Trong bối cảnh thay đổi toàn cầu, nhà nghiên cứu văn hóa nên sử dụng Trí tuệ Nhân tạo như thế nào để hiệu quả hơn?

Các Nhà Nhân Văn không tạo nên sự thay đổi toàn cầu, nhưng họ chịu đựng sự thay đổi đó.

Đôi khi tôi cảm thấy như những người bán hướng dẫn về Trí Tuệ Nhân Tạo luôn coi AI như một loại phép thuật: cho bạn một câu hỏi kỳ diệu, bạn có thể làm bất cứ điều gì. Thực tế, đương nhiên không phải như vậy. Trong thời gian qua, vì thành lập FUNES, chúng tôi đã phải sử dụng AI hàng ngày để sản xuất nội dung. Kết hợp với "Thế Giới Một Con Ruồi", việc viết của riêng tôi và các sản phẩm nội dung khác, chỉ dựa vào lao động con người không còn đủ. Vì vậy, chúng tôi đã thử nghiệm nhiều cách sử dụng AI để hỗ trợ công việc nghiên cứu nội dung và nhân văn của chúng tôi.

Sau đó, khi có đồng nghiệp mới gia nhập công ty, tôi đã tổ chức một buổi trình bày đơn giản. Khi nghe tin đồn về buổi trình bày này, Tiến Sĩ Gia đã mời tôi tham gia chia sẻ. Tôi và đối tác của mình Đạt đã đặt tên cho buổi chia sẻ đó là "Dẫn Dắt AI Cho Các Nhà Nhân Văn". Khi đó chỉ là một buổi chia sẻ riêng tư, chủ yếu là về những nguyên tắc chung. Sau đó, chúng tôi đã tổ chức thêm và mở rộng.

Trong hơn một năm qua, tôi đã chia sẻ trải nghiệm sử dụng AI này với nhiều người bạn làm nội dung, nghiên cứu và sản xuất kiến thức. Mục tiêu của nó không phải là dạy bạn nhớ một số từ khóa kỳ diệu, và đặc biệt không phải coi AI là bài thuốc thanh. Mặt khác, đó giống như một phương pháp làm việc: giúp bạn tích hợp mô hình lớn vào quy trình viết văn, nghiên cứu, chỉnh sửa, chọn chủ đề, sắp xếp tài liệu và sản xuất của mình mà không cần viết mã, và có thể theo dõi, giám sát, và xác minh, cuối cùng bạn vẫn muốn ký tên trên tác phẩm của mình.

Phương pháp này xuất phát từ những bước lầm lỗi của chúng tôi trong các dự án thực tế: khi nội dung tiếp cận quy mô lớn, chỉ dựa vào lao động con người sẽ gặp khó khăn; và việc AI viết một bài văn sẽ khiến bạn cho rằng đó là mê tín, lười biếng, hoặc viết giống như AI. Vì vậy, chúng tôi đã phải biến việc sáng tạo thành dây chuyền sản xuất, dây chuyền đó trở thành hệ thống có thể lặp lại.

Khi hôm nay tôi không muốn chỉ đưa ra các từ khóa, tôi hy vọng sẽ cung cấp cho bạn một số nguyên tắc và ý tưởng hướng dẫn quan trọng.

Điều Cần lưu Ý trước nguyên tắc: Ba Nguyên Tắc Cơ Bản của Bản Hướng Dẫn này

Trước khi đi vào phương pháp cụ thể, hãy rõ ba nguyên tắc cơ bản. Chúng xác định cách bạn "sử dụng AI" và cũng xác định lý do "tại sao bạn sử dụng như vậy".

1. Quá trình phải có thể theo dõi, giám sát và xác minh
Bạn không thể chỉ quan tâm đến kết quả mà không quan tâm đến quá trình. Đối với công việc nhân văn, hộp đen là nguy hiểm nhất: ảo tưởng, dẫn định sai lầm, đổi khái niệm, tất cả sẽ xảy ra tĩnh lặng trong hộp đen.

2. Phải Có Thể Điều Khiển
Bạn phải có thể điều khiển nó như thế nào, theo tiêu chuẩn nào, ở đâu phải chậm hơn, ở đâu phải nghiêm ngặt hơn. Bạn không đang "rút bài", bạn đang sản xuất.

3. Cuối cùng, Bạn Vẫn Muốn Ký Tên
"Bạn có muốn để tên của mình không?" là bước kiểm tra chất lượng cuối cùng. Nếu bạn không muốn ký tên, thường không phải vấn đề đạo đức, mà là ý chí của bạn không được thực thi trong quy trình — cũng có nghĩa là chất lượng không thể kiểm soát.

Nguyên Tắc 0: Đừng Uốn AI, Hãy Xem Nó Như Một Bàn Làm Việc

Rất nhiều người sử dụng AI theo cách, bản chất là đang ước muốn:
"Hãy cho tôi một câu chuyện hay", "Giúp tôi viết một bài báo tốt", "Giải thích bài báo này".

Vấn đề là — "Giải thích" chính nó đã có vô số cách giải thích: cho người ngoại đạo, cho sinh viên đại học, cho sinh viên cao học, cho đồng nghiệp, hoàn toàn không phải là một công việc duy nhất. AI không thể tự động biết về nền tảng của bạn, mục đích, sở thích và tiêu chuẩn. Nếu bạn không nói rõ, nó chỉ có thể cung cấp một câu trả lời dễ nhất theo cách "trung bình con người".

Đối xử với mô hình lớn như một bàn làm việc, nghĩa là: Bạn không đưa ra yêu cầu kết quả, mà là triển khai công cụ của nó để hoàn thành một quy trình. Điều bạn cần phải làm là nêu rõ công việc, nêu rõ tiêu chuẩn, sắp xếp các bước.

Ví dụ: Cho AI giải thích bài báo

Bạn có thể chuyển yêu cầu dưới dạng ước muốn (giúp tôi giải thích bài báo này) thành nhiệm vụ bàn làm việc như sau:

· Xác định rõ đối tượng mục tiêu: Thông minh, tò mò nhưng không phải là chuyên gia trong lĩnh vực

· Xác định cách giải thích: Khơi dậy, từ từ, có tính chính xác học thuật

· Yêu cầu cấu trúc rõ ràng: Trình bày ý nghĩa trước, sau đó là nền tảng, sau đó là tái hiện quá trình nghiên cứu, sau đó là các điểm kỹ thuật quan trọng, sau cùng là những bài học

· Xác định phong cách: Tôn trọng trí tuệ, không cao ngạo, không giả vờ đối phương đã có kiến thức sâu rộng

Bạn sẽ nhận thấy: Càng bạn mô tả giống như "yêu cầu bài tập", AI càng không giống AI, mà giống như một trợ lý thực sự biết làm việc.

Nguyên Tắc 1: Muốn AI làm tốt, hãy tự trách nhiệm — bạn mới là người chịu trách nhiệm

Nếu bạn thuê một trợ lý, bạn sẽ không chỉ nói:
"Làm cho bài viết của Hanyang về miền Rust Belt tốt hơn."

Bạn nhất định sẽ bổ sung:

Đây là bài viết viết vì lý do gì, viết cho ai, hiện tại đang bị kẹt ở đâu, bạn mong muốn nó giải quyết vấn đề gì, những điểm không thể thay đổi, bạn muốn phong cách như thế nào, chỉ số quan trọng nhất đối với bạn là gì.

AI cũng vậy. Bạn nên coi nó như một đồng nghiệp rất chăm chỉ, rất lịch sự, nhưng không hiểu được tiền đề tiềm tàng trong đầu bạn. Việc thực sự "dẫn chỗ từ" không phải là một kỹ năng, mà là một trách nhiệm: bất kỳ công việc nào vẫn là do bạn thực hiện, AI chỉ giúp bạn làm việc đó.

Khi bạn không hài lòng với kết quả của AI, phản ứng hiệu quả nhất không phải là "AI không được", mà là:

· Tôi đã chưa giải thích rõ "đối tượng/độc giả/mục đích"?

· Tôi đã cung cấp đủ tài liệu nền và ràng buộc chưa?

· Tôi đã chia "ước muốn trừu tượng" thành "hành động có thể thực hiện được" chưa?

· Tôi đã đưa ra tiêu chuẩn đánh giá đúng sai chưa?

Nguyên tắc 2: Hỏi ít nhất 3 mô hình với cùng một vấn đề — Mỗi AI đều có "tính cách" và lĩnh vực chuyên môn

Trong công ty chúng tôi, với bất kỳ đồng nghiệp nào lần đầu tiếp xúc với các mô hình lớn, tôi mong muốn họ trong giai đoạn đầu sử dụng, hỏi ba AI khác nhau cho mỗi vấn đề. AI cũng giống như con người: có một số điểm khác nhau, có một số mạnh ở lĩnh vực nào đó. Điều thực tế hơn là: các mô hình của cùng một sản phẩm, các phiên bản mới của cùng một mô hình cũng sẽ liên tục điều chỉnh "phong cách" và "ranh giới".

Vì vậy, một thói quen rất đơn giản nhưng rất hiệu quả là: đối với cùng một vấn đề, hãy hỏi ít nhất 3 AI khác nhau, bạn sẽ nhanh chóng có được "cảm nhận":

· Cái nào viết giỏi hơn, cái nào suy nghĩ hơn, cái nào tìm kiếm hơn, cái nào dễ lười biếng hơn

· Nhiệm vụ nào phù hợp cho ai làm "bản thảo đầu tiên", nhiệm vụ nào phù hợp cho ai làm "người kiểm duyệt"

· Cái nào phù hợp hơn để đề xuất "chủ đề/cấu trúc", cái nào phù hợp hơn để đề xuất "đoạn văn/câu"

Giá trị của bước này không phải là "chọn ra mô hình mạnh nhất", mà là: bạn bắt đầu quản lý mô hình giống như quản lý một nhóm, thay vì coi nó như một "lời tiên tri" duy nhất.

Nguyên tắc 3: AI không phải là Thượng Đế — Hãy coi nó như trình độ thông thường của một "sinh viên đại học tốt nghiệp"

Một quản lý kỳ vọng rất hữu ích là:
Trình độ thông thường của AI ≈ một sinh viên đại học tốt nghiệp từ trường hàng đầu.

Nếu điều gì đó mà bạn nghĩ rằng "một sinh viên tốt nghiệp hàng đầu thậm chí cũng không biết", thì bạn nên mặc định rằng AI cũng không biết; ít nhất là mặc định rằng khi không biết, nó sẽ "lập trình sao cho giống như biết".

Điều này sẽ đem lại hai hành động trực tiếp:

1. Bất kỳ nội dung nào vượt ra ngoài kiến thức thông thường, bạn đều phải hướng dẫn nó
Ví dụ: Bạn muốn nó viết đoạn văn hài hước, viết bài quảng cáo thực sự có gu riêng, viết lập luận chuyên sâu — Bạn không thể chỉ nó "hãy viết tốt hơn một chút", bạn phải cung cấp ví dụ, tiêu chuẩn, vùng cấm, và nguyên liệu. Tôi tin rằng ngay bây giờ nếu bạn giải thích cho bạn bè xem từ trong tâm trí bạn thì từ văn phong của bạn là gì, bạn cũng cần một chút thời gian; vậy làm sao có thể nghĩ rằng AI tự nhiên đã biết?

2. Bạn phải coi nó như một sinh viên thực tập cộng tác, không phải như một vị thần
Nó có thể thực hiện nhiều công việc "chèn nhỏ" như: hoàn thành khuôn khổ bạn đưa ra, biến nguyên liệu bạn cung cấp thành văn bản có thể đọc được. Nhưng "khuôn khổ" và "hướng dẫn" vẫn đến từ bạn.

Nguyên lý 4: Dẫn dắt AI tiến gần hơn mục tiêu bước một lần một bước — Phương pháp trắng hộp từng bước, đáng tin cậy hơn hộp đen một lần

Ưu điểm của AI không phải là "trả lời chính xác ngay lập tức", mà là khả năng ổn định hoàn thành nhiều bước nhỏ trong quy trình bạn thiết kế. Bạn càng yêu cầu nó "thực hiện ngay từ bước một", nó càng dễ trở thành "hộp đen trông như hoàn chỉnh nhưng thực chất là lười biếng".

Một ví dụ cụ thể là khi thực hiện TTS (chuyển văn bản thành giọng nói) hoặc xử lý bảng script. Thay vì nói "chú ý đến những từ đa âm, không nên đọc sai", bạn có thể chia nhiệm vụ thành một chuỗi bước, ví dụ:

· Đánh dấu dừng/ngắt/nhịp độ thay đổi tốc độ của ngôn ngữ

· Nhận diện các từ có thể đọc được mà có nhiều âm

· Kiểm tra lại dựa trên từ điển hoặc so sánh với cách phát âm uy quyền (nếu cần, tìm kiếm trước khi xác định)

· Đánh dấu trước các từ thường gặp nhưng dễ nhầm lẫn

· Nếu không thể, vui lòng sử dụng từ không nhiều âmkhông gây nhầm lẫn với âm khác, loại bỏ khả năng đọc sai từ cơ bản

Những "phương pháp đúng đắn mà ai cũng thấy rõ", con người thường tự động làm; nhưng AI không tự động làm. Nếu bạn không đưa "rõ ràng và dễ hiểu" này vào quy trình, nó sẽ mắc lỗi theo con đường dễ nhất.

Nguyên lý 5: Đầu tiên công nghiệp hóa, sau đó "AI hóa" — Bạn không thể từ thời đại nông nghiệp mà lập tức nhảy sang thời đại AI

Nếu quy trình viết/ nghiên cứu của bạn ban đầu là ngẫu nhiên, dựa vào cảm hứng, không quản lý dữ liệu, thì thật khó để giao cho AI. Vì AI chỉ có thể bắt kịp phần của bạn mà "có thể mô tả, có thể tái tạo".

Lộ trình hiện thực hơn là:

1. Đầu tiên biến công việc thành "dây chuyền sản xuất": Có thể chia nhỏ, có thể tái sử dụng, có thể kiểm tra chất lượng

2. Đưa các Bước Con cho AI Xử Lý: Hãy để nó trở thành một chỗ ngồi làm việc, chứ đừng để nó trở thành một vị thần

Chúng tôi đã thực hiện một công việc rất ngốc nhưng rất quan trọng: Trích xuất quá trình của bản thân tôi khi viết một bài viết phi hư cấu. Bao gồm:

· Tại sao chọn câu chuyện này để bắt đầu

· Tại sao chọn câu hỏi này

· Làm thế nào để đánh giá ví dụ

· Làm thế nào để xây dựng sự cố, sự phải lòng, sự chuyển hướng, cách chuyển tiếp, và kết thúc

· Làm thế nào để kết nối các câu chuyện con với bức tranh lớn hơn

Sau cùng, nó đã được phân chia thành hàng chục bước, để các AI khác nhau chỉ thực hiện một bước. Kết quả là:
Không phải là mô hình đột ngột mạnh mẽ hơn, mà là quy trình đã kết nối khả năng "chỉ thực hiện từng chút một" của nó lại với nhau.

Khi bạn có thể mô tả rõ ràng "Bài viết của tôi đã được tạo ra như thế nào," bạn sẽ nhận ra rằng: quá trình quyết định chất lượng tối đa chưa bao giờ phải là "sử dụng mô hình lớn nào," mà là việc bạn có thể giải thích phương pháp làm việc của mình một cách rõ ràng hay không.

Một số bước đã thực hiện khi kiểm tra lúc trước

Tuy nhiên, đoạn này mạnh mẽ khuyến nghị bạn nên nghe chương trình, nói rõ hơn.

Nguyên tắc 6: Dự Đoán Rằng AI Sẽ Lười Biếng — Nó Sẽ Tiết Kiệm Năng Lực Tính Toán, Bạn Cần Phải Xử Lý "Rào Cản Định Dạng" Cho Nó

AI sẽ lười biếng, và thậm chí là "lười biếng theo cách hệ thống": Nó sẽ tránh mở trang web nếu có thể, tránh đọc PDF nếu có thể, và tránh bước qua nếu có thể. Không phải là vì nó xấu, mà là vì dưới ràng buộc về tính toán và thời gian, nó tự nhiên có xu hướng chọn con đường ít tốn sức lực nhất.

Vì vậy điều bạn cần làm là: Sử dụng năng lực tính toán của AI cho việc "hiểu văn bản," chứ không phải lãng phí cho "xử lý định dạng".

Cách thức cải tiến rất hiệu quả bao gồm:

· Chuyển văn bản và Markdown mà không có định dạng

· Sao chép nội dung trang web thành văn bản sạch (loại bỏ tiêu đề, quảng cáo, chú thích)

· Trích xuất sự thật và cấu trúc từ tài liệu dài trước khi cho AI viết

· Chuyển PDF/EPUB/trang web thành tập tin văn bản có thể tìm kiếm, trước khi thực hiện nhiệm vụ tiếp theo

Bạn sẽ nhận ra: Rất nhiều người chống đối "công việc cơ khí" như vậy, cảm thấy rằng "máy móc nên làm việc bẩn thay cho tôi." Nhưng trong cộng tác giữa người và máy, điều ngược lại lại đúng — bạn sẵn lòng thực hiện một chút lao động cơ khí, phần trí tuệ của AI mới trở nên sắc bén và đáng tin cậy hơn.

Nguyên lý 7: Hãy nhớ rằng ngữ cảnh có hạn — Hãy cố gắng biến công việc thành "nén" càng nhiều càng tốt, đừng trông chờ nó "mở rộng tự do"

AI có một cửa sổ ngữ cảnh, có "bộ nhớ giới hạn". Bạn đưa cho nó hai mươi nghìn từ, nó có thể không nhớ nhiều; bạn đưa cho nó hai trăm nghìn từ, nó có thể chỉ quét tiêu đề. Một so sánh hình ảnh là: nhốt một người vào phòng nhỏ trong một ngày, đưa cho anh ta một cuốn sách hai trăm nghìn từ, sau đó ra ngoài yêu cầu anh ta học thuộc — mức độ anh ta có thể học thuộc, có lẽ chính là lượng mà AI có thể "nhớ" được.

Vì vậy, có một trải nghiệm quan trọng mặc dù ngược trực giác:

1. Nén so với Mở rộng thường dễ dàng hơn

Nén 100 nghìn từ xuống còn 1 nghìn từ, thường đáng tin cậy hơn việc mở rộng 1 nghìn từ lên 100 nghìn từ.

Điều này trực tiếp thay đổi cách bạn yêu cầu AI:

· Đừng dùng 100 từ gợi ý để yêu cầu một bài luận

· Ngược lại, hãy cung cấp tài liệu càng nhiều càng tốt (theo đợt, tìm kiếm, RAG đều được), để nó nén xuống cấu trúc, quan điểm và văn bản trên cơ sở tài liệu đầy đủ

Bạn trước đây viết bài viết, viết luận văn, thường xuyên "đọc vô số tài liệu → trích dẫn → tổ chức → viết" (ít nhất là với tôi). Đến với AI, đừng đột ngột yêu cầu nó phát triển mà không căn cứ.

Nguyên lý 8: Kiềm chế sự xao lãng của "Đổi một chút là được" — Thay đổi dây chuyền sản xuất, không thay đổi kết quả

Rất nhiều người giỏi văn chương, dễ gặp sự cố khi đứng trước AI:
AI tạo ra bản nháp 59 điểm, bạn nghĩ rằng chỉ cần sửa vài chỗ là 80 điểm, vì vậy bạn bắt đầu sửa; khi sửa, dần dần bạn biến nó thành việc viết lại; khi viết lại xong, bạn nói "tốt hơn tôi tự làm luôn", và từ đó không bao giờ dùng AI nữa.

Giải pháp không phải là cố gắng "sửa bản nháp" nhiều hơn, mà là di chuyển trọng tâm lên dòng chảy hơn:

· Đừng theo đuổi việc làm cho AI viết trực tiếp 100 điểm

· Mục tiêu của bạn là duy trì quá trình sản xuất ổn định 75-80 điểm

· Bạn cần làm là phát triển quy trình lặp lại, nâng cao "điểm trung bình", chứ không phải làm cho "mỗi bài" hoàn hảo

Nguyên lý 9: Xem xét dòng chảy sản xuất như một chuỗi cập nhật sản phẩm — Độ tin cậy chính là giá trị

Khi bạn có một hệ thống có thể ổn định cho bạn 70 điểm làm điểm khởi đầu, giá trị của nó không phải là "nó giống như bạn" mà là:

· Bạn có thể nhận được một bản nháp sử dụng được với chi phí gần như bằng không

· Bạn nên tập trung năng lượng vào các quyết định cấp cao hơn: chọn chủ đề, cấu trúc, bằng chứng, gu thẩm mỹ và lựa chọn

Điều bạn cần không phải là một vị thần toàn năng có thể thay thế bạn, mà là một nhà máy đáng tin cậy: Nó không hoàn hảo, nhưng nó ổn định.

Nguyên tắc 10: Số lượng là ưu tiên hàng đầu - Tạo ra nhiều, sau đó lựa chọn

Chỉ nhận được một phiên bản từ trí tuệ nhân tạo thường sẽ cho bạn một phiên bản trung lập nhất, thận trọng nhất, và phổ thông nhất. Bạn cần dùng "số lượng" để chống lại "tầm thường".

Cách làm hiệu quả hơn là:

· Tóm tắt: Mỗi lần cần 5 phiên bản

· Bắt đầu: Mỗi lần cần 5 phần bắt đầu, thực hiện AB Test

· Chọn chủ đề: Mỗi lần cần 50 chủ đề, sau đó phân nhóm, lựa chọn

· Cấu trúc: Mỗi lần cần 3 cấu trúc, sau đó kết hợp

· Diễn đạt: Mỗi lần cần 10 cách diễn đạt khác nhau, sau đó chọn lựa ưu tú

Khi bạn nâng điểm trung bình, tăng sản lượng, bạn sẽ tự nhiên thấy xuất hiện các "mẫu bất ngờ" với điểm số 85, 90. Rất nhiều lúc, điều tốt là không phải "một lần chợp mắt của thần" mà là lúc bạn cuối cùng bắt đầu làm việc theo cách của thống kê.

Nguyên tắc 11: Đừng vượt cạn giếng, như một đầu bếp trưởng hành động - Chỉ huy, nếm thử, gửi trở lại lò nướng

Nếu bạn là đầu bếp trưởng của một nhà hàng, bạn sẽ không tự mình đi chụp dưa leo. Bạn sẽ:

· Nếm một miếng

· Đánh giá xem có đủ tiêu chuẩn không

· Đưa ra phản hồi rõ ràng (nơi nào không đúng, cần thay đổi như thế nào)

· Yêu cầu đầu bếp quay lại làm lại

Cộng tác với trí tuệ nhân tạo cũng thế. Bạn cần tôn trọng "chủ thể từ phát sinh theo cách của nó" - điều bạn cần làm là dạy nó cách đạt đến tiêu chuẩn của bạn, chứ không phải tự mình lao vào chỉnh sửa kết quả mỗi lần của nó thành sản phẩm hoàn thiện.

Nếu không bạn sẽ bị mệt mỏi với vô tận "sửa chữa".

Nguyên tắc cơ bản cuối cùng: Quay trở lại thế giới thực - Nguyên vật liệu × Gu thẩm mỹ, quyết định giới hạn của tác phẩm

Trong thời đại trí tuệ nhân tạo, chất lượng của một tác phẩm ngày càng trở nên giống như: Nguyên vật liệu × Gu thẩm mỹ.

Mô hình có thể thay đổi, phương pháp có thể được cải tiến, nhưng hai điều này không đổi:

1. Nguyên vật liệu đến từ thế giới thực

Nếu bạn được lựa chọn giữa hai lựa chọn để viết một bài báo:

· Sử dụng mô hình mới nhất, nhưng chỉ có thể sử dụng dữ liệu trực tuyến

· Sử dụng mô hình cũ, nhưng bạn có toàn bộ tài liệu, lịch sử kể miệng, phỏng vấn trên thực địa

Người thường có khả năng tạo ra tác Phẩm tốt hơn thường là người thuộc nhóm thứ hai.

2. Phong cách được hình thành từ sự huấn luyện lâu dài

Khi "sinh tạo" trở nên rẻ tiền, điều thực sự khan hiếm đó là:

· Bạn biết điều gì đáng viết

· Bạn biết chứng cứ nào mạnh mẽ hơn

· Bạn biết cách diễn đạt nào mạnh mẽ hơn

· Bạn sẵn lòng bỏ công sức cho tư liệu: từ đỉnh thiên địa đến suối nguồn, từng bước từng bước tra cứu tư liệu

AI đã thay đổi hiệu quả và cách thức tương tác của bạn với vật liệu; nhưng chủ từ của tác Phẩm vẫn là bạn, tân từ vẫn là vật liệu. AI chỉ là một phần của "động từ".

Kết luận: Hãy biến lo lắng thành sự tự tin

Rất nhiều người không sử dụng AI không phải vì họ không thông minh, mà là vì họ vẫn đắm chìm trong vòng lặp "ước ao - thất vọng - từ bỏ". Điều thực sự giúp bạn vượt qua là coi nó như một công cụ, công việc được cơ giới hóa, quá trình được đóng hộp trắng, và sau đó từ sự ma sát liên tục mà hình thành sự tự tin.

Khi bạn có thể làm được điều này, bạn sẽ không dễ dàng kết luận vội vã rằng "AI không xứng đáng"; bạn sẽ trở nên giống như một loại công việc mới có khả năng quản lý công cụ mới: không coi thường nó, cũng không ngưỡng mộ nó, mà đặt nó vào quy trình, đặt nó vào thực tế, đặt nó vào những tác phẩm mà bạn sẵn lòng ký tên.

Link gốc