Series learn AI from 0: Input → Black Box → Output - Tư duy “xương sống” giúp bạn làm việc với AI hiệu quả

Bài thứ hai trong series learn AI from 0 sẽ hơi thiên về mindset một chút ^^

Chuyện là hồi đầu tuần mình có join 1 buổi training về AI & Agent của chị sếp, và được nghe về mô hình Input → Black Box → Output.

Lúc đầu mình chỉ nghĩ: “Ờ, chắc là framework này chỉ để hiểu cách AI hoạt động thôi.”
Nhưng càng nghe lại, càng thấy nó thực ra là một mindset không chỉ giúp mình biết cách giao tiếp, đặt câu hỏi, và training AI đúng hướng, mà nó còn reflex cách mình tư duy và làm việc mỗi ngày luôn ^^

Siêu hay mà mãi đến hôm nay mới có thời gian viết ^^

Đây là một chiếc hình overview trước khi mình đi vào từng thành phần:

Oke hãy start từ thành phần đầu tiên nha ^^

I - Input (Đầu vào): Mọi thứ bắt đầu từ cách bạn “brief”

Nếu coi AI là cộng sự, thì Input chính là brief bạn gửi cho nó, để nó bắt đầu “nghĩ.

Đưa brief thôi, dễ mà có gì đâu, nhưng lại là thứ hầu hết mọi người (kể cả mình hồi đầu) đều làm hời hợt nhất 😅 xin chiếc ảnh của agencylife để minh họa

Khi input không rõ ràng, thì AI cũng chỉ đang “đoán xem bạn muốn gì” và kết quả thường sẽ rất lạc đề. Đó là lý do mà tại sao trong nhiều trường hợp bạn cứ thấy con AI trả lời hết sức ngu ngốc.

Vậy làm sao để có một input rõ ràng?

Một Input rõ ràng thường có 4 thành phần:

• Character (Vai trò): Bạn là ai, hoặc bạn muốn AI đóng vai gì.

• Request (Yêu cầu): Bạn cần AI làm gì, càng cụ thể càng tốt.

• Context (Ngữ cảnh): Tại sao bạn cần việc đó? Kết quả sẽ được dùng ở đâu?

• Adjustment (Điều chỉnh): Ghi chú thêm trong quá trình làm việc nếu AI đi sai hướng.

Khá giống framework RICECO mình có giới thiệu cho mọi người trong bài viết trước: Role (vai trò), Instruction (hướng dẫn), Context (ngữ cảnh), Example (ví dụ), Constraints (giới hạn), và Output Format (định dạng đầu ra).

Chỉ cần input cho AI đầy đủ những thứ này, kết quả bạn nhận được có thể sẽ tốt hơn gấp mấy lần rồi.

Khi đã có “một brief rõ ràng”, thành phần tiếp theo là “Black Box”.

II - Black Box (Hộp đen): Nơi “phép màu” xảy ra…

Đúng như tên gọi, Black Box là phần “bí ẩn” nhất - nơi AI xử lý những input từ bạn.

Thông thường, mọi người sẽ nghĩ Black Box = bộ não của AI, được huấn luyện trên dữ liệu lớn (Big Data). Điều đó đúng, nhưng mình lại đang thấy được một góc nhìn khác, bổ sung thêm.

“Black Box” không chỉ là trí tuệ của AI, mà còn là sự kết hợp giữa bộ não AI và bộ não của chính bạn - gồm những gì bạn đã học, đã rèn, và đã “cài cắm” vào AI trong quá trình tương tác với nó, bao gồm:

• Framework mà bạn biết và vận dụng (ví dụ: các mô hình 3C, STP trong Marketing, các framework làm việc với dữ liệu trong Data,… hay đơn giản là một quy trình nào đó bạn tích lũy được trong quá trình làm việc).

• Mindset mà bạn rèn luyện qua việc học, làm, và phản biện mỗi ngày.

• Guideline bạn đặt ra cho AI (nên tư duy thế nào, trình bày ra sao).

Có một câu mà mình thấy rất đúng:

ChatGPT chính là tấm gương phản chiếu trí tuệ của người dùng.

AI có thể suy luận rất logic, nhưng không có tư duy chủ quan. Nó không “biết” điều gì đúng, hay “muốn” làm gì, mà nó chỉ chỉ phản chiếu những gì mà bạn đã đưa vào thông qua phần input.

Nếu bạn tư duy có cấu trúc, đặt câu hỏi đúng, hiểu rõ framework, AI sẽ trở thành cộng sự cực mạnh. Còn nếu bạn mơ hồ, hỏi chung chung, AI chỉ nhân đôi sự mơ hồ ấy mà thôi.

Vì vậy mà muốn AI làm việc hiệu quả hơn, bản thân mình phải học nhiều hơn, nghĩ sâu hơn, rèn cách đặt câu hỏi, và feedback chính xác hơn.

Đây cũng chính là vòng lặp học hỏi (feedback loop) giữa người và AI:

Mỗi lần mình phản hồi, chỉnh lại prompt, hay chỉ ra phần nào chưa đúng, chính là lúc mình dạy lại cho AI cách hiểu mình hơn, và đồng thời rèn cho bản thân cách tư duy logic, có cấu trúc hơn. Càng luyện tập qua vòng lặp đó, cả người lẫn AI đều “thông minh hơn”, một bên học cách hỏi, một bên học cách trả lời.

Chính bản thân mình cũng nhận thấy con ChatGPT của mình trở nên thông minh hơn rất nhiều so với thời mình mới sử dụng nó :))) mình đoán chắc do mình đang trở nên thông minh hơn :)))

III - Output (Đầu ra): Tấm gương phản chiếu toàn bộ quá trình trước đó

Nếu Input là điểm khởi đầu, thì Output là đích đến. Nó là thứ bạn muốn AI làm ra: một đoạn text, một outline, một bảng dữ liệu, một kế hoạch,…

Maybe đọc đến đây bạn sẽ có thắc mắc giống mình.

Trong nhiều trường hợp tôi chẳng hình dung được rõ output mình muốn là gì thì phải làm sao?

Thật ra điều này rất thường gặp, đôi khi bạn chỉ biết “mình cần một bản báo cáo để gửi cho sếp” hoặc “mình cần visualize đống data này thành một cái dashboard”,... nhưng chẳng rõ chính xác nó nên trông thế nào.

Mình cũng đã hỏi câu này trong buổi training, và nhận được câu trả lời cũng hết sức thuyết phục:

Khi mình chưa hình dung được output thế nào, thay vì cố gắng ép AI tạo ra kết quả mơ hồ, có thể chuyển AI sang “research mode”:

• Yêu cầu AI liệt kê các ví dụ, tiêu chí hoặc framework liên quan để giúp bạn định hình Output.

• Sau khi có danh sách đó, chọn một ví dụ phù hợp và dùng lại làm Input mới cho prompt tiếp theo.

Ví dụ:

“Tôi chưa rõ layout của một Email Marketing Dashboard nên trông thế nào. Hãy cho tôi 10 ví dụ layout phổ biến, nêu rõ phần mục tiêu, nhóm chỉ số, visual chính của từng phần.”

Khi ChatGPT trả kết quả, bạn có thể chọn mẫu phù hợp nhất và tiếp tục prompt:

“Dựa theo layout số 3, hãy giúp tôi build dashboard tương tự nhưng tối ưu cho team Marketing của tôi.”

Đây chính là cách biến một Output chưa rõ thành một chuỗi Input có định hướng.

Ngoài ra bạn cũng có thể thử làm rõ ràng Output thông qua các thành phần:

• Type Output: bạn muốn nhận kết quả dưới dạng gì (text, bảng, outline,...)?

• Format: độ dài, mức chi tiết, phong cách trình bày?

• Example: nếu có ví dụ mẫu, hãy đưa để AI “bắt sóng” chính xác hơn.

Output tốt không tự nhiên xuất hiện. Nó là phản chiếu trực tiếp của hai phần trước: Input và Black Box.

Một Output tốt không chỉ là “câu trả lời hay”, mà là kết quả của việc:

• Bạn đã define rõ ràng Input

• Và bạn đã có một Black Box (framework, mindset, guideline) đủ tốt để xử lý nó

---

Sau mấy ngày ngẫm lại, mình nhận ra đây là tư duy gốc rễ để làm việc hiệu quả, không chỉ với AI mà với bất kỳ công việc nào.

• Nếu Input không rõ, bạn không biết mình có gì → không ai (kể cả ChatGPT) có thể giúp bạn tạo ra kết quả tốt.

• Nếu Output không rõ, bạn không biết mình đang hướng đến điều gì, dù bạn có nỗ lực thế nào cũng sẽ lạc hướng

Rất nhiều lần mình thấy chính mình và cả đồng nghiệp bị stuck chỉ vì chưa define đủ rõ hai thứ này. Có lẽ thời gian tới mình sẽ thử define rõ ràng 2 yếu tố này trước khi nhận bất kỳ một task mới nào (kể cả marketing hay data) ^^

Cuối cùng, mở rộng một chút, bạn có thể tận dụng mô hình này thế nào?

Hãy bắt đầu nghĩ về công việc hằng ngày của mình như một “service” - chị sếp mình gọi là “Service-Oriented Mindset”.

Ví dụ đối với mình “Cung cấp bài viết giá trị trên Substack” là một service.
→ Trong đó có nhiều micro service nhỏ: research topic, viết content, tối ưu SEO,...

Khi chia nhỏ như vậy, việc define Input + Black Box + Output cho từng service trở nên cực kỳ rõ ràng. Khi mọi thứ rõ ràng rồi, mình có thể thử build Custom ChatGPT hoặc thậm chí là AI Agent để hỗ trợ mình trong từng service: 1 Custom GPT chuyên support viết bài, 1 AI Agent hỗ trợ mình trong việc research các nguồn tài liệu trên mạng và đề xuất idea,... nói chung là :)) rất nhiều thứ mình nghĩ bản thân có thể làm sau khi nắm được mindset này.

Tạm kết

Bài cũng đã khá dài, đọc được đến đây chắc cũng mệt lắm 🤣 mong là những gì mình sharing sẽ hữu ích cho bạn.

À nếu bạn hứng thú với một chương trình đào tạo về AI ứng dụng trong công việc một cách bài bản có thể thử tham khảo AI Professional Program mà công ty mình đang cung cấp nha ^^

Và đừng quên subscribe mình để nhận được email về các bài post mới nhất ^^

Chúc bạn có một cuối tuần vui vẻ!