Bỏ qua đến nội dung chính

Tăng cường quy trình làm việc

📖 Nội dung bài học

Bạn sẽ học được gì

Thời gian ước tính: 40 phút

Cuối bài học này, bạn sẽ có thể:

  • Áp dụng cả bốn chiều của Khung 4D (4D Framework) cùng nhau để xây dựng một quy trình lặp lại với AI.

Tự động hóa quy trình làm việc

(6 phút)

Video này kết hợp cả bốn chiều của Khung 4D để xây dựng một quy trình tự động hóa thực tế. Bạn sẽ theo dõi Emily, một điều phối viên phát triển đang chuẩn bị cho buổi gala thường niên của tổ chức, khi cô ấy thiết lập một hệ thống phản hồi email có sự hỗ trợ của AI. Video trình bày cách phân loại các nhiệm vụ dựa trên việc AI nên xử lý hay con người cần chú ý, cách mô tả chính xác hành vi của hệ thống và cách duy trì sự Cẩn trọng (Diligence) thông qua kiểm thử và minh bạch.

Điểm chính cần ghi nhớ

  • Bắt đầu với Nhận thức về Vấn đề: Trước khi sử dụng bất kỳ công cụ AI nào, hãy phân tích khối lượng công việc thực tế của bạn. Mọi người đang hỏi gì? Những mẫu nào xuất hiện? Lập một danh sách cụ thể trước khi quyết định tự động hóa điều gì.
  • Phân công Nhiệm vụ có nghĩa là hỏi "AI có nên làm điều này không?" chứ không chỉ "AI có thể làm điều này không?": Một số nhiệm vụ (như trả lời các câu hỏi đã có tài liệu) là những ứng cử viên tốt để tự động hóa. Những nhiệm vụ khác (như xử lý khiếu nại hoặc yêu cầu có tính chất quan trọng) nên do con người xử lý.
  • Kiểm thử lặp đi lặp lại với các ví dụ thực tế: Sử dụng các email thực tế bạn đã nhận để kiểm thử hệ thống. Bạn sẽ phát hiện ra những lỗ hổng trong mô tả của mình cần được tinh chỉnh — điều này là bình thường và cần thiết.
  • Thực hành cả ba loại Cẩn trọng: Cẩn trọng Sáng tạo (Creation Diligence) có nghĩa là chủ động về những gì bạn tự động hóa. Cẩn trọng Triển khai (Deployment Diligence) có nghĩa là xem xét các kết quả đầu ra trước khi chúng được gửi đi (đặc biệt là trong giai đoạn đầu). Cẩn trọng Minh bạch (Transparency Diligence) có nghĩa là trung thực về vai trò của AI, đặc biệt nếu có điều gì đó không ổn.

Bài tập 1: Lập bản đồ các cơ hội tự động hóa của bạn

Bài tập này giúp bạn xác định những nhiệm vụ lặp đi lặp lại trong công việc của mình là ứng cử viên tốt cho việc tự động hóa bằng AI.

Phần I: Kiểm tra các nhiệm vụ lặp đi lặp lại của bạn

Hãy suy nghĩ về tuần làm việc vừa qua của bạn. Liệt kê 5-10 nhiệm vụ có cảm giác lặp đi lặp lại hoặc tốn thời gian. Đối với mỗi nhiệm vụ, hãy ghi chú:

  • Tần suất xảy ra? (Hàng ngày, hàng tuần, hàng tháng)
  • Mất bao lâu mỗi lần?
  • Phản hồi/quy trình chủ yếu là tiêu chuẩn hóa, hay nó thay đổi đáng kể?

Phần II: Phân loại theo mức độ phù hợp với AI

Sắp xếp các nhiệm vụ của bạn vào ba loại:

  • AI có thể xử lý: Phản hồi tiêu chuẩn, thông tin có tài liệu, quy trình rõ ràng.
  • AI có thể hỗ trợ, con người quyết định: Các nhiệm vụ mà AI có thể soạn thảo hoặc chuẩn bị, nhưng bạn xem xét trước khi hành động.
  • Con người nên xử lý: Các quyết định có tính chất quan trọng, tình huống nhạy cảm, các phán đoán phức tạp.

Phần III: Ưu tiên

Chọn một nhiệm vụ từ danh mục "AI có thể xử lý" hoặc "AI có thể hỗ trợ" mà sẽ giúp bạn tiết kiệm nhiều thời gian nhất. Đây sẽ là ứng cử viên tự động hóa của bạn.

Suy ngẫm:

  • Tiêu chí nào đã giúp bạn quyết định nhiệm vụ nào thuộc loại nào?
  • Bạn có ngạc nhiên về số lượng (hoặc số ít) nhiệm vụ phù hợp để tự động hóa không?

Bài tập 2: Xây dựng mô tả tự động hóa của bạn

Bài tập này hướng dẫn bạn mô tả một hệ thống tự động hóa bằng cách sử dụng ba loại Mô tả (Description).

Phần I: Xác định sản phẩm của bạn

Đối với nhiệm vụ bạn đã xác định trong Bài tập 1, hãy viết Mô tả Sản phẩm (Product Description) rõ ràng:

  • Kết quả cuối cùng bạn muốn là gì?
  • Hệ thống sẽ nhận đầu vào nào?
  • Nó nên tạo ra kết quả đầu ra nào?

Phần II: Xác định quy trình của bạn

Viết Mô tả Quy trình (Process Description) phác thảo các bước:

  • Hệ thống nên làm gì đầu tiên?
  • Có những điểm quyết định nào?
  • Khi nào nó nên chuyển cho con người?
  • Nó cần truy cập thông tin nào?

Phần III: Xác định hiệu suất

Viết Mô tả Hiệu suất (Performance Description) xác định hành vi:

  • Nó nên sử dụng giọng điệu nào?
  • Nó nên xử lý sự không chắc chắn như thế nào?
  • Nó không bao giờ nên làm gì?
  • Nó nên thừa nhận yêu cầu của người đó như thế nào?

Phần IV: Kiểm thử với các ví dụ thực tế

Chia sẻ mô tả của bạn với AI cùng với 3-5 ví dụ thực tế từ công việc của bạn. Đánh giá kết quả đầu ra:

  • Nó đã phân loại đúng chưa?
  • Các phản hồi có chính xác và phù hợp không?
  • Mô tả của bạn cần những điều chỉnh gì?

Bài tập 3: Lập kế hoạch cho sự Cẩn trọng (mục tiêu nâng cao)

Bài tập này giúp bạn suy nghĩ về các khía cạnh trách nhiệm của việc tự động hóa.

Phần I: Cẩn trọng Sáng tạo

Trả lời các câu hỏi sau về việc tự động hóa bạn đã lên kế hoạch:

  • Tại sao nhiệm vụ này lại phù hợp để AI xử lý?
  • Điều gì có thể xảy ra sai sót và bạn sẽ phát hiện ra nó như thế nào?
  • Hậu quả nếu AI mắc lỗi là gì?

Phần II: Cẩn trọng Triển khai

Lập kế hoạch cho quy trình xem xét của bạn:

  • Bạn sẽ xem xét mọi kết quả đầu ra, hay sẽ lấy mẫu định kỳ?
  • Bạn sẽ theo dõi các vấn đề theo thời gian như thế nào?
  • Yếu tố nào sẽ khiến bạn tạm dừng việc tự động hóa?

Phần III: Cẩn trọng Minh bạch

Quyết định cách tiếp cận minh bạch của bạn:

  • Ai cần biết AI đang tham gia?
  • Bạn sẽ tiết lộ vai trò của AI như thế nào?
  • Bạn sẽ cung cấp các tùy chọn theo dõi nào nếu ai đó muốn sự hỗ trợ của con người?

Suy ngẫm bài học

  • Việc sử dụng cả bốn chiều của Khung 4D cùng nhau đã thay đổi cách bạn tiếp cận nhiệm vụ tự động hóa này như thế nào?
  • Điều gì khiến bạn ngạc nhiên về quy trình mô tả một hệ thống tự động hóa đủ chính xác để AI thực thi nó?

Tiếp theo

Trong bài học tiếp theo, chúng ta sẽ thảo luận về các chiến lược tích hợp AI vào tổ chức của bạn một cách chu đáo và bền vững — từ việc giải quyết các mối lo ngại về sự phụ thuộc vào AI đến việc xây dựng chính sách AI phản ánh các giá trị của bạn.

Phản hồi

Khi bạn tiến bộ trong khóa học, chúng tôi rất mong nhận được phản hồi từ bạn về cách bạn đang sử dụng các khái niệm từ khóa học vào công việc của mình và bất kỳ phản hồi nào bạn có. Chia sẻ phản hồi của bạn tại đây.

Ghi nhận và giấy phép

Bản quyền 2025 Anthropic và Giving Tuesday. Dựa trên Khung Năng lực AI (AI Fluency Framework) được phát triển bởi GS. Rick Dakan (Ringling College of Art and Design) và GS. Joseph Feller (University College Cork). Phát hành theo giấy phép CC BY-NC-SA 4.0.

🎬 Bản ghi video

Source video: vjXso6GR8Sk

📜 Mở rộng bản ghi (đã chỉnh sửa + dịch AI)

Tự động hóa công việc hàng ngày với khung 4D

Hãy nói về một tình huống có lẽ bạn thấy rất quen thuộc: bạn đang ngập trong email. Đó không phải là những email phức tạp, mà chỉ là những câu hỏi lặp đi lặp lại: "Sự kiện bắt đầu lúc mấy giờ?", "Làm thế nào để tôi thay đổi thông tin vé?", "Bạn có thể gửi hóa đơn cho tôi không?".

Đối với các tổ chức phi lợi nhuận nhỏ, đặc biệt là những đơn vị đang tổ chức sự kiện, đây là thực tế tiêu tốn rất nhiều thời gian mỗi ngày. Trong khi đó, bạn còn những mối quan hệ cần xây dựng, các chương trình cần vận hành và sứ mệnh cần thúc đẩy. Trong bài học này, chúng ta sẽ sử dụng kết hợp cả bốn khía cạnh của khung 4D để thiết lập các hệ thống tự động hóa giúp giảm bớt gánh nặng công việc hàng ngày. Đây chính là lúc sự am hiểu về AI thực sự phát huy tác dụng: khi Delegation (Ủy thác), Description (Mô tả), Discernment (Sáng suốt) và Diligence (Cẩn trọng) cùng phối hợp để tạo ra hiệu quả bền vững cho tổ chức của bạn.

Tình huống: Quản lý lượng lớn email sự kiện

Hãy xem xét kịch bản giả định này: Emily là điều phối viên phát triển cho một chi nhánh địa phương của nhóm gây quỹ nghiên cứu ung thư. Buổi gala thường niên của cô ấy sẽ diễn ra trong ba tuần tới, và mỗi sáng cô ấy nhận được từ 20 đến 30 email xoay quanh 5 câu hỏi cơ bản: báo cáo nhà tài trợ, chi tiết sự kiện, phân bổ chỗ ngồi, quy định trang phục và thông tin bãi đậu xe.

Một số câu hỏi cô ấy có thể trả lời ngay lập tức dựa trên tài liệu có sẵn. Những câu hỏi khác cần sự phán đoán của con người hoặc quyền truy cập vào cơ sở dữ liệu nhà tài trợ. Hiện tại, cô ấy đang mất hai giờ mỗi sáng chỉ để trả lời email. Đó là 10 giờ mỗi tuần mà lẽ ra có thể dành cho bất kỳ việc gì khác. AI có thể thay đổi điều đó, nhưng cô ấy phải thực hiện một cách thấu đáo — không chỉ tự động hóa một cách mù quáng, mà sử dụng khung 4D để xây dựng một hệ thống thực sự hiệu quả và không khiến những người tham dự gala cảm thấy họ đang bị đẩy cho một cỗ máy xử lý.

Khía cạnh 1: Ủy thác nhiệm vụ và Nhận thức vấn đề

Trước khi chạm vào bất kỳ công cụ AI nào, Emily cần có nhận thức về vấn đề (problem awareness). Cô ấy nên bắt đầu bằng cách xem lại hộp thư đến trong tuần qua để xác định mọi người đang hỏi gì. Sau đó, cô ấy lập một danh sách cụ thể cho buổi gala của mình, phân loại những gì nên được ủy thác:

  • Ủy thác cho AI (AI Delegation):
    • Yêu cầu hóa đơn: Sử dụng các mẫu chuẩn và AI có thể được cấp quyền truy cập cơ sở dữ liệu.
    • Chi tiết sự kiện: Quy định trang phục, bãi đậu xe và lịch trình đều đã được lập tài liệu rõ ràng.
    • Câu hỏi về quy trình: "Làm thế nào để cập nhật thông tin vé?" có các bước thực hiện rõ ràng và lặp lại.
  • Ủy thác cho con người (Human Delegation):
    • Chuyển nhượng vé: Có rủi ro cao nếu thực hiện sai sót.
    • Khiếu nại hoặc lo ngại: Những việc này đòi hỏi sự đồng cảm và hiểu rõ ngữ cảnh.

đây chính là Task Delegation. Bạn không chỉ hỏi "AI có làm được việc này không?" mà là "AI có nên làm việc này không, và nếu có thì làm bao nhiêu?". Emily cũng cân nhắc về Platform Awareness. Dự án này yêu cầu tiếp xúc với thông tin định danh và dữ liệu tài chính, vì vậy điều quan trọng là cô ấy phải sử dụng một công cụ AI không huấn luyện trên dữ liệu người dùng.

Khía cạnh 2: Mô tả và Xây dựng hệ thống

Tiếp theo là giai đoạn Description. Emily cần định nghĩa rõ ba điều:

  1. Mô tả sản phẩm (Product Description): Cô ấy muốn một hệ thống giám sát email có khả năng đọc tin nhắn, phân loại chúng và soạn thảo các phản hồi phù hợp hoặc gắn thẻ (flag) để xem xét thêm.
  2. Mô tả quy trình (Process Description): Hệ thống nên đọc từng email, xác định danh mục, kiểm tra xem có đủ thông tin để trả lời hay không, sau đó soạn bản nháp phản hồi hoặc tạo một nhiệm vụ để con người xem xét.
  3. Mô tả hiệu suất (Performance Description): Tông giọng phải chuyên nghiệp nhưng ấm áp. AI không bao giờ được đoán mò thông tin; khi không chắc chắn, nó phải gắn thẻ email để con người xem xét. Nó cũng phải luôn trả lời trực tiếp câu hỏi của người gửi trước khi cung cấp thêm thông tin.

Trong thực tế, Emily có thể sử dụng Claude với một tích hợp Gmail, mô tả cực kỳ chi tiết từng bước và thử nghiệm các phản hồi với những email thực tế mà cô ấy đã nhận được.

Khía cạnh 3: Sự sáng suốt và Thử nghiệm lặp

Product Discernment nghĩa là kiểm tra các kết quả đầu ra. Các bản nháp email có thực sự hữu ích không? Chúng có giống giọng văn của cô ấy không? Chúng có chính xác không?

Trong quá trình thử nghiệm, Emily quan sát thấy:

  • Các email quảng cáo được bỏ qua một cách chính xác.
  • Việc sắp xếp chỗ ngồi được gắn thẻ chính xác để con người can thiệp.
  • Chi tiết chương trình và thông tin bãi đậu xe đều chính xác.
  • Cần điều chỉnh: Một phản hồi về dị ứng hải sản tuy chính xác nhưng cảm giác hơi "kỳ lạ" vì nó yêu cầu người dùng xác nhận lại điều họ đã nêu rõ trước đó.

Đây là một quy trình lặp (iterative process). Emily quay lại và điều chỉnh Performance Description để mang tính định hướng hành động hơn. Bạn tinh chỉnh các mô tả của mình dựa trên những gì bạn khám phá ra; đây là cách bạn xây dựng một hệ thống thực sự vận hành tốt.

Khía cạnh 4: Sự cẩn trọng và Trách nhiệm

Mảnh ghép cuối cùng là Responsibility. Đây không chỉ là việc hệ thống có hoạt động về mặt kỹ thuật hay không, mà là liệu có nên sử dụng nó theo cách này hay không. Emily thực hành ba loại cẩn trọng:

  • Cẩn trọng trong khởi tạo (Creation Diligence): Cô ấy đã có ý thức lựa chọn email nào AI xử lý và email nào cần sự chú ý của con người, nhằm giữ gìn mối quan hệ với nhà tài trợ ở những nơi quan trọng nhất.
  • Cẩn trọng trong triển khai (Deployment Diligence): Ban đầu, cô ấy xem xét mọi phản hồi và tự mình gửi đi. Nếu sau này cô ấy chọn tự động hóa hoàn toàn, cô ấy có thể làm điều đó với sự tự tin vì hệ thống đã được thử nghiệm kỹ lưỡng.
  • Cẩn trọng về tính minh bạch (Transparency Diligence): Emily tuân thủ chính sách AI của tổ chức về tính minh bạch. Cô ấy xác nhận rằng các email được hệ thống tạo ra để tiết kiệm thời gian và phản hồi nhanh hơn, đồng thời cung cấp các tùy chọn theo dõi rõ ràng nếu cần sự hỗ trợ thêm từ con người. Điều này giúp ích rất nhiều nếu có sai sót xảy ra.

🔁 Bài học liên quan

📚 Nguồn & ghi nhận

Bài học có hữu ích không?

Góp ý / Báo lỗiPhát hiện sai sót hoặc có ý tưởng cải thiện?