Nhân viên nhân văn không tạo ra sự thay đổi thế giới, nhưng họ đang gánh chịu sự thay đổi đó.

Đôi khi tôi cảm thấy, những tài khoản bán khóa học về trí tuệ nhân tạo luôn coi AI như một phép màu: đưa ra một câu lệnh kỳ diệu, bạn có thể làm bất cứ điều gì. Hiện thực tất nhiên không phải vậy. Trong thời gian qua, vì thành lập FUNES, chúng tôi buộc phải sản xuất một lượng lớn thông qua AI mỗi ngày. Thêm vào đó còn có sản xuất nội dung như "Phù du thiên địa", viết lách của cá nhân tôi, chỉ dựa vào sức người đã không đủ. Vì vậy chúng tôi đã thử nghiệm rất nhiều cách sử dụng AI để hỗ trợ công việc nghiên cứu thị trường nội dung và ngành nhân văn của mình.

Sau đó có đồng nghiệp mới vào công ty, tôi đã làm một Keynote đơn giản. Lại một lần nữa, thầy Giả Hành Gia từ Dedao nghe nói liền mời tôi đi chia sẻ. Tôi và đối tác Keda đặt tên cho buổi chia sẻ này là "Hướng dẫn sử dụng AI cho nhân viên nhân văn". Lúc đó là chia sẻ hoàn toàn riêng tư, chủ yếu là một số nguyên tắc định hướng lớn. Về sau lại làm thêm vài lần, dần dần mở rộng.

Hơn một năm qua, tôi đã kể lại kinh nghiệm sử dụng AI này cho rất nhiều bạn bè làm nội dung, làm nghiên cứu, làm sản phẩm tri thức. Mục tiêu của nó không phải dạy bạn ghi nhớ vài câu lệnh thần kỳ, càng không phải coi AI như thuốc tiên; ngược lại, nó giống một bộ phương pháp làm việc hơn: cho phép bạn, mà không cần viết code, thực sự tích hợp mô hình lớn vào quy trình viết lách, nghiên cứu, biên tập, chọn đề tài, sắp xếp tư liệu và sản xuất của mình, đồng thời đạt được khả năng truy xuất nguồn gốc, giám sát, xác minh, và cuối cùng bạn vẫn sẵn sàng ký tên lên tác phẩm.

Bộ phương pháp này đến từ những vấp ngã trong dự án thực tế: khi nội dung bước vào sản xuất quy mô lớn, chỉ dựa vào sức người sẽ sụp đổ; còn để AI viết trực tiếp một bài thì sẽ gặp ảo giác, lười biếng, và viết giống AI. Vì vậy chúng tôi buộc phải biến sáng tạo thành dây chuyền sản xuất, biến dây chuyền sản xuất thành một hệ thống có thể lặp lại.

Hôm nay tôi không muốn đưa trực tiếp cho bạn các câu lệnh gợi ý, tôi hy vọng có thể đưa cho bạn một số nguyên tắc và tư tưởng chỉ đạo then chốt.

Trước khi đến với nguyên tắc: Ba nguyên tắc cơ bản của hướng dẫn này

Trước phương pháp cụ thể, hãy làm rõ ba nguyên tắc cơ bản. Chúng quyết định bạn "sử dụng AI như thế nào", cũng quyết định "tại sao bạn lại sử dụng như vậy".

1. Quá trình phải có thể truy xuất nguồn gốc, có thể giám sát, có thể xác minh
Bạn không thể chỉ muốn kết quả mà không muốn quá trình. Đối với công việc nhân văn, hộp đen là nguy hiểm nhất: ảo giác, trích dẫn sai, đánh tráo khái niệm, đều sẽ âm thầm xảy ra trong hộp đen.

2. Phải có thể điều khiển
Bạn phải có khả năng kiểm soát nó làm như thế nào, theo tiêu chuẩn nào, chỗ nào cần chậm một chút, chỗ nào cần nghiêm khắc một chút. Bạn không phải đang "rút thẻ", bạn đang sản xuất.

3. Cuối cùng bạn vẫn sẵn sàng ký tên
"Tôi có sẵn sàng đặt tên mình lên đó không?" là kiểm tra chất lượng cuối cùng. Nếu bạn không muốn ký tên, thường không phải là vấn đề đạo đức, mà là trong quá trình, ý chí của bạn không được thực hiện — cũng có nghĩa là chất lượng không thể kiểm soát.

Nguyên tắc 0: Đừng ước nguyện với AI, hãy coi nó như bàn làm việc

Cách nhiều người sử dụng AI, bản chất là đang ước nguyện:
"Đưa cho tôi một đoạn hài hước hay" "Giúp tôi viết một bài viết hay" "Giải thích bài luận văn này".

Vấn đề nằm ở chỗ — Bản thân "giải thích" đã có vô số cách giải thích: cho người ngoại đạo, cho sinh viên đại học, cho nghiên cứu sinh, cho đồng nghiệp, hoàn toàn không phải một nhiệm vụ. AI không thể mặc định biết được nền tảng, mục đích, khẩu vị và tiêu chuẩn của bạn. Bạn không nói rõ, nó chỉ có thể dùng cách mặc định của "con người trung bình" để đưa ra một câu trả lời tốn ít sức nhất.

Coi mô hình lớn như bàn làm việc, có nghĩa là: Bạn không đòi hỏi kết quả từ nó, mà là huy động công cụ của nó để hoàn thành một quá trình. Việc bạn cần làm là nói rõ nhiệm vụ, nói rõ tiêu chuẩn, sắp xếp các bước.

Ví dụ để AI giải thích luận văn

Bạn có thể sửa yêu cầu kiểu ước nguyện (giải thích bài luận văn này cho tôi) thành nhiệm vụ kiểu bàn làm việc như sau:

· Xác định rõ đối tượng độc giả: thông minh, có tính tò mò, nhưng không phải chuyên gia trong lĩnh vực đó, là nghiên cứu sinh

· Xác định rõ cách giải thích: gợi mở, tuần tự, có tính nghiêm túc học thuật

· Xác định rõ yêu cầu cấu trúc: nói ý nghĩa trước, bổ sung bối cảnh sau, khôi phục quá trình nghiên cứu, nói điểm công nghệ then chốt, đề cập gợi ý

· Xác định rõ ngữ điệu: tôn trọng trí tuệ, không trịch thượng, không giả vờ đối phương đã có nền tảng sâu

Bạn sẽ phát hiện: Bạn đưa ra càng giống "yêu cầu bài tập", AI càng không giống AI, càng giống một trợ giảng thực sự biết làm việc.

Nguyên tắc 1: Muốn AI làm tốt, trước tiên hãy tự phản tỉnh — bạn mới là người chịu trách nhiệm

Nếu bạn thuê một thư ký, bạn sẽ không chỉ nói:
"Sửa bài viết về Rust Belt nước Mỹ của Hanyang cho tốt."

Bạn chắc chắn sẽ bổ sung:

Bài viết này viết để làm gì, viết cho ai, hiện đang vướng ở đâu, bạn hy vọng nó giải quyết vấn đề gì, chỗ nào không được động, bạn muốn phong cách gì, chỉ số bạn quan tâm nhất là gì.

AI cũng vậy. Bạn cần coi nó như một đồng nghiệp rất chăm chỉ, rất lịch sự, nhưng không hiểu tiền đề ngầm định trong đầu bạn. "Kỹ thuật câu lệnh gợi ý" thực sự không phải là kỹ xảo, mà là một loại trách nhiệm: Bất kỳ nhiệm vụ nào vẫn là bạn đang làm, AI chỉ giúp bạn làm việc.

Khi bạn không hài lòng với đầu ra của AI, phản ứng đầu tiên hiệu quả nhất không phải là "AI không được", mà là:

· Tôi đã nói rõ "đối tượng/khán giả/mục đích" chưa?

· Tôi đã cung cấp đủ tài liệu nền và ràng buộc chưa?

· Tôi đã chia "nguyện vọng trừu tượng" thành "hành động có thể thực thi" chưa?

· Tôi đã đưa ra tiêu chuẩn có thể phán đoán đúng sai chưa?

Nguyên tắc 2: Cùng một vấn đề ít nhất hỏi 3 mô hình — Mỗi AI đều có "tính cách" và lĩnh vực giỏi

Ở công ty chúng tôi, bất kỳ đồng nghiệp nào lần đầu tiếp xúc với mô hình lớn, tôi đều hy vọng anh ta trong giai đoạn đầu sử dụng, mỗi vấn đề hỏi ba AI khác nhau. AI giống như người, có sự khác biệt: có cái giỏi dùng từ viết lách, có cái giỏi suy luận giải bài, có cái giỏi code hoặc gọi công cụ. Thực tế hơn một chút là: mô hình của cùng một sản phẩm, phiên bản mới của cùng một mô hình, cũng sẽ liên tục điều chỉnh "phong cách" và "ranh giới".

Vì vậy một thói quen rất mộc mạc nhưng cực kỳ hiệu quả là: cùng một vấn đề, ít nhất ném cho 3 AI khác nhau, bạn sẽ nhanh chóng có được "cảm nhận":

· Cái nào giỏi viết hơn, cái nào giỏi nghĩ hơn, cái nào giỏi tra cứu hơn, cái nào dễ lười hơn

· Nhiệm vụ nào phù hợp cho ai làm "bản thảo đầu tiên", nhiệm vụ nào phù hợp cho ai làm "người biên tập"

· Cái nào phù hợp hơn để đưa ra "đề tài/cấu trúc", cái nào phù hợp hơn để đưa ra "đoạn văn/câu"

Giá trị của bước này không nằm ở "chọn ra mô hình mạnh nhất", mà ở chỗ: Bạn bắt đầu quản lý mô hình như quản lý một đội ngũ, chứ không phải coi nó như lời sấm truyền duy nhất.

Nguyên tắc 3: AI không toàn năng — Hãy coi nó như trình độ kiến thức phổ thông của "sinh viên đại học 985"

Một dự đoán quản lý rất thiết thực là:
Trình độ kiến thức phổ thông của AI ≈ một sinh viên đại học 985.

Nếu có việc gì đó bạn cảm thấy "một sinh viên xuất sắc chưa chắc đã biết", thì bạn nên mặc định AI cũng không biết; ít nhất mặc định nó sẽ "bịa giống như biết" khi không biết.

Điều này mang lại hai hành động trực tiếp:

1. Bất kỳ nội dung nào vượt quá kiến thức phổ thông, đều phải do bạn dạy nó
Ví dụ: Bạn muốn nó viết truyện cười, viết文案 có gu độc đáo thực sự, viết luận chứng chuyên môn cao — Bạn không thể chỉ đưa một câu "viết cho hay", bạn phải đưa ví dụ mẫu, đưa tiêu chuẩn, đưa khu vực cấm, đưa ngữ liệu. Tôi tin rằng bây giờ bạn giải thích với bạn bè văn bản nào trong lòng bạn là tốt, đều cần chút thời gian; vậy làm sao có thể cho rằng AI mặc định biết được?

2. Bạn phải coi nó như thực tập sinh cộng tác, chứ không phải thần thánh
Nó có thể làm rất nhiều công việc "chèn giá trị vi mô": bổ sung đầy đủ giàn giáo bạn đưa, dệt tài liệu bạn đưa thành văn bản có thể đọc được. Nhưng "giàn giáo" và "phương hướng" vẫn đến từ bạn.

Nguyên tắc 4: Để AI từng bước tiến gần mục tiêu — Phân bước hộp trắng, đáng tin cậy hơn hộp đen một lần

Ưu thế của AI không phải là "trực tiếp đưa cho bạn câu trả lời đúng", mà là nó có thể trong quy trình bạn thiết kế, ổn định hoàn thành rất nhiều bước nhỏ. Bạn càng yêu cầu nó "một bước đến nơi", nó càng dễ biến thành hộp đen "trông có vẻ hoàn chỉnh, kỳ thực lười biếng".

Một ví dụ đặc biệt trực quan là xử lý TTS (chuyển văn bản thành giọng nói) hoặc bản thảo đọc. Thay vì nói "chú ý từ đa âm, đừng đọc sai", không bằng chia nhiệm vụ thành một chuỗi bước, ví dụ:

· Đánh dấu ngắt nghỉ/trọng âm/thay đổi tốc độ nói

· Nhận diện từ đa âm tiềm ẩn

· Dựa vào từ điển hoặc cách phát âm uy tín để kiểm tra (khi cần thiết, tìm kiếm trước rồi xác định)

· Đối với những từ dễ đọc sai nhưng phổ biến, đánh dấu trước

· Thực sự không được thì dùng từ đồng âm không đa nghĩa thay thế, triệt tiêu khả năng đọc sai từ gốc

Loại "cách làm đúng hiển nhiên" này, con người sẽ mặc định mình sẽ làm; nhưng AI sẽ không mặc định. Bạn không đưa "hiển nhiên" vào quy trình, nó sẽ phạm sai lầm trên con đường tốn ít sức nhất.

Nguyên tắc 5: Công nghiệp hóa trước, rồi mới AI hóa — Bạn không thể từ thời nông nghiệp nhảy một bước đến thời AI

Nếu quy trình viết/nghiên cứu của bản thân bạn vốn là ngẫu nhiên, dựa vào cảm hứng, quản lý tài liệu không tốt, thì bạn thực sự khó mà giao nó cho AI. Bởi vì AI chỉ có thể tiếp nhận phần "có thể mô tả, có thể tái hiện" của bạn.

Con đường thực tế hơn là:

1. Trước tiên biến công việc thành "dây chuyền sản xuất": Có thể chia nhỏ, có thể tái sử dụng, có thể kiểm tra chất lượng

2. Rồi giao các bước con trong đó cho AI: Để nó làm vị trí công việc, chứ không phải làm thượng đế

Chúng tôi đã làm một công việc rất ngốc nghếch nhưng then chốt: Giải mã quá trình tự bản thân tôi viết một bài viết phi hư cấu. Bao gồm:

· Tại sao dùng câu chuyện này mở đầu

· Tại sao chọn câu nói này

· Làm thế nào chấm điểm ví dụ

· Làm thế nào khởi承转合 (mở-kế-chuyển-hợp), làm thế nào chuyển tiếp, làm thế nào kết thúc

· Làm thế nào kết nối câu chuyện nhỏ với bức tranh toàn cảnh lớn hơn

Cuối cùng chia thành mấy chục bước, để các AI khác nhau chỉ làm một trong số đó. Kết quả là:
Không phải mô hình đột nhiên mạnh lên, mà là quy trình đã nối liền khả năng "mỗi lần chỉ làm được một chút" của nó.

Khi bạn có thể mô tả rõ ràng "bài viết của tôi được làm ra như thế nào", bạn sẽ phát hiện: Thứ quyết định giới hạn chất lượng trên从来 không phải là "dùng mô hình lớn nào", mà là bạn có nói rõ phương pháp làm việc hay không.

Nhưng đoạn này khuyến nghị bạn nên nghe chương trình, nói chi tiết hơn.

Nguyên tắc 6: Dự đoán AI sẽ lười biếng — Nó sẽ tiết kiệm sức tính toán, bạn phải thay nó quét sạch "chướng ngại định dạng"

AI sẽ lười biếng, và là "lười biếng có hệ thống": Có thể không mở trang web thì không mở, có thể không đọc PDF thì không đọc, có thể bỏ qua thì bỏ qua. Không phải nó xấu, mà là trong ràng buộc về sức tính toán và thời gian, nó có xu hướng tự nhiên đi con đường tốn ít sức nhất.

Vì vậy việc bạn cần làm là: Dùng sức tính toán của AI vào "hiểu văn bản", chứ không lãng phí vào "xử lý định dạng".

Cách sửa hiệu quả rất bao gồm:

· Cố gắng chuyển tài liệu thành văn bản thuần/Markdown, rồi mới đưa cho AI

· Sao chép nội dung trang web thành văn bản sạch (bỏ điều hướng, quảng cáo, nhiễu chân trang)

· Đối với tài liệu dài, trước tiên làm "chắt lọc sự thật/trích xuất cấu trúc", rồi mới để nó viết

· Đưa PDF/EPUB/trang web vào kho thống nhất thành TXT có thể tìm kiếm, rồi mới làm nhiệm vụ tiếp theo

Bạn sẽ phát hiện: Nhiều người chống đối loại "công việc chân tay" này, cho rằng "máy móc nên thay tôi làm việc bẩn". Nhưng trong cộng tác người-máy thì ngược lại — Bạn sẵn sàng làm một chút lao động cơ khí, phần trí tuệ của AI mới trở nên sắc bén hơn, đáng tin cậy hơn.

Nguyên tắc 7: Nhớ ngữ cảnh có hạn — Cố gắng sửa nhiệm vụ thành "nén", đừng trông chờ nó "mở rộng từ không"

AI có cửa sổ ngữ cảnh, có "giới hạn ghi nhớ". Bạn đưa nó hai vạn chữ, nó chưa chắc nhớ được bao nhiêu; bạn đưa nó hai mươi vạn chữ, nó có thể chỉ quét tiêu đề. Một phép loại suy hình tượng là: Nhốt người vào phòng nhỏ một ngày, ném cho một cuốn sách hai mươi vạn chữ, ra ngoài bắt anh ta đọc thuộc — có thể đọc thuộc bao nhiêu, đại khái là lượng AI có thể "nhớ".

Vì vậy có một kinh nghiệm rất phản trực giác nhưng cực kỳ quan trọng:

1. Nén dễ hơn mở rộng rất nhiều

Nén 1 triệu chữ xuống 1 vạn chữ, thường đáng tin cậy hơn mở rộng 1 vạn chữ lên 1 triệu chữ.

Điều này trực tiếp thay đổi cách bạn đưa ra yêu cầu với AI:

· Đừng dùng 100 chữ câu lệnh để đòi một bài luận văn

· Ngược lại, đưa tài liệu vào càng nhiều càng tốt (theo đợt, tìm kiếm, RAG đều được), để nó trên cơ sở tài liệu đầy đủ nén ra cấu trúc, quan điểm và văn bản chính

Bạn trước đây viết bài, viết luận văn, vốn dĩ là "đọc lượng lớn tài liệu → chắt lọc → tổ chức → viết" (ít nhất tôi là như vậy). Đến AI这里, đừng đột nhiên hai tiêu chuẩn, yêu cầu nó sinh ra từ không.

Nguyên tắc 8: Kìm chế sự thôi thúc "tôi sửa diệu tay một cái là được" — Sửa dây chuyền, không sửa kết quả

Nhiều người giỏi viết lách, dễ vấp ngã nhất trước mặt AI:
AI đưa ra một bản thảo 59 điểm, bạn cảm thấy tự mình sửa hai cái là 80 điểm, thế là bạn bắt đầu sửa; sửa sửa biến thành bạn viết lại; viết lại xong bạn nói "thôi để tự mình vậy", rồi từ đó không dùng AI nữa.

Cách giải quyết không phải là "sửa bản thảo" chăm chỉ hơn, mà là di chuyển trọng tâm đến thượng nguồn hơn:

· Đừng theo đuổi để AI trực tiếp viết ra 100 điểm

· Mục tiêu của bạn là để dây chuyền sản xuất ổn định đưa ra 75~80 điểm

· Việc bạn cần làm là lặp lại quy trình, để "điểm trung bình" tăng lên, chứ không phải để "bài đơn lẻ" hoàn hảo

Nguyên tắc 9: Coi dây chuyền sản xuất như sản phẩm lặp lại — Bản thân độ tin cậy đã là giá trị

Khi bạn có một hệ thống có thể ổn định đưa cho bạn điểm khởi đầu 70, giá trị của nó không phải là "nó có giống bạn không", mà là:

· Bạn có thể nhận được một bản thảo khả dụng trong điều kiện chi phí gần như bằng không

· Bạn có thể tập trung tinh lực vào phán đoán cao cấp hơn: chọn đề tài, cấu trúc, bằng chứng, gu thẩm mỹ và sự lựa chọn

Thứ bạn cần không phải là một vị thần toàn năng thay thế bạn, mà là một nhà máy đáng tin cậy: Nó không hoàn hảo, nhưng nó ổn định.

Nguyên tắc 10: Số lượng là nhiệm vụ hàng đầu — Để nó sản xuất nhiều, rồi sàng lọc

Chỉ để AI đưa cho bạn một phiên bản, thường sẽ nhận được cái trung dung, bảo thủ, "trung bình" nhất. Bạn phải dùng "số lượng" chống lại "tầm thường".

Cách làm hiệu quả hơn là:

· Tóm tắt: Một lần yêu cầu 5 phiên bản

· Mở đầu: Một lần yêu cầu 5 mở đầu, làm AB Test

· Chọn đề tài: Một lần yêu cầu 50 đề tài, rồi phân nhóm, rồi chọn

· Cấu trúc: Một lần yêu cầu 3 bộ cấu trúc, rồi kết hợp

· Diễn đạt: Một lần yêu cầu 10 cách diễn đạt khác nhau, rồi chọn ưu

Khi bạn nâng cao điểm trung bình, nâng cao sản lượng, trong phân bố tự nhiên sẽ xuất hiện "mẫu bất ngờ" 85 điểm, 90 điểm. Rất nhiều lúc, cái tốt không phải là "lần xuất thần đó", mà là cuối cùng bạn đã bắt đầu làm việc theo cách thống kê.

Nguyên tắc 11: Đừng vượt quá phận sự — Hãy chỉ huy, nếm thử, bắt nó làm lại như bếp trưởng hành chính

Nếu bạn là bếp trưởng hành chính của nhà hàng, bạn sẽ không tự tay đi gõ dưa chuột. Bạn sẽ:

· Nếm thử một miếng

· Phán đoán có đạt chuẩn không

· Đưa ra phản hồi rõ ràng (chỗ nào không được, phải sửa thế nào)

· Bắt đầu bếp về làm lại một lần

Cộng tác với AI cũng vậy. Bạn phải tôn trọng tính chủ thể "tạo ra theo cách của nó" của AI — Việc bạn cần làm là dạy nó làm thế nào đạt tiêu chuẩn của bạn, chứ không phải tự mình nhảy xuống sửa chữa kết quả mỗi lần của nó thành thành phẩm.

Nếu không bạn sẽ bị tiêu hao chết bởi "sửa chữa vá víu" vô tận.

Nguyên tắc cơ bản cuối cùng: Trở về thế giới thực — Tài liệu × Gu thẩm mỹ, quyết định giới hạn trên của tác phẩm

Trong thời đại AI, chất lượng một tác phẩm ngày càng giống: Tài liệu × Gu thẩm mỹ.

Mô hình sẽ thay đổi, phương pháp sẽ lặp lại, nhưng hai việc này không thay đổi:

1. Tài liệu đến từ thế giới thực

Nếu cho bạn hai lựa chọn để viết một bài viết:

· Dùng mô hình mới nhất, nhưng chỉ được dùng tài liệu trên mạng

· Dùng mô hình cũ, nhưng bạn có hồ sơ hoàn chỉnh, lịch sử kể miệng, phỏng vấn thực địa

Cái có khả năng làm ra tác phẩm tốt hơn, thường là cái sau.

2. Gu thẩm mỹ đến từ rèn luyện lâu dài

Khi "tạo ra" trở nên rẻ, thứ thực sự khan hiếm là:

· Bạn biết cái gì đáng viết

· Bạn biết bằng chứng nào cứng hơn

· Bạn biết cách kể chuyện nào có sức mạnh hơn

· Bạn sẵn sàng bỏ lao động chân tay cho tài liệu: lên cùng trời xuống cùng đất, động tay động chân lật tài liệu

AI thay đổi, là hiệu suất và cách thức bạn tương tác với tài liệu; nhưng chủ ngữ của tác phẩm vẫn là bạn, tân ngữ vẫn là tài liệu. AI chỉ là một phần của "động từ".

Kết luận: Biến lo lắng thành cảm nhận

Nhiều người dùng AI không dùng được, không phải vì không thông minh, mà là vì luôn dừng lại ở vòng lặp "ước nguyện—thất vọng—từ bỏ". Thứ thực sự có thể giúp bạn vượt qua, là coi nó như bàn làm việc, biến nhiệm vụ thành công trình, biến quy trình thành hộp trắng, rồi trong ma sát không ngừng mọc ra cảm nhận.

Khi bạn có thể làm được việc này, bạn sẽ không dễ dàng kết luận vội vàng "AI không được"; bạn sẽ giống một loại công việc mới có thể quản lý công cụ mới hơn: không coi thường nó, cũng không ngưỡng mộ nó, đặt nó trong quy trình, trong hiện thực, trong tác phẩm bạn sẵn sàng ký tên.