Kiểm chứng câu trả lời của AI nghĩa là tách nội dung thành các nhận định kiểm được, xác định nhận định nào có rủi ro cao, rồi truy từng nhận định đó về nguồn gốc — văn bản pháp luật, bài báo khoa học, số liệu công bố của cơ quan thống kê, tài liệu của chính tổ chức liên quan. Câu trả lời AI chỉ được coi là bản đồ gợi ý chỗ cần tra, không phải nguồn.
Quy trình dưới đây gồm sáu bước, được thiết kế để tốn ít thời gian nhất cho phần ít rủi ro và dồn công sức vào phần nguy hiểm. Với một câu trả lời trung bình, phần lớn thời gian kiểm chứng rơi vào hai việc: kiểm trích dẫn và kiểm con số. Đó cũng là hai chỗ ảo giác hay nằm nhất.
Sáu bước, nhìn tổng thể
Trước khi đi vào chi tiết, đây là khung để bạn in ra hoặc dán cạnh màn hình:
- Tách nhận định: chia câu trả lời thành các mệnh đề đơn, mỗi mệnh đề đúng hoặc sai được.
- Phân loại rủi ro: đánh dấu mệnh đề nào là dữ kiện cụ thể, mệnh đề nào là diễn giải phổ biến, mệnh đề nào là ý kiến.
- Truy nguồn gốc: tìm tài liệu gốc cho từng dữ kiện cụ thể, không dừng ở trang tổng hợp.
- Kiểm trích dẫn và con số: xác minh sự tồn tại, rồi xác minh nội dung khớp.
- Đọc ngang để kiểm diễn giải: so với hai ba nguồn độc lập uy tín về mức độ đồng thuận.
- Ghi lại căn cứ: lưu nguồn đã kiểm cạnh nội dung sẽ dùng.
Sáu bước nghe nhiều, nhưng bước 1 và 2 thường chỉ tốn vài phút, và chúng quyết định bạn phải kiểm sâu bao nhiêu phần ở các bước sau. Người mới hay bỏ qua bước 2 rồi kiểm mọi thứ ngang nhau, hoặc tệ hơn, kiểm chỗ dễ và bỏ qua chỗ khó.
Bước 1–2: Tách nhận định và phân loại rủi ro
Câu trả lời của AI thường trộn nhiều lớp trong một đoạn văn trơn tru. Ví dụ, một đoạn về thủ tục góp vốn có thể chứa cùng lúc: một định nghĩa chung (rủi ro thấp), một trình tự bước (rủi ro trung bình), một thời hạn bằng số ngày và tên văn bản quy định (rủi ro cao), và một lời khuyên (không phải dữ kiện). Nếu bạn đọc lướt cả đoạn rồi thấy "có vẻ đúng", lớp rủi ro cao sẽ lọt qua nhờ lớp rủi ro thấp đứng cạnh.
Cách làm nhanh: chép câu trả lời sang tệp ghi chú, gạch chân mọi thứ có tên riêng, con số, năm, số hiệu, trích dẫn nguyên văn, và từ chỉ mức chắc chắn ("chứng minh", "luôn luôn", "bắt buộc", "đa số"). Đó là danh sách việc cần kiểm. Phần còn lại là diễn giải, chỉ cần đối chiếu mức đồng thuận ở bước 5.
Khi phân loại, gắn thêm yếu tố hậu quả: một năm sinh sai trong bài giới thiệu nội bộ khác hẳn một thời hạn khiếu nại sai trong thư gửi đối tác. Quy tắc thực dụng là rủi ro bằng khả năng sai nhân với cái giá của sai. Dữ kiện hiếm và hậu quả lớn thì kiểm tới nguồn gốc không ngoại lệ; dữ kiện phổ biến và hậu quả nhỏ thì đối chiếu một nguồn uy tín là đủ.
Bạn cũng có thể nhờ chính AI làm bước 1: yêu cầu nó liệt kê các nhận định dữ kiện trong câu trả lời trước kèm mức độ tự tin. Danh sách này hữu ích để không bỏ sót, nhưng mức tự tin nó tự chấm không đáng tin bằng đánh giá của bạn.
Bước 3: Truy nguồn gốc, không dừng ở nguồn thứ cấp
Nguồn gốc (primary source) là nơi thông tin được tạo ra lần đầu: văn bản pháp luật đăng trên cơ sở dữ liệu chính thức, bài báo khoa học trên tạp chí, báo cáo của cơ quan thống kê, báo cáo tài chính do doanh nghiệp công bố, thông cáo của chính tổ chức. Nguồn thứ cấp là bài báo, blog, bài tổng hợp nói lại nguồn gốc. Nội dung AI thường được tổng hợp từ cả hai loại, và lỗi của nguồn thứ cấp được mô hình hấp thụ rồi phát lại.
Với văn bản pháp luật Việt Nam, hãy tra tên và số hiệu trên cổng văn bản chính thức của cơ quan nhà nước, kiểm tình trạng hiệu lực và các văn bản sửa đổi, bổ sung. Mô hình hay trích bản đã bị thay thế vì bản cũ có nhiều tài liệu bàn luận hơn trong dữ liệu huấn luyện. Với số liệu kinh tế – xã hội, tra trang của cơ quan thống kê hoặc tổ chức quốc tế phát hành gốc, ghi lại kỳ số liệu và định nghĩa chỉ tiêu.
Với nghiên cứu khoa học, tìm bài gốc qua công cụ tìm kiếm học thuật hoặc tra mã DOI. Đọc ít nhất phần tóm tắt và phần kết quả: một kết luận được AI tóm tắt là "chứng minh" có thể trong bài gốc chỉ là "gợi ý" từ một mẫu nhỏ, hoặc chỉ đúng trên chuột thí nghiệm.
Nếu không tìm được nguồn gốc cho một dữ kiện sau một lượt tra hợp lý, hãy coi dữ kiện đó là chưa được kiểm chứng và không dùng, thay vì giữ lại vì "AI nói vậy".
Bước 4: Kiểm trích dẫn và con số — năm câu hỏi
Nó có tồn tại không? Tìm chính xác tên bài, sách hoặc văn bản trong cơ sở dữ liệu phù hợp. Tên tác giả có thật không chứng minh bài báo có thật; trích dẫn bịa thường ghép tên tác giả thật với tiêu đề hợp lý.
Thông tin thư mục có khớp không? Năm, tạp chí, số tập, trang, mã DOI phải cùng trỏ về một tài liệu. DOI dẫn tới một bài khác chủ đề là dấu hiệu bịa phổ biến.
Nội dung có nói điều được gán cho nó không? Đây là chỗ hay bị bỏ qua. Mở tài liệu, tìm đoạn liên quan. Nhiều trích dẫn "tồn tại" nhưng nói điều khác, hoặc nói điều ngược lại kèm điều kiện.
Con số có đúng đơn vị, kỳ, phạm vi không? Một tỷ lệ có thể đúng nhưng của năm khác, vùng khác, nhóm tuổi khác; một số tiền có thể là danh nghĩa thay vì thực. Ghi đủ ba thông tin: con số, kỳ, định nghĩa.
Có tính lại được không? Với con số AI tự tính (tăng trưởng, tỷ suất, tổng), hãy tính lại bằng bảng tính. Lỗi số học nhiều bước là loại lỗi rất phổ biến trong câu trả lời không dùng công cụ tính.
Bước 5: Đọc ngang để kiểm phần diễn giải
Phương pháp đọc ngang (lateral reading) được nhóm Stanford History Education Group mô tả qua nghiên cứu so sánh cách các chuyên gia kiểm chứng thông tin làm việc với cách sinh viên và học giả làm (Wineburg và McGrew). Thay vì đọc kỹ từ trên xuống một trang để đánh giá nó, người kiểm chứng giỏi mở nhiều thẻ mới để xem các nguồn khác nói gì về chủ đề và về chính nguồn đó. Áp vào câu trả lời AI, đọc ngang nghĩa là: với mỗi diễn giải quan trọng, tìm hai đến ba nguồn độc lập uy tín và xem chúng có đồng thuận không.
Điều cần tìm không chỉ là "đúng hay sai" mà là mức độ đồng thuận. AI hay trình bày một quan điểm trong tranh luận như thể là kết luận chung, hoặc ngược lại, dựng thế cân bằng giả giữa một đồng thuận mạnh và một quan điểm thiểu số. Bài tổng quan hệ thống, giáo trình chuẩn, hướng dẫn của hiệp hội nghề nghiệp là nơi tốt để thấy lĩnh vực thật sự đứng ở đâu.
Một mẹo tiết kiệm thời gian: dùng AI để tìm từ khoá. Hỏi nó các thuật ngữ chuyên ngành tương ứng bằng tiếng Anh, tên các trường phái hoặc tác giả chính, rồi tự đưa các từ khoá đó vào công cụ tìm kiếm học thuật. AI giỏi chỉ đường hơn là làm đích đến.
Dấu hiệu cho thấy câu trả lời cần kiểm kỹ hơn
Ngoài phân loại theo loại nhận định, một số đặc điểm hình thức của câu trả lời là tín hiệu nên tăng mức kiểm chứng. Không dấu hiệu nào chứng minh nội dung sai, nhưng mỗi dấu hiệu làm tăng xác suất có lỗi:
- Độ cụ thể bất thường: con số lẻ tới chữ số thập phân, ngày tháng chính xác, tên một chuyên gia ít ai biết, trong khi chủ đề vốn ít tài liệu. Mô hình bịa thường bịa rất cụ thể, vì văn bản cụ thể nghe đáng tin hơn.
- Trích dẫn quá khớp ý: một câu nói hay một kết quả nghiên cứu ủng hộ hoàn hảo đúng điều bạn hỏi. Thực tế tài liệu học thuật hiếm khi nói gọn gàng như vậy.
- Không có điều kiện, ngoại lệ: văn bản pháp luật, kết luận y khoa, quy định thuế hầu như luôn có điều kiện áp dụng. Câu trả lời không nhắc điều kiện nào là đã bị đơn giản hoá.
- Chủ đề địa phương hoặc rất mới: thủ tục ở một tỉnh, quy định vừa sửa đổi, tổ chức nhỏ. Lượng dữ liệu huấn luyện về những chủ đề này mỏng.
- Câu trả lời đổi khi hỏi lại: mở hội thoại mới, hỏi cùng câu; nếu dữ kiện thay đổi giữa các lần, không lần nào đáng tin.
- Địa giới hành chính cũ: từ giữa năm 2025, Việt Nam sắp xếp lại còn 34 tỉnh, thành và bỏ cấp huyện; mô hình huấn luyện trước đó sẽ dùng tên và cấp hành chính cũ một cách tự nhiên.
Khi gặp hai dấu hiệu trở lên trong cùng một đoạn, hãy coi cả đoạn là chưa kiểm chứng cho tới khi truy được nguồn gốc.
Bước 6: Ghi lại căn cứ và thiết lập quy ước nhóm
Kiểm chứng xong mà không ghi lại là làm hai lần. Với mỗi dữ kiện đã kiểm, lưu nguồn gốc (tên, số hiệu hoặc DOI, ngày truy cập, đoạn liên quan) ngay cạnh nội dung sẽ dùng. Khi đồng nghiệp hoặc cấp trên hỏi "số này lấy ở đâu", câu trả lời không bao giờ nên là "AI bảo".
Ở cấp nhóm hoặc doanh nghiệp, nên có quy ước đơn giản: nội dung nào có sự tham gia của AI thì đánh dấu; dữ kiện cụ thể trong tài liệu đối ngoại phải kèm nguồn gốc; người duyệt kiểm ngẫu nhiên một số trích dẫn thay vì tin toàn bộ. Quy ước này không nhằm hạn chế dùng AI, mà để AI được dùng nhiều hơn mà không tăng rủi ro.
Một chỉ báo tốt cho quy trình là tỷ lệ lỗi phát hiện được ở khâu duyệt. Nếu lâu rồi không ai phát hiện lỗi nào trong nội dung có AI tham gia, khả năng cao là khâu duyệt đã thành hình thức, không phải AI đã hết sai.
Câu hỏi thường gặp
Nhờ một AI khác kiểm câu trả lời của AI này có được không?
Có ích như một lớp sàng lọc, nhất là để phát hiện mâu thuẫn và gợi ý chỗ đáng ngờ. Nhưng các mô hình học từ dữ liệu chồng lấn nhau, nên có thể cùng sai một chỗ. Hai AI đồng ý không phải là hai nguồn độc lập. Dữ kiện quan trọng vẫn phải truy tới tài liệu gốc.
Kiểm chứng như vậy có làm mất lợi ích tiết kiệm thời gian của AI không?
Không nếu bạn phân loại rủi ro đúng. AI vẫn tiết kiệm phần lớn thời gian ở khâu hiểu chủ đề, lập dàn ý, diễn đạt. Thời gian kiểm chứng tập trung vào một số ít dữ kiện then chốt. Bỏ qua kiểm chứng chỉ chuyển chi phí sang sau, khi lỗi lộ ra trước khách hàng hoặc cấp trên.
Câu trả lời không có số liệu hay trích dẫn thì có cần kiểm không?
Vẫn cần ở mức diễn giải: kiểm xem quan hệ nhân quả có bị đơn giản hoá, mức độ chắc chắn có bị phóng đại, quan điểm có bị trình bày như đồng thuận không. Đọc ngang với giáo trình hoặc bài tổng quan uy tín là cách nhanh nhất cho loại nội dung này.
Làm sao kiểm nhanh một danh mục tài liệu tham khảo do AI tạo?
Dán từng tiêu đề trong ngoặc kép vào công cụ tìm kiếm học thuật hoặc tra DOI. Mục nào không ra kết quả khớp tên, năm và tác giả thì loại. Với mục tồn tại, đọc tóm tắt để xem nội dung có liên quan thật không. Tốt nhất là không xin AI danh mục tham khảo mà tự tìm từ cơ sở dữ liệu.
Khi nào có thể tin câu trả lời của AI mà không kiểm?
Khi sai sót dễ lộ và hậu quả nhỏ: gợi ý cách diễn đạt, ý tưởng tiêu đề, dàn ý sơ bộ, giải thích một khái niệm bạn đã nắm và chỉ cần nhắc lại. Khi nội dung sẽ đi ra ngoài dưới tên bạn hoặc tổ chức, hoặc dùng để ra quyết định có hậu quả, thì không có ngoại lệ.