Vấn đề: Kết quả trôi chảy nhưng có thể sai chết người
Điều nguy hiểm nhất của AI với Product không phải là nó sai — mà là nó sai một cách rất thuyết phục. Một AC bịa, một số liệu tự tin, một tính năng đối thủ không tồn tại: tất cả nghe hợp lý và bạn dễ dàng đưa vào PRD, backlog, quyết định. Bài này là lá chắn cuối cùng: quy trình kiểm chứng để mọi output của AI đều đáng tin trước khi thành công việc thật.
Ảo giác là gì và vì sao nó xảy ra
AI ngôn ngữ dự đoán từ tiếp theo có xác suất cao, không "biết" đúng sai. Khi thiếu dữ liệu, nó vẫn tạo ra câu trôi chảy — đó là ảo giác (hallucination). Nó không cố lừa bạn; nó chỉ đang "đoán cho mượt". Vì vậy trách nhiệm kiểm chứng thuộc về bạn.
Bốn kỹ thuật prompt chống ảo giác
- Grounding — "Chỉ dùng dữ liệu tôi cung cấp".
- Cho phép nói "không biết" — "Nếu không chắc, hãy ghi 'không đủ dữ liệu' thay vì đoán".
- Yêu cầu trích dẫn/bằng chứng — "Với mỗi kết luận, chỉ ra dòng nguồn".
- Tự phản biện — "Nêu 3 điểm output này có thể sai".
Ví dụ: Prompt tích hợp lá chắn chống ảo giác
[ROLE] Bạn là trợ lý product cẩn trọng, ưu tiên đúng hơn là đầy đủ.
[CONTEXT] <Context Block + dữ liệu đã ẩn danh, đánh số>
[TASK] <nhiệm vụ của bạn>
[QUY TẮC KIỂM CHỨNG — bắt buộc]
- Chỉ dùng thông tin trong phần dữ liệu trên (grounding).
- Với mỗi khẳng định quan trọng, ghi [Nguồn: dòng số ...].
- Chỗ nào bạn phải suy đoán, gắn nhãn [GIẢ ĐỊNH] rõ ràng.
- Chỗ nào không đủ dữ liệu, ghi "KHÔNG ĐỦ DỮ LIỆU" — tuyệt đối không bịa.
- Cuối cùng, liệt kê "3 điều tôi nên kiểm tra lại" về chính câu trả lời này.
Ba lớp nhãn — [Nguồn], [GIẢ ĐỊNH], "KHÔNG ĐỦ DỮ LIỆU" — biến một khối văn xuôi khó soi thành thứ bạn kiểm được trong vài phút.
Quy trình vận hành AI có trách nhiệm (áp dụng mọi output)
- Grounding dữ liệu ngay trong prompt.
- Đọc output, soi các nhãn [GIẢ ĐỊNH] và [Nguồn].
- Kiểm chứng chéo dữ kiện quan trọng với nguồn thật (tài liệu, dev, số liệu).
- Kiểm tay phép tính (LLM hay sai số học).
- Chạy "3 điều nên kiểm tra lại" mà AI tự nêu.
- Người duyệt trước khi output thành PRD/backlog/email chính thức.
Template: Checklist "Trước khi tin AI" (in ra dán màn hình)
□ NGUỒN: Mọi dữ kiện có truy được về dữ liệu tôi cung cấp không?
□ SỐ HỌC: Đã kiểm lại phép tính/đếm/phần trăm chưa?
□ CHÍNH SÁCH: Business rule có khớp tài liệu công ty không? (không dựa trí nhớ AI)
□ THỜI ĐIỂM: Có dữ kiện thị trường nào có thể lỗi thời không?
□ BỊA THÊM: Có tính năng/insight/đối thủ nào AI tự thêm không?
□ DỮ LIỆU: Tôi đã ẩn danh PII trước khi dán chưa?
□ TRÁCH NHIỆM: Tôi có sẵn sàng ký tên vào output này không?
Sai lầm thường gặp (tổng kết cả khóa)
- Coi độ trôi chảy là độ chính xác. Văn hay ≠ đúng. Luôn kiểm chứng.
- Không cho AI đường thoát "không biết". Không được phép nói "không biết", nó buộc phải bịa. Hãy chủ động cho phép.
- Rò rỉ dữ liệu vì quen tay. Càng dùng nhiều càng dễ chủ quan dán nhầm dữ liệu mật. Checklist ẩn danh phải thành phản xạ.
- Phụ thuộc quá mức, teo tư duy phản biện. Nếu bạn ngừng tự kiểm, AI sẽ dần dẫn dắt quyết định của bạn bằng những phỏng đoán mượt mà. Giữ vai người phán xét, không phải người tiêu thụ thụ động.
- Đổ lỗi cho AI khi sai. Với stakeholder và dev, người chịu trách nhiệm là BẠN, không phải công cụ. Đó là lý do bước duyệt của con người là bất khả xâm phạm.
Kết khóa
Bạn đã đi từ "hỏi vu vơ" đến giao việc bằng brief R-C-T-F-C, cung cấp context an toàn, sinh story/PRD/insight chuẩn, ưu tiên có kiểm chứng, tự động hóa bằng agent, và giờ là kiểm chứng chống ảo giác. Công thức thành công của Product thời AI rất đơn giản: AI làm nhanh phần cơ bắp, bạn giữ phần đầu óc và trách nhiệm. Prompt tốt + kiểm chứng kỷ luật = làm nhanh hơn 3-5 lần mà vẫn ngủ ngon.
Ghi nhớ: Một Product giỏi thời AI không phải người dùng AI nhiều nhất, mà là người kiểm chứng kỷ luật nhất và biết chính xác khi nào KHÔNG tin nó.