5.10 · Cận cảnh Discernment — Đánh giá phê phán AI

Mở đầu: Người mua nhà thông minh

Khách hàng A

Agent show căn nào, gật đầu căn đó. "Đẹp quá", "Wonderful", "Tôi thích!". Cuối cùng chọn căn agent push hard nhất.

Khách hàng B

Đi vào căn nào cũng:

• Mở vòi nước test áp lực
• Bật đèn từng phòng
• Kiểm tra cửa sổ có khít không
• Hỏi tuổi mái, lịch sử ngập, chính sách HOA
• So với 3-4 căn khác cùng khu

Agent A bán được nhà. Agent B mua được nhà đúng giá trị.

Khi cộng tác AI, bạn là agent A hay khách hàng B?

Discernment là kỹ năng của khách hàng B — không tin lời nói đẹp, kiểm tra mọi thứ.

Discernment là gì?

Discernment là khả năng đánh giá một cách có phê phán những gì AI tạo ra (sản phẩm), cách AI tạo ra (quy trình), và cách AI cư xử (performance) trong cộng tác.

Discernment chính là mặt còn lại của Description.

┌──────────────────────────────────────────────────────────┐
│                                                          │
│         BẠN ──────── DESCRIPTION ────────► AI            │
│            (truyền đạt cái bạn cần)                      │
│                                                          │
│         BẠN ◄──────── DISCERNMENT ──────── AI            │
│            (đánh giá cái AI trả về)                      │
│                                                          │
│              CONTINUOUS LOOP                             │
│                                                          │
└──────────────────────────────────────────────────────────┘

Description là bạn nói. Discernment là bạn nghe và judge.

Hai bên cộng lại = cộng tác chất lượng cao.

Vì sao Discernment crucial?

Hai sự thật khắc nghiệt:

Sự thật 1: AI well-written ≠ AI đúng.

Output có thể trông "professional, fluent, confident" nhưng:

• Bịa số liệu
• Sai logic
• Miss nuance domain
• Reasoning có hole

Mà output bạn share ra (báo cáo, email, post) — bạn chịu trách nhiệm, không phải AI.

Sự thật 2: Domain expertise của bạn = vũ khí Discernment.

Bạn biết ngành mình hơn AI. Bạn biết khách hàng cụ thể. Bạn biết constraint không nói ra. Đây là leverage để spot AI mistake.

Người không có expertise → khó Discern → dễ accept output kém.

Khóa AI Fluency này dạy framework. Nhưng expertise của bạn — built qua năm tháng làm việc — là asset không thay thế được.

3 loại Discernment

                  ┌──────────────────┐
                  │   DISCERNMENT    │
                  └────────┬─────────┘
                           │
         ┌─────────────────┼─────────────────┐
         ▼                 ▼                 ▼
  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐
  │   PRODUCT    │  │   PROCESS    │  │ PERFORMANCE  │
  │ DISCERNMENT  │  │ DISCERNMENT  │  │ DISCERNMENT  │
  ├──────────────┤  ├──────────────┤  ├──────────────┤
  │ CÁI AI tạo   │  │ CÁCH AI nghĩ │  │ AI cư xử     │
  │ có đúng?     │  │ có solid?    │  │ trong loop?  │
  │              │  │              │  │              │
  │ - Accuracy   │  │ - Logic      │  │ - Helpful    │
  │ - Relevance  │  │ - Method     │  │ - Responsive │
  │ - Coherence  │  │ - Attention  │  │ - Efficient  │
  │ - Complete   │  │ - Reasoning  │  │ - Style      │
  └──────────────┘  └──────────────┘  └──────────────┘

Đối xứng với 3 loại Description.

Loại 1 — Product Discernment

Definition: Đánh giá chất lượng của output AI tạo ra.

Câu hỏi cần ask:

• Có factually accurate không?
• Có appropriate cho audience + purpose không?
• Có coherent và well-structured không?
• Có meet requirement đã spec không?
• Có add value / solve problem intended không?

Ví dụ thực tế:

AI write executive summary cho board meeting. Bạn check:

✅ Accuracy:

• Số revenue Q3 = $5.2M — đúng chưa? Cross-check dashboard.
• Quote khách hàng — có thật không? Tìm trong CRM.
• Citation paper — paper đó có tồn tại?

✅ Relevance:

• Tone phù hợp board (analytical) hay quá fluffy?
• Length 2 trang — too short cho board hay đủ?
• Có miss topic board sẽ ask?

✅ Coherence:

• Sub-section có flow logic?
• Conclusion có support bởi data trong body?
• Có contradiction nào không?

✅ Completeness:

• Đủ section đã spec không?
• Có miss data important không?
• Recommendation clear không?

Loại 2 — Process Discernment

Definition: Đánh giá cách AI đi đến output — không chỉ output cuối.

Câu hỏi cần ask:

• Logic AI có solid không?
• AI có lapse in attention ở đâu?
• AI có stuck on small detail, không see bigger picture?
• AI có circular reasoning không?
• AI có insert idea/data đã rejected từ trước (nếu là multi-turn)?

Ví dụ:

Bạn brainstorm 5 marketing concept với Claude. Sau 4 round refine, Claude propose concept mới — nhưng concept này có element bạn đã reject ở round 2.

→ Process Discernment phát hiện: AI lost track of conversation context. Cần explicit reminder.

Process Discernment đặc biệt quan trọng khi:

• Task complex, không có "right answer" rõ
• Multi-turn conversation
• Bạn cần trust the process không chỉ "trust the result"

Insight quan trọng: AI tới output đúng bằng cách sai → lần sau sẽ sai. Process matter for repeatability.

Loại 3 — Performance Discernment

Definition: Đánh giá cách AI cư xử trong tương tác — không phải về work AI làm, mà cách interact với bạn.

Subtle distinction từ Process:

• Process = work AI đang làm
• Performance = quality của interaction giữa bạn và AI

Câu hỏi:

• AI communicate có hiệu quả cho bạn không?
• Cung cấp info bạn cần theo cách helpful?
• Respond well với feedback bạn give?
• Interaction có efficient không, hay unnecessarily complex?
• AI hỏi clarifying khi cần concise answer? Hay too brief khi cần comprehensive?

Ví dụ:

Bạn ask Claude help debug code. Claude:

• Reply 2000 từ explain basic concept (bạn là senior, đã biết)
• Sau bạn say "concise hơn" — Claude vẫn long-winded turn sau
• Suggest 5 fix một lúc thay vì 1 cái sâu

→ Performance issue. Cần explicit re-define performance expectation hoặc adjust prompt.

Quy trình Discernment có hệ thống

┌──────────────────────────────────────────────────────────┐
│                                                          │
│  AI delivers output                                      │
│         ↓                                                │
│  STEP 1  Product check                                   │
│           - Accurate? (cross-source verify)              │
│           - Complete? (vs. requirement)                  │
│           - Coherent?                                    │
│         ↓                                                │
│  STEP 2  Process check                                   │
│           - Reasoning solid?                             │
│           - Methodology sound?                           │
│           - No lapse/circular?                           │
│         ↓                                                │
│  STEP 3  Performance check                               │
│           - Interaction smooth?                          │
│           - AI matching collaboration style?             │
│         ↓                                                │
│  STEP 4  Decide                                          │
│           ✓ Pass all → Use output                        │
│           ⚠ Issue → Provide feedback (next section)     │
│                                                          │
└──────────────────────────────────────────────────────────┘

Quy tắc thực dụng:

• Output low-stakes (nháp email cá nhân) → spot-check Product, skip Process/Performance
• Output medium-stakes (work doc) → check Product full, sample Process
• Output high-stakes (board report, customer-facing, legal) → cả 3 loại, kỹ

Cung cấp feedback hiệu quả

Discernment phát hiện vấn đề → next step là feedback. Có quy tắc:

┌──────────────────────────────────────────────────────────┐
│                                                          │
│  EFFECTIVE FEEDBACK BAO GỒM:                             │
│                                                          │
│  1. WHAT — Specify cụ thể vấn đề ở đâu                  │
│  2. WHY — Explain tại sao đó là vấn đề                  │
│  3. HOW — Concrete suggestion để improve                │
│  4. REVISE — Update instruction/example để tránh lần sau│
│                                                          │
└──────────────────────────────────────────────────────────┘

Ví dụ feedback yếu vs. mạnh

❌ Yếu:

Không tốt. Viết lại.

(AI không biết gì sai → guess → có thể vẫn sai.)

✅ Mạnh:

What: Section "Market Analysis" có claim "Competitor X có market share 35%". Why: Số này không match báo cáo Gartner Q3 2025 mà tôi đính kèm — Gartner cho 28%. AI hallucinate hoặc dùng outdated data. How: Re-pull số market share từ table 3 trong file gartner-q3.pdf đính kèm. Đừng infer từ knowledge cutoff. Revise: Cho mọi số market data trong report, MUST cite source page number. Nếu không tìm được trong file đính kèm, flag [VERIFY] thay vì invent.

Feedback này:

• Specific (Section, claim, number)
• Justify (so với source độc lập)
• Concrete fix
• Adjust process for future

Khi Discernment phát hiện vấn đề — back to đâu?

   DISCERNMENT issue
          ↓
   Phân tích root cause
          ↓
   ┌────────┬────────┬────────┐
   ↓        ↓        ↓        ↓
DESCRIP-  EXAMPLE  DELEGAT- PLATFORM
TION       miss    ION       (model
unclear            wrong     không phù
                   level     hợp task)

90% lần là Description issue:

• Spec không rõ → AI fill blank generic
• Miss constraint → AI over-engineer
• Missing context → AI lệch

→ Fix: Improve Description (Bài 5.8 + 5.9 kỹ thuật).

10% lần là Delegation issue:

• Task này không phù hợp cho AI (cần real-time data, ethical judgment cấp cao)
• Wrong level (giao automation cho task cần augmentation)
• Wrong tool (Claude cho task cần image gen → dùng GPT)

→ Fix: Re-think delegation. Có thể:

• Pull task back human-only
• Switch model
• Add tool integration

Recognition này (Description vs Delegation issue) là sign của fluency mature.

Ví dụ theo ngành

Sales — Forecast model

AI build forecast Q4. Bạn discern:

Product — User research synthesis

AI synthesize 50 user interview. Bạn discern:

Legal — Contract analysis

AI analyze contract risk. Critical Discernment vì stakes cao:

Clinical — Drug interaction analysis

Discernment ULTRA critical (life consequence):

Anti-patterns

"Output trông professional → đúng"

Hiểu hiện

Skim AI output, format đẹp, accept.

Tại sao tệ

Hallucination thường well-written. Confidence ≠ accuracy.

Fix

Spot-check 2-3 specific claim mỗi output. Format không indicate accuracy.

Chỉ Product Discernment, bỏ Process

Hiểu hiện

Check output đúng, không check AI tới đó bằng cách nào.

Tại sao tệ

Output đúng "by accident" → lần sau task tương tự có thể sai. Không build trust calibrated.

Fix

Sample Process check, đặc biệt với task lặp.

"Tôi không expert nên không thể Discern"

Hiểu hiện

"AI biết hơn tôi, tôi không qualified judge."

Tại sao tệ

Bạn vẫn có domain knowledge nào đó — về context, audience, constraint.

Fix

Discern phần bạn có expertise. Cho phần ngoài, dùng tool: web search verify, ask second AI cross-check, có expert review.

Vague feedback

Hiểu hiện

"Sửa đi", "Hay hơn nữa", "Khác đi".

Tại sao tệ

AI guess → có thể guess sai → tốn iteration.

Fix

Specific What/Why/How/Revise.

Discern xong, không update Description

Hiểu hiện

Phát hiện AI hallucinate citation. Fix manually. Lần sau gặp lại cùng issue.

Tại sao tệ

Không learn from cycle.

Fix

Sau Discern, update prompt template / standing instruction để issue không lặp.

Mẹo nâng cao

Mẹo 1: Build "Discernment checklist" theo task type

Cho task lặp (weekly report, code review, customer email), tạo checklist:

WEEKLY REPORT — Discern checklist:
☐ Số liệu match dashboard source
☐ Tone match audience (board vs. team)
☐ Length within spec
☐ Flag risk có cited evidence
☐ Recommendation clear, actionable

Sau task, run checklist. Theo thời gian, checklist trở thành reflex.

Mẹo 2: Cross-source verify cho fact

Khi AI cite số/quote/citation, có 3 cách verify:

• Chính source AI cite (nếu có)
• Source độc lập (Google/Wikipedia/database)
• Ask AI thứ 2 cùng câu hỏi → so sánh

Nếu 3 source agree → high confidence. Nếu disagree → dig deeper.

Mẹo 3: Maintain "AI failure log"

Mỗi lần AI output sai, log:

• Loại task
• Loại sai (factual? logic? format?)
• Nguyên nhân (Description? Delegation? Model limit?)
• Fix bạn áp dụng

Sau 1-2 tháng, bạn có pattern personal — biết AI bạn dùng tend to fail ở đâu. Calibrated trust.

Mẹo 4: "Adversarial Discernment" cho high-stakes

Cho output high-stakes, role-play:

• "Nếu tôi là critic độc hại, tôi sẽ attack điểm nào trong output này?"
• "Stakeholder X sẽ ask câu gì khó về work này?"
• "Nếu cái này lên báo, embarrassing detail nào sẽ bị soi?"

Adversarial mindset surface issue thường miss.

Áp dụng ngay

Bài tập 1: Expert Discernment trong domain bạn (15 phút)

Mục tiêu

Practice 3 loại Discernment cho content AI tạo trong domain bạn expertise.

Bước 1 — Quay về expertise

Nhớ topic bạn đã chat ở Bài 5.3 (chủ đề bạn yêu thích, biết rõ). Reuse.

Bước 2 — Ask multiple explanation

Start chat mới. "Generate 3 different explanation cho [aspect specific] của [topic]." Ví dụ:

• Photography: 3 explanation về depth of field
• Cooking: 3 analyze fermentation technique
• History: 3 perspective về 1 sự kiện historical

Bước 3 — Apply expert Discernment:

Product:

• Explanation nào contain most accurate info?
• Có factual error / misconception?
• Detail level appropriate cho beginner?

Process:

• Claude follow logical reasoning trong each explanation?
• Có gap trong analysis / thinking process?
• Connection between concept appropriate?

Performance:

• Claude attentive với câu hỏi specific của bạn?
• Terminology dùng appropriate cho topic?
• Tone/style affect clarity?

Bước 4 — Provide feedback + refine:

• Identify strongest explanation, tell Claude specifically why
• Identify weakest, provide specific feedback
• Work với Claude tạo improved version

Bước 5 — Reflection:

• Specific knowledge gì giúp bạn identify strength/weakness?
• Người không expertise sẽ struggle Discern thế nào?
• Lesson về relationship giữa domain knowledge và Discernment?

Bài tập 2: Re-discern output cũ (10 phút)

Lấy 1 AI output bạn đã accept tuần trước. Apply 3D Discernment lại:

• Product: có claim/fact bạn không verify lúc đó?
• Process: AI tới conclusion bằng đường nào? Solid?
• Performance: collaboration có efficient hay tốn nhiều round?

Note: bạn đã miss gì?

Bài tập 3: Reflection (5 phút)

• Loại Discernment (Product/Process/Performance) nào khó áp dụng nhất với bạn? Tại sao?
• Discernment complement Description thế nào?
• Signal/pattern gì indicate AI output cần closer scrutiny?

Tóm tắt bài học

Tài liệu tham khảo

• Discernment summary slide (8.5x11)
• Discernment summary slide (16x9)
• Bài 5.8 — Description framework (paired skill)
• Bài 5.15 — Game Night exercises để practice Discernment qua puzzle