Hai người có thể dùng cùng một AI tạo sinh theo hai cách rất khác nhau.
Một người hỏi, nhận câu trả lời rồi dừng.
Người kia dùng câu trả lời đó để nhảy sang nguyên nhân, so sánh, ngoại lệ, ngành khác, phản biện và ứng dụng.
Khác biệt không chỉ nằm ở việc ai viết prompt dài hơn.
Khác biệt lớn hơn nằm ở điều xảy ra ngay sau khi AI trả lời:
“Tại sao?”
“So với cái khác thì sao?”
“Có phản ví dụ nào không?”
“Cấu trúc này có dùng được ở lĩnh vực khác không?”
Một phần của kỹ năng dùng AI không phải là kỹ năng tìm kiếm. Đó là trò chơi liên tưởng.
Dùng AI như ô tìm kiếm, cuộc hội thoại dễ kết thúc sau một lượt. Dùng nó như bạn đồng hành suy nghĩ, mỗi câu trả lời sẽ trở thành nguyên liệu cho câu hỏi tiếp theo.
1. Cốt lõi: đừng săn một câu hỏi hoàn hảo; hãy nuôi một cây câu hỏi
Prompt rõ ràng rất quan trọng, nhưng không cần lúc nào cũng bắt đầu bằng câu hỏi hoàn hảo.
Trong quá trình khám phá thực tế, nhiều khi câu trả lời đầu tiên mới cho ta biết điều gì đáng đào sâu.
Một quy trình mạnh hơn là:
- Hỏi một câu đầu tiên đủ tốt.
- Chọn một chi tiết thú vị từ câu trả lời.
- Kéo dài theo nguyên nhân, so sánh, ngoại lệ, ứng dụng hoặc tương tự.
- Dùng câu trả lời mới để tạo nhánh tiếp theo.
- Kiểm chứng những dữ kiện quan trọng bằng nguồn bên ngoài.
Câu hỏi đầu tiên chỉ là hạt giống. Nhiều giá trị chỉ xuất hiện khi nó thành cây.
2. Vì sao nhiều người dừng sau một câu trả lời: lấy thông tin và khám phá là hai hành vi khác nhau
“Giải thích về một công ty tôi biết” là một điểm khởi đầu hoàn toàn ổn.
Vấn đề xuất hiện khi câu mô tả trả về khiến ta cảm thấy nhiệm vụ đã hoàn tất.
Trong cách dùng khám phá, câu trả lời không phải sản phẩm hoàn chỉnh. Nó là bộ phận cho câu hỏi kế tiếp.
Sau khi đọc về một công ty, bạn có thể rời khỏi chính tên công ty đó:
- Vì sao ngành này có cấu trúc biên lợi nhuận khác?
- Khác gì so với đối thủ?
- Điểm yếu nằm ở đâu?
- Có ngành nào khác có cùng cấu trúc?
- Trong điều kiện nào mô hình này sẽ hỏng?
Một truy vấn về một tên riêng có thể chuyển thành câu chuyện về cấu trúc ngành, kinh tế, công nghệ hoặc tổ chức.
Đó là lúc câu hỏi bắt đầu sinh sôi.
3. Cốt lõi nhận thức của trò liên tưởng: đừng chỉ đào sâu một kệ; hãy đổi kệ
Nghiên cứu về tìm kiếm trong trí nhớ ngữ nghĩa phân biệt giữa việc tiếp tục tạo các ý gần nhau trong một cụm và việc chuyển sang một cụm nghĩa khác.[1]
Cách đầu giống như đào sâu cùng một kệ. Cách sau là chuyển sang kệ khác.
Một nghiên cứu năm 2022 liên hệ việc chuyển cụm này với khả năng kết hợp các khái niệm xa nhau, cấu trúc trí nhớ ngữ nghĩa và năng lực điều hành.[1]
Trong cách dùng AI, sự khác biệt rất rõ.
“Công ty này bán sản phẩm gì?” “Còn sản phẩm nào khác?” “Còn nữa không?”
Đó vẫn là cùng một kệ.
Nhưng:
“Vì sao danh mục lại hình thành như vậy?” “Vì sao đối thủ có danh mục khác?” “Ngành nào khác kiếm tiền bằng cấu trúc tương tự?”
thì đã chuyển kệ.
Muốn tăng khả năng khám phá liên tưởng, đừng chỉ tích lũy thêm dữ kiện. Hãy luyện chuyển danh mục.
4. Không cần bắt đầu bằng liên tưởng tự do: hãy đặt năm đường ray
Bảo ai đó “hãy liên tưởng nhiều hơn” không giúp mấy nếu chính việc liên tưởng đã khó.
Ban đầu chỉ cần năm hướng.
| Hướng | Câu hỏi tiếp theo |
|---|---|
| Nguyên nhân | Vì sao điều này xảy ra? |
| So sánh | Khác gì so với trường hợp khác? |
| Ngoại lệ / phản chứng | Phản ví dụ hay điều kiện nào sẽ làm nó hỏng? |
| Ứng dụng | Có thể dùng cho vấn đề khác không? |
| Tương tự | Trường hợp nào khác có cùng cấu trúc? |
Nghiên cứu về huấn luyện tạo câu hỏi cho thấy điều kiện có gợi ý cụ thể để hình thành câu hỏi có thể tạo ra mức tăng lớn hơn về kiến thức siêu nhận thức và tự điều chỉnh so với chỉ yêu cầu người học tự đặt câu hỏi mà không hướng dẫn.[2]
Ban đầu không cần sáng tạo hoàn toàn tự do.
Dùng bánh phụ trước.
5. Hãy yêu cầu AI tạo “nhánh”, không chỉ tạo câu trả lời
AI tạo sinh rất giỏi tạo nhiều phương án. Trong các bài kiểm tra tư duy phân kỳ, một nghiên cứu cho thấy GPT-4 có mức độ độc đáo và chi tiết cao hơn người tham gia trung bình trong điều kiện kiểm tra đó.[3]
Nhưng nếu AI luôn tạo tất cả câu hỏi tiếp theo, người dùng chỉ còn việc chọn.
Một thỏa hiệp thực tế là:
“Một nhánh của tôi → ba nhánh của AI → chọn một.”
Hãy tự tạo một câu hỏi tiếp theo rồi hỏi AI:
Từ câu trả lời này, hãy cho tôi ba câu hỏi tiếp theo theo các hướng nguyên nhân, so sánh, ngoại lệ, ứng dụng hoặc tương tự. Chưa trả lời, chỉ đưa câu hỏi.
Như vậy AI mở rộng không gian tìm kiếm mà không xóa việc luyện kỹ năng đặt câu hỏi của bạn.
Một nghiên cứu năm 2025 về tìm kiếm bằng AI tạo sinh cũng cho thấy các gợi ý siêu nhận thức khuyến khích phản tư và cân nhắc góc nhìn khác khiến người tham gia khám phá phạm vi chủ đề rộng hơn và đặt câu hỏi tiếp theo sâu hơn.[4]
6. “Huấn luyện AI của bạn” thực ra thường là tích lũy ngữ cảnh có thể dùng, không phải huấn luyện lại mô hình nền
Sau thời gian dài sử dụng, câu trả lời của AI có thể ngày càng giống như được “may đo” cho bạn.
Cần tách hai ý.
Trong hệ thống có thể dùng ngữ cảnh hiện tại, thông tin trước đó, sở thích hoặc tính năng bộ nhớ, AI có thêm dữ liệu về mục tiêu, ràng buộc và quyết định trước đây của bạn.
Điều đó giúp cá nhân hóa, nhưng thường không có nghĩa là bạn đã tự huấn luyện lại mô hình nền.
Lợi ích thực tế là không phải giải thích bối cảnh từ đầu mỗi lần.
Khi mục tiêu, điều muốn tránh, so sánh trước đây và tiêu chí quyết định đã có sẵn, một câu đơn giản như “Bạn đề xuất gì?” có thể bắt đầu từ vị trí tốt hơn nhiều.
Nhưng nhiều ngữ cảnh hơn không phải lúc nào cũng tốt hơn.
Nếu AI dựa quá nhiều vào sở thích cũ, lựa chọn mới có thể biến mất.
Trong quyết định quan trọng, đôi khi hãy hỏi:
Tạm bỏ qua sở thích và kết luận trước đây của tôi. Hãy thử phản bác chúng từ phía đối lập mạnh nhất.
Tích lũy ngữ cảnh và thu hẹp thế giới đôi khi gần nhau đáng ngạc nhiên.
7. So sánh giúp rút ra quy tắc cao hơn từng trường hợp riêng lẻ
So sánh là một trong những cách đơn giản nhất để tăng liên tưởng.
Khi so sánh rõ hai trường hợp, ta dễ rút ra cấu trúc chung vượt khỏi tên gọi và chi tiết bề mặt.
Trong nghiên cứu học đàm phán, nhóm so sánh hai trường hợp và rút ra nguyên tắc chung chuyển nguyên tắc đó sang tình huống đàm phán mới tốt hơn nhóm phân tích hai trường hợp riêng rẽ.[5]
Với AI cũng có thể dùng cùng mẫu.
Sau “Giải thích A”, hỏi:
“A khác B về cấu trúc ở điểm nào?”
Rồi tiếp:
“Điều gì gây ra khác biệt đó?” “C có cùng cấu trúc không?”
So sánh là cây cầu từ tên riêng sang quy tắc tái sử dụng được.
8. Nhưng liên tưởng của AI không phải sự thật
Nhiều nhánh hơn tạo nhiều hướng thú vị hơn, đồng thời cũng tạo nhiều cơ hội sai hơn.
AI có thể nối các khái niệm gần nhau về nghĩa, nhưng gần về nghĩa không chứng minh quan hệ nhân quả hay sự thật thực tế.
Hãy chia vai:
- AI: đề xuất nhánh, trục so sánh, phản biện và giả thuyết.
- Nguồn sơ cấp hoặc đáng tin: xác nhận số liệu, quy định, giá, con người và thông số mới nhất.
- Bạn: quyết định nhánh nào đáng theo.
Câu hỏi tiếp theo do AI tạo có thể làm sâu hơn một phát hiện có sẵn mà không nhất thiết tìm được vấn đề mới. Trong nghiên cứu khả dụng với 60 người, câu hỏi tiếp theo của GPT-4 làm rõ tốt các phát hiện sẵn có nhưng phát hiện ít vấn đề khả dụng mới hơn.[6]
Nhiều câu hỏi hơn không tự động đồng nghĩa với nhiều sự thật hơn.
Hãy tạo nhánh trước và kiểm chứng nhánh riêng sau.
9. Kỹ năng liên tưởng có thể cải thiện, nhưng không phải phép màu
Một phân tích tổng hợp năm 2024 trên 169 nghiên cứu huấn luyện sáng tạo cho thấy hiệu ứng trung bình chưa điều chỉnh là 0,53 độ lệch chuẩn; sau khi điều chỉnh thiên lệch công bố, ước lượng giảm còn khoảng 0,29–0,32.[7]
Thông điệp thực tế khá khiêm tốn: luyện tập có thể giúp, nhưng không biến một người thành kiểu tư duy hoàn toàn khác chỉ trong vài ngày.
Thay vì tạo thêm một hệ thống học riêng, hãy dùng các phiên AI bình thường để luyện:
“Đọc câu trả lời → kéo dài một nhánh theo một trong năm hướng.”
10. Bốn câu hỏi có thể dùng ngay
Tạo các nhánh tiếp theo
Cho tôi ba câu hỏi tiếp theo theo hướng nguyên nhân, so sánh, ngoại lệ, ứng dụng hoặc tương tự. Chưa trả lời.
Tìm điểm mù
Cách tôi đặt câu hỏi khiến những góc quan trọng nào khó thấy? Cho tôi ba góc khác.
Trừu tượng hóa bằng so sánh
Cho một trường hợp tương tự rồi tách cấu trúc chung khỏi khác biệt quan trọng.
Phá khung hiện tại
Đừng coi kết luận từ cuộc trò chuyện trước là tiền đề. Hãy xây phản biện mạnh nhất từ phía đối lập.
Kết luận: biến AI từ hộp trả lời thành bộ nhân câu hỏi
Dùng AI tốt không chỉ phụ thuộc vào số mẫu prompt bí mật bạn biết.
Điều quan trọng là bạn làm gì sau câu trả lời đầu tiên.
Có tạo được câu hỏi tiếp không?
Có so sánh được không?
Có đổi danh mục được không?
Có phản bác được khung hiện tại không?
Có kiểm chứng được dữ kiện quan trọng không?
Khi vòng lặp này chạy, AI không còn chỉ là công cụ thay thế tìm kiếm mà trở thành bạn đồng hành suy nghĩ.
Hãy chuyển từ “một câu hỏi, một câu trả lời, xong” sang nuôi một cây câu hỏi.
Có thể bạn nghĩ mình đang huấn luyện AI, nhưng đồng thời bạn cũng đang huấn luyện cách mình đặt câu hỏi.
- Marron TR, Berant E, et al. “An investigation of the cognitive and neural correlates of semantic memory search related to creative ability.” Communications Biology (2022) nature.com
- Cano García F, García Á, Berbén ABG, Pichardo MC, Justicia F. “The effects of question-generation training on metacognitive knowledge, self regulation and learning approaches in science.” Psicothema (2014) pubmed.ncbi.nlm.nih.gov
- Hubert KF, Awa KN, Zabelina DL. “The current state of artificial intelligence generative language models is more creative than humans on divergent thinking tasks.” Scientific Reports (2024) nature.com
- Singh A, Guan Z, Rieh SY. “Enhancing Critical Thinking in Generative AI Search with Metacognitive Prompts.” Proceedings of the Association for Information Science and Technology (2025) doi.org
- Loewenstein J, Thompson L, Gentner D. “Analogical Learning in Negotiation Teams: Comparing Cases Promotes Learning and Transfer.” Academy of Management Learning & Education (2003) journals.aom.org
- Kuric E, Demcak P, Krajcovic M. “Unmoderated Usability Studies Evolved: Can GPT Ask Useful Follow-up Questions?” International Journal of Human–Computer Interaction (2024) tandfonline.com
- Sio UN, Lortie-Forgues H. “The impact of creativity training on creative performance: A meta-analytic review and critical evaluation of 5 decades of creativity training studies.” Psychological Bulletin (2024) pubmed.ncbi.nlm.nih.gov
