra thông tin và giọng điệu, chỉnh sửa rồi phê duyệt trước khi gửi. Quy trình có thể quay lại bước trước nếu mục tiêu chưa rõ hoặc còn thiếu thông tin.

Nên đặt bước xem xét của con người ở đâu trong quy trình?

Bước xem xét nên phản ánh rủi ro, khả năng đảo ngược lỗi và mức độ ảnh hưởng của kết quả trung gian đến các bước sau. Với công việc rủi ro thấp, xem xét bản nháp hoàn chỉnh có thể đủ. Với công việc có hậu quả đáng kể, cần kiểm tra kết quả trung gian trước khi chúng tác động đến hệ thống hoặc quyết định khác (Dust).

Hãy cân nhắc các câu hỏi sau:

1. Điều gì xảy ra nếu kết quả sai? Một đề xuất ý tưởng yếu không cần cùng mức kiểm soát với khuyến nghị sai về điều kiện đủ của khách hàng.
2. Có thể đảo ngược lỗi không? Bản nháp thường có thể chỉnh sửa, trong khi tin nhắn đã gửi, khoản thanh toán đã giải ngân hoặc quyết định đã ghi vào hồ sơ có thể khó hoàn tác.
3. Các bước sau có dựa vào kết quả này không? Nếu một quy trình khác hành động dựa trên phân loại của AI, nên xem xét trước khi chuyển bước.
4. Người xem xét có thể kiểm tra hiệu quả không? Việc giao bớt công việc kém hữu ích nếu kiểm tra đòi hỏi lặp lại toàn bộ nhiệm vụ mà không có nguồn đáng tin cậy.

Danh sách ý tưởng không chính thức cho hội thảo nội bộ có thể chỉ cần xem xét cuối cùng. Khuyến nghị ảnh hưởng đến khách hàng hoặc nhân viên cần ranh giới rõ hơn, kiểm tra nguồn và phê duyệt trước khi hành động. Xem xét của con người không có nghĩa là lặp lại mọi thao tác, mà là bảo đảm có đủ khả năng quan sát và quyền hạn để phát hiện vấn đề quan trọng.

Ví dụ về cộng tác giữa con người và AI tại nơi làm việc

Mô hình này áp dụng cho nhiều công việc: AI chuẩn bị hoặc đánh dấu thông tin, con người bổ sung bối cảnh, kết quả được kiểm tra và người được ủy quyền quyết định bước tiếp theo.

Soạn email và tài liệu

AI có thể tạo bản nháp từ mục tiêu, đối tượng và tài liệu nguồn. Người viết kiểm tra độ chính xác, giọng điệu, tính bảo mật và những cam kết chưa được tổ chức phê duyệt. Con người chịu trách nhiệm về nội dung được gửi hoặc công bố.

Tóm tắt cuộc họp

AI có thể sắp xếp ghi chú thành quyết định, việc cần làm và câu hỏi chưa được trả lời. Người phụ trách đối chiếu với ghi chú gốc, sửa người phụ trách chưa rõ và xác nhận bản tóm tắt phản ánh đúng cuộc thảo luận.

Báo cáo và phân tích dữ liệu

AI có thể nhận diện mẫu, mô tả thay đổi hoặc tạo bản giải thích nháp. Chuyên viên phân tích kiểm tra phép tính, định nghĩa, giai đoạn so sánh và các cách giải thích thay thế. Bản tóm tắt trôi chảy không chứng minh phân tích chính xác.

Dịch vụ khách hàng

Chatbot có thể xử lý câu hỏi thường gặp và chuyển trường hợp phức tạp hoặc nhạy cảm cho nhân viên. Nhân viên xem lại cuộc trò chuyện, cân nhắc thông tin hệ thống có thể thiếu và quyết định phản hồi. Điểm chuyển sang con người đặc biệt quan trọng khi tình huống không khớp mẫu tiêu chuẩn.

Kiểm duyệt nội dung

AI có thể đánh dấu nội dung để xem xét. Người kiểm duyệt cân nhắc bối cảnh và áp dụng chính sách trước khi đưa ra hành động cuối cùng. Cờ cảnh báo là đầu vào cho quyết định, không nhất thiết là quyết định đó.

Hỗ trợ quyết định tín dụng hoặc các quyết định khác

Thuật toán có thể tạo điểm rủi ro hoặc xác định hồ sơ cần chú ý, trong khi người có chuyên môn đánh giá bằng chứng và đưa ra quyết định. Ví dụ này minh họa hỗ trợ quyết định, không phải khuyến nghị sử dụng AI mà không có biện pháp kiểm soát phù hợp. Các mô hình về dịch vụ khách hàng, kiểm duyệt và chấm điểm tín dụng được H-FARM College mô tả.

Cộng tác giữa con người và AI trong học tập và công việc hằng ngày

Trong học tập hoặc quản lý công việc cá nhân, AI có thể chuẩn bị tài liệu luyện tập, giải thích khái niệm, so sánh lựa chọn hoặc sắp xếp checklist. Con người vẫn cần kiểm tra mức độ hiểu, bằng chứng, ràng buộc và ưu tiên cá nhân.

Sinh viên có thể cung cấp ghi chú trên lớp và yêu cầu AI tạo câu hỏi luyện tập. Sau đó, sinh viên nên tự trả lời, xác định phần chưa chắc chắn và đối chiếu với tài liệu môn học. Nếu AI giải thích sai, việc học có thể bị ảnh hưởng nếu kết quả được xem như đáp án không cần kiểm chứng.

Một số cách sử dụng rủi ro thấp khác gồm yêu cầu AI:

• Chuyển một tập ghi chú dài thành tiêu đề và câu hỏi ôn tập.
• Đề xuất những cách khác nhau để giải thích một ý tưởng khó.
• So sánh các lựa chọn du lịch hoặc dự án theo sở thích đã nêu.
• Chia một dự án cá nhân thành các bước và mối phụ thuộc.
• Sắp xếp checklist mà không đưa ra quyết định về vấn đề nhạy cảm.

Trong mỗi trường hợp, con người cung cấp mục đích và ràng buộc, đánh giá đề xuất rồi quyết định nội dung được sử dụng. AI chỉ giảm công việc chuẩn bị khi kết quả có thể được kiểm tra hiệu quả (Dust).

Những kỹ năng giúp cộng tác hiệu quả

Cộng tác hiệu quả phụ thuộc nhiều hơn vào khả năng xác định nhiệm vụ, đánh giá bằng chứng và truyền đạt quyết định hơn là cách diễn đạt khéo léo.

1. Định hình nhiệm vụ: Mô tả kết quả, đối tượng, ràng buộc và tiêu chí chấp nhận trước khi yêu cầu AI hỗ trợ.
2. Tư duy phản biện: Chất vấn giả định, tìm khả năng bị bỏ sót và phân biệt lời giải thích hợp lý với lời giải thích có bằng chứng.
3. Kiến thức lĩnh vực: Nhận ra khi câu trả lời không phù hợp với tình huống.
4. Năng lực dữ liệu: Kiểm tra chỉ số đo lường điều gì, phép so sánh có hợp lệ không và dữ liệu có đủ để hỗ trợ kết luận không.
5. Giao tiếp: Giải thích AI đã đóng góp gì, con người thay đổi điều gì và vì sao quyết định cuối cùng được đưa ra.
6. Kiểm tra nguồn: Đối chiếu nhận định thực tế quan trọng với tài liệu đáng tin cậy hoặc bằng chứng gốc.
7. Nhận biết sự không chắc chắn: Nhận ra khi dữ liệu chưa đầy đủ hoặc nhiệm vụ vượt quá năng lực đáng tin cậy của hệ thống.
8. Phán đoán về nhiệm vụ: Quyết định nên giao bao nhiêu công việc cho AI và cần xem xét ở đâu.

Với bản tóm tắt dữ liệu, định hình nhiệm vụ xác định câu hỏi kinh doanh; năng lực dữ liệu phát hiện phép so sánh gây hiểu lầm; tư duy phản biện chất vấn kết luận; giao tiếp giúp giải thích kết quả cho các bên liên quan. Những kỹ năng này phù hợp với trọng tâm về tư duy phản biện, năng lực dữ liệu và giao tiếp chiến lược trong thảo luận của H-FARM College về cộng tác giữa con người và AI.

Vì sao cộng tác không phải lúc nào cũng tạo ra kết quả tốt hơn?

Cộng tác không tự động tốt hơn làm việc một mình. Quy trình có thể thất bại khi con người chấp nhận kết quả sai, từ chối hỗ trợ hữu ích, lặp lại công việc hoặc dành nhiều thời gian kiểm tra hơn mức hợp lý.

Một tổng quan về 106 thí nghiệm, được tóm tắt trong bằng chứng được cung cấp và liên kết tới bài nghiên cứu gốc trên Nature Human Behaviour, cho biết cộng tác giữa con người và AI trung bình cải thiện kết quả so với khi con người làm việc một mình. Tuy nhiên, trung bình cộng tác không vượt qua kết quả của cả con người và AI khi làm việc riêng rẽ. Phát hiện này không chứng minh cộng tác luôn hiệu quả; giá trị phụ thuộc vào nhiệm vụ, con người, hệ thống và thiết kế quy trình.

AI có thể tạo bản nháp hữu ích để người lao động tập trung vào ý nghĩa và giả định. Nhưng trong trường hợp khác, họ phải viết lại từng câu và xác minh mọi đề xuất, gần như không tiết kiệm thời gian hay có thêm hiểu biết. Cần đánh giá toàn bộ quy trình, bao gồm cả thời gian xem xét.

Cách bắt đầu một quy trình an toàn giữa con người và AI

Hãy bắt đầu bằng nhiệm vụ rủi ro thấp, có thể đảo ngược và có kết quả được kiểm tra mà không cần lặp lại toàn bộ công việc.

1. Chọn nhiệm vụ phù hợp. Bắt đầu bằng sắp xếp ghi chú, soạn dàn ý nội bộ hoặc tạo checklist thay vì quyết định không thể đảo ngược.
2. Xác định điểm xem xét. Quyết định trước con người phải kiểm tra điều gì và ai phê duyệt kết quả.
3. Loại bỏ thông tin nhạy cảm không cần thiết. Không dán mật khẩu, API key, mã nguồn bảo mật, mã định danh cá nhân, hợp đồng riêng tư hoặc thông tin khách hàng vào công cụ trừ khi đã rõ công cụ được phép sử dụng cho mục đích đó.
4. Kiểm tra chính sách đào tạo và lưu trữ. Việc nhà cung cấp sử dụng dữ liệu để đào tạo mô hình là vấn đề khác với thời gian lưu trữ lời nhắc, tệp hoặc nhật ký.
5. Cung cấp đủ bối cảnh. Bao gồm mục đích, tài liệu nguồn, đối tượng và giới hạn cần thiết.
6. Xác minh kết quả. Đối chiếu chi tiết quan trọng với ghi chú gốc hoặc bằng chứng đáng tin cậy khác.
7. Phê duyệt cách sử dụng cuối cùng. Người chịu trách nhiệm quyết định có gửi, công bố, ghi nhận hay hành động dựa trên kết quả hay không.

Với bản tóm tắt cuộc họp, trước tiên kiểm tra thông tin bảo mật và trạng thái phê duyệt của công cụ. Yêu cầu AI sắp xếp quyết định và câu hỏi còn bỏ ngỏ, đối chiếu với ghi chú nguồn, sửa phần bị bỏ sót rồi để người phụ trách phê duyệt.

Những lỗi thường gặp khi cộng tác giữa con người và AI

Các lỗi sau thường làm suy yếu quy trình cộng tác:

• Coi nội dung trôi chảy là chính xác: Câu trả lời rõ ràng vẫn có thể chứa nhận định không có căn cứ hoặc số liệu sai. Hãy kiểm tra nguồn đối với thông tin quan trọng.
• Giao cho AI một mục tiêu không rõ: Yêu cầu như “làm cho nội dung này tốt hơn” không xác định đối tượng, mục đích hoặc tiêu chuẩn. Hãy nêu rõ thế nào là thành công.
• Bỏ qua bối cảnh thiết yếu: AI không thể tính đến ràng buộc hoặc quyết định chưa được cung cấp. Hãy thêm thông tin cần thiết nhưng bảo vệ dữ liệu nhạy cảm.
• Không phân công trách nhiệm phê duyệt: Nếu không ai chịu trách nhiệm về quyết định cuối cùng, lỗi có thể đi qua toàn bộ quy trình.
• Xem xét quá muộn: Nếu phân loại sai ảnh hưởng đến bước sau, hãy kiểm tra trước khi quy trình tiếp tục.
• Coi sự tự tin của AI là bằng chứng: Giọng điệu chắc chắn không chứng minh nhận định là đúng.
• Giao vượt quá vai trò của hệ thống: Yêu cầu AI đưa ra quyết định có hậu quả mà không đủ bằng chứng hoặc thẩm quyền của con người là nhầm lẫn giữa hỗ trợ và trách nhiệm.

Những rủi ro này phù hợp với các dạng thất bại được Dust xác định, gồm kết quả không đáng tin cậy, thiết kế quy trình kém, trách nhiệm không rõ ràng và niềm tin đặt sai chỗ.

Ý tưởng cốt lõi: AI hỗ trợ, con người vẫn chịu trách nhiệm

Cộng tác hiệu quả giữa con người và AI giao cho AI những phần việc phù hợp, đồng thời cung cấp cho con người thông tin và quyền hạn để định hướng, xác minh và chịu trách nhiệm về kết quả. AI có thể mang lại tốc độ, tính nhất quán, khả năng sắp xếp hoặc bản nháp hữu ích. Con người cung cấp mục tiêu, bối cảnh, phán đoán, sự đồng cảm và trách nhiệm (H-FARM College).

Không cần tự động hóa toàn bộ công việc để hưởng lợi từ cộng tác. Hãy chọn một nhiệm vụ rủi ro thấp, xác định AI cần chuẩn bị gì và quyết định con người sẽ xem xét kết quả ở đâu. Quy trình nhỏ này giúp làm rõ trách nhiệm trước khi áp dụng AI vào công việc có hậu quả lớn hơn.