Mô hình ngôn ngữ lớn là phần mềm được huấn luyện trên một lượng văn bản khổng lồ để dự đoán chữ tiếp theo hợp lý nhất trong một đoạn hội thoại; các chatbot quen thuộc như ChatGPT, Claude, Gemini hay Copilot đều xây trên loại mô hình này. Nó không tra cứu một kho sự thật như từ điển, mà tạo ra câu trả lời nghe hợp lý dựa trên những mẫu đã học. Vì thế nó viết rất trôi chảy nhưng có thể sai, và không tự biết mình sai.
Người quản lý không cần hiểu toán học phía sau. Nhưng cần hiểu đủ năm điều để ra quyết định đúng cho đội: vì sao câu trả lời trơn tru không có nghĩa là đúng, vì sao cùng câu hỏi hỏi hai lần ra hai đáp án, nó nhớ được bao nhiêu trong một cuộc trò chuyện, dữ liệu bạn dán vào đi đâu, và vì sao nó dễ chiều theo người hỏi. Bài này giải thích từng điều bằng ví dụ ở chỗ làm.
Dự đoán chữ tiếp theo: hình dung đơn giản mà đủ dùng
Hãy hình dung một nhân viên đã đọc rất nhiều thư từ, báo cáo, sách hướng dẫn, diễn đàn, nhưng không ghi chép nguồn và không có quyền gọi điện kiểm chứng. Khi bạn hỏi, người đó trả lời dựa trên cảm giác "thường thì câu trả lời cho câu hỏi kiểu này sẽ trông như thế này". Phần lớn thời gian, cảm giác ấy đúng vì người đó đã đọc quá nhiều. Nhưng khi gặp câu hỏi hiếm, chi tiết, hoặc cần số liệu chính xác, người đó vẫn trả lời với giọng tự tin như cũ.
Mô hình ngôn ngữ hoạt động gần giống vậy ở mức hình dung. Mỗi lần trả lời, nó chọn từng mẩu chữ dựa trên xác suất, nối lại thành câu. Các công cụ hiện nay còn được huấn luyện thêm để trả lời lịch sự, theo hướng dẫn, từ chối một số yêu cầu, và một số công cụ có thêm khả năng tìm kiếm trên mạng hay đọc tệp bạn đưa vào. Những tính năng đó thay đổi nhanh theo từng phiên bản, nên khi cần chắc chắn, bạn nên kiểm tài liệu hướng dẫn hiện hành của công cụ công ty đang dùng.
Hệ quả cho người quản lý rất thực tế: hãy coi câu trả lời của AI như bản nháp của một cộng tác viên đọc rộng nhưng không đáng tin tuyệt đối. Bạn sẽ không gửi thẳng bản nháp của cộng tác viên mới cho khách, và cũng không nên gửi thẳng bản của AI.
Năm đặc điểm của mô hình ngôn ngữ và hệ quả cho đội
Trơn tru không có nghĩa là đúng. Câu chữ đẹp là thế mạnh tự nhiên của mô hình, còn độ chính xác về sự kiện thì không được bảo đảm. Đội cần thói quen tách hai thứ này: đánh giá văn phong riêng, kiểm sự thật riêng.
Mỗi lần hỏi có thể ra một đáp án khác. Vì trả lời dựa trên xác suất, cùng một câu hỏi có thể ra các phiên bản khác nhau. Với việc sáng tạo, đây là ưu điểm. Với việc cần nhất quán như quy trình nội bộ, bạn nên chốt một bản đã duyệt rồi dùng lại, không mỗi người tự hỏi một kiểu.
Nó chỉ biết những gì nằm trong cuộc trò chuyện. Mô hình không biết đội bạn có bao nhiêu người, ai vừa nghỉ phép, công ty có quy định gì, trừ khi bạn nói. Thiếu bối cảnh thì câu trả lời sẽ chung chung. Nhưng đưa bối cảnh vào lại đụng tới chuyện dữ liệu, nên phải chọn lọc và ẩn danh.
Kiến thức có điểm dừng. Mô hình được huấn luyện tới một thời điểm nhất định. Những thay đổi sau đó về quy định, thị trường, phần mềm có thể không có trong câu trả lời, trừ khi công cụ có tìm kiếm và thật sự dùng nó. Với quy định lao động, thuế, bảo hiểm, luôn kiểm văn bản hiện hành.
Nó có xu hướng chiều người hỏi. Nếu câu hỏi đã gài sẵn ý, như "vì sao nhân viên A lười", mô hình dễ đi theo giả định đó thay vì phản biện. Người quản lý cần cẩn thận vì chính thiên kiến của mình có thể được AI viết lại thành lập luận trông rất thuyết phục.
Cửa sổ ngữ cảnh, bộ nhớ và dữ liệu: ba khái niệm hay bị hiểu nhầm
Ba khái niệm dưới đây ảnh hưởng trực tiếp tới cách đội dùng AI hằng ngày. Cách mỗi công cụ xử lý có khác nhau, bảng chỉ nêu nguyên lý chung.
| Khái niệm | Nghĩa đơn giản | Hiểu nhầm hay gặp | Hệ quả khi dùng |
|---|---|---|---|
| Cửa sổ ngữ cảnh | Lượng chữ mô hình "nhìn thấy" cùng lúc trong một cuộc trò chuyện | Nghĩ rằng nó nhớ mọi thứ đã nói từ đầu tới cuối | Cuộc trò chuyện quá dài, phần đầu có thể bị bỏ qua; nên nhắc lại điểm chính |
| Bộ nhớ giữa các cuộc trò chuyện | Một số công cụ có tính năng ghi nhớ thông tin qua nhiều lần dùng | Nghĩ rằng mở cuộc mới là sạch hoàn toàn | Kiểm cài đặt ghi nhớ; không để lại thông tin nhạy cảm |
| Dữ liệu dùng để huấn luyện | Tuỳ điều khoản, nội dung trò chuyện có thể được dùng để cải thiện mô hình | Nghĩ rằng gói nào cũng như nhau | Đọc điều khoản của gói đang dùng; công ty nên chọn gói có cam kết dữ liệu rõ |
| Tệp tải lên | Công cụ đọc nội dung tệp để trả lời | Nghĩ rằng chỉ AI đọc, không ai khác | Tệp đi qua máy chủ bên ngoài; che thông tin cá nhân trước khi tải |
Chi tiết về điều khoản dữ liệu và cách cấu hình an toàn có ở trang chuyên về bảo mật trong hệ, AI Bảo Mật. Ở góc người quản lý, bạn chỉ cần nhớ một nguyên tắc: thứ gì không muốn dán lên bảng tin chung của công ty thì cũng đừng dán vào chatbot khi chưa che.
Vì sao AI không "hiểu" con người như bạn hiểu
Mô hình ngôn ngữ có thể viết một đoạn rất tinh tế về cách động viên nhân viên đang chán nản. Nhưng nó chưa từng thấy người nhân viên ấy, không biết hôm qua người đó vừa bị khách mắng, không nghe được giọng nói khi người đó nói "dạ em ổn". Những tín hiệu nhỏ ấy là chất liệu chính của người quản lý trực tiếp, và chúng không nằm trong văn bản nào.
Thêm nữa, mô hình không có quyền lợi gắn với kết quả. Nó không phải sống cùng hậu quả của lời khuyên, không phải nhìn mặt đội vào sáng hôm sau. Điều này không làm câu trả lời của nó vô giá trị; nó chỉ có nghĩa là bạn phải đặt câu trả lời vào bối cảnh mà chỉ bạn nắm. Một gợi ý "nói thẳng với nhân viên về hiệu suất" đúng về nguyên tắc, nhưng nói lúc nào, ở đâu, bằng giọng nào là phần bạn quyết.
Có người lo rằng hiểu điều này sẽ làm mình ngại dùng AI. Thực tế ngược lại: khi biết rõ giới hạn, bạn dùng nó mạnh tay hơn ở chỗ nó giỏi, như sắp ý, gợi góc nhìn khác, soạn nháp, và không trông chờ ở chỗ nó yếu.
Ba tình huống giả định: hiểu nguyên lý giúp quyết định thế nào
Tình huống thứ nhất: anh Tuấn, tổ trưởng một tổ may ở Hưng Yên, muốn nhờ AI soạn bảng hướng dẫn thao tác cho công nhân mới. Hiểu rằng mô hình không biết máy móc và quy trình riêng của xưởng, anh không hỏi chung chung mà mô tả từng bước do chính anh làm, chỉ nhờ AI sắp xếp lại câu chữ cho dễ đọc. Phần kỹ thuật vẫn do anh và một công nhân lâu năm đọc lại trước khi in.
Tình huống thứ hai: chị Hoa, trưởng phòng chăm sóc khách hàng, thấy hai nhân viên dùng AI trả lời khách cùng một loại khiếu nại nhưng mỗi người một cách. Hiểu rằng mô hình cho đáp án khác nhau mỗi lần, chị cùng đội chốt ba mẫu trả lời đã duyệt cho ba loại khiếu nại phổ biến, mọi người dùng chung, chỉ chỉnh chi tiết theo từng khách.
Tình huống thứ ba: anh Dũng, chủ một tiệm sửa xe có năm thợ, hỏi AI về cách tính tiền làm thêm giờ ngày lễ. Câu trả lời có con số rất cụ thể. Biết rằng kiến thức của mô hình có điểm dừng và có thể sai về quy định, anh dùng câu trả lời để hiểu mình cần hỏi gì, rồi tra văn bản hiện hành và hỏi người làm dịch vụ kế toán của tiệm trước khi thông báo cho thợ.
Giải thích cho đội trong mười lăm phút giao ban
Người quản lý không cần thuyết trình về công nghệ, nhưng một buổi giải thích ngắn giúp cả đội có chung cách hiểu. Gợi ý trình tự:
- Mở đầu bằng một ví dụ thật của đội: một lần AI trả lời sai mà ai đó phát hiện, đã ẩn tên người.
- Giải thích hình dung "cộng tác viên đọc rộng nhưng không kiểm nguồn" trong hai câu.
- Cùng thử một câu hỏi hai lần để mọi người thấy câu trả lời khác nhau.
- Nhắc ba loại dữ liệu: dán được, dán sau khi che, không bao giờ dán, theo quy định của công ty.
- Chốt một quy ước: mọi thứ gửi ra ngoài phải có một người đọc lại và nhận trách nhiệm.
- Mời mọi người ghi lại các lần AI giúp được và các lần nó sai, để buổi sau cùng xem.
Buổi giải thích ngắn có hiệu quả hơn một tài liệu dài vì người ta thấy tận mắt. Nếu đội có người dùng giỏi, hãy mời họ trình bày phần thử nghiệm; điều đó cũng là cách ghi nhận họ.
Câu lệnh mẫu để tự kiểm mức hiểu của mình
Dùng những câu lệnh dưới để chính AI giúp bạn hiểu giới hạn của nó, sau đó đối chiếu với tài liệu hướng dẫn của công cụ.
- "Giải thích cho một trưởng phòng không rành công nghệ: mô hình ngôn ngữ trả lời câu hỏi bằng cách nào, và vì sao đôi khi nó đưa ra thông tin sai mà vẫn tự tin. Dùng ví dụ ở văn phòng, dưới hai trăm chữ."
- "Liệt kê năm loại câu hỏi mà mô hình ngôn ngữ thường trả lời kém tin cậy nhất, kèm cách kiểm cho từng loại."
- "Nếu một trưởng nhóm dán email của khách vào cuộc trò chuyện, những rủi ro dữ liệu nào cần cân nhắc? Trả lời ở mức nguyên tắc, nhắc người dùng kiểm điều khoản của công cụ cụ thể."
- "Câu hỏi sau có gài sẵn giả định không: vì sao đội trẻ bây giờ thiếu trách nhiệm. Hãy viết lại câu hỏi cho trung lập hơn."
Câu lệnh cuối là bài tập hữu ích nhất cho người quản lý. Nhiều câu hỏi ta đặt ra hằng ngày đã chứa sẵn kết luận; nhận ra điều đó giúp bạn tránh dùng AI để tự xác nhận định kiến của mình.
Câu hỏi thường gặp
Mô hình ngôn ngữ có tra cứu internet khi trả lời không?
Tuỳ công cụ và tuỳ cài đặt. Một số chatbot có tính năng tìm kiếm và sẽ ghi nguồn, một số chỉ trả lời từ những gì đã học. Bạn nên kiểm tài liệu của công cụ đang dùng và để ý xem câu trả lời có kèm nguồn kiểm được không.
Vì sao hỏi cùng một câu mà AI trả lời mỗi lần một khác?
Mô hình chọn chữ dựa trên xác suất nên có độ ngẫu nhiên nhất định. Với việc cần sáng tạo, điều này giúp có nhiều phương án. Với việc cần nhất quán như quy trình đội, nên chốt một phiên bản đã duyệt và dùng lại.
Người quản lý có cần học lập trình để dẫn dắt đội dùng AI không?
Không cần. Điều người quản lý cần là hiểu nguyên lý hoạt động ở mức đủ để biết khi nào tin, khi nào kiểm, dữ liệu nào được đưa vào, và cách đặt câu hỏi rõ ràng. Phần kỹ thuật sâu để cho bộ phận công nghệ nếu công ty có.
AI có nhớ thông tin nhân viên mình đã nhắc ở lần trò chuyện trước không?
Một số công cụ có tính năng ghi nhớ giữa các lần dùng, một số không. Hãy kiểm phần cài đặt của tài khoản. Cách an toàn là không đưa thông tin nhận dạng nhân viên vào từ đầu, luôn dùng ký hiệu thay tên.
Tại sao AI hay đồng ý với ý kiến của người hỏi?
Mô hình được huấn luyện để hữu ích và lịch sự, nên dễ đi theo giả định trong câu hỏi. Muốn có phản biện, bạn phải yêu cầu rõ, ví dụ đề nghị nó tìm lý do vì sao ý kiến của bạn có thể sai.
Mô hình lớn hơn có phải luôn đáng tin hơn không?
Mô hình mới và lớn thường làm tốt hơn ở nhiều việc, nhưng vẫn có thể sai về sự kiện, số liệu và quy định. Không có phiên bản nào miễn kiểm. Thói quen kiểm của đội quan trọng hơn việc chọn công cụ nào.