Khi AI làm sai một việc dữ liệu, sửa nhanh nhất là gọi đúng tên kiểu sai trước, rồi chỉnh đúng phần câu lệnh gây ra nó: hiểu sai bảng thì sửa mô tả, sai cú pháp thì nói phiên bản, bịa giá trị thì cấm đoán và đòi nguồn, bỏ sót dòng thì chia lô, quên luật giữa chừng thì mở cuộc trò chuyện mới. Gõ lại "làm lại đi" hay "sai rồi" hiếm khi giúp được.
Bài này khép lại bộ câu lệnh mẫu của danh mục bằng phần ai cũng gặp: kết quả không như ý. Nội dung áp dụng cho mọi việc trong các bài trước, từ xin công thức đến trích xuất văn bản. Ví dụ trong bài là giả định.
Năm kiểu sai hay gặp và dấu hiệu nhận ra
Phân loại đúng kiểu sai giúp bạn không sửa nhầm chỗ. Bảng dưới gom những kiểu thường thấy khi nhờ chatbot làm việc với bảng tính và dữ liệu văn phòng.
| Kiểu sai | Dấu hiệu | Nguyên nhân thường gặp |
|---|---|---|
| Hiểu sai bảng | Công thức chạy, kết quả sai đều đặn; dùng nhầm cột; đếm đơn thành đếm dòng | Mô tả thiếu: một dòng là gì, tiêu đề ở đâu, cột nào chứa gì |
| Sai cú pháp, sai phiên bản | Bảng tính báo lỗi ngay khi nhấn Enter, hoặc báo #NAME? | Dấu ngăn cách không khớp máy, dùng hàm phiên bản của bạn chưa có |
| Bịa giá trị | Bảng trích xuất có thông tin văn bản gốc không nói; số liệu "tròn" bất thường | Câu lệnh không cấm đoán, không yêu cầu để trống khi thiếu |
| Bỏ sót, cắt bớt | Số dòng kết quả ít hơn đầu vào; cuối danh sách bị bỏ hoặc ghi "và các dòng tương tự" | Đầu vào quá dài cho một lượt; không yêu cầu đếm |
| Trôi luật | Những lượt đầu đúng luật, càng về sau càng lệch: tự điền giá trị mặc định, đổi định dạng ngày | Cuộc trò chuyện dài, luật nằm quá xa phía trên |
Có những lúc hai kiểu sai chồng lên nhau, ví dụ vừa hiểu sai bảng vừa sai phiên bản. Sửa kiểu gần gốc nhất trước: mô tả bảng đúng rồi mới tính tới cú pháp, vì công thức đúng cú pháp cho một bảng hiểu sai vẫn là công thức sai.
Mẫu câu hỏi tiếp khi kết quả sai
Một câu hỏi tiếp tốt có ba phần: điều đã xảy ra, trường hợp cụ thể, điều mong đợi. Dưới đây là mẫu cho từng kiểu sai, phần trong ngoặc vuông bạn thay bằng chi tiết thật đã che.
- Hiểu sai bảng: "Bạn đang hiểu mỗi dòng là một đơn, nhưng thật ra mỗi dòng là một mặt hàng trong đơn, một đơn có thể nhiều dòng. Viết lại công thức đếm số đơn theo cách hiểu đúng."
- Sai cú pháp: "Công thức báo lỗi #NAME? trên Excel 2016. Có thể hàm [XLOOKUP] chưa có ở bản này. Viết lại bằng hàm có từ Excel 2016 trở về trước, dùng dấu chấm phẩy."
- Bịa giá trị: "Dòng 4 của bảng có Cỡ là M, nhưng tin nhắn số 4 không nhắc cỡ. Theo luật đã nêu, ô này phải trống. Rà lại toàn bộ bảng, liệt kê mọi ô điền thông tin không có trong văn bản gốc."
- Bỏ sót: "Đầu vào có [42] tin nhắn, bảng chỉ có tin từ 1 đến [35]. Tiếp tục từ tin [36], giữ đúng cột và luật như trên."
- Trôi luật: "Từ lượt trước bạn đã đổi định dạng ngày sang tháng/ngày/năm. Nhắc lại toàn bộ luật ban đầu bên dưới, làm lại lô vừa rồi theo đúng luật."
Để ý mẫu bịa giá trị có thêm yêu cầu rà toàn bộ bảng. Khi đã thấy một ô bịa, khả năng cao là còn ô khác; chỉ sửa đúng ô bạn thấy thì những ô còn lại vẫn nằm im trong bảng.
Đưa một ví dụ đúng: cách sửa mạnh nhất
Khi bạn đã giải thích bằng lời hai ba lần mà AI vẫn làm lệch, thứ hiệu quả nhất thường là một ví dụ đầu vào kèm đầu ra đúng mà bạn tự làm. Ví dụ: "Với tin nhắn 'lấy 2 đen L 1 trắng M', kết quả đúng là hai dòng: dòng một màu đen cỡ L số lượng hai, dòng hai màu trắng cỡ M số lượng một." Một ví dụ cụ thể truyền đạt quy ước nhanh hơn một đoạn luật dài, vì nó cho thấy cả những chi tiết bạn không nghĩ ra để nói.
Chọn ví dụ khó, không chọn ví dụ dễ. Ví dụ dễ AI đã làm đúng sẵn; ví dụ có ích là ví dụ nằm đúng chỗ nó đang sai. Nếu sai ở hai chỗ khác nhau, đưa hai ví dụ, mỗi ví dụ minh hoạ một điểm. Hơn ba ví dụ thường không giúp thêm mà làm câu lệnh dài và khó bảo trì.
Ví dụ cũng phải tuân theo nguyên tắc che dữ liệu như mọi phần khác: tên, số điện thoại, địa chỉ thay bằng ký hiệu. Sau khi kết quả đã ổn, chép ví dụ đó vào mẫu câu lệnh bạn lưu, để lần sau dùng lại ngay từ đầu thay vì đợi sai mới thêm vào.
Chia một việc lớn thành chuỗi bước nhỏ
Nhiều yêu cầu thất bại vì gói quá nhiều việc vào một lượt: "làm sạch cột tên, chuẩn hoá tỉnh, ghép với danh mục khách cũ, đánh dấu trùng và viết công thức tổng". Mỗi việc nhỏ AI làm được, gộp lại thì sai chồng sai. Cách chia một việc lớn:
- Viết ra kết quả cuối cùng bạn cần, một câu.
- Liệt kê các bước trung gian theo thứ tự phụ thuộc, mỗi bước cho ra một cột hoặc một bảng có thể kiểm.
- Hỏi AI từng bước một, kiểm kết quả từng bước trên vài dòng mẫu trước khi sang bước sau.
- Ở mỗi bước mới, nhắc ngắn kết quả của bước trước: "Đã có cột H là mã khách đã chuẩn hoá. Bước này cần…"
- Khi các bước đã chạy đúng, nếu muốn mới hỏi AI có gộp được thành ít cột hơn không. Thường giữ nguyên các cột phụ lại dễ bảo trì hơn.
- Ghi lại chuỗi bước vào ô ghi chú hoặc trang hướng dẫn của tệp.
Bạn có thể nhờ chính AI giúp chia bước: "Đây là việc cần làm. Đừng làm ngay; đề xuất chuỗi bước nhỏ, mỗi bước cho ra một cột kiểm được, và nói bước nào cần người quyết định." Đọc danh sách bước, sửa những chỗ không hợp với nghiệp vụ của bạn, rồi mới bắt đầu bước một.
Phòng sai từ đầu: bắt AI nói ra giả định của nó
Yêu cầu liệt kê giả định trước khi làm. Thêm vào cuối câu lệnh: "Trước khi trả lời, liệt kê những giả định bạn đang dùng về bảng và về yêu cầu, ví dụ định dạng ngày, cách xử lý ô trống." Đọc danh sách này mất nửa phút, và một giả định sai bị bắt ở đây rẻ hơn rất nhiều so với một cột kết quả sai bị phát hiện sau khi đã gửi báo cáo.
Yêu cầu nói rõ chỗ không chắc. Câu "Chỗ nào không chắc thì nói rõ là không chắc, đừng chọn một cách hiểu rồi làm tiếp" giúp AI dừng ở những điểm mơ hồ thay vì lấp chúng bằng phỏng đoán. Nhiều công cụ phản hồi tốt với yêu cầu này, dù không phải lúc nào cũng làm đủ.
Yêu cầu tự đếm và tự đối chiếu. Với việc có đầu vào đếm được như danh sách tin nhắn hay danh sách cột, thêm "cuối câu trả lời, ghi số mục đầu vào đã đọc và số mục đầu ra". Con số AI tự báo không thay được phép đếm của bạn, nhưng khi nó lệch với con số bạn biết thì bạn có ngay tín hiệu cảnh báo.
Yêu cầu nêu cách kiểm. "Kèm hai cách để kiểm kết quả này trên bảng thật." Câu này biến mỗi câu trả lời thành một gói gồm cả lời giải lẫn phép thử, đúng với thói quen làm việc với dữ liệu mà các bài trong danh mục này đều nhắc.
Khi nào nên bỏ cuộc trò chuyện cũ và mở cuộc mới
Đã qua lại nhiều lượt mà vẫn sai cùng một kiểu. Cuộc trò chuyện chứa những lần hiểu sai trước đó, và AI có thể tiếp tục dựa vào chúng. Mở cuộc mới, dán mô tả bảng đã sửa đầy đủ, ví dụ đúng, rồi hỏi lại từ đầu.
Luật bắt đầu bị quên. Những luật đặt ở đầu cuộc trò chuyện dài dễ bị bỏ qua về sau. Nếu phải nhắc lại luật hơn một lần, đó là dấu hiệu nên bắt đầu cuộc mới với khung câu lệnh đã lưu.
Đã lẫn nhiều bảng, nhiều việc. Một cuộc trò chuyện vừa làm bảng đơn hàng vừa làm bảng chấm công khiến AI dễ lẫn tên cột giữa hai bảng. Mỗi bảng, mỗi việc chính nên có cuộc trò chuyện riêng.
Bạn đã lỡ dán dữ liệu không nên dán. Xoá cuộc trò chuyện đó theo cách công cụ cho phép, báo người phụ trách nếu công ty có quy định, và làm lại trong cuộc mới với dữ liệu đã che. Đừng tiếp tục làm việc trên nền dữ liệu đã lộ.
Lưu câu lệnh đã chạy tốt thành thư viện riêng
Sau vài tuần dùng AI cho việc dữ liệu, bạn sẽ có một số câu lệnh chạy rất ổn sau nhiều lần chỉnh: khung mô tả bảng đơn hàng, mẫu trích tin nhắn kèm từ điển viết tắt, mẫu xin quy tắc làm sạch tên khách. Những câu lệnh này là tài sản, mất công mới có. Lưu chúng vào một nơi cố định, một tệp ghi chú hoặc một trang tính riêng, mỗi mẫu ghi: dùng cho bảng nào, việc gì, lần sửa gần nhất và vì sao sửa.
Thư viện câu lệnh còn giúp cả nhóm làm giống nhau. Khi ba nhân viên cùng trích đơn bằng ba câu lệnh tự nghĩ, kết quả mỗi người một kiểu và gom lại rất mệt. Một mẫu chung, có người giữ và cập nhật, đưa đầu ra về cùng một cấu trúc. Đây cũng là cách người mới học nhanh nhất: đọc mẫu của người đi trước thay vì tự mò từ đầu.
Cuối cùng, mỗi mẫu trong thư viện nên kèm luôn phần kiểm: đếm gì, so gì, xem dòng nào. Câu lệnh tốt mà không có bước kiểm vẫn có ngày cho kết quả sai, vì dữ liệu đầu vào đổi, công cụ cập nhật, hoặc chính mô hình AI thay đổi theo phiên bản. Phần kiểm là thứ giữ cho bạn phát hiện được ngày đó.
Câu hỏi thường gặp
Gõ "sai rồi, làm lại" có giúp AI sửa đúng không?
Thường không. AI không biết sai ở đâu nên có thể đổi những chỗ đã đúng. Nói rõ điều đã xảy ra, dòng cụ thể bị sai và kết quả mong đợi cho dòng đó; câu trả lời tiếp theo sẽ trúng hơn nhiều.
Vì sao AI làm đúng mấy lượt đầu rồi càng về sau càng sai?
Trong cuộc trò chuyện dài, những luật đặt ở đầu dễ bị bỏ qua dần. Dán lại khung câu lệnh đầy đủ ở mỗi lô, hoặc mở cuộc trò chuyện mới khi phải nhắc lại luật hơn một lần.
Nên đưa bao nhiêu ví dụ đúng vào câu lệnh?
Một đến ba ví dụ thường đủ. Chọn ví dụ nằm đúng chỗ AI đang sai, mỗi ví dụ minh hoạ một điểm. Quá nhiều ví dụ làm câu lệnh dài, khó bảo trì và không cải thiện thêm bao nhiêu.
Làm sao phát hiện AI bịa thông tin trong bảng trích xuất?
Yêu cầu mỗi dòng ghi số thứ tự hoặc câu gốc trong văn bản làm căn cứ, so số dòng với số mẩu đầu vào, và cấm điền khi văn bản không nói. Đọc lại ngẫu nhiên vài dòng với văn bản gốc.
Có nên nhờ AI tự chia việc lớn thành các bước không?
Nên, với điều kiện yêu cầu nó chỉ đề xuất chuỗi bước, chưa làm ngay. Bạn đọc, sửa những bước không hợp nghiệp vụ, rồi mới làm từng bước và kiểm kết quả của mỗi bước trước khi sang bước sau.