ChatGPT có cách diễn đạt rất trôi chảy, kể cả khi thông tin chưa chính xác hoặc câu trả lời đang thiếu một mảnh quan trọng. Vì thế, tôi không dùng độ tự tin trong giọng văn làm bằng chứng. Với một ý tưởng món ăn, sai chút có thể chỉ khiến bữa tối kém ngon; với thủ tục pháp lý, sức khỏe, tiền bạc hay hướng dẫn bảo mật, một chi tiết sai có thể gây hậu quả thật. Thói quen kiểm chứng nên tùy mức độ rủi ro của việc bạn định làm.
Yêu cầu tách dữ kiện, suy luận và phần chưa chắc
Khi nhận câu trả lời có nhiều khẳng định, hỏi: “Hãy liệt kê các dữ kiện quan trọng, đánh dấu điều nào suy luận từ dữ liệu tôi cung cấp và điều nào cần nguồn bên ngoài.” Nếu công cụ tìm kiếm hoặc chế độ nghiên cứu được bật, yêu cầu liên kết trực tiếp đến tài liệu gốc và chỉ rõ đoạn nào hỗ trợ từng kết luận. Sau đó mở liên kết, nhìn ngày cập nhật, cơ quan phát hành và phạm vi áp dụng. Một trang cũ hoặc bài tóm tắt trên mạng có thể không còn phản ánh quy định mới.
Một prompt tôi dùng khi cần lập kế hoạch là: “Đừng tự điền số liệu còn thiếu. Nêu câu trả lời ngắn, ghi nguồn cho từng thông tin có thể thay đổi theo thời gian, và chỉ ra điều bạn chưa xác nhận. Nếu không có nguồn phù hợp, nói rõ là chưa tìm thấy.” Điều này không đảm bảo mọi câu trả lời đều đúng, nhưng khiến phần cần kiểm tra hiện ra rõ hơn. Với nghiên cứu, hãy mở ít nhất một nguồn chính thức hoặc tài liệu gốc thay vì chỉ đọc phần tóm tắt do AI viết.
Kiểm tra bằng một vòng đối chiếu đơn giản
Đầu tiên, khoanh các con số, tên riêng, ngày tháng, mức giá, phiên bản phần mềm và câu khẳng định có thể thay đổi. Thứ hai, tìm nguồn ban đầu: trang cơ quan ban hành, tài liệu nhà phát triển, nghiên cứu gốc hoặc trang trợ giúp chính thức. Thứ ba, so sánh đúng ngữ cảnh. Một hướng dẫn dành cho API có thể không áp dụng cho ứng dụng ChatGPT; một hướng dẫn dùng ở quốc gia khác có thể không đúng với người dùng Việt Nam. Cuối cùng, lưu lại nguồn và ngày bạn xem nếu thông tin sẽ được dùng trong bài đăng hoặc tài liệu công việc.
Với code, không xem câu trả lời như thứ có thể chạy an toàn chỉ vì nó biên dịch. Thử trên dữ liệu giả, đọc lệnh trước khi chạy, kiểm tra đầu ra và chạy các trường hợp biên. Với ảnh do AI tạo, kiểm tra bàn tay, chữ, logo và chi tiết có thể khiến người xem hiểu nhầm. Với nội dung, xác nhận tên sản phẩm, giá, lời hứa và trích dẫn trước khi đăng. Mỗi loại đầu ra có một kiểu kiểm tra phù hợp; “AI đã nói vậy” không phải là bước nghiệm thu.
Biết lúc nào nên dừng và hỏi chuyên gia
Nếu câu trả lời liên quan đến chẩn đoán, quyết định pháp lý, đầu tư đáng kể, xử lý dữ liệu cá nhân hoặc an toàn hệ thống, hãy xem AI như công cụ giúp chuẩn bị câu hỏi, không phải người ra quyết định cuối cùng. Thu thập nguồn gốc, viết ra điều chưa rõ và đem đến người có chuyên môn. Khi thông tin quan trọng mâu thuẫn giữa hai nguồn, ghi rõ ngày, phiên bản và phạm vi mỗi nguồn rồi tìm cơ quan chịu trách nhiệm xác nhận.
Tài liệu [File Uploads FAQ](https://help.openai.com/en/articles/8555545-file-uploads-faq) hữu ích khi bạn muốn hỏi trên PDF, bảng tính hoặc tài liệu; việc tải tệp lên không tự đảm bảo mọi con số được trích đúng, nên vẫn cần đối chiếu với dữ liệu gốc. Một câu hỏi kiểm chứng tốt không phải là “Bạn chắc chứ?”, mà là “Dựa vào tài liệu nào, chỗ nào hỗ trợ kết luận này, và điều gì có thể khiến kết luận sai?”. Dành thêm vài phút kiểm tra thường rẻ hơn nhiều so với sửa một quyết định dựa trên thông tin nghe rất hợp lý nhưng không đúng.
