Quang Nguyen
Live Workshop Microsite

AI & Research

Từ tìm kiếm thông tin đến năng lực giải quyết vấn đề trong thời đại AI

Khi ai cũng có AI, khác biệt không nằm ở việc ai có câu trả lời nhanh hơn — mà là ai xác định đúng vấn đề, kiểm chứng tốt hơn và biến tri thức thành hành động. Microsite này dùng để trình chiếu và tương tác trực tiếp trong buổi workshop dành cho sinh viên.

Bắt đầu workshopXem case demo

Live Workshop Microsite

Sau buổi này, sinh viên không chỉ biết thêm công cụ AI

Chúng ta đang dùng AI trước khi được dạy cách dùng AI.

AI đã đi vào học tập, bài nhóm, nghiên cứu và chuẩn bị nghề nghiệp — nhưng không phải lúc nào chúng ta cũng biết cách kiểm chứng, giữ quyền kiểm soát và biến output thành hành động.

Khi ai cũng có AI, khác biệt không nằm ở việc ai có câu trả lời nhanh hơn, mà là ai biết kiểm chứng, giữ quyền kiểm soát và biến output thành hành động.

Visual flow

1

Dùng AI để tìm câu trả lời

2

Dùng AI để làm rõ vấn đề

3

Dùng AI để kiểm chứng

4

Dùng AI để tạo hướng hành động

AI tạo tốc độ. Con người tạo giá trị.

Cách dùng microsite này khi trình chiếu

Dùng sticky nav để nhảy nhanh giữa các phần, hoặc mở từng section để dẫn câu chuyện theo thứ tự workshop.

0. Reality check

Chúng ta đang dùng AI trước khi được dạy cách dùng AI

Đây là điểm xuất phát của workshop: AI đã đi vào học tập và công việc, nhưng cách dùng AI có trách nhiệm vẫn còn rất phân mảnh.

AI đã ở ngay trong đời sống học tập

Sinh viên dùng AI cho bài nhóm, bài cá nhân, nghiên cứu và cả chuẩn bị nghề nghiệp.

Chưa có một giáo trình chung về cách dùng AI

Sinh viên đang tự học cách dùng AI mà chưa có ràng buộc thống nhất về phạm vi, trách nhiệm hay kiểm chứng.

Kỹ năng mới là kiểm soát cách AI tham gia

Biết hỏi AI là một bước. Quan trọng hơn là biết giữ quyền kiểm soát output và quyết định cuối cùng.

Câu hỏi không còn là “biết dùng AI chưa?”, mà là “đang để AI tham gia vào việc học và quyết định của mình như thế nào?”

1. Dẫn chứng

Dẫn chứng trực quan: AI tăng tốc thật, nhưng không thay thế năng lực thẩm định

Một vài nghiên cứu, ví dụ và nguồn tham khảo giúp chúng ta nhìn AI cân bằng hơn: AI có thể tạo năng suất, nhưng tác động phụ thuộc vào task, dữ liệu, mục tiêu, ranh giới và khả năng kiểm chứng của con người.

Adoption gapEvidence 01

Sinh viên đang dùng AI nhanh hơn tốc độ giáo dục kịp hướng dẫn

Key visual / concept

Khoảng cách giữa tốc độ dùng AI và tốc độ được hướng dẫn

AI usage ↑ nhanh / Guidance ↑ chậm hơn

Generative AI phổ biến rất nhanh trong học tập, nhưng chính sách, hướng dẫn và năng lực AI literacy trong nhà trường chưa theo kịp.

Media / visual reference

AI usagelong
Guidance / AI literacyshorter

AI usage long, guidance / literacy shorter.

Ý nghĩa cho sinh viên

Không thể chỉ hỏi “có dùng AI không?”. Cần hỏi: dùng AI như thế nào, kiểm chứng ra sao, ranh giới ở đâu.

Nguồn tham khảo

Stanford AI Index / OECD–European Commission AI Literacy Framework

Stanford AI IndexOECD AI & Education
ProductivityEvidence 02

AI có thể giúp làm nhanh hơn và tạo bản nháp tốt hơn

Key visual / concept

Selected writing tasks

~40% faster • ~18% better quality

AI rất hữu ích để tạo bản nháp, outline, diễn đạt và brainstorm. Nhưng bản nháp nhanh vẫn cần người học kiểm chứng.

Media / visual reference

40%

faster

18%

better quality

Trong selected writing tasks, không phải mọi loại task.

Kết quả không áp dụng cho mọi loại task.

Ý nghĩa cho sinh viên

AI rất hữu ích để tạo bản nháp, outline, diễn đạt và brainstorm. Nhưng bản nháp nhanh vẫn cần người học kiểm chứng.

Nguồn tham khảo

Noy & Zhang — Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence

Science articleMIT News summary
AI capabilityEvidence 03

AI không giỏi đều mọi việc

Key visual / concept

Vùng AI mạnh / vùng cần thận trọng / vùng rủi ro

Jagged Technological Frontier

Nghiên cứu với BCG consultants cho thấy AI có thể cải thiện kết quả ở những task nằm trong vùng AI làm tốt, nhưng có thể làm giảm chất lượng khi task nằm ngoài vùng AI phù hợp.

Media / visual reference

Vùng AI mạnhVùng cần thận trọngVùng rủi ro

Task tốt với AI không phải task nào cũng tốt.

Ý nghĩa cho sinh viên

Đừng hỏi “AI tốt hay xấu?”. Hãy hỏi: task này có nằm trong vùng AI làm tốt không, và mình có đủ năng lực kiểm chứng không?

Nguồn tham khảo

Harvard Business School / Boston Consulting Group — Navigating the Jagged Technological Frontier

HBS working paperBCG searchAxios summary
Workplace AIEvidence 04

AI đã đi vào workflow công việc thật

Key visual / concept

Customer question → AI suggestion → Human response → Quality check

~15% productivity increase

Brynjolfsson, Li và Raymond nghiên cứu hơn 5.000 nhân viên hỗ trợ khách hàng. AI assistance tăng năng suất trung bình khoảng 15%, với tác động mạnh hơn ở nhóm ít kinh nghiệm hơn.

Media / visual reference

1

Customer question

2

AI suggestion

3

Human response

4

Quality check

AI đang trở thành một phần của workflow công việc.

Ý nghĩa cho sinh viên

AI không chỉ là công cụ học tập. Nó đang trở thành một phần của workflow công việc, nhất là trong các task hỗ trợ, phân loại, tóm tắt và tư vấn.

Nguồn tham khảo

Brynjolfsson, Li & Raymond — Generative AI at Work

PaperNBER page
AI safety conceptEvidence 05

AI tối ưu rất giỏi, nhưng có thể tối ưu sai mục tiêu

Key visual / concept

Mục tiêu sai → tối ưu nhanh → kết quả lệch

Paperclip Maximizer

Paperclip Maximizer là một thought experiment gắn với Nick Bostrom: một hệ thống AI rất mạnh theo đuổi một mục tiêu hẹp có thể tạo ra kết quả lệch với giá trị con người nếu mục tiêu ban đầu không đúng.

Media / visual reference

Mục tiêu sai

Mục tiêu sai → Tối ưu nhanh → Kết quả lệch

Mục tiêu rõ

Mục tiêu rõ → Kiểm chứng → Output có trách nhiệm

Mục tiêu rõ → kiểm chứng → output có trách nhiệm.

Ý nghĩa cho sinh viên

Khi làm việc với AI, đừng chỉ yêu cầu “viết hay” hoặc “thuyết phục”. Hãy xác định đúng mục tiêu: học sâu hơn, kiểm chứng tốt hơn, ra quyết định có trách nhiệm hơn.

Nguồn tham khảo

Nick Bostrom — Paperclip Maximizer / Superintelligence

Nick BostromInstrumental convergencePaperclips visual
Hallucination riskEvidence 06

Output chuyên nghiệp vẫn có thể sai

Key visual / concept

17–33% hallucination range

17–33% hallucination range

Stanford RegLab đánh giá một số legal AI research tools và ghi nhận ngay cả các hệ thống chuyên biệt vẫn có thể hallucinate trong khoảng 17–33% trường hợp.

Media / visual reference

17–33%

hallucination range

Source?Evidence?Assumption?Risk?

Source? Evidence? Assumption? Risk?

Ý nghĩa cho sinh viên

Output mượt, tự tin hoặc có vẻ học thuật không đủ để dùng ngay. Cần audit khái niệm, nguồn, giả định, dữ liệu và rủi ro học thuật.

Nguồn tham khảo

Stanford RegLab — Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools

Stanford RegLab pagearXiv paper

Nguồn tham khảo nhanh

Stanford AI Index Reports↗OECD AI and Education / AI Literacy↗Noy & Zhang — Science↗MIT News summary↗HBS / BCG — Jagged Technological Frontier↗Brynjolfsson, Li & Raymond — Generative AI at Work↗Nick Bostrom / Paperclip Maximizer reference↗Stanford RegLab — Legal AI hallucination↗arXiv legal AI paper↗

2. 4 nguyên tắc

4 nguyên tắc làm việc với AI

Mượn từ tinh thần của Ethan Mollick trong Co-Intelligence, phần này diễn giải lại cho bối cảnh sinh viên: dùng AI nhiều hơn, nhưng có kiểm soát hơn.

Nếu AI vừa mạnh, vừa thay đổi nhanh, vừa có thể tạo ra output rất thuyết phục nhưng đôi khi vẫn sai, câu hỏi không chỉ là “dùng AI như thế nào cho nhanh”, mà là “dùng AI theo nguyên tắc nào để vẫn giữ quyền kiểm soát”.

1. Luôn mời AI tham gia

Invite AI in

Không phải việc gì cũng giao cho AI làm thay. Nhưng hãy thử đưa AI vào nhiều việc khác nhau để hiểu nó giúp được gì và không giúp được gì.

Visual idea

Task

Try with AI

Observe value

Verify

Student examples

  • Nhờ AI giải thích một khái niệm khó
  • Nhờ AI phản biện outline bài nhóm
  • Nhờ AI gợi ý dữ liệu cần thu thập
  • Nhờ AI đóng vai nhà tuyển dụng để luyện phỏng vấn

Key warning

Thử không có nghĩa là tin ngay.

2. Con người ở trong vòng lặp

Human in the loop

AI có thể tạo bản nháp, nhưng người học phải kiểm tra. AI có thể gợi ý nguồn, nhưng mình phải xác minh. AI có thể viết rất mượt, nhưng mình phải hiểu và chịu trách nhiệm nếu đưa nó vào bài.

Visual idea

AI draft

Human checks

Revise

Responsible output

Student examples

  • Kiểm tra lại luận điểm trước khi nộp
  • Xác minh nguồn trước khi trích dẫn
  • Diễn giải lại bằng ngôn ngữ của mình
  • Chỉ nộp output khi mình bảo vệ được

Key warning

Nếu không bảo vệ được, đừng dùng nguyên output đó.

3. Giao vai trò rõ cho AI

Role cards

AI thường hữu ích hơn khi được giao vai trò cụ thể. Nhưng vai trò đó chỉ là mô phỏng, không phải con người thật.

Visual idea

Reviewer

Research coach

Recruiter

Critical reader

Student examples

  • Đóng vai giảng viên phản biện để chỉ ra điểm yếu
  • Đóng vai chuyên gia nghiên cứu để kiểm tra bảng hỏi
  • Đóng vai nhà tuyển dụng để góp ý CV
  • Đóng vai người đọc khó tính để soi chỗ chưa thuyết phục

Key warning

AI không thật sự là giảng viên, chuyên gia, luật sư hay nhà tuyển dụng thật.

4. AI hôm nay là phiên bản kém nhất bạn từng dùng

Durable skills

AI hôm nay có thể đã rất mạnh, nhưng vài tháng nữa hoặc một năm nữa, model, giao diện và khả năng có thể khác đi rất nhiều. Vì vậy, đừng học AI như học một tool cố định.

Visual idea

Today’s AI

Better model

New workflow

Durable human skills

Student examples

  • Biết đặt vấn đề
  • Biết giao việc rõ
  • Biết kiểm chứng output
  • Biết giữ ranh giới dữ liệu

Key warning

Tool sẽ thay đổi. Năng lực kiểm soát, kiểm chứng và chịu trách nhiệm sẽ đi lâu hơn.

Hãy mời AI tham gia, nhưng con người phải giữ quyền kiểm soát, giao vai trò rõ ràng và liên tục thích nghi khi AI thay đổi.

Từ nguyên tắc đến workflow

Bốn nguyên tắc này sẽ cụ thể hơn khi đi vào một quy trình làm việc: cung cấp bối cảnh, giao nhiệm vụ rõ, yêu cầu bằng chứng và bắt AI phản biện lại output.

Context
→
Task
→
Evidence
→
Review

Khung tham khảo: Ethan Mollick — Co-Intelligence. Nội dung được diễn giải lại cho bối cảnh sinh viên và workshop AI & Research.

3. Context shift

AI đang thay đổi tiêu chuẩn của người học

Tiểu luận

Từ khó viết bản nháp → khó biết bản nháp có đúng vấn đề không

Tài liệu

Từ khó tìm nguồn → khó biết nguồn/citation có thật và đáng tin không

Khái niệm

Từ khó hiểu → dễ có cảm giác “hiểu giả”

Thách thức mới không phải là thiếu thông tin. Thách thức mới là dư output nhưng thiếu năng lực thẩm định.

4. Workflow

4 bước để giữ quyền kiểm soát output AI

C-T-E-R không phải là một công thức prompt cho vui. Đây là quy trình để giữ AI trong phạm vi đúng: có bối cảnh, có nhiệm vụ, có bằng chứng và có phản biện.

C — Context

Tránh câu trả lời chung chung.

Ví dụTôi là sinh viên ngành Quản trị, đang làm bài tiểu luận trong 4 tuần.

T — Task

Tránh output lan man.

Ví dụHãy giúp tôi làm rõ vấn đề, tạo câu hỏi nghiên cứu, đề xuất dữ liệu cần thu thập.

E — Evidence

Bắt AI chỉ ra điều cần kiểm chứng.

Ví dụNhững nhận định nào cần nguồn? Giả định nào chưa chắc?

R — Review

Bắt AI phản biện lại chính output của nó.

Ví dụHãy đóng vai giảng viên phản biện và chỉ ra điểm yếu.

Dùng AI tốt không phải là khiến AI nói nhiều hơn. Dùng AI tốt là biết giữ quyền kiểm soát với output mà AI tạo ra.

AI tăng tốc, con người giữ tay lái

Step 1

Context

Step 2

Task

Step 3

Evidence

Step 4

Review

C-T-E-R không chỉ là prompt framework. Đây là cách người học giữ quyền kiểm soát với output AI.

5. Case demo

Cùng dùng AI, vì sao hiệu quả khác nhau?

Sinh viên sử dụng AI ngày càng nhiều trong học tập, nhưng không phải ai cũng học sâu hơn, hiểu tốt hơn hoặc làm bài tốt hơn.

Prompt mẫu

Vì sao sinh viên dùng AI nhiều nhưng chưa chắc học tốt hơn?

Kết quả nhận được

Đoạn giải thích chung.

Nhận xét của diễn giảNghe hợp lý nhưng khó dùng.

Cách hỏi AIOutput nhận đượcGiá trị thật sự

Hỏi để lấy câu trả lời

Đoạn giải thích chung

Nghe hợp lý nhưng khó dùng

Hỏi để làm rõ vấn đề

Vấn đề, đối tượng, khái niệm cần định nghĩa

Bắt đầu nghiên cứu được

Hỏi để tạo giả thuyết

Giả thuyết + dữ liệu cần thu thập

Có thể khảo sát được

Hỏi để phản biện

Điểm yếu, rủi ro, kết luận chưa được phép đưa ra

An toàn hơn về học thuật

AI không làm thay tư duy nghiên cứu. AI làm lộ rõ bạn có tư duy nghiên cứu hay chưa.
Cùng là AI, nhưng khác biệt không nằm ở công cụ. Khác biệt nằm ở cách người dùng dẫn AI đi qua một quy trình tư duy.

6. Mini activity

Từ chủ đề mơ hồ đến vấn đề có thể xử lý

Chọn một chủ đề gần với học tập, nghiên cứu hoặc công việc rồi bóc tách nó thành một vấn đề rõ hơn.

Trước

“Em muốn làm về AI trong học tập.”

Sau

“Em muốn tìm hiểu liệu sinh viên đang dùng AI để hiểu bài hay chỉ để tạo output; cần khảo sát mục đích sử dụng, cách kiểm chứng output và cảm nhận về mức độ hiểu bài.”

Prompt được tạo từ canvas

Khi bạn bấm nút tạo prompt, nội dung sẽ được dựng lại theo cấu trúc rõ ràng để đem sang AI làm việc tiếp.

Chưa có prompt nào được tạo. Hãy nhập nội dung trong canvas, rồi bấm “Tạo prompt từ canvas”.

Ghi chú

Tất cả nội dung nhập trong canvas được lưu tạm trên trình duyệt bằng localStorage. Điều này giúp sinh viên có thể quay lại và tiếp tục chỉnh prompt ngay trong buổi workshop.

Từ dẫn chứng đến hành động: vì sao cần audit output AI?

1

AI tạo output nhanh

2

Output có thể mượt nhưng sai / thiếu nguồn / kết luận quá mạnh

3

Người học cần audit trước khi dùng

Không phải output nào của AI cũng sai. Nhưng output nào cũng cần được thẩm định trước khi dùng.

7. Tool

AI Output Audit Tool

Trước khi dùng output AI trong bài tiểu luận, nghiên cứu hoặc thuyết trình, hãy kiểm tra xem output này có rủi ro nào không.

Tích vào ô tương ứng nếu output có dấu hiệu đó. Bạn càng tick nhiều ô, mức độ rủi ro càng cao.

0/6 checked

Gợi ý kiểm chứng

Chọn một hoặc nhiều rủi ro ở trên để xem gợi ý kiểm chứng tương ứng.

Kết quả audit

Có vẻ ít rủi ro

Output này chưa phát hiện rủi ro lớn, nhưng vẫn nên đọc lại và kiểm chứng nguồn quan trọng.

0/6 risk flags
Chưa có prompt audit. Tích rủi ro hoặc bấm “Tạo prompt audit output” để sinh prompt kiểm tra.
Output mượt không đồng nghĩa với tư duy chắc. Trước khi dùng output AI, hãy kiểm tra xem nó có đáng tin, có đủ dữ liệu và có thể bảo vệ được không.

8. Business reality

AI trong doanh nghiệp: từ tool đến workflow

Những gì sinh viên thấy trong học tập và nghiên cứu cũng là cách doanh nghiệp đang dùng AI: không hỏi AI cho vui, mà đưa AI vào quy trình giải quyết vấn đề.

Marketing

Vấn đề mơ hồ

Chiến dịch không hiệu quả.

AI giúp làm rõ

Khách hàng nào, kênh nào, chỉ số nào giảm, nội dung nào kém?

Output tốt

Hypothesis + content test plan + report

Sales/CSKH

Vấn đề mơ hồ

Khách hàng phản hồi kém.

AI giúp làm rõ

Lead nào đang rơi ở bước nào? Lý do từ chối là gì? Kịch bản nào cần sửa?

Output tốt

Phân loại lead + next step + script cải thiện

HR

Vấn đề mơ hồ

Ứng viên chưa phù hợp.

AI giúp làm rõ

Thiếu kỹ năng nào, giai đoạn nào đang rớt, tiêu chí nào chưa rõ?

Output tốt

Interview guide + rubric + câu hỏi làm rõ

Research/Data

Vấn đề mơ hồ

Dữ liệu nhiều nhưng chưa ra quyết định.

AI giúp làm rõ

Biến số nào quan trọng, mẫu nào cần ưu tiên, rủi ro suy diễn quá mức là gì?

Output tốt

Question framing + data plan + insight outline

Trong doanh nghiệp, AI không còn là một tab chat riêng lẻ. AI đang trở thành một phần của workflow vận hành.

9. Edge

Lợi thế cạnh tranh của sinh viên trong thời đại AI

01

Problem Framing

Biết xác định đúng vấn đề.

02

Research Literacy

Biết tìm, đọc, kiểm chứng và tổng hợp thông tin.

03

Data Thinking

Biết nghĩ bằng dữ liệu, không chỉ bằng cảm tính.

04

AI Workflow Thinking

Biết dùng AI như một phần của quy trình làm việc.

05

Human Judgment

Biết đánh giá, lựa chọn và chịu trách nhiệm.

10. Outcome

Sinh viên nhận được gì sau workshop?

Sau buổi này, sinh viên có thể...

  • Nhìn output AI bằng con mắt nghi ngờ tích cực
  • Biến một chủ đề mơ hồ thành vấn đề rõ hơn
  • Hỏi AI để kiểm chứng, không chỉ để lấy câu trả lời
  • Liên hệ cách dùng AI trong học tập với workflow công việc
  • Mang về AI Problem Lens, AI Output Audit Checklist, Responsible AI Checklist

Bộ công cụ trong microsite

  • AI Problem Lens
  • Bộ prompt mẫu trong microsite
  • AI Output Audit Tool
  • Responsible AI Checklist

10. Agenda

Cấu trúc workshop 90 phút

0–10’

Mở đầu: Khi ai cũng có AI, điều gì còn làm bạn khác biệt?

10–25’

AI đang thay đổi học tập, nghiên cứu và công việc như thế nào?

25–40’

Khai thác AI hiệu quả: từ công cụ đến workflow tư duy

40–65’

Case study: Vì sao cùng dùng AI nhưng hiệu quả khác nhau?

65–75’

Mini activity: AI Problem Lens

75–85’

AI trong doanh nghiệp và lợi thế cạnh tranh người trẻ

85–90’

Closing + Q&A

AI tạo tốc độ. Con người tạo giá trị.

Trong thời đại AI, người có giá trị không phải người hỏi AI nhiều nhất, mà là người biết đặt vấn đề đúng nhất và biến tri thức thành hành động tốt nhất.

AI & Research Workshop — quangnguyen.io.vn

11. Share

Mở microsite trên điện thoại

Quét QR hoặc truy cập https://quangnguyen.io.vn/ai-research-workshop/ để xem nội dung ngay trên thiết bị cá nhân.

QR code mở microsite AI & Research Workshop

quangnguyen.io.vn/ai-research-workshop/

Quét mã để mở microsite và lưu lại tài liệu workshop.