Phán đoán tối thiểu trước khi giao việc

Sơ đồ

Phán đoán tối thiểu trước khi giao việc

Ba câu hỏi trước khi giao việc
Vấn đề có đáng để AI làm không?Việc này nằm trong tầm của AI chưa, và đánh đổi về thời gian, chi phí có xứng không?
AI cần biết gì để làm tốt?Tập thông tin nhỏ nhất vẫn đủ để làm đúng: bối cảnh, ví dụ, ràng buộc.
Nếu sai thì thiệt hại gì?Ai chịu, bao nhiêu, và ai kiểm trước khi kết quả đi ra ngoài.

Khi nào dùng, khi nào không

Nên dùng khi

Dùng như phép soát nhanh trước mỗi lần giao việc mới cho AI, khi chưa cần dựng cả quy trình. Câu 1 dẫn sang Ma trận giao việc cho AI nếu cần chấm kỹ, câu 2 sang Gói ngữ cảnh năm thành phần, câu 3 sang Thang kiểm chứng năm bậc.

Không nên dùng khi

Ba câu hỏi là cách gom của site từ ba khung chi tiết hơn; không nguồn nào đề ra đúng bộ ba này, và “phán đoán tối thiểu” là nhãn của site. Với việc có hệ quả lớn, ba câu không thay được ma trận giao việc và thang kiểm chứng.

Cách áp dụng từng bước

Đáng giao không: (Anthropic, 2024) khuyên tìm giải pháp đơn giản nhất và nói hệ thống dùng AI thường đổi thời gian chờ và chi phí lấy chất lượng, nên cần cân nhắc khi nào đáng; (Dell'Acqua et al., 2023) cho thấy AI giúp ở việc trong tầm của nó và làm hỏng việc ngoài tầm.
Cần biết gì: (Anthropic, 2025) khuyên tìm tập thông tin nhỏ nhất mà vẫn đủ để mô hình làm đúng; nhỏ không có nghĩa là ngắn.
Sai thì sao: chi phí của hệ quả là một tiêu chí để chọn mức tự động hoá ((Parasuraman et al., 2000)).

Cạm bẫy

Cạm bẫy

Trả lời câu 3 bằng “chắc không sao”. Trong Mata v. Avianca, thiệt hại là hồ sơ nộp toà có vụ án giả và khoản phạt 5.000 đô la Mỹ ((Mata v. Avianca, Inc., 2023)).

Nguồn

Tài liệu tham khảo

Xếp A–Z theo họ tác giả, kiểu Harvard. Nguồn có DOI thì link https://doi.org/…; nguồn không có DOI thì link trang nguồn hoặc ghi rõ không có DOI.

Anthropic (2024) Building effective AI agents. Anthropic Research.Không có DOIanthropic.com Được trích trong 6 bài
Anthropic (2025) Effective context engineering for AI agents. Anthropic Research.Không có DOIanthropic.com Được trích trong 4 bài
Dell'Acqua, F. et al. (2023) Navigating the jagged technological frontier: field experimental evidence of the effects of AI on knowledge worker productivity and quality. (Harvard Business School Working Paper No. 24-013).doi:10.2139/ssrn.4573321 Được trích trong 2 bài
Mata v. Avianca, Inc. (2023) 678 F. Supp. 3d 443 (S.D.N.Y. 2023), No. 22-cv-1461, Opinion and Order on Sanctions, 22 June 2023.Không có DOInhd.uscourts.gov Được trích trong 3 bài
Parasuraman, R., Sheridan, T.B. and Wickens, C.D. (2000) ‘A model for types and levels of human interaction with automation’, IEEE Transactions on Systems, Man, and Cybernetics, Part A: Systems and Humans, 30(3), pp. 286–297.doi:10.1109/3468.844354 Được trích trong 2 bài

Liên kết ngược

Ma trận giao việc cho AIKhi giao việc cho nhóm có AI hỗ trợ, trưởng nhóm nên để AI làm hết, để AI nháp rồi người duyệt, hay giữ cho người làm, tuỳ theo độ rủi ro và độ mơ hồ của việc?
Gói ngữ cảnh năm thành phầnKhi một nhóm giao cùng loại việc cho AI mỗi tuần (soạn báo cáo, trả lời khách, tóm tắt cuộc họp), nên chuẩn bị sẵn gói thông tin nào để kết quả khỏi chung chung và khỏi viết lại yêu cầu từ đầu?
Thang kiểm chứng năm bậcTrước khi ký, gửi hay đăng một bản nháp do AI soạn, người quản lý nên soát những lớp nào, từ sự kiện đến người chịu trách nhiệm cuối cùng?

Sơ đồ