Dùng AI có trách nhiệm trong L&D: dữ liệu, thiên lệch và minh bạch
Ba câu hỏi người làm L&D cần trả lời trước khi đưa AI vào chương trình đào tạo, kèm khung SPICE giảm thiên lệch, cách ẩn danh dữ liệu và bộ câu hỏi đánh giá nhà cung cấp AI.
Người làm L&D thường là người đầu tiên trong công ty thử AI, vì công việc của chúng ta gắn với nội dung. Điều đó cũng có nghĩa là chúng ta thường là người đầu tiên gặp các câu hỏi khó: có được đưa danh sách học viên vào ChatGPT để phân tích không? Bộ tình huống AI viết có định kiến giới không? Có cần nói với học viên là tài liệu có dùng AI không?
Không cần là chuyên gia pháp lý hay công nghệ để trả lời. Chỉ cần một bộ nguyên tắc rõ ràng và thói quen kiểm tra. Bài này tổng hợp các nguyên tắc từ tài liệu của ATD, kèm cách áp dụng cho bối cảnh doanh nghiệp Việt Nam.
Mục lục
Vùng rủi ro 1: dữ liệu và quyền riêng tư
Câu hỏi dẫn: dữ liệu anh chị đưa vào AI đi đâu?
Nhiều công cụ AI công khai có thể dùng dữ liệu người dùng nhập vào để huấn luyện các phiên bản sau, tùy cài đặt và gói dịch vụ. Michelle Lentz, trong "Partner With AI for Instructional Design", nhắc rằng mọi thông tin chia sẻ với những công cụ này có thể góp vào quá trình huấn luyện, và dữ liệu nhạy cảm có thể bị lộ.
Thói quen 1: ẩn danh trước khi gõ
Lentz đưa ra một ví dụ đơn giản. Đừng viết: "Khách hàng [tên công ty cụ thể] có dự án đào tạo ngân sách 2 triệu USD cho 50 nhân viên." Hãy viết: "Một khách hàng trong ngành tài chính có dự án đào tạo ngân sách lớn cho một đội quy mô vừa."
Áp dụng cho công việc L&D hằng ngày:
| Thay vì đưa vào AI | Hãy đưa |
|---|---|
| Danh sách học viên có họ tên, mã nhân viên | Bảng đã thay tên bằng mã A1, A2, bỏ cột định danh |
| Phiếu phản hồi có tên giảng viên, tên phòng ban | Nội dung phản hồi, thay tên bằng "Giảng viên 1", "Đơn vị X" |
| Kết quả đánh giá hiệu suất của từng người | Số liệu tổng hợp theo nhóm |
| Tên khách hàng, số liệu kinh doanh chưa công bố | Mô tả chung: "một khách hàng doanh nghiệp vừa", "doanh số giảm khoảng 1/5" |
Thói quen 2: đọc điều khoản trước khi dùng
Myra Roldan, trong "Unlocking the Power of AI", gợi ý năm câu hỏi khi dùng một công cụ AI công khai:
- Câu lệnh của tôi sẽ được xử lý và lưu ở đâu?
- Ai sở hữu thông tin tôi đưa vào?
- Công cụ có an toàn để dùng cho mục đích kinh doanh không?
- Nhà cung cấp có dùng dữ liệu của tôi để huấn luyện mô hình không?
- Có phiên bản doanh nghiệp nên dùng thay thế không?
Đầu ra: một danh sách "được đưa / không được đưa" vào AI, dán ngay trên bàn làm việc của đội.
Vùng rủi ro 2: thiên lệch trong nội dung AI tạo ra
Câu hỏi dẫn: làm sao biết nội dung AI viết có định kiến?
AI học từ lượng dữ liệu khổng lồ, và dữ liệu đó mang theo định kiến của con người. Roldan nhắc một nghiên cứu của Bloomberg về công cụ tạo ảnh Stable Diffusion: mô hình có thể còn thiên lệch hơn cả dữ liệu thực tế. Trong đào tạo, thiên lệch thể hiện ở những chỗ rất nhỏ: tình huống nào cũng có "sếp nam, trợ lý nữ", ví dụ lãnh đạo toàn từ công ty phương Tây, ảnh minh họa thiếu đa dạng.
Lentz đề xuất khung SPICE để giảm thiên lệch ngay từ câu lệnh:
| Chữ | Nguyên tắc | Ví dụ áp dụng |
|---|---|---|
| Specific (Cụ thể) | Câu lệnh mơ hồ khiến AI tự lấp chỗ trống bằng khuôn mẫu phổ biến | Thay "Vì sao lãnh đạo thành công?" bằng "Những yếu tố nào giúp lãnh đạo thành công ở các ngành và bối cảnh khác nhau?" |
| Perspectives (Nhiều góc nhìn) | AI mặc định đưa câu trả lời phổ biến nhất nếu không được yêu cầu khác | Yêu cầu góc nhìn từ nhiều nền văn hóa, trong đó có châu Á và Việt Nam |
| Inclusive (Hòa nhập) | Tránh từ ngữ gắn giới tính khi không cần | Thay "quản lý động viên nhân viên của anh ấy" bằng "người quản lý một đội làm việc kết hợp" |
| Check (Tự kiểm tra) | Yêu cầu AI tự rà soát thiên lệch | "Hãy xem lại câu trả lời trên, chỉ ra chỗ có thể thiên lệch hoặc thiếu sót, và đề xuất cách sửa" |
| Evaluate (Đánh giá) | Đọc lại xem có củng cố định kiến không, hỏi ý kiến đồng nghiệp | "Hãy viết lại các ví dụ lộ trình nghề nghiệp, tránh định kiến giới" |
Một điều thú vị trong ví dụ của Lentz: khi được yêu cầu tự kiểm tra, AI tự chỉ ra rằng câu trả lời của nó "chủ yếu phản ánh góc nhìn phương Tây" và thiếu ví dụ từ các nền văn hóa khác. Với người làm L&D ở Việt Nam, đây là điểm cần đặc biệt lưu ý: hãy yêu cầu tình huống và ví dụ gần với bối cảnh doanh nghiệp Việt.
Đầu ra: mọi câu lệnh tạo tình huống, ví dụ, hình ảnh của đội đều có thêm một bước "C" và "E" trước khi dùng.
Vùng rủi ro 3: minh bạch với người học
Câu hỏi dẫn: khi nào cần nói với học viên rằng tài liệu có dùng AI?
Lentz phân biệt hai trường hợp:
- Dùng AI để động não, giống như trao đổi ý tưởng với đồng nghiệp: thường không cần công khai.
- Dùng AI tạo nội dung hoàn chỉnh mà người học tương tác trực tiếp, đặc biệt nội dung có thông tin hoặc khuyến nghị ảnh hưởng đến kết quả học tập: nên công khai, kể cả khi con người đã kiểm tra lại.
Ba cách công khai đơn giản:
- Trong hợp đồng, thỏa thuận với đối tác: ghi rõ công ty dùng công cụ AI nào để tạo nội dung đào tạo.
- Ở đầu khóa học trực tuyến: một dòng ngắn như "Một phần nội dung khóa học được tạo với sự hỗ trợ của công cụ AI và đã được người thiết kế kiểm tra."
- Trong tài liệu học viên: ghi chú tương tự ở trang đầu hoặc cuối.
Minh bạch không làm giảm giá trị của khóa học. Ngược lại, nó mở ra những cuộc trò chuyện có ý nghĩa với học viên về vai trò của AI trong công việc, và xây niềm tin với đội L&D.
Khi chọn nhà cung cấp giải pháp AI
Câu hỏi dẫn: làm sao không bị cuốn theo một buổi giới thiệu sản phẩm hào nhoáng?
Debbie Richards, trong "Become a Strategic Learning Architect With AI", đưa ra bộ tiêu chí đánh giá nhà cung cấp. Mình tóm lại thành bảy câu hỏi:
- Khớp vấn đề kinh doanh: công cụ giải quyết vấn đề giá trị cao cụ thể nào, hay chỉ là nhu cầu công nghệ?
- Bảo mật dữ liệu: dữ liệu công ty và nhân viên được dùng thế nào, lưu ở đâu?
- Thiên lệch và đạo đức: mô hình được huấn luyện ra sao, nhà cung cấp làm gì để phát hiện và giảm thiên lệch?
- Khả năng kết nối: có kết nối được với hệ thống học tập hiện có không?
- Con người trong vòng quyết định: công cụ có quy trình bắt buộc người duyệt các quyết định ảnh hưởng đến nhân viên không?
- Thử trước khi ký: nhà cung cấp có đồng ý chạy thí điểm với dữ liệu của mình trước khi ký hợp đồng dài hạn không?
- Chi phí thật: tổng chi phí gồm triển khai, đào tạo, phí ẩn là bao nhiêu, đo lợi ích thế nào?
Richards tóm gọn: tìm bằng chứng, đừng tin lời hứa.
Bộ quy tắc tối thiểu cho đội L&D
Câu hỏi dẫn: nếu công ty chưa có chính sách AI, đội L&D nên bắt đầu từ đâu?
Roldan khuyên: nếu công ty chưa có quy định, hãy làm việc với pháp chế và IT để được phép thử nghiệm, minh bạch về việc mình đang làm, và mời đồng nghiệp góp ý sớm. Với đội nhỏ không có pháp chế riêng, hãy hỏi lãnh đạo về phạm vi được phép, và có thể chính anh chị phải giúp lãnh đạo hiểu lợi ích và rủi ro.
Một bộ quy tắc tối thiểu có thể gồm sáu dòng:
- Không đưa dữ liệu định danh của nhân viên, khách hàng vào công cụ AI công khai.
- Ưu tiên phiên bản doanh nghiệp khi xử lý tài liệu nội bộ.
- Mọi nội dung AI tạo ra phải được người có chuyên môn kiểm tra trước khi đến tay học viên.
- AI không tự đưa ra quyết định về con người, như đánh giá, xếp loại, đề bạt.
- Công khai việc dùng AI khi nội dung hoàn chỉnh đến tay học viên.
- Kiểm tra nguồn mọi số liệu, trích dẫn mà AI đưa ra.
Những điều cần nhớ
- Ẩn danh dữ liệu trước khi đưa vào AI. Đọc điều khoản trước khi dùng công cụ mới.
- Dùng khung SPICE: cụ thể, nhiều góc nhìn, hòa nhập, tự kiểm tra, đánh giá lại.
- Công khai khi AI tạo nội dung hoàn chỉnh mà học viên tương tác.
- Đánh giá nhà cung cấp bằng bằng chứng thí điểm, không bằng lời hứa.
- Nếu công ty chưa có chính sách, đội L&D có thể chủ động đề xuất một bộ quy tắc tối thiểu.
Câu hỏi thường gặp
Dùng tài khoản AI cá nhân để làm việc có sao không?
Rủi ro nằm ở dữ liệu bạn đưa vào và điều khoản của gói dịch vụ. Với tài liệu nội bộ, nên dùng công cụ công ty cấp hoặc phiên bản doanh nghiệp. Nếu chưa có, chỉ dùng tài khoản cá nhân cho nội dung đã ẩn danh và không nhạy cảm.
AI viết ra nội dung giống của người khác thì có vi phạm bản quyền không?
Khảo sát của ATD cho thấy đây là mối lo hàng đầu của người thiết kế học tập. Quy định khác nhau giữa các quốc gia. Nguyên tắc an toàn: không yêu cầu AI chép lại tài liệu có bản quyền, kiểm tra nội dung quan trọng, và hỏi pháp chế với nội dung thương mại.
Có công cụ nào phát hiện được thiên lệch tự động không?
Có thể yêu cầu chính AI tự rà soát, như bước "C" trong SPICE, nhưng không nên phụ thuộc hoàn toàn. Thiên lệch thường không hiển hiện ngay. Hãy để đồng nghiệp có góc nhìn khác đọc lại.
Tài liệu tham khảo
- Lentz, M. (2025). Partner With AI for Instructional Design. TD at Work, ATD Press.
- Roldan, M. (2024). Unlocking the Power of AI. TD at Work, ATD Press.
- Richards, D. (2026). Become a Strategic Learning Architect With AI. TD at Work, ATD Press.
- ATD Research (2025). AI in Instructional Design: Transforming Workflows and Content Creation. Association for Talent Development.
- Quốc hội nước CHXHCN Việt Nam (2025). Luật Bảo vệ dữ liệu cá nhân, số 91/2025/QH15.