[Research Contribution] Sử dụng AI có trách nhiệm: Đừng chạy theo mô hình, hãy xây dựng quy trình

27 Tháng Sáu, 2026

Từ khóa: Trí tuệ nhân tạo (AI); AI tạo sinh; sử dụng AI có trách nhiệm; quản trị rủi ro AI; năng suất lao động; chuyển đổi số 

Sự phát triển nhanh chóng của ChatGPT, Gemini, Claude hay Grok đang làm thay đổi cách con người học tập, làm việc và ra quyết định. Tuy nhiên, vấn đề quan trọng không nằm ở việc lựa chọn mô hình AI nào mạnh hơn, mà là cách con người sử dụng công nghệ này trong thực tiễn. TS. Phan Hoàng Điệp – Đại học Kinh tế Thành phố Hồ Chí Minh (UEH) đã phân tích những giới hạn và rủi ro phổ biến của AI, đồng thời gợi mở các nguyên tắc giúp cá nhân và tổ chức khai thác công nghệ này một cách hiệu quả và có trách nhiệm. 

Thumb Lớn Thương Hiệu Học Thuật Mới (96)

Vấn đề cốt lõi của trí tuệ nhân tạo hiện nay không phải là ra lệnh để máy móc suy nghĩ thay cho con người. Bài toán thực tế là cách chúng ta học để cộng tác và làm việc hiệu quả cùng công nghệ.

Ngày 11 tháng 5 năm 1997, siêu máy tính Deep Blue của IBM đánh bại cựu vua cờ thế giới Garry Kasparov. Cỗ máy này có khả năng tính toán 200 triệu nước cờ mỗi giây. Đây được xem là dấu mốc khởi đầu cho kỷ nguyên AI hiện đại. Khi đó, nhiều người tin rằng máy móc rồi sẽ thay thế tư duy con người. Gần 30 năm sau, nỗi lo ấy quay trở lại dưới một hình thức khác. ChatGPT, Gemini, Grok hay Claude giờ đây có thể viết văn, phân tích, lập trình và trò chuyện trực tiếp bằng ngôn ngữ tự nhiên.

AI chưa bao giờ gần chúng ta đến vậy. Công nghệ này cũng chưa bao giờ dễ gây hiểu lầm đến vậy.

Báo cáo Chỉ số AI của Đại học Stanford cho thấy AI tạo sinh đạt tỷ lệ áp dụng 53% dân số chỉ trong vòng ba năm. Tốc độ này nhanh hơn cả máy tính cá nhân và internet. Tại một số quốc gia công nghệ, tỷ lệ này còn cao hơn khi Singapore đạt 61% và Các Tiểu vương quốc Ả Rập Thống nhất đạt 54%. Các nghiên cứu cho thấy năng suất có thể tăng từ 14% đến 26% trong lĩnh vực hỗ trợ khách hàng và phát triển phần mềm. Khảo sát của PwC trên 100.000 lao động thuộc 11 ngành nghề chịu ảnh hưởng bởi AI cũng cho thấy người dùng kỳ vọng ChatGPT có thể giảm 50% thời gian làm việc cho một phần ba số nhiệm vụ.

Nhưng chúng ta không nên vui mừng quá sớm vì những con số thống kê trên. Nhiều người đang sa vào một ảo tưởng nguy hiểm khi nghĩ rằng chỉ cần mở máy tính ra lệnh là xong việc. Họ lầm tưởng AI giống như một chiếc nồi thần kỳ, chỉ cần bỏ nguyên liệu, gia vị và nhấn nút là có món ăn ngon. Đây là một góc nhìn rất ngây thơ.

Các mô hình AI phức tạp có thể làm những việc phi thường như giành huy chương vàng Olympic Toán quốc tế. Ngược lại, chính mô hình hàng đầu đó lại chỉ đọc đúng đồng hồ kim trong 50,1% số lần thử. Các nhà nghiên cứu gọi hiện tượng này là ranh giới răng cưa. Đây là nơi AI vừa cực kỳ thông minh, vừa rất ngây thơ.

Bản chất hoạt động và những điểm nghẽn của AI

Để sử dụng hiệu quả, người làm việc chuyên môn cần nhìn thẳng vào ba vấn đề cốt lõi của công nghệ này.

Thứ nhất là hiện tượng ảo giác. Các mô hình ngôn ngữ lớn hoạt động bằng cách dự đoán từ tiếp theo dựa trên xác suất từ những khuôn mẫu dữ liệu khổng lồ. Chúng không hề lưu trữ kiến thức hay có tư duy ghi nhớ giống như con người.

Cơ chế này giống như một thí sinh đi thi viết bài luận tiếng Anh của kỳ thi IELTS. Thí sinh đó không học thuộc lòng bài văn mẫu. Thay vào đó, họ học cấu trúc tổng thể của một bài luận gồm mở bài, thân bài, kết bài. Họ học cách viết câu mở đoạn, các mẫu câu lập luận, ví dụ minh họa, câu phản biện và từ nối để bài viết mạch lạc. Khi gặp một đề bài hoàn toàn mới, thí sinh sẽ dựa vào các khuôn mẫu và kỹ năng đã học để xây dựng một bài viết mới ngay tại chỗ. AI cũng hoạt động tương tự. Khi nhận câu hỏi, chúng sinh ra câu trả lời có xác suất phù hợp nhất với ngữ cảnh. Chính vì tính xác suất chứ không phải dựa trên việc kiểm chứng sự thật, AI rất dễ tạo ra những câu trả lời nghe rất logic, thuyết phục nhưng lại hoàn toàn sai sự thật. Chúng có thể tự bịa ra các bài báo học thuật, link website hoặc trích dẫn các nguồn tài liệu không tồn tại.

Thứ hai là hiện tượng thiên vị. Do được huấn luyện trên dữ liệu do con người tạo ra, AI dễ dàng tái tạo lại những định kiến sẵn có trong xã hội. Điều này dẫn đến kết quả thiếu công bằng trong các hệ thống tuyển dụng tự động AI hoặc chẩn đoán y tế bằng AI. Bên cạnh đó, AI còn tạo ra dạng sai lệch mang tính thuyết phục giả. Khi người dùng đặt câu hỏi mang tính dẫn dắt, AI có xu hướng bẻ cong hoặc kéo các thông tin ít liên quan để ủng hộ luận điểm của người dùng. AI không chỉ mang thiên vị mà nó còn vô tình giúp con người củng cố thêm những định kiến cá nhân của chính mình.

Thứ ba là sai sót quy trình khi ủy quyền công việc. Đây chính là rủi ro lớn nhất cho các doanh nghiệp. Nghiên cứu DELEGATE-52 trên 52 lĩnh vực chuyên môn chứng minh một thực tế đáng lo ngại. Khi con người giao toàn bộ quy trình chỉnh sửa văn bản cho AI, các mô hình tiên tiến nhất vẫn làm hỏng trung bình 25% nội dung tài liệu sau các tương tác dài hạn. Những lỗi này xuất hiện rải rác, âm thầm tích tụ và rất khó phát hiện bằng mắt thường.

Rủi ro lớn nhất khi dùng AI không phải là nó nói dối một cách vụng về. Rủi ro lớn nhất là nó đưa ra một kết quả sai nhưng được trình bày rất lưu loát, tự tin và đẹp mắt. AI giúp giảm chi phí thử nghiệm nhưng làm tăng mạnh chi phí thẩm định kết quả. Thay đổi quan trọng nhất hiện nay là kỹ năng cốt lõi không còn nằm ở khâu thực thi mà là kiểm tra và thiết kế quy trình.

Giải pháp nằm ở quy trình tốt hơn

Bài học quan trọng nhất hiện nay không phải là chọn mô hình AI nào tốt nhất. Bài học lớn nhất là xây dựng quy trình sử dụng AI như thế nào. Quy trình làm việc luôn quan trọng hơn mô hình công nghệ. Chúng ta nên tối ưu hóa công việc theo năm bước cụ thể sau.

  1. Bắt đầu từ bài toán, không phải công cụ: Trước khi mở các ứng dụng AI, bạn hãy xác định rõ bản chất vấn đề mình đang cần giải quyết là gì.
  2. Cung cấp ngữ cảnh đầy đủ: AI không đọc được suy nghĩ của người dùng. Việc cung cấp càng nhiều dữ liệu nội bộ chính xác sẽ cho ra kết quả càng tốt. AI càng được dạy bằng dữ liệu chất lượng của cá nhân, doanh nghiệp thì kết quả càng đáng tin cậy.
  3. Làm từng bước nhỏ: Đừng yêu cầu AI viết một báo cáo hoàn chỉnh ngay lập tức. Hãy yêu cầu lập dàn ý, viết từng phần, kiểm tra rồi mới tiến hành chỉnh sửa nhằm giảm thiểu rủi ro ảo giác.
  4. Kiểm chứng trước khi mở rộng: Chúng ta chỉ nên dùng AI cho những lĩnh vực mà bản thân đã có chuyên môn sâu. Người dùng phải chủ động xác minh thông tin từ nguồn uy tín và kiểm tra tính logic thực tế. Điều này đặc biệt quan trọng với dữ liệu số, phân tích tài chính và các quyết định chiến lược.
  5. Luôn giữ con người trong vòng lặp trách nhiệm: Hãy lưu lại các câu lệnh tốt, các phiên bản sửa đổi và logic ra quyết định. Doanh nghiệp cần có chính sách rõ ràng về sử dụng AI nhằm bảo vệ bản quyền và quyền riêng tư dữ liệu. AI có thể đề xuất các phương án xử lý nhưng quyết định và trách nhiệm cuối cùng phải luôn thuộc về bạn.

AI không phải là trí tuệ thay thế con người. Nó là công cụ khuếch đại cách chúng ta suy nghĩ. Nếu quy trình tốt, AI giúp chúng ta làm việc nhanh hơn, sâu hơn và sáng tạo hơn. Nếu quy trình kém, AI chỉ giúp chúng ta sai nhanh hơn dưới một vẻ ngoài rất thuyết phục.

Trong thời đại số, năng lực cốt lõi của con người nằm ở khả năng giám sát, phán đoán và chịu trách nhiệm. Người xây dựng được quy trình làm việc khoa học với AI hôm nay sẽ nắm lợi thế cạnh tranh rõ rệt ngày mai. Tương lai sẽ thuộc về những người biết dùng AI chứ không phải những người để AI dùng mình.

Tác giả: TS. Phan Hoàng Điệp – Đại học Kinh tế Thành phố Hồ Chí Minh.

Đây là bài viết nằm trong chuỗi bài lan tỏa nghiên cứu và kiến thức ứng dụng với thông điệp “Research Contribution For All – Nghiên Cứu Vì Cộng Đồng” do UEH thực hiện. UEH trân trọng kính mời Quý độc giả cùng đón xem bản tin tiếp theo.

Chân Trang (1)

Tin, ảnh: Tác giả, Ban Truyền thông và Phát triển đối tác UEH

Giọng đọc: Thanh Kiều 

Tài liệu tham khảo:

  1. https://hai.stanford.edu/assets/files/ai_index_report_2026.pdf
  2. https://www.pwc.com/gx/en/issues/artificial-intelligence/wef-leveraging-generative-ai-for-job-augmentation-and-workforce-productivity-2024.pdf
  3. https://arxiv.org/abs/2604.15597
  4. https://www.ibm.com/think/topics/history-of-artificial-intelligence

abcd

18 Tháng Sáu, 2026

Chu kỳ giảm giá của đồng USD?

TS. Đinh Thị Thu Hồng và nhóm nghiên cứu

26 Tháng Sáu, 2021

Việt Nam cần kịch bản cho thương mại tương lai

ThS. Tô Công Nguyên Bảo

26 Tháng Sáu, 2021

Hệ thống tiền tệ tiếp theo như thế nào?

TS. Lê Đạt Chí và nhóm nghiên cứu

26 Tháng Sáu, 2021

Chuyển đổi số trong khu vực công tại Việt Nam

Khoa Quản lý nhà nước

26 Tháng Sáu, 2021

Cần đưa giao dịch công nghệ lên sàn chứng khoán

Bộ Khoa học và Công nghệ

5 Tháng Sáu, 2021

Thiết kế đô thị: tầm nhìn vững chắc cho đô thị bền vững

Viện Đô thị thông minh và Quản lý

5 Tháng Sáu, 2021

Phục hồi du lịch và nỗ lực thoát khỏi vòng xoáy ảnh hưởng bởi Covid-19

Viện Đô thị thông minh và Quản lý

5 Tháng Sáu, 2021

2021 sẽ là năm khởi đầu của chu kỳ tăng trưởng mới

PGS.TS Nguyễn Khắc Quốc Bảo

5 Tháng Sáu, 2021

Quỹ vaccine sẽ khả thi khi có người dân đóng góp

Phạm Khánh Nam, Việt Dũng

5 Tháng Sáu, 2021

Kích thích kinh tế, gia tăng vận tốc dòng tiền

Quách Doanh Nghiệp

5 Tháng Sáu, 2021

Đi tìm chiến lược hậu Covid-19 cho doanh nghiệp bảo hiểm Việt Nam

PGS TS Nguyễn Khắc Quốc Bảo, ThS Lê Văn

5 Tháng Sáu, 2021

Insurtech – Cơ hội và thách thức cho Startup Việt

Ths. Lê Thị Hồng Hoa

5 Tháng Sáu, 2021