Vượt qua Chu kỳ: Cách các Tổ chức có thể Tránh Doomprompting và Đạt được Thành công

Kể từ khi khái niệm lý thuyết vào những năm 1950, trí tuệ nhân tạo (AI) đã mở ra con đường cho các doanh nghiệp trải nghiệm những cơ hội và năng suất được cải thiện thông qua các kỹ thuật khác nhau, đặc biệt là các hệ thống học máy. Những công cụ/công nghệ này đã cải thiện việc dự báo và ra quyết định, tạo nền tảng cho các tiến bộ kỹ thuật trong tương lai. Gần đây, Trí tuệ nhân tạo Generative đã hứa hẹn sẽ thay đổi mọi thứ chúng ta biết về công việc và đã dân chủ hóa trải nghiệm AI. Người dùng hiện nay tương tác với các mô hình AI như ChatGPT, thông qua “prompting”, nơi người dùng tương tác qua lại với mô hình AI. Tuy nhiên, những lợi ích này cũng đi kèm với một thách thức mới: Doomprompting. Điều này tương đương với việc cuộn xuống nội dung trực tuyến mà không có mục tiêu rõ ràng, khiến người dùng bị mắc kẹt trong các lỗ hổng. Với AI, tuy nhiên, lỗ hổng này có thể phản hồi lại.

Khi các doanh nghiệp tăng ngân sách liên quan đến AI, những người ra quyết định cần hiểu con đường dẫn đến lợi nhuận thực sự từ đầu tư của họ và giá trị mà nó tạo ra. Một báo cáo năm 2025 của IEEE, ‘Chi phí ẩn của AI: Cách các bất hiệu quả nhỏ tích lũy thành gánh nặng kinh tế lớn‘, cho thấy cách các điều chỉnh nhỏ có thể tích lũy thành gánh nặng kinh tế đáng kể. Để tránh trở thành một phần của cuộc đấu tranh tốn kém này, các tổ chức phải tinh chỉnh việc đào tạo nhân viên của họ khi sử dụng LLMs để đạt được tiềm năng đầy đủ của đầu tư AI.

Trí tuệ nhân tạo Generative mang lại lời hứa về tối ưu hóa và hiệu quả. Tuy nhiên, khi các đội bị mắc kẹt trong chu kỳ tinh chỉnh không ngừng (hoặc đi lang thang mà không có radar), sự không hiệu quả sẽ làm suy yếu nền tảng này.

Vệ sinh “Workslop”

Một trong những lý do các đội liên tục tinh chỉnh đầu ra để tạo ra phản hồi hoàn hảo là workslop. Đầu tiên được mô tả trong Harvard Business Review, workslop bao gồm ‘nội dung công việc được tạo ra bởi AI mà masquerade như là công việc tốt nhưng thiếu chất để tiến bộ có ý nghĩa cho một nhiệm vụ nhất định.’

Nội dung ‘slop’ này do AI tạo ra là domino đầu tiên trong một chuỗi dài tạo ra chu kỳ doomprompting. Trong khi việc sửa đổi nội dung dưới mức thông qua các lần lặp hoặc chỉnh sửa là quan trọng, cần phải hiểu khi nào nên dừng lại, trước khi nó trở thành sự suy giảm lợi nhuận. Các tổ chức phải tiếp cận đầu tư thời gian của họ vào đào tạo AI với sự cân bằng tinh tế. Một mặt, các đội nên nhận thức được chất lượng cần thiết; mặt khác, họ nên biết khi nào nó quá nhiều. Việc đào tạo nhân viên trong việc sử dụng thông minh các mô hình AI thông qua việc tinh chỉnh tối ưu và mục tiêu rõ ràng cũng sẽ rất hữu ích.

Sử dụng Trí tuệ nhân tạo Agentic để Tránh Doomprompting

Trong những năm gần đây, các doanh nghiệp đã tăng đáng kể sự quan tâm và đầu tư vào trí tuệ nhân tạo Agentic, được công nhận vì khả năng cải thiện hiệu quả hoạt động. Trí tuệ nhân tạo Agentic có thể thực hiện các nhiệm vụ phức tạp, phối hợp với nhiều tác nhân (bao gồm RAG và tác nhân hành động) để quyết định hành động và thực hiện các nhiệm vụ để hoàn thành nhiệm vụ tổng thể một cách tự động.

Các đặc tính này có thể giúp AI giảm thiểu doomprompting, hoặc tránh nó hoàn toàn. Điều này có thể loại bỏ nhu cầu hướng dẫn các giao diện GenAI thông qua nhiều prompt để hoàn thành nhiệm vụ. Một ví dụ về điều này có thể được tìm thấy trong các hoạt động CNTT được hỗ trợ bởi AI, hoặc AIOps, đang hiện đại hóa CNTT bằng cách tích hợp AI vào các nhiệm vụ hàng ngày. Truyền thống, các đội dành thời gian của họ để điều chỉnh thủ công các hệ thống. Các bộ phận thế kỷ 21 là những bộ phận tận dụng AI để xử lý tự động các chức năng quan trọng như giải quyết sự cố, phản hồi sự cố và phân bổ tài nguyên.

Một ví dụ khác phù hợp là cách các hệ thống trí tuệ nhân tạo Agentic có thể xử lý một sự cố phức tạp một cách tự động. Các tác nhân này, cùng với ITOps, có khả năng hiểu ngữ cảnh của vấn đề, phối hợp với các tác nhân lý luận để quyết định hành động, sử dụng các tác nhân hành động để thực hiện các sửa chữa cuối cùng trên hệ thống CNTT và cuối cùng, sử dụng các tác nhân học để hiểu việc giải quyết và áp dụng nó hiệu quả hơn trong các sự cố tương lai.

Sự tự động hóa thông minh của trí tuệ nhân tạo Agentic giúp giảm thiểu sự tương tác của con người và thực hiện các nhiệm vụ tự động. Để đáp ứng nhu cầu kinh doanh đang thay đổi, các nhiệm vụ và hoạt động lặp đi lặp lại nên được giao cho AI tự động. Việc ủy quyền này loại bỏ chu kỳ re-prompting và tinh chỉnh lặp đi lặp lại thường xuyên thúc đẩy doomprompting. Các hoạt động tự động cho phép các mô hình AI liên tục tối ưu hóa và phản hồi với các biến đổi thay đổi mà không cần đầu vào thủ công, dẫn đến kết quả nhanh hơn với sự can thiệp của con người tối thiểu.

Khi các chuyên gia được đào tạo sẽ vẫn đóng vai trò quan trọng trong hoạt động hàng ngày thông qua phương pháp con người trong vòng lặp, thời gian của họ sẽ được sử dụng tốt hơn trong việc kiểm tra kết quả. Phương pháp này giảm thiểu rủi ro giới thiệu lỗi hoặc điều chỉnh quá mức.

Vai trò của Quản trị trong Việc Ngăn chặn Doomprompting

Trong một cuộc khảo sát gần đây của McKinsey, 88% người được hỏi báo cáo rằng họ đang sử dụng AI trong ít nhất một chức năng kinh doanh. Đây là một bước nhảy vọt 10% so với năm 2024 và tăng 33% kể từ năm 2023. Đối với Trí tuệ nhân tạo Agentic, bước nhảy vọt này thậm chí còn lớn hơn. Từ chỉ 33% vào năm 2023 đến gần 80% vào năm 2025.

Sự áp dụng rộng rãi này đang thúc đẩy các doanh nghiệp tìm ra các giải pháp mới để đối phó với doomprompting. Một công cụ như vậy là các khuôn khổ quản trị vững chắc. Những khuôn khổ này nên được xây dựng cẩn thận để đảm bảo các dự án AI vẫn phù hợp với các mục tiêu kinh doanh và không bị sa vào vòng xoay vô tận của tối ưu hóa. Khi các đội phát triển những khuôn khổ này, họ nên xem xét:

• Thiết lập Hướng dẫn: Các luồng dữ liệu đến và từ các mô hình AI đang trở nên ngày càng phức tạp. Để đơn giản hóa điều này, các hướng dẫn AI nên tạo ra một khuôn khổ cho các đội để xử lý dữ liệu, đưa ra quyết định và quản lý đầu ra AI một cách có trách nhiệm.
• Đào tạo Người dùng: Việc đào tạo đúng cách về việc sử dụng prompt có thể giúp đạt được năng suất tối ưu
• Sử dụng Mô hình Chuyên dụng: Các mô hình AI chuyên dụng cho ngành hoặc mục đích cụ thể có khả năng cung cấp đầu ra có ý nghĩa và nhanh hơn
• Đào tạo Mô hình AI: Việc đào tạo mô hình AI với dữ liệu cụ thể cho ngành, nhiệm vụ hoặc tổ chức (nếu có thể) có thể dẫn đến ít workslop và đầu ra phù hợp hơn, nhanh hơn.
• Phát triển Quy tắc: Việc soạn thảo và thực hiện một bộ quy tắc rõ ràng là rất quan trọng để hướng dẫn sự phát triển và triển khai AI. Khi các đội thiết lập ranh giới hoạt động, họ đảm bảo rằng các hệ thống được áp dụng phù hợp với mục tiêu tổ chức, tiêu chuẩn đạo đức và yêu cầu quy định.

Mặc dù tốc độ áp dụng các giải pháp AI đang tăng, quản trị thì không. Theo Báo cáo PEX Industry năm 2025 , ít hơn một nửa có chính sách quản trị AI. Trong khi đó, chỉ 25% đang trong quá trình triển khai một chính sách như vậy, và gần một-third không có chính sách quản trị AI nào. Những khuôn khổ này có thể là yếu tố quyết định trong việc giúp các doanh nghiệp thiết lập ranh giới rõ ràng về hiệu suất chấp nhận được.

Thoát khỏi Vòng lặp Doomprompting

Để tránh rơi vào chu kỳ doomprompting, các doanh nghiệp phải chấp nhận các chiến lược AI ưu tiên kết quả hơn là sự hoàn hảo. Sử dụng đào tạo prompt, mô hình AI chuyên dụng và mô hình được đào tạo trên dữ liệu doanh nghiệp có thể giảm thiểu nhu cầu tinh chỉnh rộng rãi. Các doanh nghiệp tận dụng trí tuệ nhân tạo Agentic, hoạt động CNTT tự động và các khuôn khổ quản trị vững chắc có thể phân bổ lại các nguồn lực quan trọng để đạt được mục tiêu kinh doanh của họ mà không bị sa vào các chu kỳ tối ưu hóa vô tận. Thành công sẽ đến khi các đội thay đổi tâm trạng của họ từ việc tinh chỉnh liên tục sang việc thực hiện tập trung và kết quả đo lường được. Các tổ chức có thể đạt được điều này bằng cách áp dụng các chiến lược AI thông minh, tự động hóa và quản trị hiệu quả, từ đó giúp họ tránh được vòng lặp doomprompting và đạt được thành công trong việc áp dụng AI.