# Khi con máy mạnh hơn bạn ở mọi thứ, trừ một chỗ: tầng "người quyết" trong pipeline toàn AI
Mấy hôm trước mình đọc một bài khá thú vị trên HackerNoon. Người viết cho một con model nhỏ chạy ngay trên máy, cấp cho nó một công cụ tìm kiếm, rồi đặt một câu hỏi. Điều khiến tác giả bất ngờ không phải là model trả lời sai — chuyện model sai ai cũng vừa nghe vừa quen rồi. Cái khiến ông lạ là con model lờ hẳn công cụ tìm kiếm mà nó đang cầm trong tay để tự kể một câu chuyện nghe rất đàng hoàng, có số liệu, có tên người, tên chỗ — hoàn toàn bịa ra.
Đọc xong mình cười một mình một lúc. Cứ tưởng chuyện này rất lạ, hoá ra nó chính là cái vấn đề mình đụng hằng ngày trong pipeline tự động của mình — chỉ là ở một lĩnh vực khác, và ở một nơi mà hậu quả không chỉ là một câu trả lời sai thoáng qua, mà là chất lượng thứ mình đem ra "làm ra" và dấn nặng vào uy tín của mình.
Bài này mình muốn mổ xẻ một chuyện ít người nói thẳng: khi AI mạnh lên, có thứ con máy vẫn không nên là người ra quyết định cuối — và người xây pipeline là chúng ta phải tự tay đặt cái "tầng người quyết" đó ở đúng chỗ, chứ đừng phó mặc hết cho sự tiện lợi.
Con máy giỏi "sinh", nhưng dở "quyết"
Hãy tách hai phạm trù ra: sinh (generate) và quyết (judge). Đây là hai việc khác nhau hoàn toàn, nhưng vì con máy làm việc đầu quá tốt, chúng ta cứ ngầm giao luôn việc thứ hai cho nó.
- ▹Sinh là thứ LLM làm xuất thần: viết lời bài hát, gợi ý hook, đặt tên, tạo nhạc nền, viết đoạn mở đầu, dựng bản nháp. Đây là "sức lao động" rẻ và gần như vô hạn. Con máy có thể tạo ra mười phương án trong một phút mà một người phải mất một ngày.
- ▹Quyết là thứ nó yếu nhất: cái nào hay hơn, cái nào đúng hơn, cái nào nên đem đi — và quan trọng hơn hết, nó không biết lúc nào mình đang nói dối, bởi vì nó không được huấn luyện để biết, nó chỉ được huấn luyện để nói trơn tru.
Cái câu chuyện con LLM bịa dữ liệu trên kia chính là minh chứng gọn nhất: nó có công cụ tìm kiếm — tức là có "cách để biết sự thật" — nhưng nó không dùng, vì dùng thì tốn công, còn tự kể thì trơn tru hơn. Nó không làm vì ác ý; nó làm vì không có cơ chế nào buộc nó phải kiểm tra. Đây là một lỗ hổng thuộc về kiến trúc của luồng, không phải lỗi "mua model kém".
Khi bạn xây một workflow tự động để kiếm tiền, cái "quyết" này xuất hiện ở khắp nơi: lọc ý tưởng nào đáng làm, chọn nội dung nào đem bán, xác nhận số liệu nào là thật, thẩm định câu nào không được đăng lên vì sai sự thật. Nếu bạn để con máy quyết hết ở những điểm đó, bạn không chỉ nhận một câu sai — bạn nhận một bài đăng sai sự thật, một sản phẩm dở, hoặc nặng hơn là một quyết định tốn tiền dựa trên dữ liệu bịa.
Những lúc mình "đứng lại" giữa cái máy chạy nhanh
Mình có một pipeline làm nhạc bằng AI — một dạng "sân khấu sản xuất" gần như toàn máy. Con máy lo phần "sinh": nó tạo phần nhạc nền, nó có một mô hình giọng hát chạy local để hát, nó đặt cả beat, cả giai điệu. Nếu để máy chạy hết tốc lực, trong một buổi chiều nó ném ra ngoài cả chục bản nháp chỉnh chu. Ai nhìn vào sẽ nói: "ui, giờ bấm một cái là có nhạc, việc gì phải mất công".
Nhưng mình đặt một "tầng người quyết" ở giữa, và đó chính là chỗ tạo ra khác biệt lớn nhất giữa một bản nhạc nghe "ra AI" và một bản nhạc nghe như có người đứng sau.
- ▹Lời (lyrics): máy sinh rất nhanh, nhưng lời máy viết thường sáo rỗng, dùng từ to tát, không có gì để "người nghe" chạm vào. Mình tự viết tay phần này — vì lời là thứ phải có tâm tư, có nhịp thở của người thật.
- ▹Chọn bản: máy cho ra mười bản, nhưng nó không phân biệt được cái nào "đủ chất" — kiểu bản nào có vài nhịp chệch, bản nào hơi máy móc. Đây là việc tai người phải làm, không phải thuật toán.
- ▹Mix / EQ: lại là thứ về gu và sự tinh tế. Máy có thể làm "chuẩn hoá", nhưng "chuẩn" và "hay" là hai chuyện khác nhau.
- ▹Khai báo: khi đăng lên, mình khai báo đúng là AI-assisted. Không phải vì mình thích làm phức tạp, mà vì nền tảng họ có quy định, và bỏ qua nó là vi phạm — mất tài khoản, mất kênh, mất tiền.
Bạn thấy đấy: chỗ nào cần "quyết" — thẩm mỹ, sự thật, trách nhiệm — mình để con người đứng lại và bấm nút. Chỗ nào cần "sức lao động" — sinh ý tưởng, dựng nháp, thử phương án — mình để máy chạy hết cỡ.
Tầng "người quyết" không có nghĩa là giữ tốc độ chậm
Chuyện này có một sự hiểu lầm rất phổ biến: bài ai càng giao nhiều việc cho máy càng "hiện đại", còn ai còn chen chân người vào thì "chậm", "thủ công". Theo mình thì ngược lại.
Cái giá của việc không có tầng người quyết không nằm ở tốc độ, nó nằm ở xác suất dở. Máy sinh mười phương án trong một phút, nhưng nếu bạn đem cả mười đăng lên vì "máy nó làm thì ổn rồi", bạn sẽ đăng mười thứ dở, và cái chi phí sửa nó (hoặc cái uy tín bị giảm) sẽ đắt hơn nhiều so với việc dành mười phút để chọn.
Nói cách khác, thay vì dùng máy để thay thế phần quyết định, mình dùng máy để nhân sức phần sinh ra rồi tập trung sức người vào phần chọn lọc. Kết quả chậm hơn một chút, nhưng output đáng tin hơn hẳn.
Khi chuyển sang mô hình tự động hoá có tính tiền (đăng nội dung, chạy chiến dịch, gửi email cho khách), cái nguyên tắc này còn quan trọng hơn. Vì đó là nơi một câu bịa ra trong vài mili-giây có thể đốt một lần quảng cáo, một cơ hội, hoặc một khách hàng.
Đặt "tầng người quyết" ở đâu cho đúng
Nghe có vẻ trừu tượng, nên để mình lược hoá nó thành một thứ "có thể cài" được vào luồng — dĩ nhiên đây chỉ là minh hoạ, không phải nguồn triển khai thật của mình.
Về mặt tư duy, một pipeline tự động muốn đáng tin cậy thì nên có mấy lớp:
1. Lớp SINH (machine): ném ra nhiều phương án, nhanh và rẻ. Đặt ở đây các
tác vụ "sản xuất" — nháp nội dung, gợi ý, tạo bản thử.
2. Lớp LỌC CỨNG (rule, ít token): quét những thứ rõ ràng sai - trùng, số
liệu vô lý, phạm quy. Không dùng model để làm bước này, vì model dễ
"thương lượng" với chính mình. Dùng rule để loại trước đỡ tốn chi phí.
3. Lớp QUYẾT (human, nhỏ và thưa): chỉ mấy điểm "đắt giá" nhất - thẩm mỹ,
sự thật, trách nhiệm khai báo. Đây là nơi con người bấm một nút cho qua,
hoặc gửi về để máy làm lại.
4. Bước VERIFY sau khi ra: xác nhận lại một cách độc lập rằng output không
có sai lệch mới, thay vì tin bản báo cáo "tôi đã kiểm tra" của máy.Chìa khoá nằm ở chỗ thứ tự của lớp 2 và lớp 3. Đa số mọi người đi ngược: họ nhét model vào lớp lọc (để nó "thông minh" mà lọc), rồi để con người mỏi mắt đọc hết. Trong khi thực tế, đặt một rule cứng (gần như không tốn gì để chạy) lên trước sẽ chặn được phần lớn thứ rác, để phần còn lại mới đáng để con người dành mười phút. Đây là một bài học mình học được một cách khá đau rồi mới nhận ra.
Điều mình muốn anh em nhớ
Cái đường con người chia với con máy trong một pipeline tự động không nằm ở "ai làm được nhiều việc hơn", mà nằm ở ai có quyền nói "cái này ổn" ở những điểm quan trọng. Con máy giỏi sinh, rẻ và dồi dào — hãy tận dụng hết sức nó. Nhưng đừng trao cho nó quyền quyết định cuối ở những nơi mà một câu bịa ra có thể tốn tiền, tốn uy tín của bạn, hoặc tạo ra một sản phẩm "nghe ra AI".
Anh em xây workflow tự động, dù để kiếm tiền hay để tự động hoá việc nhà, hay để làm một thứ gì đó mình đem ra với mọi người — thử nhìn lại vài bước trong đó mà hỏi: "bước này ai quyết? Máy, hay mình?" Nếu câu trả lời là "tự nhiên máy quyết", thử kéo một tầng "người quyết" vào xem sao. Mình đoán anh em sẽ thấy chất lượng đầu ra và độ yên tâm của mình tăng rõ rệt.
Còn bạn — trong cái pipeline nào đó của bạn, bước nào anh em đang giao cho con máy mà thực ra nên để người đứng lại tự bấm nút? Góc nào anh em muốn mình mổ tiếp ở bài sau cứ comment, mình sẽ viết tiếp.