DANH MỤC DỊCH VỤ

AI có thể hành động — Whiteboard Friday

Ngày 27/11/2025 - 09:11

Trong tập Whiteboard Friday này, Britney thảo luận về AI có thể thực hiện được, cách bắt đầu và các bước cần thiết để thực hiện điều đó.

Mục lục

Xin chào những người hâm mộ MOZ, tôi là Britney Muller, để trò chuyện với các bạn về mọi thứ liên quan đến AI có thể hành động, cách bắt đầu sử dụng AI trong quy trình làm việc, cuộc sống của bạn và các bước cũng như điều thực sự bạn cần cân nhắc để biến điều đó thành hiện thực và thực hiện đúng cách.

AI là công cụ hỗ trợ chứ không phải là sự thay thế

Vậy, bắt đầu thôi. Bạn biết đấy, sử dụng trí tuệ nhân tạo, nó thực sự là công nghệ hỗ trợ. Thông thường, bạn sẽ không thể hoàn thành mọi việc từ A đến Z, nó chỉ có thể giúp bạn đạt được khoảng 60, 70% chặng đường, và điều đó không sao cả, phải không? Vậy nên, việc định hình lại AI thành một công nghệ hỗ trợ thực sự, thực sự hữu ích.

Lời cảnh báo lớn nhất tôi muốn gửi đến mọi người, và điều này xảy ra với rất nhiều người rất thông minh, cũng như với rất nhiều nhóm nội bộ, là bạn có những ý tưởng hoặc nhiệm vụ quá chung chung cho AI. Bạn có một giải pháp hình cầu kỳ diệu mà bạn muốn sử dụng AI. Và thật không may, khi xây dựng và làm việc với AI, bạn cần phải thực sự, thực sự cụ thể. Bạn cần cô đọng ý tưởng của mình thành những nhiệm vụ nhỏ gọn. Vì vậy, bạn biết đấy, hãy cố gắng đừng rơi vào cái bẫy đó.

Và điều thường xảy ra là khi mọi người quá háo hức tích hợp AI vào sản phẩm, hệ thống và công ty của họ. Tôi nghe nói rất nhiều chuyên gia SEO, rất nhiều nhà tiếp thị, cảm thấy gánh nặng đó từ ban quản lý cấp cao. Và có một cơ hội thực sự tuyệt vời cho những ai trong số các bạn trải nghiệm điều đó, để quản lý và giúp đào tạo một số bên liên quan về những gì AI đủ điều kiện và những gì nó không đủ điều kiện. Và chắc chắn là để đưa những nhiệm vụ này trở nên thực tế hơn một chút, bằng cách chia nhỏ chúng thành các bước.

Vậy nên điều cuối cùng xảy ra là mọi người sẽ cảm thấy nản lòng khi cố gắng làm điều này, và điều đó dẫn đến cảm giác hơi thất bại. Và tôi không muốn điều đó xảy ra với bạn, bởi vì có rất nhiều ứng dụng thực sự tuyệt vời. Tôi đã nêu bật một số điều mà Trí tuệ nhân tạo (AI) thực sự đủ điều kiện trong những dấu sao màu xanh lam này trên bảng. Và để bắt đầu suy nghĩ về điều đó, phải không? Nhưng đây là một trải nghiệm lặp đi lặp lại. Vì vậy, một lần nữa, đừng nản lòng nếu bạn không làm đúng ngay từ lần đầu. Không ai làm đúng ngay từ lần đầu cả, tôi đảm bảo với bạn.

Khi nào không nên sử dụng AI

Và cũng không sao nếu bạn nghĩ ra một số nhiệm vụ và ý tưởng mà bạn muốn thử nghiệm với AI mà cuối cùng không sử dụng AI. Không sao cả, đó là một phần của quy trình. Và thực tế, rất nhiều nhà nghiên cứu và nhóm AI mà tôi từng làm việc cùng đều tự mình thực hiện điều đó. Và vì vậy, một lần nữa, đó là một phần của quy trình, và đừng cảm thấy tệ về điều đó. Chắc chắn rồi, đừng dán nhãn AI lên thứ gì đó mà bạn không sử dụng AI. Nhưng hãy lưu ý điều đó.

Tôi thích so sánh điều này với việc ném mì spaghetti vào tường. Bạn biết đấy, xem cái nào dính, cái nào không. Một số loại mì không dính là những thứ như theo dõi tác vụ, nơi bạn có thể có một mô hình kinh nghiệm, làm điều gì đó tương tự. Và tất cả các phương tiện kinh nghiệm đều là, nếu thế này, thì thế kia. Tôi biết điều đó, bạn biết đấy, công cụ này đã tồn tại từ rất lâu rồi, nhưng chỉ cần suy nghĩ như vậy, nó giống như một Cây Quyết định. Nếu một Cây Quyết định có thể tìm ra tác vụ của bạn, thì nó phù hợp hơn cho một cái gì đó, một loại giải pháp khác. Và điều đó không sao cả.

Xác định các trang có tỷ lệ nhấp chuột cao. Tôi đã nghe một số người muốn sử dụng AI cho việc này. AI không nhất thiết phải làm việc này, phải không? Một bảng Pivot đơn giản sẽ cung cấp thông tin đó nhanh chóng, và bạn biết đấy, lại không tốn nhiều chi phí.

Về dự báo lưu lượng truy cập, có những mô hình dự báo và mô hình chuỗi thời gian thực sự mạnh mẽ khác, chẳng hạn như Prophet của Facebook, có thể giúp bạn làm điều đó rất, rất tốt. Và một lần nữa, để chia nhỏ các nhiệm vụ và ý tưởng này thành các phần và phần cụ thể, chúng ta hãy cùng xem qua phần này.

Hãy xem xét AI có đủ điều kiện để làm gì

Vậy ngoài điều này ra, hãy cùng xem xét AI thực sự có đủ điều kiện để làm gì, đúng không? Về bản chất, nó giỏi ở điểm nào, và về bản chất, nó kém ở điểm nào? Có một số hình ảnh minh họa mà chúng ta có thể đưa vào bài viết trong Hướng dẫn Mô hình Ngôn ngữ Lớn của tôi về Khoa học Dữ liệu 101, trong đó tôi cố gắng giải thích chúng là gì, để bạn không rơi vào cái bẫy cố gắng sử dụng công nghệ này theo những cách mà nó thực sự không được tạo ra để làm.

Các LLM giỏi về:	LLms KHÔNG giỏi về:
Bản dịch ngôn ngữ	Sự kiện hiện tại
Tóm tắt nội dung	Lẽ thường tình
Tạo nội dung	Toán/đếm
Hỗ trợ viết	Xử lý các tình huống không phổ biến
Trả lời câu hỏi	Sự hài hước
Sửa lỗi chính tả và ngữ pháp	Sự nhất quán
Hỗ trợ lập trình	Chiến lược cấp cao
Phân loại (phát hiện thư rác)	Luôn luôn thực tế 100%
Đơn giản hóa nội dung phức tạp	Thân thiện với môi trường
Viết cách điệu (áp dụng Poe vào x)	Hiểu bối cảnh
cá nhân hóa	Lý luận và logic
Kỹ thuật nhanh chóng	Trí tuệ cảm xúc
Nhận dạng giọng nói	Bất kỳ nghiên cứu dựa trên dữ liệu nào
Bắt chước đối thoại	Đại diện cho các nhóm thiểu số

Và một lần nữa, các mô hình khác cũng thực hiện nhiệm vụ đó. Ví dụ về dự báo của Prophet, Jess Peck có một Hướng dẫn Prophet tuyệt vời về phụ nữ trong SEO . Rất khuyến khích bạn xem qua. Và đó là một phần giới thiệu tuyệt vời về các mô hình xác định khác thực hiện mọi việc thực sự, thực sự chính xác. AI mà chúng ta thường nói đến ngày nay chủ yếu là AI sinh sản. Bạn đang tạo ra những thứ hoàn toàn mới, một lần nữa, có thể rất hữu ích cho Tóm tắt, Tiêu đề và Mô tả Meta, Hỗ trợ Mã, tạo các câu đố mới, nhưng chúng không dựa trên dữ liệu thực tế 100%.

Vậy thì hãy khám phá một số điều khác. Cũng cần xem xét những thành kiến được đưa vào các mô hình này. Chúng ta thấy các công ty như PGA và các tài khoản mạng xã hội của họ trên Instagram đang cố gắng kết hợp công nghệ AI theo những cách thực sự hài hước và thông minh, khi họ mở rộng ảnh chụp đầu của người chơi. Và thoạt đầu, đây là một ứng dụng thực sự thú vị. Mọi người đang tương tác với nó. Cho đến khi bạn đến hai người chơi cuối cùng, nơi họ là những người chơi da màu, và nó phá vỡ nền, nó phá vỡ nền của người chơi và nó đặt họ vào thứ trông giống như một bãi rác, hoặc đang làm việc trên một vật thể làm bằng gỗ nào đó, phải không? Điều đó không ổn. Điều này thực sự phản ánh những thành kiến và các vấn đề vốn có của các mô hình này. Vì vậy, một lần nữa, chỉ cần biết cách điều hướng những thứ đó và biết nơi bạn sẽ va vào những hạn chế này là vô cùng, vô cùng quan trọng.

Ý tưởng Spark

Và để bắt đầu khơi gợi một số ý tưởng. Một cách thú vị để làm điều đó là tôi thích khuyến khích mọi người để một cửa sổ mở với ChatGPT hoặc Gemini, chỉ để có một loại gợi ý trực quan khi bạn đang làm việc. Tôi vẫn làm điều này, và tôi vẫn tự thử thách bản thân để nghĩ ra những cách khác nhau để sử dụng nó nhằm giúp đẩy nhanh tiến độ công việc tôi đang làm. Và hãy xem xét những gì cần làm. Một số nhiệm vụ lặp lại nhiều nhất của bạn mà có thể bạn không quan tâm nhiều bằng những việc khác, phải không? Tôi đã nghe mọi người nói về việc xem xét khách hàng tiềm năng, thông qua trang web của họ và lọc ra đâu là thư rác và đâu là khách hàng tiềm năng thực sự đủ điều kiện. Những mô hình này thực sự hiệu quả trong việc bắt đầu xác định một số điều đó.

Tương tự với ghi chú cuộc họp, có rất nhiều công cụ như Otter, và tôi tin Firefly là một công cụ như vậy. Nhưng nó có thể tham gia các cuộc họp, ghi lại những gì đang được nói và tự động tạo ghi chú cuộc họp cũng như các bước hành động tiếp theo, thật tuyệt vời, phải không? Tiết kiệm rất nhiều thời gian. Và nó thực sự cho phép chúng ta trở nên nhân văn hơn, phải không? Và đó chính là cốt lõi của tất cả những điều này, đó là yếu tố lấy con người làm trung tâm. Và để xem xét điều này, bạn mang lại giá trị độc đáo nào cho công việc của mình, phải không? Bạn có những hiểu biết, quan điểm và kinh nghiệm độc đáo nào mà bạn có thể nhân đôi và nâng cao trong công việc mình đang làm, phải không? Bởi vì trí tuệ nhân tạo không có, không có kinh nghiệm, không có chân lý cơ bản trong thế giới chúng ta đang sống.

Hãy áp dụng phương pháp lấy con người làm trung tâm

Đây là lý do tại sao phương pháp tiếp cận AI lấy con người làm trung tâm lại rất, rất quan trọng và sẽ rất quan trọng trong tương lai. Cần xem xét mục đích của ứng dụng này là gì? Ứng dụng này phục vụ ai, đúng không? Ai sẽ bị ảnh hưởng nếu điều này xảy ra sai sót, đúng không? Nếu chúng ta làm sai, những kết quả tiềm năng có thể là gì? Ai sẽ tham gia, đúng không? Đây không phải là ứng dụng chỉ cần thiết lập và quên nó đi. Luôn có người tham gia và xác định xem bài kiểm tra này có được tạo ra không, có đúng không? Có bất kỳ lỗi lạ nào phát sinh từ đó không? Và một lần nữa, điều này không đưa bạn đến đích, nó chỉ giúp bạn đạt được 70%, 75%. Và sau đó, hãy thực sự, thực sự lùi lại một bước và xem xét một số hậu quả không mong muốn có thể xảy ra của việc này là gì? Vì vậy, khi tôi nói chuyện với những người mới về AI quan tâm đến việc kết hợp điều này, những gì tôi đã bắt đầu đưa ra, với Khóa học AI Tạo sinh của mình, là loại ngăn xếp hoặc thang AI dành cho người mới bắt đầu này, và đây là cách suy nghĩ về điều này. Vì vậy, nó thực sự từ dễ đến phức tạp hơn.

Nhận bằng chứng về khái niệm

Và điều tôi luôn khuyến khích người mới bắt đầu thử nghiệm là hãy tìm một Bằng chứng Khái niệm (Proof of Concept). Hãy xem liệu những công cụ khác nhau này có khả năng thực hiện những gì bạn muốn chúng làm hay không. Ví dụ, hãy truy cập thẳng vào ChatGPT, vào thẳng Gemini, vào thẳng source, tìm Bằng chứng Khái niệm đó, và sau đó chúng ta có thể bắt đầu nghĩ về các tích hợp và công cụ cấp cao hơn. MidJourney thì hơi kỹ thuật hơn một chút, chỉ vì bạn phải dùng Discord. Nhưng điều thực sự thú vị là những thứ như NotebookLM. Đây là một công cụ miễn phí của Google. Bạn có thể tải lên một nguồn thông tin hoặc dữ liệu, và bạn có thể truy vấn dựa trên nguồn đó. Gần đây, tôi đã tải lên "Hướng dẫn Mô hình Ngôn ngữ Lớn" của mình, và tôi đã tạo ra một bảng thuật ngữ như vậy, phải không? (búng tay) Tôi đã tạo một bài kiểm tra; bạn có thể tạo một bạn học cho học sinh. Nó thực sự, thực sự mạnh mẽ.

Và rồi từ đó xuất hiện Tích hợp Nền tảng. Đây là những thứ như Plugin GPT cho Sheets, cực kỳ mạnh mẽ. Gần đây, một học viên muốn lấy mô tả sản phẩm, tạo thẻ tiêu đề, mô tả meta và soạn thảo bài đăng trên mạng xã hội cho Instagram, Twitter và LinkedIn. Vì vậy, cả lớp chúng tôi đã tự hỏi: "Làm thế nào để chúng ta làm tốt nhất việc này?". GPT cho Sheets có một công thức tự động ghép nó thành các cột. Và chỉ với một công thức tham chiếu đến mô tả sản phẩm, ôi chao, chúng tôi có thể tự động tạo bản nháp cho tất cả những thứ này. Một lần nữa, luôn cần có sự tham gia của con người, nhưng thật thú vị khi bắt đầu kết hợp điều này theo những cách thực sự giúp bạn tập trung vào những thứ cấp cao hơn và giúp bạn thực hiện các công việc mang tính chiến lược hơn. Và vì vậy, hãy luôn, luôn chia nhỏ nhiệm vụ của bạn thành các bước cụ thể và tìm hiểu xem GenAI hay AI có đủ điều kiện cho việc đó hay không. Và để phù hợp với người dùng, phải không? Vì vậy, nếu đó là Lọc email tạo khách hàng tiềm năng, hãy đưa ra giải pháp như mô hình thông qua Zapier dành cho Gmail có thể tự động đánh dấu đâu là khách hàng tiềm năng đủ điều kiện và đâu là thư rác.

Hy vọng rằng điều này sẽ cung cấp cho bạn một khuôn khổ rõ ràng hơn về cách áp dụng công nghệ này vào công việc và cuộc sống. Và nếu bạn quan tâm đến việc tìm hiểu thêm về thang AI này và tạo ra một giải pháp toàn diện, khả thi hơn. Tôi đang giúp mọi người thực hiện điều đó với Khóa học Cơ bản về Trí tuệ Nhân tạo (AI).

Và cảm ơn các bạn rất nhiều vì đã theo dõi chương trình "Whiteboard Friday". Thật là vui. Nếu bạn có bất kỳ bình luận hoặc câu hỏi nào, xin vui lòng gắn thẻ tôi trực tuyến, dù là X hay LinkedIn hay Instagram. Hãy cho tôi biết nếu bạn có bất kỳ suy nghĩ nào và tôi rất mong sớm được gặp lại tất cả các bạn. Cảm ơn.

Bình luận

Dịch vụ liên quan

Nội dung bài viết