Khoảng cách kiến thức về AI đang ngày càng lớn. Dưới đây là cách thu hẹp khoảng cách đó.

Kiến thức về AI là gì?

Am hiểu về AI là có khả năng hiểu cách thức hoạt động của AI đủ tốt để sử dụng nó hiệu quả, nhận ra các giới hạn và rủi ro của nó, đồng thời đưa ra các quyết định sáng suốt về kết quả đầu ra của nó. Khung kiến thức về AI của Digital Promise mô tả đây là sự kết hợp giữa hiểu, sử dụng và đánh giá.

Nhưng phần quan trọng nhất, điều phân biệt người mới bắt đầu với chuyên gia, chính là sự đánh giá. Đáng tiếc là phần này thường nhận được rất ít sự chú ý thực tế trong các chương trình đào tạo chính thống. Sau một buổi hội thảo hai giờ, hầu như bất kỳ ai cũng có thể sử dụng AI để tạo ra một phản hồi bóng bẩy cho một câu hỏi.

Nhưng việc am hiểu về AI có nghĩa là một người có khả năng nhận biết xem phản hồi đó có:

• Chính xác
• Hoàn thành
• Hiện tại
• Có liên quan
• An toàn để hành động

Tại sao kiến thức về AI lại quan trọng ngay lúc này

AI đã trở nên phổ biến rộng rãi, nhưng việc tìm kiếm sự hỗ trợ và đào tạo để học cách sử dụng nó hiệu quả lại khó khăn hơn.

• Khoảng 6,1 triệu người lao động Mỹ đang làm những công việc vừa có mức độ tiếp xúc cao với AI vừa có khả năng thích ứng thấp với sự chuyển dịch công việc, theo nghiên cứu gần đây từ Sam Manning, nghiên cứu viên tại Trung tâm Quản trị AI (Center for Governance of AI)
  
• 38% cho biết tổ chức của họ đã áp dụng AI, nhưng chỉ có 12% sử dụng hàng ngày, theo khảo sát Quý 4 năm 2025 của Gallup.

Khoảng cách đó, giữa việc tiếp cận AI và việc sử dụng tự tin, tạo ra cơ hội cho cả cá nhân lẫn doanh nghiệp để tạo lợi thế cho bản thân thông tin qua khóa đào tạo kiến thức về AI, không chỉ dừng lại ở việc học cách viết câu lệnh tốt hơn.

Đồng thời, McKinsey báo cáo rằng nhu cầu về sự thành thạo AI—khả năng sử dụng và quản lý các công cụ AI—đã tăng gần bảy lần từ giữa năm 2023 đến giữa năm 2025.

• Người sử dụng lao động rõ ràng nhậnthe thấy nhu cầu đào tạo kiến thức về AI.
• Người lao động muốn có được các skill.

Nhưng có những lo ngại khi việc áp dụng tối đa là thước đo thành công duy nhất. Mọi người có thể học cách sử dụng AI nhanh chóng, nhưng việc trở thành một người dùng cẩn trọng và thành thạo đòi hỏi thời gian và sự rèn luyện.

Đánh giá: skill quan trọng nhất

Nhiều chương trình đào tạo AI nhấn mạnh tầm quan trọng của việc đánh giá kết quả đầu ra, nhưng lại không dành nhiều thời gian (nếu có) để đề cập đến ý nghĩa thực sự của điều đó.

Trên thực tế, việc xác minh AI đòi hỏi ba hành vi chính:

• Đọc cẩn thận
• Đặt ra những câu hỏi hóc búa
• Dành thời gian để kiểm tra kỹ các nguồn, số liệu thống kê và tuyên bố.

Trước khi hành động theo thông tin AI cung cấp, hãy quyết định xem thông tin đó có đáp ứng các tiêu chí sau hay không:

• Nó có thể được truy xuất về một nguồn uy tín không?
• Nó có giữ được tính logic khi các bộ phận riêng lẻ được kiểm tra không?
• Nó có đủ hiện hành để có tính liên quan không?

Mặc dù văn bản do AI tạo ra có thể nghe có vẻ bóng bẩy và chuyên nghiệp, nhưng các sự thật có thể không chính xác. AI có thể bị “ảo giác” bằng cách tự bịa ra mọi thứ hoàn toàn (Đọc bài Cách phát hiện hiện tượng ảo giác của AI: 7 dấu hiệu cảnh báo), tìm thấy thông tin không chính xác hoặc chưa đầy đủ, hoặc hiểu sai những gì nó tìm thấy và đi đến kết luận sai lầm.

Để đánh giá bất kỳ kết quả đầu ra nào, hãy làm theo quy trình sau:

Truy xuất nguồn gốc → Xác minh → Quyết định.

Ví dụ, yêu cầu AI phác thảo một bản so sánh giá cả của đối thủ cạnh tranh. Để đánh giá kết quả:

• Mở mọi trang định giá (truy xuất nguồn gốc)
• Kiểm tra tên gói dịch vụ và giá cả (xác minh)
• Ghi lại những điểm AI làm sai hoặc bỏ sót, đồng thời thực hiện mọi điều chỉnh cần thiết (quyết định)

Dưới đây là một số ví dụ khác về cách đánh giá kết quả đầu ra của AI.

Tại sao hầu hết các khóa đào tạo AI không xây dựng được kiến thức

Chỉ trong vài năm, AI đã chuyển đổi từ một công nghệ chuyên biệt thành một chủ đề và công cụ phổ biến. Khi các nhà lãnh đạo doanh nghiệp và chính phủ đổ xô tìm kiếm tài nguyên đào tạo, các nhà cung cấp cũng đổ xô tạo ra chúng. Nhu cầu rất cao, nhưng chuyên môn thì mỏng, và chất lượng của các tài liệu có sẵn không phải lúc nào cũng theo kịp.

Kết quả là một màn kịch đào tạo chỉ lướt qua bề nổi của các chủ đề quan trọng, và cung cấp nội dung hướng dẫn một kích cỡ cho tất cả được trình bày như một sự kiện đơn lẻ. Hãy hoài nghi về các khóa đào tạo nơi:

• Trọng tâm là sự quen thuộc với các công cụ và cách viết câu lệnh (prompt). Loại hội thảo đó dạy cho học viên nhận thức, nhưng không phải sự nhạy bén có được từ việc phải hoàn thành các quy trình làm việc thực tế.
• Nội dung không đề cập đến những câu hỏi sâu sắc và quan trọng hơn về thời điểm nên sử dụng AI, khi nào không nên sử dụng, cách đánh giá kết quả đầu ra hoặc cách áp dụng các quy tắc của công ty vào các nhiệm vụ thực tế.
• Không có đủ thời gian thực hành, thiếu hướng dẫn cụ thể cho từng nhiệm vụ, và không có phản hồi về việc người tham gia đang làm như thế nào hoặc họ có thể cải thiện điều gì.
• Sự tham gia mới là mục tiêu, thay vì năng lực.

Phóng to

Làm thế nào để thực sự xây dựng kiến thức về AI

Để có kiến thức về AI, mọi người cần được đào tạo thực tế, theo từng vai trò cụ thể, yêu cầu họ hoàn thành các nhiệm vụ thực tế trong một quy trình làm việc thực tế. Và họ cần có thời gian dành riêng để làm việc đó.

1. Đào tạo thực hành mang lại sự thực hành thực tế giúp mọi người học những việc cần làm trong các tình huống khác nhau trong một môi trường rủi ro thấp. Khi việc đánh giá và sửa lỗi là một phần của quy trình làm việc, người tham gia sẽ học hỏi từ các thí nghiệm và sai lầm của chính họ cũng như của người khác. Bắt đầu bằng cách đăng ký một hoặc nhiều công cụ AI, ngay cả ở cấp độ miễn phí.
2. Đào tạo theo vai trò cụ thể là điều cốt yếu vì việc hiểu và đánh giá các kết quả đầu ra khác nhau đòi hỏi những skill khác nhau. Những người chưa từng tạo bảng tính pivot table sẽ gặp khó khăn trong việc biết liệu AI có làm ra một bảng tính tốt hay không, hoặc làm thế nào để ra lệnh cho nó làm tốt hơn vào lần sau. Điều tương tự cũng xảy ra đối với việc đánh giá các tài liệu pháp lý, hình ảnh cho trang web, bản tóm tắt nghiên cứu y tế gần đây hoặc bất kỳ kết quả đầu ra cụ thể nào đòi hỏi một số kiến thức nền tảng. Bắt đầu bằng cách xác định một số nhiệm vụ thường xuyên có thể thực hiện với AI.
3. Giao các nhiệm vụ thực tế giúp mọi người hiểu cách AI có thể hỗ trợ họ làm công việc của mình và xây dựng các skill cần thiết để sử dụng nó. Họ sẽ học được những nhiệm vụ nào phù hợp để AI tự thực hiện, nhiệm vụ nào cần sự giám sát chặt chẽ hơn, và điều gì luôn đòi hỏi sự phán đoán của con người, cũng như thời điểm và cách thức giữ cho dữ liệu khách hàng và công ty được bảo mật an toàn. Hãy nghĩ đến việc phân loại các nhiệm vụ theo mức độ cần con người xem xét lại. Ví dụ:

1. Thời gian được bảo vệ là phần cuối cùng cần thiết để xây dựng kiến thức về AI, ít nhất là lúc ban đầu. Mọi người đều bận rộn, điều này dường như luôn là lý do tốt để tiếp tục làm mọi thứ theo cách truyền thống thay vì dành thêm thời gian để thử sử dụng một công cụ mới. Giống như nhiều khoản đầu tư tốt, thời gian dành cho việc đào tạo sẽ mang lại kết quả xứng đáng một khi mọi người hiểu cách hợp tác tốt nhất với AI. Hãy dành ra một khoảng thời gian mỗi ngày hoặc mỗi tuần để thực hiện, dù là một mình hay với một nhóm.

Nơi để học

Có rất nhiều tài nguyên có sẵn trực tuyến cung cấp chương trình đào tạo nền tảng tốt. Hãy tìm những tài nguyên yêu cầu bạn viết và sửa đổi các câu lệnh, so sánh kết quả đầu ra, xác minh các tuyên bố, xác định bối cảnh còn thiếu và quyết định khi nào một câu trả lời cần con người xem xét lại. Dưới đây là một số nơi để bắt đầu:

• Đại học Công nghệ Chalmers cung cấp khóa học Working and learning with generative AI, một khóa học trực tuyến miễn phí kết hợp giữa tự học và các phiên trực tiếp tùy chọn. Các bài tập được thiết kế riêng cho các ngành nghề khác nhau, tập trung vào các nhiệm vụ thực tế và tiến triển từ việc sử dụng cá nhân hiệu quả đến ủy quyền nhiệm vụ.
• Khóa học Generative AI for Everyone của DeepLearning.AI là một lớp học trực tuyến do chuyên gia tiên phong về AI Andrew Ng hướng dẫn. Khóa học cung cấp cái nhìn tổng quan về AI tạo sinh, cách thức hoạt động và những gì nó có thể làm. Khóa học cũng cung cấp các bài tập thực hành để giúp bạn học các kiến thức cơ bản và nâng cao hơn.
• Perplexity.ai cũng có thể hỗ trợ loại hình đào tạo mà các tài nguyên này và bài viết này khuyến nghị: thực hành đặt câu hỏi thực tế, kiểm tra bằng chứng đằng sau các tuyên bố thực tế, so sánh các nguồn và tinh chỉnh công việc bằng sự xem xét của con người. Đối với kết quả nghiên cứu dựa trên web, kết quả đầu ra bao gồm các trích dẫn được liên kết giúp dễ dàng truy xuất các tuyên bố, số liệu thống kê và trích dẫn về nguồn của chúng. Ngoài ra, hãy truy cập Perplexity Academy để xem bộ sưu tập các video hướng dẫn ngắn về các chủ đề cơ bản như phương pháp hay nhất để viết câu lệnh, cũng như các chủ đề nâng cao hơn như tạo các quy trình làm việc có thể tái sử dụng cho các nhiệm vụ thường xuyên và kết nối Perplexity với các công cụ kinh doanh.

Để có thêm gợi ý về việc học cách đánh giá AI, hãy tải hướng dẫn của chúng tôi về việc thiết lập một khung cho sự tin cậy, tính chính xác và sự giám sát. Để có thông tin phù hợp với các ngành nghề và mục đích khác nhau, bao gồm các truy vấn mẫu cho các nhiệm vụ cụ thể, hãy khám phá tất cả hướng dẫn của chúng tôi tại đây.

Kiến thức về AI được xây dựng thông qua thực hành, trong các quy trình làm việc thực tế. Các buổi hội thảo có thể giúp khởi động mọi thứ, nhưng chúng không thể thay thế cho việc thực hiện công việc thực tế trong một công cụ AI, đánh giá kết quả đầu ra, sửa chữa sai sót và áp dụng sự phán đoán của con người. Với chương trình đào tạo thực tế, theo vai trò cụ thể để hoàn thành các nhiệm vụ có liên quan trong các phiên được bảo vệ, AI sẽ bắt đầu mang lại lợi nhuận ấn tượng.

Các câu hỏi thường gặp

Ý nghĩa của kiến thức về AI là gì?

Kiến thức về AI là khả năng hiểu, sử dụng, đánh giá và đưa ra các quyết định sáng suốt về các hệ thống AI và kết quả đầu ra của chúng. Điều đó vượt ra ngoài việc viết các câu lệnh thành công. Những người am hiểu về AI có thể nhận ra nơi AI hữu ích, bảo vệ thông tin nhạy cảm, kiểm tra các tuyên bố quan trọng, hiểu các giới hạn của một câu trả lời và biết khi nào con người phải đưa ra quyết định cuối cùng.

Ví dụ về kiến thức về AI là gì?

Một ví dụ về kiến thức về AI là sử dụng một công cụ AI để phác thảo phân tích đối thủ cạnh tranh, sau đó mở từng nguồn được trích dẫn để xác minh giá cả, tính năng sản phẩm, ngày tháng và các câu trích dẫn trước khi sử dụng phân tích đó trong bài thuyết trình bán hàng. Phần quan trọng nhất của kiến thức nền tảng là khả năng phát hiện những gì cần kiểm tra, xác thực nó dựa trên các bằng chứng đáng tin cậy, đồng thời sửa đổi hoặc loại bỏ các tuyên bố không có căn cứ.

Bốn trụ cột của kiến thức về AI là gì?

Các khung kiến thức về AI sử dụng các thuật ngữ khác nhau, nhưng một mô hình ba phần thiết thực là hiểu, sử dụng và đánh giá. Một người am hiểu về AI hiểu cách AI hoạt động và những điểm nó có thể thất bại, sử dụng nó hiệu quả cho các nhiệm vụ phù hợp, và có thể đánh giá kết quả đầu ra về độ chính xác, thiên vị, tính đầy đủ, tính kịp thời và rủi ro. Thường thì mô hình này cũng bao gồm khả năng tham gia có trách nhiệm bằng cách bảo vệ dữ liệu, quan tâm đến những người bị ảnh hưởng bởi việc sử dụng AI và duy trì trách nhiệm giải trình của con người. Đánh giá là phần quan trọng nhất, và là yếu tố phân biệt người dùng chuyên gia với người mới bắt đầu.

Làm thế nào tôi có thể cải thiện kiến thức về AI của mình?

Cải thiện kiến thức về AI bằng cách thực hành với công việc thực tế, có rủi ro thấp. Các hướng dẫn rất hữu ích, nhưng chúng không thể thay thế cho việc thực hành trực tiếp. Chọn một công cụ AI và một nhiệm vụ có thể lặp lại, chẳng hạn như tóm tắt tài liệu, nghiên cứu đối thủ cạnh tranh hoặc sắp xếp ghi chú. Sau đó, xem xét kỹ lưỡng kết quả đầu ra bằng cách truy xuất nguồn gốc thông tin đến từ đâu, xác minh các sự thật và trích dẫn quan trọng, đồng thời sửa chữa mọi lỗi sai. Theo thời gian, hãy hình thành thói quen quyết định nhiệm vụ nào AI có thể hỗ trợ, nhiệm vụ nào cần con người xem xét và nhiệm vụ nào nên do con người đảm nhận. Mục tiêu là sử dụng AI một cách tự tin, an toàn và với sự phán đoán sáng suốt.

Làm thế nào để bạn đánh giá kết quả đầu ra của AI?

Bắt đầu với những tuyên bố quan trọng nhất. Kiểm tra xem nguồn có tồn tại và hỗ trợ chính xác tuyên bố đó hay không. Xác nhận rằng tên, ngày tháng, sản phẩm và số liệu là chính xác và được trình bày đúng sự thật. Đảm bảo thông tin là hiện hành. Huy động một người đánh giá đủ điều kiện cho các quyết định pháp lý, y tế, tài chính, bảo mật, việc làm hoặc các quyết định có rủi ro cao khác. Các trích dẫn do AI tạo ra có thể làm cho quá trình diễn ra nhanh hơn, nhưng một trích dẫn vẫn nên được mở ra và kiểm tra.