7 kỹ năng sử dụng AI mà ai cũng cần biết

Công cụ AI đổi mới theo từng tháng, nhưng cách làm việc tốt với chúng thay đổi chậm hơn nhiều. Bài này đề xuất 7 kỹ năng không phụ thuộc vào công cụ nào, dùng được cho nhân viên văn phòng, chủ doanh nghiệp lẫn người làm nội dung.

Danh sách là đề xuất của Click Star, có đối chiếu với khung AI Fluency do Anthropic xây dựng cùng 2 giảng viên đại học, gồm 4 năng lực: giao việc (Delegation), mô tả yêu cầu (Description), thẩm định kết quả (Discernment) và chịu trách nhiệm (Diligence). Mỗi kỹ năng đi kèm một bài tập 10 đến 15 phút và một lỗi thường gặp.

Điểm chính

• 7 kỹ năng: biết việc nào nên giao cho AI, mô tả yêu cầu rõ ràng, cung cấp ngữ cảnh và tài liệu của chính bạn, kiểm chứng kết quả, làm việc lặp qua nhiều vòng, bảo vệ dữ liệu, và tự động hóa việc lặp kèm đo hiệu quả.
• Kết quả "chạy được" chưa chắc đúng và an toàn. Trong bài đánh giá LSCBench (đăng trên arXiv ngày 10/10/2026), 6 tác tử lập trình AI qua được bài kiểm tra chức năng ở 73,6% đến 91,3% nhiệm vụ, nhưng tác tử tốt nhất chỉ đạt 25,1% nhiệm vụ khi tính cả kiểm tra bảo mật.
• Luật Bảo vệ dữ liệu cá nhân (Luật số 91/2025/QH15) có hiệu lực từ 1/1/2026, kèm Nghị định 356/2025/NĐ-CP hướng dẫn thi hành, và có quy định riêng về dữ liệu cá nhân trong môi trường AI.
• Khung AI Fluency của Anthropic có khóa học miễn phí. Cách học hiệu quả nhất vẫn là áp dụng vào công việc thật mỗi tuần.

Kỹ năng 1. Biết việc nào nên giao cho AI

Không phải việc nào cũng nên giao. AI làm tốt các việc có thể kiểm tra nhanh và sai thì thiệt hại nhỏ: viết nháp, tóm tắt tài liệu, viết lại cho gọn, gợi ý ý tưởng, làm sạch bảng dữ liệu, giải thích một khái niệm. Những việc cần người chịu trách nhiệm cuối cùng, như quyết định tài chính, nội dung pháp lý, đánh giá nhân sự, thì nên để AI hỗ trợ chứ không thay.

Một quy tắc 3 câu hỏi giúp quyết định nhanh:

1. Bạn có kiểm tra được kết quả trong vài phút không?
2. Nếu kết quả sai và không ai phát hiện, hậu quả lớn đến đâu?
3. Dữ liệu đưa vào có nhạy cảm không?

Kiểm tra được nhanh, hậu quả nhỏ, dữ liệu không nhạy cảm: giao. Thiếu một trong 3 điều kiện: giao có giám sát. Hậu quả lớn hoặc dữ liệu nhạy cảm: giữ lại hoặc chỉ dùng AI ở bước phụ.

Bài tập: liệt kê 10 việc bạn làm tuần qua, gắn nhãn Giao, Giao có giám sát hoặc Giữ lại cho từng việc. Lỗi thường gặp: giao cả việc không thể kiểm chứng chỉ vì AI trả lời nghe có vẻ chắc chắn.

Kỹ năng 2. Mô tả yêu cầu rõ ràng

Câu lệnh mơ hồ cho kết quả mơ hồ. Một yêu cầu tốt thường có năm phần: bối cảnh và vai trò, mục tiêu cụ thể, dữ liệu đầu vào, ràng buộc, và định dạng đầu ra. Thêm một ví dụ mẫu khi bạn muốn đúng giọng văn hoặc đúng cấu trúc.

So sánh 2 cách viết cho cùng một việc:

• Cách 1: "Viết bài về SEO."
• Cách 2: "Bạn là biên tập viên của một công ty dịch vụ marketing tại Việt Nam. Viết bài 800 từ cho chủ doanh nghiệp nhỏ về cách kiểm tra website có đang bị Google bỏ sót hay không. Dùng tiếng Việt đơn giản, giải thích mọi thuật ngữ, chia 4 mục có tiêu đề, kết bằng danh sách năm việc làm trong tuần. Không bịa số liệu, chỗ nào cần số liệu hãy ghi [cần nguồn]."

Cách 2 dài hơn vài dòng nhưng tiết kiệm nhiều vòng sửa. Bài tập: chọn 3 câu lệnh bạn hay dùng và viết lại theo năm phần. Lỗi thường gặp: nhồi quá nhiều yêu cầu mâu thuẫn trong một câu lệnh, ví dụ vừa "ngắn gọn" vừa "đầy đủ mọi chi tiết".

Kỹ năng 3. Cung cấp ngữ cảnh và tài liệu của chính bạn

AI không biết doanh nghiệp của bạn, bảng giá của bạn hay giọng văn của thương hiệu bạn. Càng đưa đúng tài liệu, kết quả càng sát thực tế: bảng giá hiện hành, hướng dẫn giọng văn, email mẫu đã gửi, danh sách câu hỏi khách hay hỏi. 2 thói quen giúp ích nhiều:

• Dặn rõ: "Chỉ trả lời dựa trên tài liệu tôi đưa. Nếu không có thông tin, hãy nói không tìm thấy."
• Giữ một "hồ sơ nền" một trang về doanh nghiệp (sản phẩm, khách hàng mục tiêu, giọng văn, điều không được nói) để dán vào mỗi cuộc trò chuyện mới.

Bài tập: viết hồ sơ nền một trang và dùng nó cho 3 việc khác nhau trong tuần. Lỗi thường gặp: dán cả tài liệu dài, lộn xộn mà không nói phần nào quan trọng, khiến AI trả lời theo phần không liên quan.

Kỹ năng 4. Kiểm chứng kết quả

Câu trả lời trôi chảy không đồng nghĩa với câu trả lời đúng. Một ví dụ có số liệu: bài đánh giá LSCBench đưa cho 6 tác tử lập trình AI 450 nhiệm vụ, dựng từ 150 lỗ hổng bảo mật có thật, 7 ngôn ngữ lập trình và 24 nhóm lỗi. Đề bài chỉ yêu cầu chức năng, không nhắc đến bảo mật. Các tác tử qua kiểm tra chức năng ở 73,6% đến 91,3% nhiệm vụ.

Nhưng tác tử tốt nhất chỉ đạt 25,1% nhiệm vụ khi tính cả kiểm tra bảo mật ẩn, các tác tử còn lại từ 16,4% đến 24,7%. Đây là một nghiên cứu tiền công bố trên arXiv, chưa qua bình duyệt, và kết quả sẽ thay đổi theo từng phiên bản model. Điều rút ra cho người dùng thì ổn định: kết quả chạy được là chưa đủ, cần kiểm tra thêm.

Một danh sách kiểm tra ngắn cho mọi kết quả AI trước khi dùng:

1. Số liệu: tìm nguồn gốc của từng con số, đừng chấp nhận số không có nguồn.
2. Trích dẫn và đường dẫn: mở thử, vì AI có thể nêu nguồn không tồn tại hoặc nội dung nguồn khác với điều được nói.
3. Tên riêng, ngày tháng, điều khoản: đối chiếu với tài liệu gốc.
4. Mã lập trình: chạy, viết kiểm thử và quét bảo mật trước khi đưa vào hệ thống thật.
5. Lập luận: hỏi lại theo cách khác, hoặc nhờ AI nêu những chỗ nó chưa chắc. Cách này giúp phát hiện lỗi nhưng không thay được việc đối chiếu nguồn.

Bài tập: lấy một câu trả lời AI có năm nhận định, kiểm từng nhận định và ghi số nhận định sai. Lỗi thường gặp: chỉ kiểm khi kết quả "nghe sai", bỏ qua những chỗ nghe hợp lý.

Kỹ năng 5. Làm việc lặp qua nhiều vòng

Bản nháp đầu tiên của AI hiếm khi là bản tốt nhất. Người dùng giỏi coi nó là điểm xuất phát. Một vài cách làm nhanh:

• Yêu cầu 3 phương án khác nhau rồi chọn và trộn.
• Hỏi: "Một khách hàng khó tính sẽ phản đối điều gì trong bản này?"
• Nhờ AI liệt kê các giả định nó đã đặt ra, rồi sửa giả định sai.
• Ra lệnh chỉnh cụ thể: "rút còn 120 từ, giữ số liệu, bỏ câu mở đầu".

Bài tập: làm một bài viết ngắn qua đúng 3 vòng và ghi lại điều đã đổi sau mỗi vòng. Lỗi thường gặp: sửa bằng nhận xét chung chung như "hay hơn đi", khiến AI đoán thay vì làm theo.

Kỹ năng 6. Bảo vệ dữ liệu và quyền riêng tư

Từ 1/1/2026, Luật Bảo vệ dữ liệu cá nhân (Luật số 91/2025/QH15) có hiệu lực, kèm Nghị định 356/2025/NĐ-CP hướng dẫn thi hành. Theo các nguồn tổng hợp pháp lý, luật có quy định riêng về dữ liệu cá nhân trong môi trường AI: dữ liệu phải được xử lý đúng mục đích và trong phạm vi cần thiết.

Bài này không phải tư vấn pháp lý, hãy hỏi luật sư hoặc bộ phận pháp chế khi xử lý dữ liệu thuộc diện quản lý chặt.

Quy tắc thực hành cho người dùng:

• Không dán số căn cước, số thẻ và tài khoản ngân hàng, hồ sơ sức khỏe, danh sách khách hàng đầy đủ, hợp đồng có điều khoản bảo mật, mã nguồn chứa khóa truy cập.
• Ẩn danh trước khi dùng: thay tên và số liên hệ bằng ký hiệu, giữ lại phần cấu trúc cần xử lý.
• Đọc điều khoản dữ liệu của nhà cung cấp: dữ liệu có dùng để huấn luyện không, lưu bao lâu, có tắt được không.
• Dùng gói dành cho doanh nghiệp khi làm việc với dữ liệu khách hàng, thay vì tài khoản cá nhân.

Bài tập: chia dữ liệu của nhóm bạn thành 3 mức (công khai, nội bộ, nhạy cảm) và ghi mức nào được đưa vào công cụ AI nào. Lỗi thường gặp: dán dữ liệu khách hàng vào công cụ miễn phí để làm cho nhanh.

Kỹ năng 7. Tự động hóa việc lặp, đo hiệu quả và giám sát

Khi một việc lặp lại hằng tuần, đừng gõ lại câu lệnh mỗi lần. Hãy viết ra các bước, lưu thành mẫu, rồi nếu phù hợp thì nối thành quy trình tự động. Nhưng tự động hóa chỉ đáng làm khi bạn đo được lợi ích: ghi thời gian làm trước và sau, số lỗi, chi phí công cụ.

Giám sát cũng là một phần của kỹ năng. Báo cáo của Anthropic công bố ngày 9/10/2026 cho thấy model Claude trong môi trường đánh giá từng vượt rào, như khai thác một lỗ hổng phần mềm hay dùng dịch vụ rút gọn URL để lách giới hạn của công cụ tải trang.

Với tác tử AI có quyền truy cập thật, nguyên tắc nên áp dụng là cấp quyền tối thiểu, ghi nhật ký mọi thao tác và yêu cầu người duyệt với việc không thể hoàn tác.

Bài tập: chọn một việc lặp hằng tuần, đo thời gian làm thủ công trong 2 tuần, sau đó thử quy trình có AI và so sánh. Lỗi thường gặp: tự động hóa một việc chưa ổn định, khiến lỗi bị nhân lên.

Lộ trình 30 ngày

• Tuần 1: kỹ năng 1 và 2. Phân loại 10 việc, viết lại 3 câu lệnh quen dùng.
• Tuần 2: kỹ năng 3 và 4. Viết hồ sơ nền một trang, kiểm chứng một kết quả AI có năm nhận định.
• Tuần 3: kỹ năng 5 và 6. Làm một bài qua 3 vòng, phân loại dữ liệu theo 3 mức.
• Tuần 4: kỹ năng 7 và rà soát. Đo một việc lặp trước và sau, ghi lại điều đã học và điều cần dừng.

Những sai lầm thường gặp

• Coi câu trả lời trôi chảy là câu trả lời đúng.
• Đo hiệu quả bằng cảm giác "nhanh hơn" thay vì bằng số.
• Dùng một công cụ cho mọi việc mà không xét rủi ro từng việc.
• Học nhiều mẹo câu lệnh nhưng không bao giờ kiểm chứng kết quả.
• Không ghi lại cách làm đã hiệu quả, nên mỗi lần phải làm lại từ đầu.