Hướng dẫn sử dụng AI dành cho các chuyên gia lĩnh vực Nhân văn

Các chuyên gia nhân văn không nhất thiết phải là người tạo ra bước ngoặt của thế giới, nhưng họ chính là người phải chịu hệ quả từ những thay đổi ấy.

Đôi lúc, những người bán khóa học AI lại biến AI thành phép thuật: chỉ cần một câu lệnh thần kỳ là làm được mọi thứ. Thực tế thì phức tạp hơn rất nhiều. Từ khi sáng lập FUNES, chúng tôi đã dựa vào AI trong sản xuất nội dung mỗi ngày. Với các dự án như Fuyou Tiandi và bài viết cá nhân, sức người không còn đủ. Vì vậy, chúng tôi đã tìm hiểu sâu về cách AI hỗ trợ thị trường nội dung và nghiên cứu nhân văn.

Khi có đồng nghiệp mới, tôi làm một bản Keynote đơn giản. Nghe vậy, Jia Xingjia mời tôi trình bày. Tôi và Keda đặt tên buổi nói chuyện là “Hướng dẫn sử dụng AI cho chuyên gia nhân văn”. Ban đầu chỉ là buổi nội bộ về nguyên tắc chung, sau đó chúng tôi mở rộng và hoàn thiện.

Tài liệu này chưa từng công bố cho đến năm nay, khi chúng tôi ra mắt Shishufeng cùng Chongqing và lần đầu chia sẻ trọn vẹn. Nội dung dưới đây được biên soạn lại từ podcast “Hướng dẫn sử dụng AI cho chuyên gia nhân văn”, có AI hỗ trợ và rút gọn. Để nghe bản đầy đủ, truy cập website chính thức hoặc tìm “Shishufeng” trên Yuzhou hay Apple Podcasts.

Mã QR Xiaoyuzhou

Năm qua, tôi đã chia sẻ kinh nghiệm dùng AI với nhiều đồng nghiệp làm nội dung, nghiên cứu và phát triển tri thức. Mục tiêu không phải dạy vài câu lệnh thần kỳ hay biến AI thành giải pháp vạn năng. Đó là một phương pháp luận – cách tích hợp mô hình ngôn ngữ lớn vào viết, nghiên cứu, biên tập, chọn đề tài, tổ chức dữ liệu và quy trình sản xuất, không cần lập trình, vẫn đảm bảo truy vết, giám sát và xác thực để bạn luôn tự tin ký tên vào sản phẩm.

Cách làm này xuất phát từ thực tế: khi sản xuất nội dung mở rộng, sức người không đủ; giao hết cho AI lại dễ sinh lỗi, cắt xén, văn phong máy móc. Chúng tôi phải biến sáng tạo thành dây chuyền, dây chuyền thành hệ thống lặp.

Thay vì liệt kê câu lệnh, tôi muốn chia sẻ những nguyên tắc cốt lõi.

Trước khi vào nguyên tắc: Ba tiêu chuẩn nền tảng

Trước khi nói về phương pháp, cần xác lập ba tiêu chuẩn. Đây là yếu tố quyết định cả “cách bạn dùng AI” và “vì sao bạn dùng như vậy”.

Quy trình phải truy vết, giám sát và xác thực được

• Không thể chỉ quan tâm kết quả mà bỏ qua quá trình. Với ngành nhân văn, “hộp đen” là nguy hiểm nhất: ảo giác, trích dẫn sai, lệch khái niệm đều sinh ra từ đây.

Phải kiểm soát được

• Bạn cần điều khiển cách AI làm việc, tiêu chuẩn nào, chỗ nào cần chậm, chỗ nào phải nghiêm. Đây là sản xuất, không phải trò may rủi.

Bạn phải sẵn sàng ký tên

• “Tôi có ký tên vào sản phẩm này không?” là kiểm tra cuối cùng. Nếu không, nguyên nhân thường không phải đạo đức – mà vì ý định của bạn không được thực thi, chất lượng không đảm bảo.

Nguyên tắc 0: Đừng cầu nguyện với AI – hãy xem nó như bàn làm việc

Nhiều người coi AI như máy ban điều ước:

“Cho tôi một câu chuyện cười hay”, “Viết cho tôi một bài báo tốt”, “Giải thích bài báo này”.

Nhưng “giải thích” có vô số nghĩa: cho người ngoài ngành, sinh viên, học viên cao học hay đồng nghiệp. AI không thể tự biết nền tảng, mục tiêu, sở thích, tiêu chuẩn của bạn. Nếu bạn không chỉ rõ, AI sẽ chọn đường dễ nhất.

Coi mô hình lớn là bàn làm việc nghĩa là: đừng đòi sản phẩm hoàn chỉnh, hãy dùng AI như công cụ cho quy trình. Làm rõ chủ thể, tiêu chuẩn, các bước.

Ví dụ, yêu cầu AI giải thích một bài báo

Chuyển câu lệnh cầu nguyện (“giải thích bài báo này”) thành nhiệm vụ bàn làm việc:

• Xác định đối tượng: sinh viên cao học thông minh, tò mò nhưng không chuyên ngành

• Xác định phong cách giải thích: định hướng, từng bước, học thuật nghiêm túc

• Xác định cấu trúc: ý nghĩa, bối cảnh, quá trình nghiên cứu, điểm kỹ thuật then chốt, nhận định

• Xác định giọng điệu: tôn trọng, không kẻ cả, không mặc định kiến thức sâu

Càng giống “yêu cầu bài tập”, AI càng ít máy móc, càng giống trợ lý thực thụ.

Nguyên tắc 1: Để AI thành công, hãy tự phản tư – bạn chịu trách nhiệm

Nếu thuê một thư ký, bạn sẽ không chỉ bảo:

“Sửa bài của Han Yang về Rust Belt Mỹ.”

Bạn sẽ nói thêm:

Lý do có bài này, viết cho ai, bạn đang mắc ở đâu, vấn đề muốn giải quyết, phần cấm động, phong cách mong muốn, điều quan trọng nhất.

AI cũng vậy. Xem AI như đồng nghiệp chăm chỉ, lịch sự nhưng không biết các giả định ngầm. “Prompt engineering” thực chất là trách nhiệm: nhiệm vụ vẫn của bạn, AI chỉ hỗ trợ.

Khi không hài lòng với kết quả AI, bước đầu tiên không phải “AI sai”, mà là:

• Tôi đã rõ “đối tượng/mục tiêu/mục đích” chưa?

• Tôi đã cung cấp đủ bối cảnh, ràng buộc chưa?

• Tôi đã chuyển “ước muốn trừu tượng” thành “bước hành động” chưa?

• Tôi đã đưa ra tiêu chuẩn đánh giá chưa?

Nguyên tắc 2: Hỏi ít nhất ba mô hình – mỗi AI có “tính cách” và thế mạnh riêng

Ở công ty tôi, tôi khuyến khích người mới hỏi cùng một câu với ba AI khác nhau. Giống con người, AI có điểm mạnh: AI này viết tốt, AI kia lý luận tốt, AI khác giỏi code, dùng công cụ. Ngay cả các mô hình cùng hãng, phiên bản mới cũng đổi “phong cách”, “giới hạn”.

Thói quen đơn giản, hiệu quả: hỏi ít nhất ba AI cùng một câu, bạn sẽ thấy:

• AI nào viết tốt, AI nào lý luận tốt, AI nào tìm kiếm tốt, AI nào hay cắt xén

• AI nào hợp bản nháp đầu, AI nào hợp kiểm duyệt

• AI nào mạnh “chủ đề/cấu trúc”, AI nào mạnh “đoạn/văn câu”

Giá trị không phải chọn “mô hình mạnh nhất”, mà là quản lý AI như đội nhóm – không phải một nhà tiên tri duy nhất.

Nguyên tắc 3: AI không toàn tri – xem nó như “sinh viên giỏi”

Kỳ vọng thực tế:

 Kiến thức phổ thông của AI ≈ sinh viên đại học hàng đầu.

Nếu nghĩ “ngay cả sinh viên giỏi cũng không chắc biết”, hãy mặc định AI cũng vậy – hoặc sẽ “giả vờ rất thuyết phục” khi không biết.

Điều này dẫn đến hai hành động:

Bạn phải dạy AI mọi thứ ngoài kiến thức phổ thông

• Ví dụ: muốn truyện cười, slogan độc đáo, lập luận chuyên sâu? Đừng chỉ nói “cho tôi cái hay”. Hãy đưa ví dụ, tiêu chuẩn, vùng cấm, tài liệu nguồn. Nếu bạn phải giải thích cho bạn bè thế nào là bài viết hay, AI cũng không tự biết.

Xem AI như thực tập sinh, không phải thần thánh

• AI có thể dựng khung, kết nối tài liệu thành văn bản dễ đọc. Nhưng “khung” và “định hướng” vẫn là của bạn.

Nguyên tắc 4: Dẫn dắt AI từng bước – trắng rõ, đa bước đáng tin hơn hộp đen, một bước

Thế mạnh của AI không phải “đáp án đúng ngay”, mà là hoàn thành chắc chắn từng bước nhỏ trong quy trình. Bạn càng đòi hỏi “kết quả một bước”, AI càng dễ cắt xén.

Ví dụ: chuyển văn bản thành giọng nói (TTS) hay kịch bản thuyết minh. Thay vì “chú ý chữ đa âm, đừng đọc sai”, hãy chia nhỏ nhiệm vụ:

• Đánh dấu ngắt nghỉ/nhấn mạnh/nhịp điệu

• Nhận diện chữ đa âm có thể xuất hiện

• Đối chiếu với từ điển hoặc nguồn uy tín

• Đánh dấu trước chữ dễ nhầm

• Khi cần, thay bằng từ đồng âm rõ nghĩa

Con người mặc định làm các bước này, AI thì không. Nếu bạn không chỉ rõ, AI sẽ chọn đường dễ.

Nguyên tắc 5: Chuẩn hóa trước khi AI hóa – không thể nhảy từ cảm hứng sang tự động

Nếu quy trình viết hay nghiên cứu ngẫu hứng, rời rạc, AI không giúp được. AI chỉ xử lý được thứ “có thể mô tả, lặp lại”.

Lộ trình thực tế:

• Đầu tiên, biến việc thành dây chuyền: chia nhỏ, tái sử dụng, kiểm soát chất lượng

• Sau đó mới giao từng bước nhỏ cho AI: để AI là trạm làm việc, không phải thần thánh

Chúng tôi từng phân tích quy trình viết phi hư cấu, gồm:

• Vì sao mở đầu bằng câu chuyện này

• Vì sao chọn câu này

• Đánh giá ví dụ ra sao

• Chuyển đoạn, kết luận thế nào

• Kết nối chuyện nhỏ với tổng thể ra sao

Cuối cùng chia thành hàng chục bước, mỗi AI phụ trách một phần. Kết quả:

 Mô hình không mạnh lên ngay, nhưng quy trình đã kết nối khả năng “tích lũy từng bước”.

Khi mô tả rõ “bài viết làm thế nào”, bạn sẽ thấy: trần chất lượng không nằm ở “dùng mô hình nào”, mà ở quy trình rõ ràng không.

Một số bước mẫu từ thử nghiệm dây chuyền sản xuất của chúng tôi

Tôi khuyên hãy nghe chương trình để biết chi tiết.

Nguyên tắc 6: Dự đoán AI cắt xén – AI tiết kiệm tài nguyên, bạn cần loại bỏ rào cản định dạng

AI có xu hướng cắt xén: tránh mở web thì tránh, bỏ qua PDF thì bỏ qua. Không phải ác ý – do giới hạn tài nguyên, AI chọn đường dễ nhất.

Vai trò của bạn: tập trung tài nguyên AI vào “hiểu nội dung”, không phải “xử lý định dạng”.

Chiến lược hiệu quả:

• Đổi tài liệu sang văn bản thuần hoặc Markdown trước khi nhập

• Sao chép web thành văn bản sạch (bỏ điều hướng, quảng cáo, chú thích)

• Với tài liệu dài, trích xuất dữ kiện hoặc cấu trúc rồi mới nhờ AI viết

• Chuẩn hóa PDF/EPUB/web thành cơ sở dữ liệu TXT tìm kiếm được

Nhiều người ngại làm “việc tay chân”, nghĩ “máy phải làm”. Nhưng hợp tác người-AI thì ngược lại – bạn làm phần cơ học, AI thông minh hơn.

Nguyên tắc 7: Nhớ AI có giới hạn ngữ cảnh – ưu tiên nén, không mở rộng từ không

AI có “cửa sổ ngữ cảnh” – giới hạn bộ nhớ. Nhập 20.000 từ, AI chỉ giữ một phần; 200.000 từ, có khi chỉ đọc tiêu đề. Như nhốt ai đó với cuốn sách 200.000 từ một ngày rồi bảo kể lại – đó là “trí nhớ” của AI.

Một nhận định quan trọng:

Nén dễ hơn mở rộng

• Nén 1.000.000 từ còn 10.000 đáng tin hơn mở rộng 10.000 thành 1.000.000.

Điều này thay đổi cách làm việc:

• Đừng dùng câu lệnh 100 từ đòi AI viết nguyên bài

• Thay vào đó, nhập nhiều tài liệu nhất có thể (chia lô, dùng truy xuất RAG...), rồi nhờ AI nén thành cấu trúc, lập luận, nội dung chính

Khi viết, bạn cũng “đọc rộng → chắt lọc → tổ chức → viết”. Hãy yêu cầu AI như vậy – đừng đòi AI sáng tạo từ không.

Nguyên tắc 8: Đừng vội “tôi sẽ tự sửa” – hãy lặp lại quy trình, không phải kết quả

Người viết giỏi thường vấp ở AI:

AI cho bản nháp 59 điểm, nghĩ sửa lên 80, lại phải viết lại; viết lại xong, quyết định “tự làm”, bỏ AI.

Giải pháp không phải biên tập kỹ hơn, mà là điều chỉnh quy trình:

• Đừng kỳ vọng AI cho bản hoàn hảo 100

• Đặt mục tiêu dây chuyền ổn định ở mức 75–80

• Lặp lại quy trình để nâng điểm trung bình, thay vì hoàn thiện từng bản

Nguyên tắc 9: Xem quy trình như sản phẩm lặp – sự ổn định mới là giá trị

Một hệ thống cho ra bản nháp 70 điểm ổn định là có giá trị, không phải vì nó “giống bạn”, mà vì:

• Có bản nháp dùng được gần như miễn phí

• Tập trung cho quyết định cấp cao: chủ đề, cấu trúc, dẫn chứng, phong cách, đánh đổi

Bạn không cần bản sao toàn năng – chỉ cần “nhà máy” ổn định, dù chưa hoàn hảo.

Nguyên tắc 10: Ưu tiên số lượng – tạo nhiều rồi chọn lọc

Yêu cầu AI cho một bản sẽ chỉ ra mức trung bình. Hãy dùng số lượng để vượt trung bình.

Chiến thuật hiệu quả:

• Tóm tắt: yêu cầu 5 bản một lúc

• Mở bài: yêu cầu 5 bản, kiểm thử AB

• Chủ đề: yêu cầu 50 bản, rồi nhóm, chọn

• Cấu trúc: yêu cầu 3 bộ, rồi phối hợp

• Cách diễn đạt: yêu cầu 10 cách khác nhau, rồi chọn cách tốt nhất

Khi nâng điểm trung bình và số lượng, sẽ có “mẫu bất ngờ” đạt 85–90 điểm. Xuất sắc không phải thiên tài lóe sáng, mà là chọn lọc thống kê.

Nguyên tắc 11: Đừng ôm đồm – chỉ đạo như bếp trưởng: nếm, nhận xét, trả lại

Làm bếp trưởng không tự tay chuẩn bị mọi món. Bạn sẽ:

• Nếm thử

• Đánh giá đạt chuẩn chưa

• Góp ý rõ ràng (sai gì, sửa thế nào)

• Cho đầu bếp làm lại

Hợp tác với AI cũng vậy. Tôn trọng quy trình sinh nội dung – dạy AI tiêu chuẩn thay vì tự sửa từng đầu ra.

Nếu không, bạn sẽ kiệt sức vì “tối ưu từng chút”.

Nguyên tắc cốt lõi: Quay về thực tế – Vật liệu × Gu thẩm mỹ quyết định trần chất lượng

Thời đại AI, chất lượng công việc ngày càng phụ thuộc vào:

 Vật liệu × Gu thẩm mỹ.

Mô hình sẽ đổi, phương pháp sẽ tiến hóa, nhưng hai yếu tố này không đổi:

Vật liệu đến từ thực tế

• Giữa hai lựa chọn viết:

• Dùng mô hình mới nhất, chỉ có tài liệu mạng

Hoặc dùng mô hình cũ hơn, có kho lưu trữ, phỏng vấn, điều tra thực địa

• Thường phương án sau cho sản phẩm tốt hơn.

Gu thẩm mỹ đến từ luyện tập lâu dài

• Khi “tạo nội dung” rẻ, thứ khan hiếm là:

• Biết điều gì đáng viết

• Biết dẫn chứng nào vững chắc

• Biết câu chuyện nào cuốn hút

• Sẵn sàng tự thân vận động: nghiên cứu sâu, khảo sát thực tế

AI thay đổi hiệu suất và cách tiếp cận vật liệu, nhưng bạn là tác giả, vật liệu là chủ thể, AI chỉ là công cụ.

Đào sâu, thực tế để thu thập vật liệu nguồn

Kết luận: Biến lo lắng thành chuyên môn

Nhiều người gặp khó với AI không vì thiếu thông minh, mà vì mắc kẹt trong vòng lặp “ước – thất vọng – bỏ cuộc”. Đột phá đến từ coi AI như bàn làm việc, thiết kế nhiệm vụ, minh bạch quy trình và luyện chuyên môn qua thực hành.

Khi làm được, bạn sẽ ít nói “AI không dùng được”; bạn trở thành kiểu chuyên gia mới – biết quản lý công cụ mới, không tự cao, không thần thánh hóa, tích hợp AI vào quy trình, thực tế và sản phẩm mình tự hào ký tên.

Tôi là Hanyang. Nếu quan tâm bài viết của tôi, theo dõi trên X hoặc đọc trên blog cá nhân.

Tuyên bố:

1. Bài viết này đăng lại từ [HanyangWang]. Bản quyền thuộc về tác giả gốc [HanyangWang]. Nếu có thắc mắc bản quyền, vui lòng liên hệ đội ngũ Gate Learn. Đội ngũ sẽ xử lý theo quy trình.

2. Miễn trừ trách nhiệm: Quan điểm và ý kiến trong bài viết này hoàn toàn thuộc về tác giả, không cấu thành khuyến nghị đầu tư.

3. Các phiên bản ngôn ngữ khác do đội ngũ Gate Learn dịch. Trừ khi ghi rõ nguồn Gate, vui lòng không sao chép, phân phối hoặc đạo văn bản dịch.