Nguyên tắc đạo đức khi sử dụng AI là những chuẩn mực giúp mỗi người khai thác công nghệ một cách minh bạch, công bằng, an toàn và có trách nhiệm. Theo AI Mindset, AI là công cụ hỗ trợ chứ không phải chủ thể quyết định thay con người: người dùng cần làm chủ mục tiêu, kiểm tra đầu ra, bảo vệ dữ liệu và chịu trách nhiệm về cách kết quả được áp dụng.
Điểm chính cần nắm (Key Takeaways)
- Con người phải chịu trách nhiệm cuối cùng cho nội dung và quyết định có AI hỗ trợ.
- Không nhập dữ liệu cá nhân, bí mật kinh doanh hoặc thông tin chưa được phép chia sẻ.
- Kiểm tra độ chính xác, thiên lệch và mức độ phù hợp trước khi sử dụng kết quả.
- Minh bạch về vai trò của AI khi điều đó ảnh hưởng đến quyền lợi hoặc niềm tin của người khác.
Phần 1: Giải mã bản chất và tư duy đúng — Mindset trước, công cụ sau
Trong môi trường chuyên nghiệp, đạo đức AI không chỉ là câu hỏi “công cụ này có được phép dùng không?”. Đó còn là cách người dùng cân nhắc mục đích, dữ liệu đầu vào, người chịu ảnh hưởng và hậu quả nếu đầu ra sai. Một công cụ có thể tạo nội dung nhanh, nhưng tốc độ không làm cho nội dung trở nên đúng, công bằng hay phù hợp.
Vì vậy, AI Mindset (tư duy về AI đúng) bắt đầu từ việc xem AI như một trợ lý có giới hạn. Người dùng đặt mục tiêu, cung cấp bối cảnh an toàn, đánh giá kết quả và quyết định có áp dụng hay không. Cách tiếp cận này khác với việc giao phó hoàn toàn suy nghĩ hoặc trách nhiệm cho hệ thống.
Đạo đức AI gắn với quyết định của con người
Trí tuệ nhân tạo (AI) có thể phân tích dữ liệu, nhận dạng mẫu và tạo nội dung, nhưng không tự hiểu đầy đủ hoàn cảnh, giá trị tổ chức hay tác động đối với từng cá nhân. Một bản tóm tắt nghe hợp lý vẫn có thể bỏ sót ngoại lệ; một đề xuất tuyển dụng vẫn có thể phản ánh thiên lệch trong dữ liệu. Do đó, người sử dụng cần xem đầu ra là một phương án để đánh giá, không phải kết luận mặc định.
Năm nguyên tắc dùng AI có trách nhiệm
- Mục đích chính đáng: Chỉ dùng AI cho công việc có mục tiêu rõ ràng, phù hợp chính sách và không gây hại có thể tránh được.
- Minh bạch: Nói rõ khi có sử dụng AI nếu điều đó quan trọng với người nhận, quy trình phê duyệt hoặc quyền lợi của họ.
- Công bằng: Xem xét liệu cách dùng dữ liệu hay đầu ra có đối xử bất lợi với một nhóm người nào không.
- Bảo mật: Không đưa dữ liệu vào công cụ nếu chưa xác định được quyền sử dụng, cách lưu trữ và phạm vi xử lý.
- Trách nhiệm: Người ký duyệt, gửi hoặc triển khai kết quả phải kiểm tra và chịu trách nhiệm về quyết định đó.
Đạo đức không đối lập với hiệu suất. Một quy trình kiểm tra ngắn có thể ngăn việc gửi nhầm thông tin, đưa ra nhận định thiếu căn cứ hoặc làm lộ dữ liệu. Khi cần tìm hiểu nền tảng trước khi áp dụng vào công việc, có thể tham khảo chuyên mục Kỹ năng AI và Tương lai việc làm.
Phần 2: Quy trình thực hành 4 bước chi tiết
Dùng quy trình dưới đây trước mỗi tác vụ quan trọng. Với việc ít rủi ro, các bước có thể thực hiện nhanh; với quyết định ảnh hưởng đến khách hàng, nhân sự, tài chính hoặc an toàn, cần lưu lại căn cứ và tăng mức kiểm tra.
Bước 1: Xác định mục tiêu, rủi ro và người chịu ảnh hưởng
Viết rõ AI được dùng để làm gì: gợi ý cấu trúc báo cáo, tóm tắt tài liệu, soạn bản nháp hay hỗ trợ phân tích. Sau đó hỏi: ai sẽ đọc hoặc chịu tác động từ kết quả? Nếu câu trả lời ảnh hưởng đến cơ hội việc làm, quyền lợi khách hàng, đánh giá năng lực hay quyết định tài chính, hãy xem đây là tác vụ rủi ro cao và không để AI tự quyết.
Đặt thêm một giới hạn cụ thể, chẳng hạn: “AI chỉ tạo bản nháp; quản lý chuyên môn duyệt trước khi gửi” hoặc “Không sử dụng AI để xếp hạng ứng viên”. Giới hạn này biến nguyên tắc đạo đức thành hành động có thể kiểm tra.
Bước 2: Rà soát dữ liệu đầu vào
Phân loại thông tin trước khi nhập: công khai, nội bộ, mật hoặc dữ liệu cá nhân. Loại bỏ tên, địa chỉ, mã khách hàng, hồ sơ nhân sự, thông tin tài chính và chi tiết có thể nhận diện cá nhân nếu không có cơ sở được phê duyệt để xử lý. Thay bằng nhãn giả lập như “[Khách hàng A]” khi vẫn cần giữ cấu trúc tình huống.
Nếu không rõ công cụ có lưu nội dung để huấn luyện, chia sẻ hoặc xử lý ở đâu, hãy dừng lại và kiểm tra điều khoản, cấu hình doanh nghiệp hoặc hỏi bộ phận phụ trách bảo mật. Không nên xem việc công cụ cho phép dán dữ liệu là bằng chứng rằng dữ liệu đó được phép sử dụng.
Bước 3: Yêu cầu đầu ra có giới hạn và dễ kiểm tra
Nêu vai trò, bối cảnh, tiêu chí, định dạng và những điều AI không được tự suy đoán. Yêu cầu hệ thống đánh dấu giả định, chỉ ra điểm chưa chắc chắn và phân biệt thông tin được cung cấp với thông tin suy luận. Đây cũng là nền tảng của Prompt Engineering: viết yêu cầu rõ ràng để tăng tính hữu ích, nhưng không nhầm prompt tốt với bảo đảm độ đúng.
Bước 4: Kiểm chứng, phê duyệt và lưu dấu
Đối chiếu dữ kiện với tài liệu gốc hoặc nguồn đáng tin cậy; kiểm tra tên, ngày tháng, phép tính, trích dẫn và các khẳng định quan trọng. Đánh giá xem câu trả lời có bỏ qua góc nhìn liên quan, tạo định kiến hoặc vượt quá thẩm quyền hay không. Sau cùng, một người đủ năng lực phê duyệt trước khi nội dung được gửi đi hoặc dùng để ra quyết định.
Với công việc có mức ảnh hưởng cao, lưu lại công cụ đã dùng, mục đích, người rà soát và phiên bản cuối. Việc lưu dấu giúp giải thích cách đi đến quyết định và điều tra khi phát sinh sai sót.
Phần 3: Ba mẫu câu lệnh Prompt và kịch bản áp dụng thực tế
Thay các biến trong dấu ngoặc vuông bằng thông tin phù hợp. Không điền dữ liệu nhạy cảm nếu công cụ chưa được tổ chức phê duyệt để xử lý. Các mẫu này giúp cấu trúc công việc, nhưng không thay cho việc kiểm tra chuyên môn.
Mẫu 1: Soạn bản nháp email cho khách hàng
Bạn là trợ lý hỗ trợ soạn thảo, không tự đưa ra cam kết thay cho doanh nghiệp.
Bối cảnh: [mô tả tình huống đã loại bỏ thông tin nhận diện].
Mục tiêu: Soạn email [mục tiêu cụ thể] với giọng điệu [chuyên nghiệp/thân thiện].
Chỉ sử dụng dữ kiện sau: [các dữ kiện đã được xác nhận].
Không được tự tạo chính sách, thời hạn, mức bồi thường hoặc cam kết.
Nếu thiếu thông tin, hãy liệt kê câu hỏi cần xác nhận thay vì suy đoán.
Đầu ra: một bản nháp và danh sách các điểm người phụ trách cần kiểm tra.Mẫu 2: Tóm tắt tài liệu nội bộ
Hãy tóm tắt tài liệu [tên hoặc mô tả tài liệu đã được phép xử lý].
Đối tượng đọc: [vai trò/người đọc].
Mục đích: [ra quyết định/chuẩn bị cuộc họp/nắm nội dung].
Chỉ dựa trên phần nội dung tôi cung cấp; không bổ sung thông tin bên ngoài.
Trình bày thành: ý chính, quyết định đã nêu, việc cần làm và điểm chưa rõ.
Gắn nhãn cho từng nhận định:
- "Được nêu trực tiếp trong tài liệu"
- "Diễn giải"
Nếu không thể xác định, hãy ghi "tài liệu không nêu".
Thông tin cần ẩn danh hoặc loại bỏ: [danh mục].Mẫu 3: Rà soát đề xuất trước khi trình duyệt
Đánh giá bản đề xuất [mô tả hoặc nội dung đã được phép chia sẻ] theo các tiêu chí:
[tiêu chí chuyên môn], [rủi ro], [tác động tới các nhóm liên quan].
Không phê duyệt thay người có thẩm quyền.
Hãy nêu:
1. Khẳng định nào cần kiểm chứng và vì sao.
2. Giả định hoặc dữ kiện còn thiếu.
3. Rủi ro về công bằng, quyền riêng tư, bảo mật hoặc tuân thủ.
4. Câu hỏi người phụ trách cần trả lời trước khi quyết định.
Không tạo trích dẫn hoặc căn cứ không có trong đầu vào.
Tóm tắt cuối cùng: đề xuất có thể tiếp tục, cần sửa hay cần dừng để xem xét.Phần 4: Bảng so sánh cách dùng AI có trách nhiệm và thiếu trách nhiệm
| Tình huống | Cách dùng thiếu trách nhiệm | Cách làm có trách nhiệm | Điểm kiểm soát |
|---|---|---|---|
| Soạn email khách hàng | Gửi nguyên văn nội dung AI tạo, kể cả cam kết chưa được xác nhận. | Dùng làm bản nháp, đối chiếu chính sách và để người phụ trách duyệt. | Kiểm tra dữ kiện, giọng điệu và cam kết. |
| Tóm tắt hồ sơ | Dán hồ sơ có thông tin cá nhân vào công cụ chưa được phê duyệt. | Ẩn danh dữ liệu, dùng hệ thống được tổ chức cho phép và kiểm tra với bản gốc. | Quyền truy cập, lưu trữ và tính đầy đủ. |
| Hỗ trợ tuyển dụng | Dùng điểm AI làm căn cứ duy nhất để loại ứng viên. | Dùng công cụ cho tác vụ hỗ trợ phù hợp, kiểm tra tiêu chí và để con người ra quyết định. | Thiên lệch, tiêu chí liên quan công việc và khả năng giải trình. |
| Viết báo cáo chuyên môn | Chấp nhận số liệu hoặc nguồn trích dẫn do AI tạo mà không kiểm tra. | Truy nguyên từng khẳng định quan trọng đến nguồn đáng tin cậy. | Độ chính xác, ngữ cảnh và nguồn dẫn. |
| Phân tích dữ liệu | Chia sẻ dữ liệu nội bộ rồi áp dụng kết luận mà không xem xét phương pháp. | Kiểm tra quyền sử dụng, giới hạn phân tích và các giả định. | Bảo mật, sai lệch dữ liệu và phạm vi kết luận. |
Phần 5: Sai lầm phổ biến, giới hạn của AI và cách kiểm chứng
Những sai lầm dễ mắc
- Tin câu trả lời vì văn phong tự tin: Cách diễn đạt trôi chảy không chứng minh nội dung đúng.
- Cho rằng dữ liệu đã ẩn danh chỉ vì bỏ tên: Nhiều chi tiết kết hợp vẫn có thể nhận diện cá nhân hoặc tổ chức.
- Dùng một bản đánh giá cho mọi hoàn cảnh: Đầu ra có thể không phù hợp với thị trường, nhóm khách hàng hoặc chính sách cụ thể.
- Không nói rõ có dùng AI: Điều này có thể gây hiểu nhầm khi người nhận cho rằng nội dung đã được chuyên gia tự kiểm tra.
- Để AI quyết định thay người có thẩm quyền: Đặc biệt nguy hiểm khi kết quả tác động đáng kể đến quyền lợi của người khác.
Human-in-the-Loop: con người kiểm tra ở đâu?
Con người cần tham gia ít nhất ở ba điểm: trước khi cung cấp dữ liệu, khi đánh giá kết quả và trước khi áp dụng đầu ra. Mức kiểm tra nên tăng theo mức độ rủi ro. Một gợi ý bố cục có thể chỉ cần rà soát nhanh; kết luận liên quan đến sức khỏe, pháp lý, nhân sự hay tài chính cần người có chuyên môn xác minh và chịu trách nhiệm.
Khi kiểm chứng, hãy hỏi: Khẳng định nào có thể đối chiếu với nguồn gốc? Có phần nào là suy luận hoặc thiếu bối cảnh? Kết quả có thể gây bất lợi không công bằng cho ai? Có thể giải thích quyết định này mà không viện dẫn “AI đã nói vậy” không? Tham khảo thêm hướng dẫn cách kiểm chứng câu trả lời của AI để thiết lập thói quen rà soát có hệ thống.
Giữ an toàn cho dữ liệu và tổ chức
Chỉ sử dụng tài khoản, nền tảng và tính năng được tổ chức cho phép; kiểm tra quyền truy cập, chính sách lưu giữ dữ liệu và khả năng chia sẻ nội dung. Không nhập mật khẩu, khóa truy cập, dữ liệu khách hàng, bí mật kinh doanh hoặc hồ sơ nhân sự vào công cụ công cộng. Nếu lỡ chia sẻ thông tin nhạy cảm, hãy báo ngay theo quy trình ứng phó sự cố thay vì tự xóa rồi cho rằng vấn đề đã được giải quyết.
AI cũng có thể tạo ra thông tin sai, bỏ qua ngữ cảnh hoặc phản ánh thiên lệch trong dữ liệu và cách đặt câu hỏi. Không có prompt nào loại bỏ hoàn toàn những giới hạn đó. Biện pháp phù hợp là giới hạn phạm vi sử dụng, đối chiếu nguồn, xin ý kiến chuyên gia khi cần và không dùng AI làm căn cứ duy nhất cho quyết định có hậu quả lớn.
Phần 6: Câu hỏi thường gặp
Có cần thông báo khi nội dung được tạo bằng AI không?
Nên thông báo khi người nhận cần biết để đánh giá độ tin cậy, quyền tác giả hoặc quy trình ra quyết định. Hãy tuân thủ chính sách của tổ chức và yêu cầu áp dụng cho lĩnh vực công việc.
Nhân viên có thể đưa dữ liệu công ty vào AI không?
Chỉ khi loại dữ liệu đó được phép xử lý trên công cụ đã được tổ chức phê duyệt. Khi chưa rõ, không nhập dữ liệu và hỏi bộ phận phụ trách bảo mật hoặc quản lý.
Ai chịu trách nhiệm nếu AI đưa ra nội dung sai?
Người phê duyệt, gửi hoặc sử dụng nội dung vẫn phải chịu trách nhiệm trong phạm vi vai trò của mình. Cần kiểm tra trước khi áp dụng, không xem AI là bên chịu trách nhiệm thay con người.
Có thể dùng AI để quyết định tuyển dụng hoặc đánh giá nhân sự không?
Không nên giao cho AI quyền quyết định độc lập. Nếu tổ chức cho phép dùng công cụ hỗ trợ, cần rà soát tính liên quan, công bằng, bảo mật và khả năng giải trình, đồng thời để người có thẩm quyền xem xét.
