Prompt mô tả nhiệm vụ cần làm. Rubric xác định các quy tắc. Dưới đây là cách prompting dựa trên rubric giúp giảm hiện tượng “hallucination” trong các quy trình tìm kiếm và sản xuất nội dung. AI tạo sinh đã trở thành một công cụ thực tế trong các quy trình làm việc liên quan đến tìm kiếm, nội dung và phân tích dữ liệu. Tuy nhiên, khi mức độ sử dụng tăng lên, một vấn đề quen thuộc và tốn kém cũng xuất hiện: các kết quả sai nhưng lại được trình bày rất tự tin.
Hiện tượng này thường được gọi là “hallucination”. Cách gọi này khiến nhiều người nghĩ rằng mô hình AI đang gặp trục trặc. Nhưng thực tế là hành vi này thường có thể dự đoán trước và thường xuất phát từ hướng dẫn không rõ ràng, hay chính xác hơn là prompt không rõ ràng.
Ví dụ:
Bạn yêu cầu AI viết “một công thức làm bánh quy”, nhưng không cung cấp thêm thông tin nào khác. Không nói về dị ứng, sở thích hay bất kỳ ràng buộc nào. Kết quả có thể là bánh quy Giáng Sinh vào giữa tháng Bảy, một công thức đầy đậu phộng, hoặc một công thức quá đơn giản và nhạt nhẽo đến mức khó gọi là món tráng miệng. Khi thiếu chi tiết, kết quả rất dễ bị lệch khỏi mong đợi. Vì vậy, tốt nhất là nên giả định trước rằng mô hình có thể “hành xử sai” và thiết lập các “lan can bảo vệ” rõ ràng ngay từ đầu.
Một cách hiệu quả để làm điều này là sử dụng rubric.
Chúng ta sẽ xem xét cách prompting dựa trên rubric hoạt động như thế nào, vì sao nó giúp cải thiện độ tin cậy của thông tin và cách áp dụng nó với AI để tạo ra kết quả đáng tin cậy hơn.
Độ trôi chảy hay sự kiềm chế: cái nào tốt hơn?
Khi AI được yêu cầu tạo ra câu trả lời hoàn chỉnh và trau chuốt nhưng không có hướng dẫn cụ thể về cách xử lý thông tin không chắc chắn hoặc dữ liệu thiếu, nó thường ưu tiên độ trôi chảy hơn sự kiềm chế.
Nói cách khác, mô hình sẽ tiếp tục trả lời một cách mượt mà (fluency) thay vì dừng lại, đưa ra cảnh báo hoặc từ chối trả lời khi thông tin không đầy đủ (restraint). Đây chính là thời điểm AI bắt đầu “bịa ra thông tin”, bởi vì sự không chắc chắn không được xác định như một điểm dừng. Hậu quả có thể rất tốn kém về tài chính và còn ảnh hưởng đến uy tín, hiệu quả làm việc cũng như niềm tin.
Công ty dịch vụ chuyên nghiệp Deloitte đã phải hoàn trả 440.000 đô la Úc sau khi phát hiện báo cáo chính phủ có sử dụng AI chứa các trích dẫn giả và một câu nói của tòa án bị gán sai nguồn, theo thông tin từ Associated Press vào cuối năm 2025.
Một nhà phản biện học thuật đã nhận xét rằng báo cáo đó:
“Trích dẫn sai một vụ án rồi tự tạo ra lời nói của thẩm phán… khiến pháp luật bị trình bày sai cho chính phủ Úc trong một báo cáo mà họ dựa vào.”
Liệu Deloitte có nên bỏ hoàn toàn việc sử dụng AI? Không hẳn. Phân tích dữ liệu và tạo báo cáo chính là một trong những thế mạnh của AI. Bài học ở đây là giữ AI trong quy trình làm việc nhưng phải kiểm soát nó, tức là xác định trước mô hình cần làm gì khi nó không biết câu trả lời. Đây chính là lúc rubric phát huy vai trò.
Vai trò của rubric trong AI
Nhiều người thường áp dụng các biện pháp chung để tránh hiện tượng hallucination, nhưng trên thực tế chúng thường không hiệu quả. Tại sao vậy? Vì những biện pháp đó thường chỉ mô tả kết quả mong muốn, chứ không mô tả quy trình ra quyết định. Điều này khiến mô hình AI phải tự suy luận khi thiếu thông tin cần thiết. Đó là lý do prompting dựa trên rubric trở nên quan trọng.
Rubric nghe có vẻ là một khái niệm mang tính học thuật. Bạn có thể hình dung nó là bảng tiêu chí mà giáo viên dùng để chấm bài, thường được chia sẻ trước để học sinh biết thế nào là bài làm tốt, trung bình hoặc không đạt. Rubric cho AI dựa trên cùng một cấu trúc ý tưởng, nhưng phục vụ mục đích khác.
Thay vì dùng để chấm điểm câu trả lời sau khi AI phản hồi, rubric định hình cách ra quyết định trong quá trình tạo câu trả lời. Rubric làm điều này bằng cách xác định rõ AI phải làm gì khi các tiêu chí cần thiết không được đáp ứng. Bằng cách đặt ra các tiêu chí rõ ràng, rubric thiết lập ranh giới, thứ tự ưu tiên và cả cách xử lý khi thất bại, từ đó giảm nguy cơ hallucination.
Chỉ viết prompt tốt hơn vẫn chưa đủ
Nhiều lời khuyên về prompting thường tập trung vào việc viết prompt tốt hơn. Điều này thường có nghĩa là cụ thể hơn, đưa ra hướng dẫn rõ ràng hơn, hoặc yêu cầu một định dạng và giọng điệu nhất định. Những bước này không phải vô ích. Chúng có thể cải thiện chất lượng bề mặt của câu trả lời. Nhưng chúng không giải quyết tận gốc nguyên nhân của hallucination.
Người dùng thường yêu cầu AI dựa trên kết quả mong muốn, chứ không phải các quy tắc cần tuân thủ. Những câu như “hãy chính xác”, “hãy trích dẫn nguồn” hoặc “chỉ sử dụng thông tin đã được xác minh” nghe có vẻ hợp lý, nhưng lại để quá nhiều khoảng trống cho việc diễn giải. Mô hình vẫn phải tự quyết định nhiều chi tiết quan trọng.
Ngoài ra, các prompt dài và phức tạp cũng có thể tạo ra những mục tiêu mâu thuẫn. Một prompt có thể đồng thời yêu cầu rõ ràng, đầy đủ, tự tin và nhanh chóng. Những mục tiêu này có thể xung đột với nhau, khiến mô hình quay về hành vi mặc định: tạo ra câu trả lời trôi chảy và “có vẻ hoàn chỉnh”. Khi không có thứ tự ưu tiên rõ ràng, độ chính xác có thể bị giảm hoặc mất đi.
Trong khi prompt có thể mô tả nhiệm vụ cần làm, thì rubric lại điều khiển cách ra quyết định trong quá trình thực hiện nhiệm vụ. Rubric giúp AI chuyển từ việc tự suy luận sang tuân theo các hướng dẫn rõ ràng.
Rubric làm được điều mà prompt không thể
Prompt thường tập trung vào giọng điệu, định dạng và mức độ chi tiết của nội dung. Tuy nhiên, chúng thường không xử lý tốt các tình huống không chắc chắn. Khi thông tin bị thiếu hoặc mơ hồ, mô hình AI buộc phải tự quyết định liệu nên dừng lại, đưa ra câu trả lời có điều kiện, hay suy đoán để hoàn thành câu trả lời.
Nếu không có hướng dẫn từ con người, việc tự suy đoán thường sẽ chiếm ưu thế. Rubric giúp giảm bớt sự mơ hồ bằng cách thiết lập các ranh giới ra quyết định rõ ràng. Một rubric sẽ xác định chính thức điều gì là bắt buộc, tùy chọn, và không chấp nhận được. Những tiêu chí này cung cấp cho mô hình một khung đánh giá cụ thể để xem xét mọi đầu ra được tạo ra.
Khi các ưu tiên được xác định rõ ràng, mô hình AI sẽ ít có xu hướng tự “lấp chỗ trống” chỉ để duy trì sự trôi chảy của câu trả lời. Rubric cũng giúp làm rõ những ràng buộc nào quan trọng hơn, từ đó cho phép độ chính xác của thông tin được ưu tiên thay vì cố gắng tạo ra một câu trả lời “đầy đủ” hoặc mạch lạc về mặt văn bản. Quan trọng nhất, rubric còn xác định hành vi khi thất bại, tức là mô hình cần làm gì nếu không thể đưa ra câu trả lời chính xác. Một rubric tốt sẽ cho phép mô hình thừa nhận thiếu thông tin, trả lời một phần, hoặc thậm chí từ chối trả lời, thay vì bịa ra dù chỉ một từ.
Cấu trúc của một rubric AI hiệu quả
Có một câu nói quen thuộc rằng “quá nhiều đầu bếp sẽ làm hỏng nồi súp”, và đây là một phép so sánh rất phù hợp khi nói về việc tạo rubric. Một rubric AI hiệu quả không cần phải dài nhiều trang hay chứa những yêu cầu quá chi tiết. Giống như một công thức nấu ăn có thể bị hỏng khi quá cầu kỳ hoặc có quá nhiều hương vị cạnh tranh, một prompt cũng có thể trở nên kém hiệu quả khi bị “quá tải”. Quá nhiều chi tiết hoặc yêu cầu có thể gây ra sự nhầm lẫn. Những rubric đáng tin cậy thường tập trung vào một số ít tiêu chí rõ ràng và có thể thực thi, trực tiếp giải quyết nguy cơ hallucination.
Ở mức tối thiểu, một rubric được viết tốt nên bao gồm:
- Yêu cầu về độ chính xác: Quy định rõ điều gì cần có bằng chứng hỗ trợ, điều gì được coi là bằng chứng và liệu việc ước đoán có được chấp nhận hay không.
- Kỳ vọng về nguồn thông tin: Hướng dẫn về việc có cần cung cấp nguồn hay không, nguồn có phải đến từ tài liệu được cung cấp hay không, và cách xử lý khi thông tin giữa các nguồn mâu thuẫn.
- Xử lý sự không chắc chắn: Chỉ dẫn rõ ràng về việc mô hình phải làm gì khi thông tin không có, mơ hồ hoặc chưa đầy đủ.
- Ràng buộc về độ tự tin và giọng điệu: Giới hạn về giọng điệu để tránh việc các câu trả lời mang tính suy đoán nhưng lại được trình bày như sự thật chắc chắn.
- Hành vi khi không thể hoàn thành nhiệm vụ: Cho phép và ưu tiên việc dừng lại, đưa ra câu trả lời có điều kiện hoặc trì hoãn thay vì đoán mò.
Cách tạo rubric cho một mô hình AI
Rubric không làm cho mô hình AI thông minh hơn, nhưng giúp quy trình ra quyết định của nó đáng tin cậy hơn. Bạn hãy xem một ví dụ về phân tích đối thủ cạnh tranh để hiểu rõ giá trị của rubric. Một nhóm yêu cầu mô hình AI giải thích vì sao đối thủ của họ đang vượt lên trong kết quả tìm kiếm và họ nên làm gì để cải thiện. Prompt của họ được viết như sau:
“Đánh giá lý do vì sao [đối thủ] đang xếp hạng cao hơn chúng tôi cho [chủ đề cụ thể]. Xác định các từ khóa họ đang xếp hạng, các tính năng SERP họ chiếm được và đề xuất thay đổi cho chiến lược nội dung của chúng tôi.”
Thoạt nhìn, prompt này có vẻ hợp lý. Nhưng trong thực tế, nó lại mở ra cơ hội cho hallucination. Prompt này thiếu dữ liệu đầu vào cụ thể và mô hình cũng không có ràng buộc nào. Nguy cơ rất cao là AI sẽ tự tạo ra các dữ liệu nghe có vẻ hợp lý về thứ hạng, tính năng SERP và các kết luận chiến lược.
Viết rubric
Trong thực tế, rubric sẽ được đưa trực tiếp vào trong prompt. Nó cần được tách biệt rõ ràng khỏi phần nhiệm vụ, phần mô tả điều cần phân tích hoặc tạo ra. Rubric sẽ xác định những quy tắc mà mô hình phải tuân theo khi thực hiện nhiệm vụ. Đây là một khác biệt quan trọng: prompt yêu cầu kết quả đầu ra, còn rubric kiểm soát cách mô hình đưa ra quyết định để tạo ra kết quả đó.
Sử dụng các tiêu chí ở trên, prompt kèm rubric có thể được viết lại như sau:
“Phân tích lý do vì sao [đối thủ] có thể đang hoạt động tốt hơn website của chúng tôi cho [chủ đề]. Bạn hãy đưa ra các insight và đề xuất. Bạn không được khẳng định thứ hạng, lưu lượng truy cập hoặc tính năng SERP nếu những dữ liệu đó không được cung cấp rõ ràng trong prompt. Nếu thiếu dữ liệu cần thiết, hãy nêu rõ điều gì không thể xác định và liệt kê những dữ liệu cần bổ sung. Bạn nên trình bày các đề xuất dưới dạng điều kiện khi bằng chứng chưa đầy đủ. Tránh sử dụng ngôn ngữ mang tính khẳng định nếu không có dữ liệu hỗ trợ. Nếu không thể hoàn thành phân tích một cách đáng tin cậy, hãy trả về một phần kết quả thay vì suy đoán.”
Khi rubric được tích hợp vào prompt, mô hình không còn tự suy đoán nữa. Thay vào đó, nó coi sự không chắc chắn là một ràng buộc cần tuân thủ.
Rubric và prompt phối hợp với nhau như thế nào
Như ví dụ ở trên cho thấy, rubric không thay thế prompt. Chúng bổ sung cho prompt và thường được đặt sau prompt. Có thể xem rubric như một lớp ổn định hóa cho quá trình tạo phản hồi. Prompt luôn có nhiệm vụ xác định nhiệm vụ cần thực hiện: nội dung nào cần được tóm tắt, phân tích hoặc tạo ra. Trong khi đó, rubric xác định các quy tắc mà nhiệm vụ đó phải tuân theo.
Trong thực tế, prompt có thể thay đổi tùy theo từng yêu cầu, còn rubric thường giữ tương đối ổn định cho các loại công việc tương tự, bất kể chủ đề là gì. Những quy tắc về nguồn thông tin, xử lý sự không chắc chắn và hành vi khi không thể hoàn thành nhiệm vụ có thể được giữ nhất quán, giúp giảm tỷ lệ sai sót theo thời gian.
Trong nhiều quy trình làm việc, rubric có thể được đặt ngay sau prompt. Trong những trường hợp khác, chúng có thể được tham chiếu hoặc áp dụng một cách có hệ thống, chẳng hạn thông qua các template có thể tái sử dụng, các bước kiểm tra tự động hoặc hướng dẫn ở cấp hệ thống. Hình thức trình bày không quan trọng bằng sự rõ ràng của các tiêu chí.
Tránh thiết kế quá phức tạp
Mặc dù rất hiệu quả, rubric cũng có thể dễ bị sử dụng sai cách. Một sai lầm phổ biến là thiết kế rubric quá phức tạp. Những rubric cố gắng dự đoán mọi tình huống có thể xảy ra thường trở nên cồng kềnh và thiếu nhất quán. Một sai lầm khác là thêm vào các tiêu chí mâu thuẫn với nhau mà không làm rõ tiêu chí nào được ưu tiên. Để giảm hallucination, rubric cần ngắn gọn, có thứ tự ưu tiên rõ ràng và mô tả cụ thể hành vi khi không thể hoàn thành nhiệm vụ.
Sử dụng rubric AI như một chuyên gia
Prompting ở cấp độ chuyên nghiệp là việc dự đoán trước những tình huống mà AI có thể phải đoán, sau đó xác định và giới hạn cách nó được phép hoạt động. Rubric giúp mô hình AI chậm lại, đưa ra cảnh báo hoặc dừng lại khi thông tin bị thiếu. Nhờ đó, bạn có thể tận dụng sức mạnh của AI trong công việc mà vẫn tạo ra các kết quả chính xác và đáng tin cậy.
Khi sử dụng AI trong tìm kiếm, phân tích dữ liệu hay sản xuất nội dung, vấn đề không chỉ nằm ở việc viết prompt tốt hơn mà còn ở cách thiết lập các quy tắc rõ ràng cho mô hình. Rubric đóng vai trò như một lớp kiểm soát giúp AI xử lý sự không chắc chắn, ưu tiên độ chính xác và tránh suy đoán khi thiếu dữ liệu. Khi kết hợp prompt với rubric một cách hợp lý, bạn có thể tận dụng sức mạnh của AI mà vẫn giữ được độ tin cậy của kết quả. Đây cũng là cách tiếp cận ngày càng quan trọng trong các workflow hiện đại liên quan đến tìm kiếm và nội dung.
