Khi dùng AI để giúp viết nội dung, nghiên cứu vấn đề hoặc xin ý kiến, hiện tại tôi có thói quen hỏi nhiều mô hình cùng lúc.

Nhưng việc hỏi nhiều lần này không phải là tùy tiện hỏi thêm, cũng không phải xem câu trả lời nào nghe có vẻ được nhiều người ủng hộ hơn.
Giá trị thực sự nằm ở chỗ để các mô hình khác nhau tự đưa ra phán đoán độc lập, đào ra những điểm bất đồng của chúng, rồi quay lại các bằng chứng ban đầu để kiểm chứng.
Gần đây tôi lại làm lại quy trình này thì mới phát hiện ra rằng trước đó suýt bỏ sót bước quan trọng nhất. Tôi nghĩ là đã cho cả ba mô hình tham gia, nhưng thực tế chỉ có hai mô hình đưa ra câu trả lời, còn một mô hình bị bỏ qua. Nếu không xác nhận rằng mỗi nhánh thực sự có trả về nội dung, rất dễ tưởng rằng việc xác minh đã được làm đầy đủ.
Tôi đã rút các cách làm có thể áp dụng ngay thành ba bước.
Cho các mô hình khác nhau trả lời độc lập trước. Khi hỏi mô hình thứ hai, đừng đưa câu trả lời của mô hình đầu tiên cho nó xem, để tránh làm chúng bị dẫn dắt lẫn nhau.
Sau đó yêu cầu từng mô hình xuất ra theo cùng một cấu trúc: Kết luận là gì, các căn cứ chính là gì, và chỗ nào còn không chắc chắn. Như vậy gom lại mới dễ so sánh trực tiếp.
Cuối cùng không đi đếm ai đúng ai sai, mà tập trung chuyên vào các điểm bất đồng. Bất đồng quan trọng thì lật lại đúng nguồn tài liệu gốc, hoặc tự mình kiểm chứng thực tế. Đồng thời cũng xác nhận rằng mỗi mô hình thực sự đã trả về câu trả lời hay chưa.
Lần sau khi bạn dùng AI để đối chiếu chéo một phán đoán, hãy làm theo ba bước này.