Bỏ qua đến nội dung chính

Sử dụng AI minh bạch

📖 Nội dung bài học

Bạn sẽ học được gì

Thời gian ước tính: 30 phút

Sau bài học này, bạn sẽ có thể:

  • Nêu rõ các mối quan ngại về quyền riêng tư và đánh giá các công cụ AI dựa trên chính sách xử lý dữ liệu của chúng
  • Thực hành các chiến lược vệ sinh dữ liệu để làm việc an toàn với thông tin kinh doanh nhạy cảm

Vòng lặp Ủy thác – Cẩn trọng (Delegation-Diligence Loop)

(7 phút)

Ví dụ thực tế về vòng lặp Ủy thác – Cẩn trọng trong thực tế — quyết định điều gì nên giao cho AI và làm thế nào để minh bạch với khách hàng về việc sử dụng AI.

Vòng lặp Ủy thác ↔ Cẩn trọng

Vòng lặp ngoài bao trùm mọi tương tác với AI: bạn quyết định trước điều gì phù hợp để giao phó — đúng nhiệm vụ, đúng công cụ, đúng dữ liệu — và sau đó bạn chịu trách nhiệm về những gì nhận lại. Mô tả (Description) và Thẩm định (Discernment) thực hiện công việc ở giữa.

Mô tả (Description)Truyền đạt tầm nhìn để mô hình có thể hành động dựa trên đó.

Thẩm định (Discernment)Đánh giá những gì nhận lại — và chuyển tiếp đánh giá đó.

Ủy thác (Delegation)Quyết định điều gì đáng để giao cho AI ngay từ đầu.

Cẩn trọng (Diligence)Xác minh, ghi nhận và chịu trách nhiệm về sản phẩm cuối cùng.

Quyết định điều gì phù hợp để giao phó.

Hãy suy nghĩ kỹ ngay từ đầu: nhiệm vụ nào, công cụ nào, dữ liệu nào phù hợp để đưa cho AI — và điều gì nên giữ lại với bạn?

Giao phó →

Vòng lặp ngoài

Vòng lặp

← Xác thực

Chịu trách nhiệm về những gì nhận lại.

AI đã làm đúng chưa, và tôi có chịu trách nhiệm về kết quả không? Xác minh dựa trên những gì bạn biết, minh bạch về vai trò của AI và đứng sau kết quả.

Điểm chính cần ghi nhớ

  • AI đưa ra các cân nhắc mới về quyền riêng tư — một số công cụ sử dụng đầu vào của bạn để đào tạo các mô hình trong tương lai.
  • Chọn công cụ phù hợp với nhiệm vụ — dữ liệu nhạy cảm hơn đòi hỏi cài đặt quyền riêng tư nghiêm ngặt hơn.
  • Loại bỏ những gì không cần thiết — xóa các chi tiết nhận dạng trước khi chia sẻ dữ liệu với AI.
  • Nếu có sự cố xảy ra, hãy hành động nhanh chóng — xóa cuộc trò chuyện và yêu cầu xóa dữ liệu.
  • Xây dựng các phương pháp đã được xác thực, không phải sự tin tưởng mù quáng: ghi lại những gì hiệu quả để bạn có thể lặp lại vào lần sau.
  • AI có thể giúp ngay cả khi bạn không rành về dữ liệu — lên ý tưởng, công thức bảng tính và giải thích bằng ngôn ngữ đơn giản về số liệu của bạn.

Bài tập

Ba bài tập này chạy tuần tự: bạn sẽ chọn một phần dữ liệu kinh doanh thực tế, chuẩn bị nó một cách an toàn cho AI, sau đó đánh giá và chịu trách nhiệm về những gì nhận lại. Cùng nhau, chúng sẽ hướng dẫn bạn qua một vòng lặp Ủy thác – Cẩn trọng hoàn chỉnh với dữ liệu của riêng bạn.

Bài tập 1: Quyết định chia sẻ điều gì

Bước Ủy thác của bạn — quyết định dữ liệu nào phù hợp để đưa cho AI và dữ liệu nào được bảo vệ.

  1. Chọn một tài liệu thực tế từ doanh nghiệp của bạn mà bạn đã xem qua và có chút quen thuộc — báo cáo bán hàng, tóm tắt phản hồi khách hàng, danh sách kiểm kê, hoặc tương tự.
  2. Đọc qua và đánh dấu bất cứ điều gì bạn không muốn bị lộ ra ngoài doanh nghiệp — tên, thông tin liên hệ, thông tin thanh toán, giá độc quyền.
  3. Tạo một bản sao và xóa các chi tiết đó: thay thế tên bằng "Khách hàng A / Nhà cung cấp X", xóa các số liệu chính xác nếu không cần thiết, xóa hoàn toàn thông tin liên hệ.
  4. Trước khi mở AI, hãy dành vài phút để viết ra:
    • Bạn đang cố gắng đạt được điều gì? Hãy cụ thể — "hiểu lý do đặt chỗ lặp lại giảm trong quý trước" tốt hơn "phân tích dữ liệu bán hàng của tôi".
    • Bạn đã biết hoặc nghi ngờ điều gì từ việc tự xem dữ liệu này? Ghi lại 2–3 quan sát hoặc mẫu bạn đã nhận thấy.
    • Kết quả AI hữu ích sẽ trông như thế nào? Một bản tóm tắt? Các xu hướng cụ thể? Một danh sách các điểm bất thường?Đây là bản tóm tắt của bạn. Càng rõ ràng, việc đánh giá những gì nhận lại sẽ càng dễ dàng.

Bài tập 2: Xác thực với AI

Bạn đã xem dữ liệu này. Bây giờ hãy xem liệu AI có nhận ra những điều giống như bạn đã làm — và những gì nó bỏ sót.

Chia sẻ tài liệu đã được làm sạch của bạn và mục tiêu bạn đã xác định trong Bài tập 1 với AI. Yêu cầu nó nêu bật các mẫu hoặc phát hiện chính.

Sau đó, so sánh phản hồi của AI với ghi chú của riêng bạn:

  • Nó có nhận ra các mẫu bạn đã xác định không?
  • Nó có nêu bật điều gì bạn chưa từng nhận thấy không?
  • Nó đã bỏ sót hoặc làm sai điều gì mà bạn đã biết từ việc tự đọc?

Khoảng cách giữa những gì AI nhìn thấy và những gì bạn nhìn thấy là nơi mà sự phán đoán của bạn với tư cách là chủ doanh nghiệp không thể thay thế được.

Bài tập 3: Chịu trách nhiệm về kết quả

Áp dụng sự Cẩn trọng — đánh giá những gì nhận lại và quyết định những gì bạn thực sự sẽ sử dụng.

Đọc phản hồi của AI và trả lời ba câu hỏi:

  1. Độ chính xác: Có điều gì vượt quá những gì dữ liệu của bạn thực sự cho thấy không? Đánh dấu các số liệu, kết luận hoặc đề xuất cần kiểm tra lại với hồ sơ thực tế của bạn.
  2. Tính hữu ích: Bạn sẽ giữ nguyên điều gì, điều gì cần bạn chỉnh sửa, và điều gì bạn sẽ loại bỏ?
  3. Trách nhiệm giải trình: Đây có phải là thứ bạn sẽ ký tên vào — chia sẻ với khách hàng, sử dụng trong báo cáo, hành động dựa trên đó không? Nếu không, cần phải thay đổi những gì?

Mục tiêu nâng cao: Kế hoạch của bạn là gì nếu AI làm sai điều gì đó có ý nghĩa? Viết một câu về cách bạn sẽ phát hiện và sửa lỗi đó.

Suy ngẫm về bài học

  • Quyền riêng tư của AI so với cách bạn đã nghĩ về các phần mềm kinh doanh khác của mình như thế nào?
  • Bạn sẽ thay đổi điều gì trong cách chia sẻ dữ liệu kinh doanh với AI?
  • Loại dữ liệu nhạy cảm nào bạn cảm thấy quan trọng nhất cần bảo vệ, và kế hoạch của bạn cho nó là gì?

Tiếp theo là gì

Trong bài học tiếp theo, chúng ta sẽ kết hợp cả bốn khía cạnh của Khung 4D để tự động hóa một quy trình kinh doanh hoàn chỉnh từ đầu đến cuối.

Phản hồi

Khi bạn tiến bộ trong khóa học, chúng tôi rất mong nhận được phản hồi từ bạn về cách bạn đang áp dụng các khái niệm từ khóa học vào công việc của mình, cũng như bất kỳ phản hồi nào khác. Chia sẻ phản hồi của bạn tại đây.

Ghi nhận và giấy phép

Bản quyền 2026 Anthropic. Khóa học này được phát triển với sự hợp tác của PayPal, Prospect Butcher và MAKS Enterprises TIPM Rebuilders, dựa trên Khung Năng lực AI được phát triển bởi Giáo sư Rick Dakan (Ringling College of Art and Design) và Giáo sư Joseph Feller (University College Cork). Phát hành theo giấy phép CC BY-NC-SA 4.0.

Tóm tắt

Tóm tắt

Mak, CEO của MAKS Enterprises TIPM Rebuilders, chia sẻ cách anh ấy đã áp dụng vòng lặp Ủy thác – Cẩn trọng trong doanh nghiệp của mình — quyết định điều gì nên giao cho AI, cách minh bạch với khách hàng về việc sử dụng AI và những gì anh ấy cố tình giữ lại cho con người thực hiện.

🎬 Bản ghi video

Source video: E6lE7IHP4Y0

Không có transcript — xem phần nội dung bài học bên trên.

🔁 Bài học liên quan

📚 Nguồn & ghi nhận

Góp ý / Báo lỗiPhát hiện sai sót hoặc có ý tưởng cải thiện?