Tư duy phản biện với AI cho người mới bắt đầu

Tư duy phản biện với AI là cách chủ động xác định, chất vấn và đánh giá kết quả do AI hỗ trợ trước khi quyết định có sử dụng kết quả đó hay không.

Artificial Intelligence (AI) là tập hợp các hệ thống máy tính có thể hỗ trợ viết, phân tích, nghiên cứu và nhận diện mẫu. AI có thể soạn email, tóm tắt tài liệu, giải thích khái niệm hoặc đề xuất kế hoạch trong vài giây. Tuy nhiên, đầu ra vẫn có thể chứa nhận định không có căn cứ, thiếu bối cảnh, lập luận yếu hoặc giả định thiếu công bằng. Vì vậy, con người cần tham gia trước, trong và sau mỗi lần tương tác.

Bạn không cần nền tảng kỹ thuật để áp dụng cách tiếp cận này. Điều cần thiết là một phương pháp lặp lại: xác định nhiệm vụ, bổ sung bối cảnh, chất vấn kết quả, kiểm tra thông tin quan trọng và quyết định phần nào vẫn cần phán đoán của con người.

Tư duy phản biện với AI nghĩa là gì?

Tư duy phản biện với AI là việc dùng câu hỏi, bằng chứng, góc nhìn thay thế và phán đoán của con người để định hướng, đánh giá công việc có AI hỗ trợ. Quy trình này bắt đầu trước khi viết prompt và tiếp tục sau khi nhận được câu trả lời.

Ví dụ, khi yêu cầu AI viết thông báo cập nhật cho khách hàng, sử dụng thụ động là gửi nguyên bản nháp. Sử dụng có tư duy phản biện là kiểm tra thông báo có phản ánh đúng tình trạng dự án không, loại bỏ nhận định không có căn cứ, điều chỉnh giọng điệu và tự phê duyệt thông điệp cuối cùng.

Cách tiếp cận này thuộc phạm vi rộng hơn của AI literacy (năng lực AI) – kiến thức và kỹ năng cần thiết để hiểu, sử dụng, đánh giá AI và đưa ra quyết định có căn cứ về AI. Năng lực AI bao gồm nhận biết mục đích của công cụ, hiểu giới hạn, rà soát đầu ra và cân nhắc quyền riêng tư, thiên lệch cùng các hệ quả rộng hơn. Shasta College AI Faculty Guide mô tả những hoạt động này là một phần của việc sử dụng, phân tích và đánh giá AI.

Sự khác biệt trong thực tế là:

• Dùng AI để hỗ trợ tư duy: Bạn xác định mục tiêu, cung cấp thông tin liên quan, đặt câu hỏi, kiểm tra kết quả và quyết định việc cần làm.
• Dùng AI thay cho tư duy: Bạn đưa ra yêu cầu mơ hồ rồi xem câu trả lời được trình bày trau chuốt như kết luận cuối cùng.

Vì sao AI khiến tư duy phản biện trở nên cần thiết hơn?

AI có thể tạo ra câu trả lời mạch lạc, chi tiết nhưng vẫn thiếu sót, không có căn cứ hoặc sai. Cách diễn đạt chuyên nghiệp chỉ cho thấy chất lượng trình bày, không chứng minh các nhận định bên trong là đúng.

Mô hình ngôn ngữ cũng có thể phản ánh giả định trong cách bạn đặt vấn đề. Nếu prompt mặc định một nguyên nhân cụ thể, câu trả lời có thể xoay quanh nguyên nhân đó thay vì chất vấn nó. Khi thiếu bối cảnh, công cụ cũng có thể bỏ qua ngoại lệ trong hợp đồng, chính sách địa phương hoặc ràng buộc của bên liên quan.

Vì vậy, các khung năng lực AI thường yêu cầu người dùng rà soát đầu ra để phát hiện hallucination (ảo giác AI), lập luận sai và thiên lệch. Ảo giác AI là kết quả trông có vẻ hợp lý nhưng không có căn cứ, không chính xác hoặc không nhất quán với bằng chứng liên quan. Chỉ dựa vào cách viết thường không đủ để nhận ra lỗi.

Một trình tự hữu ích là:

1. Bắt đầu từ nhiệm vụ: Xác định mục tiêu và thành phần của một kết quả hữu ích.
2. Kiểm tra câu trả lời: Tìm thông tin thiếu, nhận định không có căn cứ, giả định và khoảng trống trong lập luận.
3. Kiểm tra điều quan trọng: Kiểm chứng nhận định có thể làm thay đổi quyết định hoặc ảnh hưởng đến con người.
4. Quyết định có chủ đích: Phê duyệt, chỉnh sửa, từ chối hoặc tìm thêm thông tin trước khi hành động.

Tổng quan quy trình tư duy phản biện với AI

Quy trình tư duy phản biện với AI gồm bảy bước: xác định mục đích, thu thập bối cảnh, làm rõ giả định, tương tác có chủ đích, đánh giá đầu ra, kiểm chứng nhận định quan trọng và duy trì phán đoán của con người.

1. Xác định mục đích và vấn đề thực sự.
2. Thu thập bối cảnh liên quan.
3. Làm rõ giả định và những góc nhìn còn thiếu.
4. Đặt câu hỏi và tương tác có chủ đích.
5. Đánh giá câu trả lời theo các tiêu chuẩn rõ ràng.
6. Kiểm chứng những nhận định có hệ quả đáng kể.
7. Suy xét, chỉnh sửa và duy trì phán đoán của con người trong quy trình.

Bài viết này điều chỉnh các ý tưởng từ một số khung giáo dục để áp dụng vào công việc và học tập hằng ngày. Khung PAIR do Shasta College mô tả gồm hình thành vấn đề, lựa chọn công cụ AI, tương tác và suy xét. Quy trình bảy bước dưới đây mở rộng các ý tưởng đó bằng cách tách riêng phần giả định, đánh giá và kiểm chứng. Đây là quy trình ứng dụng, không phải tuyên bố rằng PAIR có bảy bước.

Đây là quy trình lặp. Nếu nhiệm vụ chưa rõ, quay lại bước đầu tiên. Nếu thiếu thông tin, bổ sung bối cảnh. Nếu không thể kiểm chứng một nhận định, đừng giữ lại chỉ vì nó được diễn đạt chắc chắn.

Bước 1: Xác định vấn đề thực sự trước khi viết prompt

Trước khi mở công cụ AI, hãy xác định mục tiêu, người sử dụng kết quả và hành động tiếp theo. Định nghĩa vấn đề rõ ràng giúp tránh việc công cụ giải quyết sai vấn đề một cách hiệu quả.

Hãy hỏi:

• Mục đích thực sự của nhiệm vụ là gì?
• Đối tượng đọc hoặc sử dụng là ai?
• Quyết định hoặc hành động nào sẽ diễn ra tiếp theo?
• Những ràng buộc nào cần lưu ý, chẳng hạn thời gian, độ dài, chính sách, ngân sách hoặc giọng điệu?
• Câu trả lời phải bao gồm và tránh điều gì?
• Điều gì khiến kết quả hữu ích thay vì chỉ trôi chảy?

So sánh hai yêu cầu:

> "Viết một báo cáo về khiếu nại của khách hàng."

> "Rà soát các bản ghi hỗ trợ khách hàng được cung cấp, xác định những vấn đề lặp lại, tách các mẫu quan sát được khỏi phần diễn giải, viết một bản tóm tắt ngắn cho lãnh đạo và đề xuất các bước tiếp theo mà không tự tạo ra số liệu."

Yêu cầu thứ hai xác định nguồn tài liệu, mục đích, phạm vi và tiêu chuẩn chất lượng. Nó không cần các thuật ngữ phức tạp về prompt.

Khung tư duy phản biện Paul-Elder mô tả mục đích, câu hỏi, thông tin, giả định, diễn giải và kết luận là những yếu tố định hình tư duy. Ghi ngắn gọn các yếu tố này trước khi viết prompt có thể giúp phát hiện sự mơ hồ mà việc chỉ trau chuốt câu chữ không giải quyết được.

Bước 2: Bổ sung bối cảnh và làm rõ giả định

Hãy cung cấp cho AI bối cảnh cần thiết như tài liệu nguồn, định nghĩa, khoảng thời gian, đối tượng đọc, ràng buộc, ví dụ và tiêu chí thành công. Nhiều thông tin hơn không đồng nghĩa với tốt hơn nếu thông tin không liên quan, mâu thuẫn hoặc nhạy cảm.

Tiếp đó, xem xét những điều bạn có thể đang mặc định:

• Nguyên nhân của một vấn đề
• Điều khách hàng, nhân viên hoặc người học coi trọng
• Loại bằng chứng cần được ưu tiên
• Ý nghĩa của các từ như "tốt", "đủ tiêu chuẩn" hoặc "khẩn cấp"
• Góc nhìn đang bị bỏ sót
• Thông tin hiện chưa có

Ví dụ, khi rà soát quy trình tuyển dụng, bạn có thể mặc định rằng "ứng viên mạnh" là người có nhiều kinh nghiệm nhất. Định nghĩa này có thể bỏ qua khả năng được đào tạo, nhu cầu tiếp cận, nhu cầu của đội ngũ hoặc yêu cầu thực tế của vị trí.

Bạn có thể yêu cầu AI xác định thông tin còn thiếu và cách diễn giải thay thế. Hãy xem các gợi ý đó là câu hỏi cần rà soát, không phải bằng chứng rằng công cụ đã tìm ra mọi điểm mù.

Bước này cũng liên quan đến quyền riêng tư. Không dán hợp đồng mật, thông tin cá nhân, mã nguồn riêng tư, mật khẩu, API key hoặc hồ sơ khách hàng vào công cụ AI, trừ khi tổ chức đã phê duyệt và bạn hiểu điều khoản của nhà cung cấp. Việc dữ liệu có được dùng để huấn luyện mô hình hay không khác với việc nhà cung cấp có lưu giữ hoặc ghi nhật ký dữ liệu hay không. Hãy kiểm tra cả hai chính sách.

Bước 3: Dùng prompt để hỗ trợ tư duy, không thay thế tư duy

Một prompt cần nêu nhiệm vụ và điều kiện để tạo ra câu trả lời hữu ích. Prompt không thể biến tài liệu nguồn không đáng tin thành đáng tin, cũng không thể chuyển trách nhiệm ra quyết định cho công cụ AI.

Một prompt thực tế có thể bao gồm:

• Nhiệm vụ và kết quả mong muốn
• Bối cảnh hoặc tài liệu nguồn liên quan
• Đối tượng dự kiến sử dụng kết quả
• Ràng buộc và nội dung cần loại trừ
• Định dạng được yêu cầu
• Yêu cầu tách sự kiện, giả định, diễn giải và khuyến nghị
• Câu hỏi AI cần đặt ra nếu thiếu thông tin quan trọng
• Góc nhìn thay thế hoặc rủi ro cần cân nhắc

Ví dụ:

> Rà soát kế hoạch họp cho một đợt ra mắt sản phẩm. Xác định trách nhiệm chưa rõ, các phụ thuộc còn thiếu, rủi ro và góc nhìn thay thế. Tách phần quan sát khỏi phần đề xuất. Nếu thiếu thông tin, hãy liệt kê câu hỏi thay vì đoán. Trả kết quả dưới dạng bảng, mỗi vấn đề một dòng.

Khung CLEAR trong hướng dẫn của Shasta College đưa ra cách ghi nhớ các thói quen tương tác hữu ích:

• Concise – Súc tích: Đưa vào thông tin cần thiết và loại bỏ yếu tố gây xao nhãng.
• Logical – Logic: Sắp xếp yêu cầu theo trình tự rõ ràng và thể hiện mối quan hệ giữa các phần.
• Explicit – Cụ thể: Nêu rõ nhiệm vụ, định dạng, ràng buộc, đối tượng đọc và tiêu chuẩn liên quan.
• Adaptive – Linh hoạt: Viết lại, chia nhỏ nhiệm vụ hoặc thay đổi cách tiếp cận khi câu trả lời không đạt mục tiêu.
• Reflective – Suy xét: Đánh giá câu trả lời và dùng kết quả để cải thiện lần tương tác tiếp theo.

Viết prompt là một phần của tư duy phản biện, không phải sự thay thế cho tư duy phản biện. Prompt chi tiết có thể tạo ra câu trả lời có cấu trúc hơn nhưng không tự giải quyết các vấn đề về thực tế hoặc đạo đức.

Bước 4: Đánh giá câu trả lời của AI trước khi sử dụng

Hãy đánh giá câu trả lời theo mục đích của nhiệm vụ, không chỉ theo giọng điệu hoặc mức độ chi tiết. Một đầu ra hữu ích cần đủ chính xác, liên quan, đầy đủ trong phạm vi đặt ra và thể hiện rõ mức độ không chắc chắn.

Ví dụ, bản tóm tắt chính sách do AI tạo ra có thể nghe chuyên nghiệp nhưng bỏ sót một ngoại lệ. Hãy kiểm tra bản tóm tắt có bao quát mọi yêu cầu, giữ nguyên điều kiện giới hạn, phân biệt chính sách được trích dẫn với phần diễn giải và không bổ sung nghĩa vụ không có trong tài liệu nguồn hay không.

Khung Paul-Elder xếp các tiêu chuẩn như rõ ràng, chính xác, liên quan và công bằng vào nhóm tiêu chuẩn đánh giá chất lượng tư duy. Những tiêu chuẩn này giúp việc rà soát vượt ra ngoài câu hỏi "Nghe có ổn không?".

Nếu câu trả lời không đáp ứng nhiệm vụ, dựa vào nguồn không thể hỗ trợ hoặc có khoảng trống lớn trong lập luận, hãy dừng lại và chỉnh sửa. Đừng chỉ trau chuốt một câu trả lời sai sót vì việc đó dễ hơn làm lại.

Bước 5: Kiểm chứng những nhận định có thể làm thay đổi quyết định

Hãy kiểm chứng một nhận định khi nó có hệ quả đáng kể, chưa chắc chắn, giữ vai trò trung tâm trong quyết định hoặc có khả năng thay đổi theo thời gian. Kiểm chứng là đối chiếu với bằng chứng đáng tin cậy, không phải hỏi chính công cụ AI xem câu trả lời trước có đúng không.

Một quy trình đơn giản gồm:

1. Tách các nhận định có thể kiểm tra.
2. Xếp hạng theo hệ quả và mức độ quan trọng.
3. Tìm nguồn có thẩm quyền hoặc nguồn gốc nếu có thể.
4. So sánh cách diễn đạt, ngày tháng, phạm vi và bối cảnh của nguồn với câu trả lời AI.
5. Ghi nhận sự không chắc chắn, đồng thời loại bỏ hoặc sửa nhận định không có căn cứ.

Đối với khuyến nghị về chi phí kinh doanh, hãy kiểm tra độc lập giá hiện tại, điều khoản hợp đồng, ngày tháng, phép tính và điều kiện đủ tiêu chuẩn. Với nhiệm vụ học tập, hãy đối chiếu phần giải thích và mốc thời gian quan trọng với tài liệu khóa học, giáo trình hoặc nguồn tham khảo đáng tin cậy.

Đặc biệt thận trọng với thông tin liên quan đến sức khỏe, pháp luật, tài chính, an toàn, việc làm, quyền lợi, danh tiếng hoặc chính sách hiện hành của tổ chức. Bài viết này không thay thế tư vấn chuyên môn; bài viết cung cấp phương pháp để xác định khi nào câu trả lời AI cần được rà soát kỹ hơn.

Mức độ kiểm chứng cần tương xứng với hệ quả. Brainstorm sơ bộ có thể chỉ cần kiểm tra nhanh về tính hợp lý. Nhận định trong bài trình bày cho hội đồng quản trị, thông tin gửi khách hàng, quy trình an toàn hoặc quyết định nhân sự cần bằng chứng mạnh hơn và sự phê duyệt của con người.

Bước 6: Cân nhắc các góc nhìn, thiên lệch và hệ quả

Một câu trả lời đúng về mặt sự kiện vẫn có thể thiếu sót hoặc không công bằng. Hãy hỏi ai được hưởng lợi, ai có thể chịu bất lợi, góc nhìn nào bị bỏ qua và điều gì có thể xảy ra nếu khuyến nghị được thực hiện.

AI bias (thiên lệch AI) là những khuynh hướng có tính hệ thống trong hành vi của một hệ thống AI, có thể tạo ra kết quả lệch lạc hoặc không công bằng. Thiên lệch có thể xuất hiện từ dữ liệu, cách đặt nhiệm vụ, nhãn trong quy trình hoặc giả định tích hợp vào tiêu chí ra quyết định. Một câu có thiên lệch không tự chứng minh toàn bộ hệ thống thiên lệch; cần xem xét cả mẫu hình và tác động.

Ví dụ, với công cụ AI đề xuất cơ chế phân loại mức độ ưu tiên khách hàng, hãy hỏi:

• Cơ chế đó có gây bất lợi cho người bị hạn chế khả năng tiếp cận kỹ thuật số không?
• Nó có dùng vị trí địa lý, ngôn ngữ, thu nhập hoặc yếu tố khác làm biến đại diện không công bằng không?
• Nhu cầu tiếp cận có được phản ánh không?
• Ai không xuất hiện trong dữ liệu nguồn?
• Điều gì xảy ra với khách hàng bị xếp vào nhóm ưu tiên thấp hơn?

Bạn có thể yêu cầu AI trình bày góc nhìn thay thế, nhưng không nên xem AI là trọng tài trung lập về tính công bằng. Hãy đối chiếu gợi ý với kiến thức chuyên môn, các bên chịu ảnh hưởng, tiêu chuẩn của tổ chức và bằng chứng liên quan.

Khung của Shasta College liên hệ việc đánh giá AI với quyền riêng tư, lao động, bản quyền, thông tin sai lệch và thiên lệch nhân khẩu học. Vì vậy, đánh giá đầu ra không chỉ là kiểm tra câu chữ có đúng sự kiện hay không mà còn là xem xét hệ quả của việc sử dụng nó.

Bước 7: Suy xét, chỉnh sửa và duy trì phán đoán của con người

Sau khi rà soát câu trả lời, hãy xem tương tác đó cho biết điều gì về nhiệm vụ, công cụ và giả định của chính bạn. Suy xét giúp cải thiện quy trình cho lần tiếp theo.

Hãy hỏi:

• Điều gì hiệu quả và điều gì còn thiếu?
• Giả định nào đã thay đổi?
• AI đã hỗ trợ soạn thảo, so sánh, giải thích hay phân tích?
• Phần nào vẫn cần kiến thức hoặc phán đoán của tôi?
• Nhận định nào cần được kiểm chứng độc lập?
• Lần sau tôi nên thay đổi gì trong bối cảnh, câu hỏi hoặc quy trình?

Đây là lúc Human-in-the-Loop AI (AI có con người tham gia trong quy trình) trở nên cần thiết. Khái niệm này chỉ cách tiếp cận có sự tham gia, rà soát hoặc giám sát của con người trong quy trình có AI hỗ trợ. Mức độ rà soát phụ thuộc vào rủi ro. Đầu ra ảnh hưởng đến con người, tiền bạc, an toàn, quyền lợi, danh tiếng hoặc kết quả học tập quan trọng cần sự tham gia sâu hơn so với brainstorm ít rủi ro.

Trong ví dụ lập kế hoạch nhóm, người quản lý có thể nhận ra rằng AI tối ưu tốc độ nhưng bỏ qua cân bằng khối lượng công việc và ràng buộc của nhân viên. Quy trình tiếp theo cần đưa các tiêu chí đó vào ngay từ đầu, còn người quản lý phải rà soát kế hoạch trước khi chia sẻ.

Khung PAIR cũng xem suy xét là một phần riêng của công việc có AI hỗ trợ. Bài viết của TCEA về khung Paul-Elder mô tả một quy trình đệ quy, trong đó con người lập kế hoạch, tương tác với AI, đánh giá kết quả dựa trên các biến số thực tế và điều chỉnh lần thử tiếp theo.

Ví dụ thực tế: Áp dụng khung vào một nhiệm vụ tại nơi làm việc

Hãy hình dung một người quản lý cần tạo bản tóm tắt ngắn từ các bản ghi hỗ trợ khách hàng. Các chi tiết dưới đây chỉ nhằm minh họa, không phải số liệu hoặc bằng chứng thực tế.

1. Xác định mục đích

Mục tiêu là giúp đội ngũ quản lý quyết định vấn đề dịch vụ nào cần điều tra tiếp. Bản tóm tắt cần xác định mẫu hình, thể hiện mức độ không chắc chắn và không khẳng định các bản ghi đã chứng minh nguyên nhân.

2. Bổ sung bối cảnh có giới hạn

Người quản lý cung cấp bản ghi liên quan, khoảng thời gian, định nghĩa cho từng nhóm vấn đề và định dạng cần có. Thông tin cá nhân không cần thiết được loại bỏ hoặc chỉ xử lý qua hệ thống đã được phê duyệt.

3. Làm rõ giả định

Người quản lý hỏi liệu bản ghi có đại diện quá mức cho khách hàng liên hệ bộ phận hỗ trợ không, kênh nào có thể bị thiếu và nhãn vấn đề có được áp dụng nhất quán không. Các bản ghi có thể không phản ánh trải nghiệm của mọi khách hàng.

4. Đặt câu hỏi có chủ đích

AI được yêu cầu nhóm chủ đề lặp lại, xác định ví dụ đi ngược, tách quan sát trực tiếp khỏi diễn giải và liệt kê thông tin cần có trước khi khuyến nghị. AI không được yêu cầu tự tạo nguyên nhân hoặc dùng chi tiết nghe hợp lý để lấp khoảng trống.

5. Đánh giá câu trả lời

Người quản lý kiểm tra các chủ đề có khớp với bản ghi không, ngoại lệ nào bị bỏ sót và nguyên nhân được đề xuất có được ghi rõ là giả thuyết không. Câu trả lời cũng phải giải quyết câu hỏi quản lý, không chỉ tóm tắt văn bản.

6. Kiểm chứng nhận định quan trọng

Mọi con số được tính lại từ bản ghi nguồn. Định nghĩa, ngày tháng và phép so sánh được kiểm tra. Đầu ra AI không được xem là bằng chứng gốc.

7. Cân nhắc hệ quả và phê duyệt

Người quản lý xem các hành động đề xuất có thể chuyển nguồn lực khỏi nhóm khách hàng có vấn đề ít được báo cáo hơn không. Sau khi chỉnh sửa, người quản lý chịu trách nhiệm về phần diễn giải và quyết định nội dung cần truyền đạt.

AI hỗ trợ sắp xếp và so sánh thông tin. Con người cung cấp mục đích, xem xét giới hạn, kiểm chứng nhận định và đưa ra quyết định.

Ví dụ thứ hai: Dùng AI để học mà không làm suy yếu tư duy

AI hỗ trợ học tập tốt nhất khi giúp người học giải thích, kiểm tra và điều chỉnh hiểu biết, thay vì cung cấp câu trả lời hoàn chỉnh để sao chép.

Hãy bắt đầu bằng việc viết ra điều bạn đã hiểu và phần còn chưa chắc chắn. Yêu cầu AI giải thích khái niệm ở mức phù hợp, chất vấn phần giải thích của bạn, đưa ra ví dụ đối lập hoặc đặt câu hỏi theo kiểu Socrates. Sau đó, so sánh với tài liệu khóa học hoặc nguồn tham khảo đáng tin cậy.

Tự giải một bài trước khi yêu cầu lời giải hoàn chỉnh. Trước tiên, hãy yêu cầu gợi ý hoặc phản hồi về lập luận của bạn. Sau đó, giải thích ý tưởng bằng từ ngữ của chính mình và ghi lại khoảng trống còn lại.

Ví dụ, một người học chuẩn bị bài thuyết trình về khái niệm kinh doanh có thể yêu cầu AI xác định giả định còn thiếu và tạo câu hỏi luyện tập. Người học vẫn cần kiểm tra phần giải thích cốt lõi với tài liệu khóa học và tự quyết định bài thuyết trình có phản ánh chính xác chủ đề hay không.

Cách tiếp cận này dùng AI như công cụ phản hồi và khám phá, đồng thời giữ việc hiểu bài, kiểm tra bằng chứng và giao tiếp cuối cùng trong tay người học.

Những sai lầm thường làm suy yếu tư duy phản biện với AI

• Xem văn phong trôi chảy là bằng chứng: Kiểm tra nhận định và lập luận, không chỉ ngữ pháp và mức độ tự tin.
• Yêu cầu AI tự xác thực: Đối chiếu nhận định quan trọng với bằng chứng độc lập.
• Không cung cấp bối cảnh: Nêu rõ mục đích, đối tượng, phạm vi nguồn và ràng buộc.
• Dùng AI trước khi xác định vấn đề: Làm rõ quyết định hoặc sản phẩm cần tạo trước.
• Xem một góc nhìn là đầy đủ: Hỏi ai đang bị bỏ sót và còn phương án nào.
• Chỉ kiểm chứng sau khi đã chia sẻ kết quả: Kiểm tra nhận định có hệ quả đáng kể trước khi công bố hoặc hành động.
• Nhầm prompt tốt hơn với câu trả lời đã được kiểm chứng: Hướng dẫn tốt hơn có thể cải thiện cấu trúc nhưng không chứng minh độ chính xác.
• Mặc định đưa thông tin nhạy cảm vào công cụ: Loại bỏ dữ liệu cá nhân, mật hoặc liên quan đến bảo mật nếu không cần thiết, đồng thời tuân thủ quy trình đã được phê duyệt.

Đây là các vấn đề của quy trình, không phải dấu hiệu cho thấy ai đó không có khả năng sử dụng AI. Mỗi sai lầm có thể được thay thế bằng một câu hỏi hoặc bước rà soát cụ thể.

Checklist tư duy phản biện với AI cho người mới bắt đầu

Trước khi dùng AI

• Mục đích là gì và đối tượng sử dụng là ai?
• Quyết định hoặc hành động nào có thể diễn ra tiếp theo?
• Bối cảnh, ràng buộc và tài liệu nguồn nào liên quan?
• Tôi nên xem xét giả định hoặc góc nhìn nào còn thiếu?
• Dữ liệu có an toàn và được phê duyệt để dùng với công cụ này không?

Trong quá trình tương tác

• Tôi đã yêu cầu AI tách sự kiện, giả định, diễn giải và khuyến nghị chưa?
• AI có nên xác định mức độ không chắc chắn, phương án thay thế, ví dụ đối lập hoặc thông tin còn thiếu không?
• Câu trả lời có giải quyết đúng vấn đề thực tế không?

Trước khi hành động dựa trên đầu ra

• Các nhận định quan trọng có chính xác, liên quan, đầy đủ và có căn cứ không?
• Đầu ra có thể chứa ảo giác AI, lỗi lập luận hoặc thiên lệch không?
• Hệ quả nào có thể xảy ra và ai có thể bị ảnh hưởng?
• Nhận định nào cần được kiểm chứng độc lập?
• Tôi đã áp dụng mức độ rà soát của con người phù hợp với nhiệm vụ chưa?

Với bản nháp ít rủi ro, việc này có thể chỉ mất một phút. Với quyết định liên quan đến con người, tiền bạc, an toàn, quyền lợi, danh tiếng hoặc kết quả học tập quan trọng, hãy dùng phiên bản đầy đủ hơn và ghi lại những gì đã kiểm tra.

Tư duy phản biện với AI không yêu cầu bạn nghi ngờ mọi câu trả lời. Đây là cách sử dụng AI hiệu quả mà không nhầm sự trôi chảy với sự thật, sự hỗ trợ với trách nhiệm hoặc bản nháp hữu ích với quyết định đã hoàn tất.