José Antonio Bowen – C. Edward Watson
Xuất bản lần thứ hai với sự hợp tác của Hiệp hội các trường đại học và cao đẳng Hoa Kỳ, JOHNS HOPKINS UNIVERSITY PRESS, Baltimore, 2026
A.I. dịch, Thuận Thiên hiệu đính

PHẦN II
DẠY HỌC VỚI A.I.
CHƯƠNG 6
CÔNG VIỆC VÀ NGHIÊN CỨU ĐƯỢC A.I. HỖ TRỢ
Họ sẽ không còn rèn luyện trí nhớ nữa vì họ dựa vào những gì được viết ra; họ không còn nhớ lại sự vật từ bên trong chính mình, mà thông qua những dấu hiệu bên ngoài.
SOCRATES, dẫn từ Phaedrus của Plato
“Ngày trước người ta từng làm việc kiểu gì vậy?” Máy tính, Internet, kho lưu trữ số, bảng tính và email đã làm thay đổi quy trình làm việc của chúng ta, và các học giả trẻ ngày nay đôi khi không thể hình dung nổi việc nghiên cứu trong thời kỳ trước kỹ thuật số diễn ra như thế nào. Socrates từng cho rằng việc viết lách sẽ làm suy giảm trí nhớ. Ông đã đúng, nhưng may mắn thay Plato đã viết ra điều đó.
Chúng ta có thể cảm thấy hoài niệm về những tủ mục lục thẻ giấy (card catalogue), nhưng rất ít người trong chúng ta tin rằng một thư mục tài liệu tham khảo được gõ từ các thẻ chỉ mục lại tốt hơn một thư mục được tạo bằng RefWorks. Sự hỗ trợ của AI có thể còn tạo ra một thay đổi lớn hơn nữa đối với cách giảng viên làm việc.
Liệu có những công việc nào mà một trợ lý (hay thậm chí bốn mươi trợ lý) có thể giúp đỡ hay không? Chẳng hạn như: Tìm kiếm các trường hợp tương tự? Chấm bài? Tạo ra các bài tập, hoạt động hoặc hình thức đánh giá mới? Tìm ra các chủ đề nổi bật trong khảo sát hoặc phản hồi đánh giá của sinh viên? Theo dõi các nghiên cứu mới trong lĩnh vực của bạn trên toàn thế giới và bằng mọi ngôn ngữ? Liệu một cộng sự AI có thể khiến công việc của bạn trở nên tốt hơn và dễ dàng hơn không?
Trợ lý nghiên cứu
Chương 4 đã cho thấy rằng AI có thể giúp bạn tạo ra ý tưởng, đặt câu hỏi tốt hơn, đánh giá các giả định, tìm kiếm bằng chứng phản bác, khảo sát thêm nhiều nguồn tài liệu, dự đoán các vấn đề có thể phát sinh và làm rõ tư duy của mình. AI có thể trở thành một đối tác tư duy trong quá trình nghiên cứu và học tập của bạn, hỗ trợ bạn theo cách Vygotsky tương tự như cách nó có thể hỗ trợ sinh viên của bạn. Một trợ lý có thể đảm nhận những công việc ở cấp độ thấp hơn nhưng tốn nhiều thời gian sẽ giúp bạn được giải phóng để tập trung vào những nhiệm vụ quan trọng và thách thức hơn, những điều mà hiện tại AI vẫn chưa làm tốt chút nào.
Như đã thảo luận trong chương 1, hiện có rất nhiều ứng dụng chuyên biệt khai thác giao diện lập trình ứng dụng (API) của GPT-4. Consensus và Elicit đều kết nối với cơ sở dữ liệu hiện có của Semantic Scholar nhằm cung cấp các trích dẫn chính xác của những bài báo khoa học đã xuất bản, kèm theo tóm tắt và liên kết đến từng bài viết. Cả hai công cụ đều cho phép người dùng lọc kết quả theo: năm xuất bản, uy tín của tạp chí, cỡ mẫu nghiên cứu, hoặc loại hình nghiên cứu (thử nghiệm trên động vật, phân tích tổng hợp, nghiên cứu đối chứng, v.v.). Đúng như tên gọi của mình, Consensus tập trung vào việc “trích xuất luận điểm” (claim extraction), nhờ đó có thể tổng hợp kết quả để trả lời các câu hỏi nghiên cứu. Trong khi đó, Elicit đi sâu hơn vào các chi tiết chuyên môn và cho phép người dùng nhanh chóng tìm ra toàn bộ các nghiên cứu trước đây đã sử dụng một kỹ thuật, lý thuyết hoặc phương pháp cụ thể. Bạn cũng có thể yêu cầu nó tìm những nghiên cứu ủng hộ hoặc phản bác ý tưởng của mình.
Có hàng trăm (nếu không muốn nói là hàng nghìn) công cụ nghiên cứu hữu ích sử dụng API có thể giúp bạn tổ chức, trích dẫn và phân tích các nguồn tài liệu cũng như tệp dữ liệu của riêng mình. Chẳng hạn, Explainpaper đúng như tên gọi của nó: khi bạn tải lên một bài báo và tô sáng một đoạn khó hiểu, công cụ này sẽ đưa ra lời giải thích ở thanh bên. Đây là một công cụ tuyệt vời dành cho sinh viên hoặc khi bạn cần “giải mã” một bài báo về học máy để phục vụ cho việc viết một cuốn sách mới về AI. Humata và Keenious cũng sử dụng AI để trả lời câu hỏi, tìm ý tưởng hoặc tạo bản tóm tắt từ các bài báo được tải lên. ReadCube Papers là một trình quản lý tài liệu tham khảo cho phép bạn làm nổi bật tô sáng, ghi chú và sau đó lưu lại các trích dẫn tài liệu. Trong những tháng trước khi chỉnh sửa cuốn sách này, chúng tôi đã cùng chia sẻ một “sổ tay” trong NotebookLM, nơi chúng tôi lưu trữ các bài báo và ý tưởng mà mình muốn đưa vào bản chỉnh sửa. AI đã có thể nhắc lại cho chúng tôi những nguồn tài liệu và ý tưởng mà từ lâu chúng tôi đã quên mất.
Hiện nay, các bản tóm tắt do AI tạo ra đã trở nên phổ biến (đặc biệt trong các lĩnh vực STEM và y học); các nhà nghiên cứu đã phát hiện những dấu hiệu đặc trưng cho thấy AI đã được sử dụng trong hàng trăm bài báo nghiên cứu (Kwon, 2025a). Trong ví dụ nổi tiếng nhất, từ delves bắt đầu xuất hiện thường xuyên hơn nhiều trong các phần tóm tắt bài báo trên PubMed vào năm 2024 (Kobak và cộng sự, 2024). Nghiên cứu này kết luận rằng ít nhất 13,5% các bản tóm tắt đã sử dụng AI, nhưng những người đọc là con người nhận thấy việc “phân biệt giữa hai loại này khó một cách đáng ngạc nhiên” (Gao và cộng sự, 2023).
Còn việc sử dụng AI để mô phỏng đối tượng thử nghiệm hoặc mô hình hóa các thí nghiệm thì sao? Mặc dù những cơ hội mà điều này mang lại là rất rõ ràng, một cuộc khảo sát của Nature cho thấy có sự chia rẽ đáng kể giữa những gì một số người cho là cách sử dụng AI chấp nhận được trong nghiên cứu và những gì bị xem là không thể chấp nhận (Kwon, 2025b).
Rất nhiều điều sẽ phụ thuộc vào hoàn cảnh cụ thể, nhưng tính minh bạch dường như là yếu tố then chốt.
Các nhà phản biện và nhà xuất bản cũng đang sử dụng những công cụ này (Swack, 2023):
“Chủ đề của bài báo được gửi này có nằm trong phạm vi của tạp chí của tôi không?”
“Bạn có thể gợi ý ba giáo sư có công trình nghiên cứu đã công bố phù hợp để trở thành phản biện chuyên môn cho bài báo này, đồng thời loại trừ những người mà tôi đã nhờ phản biện trong năm nay không?” Wiley cho phép sử dụng AI trong phản biện học thuật “ở mức độ hạn chế” và nhận thấy rằng 19% trong số năm nghìn nhà nghiên cứu thuộc hơn bảy mươi quốc gia thừa nhận đã sử dụng AI cho công việc này (Naddaf, 2025). Một nghiên cứu khác phát hiện rằng từ 6,5% đến 16,9% các bản phản biện dành cho các hội nghị về AI đã bị các mô hình ngôn ngữ lớn (LLMs) chỉnh sửa đáng kể (Liang và cộng sự, 2024). Việc sử dụng AI luôn phải được công khai.
Những lợi ích và nguy cơ đều rất rõ ràng. Một AI được huấn luyện dựa trên các bài báo trước đây của một tạp chí có thể sẽ bác bỏ những ý tưởng mang tính đột phá hoàn toàn mới. Con người cũng làm điều này, nhưng sự thiên kiến của con người khó khắc phục hơn. Với AI, người ta chỉ cần yêu cầu nó ưu tiên những bài viết thúc đẩy các ý tưởng mới hoặc thách thức tư duy truyền thống. Một con người dù được hướng dẫn như vậy vẫn có thể bị ảnh hưởng bởi uy tín học thuật của tác giả hay tổ chức. Thật vậy, bảo một người bỏ qua danh tiếng của một cơ sở đào tạo cũng giống như nói: “đừng nghĩ đến bánh quy nữa” (Đó là lý do các phòng nhân sự đôi khi che tên trường học hoặc tên ứng viên trên hồ sơ xin việc). Vì thế, dù các hướng dẫn dành cho AI cần phải rõ ràng và không thiên vị, một AI được yêu cầu xếp hạng bài báo hoặc ứng viên dựa trên các tiêu chí cụ thể nhìn chung sẽ không đồng thời xem xét những yếu tố khác như uy tín tổ chức hay giới tính.
Các hệ thống AI đã và đang làm thay đổi vấn đề thiên vị trong thể thao. Dĩ nhiên vẫn sẽ có sai sót: tại giải Wimbledon năm 2025, một nhân viên đã vô tình tắt một camera, khiến AI làm nhiệm vụ trọng tài biên bỏ lỡ một tình huống quan trọng. Điều còn thiếu trong làn sóng phẫn nộ sau đó là thực tế rằng các trọng tài biên là con người mắc lỗi còn nhiều hơn. Các vận động viên thậm chí còn tệ hơn, bởi họ cũng mang thiên kiến của riêng mình: phần lớn các lần khiếu nại của người chơi thực ra đều sai. Chúng ta cần những hệ thống giúp con người phải chịu trách nhiệm đối với cả kết quả đầu ra lẫn các quyết định của mình, nhưng AI cũng có thể là một công cụ quan trọng giúp kiểm tra và hạn chế chính những thiên kiến của chúng ta.
Mọi thay đổi trong quy trình làm việc đều đòi hỏi một khoảng thời gian và công sức để thích nghi: việc chuyển sang sử dụng phần mềm quản lý trích dẫn có thể không đáng giá nếu chỉ phục vụ cho một dự án duy nhất, nhưng về lâu dài lợi ích sẽ ngày càng lớn hơn. AI là một trợ lý mới đầy nhiệt tình, có khả năng tìm kiếm thông tin, tạo trực quan hóa dữ liệu, viết bản nháp, đưa ra phản hồi và phân tích dữ liệu. Với một khoản đầu tư ban đầu về thời gian học cách sử dụng, AI sẽ làm thay đổi quy trình làm việc của bạn và cho phép bạn dành thời gian cho những công việc khác.
AI và quy trình làm việc của bạn
Lao động AI có lẽ hữu ích nhất ở phần đầu và phần cuối của quy trình. Ở giai đoạn đầu, những công cụ kể trên có thể được dùng để tìm nguồn tài liệu, kiểm tra ý tưởng và bắt đầu một bài tổng quan tài liệu nghiên cứu.
Bạn sẽ làm gì tiếp theo còn phụ thuộc vào hoàn cảnh cụ thể, và chắc chắn cũng sẽ thay đổi theo thời gian khi các kỳ vọng về sự cộng tác giữa con người và AI biến chuyển. Như đã thảo luận ở chương 3, những CÂU LỆNH hiệu quả hơn thường bao gồm chuyên môn và ngữ cảnh, nhưng hãy xem các CÂU LỆNH (được rút gọn) sau đây:
CÂU LỆNH:
– Hãy đưa ra năm cách khác nhau để tổ chức những ý tưởng này thành một bài báo.
– Hãy viết một đoạn tổng quan tài liệu tóm tắt các nghiên cứu trước đây về chủ đề này và kèm theo trích dẫn.
– Hãy thêm một câu nối hai ý tưởng này lại với nhau.
– Tôi có thể mở rộng thêm ý tưởng trong đoạn X theo những cách nào khác?
– Hãy chuyển bản tóm tắt nghiên cứu của tôi thành một đề xuất xin tài trợ từ quỹ Y mà họ sẽ yêu thích, bằng cách sử dụng các mục tiêu và tiêu chí cấp vốn của họ.
– Hãy soạn một bản cập nhật nghiên cứu cho khoản tài trợ X của tôi theo đúng định dạng mẫu của quỹ.
– Tôi có thể bổ sung nghiên cứu nào để củng cố lập luận này?
– Những bài báo gần đây từ tạp chí Z nào có liên quan đến ý tưởng này là gì (và cần được trích dẫn)?
– Hãy định dạng lại tất cả các trích dẫn (hoặc thư mục tài liệu tham khảo của tôi) theo quy chuẩn của tạp chí Y.
– Hãy sắp xếp các kết quả nghiên cứu này thành một bài báo dài sáu nghìn từ cho tạp chí X?
Việc dạy sinh viên nhận biết thế nào là bài viết tốt và chỉnh sửa các bản nháp do AI tạo ra sẽ trở nên khó khăn hơn nếu trước hết sinh viên không được luyện viết mà không có AI hỗ trợ (xem phần III). Tuy nhiên, đối với các giảng viên vốn đã hiểu rõ sản phẩm cuối cùng mong muốn là gì, AI có thể hỗ trợ soạn thảo, lập dàn ý hoặc viết lại các đoạn văn.
Tuy nhiên, đối với cả bạn và sinh viên của bạn, quá trình vật lộn để viết thường mang lại giá trị tích cực (dù điều này khác nhau tùy ngành học). Nhưng một khi bản nháp đã hoàn thành, AI có thể trở thành một “người đọc đầu tiên” rất hữu ích. Dưới đây là một số ví dụ về cách bạn có thể đưa CÂU LỆNH cho AI để nhận được phản hồi mang tính xây dựng đối với bản nháp của mình:
CÂU LỆNH:
– Biên tập viên A của Tập san B có thể sẽ phản hồi thế nào về bài này?
– Hãy chọn ba thành viên trong ban biên tập của tạp chí C phù hợp nhất để đọc bản thảo này, rồi viết ba bài phản biện cực kỳ thẳng thắn về bản thảo từ góc nhìn của ba học giả đó.
– Hãy tóm tắt các lập luận chính trong bài viết này và gợi ý những phần tôi có thể cắt bỏ để lập luận trở nên chặt chẽ hơn.
– Hãy phân tích bài viết này và đánh dấu:
1. những chỗ chuyển ý giữa các đoạn văn hoặc các ý còn yếu;
2. những sáo ngữ hoặc thuật ngữ học thuật dùng quá mức; và
3. những ý tưởng hoặc trích dẫn cần được dẫn nguồn (dựa trên những thông lệ học thuật tốt nhất trong ngành học A).
– Hãy tạo một “dàn ý ngược” (reverse outline) cho bài báo này. Hãy mô tả mỗi đoạn văn bằng một câu duy nhất tóm tắt lập luận của đoạn đó, rồi đánh giá xem mạch triển khai ý tưởng đã thúc đẩy luận điểm chính như thế nào.
– Những học giả quan trọng nào khác trong lĩnh vực này có thể là người phản biện tiềm năng cho bài báo? Tôi nên trích dẫn những công trình nào của họ?
– Giọng điệu của bài viết này có đủ thuyết phục và tự tin so với mục đích của nó không?
Giả sử bạn đang gặp khó khăn trong việc rút ngắn bài báo của mình. Việc đọc một phiên bản ngắn hơn rồi xem liệu có cảm giác những yếu tố quan trọng nào đã bị lược bỏ hay không có thể rất hữu ích. AI có thể tạo ra phiên bản “thử nghiệm” đó để khích lệ suy nghĩ của bạn.
Sinh viên và thậm chí một số giảng viên rõ ràng đã bắt đầu khám phá những giới hạn của AI; không mất nhiều thời gian trước khi có người thử đưa một bài báo do GPT-3 viết (về chính nó) đi xuất bản (Cotton, 2023; Thunstrom, 2022). Vấn đề “ảo giác trích dẫn” (citation hallucinations) vẫn là một mối lo ngại, nhưng điều này cũng cho thấy một kỹ năng tinh tế mới mà người viết (và mọi người nói chung) sẽ cần phải có khi sử dụng AI trong tương lai. Các chuẩn mực nghề nghiệp liên quan đến việc sử dụng AI, đặc biệt trong bối cảnh các tạp chí bình duyệt học thuật, hiện vẫn đang tiếp tục hình thành và thay đổi (Hoover, 2023). Nếu AI chỉ hỗ trợ bạn ở giai đoạn đầu của quá trình “công não” ý tưởng, liệu bạn có cần phải trích dẫn nó hay không? Các tạp chí hiện bắt đầu làm rõ kỳ vọng của mình: nếu bạn sử dụng AI để hỗ trợ việc tạo lập hoặc biên tập văn bản, hãy lưu ý rằng phần mềm phát hiện AI giờ đây không chỉ được dùng để kiểm tra bài làm của sinh viên. Một số tạp chí hiện cũng đang sử dụng chúng để sàng lọc các bài nộp đăng báo khoa học (Staiman, 2023). Hiểu biết về AI đang trở thành một chuẩn đầu ra học tập đối với tất cả chúng ta.
Dự đoán và Dữ liệu lớn
Giả sử bạn muốn biết trước đồng nghiệp, sinh viên hoặc độc giả sẽ phản ứng thế nào trước một ý tưởng mới, hoặc cơ quan nào có thể quan tâm nhất đến việc tài trợ cho nghiên cứu của bạn? AI đặc biệt giỏi cả trong việc so sánh các tập dữ liệu lẫn giới hạn các dự đoán vào những nhóm nhân khẩu học cụ thể hoặc phân loại theo nhân khẩu học hay sở thích (theo cách mà Amazon biết bạn mang thai trước cả khi bạn tự nhận ra) và đưa ra dự đoán về cách các nhóm bệnh nhân hoặc khách hàng có thể phản ứng với một sản phẩm hay quy trình mới.
Loại hình nghiên cứu này trước đây thường đòi hỏi hàng tháng hoặc hàng năm thực hiện các nhóm thảo luận tập trung (focus groups) và khảo sát; thực tế, các nhà nghiên cứu đã có thể tái lập một số nghiên cứu khoa học xã hội vốn đã được công nhận bằng cách sử dụng AI thay cho phỏng vấn trực tiếp và các nhóm tập trung do con người thực hiện (Ashokkumar và cộng sự, 2024). Một nhóm khác tại Stanford đã tạo ra một nghìn “bản sao AI” từ các cuộc phỏng vấn và nhận thấy rằng chúng đạt độ chính xác khoảng 85% trên Khảo sát Xã hội Tổng quát (General Social Survey) so với chính những người tham gia thật (Park và cộng sự, 2024). Mặc dù hiện vẫn chưa rõ liệu các tạp chí học thuật có bao giờ chấp nhận phỏng vấn AI như một dạng dữ liệu nghiên cứu hay không, đây có thể sẽ là điểm khởi đầu đầu tiên để nghiên cứu sinh (hoặc chính bạn) thử nghiệm một ý tưởng. Tốc độ và độ chính xác của các “nhóm tập trung AI” đã bắt đầu tạo ra một cuộc cách mạng trong lĩnh vực tiếp thị. Sau khi “tiêu hóa” một lượng mạng xã hội và đánh giá trực tuyến đủ để khiến bất kỳ con người nào cũng kiệt sức, AI có thể thực hiện phân tích cảm xúc (sentiment analysis), tức là phân loại các phát biểu thành tích cực, tiêu cực hoặc trung tính.
Một nhóm các nhà nghiên cứu marketing muốn biết liệu những tên thương hiệu như Nike được cảm nhận là nam tính hay nữ tính. Họ nhận thấy rằng một mô hình ngôn ngữ có thể nhanh chóng cung cấp các kết quả chính xác, nhờ đó họ có thể kiểm tra hơn một nghìn thương hiệu thương mại chỉ trong một phần nhỏ thời gian trước đây. Không có gì đáng ngạc nhiên, họ phát hiện ra xu hướng thiên kiến về các tên gọi mang sắc thái nam tính, ngay cả ở những thương hiệu hướng tới phụ nữ (Moorthy và cộng sự, 2018).
Vì các mô hình ngôn ngữ lớn (LLMs) về bản chất hoạt động dựa trên sự “lấy trung bình” từ dữ liệu, chúng trở thành những công cụ dễ dàng để dự đoán các phản ứng điển hình của con người.
CÂU LỆNH
– Phần nào của câu chuyện này có thể khiến độc giả bình thường cảm thấy khó hiểu
– Bệnh nhân có thể phản ứng thế nào trước cảnh báo về loại thuốc này?
– Mọi người sẽ nghĩ một cuốn sách có nhan đề này nói về điều gì?
– Làm thế nào tôi có thể khiến phần giới thiệu bản thân của mình nghe ấn tượng hơn hoặc tạo cảm giác quan tâm hơn đối với sinh viên?
Tuy nhiên, sự kết hợp giữa các công cụ xác suất và những tập dữ liệu khổng lồ khiến công việc này hiệu quả hơn nữa khi bạn xác định được các đối tượng cụ thể như độc giả, tạp chí, vấn đề nghiên cứu, hoặc thậm chí là từng biên tập viên. AI có thể phân tích các bài đánh giá, nhận định hoặc bài đăng mạng xã hội của cả những nhóm lớn lẫn nhỏ.
CÂU LỆNH
– Hãy đóng vai một giảng viên trong hội đồng tuyển chọn trưởng khoa mới. Đọc bản mô tả chức vụ đã tải lên, thư xin việc và CV của tôi. Hồ sơ của tôi phù hợp với mô tả công việc ở mức nào? Hãy liệt kê những điểm còn thiếu và đề xuất cách tôi có thể cải thiện hồ sơ ứng tuyển.
– Sinh viên đại học tại Đại học X có thể phản ứng thế nào trước thông báo này?
– Mười phản ứng hoặc phản đối mà các biên tập viên của tạp chí X có thể đưa ra đối với một bài báo về Y hoặc một đề xuất từ Z là gì?
– Phân tích các hồ sơ xin tài trợ thành công này và xác định những yếu tố, ý tưởng, phương pháp, cấu trúc hoặc ngôn ngữ chung có thể đã góp phần tạo nên thành công của chúng. Hãy đề xuất cách tôi có thể điều chỉnh đề xuất hiện tại của mình để tăng khả năng thành công.
– Đọc những tài liệu này từ phó hiệu trưởng phụ trách học thuật (provost) của tôi. Tôi đang hy vọng thuyết phục bà ấy tài trợ cho ý tưởng này. Bà ấy có thể phản ứng thế nào trước email này?
– Học sinh lớp 12 trong bang của tôi đang nói gì về trường đại học của tôi trong tuần này?
Bạn thậm chí còn có thể cung cấp cho AI hướng dẫn về một phương pháp phân tích dữ liệu cụ thể để nó làm theo. Ví dụ, yêu cầu AI áp dụng cách tiếp cận grounded theory (lý thuyết nền tảng) nhằm phát triển một lý thuyết mới dựa trên các kết quả khảo sát mở mà bạn đã thu thập.
Các nhóm thảo luận tập trung hoạt động hiệu quả nhất khi người tham gia cảm thấy mình thực sự là một phần của cuộc trò chuyện; điều tương tự cũng đúng với AI. Dưới đây là một mẫu cho cái gọi là “phỏng vấn đồng cảm” (empathy interviews) trong tư duy thiết kế (design thinking). Hãy thử trước tiên với một chủ điểm, nền văn hóa hoặc nhóm nhân khẩu học mà bạn hiểu rõ. Đặt thêm hàng loạt câu hỏi tiếp nối để thực sự đánh giá cuộc phỏng vấn. Vì AI có xu hướng cố gắng tạo ra các phản hồi “trung bình”, nó có thể tái tạo những khuôn mẫu định kiến, và đôi khi câu lệnh cần được tinh chỉnh thêm. Dù vậy, đây vẫn có thể là một cách hữu ích để cung cấp cho sinh viên một góc nhìn khác.
MẪU (TEMPLATE)
Tôi đang cố gắng đạt được sự hiểu biết sâu sắc hơn về lý do vì sao sinh viên, khách hàng hoặc bệnh nhân có thể đang gặp khó khăn với vấn đề X. Bạn sẽ hỗ trợ bằng cách phản hồi như một Y chân thành và tin cậy nhằm giúp tôi mở rộng hiểu biết của mình. Hãy chất vấn những giả định của tôi khi cần thiết, và kể những câu chuyện giúp tôi phát triển sự đồng cảm đối với các nguyên nhân thực sự của vấn đề này.
Một nhóm nghiên cứu đầy nhiệt huyết thậm chí còn thử áp dụng phương pháp này vào các xã hội lịch sử: họ chỉ sử dụng các văn bản tiếng Latin cổ đại hoặc tiếng Ả Rập thời trung đại làm nguồn dữ liệu để tạo ra những “người được phỏng vấn mô phỏng” thuộc các thời kỳ đó (Varnum và cộng sự, 2024).
AI đặc biệt hiệu quả khi bạn muốn suy nghĩ xuyên qua nhiều loại tập dữ liệu khác nhau. Cũng giống như trong việc viết lách, AI là một nơi rất tốt để tìm kiếm các gợi ý hoặc sự rõ ràng đối với một vấn đề hay dự án mới.
CÂU LỆNH
– Hãy đề xuất năm phương án cho một hội đồng tuyển dụng đang tìm kiếm một giảng viên mới cho khoa A trong lĩnh vực B. Hội đồng nên bao gồm C thành viên với các tiêu chuẩn chuyên môn sau đây, đồng thời cũng cần bảo đảm sự đa dạng về D và E.
– Hãy đề xuất ít nhất mười đề tài luận văn cho một sinh viên quan tâm đến A, đã học các môn về B và muốn theo đuổi sự nghiệp trong lĩnh vực C.
– Hãy thực hiện một phân tích SWOT (Strengths: điểm mạnh; Weakness: điểm yếu; Opportunities: cơ hội; Threats: nguy cơ) đối với CV của tôi so với bản mô tả vị trí công việc này.
– Hãy xem xét CV của tôi và danh sách các khóa học tôi từng giảng dạy, rồi so sánh với sở thích của sinh viên, các sự kiện thời sự và những chủ đề đang thịnh hành trên mạng xã hội. Từ đó, hãy tạo ra năm ý tưởng cho một học phần mới mà tôi có thể mở để thu hút thêm sinh viên đến với Khoa D.
– Hãy đề xuất các ý tưởng nghiên cứu mới trong lĩnh vực A, nơi các nghiên cứu trước đây của tôi có thể được áp dụng vào một chủ đề đang “hot” hiện nay trên các tạp chí sau đây.
– Khoa X tại Đại học Y có thể tạo ra những ngành học mới nào vừa tận dụng được đội ngũ giảng viên hiện có, vừa thu hút được học sinh trung học hiện nay, đồng thời khác biệt với bất kỳ ngành học nào khác được cung cấp trong bán kính năm trăm dặm quanh Z?
Khi được cung cấp một ví dụ thực tế cho câu lệnh cuối cùng này, Gemini đã kết nối hồ sơ giảng viên, các học phần hiện có và sở thích của sinh viên, thậm chí còn lưu ý đến vị trí địa lý gần nhau của các khoa lân cận, rồi tạo ra một danh sách ý tưởng nhanh hơn rất nhiều so với bất kỳ con người nào có thể làm được. Một bước tiếp theo có thể là yêu cầu AI đề xuất các nghề nghiệp tiềm năng cho những ngành học này hoặc cách tiếp thị chúng tới các sinh viên tương lai.
AI có nhiều thiên kiến, nhưng những dạng câu lệnh như thế này lại là cách để nhận được các gợi ý mà không bị chi phối quá nhiều bởi những định kiến nội tại của chúng ta (hoặc của đồng nghiệp). Ví dụ, Amazon cung cấp các bản tóm tắt đánh giá do AI tạo ra, trong đó (theo cam kết) chỉ bao gồm những giao dịch mua đã được xác minh và cho phép người dùng cá thể hoá theo các thuộc tính cụ thể.
Giả sử bạn muốn biết nội dung nào gây khó hiểu hoặc hoạt động nào sinh viên thấy hữu ích nhất trong lớp học của bạn? Bạn có thể cung cấp cho AI kết quả một kỳ thi, những câu hỏi được đặt ra theo thời gian thực, hoặc dữ liệu phản hồi của sinh viên suốt hai mươi năm từ mọi lớp học và giảng viên khác nhau, rồi đặt ra vô số câu hỏi để phân tích.
CÂU LỆNH
– Phân tích các bản tóm tắt của sinh viên về nội dung bài học hôm nay và chỉ ra những lĩnh vực chính mà sinh viên còn nhầm lẫn hoặc vẫn đang mắc lỗi.
– Xem xét các phiếu đánh giá giảng dạy của sinh viên và xác định những đề tài hoặc xu hướng chung. Trước tiên, hãy xác định các mô thức chung xuất hiện ở tất cả các lớp và liệt kê chúng. Sau đó, hãy liệt kê các xu hướng theo thời gian trong ngày/ giảng viên/ học kỳ/ địa điểm lớp học.
– So sánh các bài viết của sinh viên và tạo một bảng trong đó cột thứ nhất liệt kê các chủ điểm, cột thứ hai là tỷ lệ sinh viên mắc lỗi nghiêm trọng về chủ điểm đó, và cột thứ ba là tỷ lệ sinh viên mắc lỗi nhỏ về chủ điểm đó.
– Dựa trên các phản hồi đánh giá của sinh viên, những hoạt động học tập nào là quan trọng nhất trong lớp học của tôi?
Đối với những tập dữ liệu đa dạng hoặc quá lớn, hay những công việc lặp đi lặp lại vốn vượt quá khả năng con người hoặc quá tẻ nhạt để thực hiện, AI mang đến một phương thức mới để nghiên cứu, suy nghĩ và thậm chí hoàn thành công việc của bạn (có lẽ là cả những phần việc bạn ít yêu thích nhất).
Tìm kiếm ý tưởng
Một trong những cách tốt nhất để sử dụng AI là tìm kiếm ý tưởng, điều mà bạn gần như không thể thực hiện theo cách tương tự nếu không có AI. Các công cụ không dùng AI thường giới hạn việc tìm kiếm của bạn vào những từ khóa (keywords) hoặc vào các tổ hợp từ ngữ. Nhưng với AI, bạn có thể tìm kiếm trong tài liệu, lời khai (depositions), hồ sơ sinh viên hoặc trên web để phát hiện các mối liên hệ. (Việc tìm kiếm trên web đôi khi đòi hỏi chức năng tìm kiếm phải được bật trong hệ thống AI của bạn.)
Hãy chú ý đến các từ khóa quan trọng (được in đậm) trong những câu lệnh sau:
– Hãy tìm bất cứ điều gì giống như thế này…
– Đã từng có trường hợp tương tự xảy ra với một sinh viên hoặc bệnh nhân trước đây chưa?
– Có những ví dụ nào khác về điều này không?
– Đọc bản thảo cuốn sách của chúng tôi và xác định tất cả những chỗ chúng tôi lặp lại cùng một ý tưởng.
– Hãy tiến hành kiểm tra lý lịch và rà soát internet để tìm bất kỳ dấu hiệu cảnh báo (red flags) nào liên quan đến các ứng viên xin việc của chúng tôi.
Khi kết hợp với khả năng mở rộng quy mô, đây là một trong những lý do quan trọng khiến AI có thể vượt trội hơn cả một đội quân thực tập sinh hoặc luật sư trẻ, những người có thể phải mất hàng tháng để tìm ra một ý tưởng tương tự trong hàng nghìn tài liệu (và họ còn cần pizza nữa). Con người có thể giỏi hơn trong việc phát hiện lỗi sai, nhưng hãy hỏi AI xem điều gì còn đang thiếu.
Khi bạn biết chính xác mình muốn tìm điều gì, một tìm kiếm Google không dùng AI thường vẫn hiệu quả hơn. Tuy nhiên, khả năng mới của AI trong việc thực hiện tìm kiếm ngữ cảnh trên web ở quy mô lớn đòi hỏi những thói quen và dạng câu lệnh mới:
– Xu hướng nghiên cứu về A hiện nay là gì?
– Các chuyên gia đang nói gì về B?
– Cách suy nghĩ hoặc quan điểm về C đã thay đổi như thế nào trong sáu tháng qua?
– Hãy tìm kiếm mọi thứ tôi cần biết để chuẩn bị cho một cuộc phỏng vấn xuất sắc đối với vị trí D tại E, và chuẩn bị một tài liệu tóm lược (briefing document) kèm các ý chính để trao đổi.
Những mẹo trong chương 3 có thể giúp câu lệnh cuối cùng này hiệu quả hơn: nếu bạn đã biết các thành viên của hội đồng tuyển dụng, hoặc có bản mô tả công việc hay trang web của khoa, bạn có thể cung cấp thêm những thông tin đó. Nhưng ngay cả một câu lệnh rất chung chung cũng sẽ tạo ra một kế hoạch nghiên cứu bắt đầu bằng việc tìm hiểu những điều sau đây:
– Chiến lược hiện tại của trường đại học hoặc doanh nghiệp
– Tình hình tài chính gần đây và các tin tức liên quan
– Các sáng kiến hoặc dự án lớn
– Giá trị cốt lõi của tổ chức
– Thách thức trên thị trường và vị thế hiện tại
– Xu hướng của ngành
– Các đối thủ cạnh tranh chính
– Những trách nhiệm công việc điển hình
– Các kỹ năng kỹ thuật bắt buộc
– Những câu hỏi và tình huống phỏng vấn thường gặp
Đó là kế hoạch do AI đề xuất, chứ không phải do chúng ta đưa ra. Bạn còn có thể cải thiện câu lệnh hơn nữa bằng cách yêu cầu AI “đọc giữa các dòng” (read between the lines) của bản mô tả công việc, trang web và các tài liệu để giúp tôi hiểu điều gì là quan trọng nhất đối với họ trong đợt tuyển dụng này.
Để hiểu khả năng suy luận của AI kết hợp với tìm kiếm theo ngữ cảnh ra sao, hãy thử tìm kiếm bất kỳ điều gì gây tranh cãi mà bạn có thể đã nói, làm hoặc đăng tải trong mười năm qua: hãy hỏi liệu có “dấu hiệu cảnh báo” nào về bạn có thể khiến một hội đồng tuyển dụng lo ngại hay không. Nếu bạn bật chức năng tìm kiếm và suy luận, AI của bạn sau đó sẽ tự cân nhắc những thuật ngữ cần dùng để thực hiện hàng trăm tìm kiếm riêng lẻ (tên của bạn + biểu tình/tranh cãi/bầu cử/Gaza/Israel, v.v.) cũng như những nơi cần tìm kiếm (các nền tảng mạng xã hội/ Wikipedia/ cơ quan truyền thông/ bài đăng Reddit). Bạn có thể định hướng những quyết định này, và dĩ nhiên bạn nên xác minh lại những gì AI tìm thấy, nhưng điều quan trọng là phải hiểu phương thức tìm kiếm mới này cũng như mức độ mà AI có thể tự thực hiện công việc một cách độc lập.
Khả năng tìm kiếm ý tưởng là một năng lực mới quan trọng. Đây là một phương thức mới để phát hiện những điểm tương đồng và các mô thức trong dữ liệu, và vì giới học thuật thường yêu thích dữ liệu cũng như sở hữu rất nhiều dữ liệu, điều này có thể mang tính chuyển đổi đối với hoạt động nghiên cứu của bạn. Giờ đây, bạn có thể chất vấn dữ liệu theo những cách khác biệt nào?
Nghiên cứu chuyên sâu (Deep Research)
Hầu hết các hệ thống AI hiện nay cũng có một chế độ kết hợp kiểu tìm kiếm này với một thuật toán xử lý chậm hơn và kéo dài hơn, ban đầu được gọi là Deep Research. Nó hoạt động theo cách tương tự như các tìm kiếm ngữ cảnh quy mô lớn đã được thảo luận ở trên, nhưng thời gian xử lý lâu hơn (đồng thời cũng tiêu tốn năng lượng nhiều hơn đáng kể) khiến quá trình này mất nhiều thời gian hơn. Vì vậy, nó nên được dành cho những nhiệm vụ phù hợp và thực sự khó khăn.
Do thời gian xử lý kéo dài hơn và năng lực mạnh hơn, deep research cũng đòi hỏi một câu lệnh rõ ràng hơn (và thường dài hơn).
CÂU LỆNH
– Hãy đóng vai một khách hàng hoặc sinh viên mới. Truy cập các trang web của chúng tôi / những trang web này và thử sử dụng chúng như một người dùng thiếu kinh nghiệm đang hy vọng mua, xác định hoặc tìm kiếm X. Sau đó lặp lại quy trình này với các trang web của đối thủ cạnh tranh. Phân tích các phát hiện của bạn trong một báo cáo ngắn và nhấn mạnh những khó khăn gặp phải. Chúng tôi có thể cải thiện trang web của mình như thế nào?
– Hãy phân tích tất cả các luật mới của liên bang và tiểu bang, các sắc lệnh hành pháp (executive orders) và các quy định liên quan đến A, rồi cung cấp bản tóm tắt những thay đổi quan trọng nhất có thể ảnh hưởng đến Đại học B. Hãy tìm kiếm trên tất cả các trang web, học phần, các chính sách, thực tiễn và các khoản tài trợ đang hoạt động của chúng tôi, rồi tạo một báo cáo liệt kê tất cả các vấn đề hoặc trách nhiệm pháp lý tiềm ẩn cụ thể mà chúng tôi có thể phải đối mặt. Hãy cung cấp một bản tóm tắt về các khoản tài trợ liên bang có thể đang gặp rủi ro và tính toán tổng giá trị tài trợ mà các khoản này đại diện. Đề xuất những thay đổi mà chúng tôi có thể thực hiện để giảm mức độ đối mặt với rủi ro (risk exposure). Tập trung vào những vấn đề biến động mạnh nhất có thể khiến chúng tôi trở thành tâm điểm chú ý của công chúng. Hãy tạo một đồ hoạ thông tin (infographic) dựa trên báo cáo này để giúp nhân viên của chúng tôi bảo đảm tuân thủ tất cả các quy định mới. Sử dụng bộ hướng dẫn phong cách (style guide) và màu sắc thương hiệu của chúng tôi để thiết kế infographic này.
Trong chế độ này, AI thường sẽ đặt các câu hỏi làm rõ trước khi bắt đầu. Trong ví dụ thứ hai, ChatGPT đã hỏi: “Bạn muốn cuộc rà soát (audit) này chỉ bao gồm các tài liệu công khai hay cả các tài liệu nội bộ?” Sau đó, nó đọc mọi mô tả học phần và tìm toàn bộ các đề cương môn học (syllabi).
Đây là một mẫu tổng quát hơn dành cho các câu hỏi nghiên cứu.
MẪU (TEMPLATE)
Hãy tạo một báo cáo nghiên cứu nhằm làm sáng tỏ, xem xét hoặc khám phá X. Đảm bảo phân tích các câu hỏi A, B và C, đồng thời bao gồm cả việc phân tích D và E. Bạn nên bắt đầu bằng một tổng quan phê phán về tài liệu nghiên cứu/ thực tiễn/ web, sau đó cung cấp một bản tổng hợp các ý tưởng then chốt, tranh luận, khái niệm hoặc nghiên cứu trường hợp cụ thể (case study) quan trọng, cùng với một khuyến nghị cuối cùng.
Dưới đây là các hướng dẫn cho quá trình nghiên cứu và viết.
Nguồn tư liệu và phạm vi (Sources and Scope)
– Sử dụng tư liệu từ các lĩnh vực F và G.
– Áp dụng phương pháp luận H.
– Tập trung vào các bài báo bình duyệt chuyên ngành (peer-reviewed journal articles)/ các thực tiễn tốt nhất/ các nghiên cứu đáng tin cậy/ các nguồn tư liệu từ tổ chức chính thống.
– Tìm kiếm các thiên kiến về ngành nghề/ phương Tây/ chính trị/ giáo dục/ giới tính trong các nguồn tư liệu.
– Tìm kiếm các nguồn mang tính toàn cầu thuộc ngôn ngữ/ văn hóa I.
Mục đích và khung phân tích (Purpose and Framework)
– Sử dụng K như một khung phân tích để hiểu các vấn đề này.
– Tập trung vào các ứng dụng và năng lực trong thế giới thực.
– Đặc biệt chú ý đến các hệ quả chính sách và việc ứng dụng trong chính quyền.
– Lưu ý mọi tiềm năng đối với L.
Đối tượng (Audience)
– Viết cho đối tượng là M nhằm đăng trên tạp chí N hoặc để nộp cho hội nghị O.
– Trình bày các phát hiện của bạn theo cách có liên quan đến P.
Giá trị của một mẫu (template) nằm ở chỗ nó có thể nhắc nhở bạn về những cách tận dụng chuyên môn của bản thân, đồng thời cũng gợi mở thêm các năng lực bổ sung có thể hỗ trợ cho chuyên môn đó. AI có thể đọc được nhiều ngôn ngữ hơn bạn và có thể làm lộ ra những thông tin ở những nơi mà bạn không có thời gian để tìm kiếm, hoặc thậm chí có thể vô thức mang định kiến khiến bạn không chú ý tới.
Nhận ra thiên kiến của con người là điều thiết yếu, và AI mang đến một cách thức mới để đối phó với chúng. Bạn có thể yêu cầu AI đọc những tác giả, dự án nghiên cứu, ngôn ngữ hoặc tạp chí mà bạn thường bỏ qua nhằm xem liệu trong đó có những góc nhìn liên quan đến ý tưởng của bạn hay không. Nếu bạn nhận ra thiên kiến trong chính cách suy nghĩ của mình (dù chỉ là thiên kiến mang tính chuyên ngành), bạn có thể yêu cầu AI bảo đảm rằng nó tìm kiếm vượt ra ngoài thiên kiến xác nhận của bạn, tức xu hướng chúng ta thích và dành nhiều thời gian hơn cho những điều phù hợp với quan điểm sẵn có của mình. Nếu bạn không nhận ra thiên kiến trong tư duy của bản thân, hãy yêu cầu AI đọc công trình của bạn và phân tích xem có những thiên kiến nào trong đó.
Năng lực AI mới này sẽ thay đổi hoạt động tìm kiếm, bao gồm cả cách sinh viên tìm trường học hoặc cách tìm ứng viên xin việc. Hiện nay, nếu bạn cần một máy hút bụi mới, bạn có thể lên Google tìm “máy hút bụi tốt nhất” rồi đọc vài bài đánh giá. Bạn cũng có thể tìm kiếm một vài từ khóa (lông thú cưng, nhẹ, bền, hay thời lượng pin). Sau vài giờ, một mẫu nào đó có thể dần hiện ra. Giờ hãy thử đưa tất cả những điều đó vào một CÂU LỆNH nghiên cứu chuyên sâu và yêu cầu AI đề xuất một sản phẩm phù hợp riêng với nhu cầu của bạn (nhưng nhớ yêu cầu một máy hút bụi hiện đang được bán). Việc mua sắm sắp thay đổi, nhưng các website cũng vậy, bao gồm cả website của bạn hoặc của khoa bạn (Algolia, 2024).
Hiện nay, các website được “tối ưu hóa cho công cụ tìm kiếm” (search engine optimized, hay SEO), nghĩa là chúng chứa những từ khóa để Google có thể tìm thấy. Chúng cũng được thiết kế để con người dễ điều hướng. Việc tìm kiếm bằng AI có thể dẫn đến sự tối ưu hóa cho các mô hình ngôn ngữ lớn (LLM optimization), có lẽ sẽ có nhiều văn bản hơn, vì AI có thể đọc nhiều hơn bạn. Ít nhất, bạn nên thử yêu cầu AI tạo một vài báo cáo: hãy thử với một lĩnh vực mà bạn hiểu rõ, nhưng cũng thử với một lĩnh vực mà dữ liệu phức tạp, đa dạng, và có lẽ vượt quá khả năng xử lý thông thường của con người.
Tác nhân nghiên cứu (Research Agents)
Chúng ta đã có khả năng tạo tài liệu bằng AI trong một thời gian ngắn. Những chức năng này có nhiều tên gọi khác nhau (artifacts trong Claude và canvas trong Gemini và ChatGPT), nhưng chúng đều cung cấp một cách để thoát khỏi cửa sổ trò chuyện. Ban đầu, bạn có thể yêu cầu AI tạo một đề cương môn học, nhưng văn bản chỉ đơn giản cuộn dài trong khung chat. Khả năng tạo ra một tài liệu riêng biệt thoạt nhìn có vẻ chỉ là một cải tiến nhỏ trong quy trình làm việc, nhưng việc có thể giữ phần trò chuyện ở một bên thực ra giúp thao tác dễ dàng và nhanh hơn nhiều. Cũng như những tiến bộ khác của AI, khi AI làm được nhiều việc hơn, nó đòi hỏi người dùng phải suy nghĩ tiếp nhiều hơn. Trong trường hợp này, việc đưa định dạng và bất kỳ quy chuẩn phong cách nào vào CÂU LỆNH ban đầu sẽ giúp cải thiện chất lượng kết quả.
Bước tiếp theo là tác nhân AI. Một chatbot AI có thể thực hiện nghiên cứu cho bạn và tạo danh sách, báo cáo hoặc mã lập trình, nhưng các tác nhân AI còn có thể thay mặt bạn hành động: chúng có thể sắp xếp tài liệu, chạy mã lập trình của bạn, giám sát thiết bị và xây dựng website cho bạn. Nếu bạn quen nghĩ AI như một chatbot, hãy hình dung tác nhân giống như một nhà thầu: nó có thể xử lý những vấn đề nhiều bước và trao đổi lại với bạn khi cần. Các tác nhân có thể quản lý quy trình làm việc, sử dụng đồng thời nhiều công cụ và biết khi nào cần chuyển đổi chúng với nhau. AI thông thường cho phép bạn làm việc với một cửa sổ tài liệu riêng biệt, còn tác nhân cho phép bạn tạo các kết nối hai chiều với bộ dữ liệu và những công cụ khác. Hãy yêu cầu một tác nhân xây dựng cho bạn một bài kiểm tra tương tác, một trò chơi, hay thậm chí cả một khóa học hoàn chỉnh (sẽ bàn thêm ở chương 15). CÂU LỆNH có thể đơn giản như: “hãy xây dựng một bài kiểm tra tương tác trên website để đánh giá nội dung A”.
Hãy yêu cầu một tác nhân AI tìm kiếm các bài báo mới trong lĩnh vực của bạn (vì vậy hãy bắt đầu với mẫu CÂU LỆNH ở trên). Nhưng cũng hãy yêu cầu nó tìm và tải xuống tất cả các tệp PDF của những bài báo đó rồi sắp xếp chúng thành các tệp tài liệu để bạn có thể đọc. Trước hết, điều này giải quyết phần lớn vấn đề “ảo giác” trong tổng quan tài liệu: với một tác nhân, bạn không chỉ nhận được thư mục tham khảo mà còn có cả các bài báo gốc. Thứ hai, một tác nhân cũng có thể thao tác ngay bên trong tài liệu: bạn có thể yêu cầu nó định dạng lại trích dẫn hoặc thay thế các trích dẫn cũ bằng những trích dẫn đã được cập nhật.
Các tác nhân đặc biệt hữu ích cho những nhiệm vụ phức tạp, nơi bạn vừa muốn AI có sáng kiến vừa muốn có các điểm kiểm tra trong quá trình làm việc. Giả sử bạn có nhiều bộ dữ liệu khác nhau. Bạn có thể bắt đầu bằng cách yêu cầu AI trích xuất một loại dữ liệu cụ thể từ mỗi bộ (đọc tất cả các báo cáo thường niên của các công ty trong Fortune 500 và lập danh sách những sản phẩm mới quan trọng nhất của họ dựa trên các tiêu chí này), thực hiện phân tích so sánh (phân loại các sản phẩm đó theo lĩnh vực và loại hình), rồi cấu trúc kết quả theo nhiều cách khác nhau (tạo một báo cáo xu hướng, ba danh mục đầu tư với các mức độ rủi ro khác nhau, và một công cụ trực quan cho phép tôi điều chỉnh các biến số này). Bạn có thể tìm thấy các liên kết đến nhiều CÂU LỆNH và trường hợp sử dụng khác trên website mới của chúng tôi.
CÂU LỆNH
Hãy tìm kiếm các ứng viên tiềm năng cho vị trí công việc A [đính kèm mô tả vị trí] và tạo một bảng với tên ở cột 1, địa chỉ email ở cột 2, ngày hoàn thành bằng tiến sĩ ở cột 3, v.v.
Đặc biệt chú ý tìm những ứng viên có đặc điểm B.
Hãy bảo đảm rằng các ứng viên tiềm năng có trình độ/chứng chỉ C.
Tải xuống CV của từng ứng viên tiềm năng và sắp xếp chúng vào tệp D.
Soạn một email cá nhân hóa từ E gửi tới từng ứng viên để mời họ ứng tuyển và nhấn mạnh lý do vì sao họ phù hợp với vị trí này.
Tạo một cách đơn giản để tôi có thể kiểm tra lại công việc của bạn trước khi gửi các email đó.
Các agent mở rộng những câu hỏi đã được đặt ra từ trước: Bạn có thể tự động hóa, tinh giản hoặc mở rộng quy mô nghiên cứu của mình ở đâu? Bạn sẽ kiểm tra sự thiên kiến và độ chuẩn xác bằng cách nào? Và bạn cần minh bạch đến mức nào về những quy trình mới này?
Socrates hiểu nỗi lo của bạn: “Chúng dường như nói chuyện với anh như thể chúng thông minh, nhưng nếu anh hỏi chúng bất cứ điều gì về điều chúng nói vì mong muốn được chỉ dạy, chúng sẽ cứ lặp đi lặp lại đúng một điều mãi mãi”. Ông đang nói về chữ viết. Nếu có gì khác, thì AI còn khuếch đại nỗi bất an này: chúng ta sẽ có ngày càng nhiều từ ngữ, bản tóm tắt, phân tích và nghiên cứu hơn, nhưng lại tách rời khỏi tư duy thực sự của con người. Chúng ta phải luôn cảnh giác, nhưng khó có thể quay trở lại thời thẻ mục lục giấy (card catalogue).
Khi bạn cân nhắc những chiến lược có thể áp dụng cho nghiên cứu của mình, hãy liên hệ với các tạp chí mà bạn hy vọng sẽ công bố bài viết hoặc với hiệp hội chuyên ngành của bạn. Hãy hỏi các biên tập viên để xin hướng dẫn về việc sử dụng AI trong các bản thảo mà họ xem xét. Tạp chí đó có cho phép sử dụng AI hay không, và nếu có thì những chiến lược nào được khuyến khích, còn những chiến lược nào bị cấm? Bạn cần minh bạch đến mức nào về việc sử dụng AI khi nộp bản thảo? Việc dùng AI có ảnh hưởng tiêu cực đến quá trình bình duyệt chuyên ngành (peer review) của bài viết hay không? Như một bài viết trên Nature nhấn mạnh (Kwon, 2025a), ngay cả trong cùng một lĩnh vực nội dung vẫn tồn tại sự bất đồng đáng kể về mức độ chấp nhận việc sử dụng AI cho nghiên cứu. Việc hỏi trước sẽ giúp giảm bớt lo lắng, bảo đảm bạn tuân thủ quy định, tránh những tổn hại có thể xảy ra đối với sự nghiệp và uy tín của mình, và thậm chí có thể khiến bạn cân nhắc lựa chọn một tạp chí khác.
AI khó có khả năng loại bỏ công việc của bạn hay khiến hoạt động nghiên cứu của bạn trở nên không cần thiết, nhưng nếu được sử dụng đúng cách, nó có thể thay đổi quy trình làm việc và mở rộng những gì bạn có thể làm được. Giờ đây, bạn có thể kiểm nghiệm ý tưởng và nhận phản hồi nhanh hơn: các chuyên gia có thể sử dụng AI ở cả đầu và cuối quy trình làm việc để tăng năng suất và chất lượng. Liệu tốc độ gia tăng này có thúc đẩy các khám phá khoa học và thậm chí nâng cao yêu cầu để đạt tenure (biên chế/chức danh lâu dài trong học thuật), hay nó chỉ làm suy giảm chất lượng nghiên cứu? Liệu bạn sẽ làm việc hiệu quả hơn, hay tạo ra công trình tốt hơn? Bạn sẽ cần tự thử nghiệm để tìm ra câu trả lời.