Kiểm tra kết quả AI trước khi gửi: lỗi thường gặp và cách sửa

Kiểm tra kết quả AI trước khi gửi nghĩa là đối chiếu lại bốn chỗ AI hay sai nhất: số liệu, câu phủ định, tên riêng và nguồn trích dẫn. AI viết rất trôi chảy, nên lỗi thường không lộ ra khi đọc lướt; bạn cần dò có chủ đích từng nhóm lỗi, so với tài liệu gốc. Bài này đưa ra cách kiểm tra từng nhóm và một checklist 10 bước bạn có thể dùng cho mọi email, báo cáo hay bản dịch do AI soạn.

Tóm tắt nhanh:

• AI có thể đưa ra nội dung sai nhưng được trình bày rất tự tin. Viện Tiêu chuẩn và Công nghệ Hoa Kỳ (NIST) gọi đây là "confabulation", tức hiện tượng thường được gọi là "ảo giác" (hallucination).
• Bốn nhóm cần kiểm tra trước tiên: con số, câu phủ định, tên riêng, nguồn.
• Người gửi vẫn chịu trách nhiệm về nội dung. Một tòa án liên bang Mỹ năm 2023 đã phạt 5.000 USD khi luật sư nộp văn bản có án lệ không tồn tại do ChatGPT tạo ra.

Vì sao phải kiểm tra kết quả AI trước khi gửi?

Vì mô hình ngôn ngữ có xu hướng "đoán" khi không chắc, và câu đoán sai trông giống hệt câu đúng. Người nhận chỉ thấy tên bạn trên email, không thấy AI.

Trong khung quản lý rủi ro AI tạo sinh (NIST AI 600-1, 2024), NIST mô tả confabulation là việc tạo ra nội dung sai hoặc không đúng sự thật nhưng được nêu một cách tự tin, khiến người dùng có thể bị đánh lừa. Tài liệu này cũng xếp sự "quá tin" (over-reliance) và thiên hướng tin máy móc (automation bias) vào nhóm rủi ro riêng: lỗi không chỉ nằm ở AI mà còn ở cách con người tiếp nhận kết quả.

Bài nghiên cứu "Why Language Models Hallucinate" công bố tháng 9/2025 đưa ra một lập luận về nguyên nhân: "We argue that language models hallucinate because the training and evaluation procedures reward guessing over acknowledging uncertainty". Theo các tác giả, mô hình được "thưởng" khi trả lời chắc chắn hơn là khi nói "tôi không biết". Vì vậy bạn không thể dựa vào giọng văn tự tin để đánh giá độ đúng.

Hậu quả thực tế đã có. Trong vụ Mata v. Avianca, tòa án quận phía Nam New York (Mỹ) ngày 22/6/2023 phạt 5.000 USD đối với các luật sư và hãng luật đã nộp văn bản trích dẫn những án lệ không có thật do ChatGPT tạo ra. Tòa nói rõ việc dùng công cụ AI đáng tin cậy để hỗ trợ không có gì sai, nhưng người nộp vẫn có vai trò "gác cổng" để bảo đảm văn bản chính xác (tóm tắt của Reed Smith). Vụ này được nêu để minh họa rủi ro, không phải tư vấn pháp lý; trách nhiệm cụ thể ở Việt Nam tùy quy định và hợp đồng liên quan.

Nguyên tắc này không chỉ áp dụng cho luật sư. Ngay cả Google, trong hướng dẫn về nội dung do AI tạo (cập nhật 1/10/2026), cũng nhấn mạnh rằng việc tự kiểm tra thủ công mọi nội dung AI tạo ra trước khi xuất bản là rất quan trọng.

Những lỗi nào thường gặp nhất trong kết quả AI?

Có sáu kiểu lỗi bạn sẽ gặp thường xuyên trong công việc văn phòng; bốn kiểu đầu là nơi nên dồn thời gian kiểm tra.

Nhóm lỗi	Biểu hiện thường gặp	Cách kiểm tra nhanh
Số liệu	Sai số, đổi đơn vị, cộng sai tổng, làm tròn khác bản gốc, nhầm năm	Đối chiếu từng con số với file gốc, tự tính lại tổng
Phủ định	Mất chữ "không", "chưa", "trừ"; đảo nghĩa câu điều kiện	Tìm các từ phủ định trong bản gốc và kiểm tra chúng còn trong bản AI
Tên riêng	Viết sai tên người, công ty, sản phẩm; sai chức danh; tự "dịch" tên riêng	So với danh sách tên chuẩn hoặc chữ ký email
Nguồn	Trích dẫn, đường link, điều luật không tồn tại hoặc không nói điều AI viết	Mở từng nguồn và tìm đúng câu được dẫn
Thiếu ý	Bỏ qua một điều kiện, một hạng mục, một người nhận	So danh sách ý của bản gốc với bản AI
Thêm ý	Tự thêm cam kết, ngày hẹn, lời hứa không có trong yêu cầu	Đánh dấu mọi câu không truy được về bản gốc

Phần dưới đi vào cách kiểm tra từng nhóm.

Kiểm tra số liệu trong kết quả AI như thế nào?

Đừng đọc lại cả văn bản; hãy lấy riêng từng con số ra và đối chiếu với nguồn. Con số là chỗ sai ít bị phát hiện nhất vì người đọc thường tin số hơn chữ.

1. Liệt kê mọi con số trong bản AI: số tiền, phần trăm, ngày tháng, số lượng, mã đơn hàng, số điện thoại.
2. Đối chiếu với file gốc, không đối chiếu với trí nhớ. Mở bảng tính hoặc tài liệu nguồn song song.
3. Tự tính lại các phép tính: tổng, chênh lệch, tỷ lệ tăng giảm. AI có thể diễn giải đúng nhưng cộng sai.
4. Kiểm tra đơn vị và định dạng: triệu hay tỷ, VND hay USD, có VAT hay chưa. Lưu ý cách viết dấu chấm, dấu phẩy: người Việt viết 1.500.000, nhưng tài liệu tiếng Anh viết 1,500,000. Khi AI chuyển giữa hai ngôn ngữ, chỗ này rất dễ lệch.
5. Kiểm tra ngày và thứ: nếu văn bản ghi "thứ Sáu, ngày ...", mở lịch xem ngày đó có đúng là thứ Sáu không.

Ví dụ minh họa: bạn nhờ AI tóm tắt báo cáo doanh thu quý. Bảng gốc ghi doanh thu tháng 7 là 1,2 tỷ đồng, tháng 8 là 1,05 tỷ. Bản tóm tắt của AI viết "doanh thu tăng nhẹ trong tháng 8". Con số không sai, nhưng nhận xét thì ngược với dữ liệu. Vì vậy, ngoài con số, hãy kiểm tra cả các từ mô tả xu hướng như "tăng", "giảm", "ổn định".

Nếu bạn làm kế toán và dùng AI ngay trong bảng tính, bài Cách dùng ChatGPT trong Excel cho kế toán có thêm cách đối chiếu công thức.

Làm sao phát hiện lỗi phủ định và đảo nghĩa?

Hãy dò từ phủ định trong bản gốc trước, rồi kiểm tra từng từ đó còn nguyên trong bản AI. Một chữ "không" bị mất có thể biến "không hoàn tiền" thành "hoàn tiền".

Đây không phải lo xa. Một nghiên cứu năm 2023 có tên "Language models are not naysayers", thử nghiệm nhiều mô hình ngôn ngữ và kết luận chúng kém nhạy với sự có mặt của phủ định và khó suy luận đúng khi câu có phủ định. Nghiên cứu này thử trên các mô hình của năm 2023 (như GPT-3, InstructGPT), nhưng bạn vẫn nên kiểm tra chỗ này bằng mắt.

Những từ cần dò:

• Phủ định trực tiếp: không, chưa, chẳng, đừng, cấm, không được.
• Ngoại trừ, giới hạn: trừ, ngoại trừ, chỉ, chỉ khi, tối đa, tối thiểu, không quá.
• Điều kiện: nếu, trừ khi, với điều kiện, trong trường hợp.
• Trong bản tiếng Anh: not, no, never, unless, except, only if, without.
• Trong bản tiếng Nhật: ない, ません, 不, 除く, 以外, 限り.

Cách làm cụ thể:

1. Dùng Ctrl+F trên bản gốc để tìm các từ trên, ghi lại từng câu chứa chúng.
2. Tìm câu tương ứng trong bản AI và đọc to cả hai câu.
3. Hỏi: "Nếu người nhận làm đúng theo câu của AI, kết quả có giống làm theo câu gốc không?"

Ví dụ minh họa: quy định gốc ghi "Nhân viên thử việc không được nghỉ phép năm, trừ trường hợp đặc biệt do trưởng phòng duyệt." Bản AI tóm tắt thành "Nhân viên thử việc được nghỉ phép khi trưởng phòng duyệt." Câu này nghe hợp lý, nhưng đã đổi quy tắc chung thành ngoại lệ. Người đọc bản tóm tắt sẽ hiểu sai quyền lợi của mình.

Kiểm tra tên riêng, chức danh và thuật ngữ ra sao?

So từng tên riêng với một danh sách chuẩn: chữ ký email, danh bạ công ty, hợp đồng hoặc website chính thức của đối tác. Đừng tin vào việc AI "chắc là biết" tên đó.

Những lỗi hay gặp:

• Sai dấu tên người Việt: "Nguyễn Thị Hương" thành "Nguyễn Thị Hướng". AI và cả bộ gõ đều có thể đổi dấu.
• Tự dịch tên riêng: tên công ty, tên sản phẩm, tên dự án bị dịch sang tiếng Việt hoặc tiếng Anh trong khi đáng lẽ phải giữ nguyên.
• Sai chức danh hoặc cấp bậc: "Phó giám đốc" thành "Giám đốc", "部長" dịch thành "trưởng nhóm". Với đối tác Nhật, sai chức danh là lỗi gây mất lịch sự.
• Nhầm người: trong biên bản họp, AI gán ý kiến của người này cho người khác.
• Thuật ngữ không nhất quán: cùng một khái niệm nhưng đoạn đầu gọi là "hóa đơn đỏ", đoạn sau gọi là "hóa đơn VAT", đoạn cuối lại là "chứng từ".

Mẹo: trước khi nhờ AI viết, hãy dán sẵn danh sách tên và thuật ngữ chuẩn vào prompt, kèm yêu cầu "giữ nguyên các tên riêng này, không dịch, không đổi cách viết". Cách này giảm lỗi nhưng không thay được bước kiểm tra. Nếu bạn dịch tài liệu tiếng Nhật, xem thêm bài Dùng AI dịch tài liệu tiếng Nhật: cách giữ đúng thuật ngữ.

Kiểm tra nguồn và trích dẫn AI đưa ra thế nào?

Mở từng nguồn và tìm được đúng câu mà AI dẫn. Nếu không mở được, hoặc mở được mà không thấy câu đó, coi như nguồn không tồn tại.

Vụ Mata v. Avianca ở trên là ví dụ rõ nhất: các án lệ được trích dẫn trong văn bản hóa ra không tồn tại. Với công việc văn phòng ở Việt Nam, rủi ro tương tự xuất hiện khi AI dẫn số hiệu nghị định, thông tư, điều khoản hợp đồng hoặc số liệu thống kê.

Quy trình kiểm tra một nguồn:

1. Nguồn có tồn tại không? Bấm vào link, hoặc tìm tên văn bản trên trang chính thức (cổng thông tin của cơ quan ban hành, website của hãng).
2. Nguồn có nói đúng điều đó không? Dùng Ctrl+F tìm từ khóa hoặc con số trong nguồn. AI hay dẫn một nguồn có thật nhưng gán cho nó nội dung khác.
3. Nguồn còn hiệu lực không? Văn bản pháp luật có thể đã được sửa đổi hoặc thay thế; giá và tính năng phần mềm thay đổi thường xuyên. Ghi rõ ngày bạn kiểm tra.
4. Nguồn có phải là nguồn gốc không? Ưu tiên văn bản gốc, trang chính thức của hãng, báo cáo gốc, thay vì bài viết lại của bên thứ ba.

Nếu một thông tin quan trọng không tìm được nguồn, hãy bỏ nó đi hoặc ghi rõ "chưa xác minh" thay vì gửi đi như sự thật.

Checklist 10 bước trước khi gửi kết quả AI

Dùng danh sách dưới đây cho mọi văn bản AI soạn mà bạn sắp gửi ra ngoài hoặc gửi cấp trên. Với một email ngắn, phần lớn bước chỉ mất vài giây.

1. Đúng yêu cầu chưa? Văn bản có trả lời đúng câu hỏi, đúng người nhận, đúng mục đích không.
2. Số liệu: mọi con số, ngày tháng, đơn vị đã khớp với file gốc; các phép tính đã tự tính lại.
3. Từ mô tả xu hướng: "tăng", "giảm", "nhiều nhất", "duy nhất" có khớp với dữ liệu không.
4. Phủ định và điều kiện: các chữ "không", "chưa", "trừ", "chỉ khi" trong bản gốc vẫn còn và đúng vị trí.
5. Tên riêng và chức danh: so với danh sách chuẩn, đúng dấu, không bị dịch.
6. Thuật ngữ: một khái niệm, một cách gọi trong toàn văn bản.
7. Nguồn: mỗi trích dẫn, link, số hiệu văn bản đã được mở và xác nhận.
8. Không thiếu ý: mọi hạng mục, điều kiện, người liên quan trong bản gốc đều có mặt.
9. Không thêm ý: không có cam kết, ngày hẹn, lời hứa nào mà bạn chưa đồng ý.
10. Dữ liệu nhạy cảm: không lộ thông tin nội bộ, thông tin cá nhân không cần thiết cho người nhận.

Với bước 10, nếu công ty bạn chưa có quy định rõ, bài Quy định sử dụng AI trong doanh nghiệp: dữ liệu nào được nhập có gợi ý cách phân loại dữ liệu.

Có nên nhờ chính AI tự kiểm tra không?

Có thể dùng như một lớp lọc thêm, nhưng không thay được việc bạn đối chiếu với bản gốc. AI tự kiểm tra cũng có thể bỏ sót hoặc khẳng định sai như lần đầu. Cách dùng hợp lý là yêu cầu AI liệt kê những chỗ cần bạn xem lại, rồi bạn tự kiểm tra từng chỗ.

Ví dụ minh họa một prompt:

Dưới đây là [BẢN GỐC] và [BẢN DO AI VIẾT].
Đừng sửa văn bản. Hãy lập bảng gồm 4 cột: Loại, Nội dung trong bản AI, Nội dung tương ứng trong bản gốc, Có khớp không.
Liệt kê:
1. Tất cả con số, ngày tháng, đơn vị.
2. Tất cả câu có từ phủ định hoặc điều kiện (không, chưa, trừ, chỉ khi, nếu).
3. Tất cả tên người, tên công ty, chức danh.
4. Những câu trong bản AI không tìm thấy ý tương ứng trong bản gốc.
Nếu không chắc, ghi "cần kiểm tra" thay vì đoán.

[BẢN GỐC]
...
[BẢN DO AI VIẾT]
...

Bảng này giúp bạn biết cần nhìn vào đâu. Sau đó bạn vẫn phải mở bản gốc để xác nhận từng dòng, nhất là các dòng AI ghi "khớp".

Khi phát hiện lỗi thì sửa thế nào cho nhanh?

Sửa trực tiếp những lỗi nhỏ; với lỗi lặp lại, sửa prompt để lần sau không gặp nữa. Đừng chỉ bảo AI "viết lại" chung chung, vì nó có thể sửa chỗ này nhưng làm sai chỗ khác.

• Lỗi số liệu: tự sửa con số trong văn bản. Nếu lỗi do AI đọc sai bảng, lần sau dán dữ liệu dạng bảng rõ cột hoặc yêu cầu AI "chỉ dùng số trong dữ liệu dưới đây, không ước tính".
• Lỗi phủ định: sửa câu bằng tay, giữ sát cấu trúc câu gốc. Với văn bản quy định, hợp đồng, nên trích nguyên văn thay vì để AI diễn giải lại.
• Lỗi tên riêng: sửa, rồi thêm tên đó vào danh sách tên chuẩn bạn dán vào prompt.
• Nguồn không có thật: xóa cả câu dựa vào nguồn đó, tìm nguồn thật rồi mới viết lại.
• Thêm ý: xóa ngay các cam kết bạn chưa đồng ý; thêm vào prompt câu "không thêm thông tin ngoài nội dung được cung cấp".

Cách đặt yêu cầu ngay từ đầu cũng ảnh hưởng lớn đến số lỗi. Bài Cách viết prompt cho AI trong công việc văn phòng có các mẫu prompt kèm phần dữ liệu đầu vào rõ ràng.

Kỹ năng kiểm tra và sửa kết quả AI học nhanh nhất khi làm trên chính tài liệu của mình. EON tổ chức đào tạo AI thực hành tại doanh nghiệp, trong đó học viên dùng AI cho công việc thật của công ty rồi tự kiểm tra và sửa kết quả. Xem chi tiết tại trang Đào tạo AI cho doanh nghiệp.