Nên học AI Starter hay Prompt Engineering trước? Câu hỏi này thường xuất hiện khi một người mới muốn dùng AI vào công việc nhưng chưa biết mình thiếu kiến thức nền hay thiếu kỹ năng giao việc cho công cụ. Tên khóa học có thể gợi ý mức độ, song không đủ để quyết định. Một người đã quen thử nhiều công cụ vẫn có thể chưa biết kiểm tra kết quả; một người chưa từng viết prompt lại có thể hiểu rất rõ nghiệp vụ của mình. Bài viết này đưa ra hai bài tập ngắn, một bảng tự đánh giá và cách đối chiếu sản phẩm đầu ra để bạn chọn điểm bắt đầu hợp lý.
Ở đây, “AI Starter” được dùng như tên gọi cho lộ trình nhập môn: hiểu khả năng và giới hạn của công cụ, chọn tác vụ phù hợp, quản lý dữ liệu đầu vào và đánh giá đầu ra. “Prompt Engineering” chỉ phần thực hành diễn đạt nhiệm vụ, cung cấp ngữ cảnh, đặt tiêu chí và lặp lại yêu cầu để cải thiện kết quả. Đây là cách phân biệt kỹ năng để tự đánh giá, không phải mô tả cam kết về giáo trình của một khóa học cụ thể. Nếu đang cân nhắc một chương trình của GVA hoặc đơn vị khác, bạn vẫn cần xem đề cương và sản phẩm học viên thực sự làm được.
Vì sao tên khóa học không đủ để chọn lộ trình?
Một chương trình nhập môn tốt không chỉ dạy cách mở một ứng dụng và gõ câu hỏi. Người học cần biết khi nào AI phù hợp với một công việc, loại thông tin nào được phép nhập, kết quả nào cần người có chuyên môn duyệt và cách lưu lại phiên bản cuối. Ngược lại, lớp viết prompt có ích khi người học đã xác định được công việc cần giải quyết nhưng đầu ra vẫn quá chung, thiếu cấu trúc hoặc không ổn định giữa các lần thử. Hai nhóm kỹ năng liên quan chặt chẽ, nhưng điểm nghẽn của mỗi người khác nhau.
Hãy lấy một nhân viên hành chính muốn soạn thư mời họp. Nếu người này chưa xác định được người nhận, mục đích, thời gian, tài liệu đính kèm và mức độ bảo mật, học thêm công thức prompt ngay có thể chỉ tạo ra một thư nghe trôi chảy nhưng sai thông tin. Nền tảng của họ cần là phân tích tác vụ và kiểm tra dữ liệu. Nếu các thông tin ấy đã rõ mà bản nháp vẫn dài dòng, sai giọng điệu hoặc bỏ sót yêu cầu phản hồi, kỹ năng viết prompt và chỉnh vòng lặp sẽ đem lại hiệu quả rõ hơn.
Với giáo viên, tình huống tương tự xuất hiện khi chuẩn bị phiếu học tập. Câu lệnh chi tiết không cứu được một mục tiêu bài học mơ hồ. Nhưng khi mục tiêu, trình độ lớp và nguồn kiến thức đã rõ, người dạy có thể học cách yêu cầu AI tạo hai mức độ câu hỏi, nêu đáp án dự kiến và chỉ ra chỗ cần kiểm chứng. Vì vậy, nên đánh giá công việc thật của mình trước khi so sánh tên khóa học hoặc số lượng công cụ được giới thiệu.
Trước khi làm bài tập: chọn một tác vụ thật, không dùng dữ liệu nhạy cảm
Bạn hãy chọn một việc thường lặp lại và có thể kiểm tra kết quả trong khoảng mười lăm phút: viết email xác nhận, tóm tắt một thông báo công khai, lập dàn ý buổi họp hoặc chuyển ghi chú thành checklist. Tránh bắt đầu bằng một việc có hậu quả lớn như tư vấn pháp lý, đánh giá nhân sự hay quyết định tài chính. Dùng dữ liệu giả lập hoặc tài liệu công khai để thử; xóa tên, số điện thoại, dữ liệu học sinh và thông tin nội bộ nếu chưa có quyền đưa chúng vào công cụ. Quy định của cơ quan và chính sách của công cụ phải được ưu tiên.
Viết ra ba tiêu chí trước khi mở AI. Ví dụ, với email xác nhận lịch: thông tin ngày giờ phải đúng, hành động người nhận cần làm phải rõ, và giọng văn phải phù hợp. Nếu không thể nói thế nào là một kết quả tốt, bạn chưa thể biết prompt đã cải thiện hay chỉ làm câu chữ hấp dẫn hơn. Bảng tiêu chí này cũng giúp người dạy đánh giá sản phẩm học viên thay vì chỉ chấm cảm giác “AI trả lời hay”.

Bài tập 1: tìm đúng việc cho AI và kiểm tra bản nháp
Bài tập đầu tiên kiểm tra năng lực nền tảng. Dùng tình huống giả lập: một nhóm cần gửi email nhắc các thành viên nộp báo cáo trước 17 giờ thứ Sáu. Báo cáo gồm ba phần: việc đã hoàn thành, việc còn vướng và hỗ trợ cần thiết. Không có dữ liệu cá nhân nào cần đưa vào. Đầu vào của bạn là thông tin này và mục đích tạo một bản nháp rõ ràng, lịch sự. Trước khi dùng AI, ghi riêng những chi tiết bắt buộc phải có và chi tiết chưa biết, chẳng hạn địa chỉ nhận hoặc múi giờ.
Bây giờ yêu cầu công cụ tạo email. Bạn có thể bắt đầu rất đơn giản: “Soạn email nhắc nhóm nộp báo cáo tuần trước 17 giờ thứ Sáu. Báo cáo gồm việc đã hoàn thành, vướng mắc và hỗ trợ cần thiết. Để trống thông tin người nhận và địa chỉ nộp nếu chưa được cung cấp.” Sau khi nhận câu trả lời, không sửa câu lệnh ngay. Hãy đối chiếu đầu ra với ba tiêu chí đã ghi. Email có tự thêm một đường dẫn, một cuộc họp hay một quy định phạt không? Có biến “thứ Sáu” thành một ngày cụ thể chưa được xác minh không? Những chi tiết bịa ra là lỗi cần loại bỏ.
Kết quả mẫu tốt ở bài tập này không phải một email đẹp tuyệt đối. Đó là một bảng ngắn gồm bản nháp, những thông tin cần người gửi điền và lý do mỗi thông tin phải được kiểm tra. Ví dụ: “địa chỉ nhận báo cáo: chưa có”; “múi giờ: xác nhận nếu nhóm ở nhiều địa điểm”; “người ký tên: điền theo người gửi thật”. Nếu bạn tự phát hiện được những khoảng trống này, bạn đã có một nền tảng quan trọng để học sâu hơn về prompt.
Nếu bạn chỉ nhìn vào sự lưu loát của email và không nhận thấy chi tiết tự sinh, hãy ưu tiên lộ trình nhập môn. Bạn cần thực hành xác định phạm vi AI được làm, phân biệt dữ kiện với câu chữ đề xuất, bảo vệ dữ liệu và kiểm tra kết quả. Nếu bạn phát hiện lỗi nhanh nhưng vẫn mất nhiều vòng sửa để có cấu trúc mong muốn, chuyển sang bài tập thứ hai sẽ cho biết lớp Prompt Engineering có phù hợp hơn không.

Bài tập 2: biến yêu cầu chung thành một prompt có thể kiểm tra
Giữ nguyên tình huống email nhưng thay mục tiêu: bạn muốn câu trả lời ổn định để có thể dùng làm mẫu cho những tuần sau. Viết một prompt mới gồm năm thành phần: vai trò của người viết, thông tin đầu vào, nhiệm vụ, định dạng đầu ra và tiêu chí kiểm tra. Một ví dụ là: “Bạn hỗ trợ soạn email nội bộ. Dựa chỉ trên dữ kiện sau: hạn 17 giờ thứ Sáu; báo cáo có ba mục đã hoàn thành, vướng mắc, hỗ trợ cần. Viết email 120 đến 160 từ, giọng lịch sự và trực tiếp. Đặt tiêu đề rõ. Nếu thiếu địa chỉ nộp hoặc múi giờ, dùng dấu ngoặc vuông để người gửi bổ sung; không tự tạo thông tin. Cuối email, liệt kê các mục cần kiểm tra trước khi gửi.”
Chạy prompt và chấm kết quả theo cùng bảng tiêu chí của bài tập một. Nếu email quá dài, đừng chỉ viết “ngắn hơn”. Hãy nêu lỗi cụ thể: “Giữ phần mở đầu dưới hai câu, chuyển ba mục báo cáo thành danh sách và không lặp lại hạn nộp ở đoạn cuối.” Nếu email thiếu lời kêu gọi hành động, bổ sung tiêu chí đó. Quá trình cải thiện là một vòng lặp có lý do, không phải tìm một câu thần chú duy nhất dùng cho mọi việc.
Sản phẩm mẫu của bài tập hai nên gồm prompt phiên bản đầu, bản trả lời, ghi chú lỗi và prompt đã sửa. So sánh hai bản trả lời để xem thay đổi nào thực sự hữu ích. Bạn có thể thử thêm một tình huống tương tự, chẳng hạn email nhắc nộp tài liệu họp, để kiểm tra prompt có tái sử dụng được không. Nếu nó chỉ hoạt động với đúng một bộ dữ kiện, hãy xem lại cách tách thông tin cố định khỏi trường cần thay thế. Đây là phần kỹ năng mà một khóa Prompt Engineering nên cho bạn thực hành.
Đừng đánh giá chỉ bằng việc AI tuân thủ số từ hoặc mẫu gạch đầu dòng. Một prompt tốt vẫn phải để người dùng kiểm tra tính đúng đắn, giọng điệu và quyền sử dụng dữ liệu. Nếu prompt yêu cầu công cụ tự suy ra thông tin còn thiếu, nó có thể tạo ra bản nháp thuyết phục nhưng không thể gửi. Vì vậy, năng lực viết prompt luôn dựa trên nền tảng hiểu tác vụ và trách nhiệm duyệt cuối cùng của con người.
Bảng tự đánh giá sau hai bài tập
| Dấu hiệu quan sát | Nên ưu tiên | Lý do |
|---|---|---|
| Chưa xác định được tác vụ phù hợp, dữ kiện bắt buộc hoặc dữ liệu được phép dùng | AI Starter | Cần nền tảng về phạm vi ứng dụng và kiểm tra |
| Không phát hiện dữ kiện AI tự thêm vào bản nháp | AI Starter | Cần luyện phân biệt đề xuất với thông tin đã xác minh |
| Biết kiểm tra bản nháp nhưng đầu ra thường sai cấu trúc, giọng văn hoặc định dạng | Prompt Engineering | Cần luyện đặt ngữ cảnh, ràng buộc và vòng lặp |
| Đã có prompt tốt cho một tác vụ nhưng khó dùng lại với tác vụ tương tự | Prompt Engineering | Cần luyện mẫu biến và kiểm thử |
| Vừa thiếu nền tảng vừa thiếu cách giao việc | AI Starter trước, rồi thực hành prompt | Tránh tối ưu câu lệnh cho một việc chưa được hiểu đúng |
Bảng này là công cụ tự định hướng, không phải bài kiểm tra năng lực chính thức. Một người có thể rất giỏi phân tích việc nhưng chưa quen giao diện; người khác dùng công cụ hằng ngày nhưng vẫn chưa có thói quen kiểm chứng. Hãy nhìn vào sản phẩm và lỗi cụ thể trong hai bài tập, thay vì tự gắn nhãn “mới” hay “nâng cao”. Nếu học theo nhóm, người phụ trách đào tạo có thể dùng cùng một tình huống giả lập để các thành viên giải thích vì sao họ sửa prompt hoặc loại bỏ một câu trả lời.
Đối chiếu với đầu ra của chương trình đào tạo
Khi xem một chương trình AI Foundation, AI Tools Lab hoặc lớp viết prompt, hãy hỏi người học sẽ mang về sản phẩm nào. Một lớp nền tảng nên giúp họ lập danh sách tác vụ phù hợp, quy trình xử lý dữ liệu, bảng kiểm đầu ra và một ví dụ đã được người học tự sửa. Một lớp prompt nên cho họ thử nhiều cách diễn đạt trên cùng một bài toán, giải thích vì sao thay đổi có tác dụng, và tạo mẫu có thể tái sử dụng. Tên gọi có thể khác giữa các đơn vị; sản phẩm đầu ra mới là thứ bạn đối chiếu được.
Hỏi thêm cách giảng viên đưa phản hồi. Nếu chỉ xem một bản demo mượt mà rồi về, bạn khó biết mình có tự làm lại được không. Một bài tập hữu ích cần có đầu vào rõ, kết quả kỳ vọng, thời gian sửa lỗi và tiêu chí nghiệm thu. Người học nên được thử với một tình huống khác sau khi xem ví dụ, vì khả năng chuyển kỹ năng sang công việc mới quan trọng hơn việc sao chép prompt mẫu. Với nhóm học viên có nhiều phòng ban, hãy chọn tài liệu giả lập nhưng phản ánh các kiểu việc thật của từng nhóm.
Đừng suy diễn rằng mọi khóa học cùng tên đều dạy giống nhau hoặc đều có cùng thời lượng, giá và hỗ trợ sau khóa. Những thông tin ấy cần xem trên trang chương trình chính thức và xác nhận trực tiếp trước khi đăng ký. Bài viết này giúp bạn đặt câu hỏi để chọn, không thay thế đề cương hiện hành. Nếu một trang đích được gợi ý trong kế hoạch nội dung nhưng chưa hoạt động, hãy vào website GVA để tìm thông tin cập nhật và hỏi rõ đầu ra thực hành của chương trình quan tâm.
Lộ trình thực hành trong hai tuần sau khi chọn điểm bắt đầu
Trong tuần đầu, chọn một tác vụ nhỏ và làm thủ công trước. Ghi thời gian, các dữ kiện cần kiểm tra và tiêu chuẩn đầu ra. Sau đó thử AI với dữ liệu giả lập, đánh dấu những phần đúng, sai hoặc chưa có căn cứ. Nếu đang học AI Starter, tập trung giải thích vì sao tác vụ này được chọn và ai chịu trách nhiệm duyệt. Nếu đang học Prompt Engineering, giữ nguyên bộ dữ kiện để so sánh các prompt; đừng đổi bài toán liên tục vì bạn sẽ không biết thay đổi nào tạo ra kết quả tốt hơn.
Trong tuần thứ hai, chuyển sang một tình huống tương tự nhưng không trùng hoàn toàn. Một email nhắc báo cáo có thể chuyển thành email chuẩn bị họp; một bảng tóm tắt thông báo có thể chuyển sang biên bản ngắn. Dùng lại checklist và prompt mẫu, ghi phần nào cần chỉnh. Nếu bạn vẫn phải sửa bằng tay rất nhiều ở cùng một loại lỗi, quay lại bài học nền tảng hoặc nhờ người có chuyên môn góp ý. Mục tiêu không phải để AI làm toàn bộ, mà để bạn có quy trình đáng tin và biết lúc nào nên dừng.
Người quản lý nhóm có thể đánh giá tiến bộ qua ba bản: bản làm tay ban đầu, bản AI tạo và bản đã chỉnh có giải thích. Không nên chỉ đo số prompt viết được hoặc tốc độ tạo văn bản. Một bản được làm nhanh nhưng sai thông tin hoặc lộ dữ liệu sẽ không mang lại hiệu quả thực. Hãy dùng tiêu chí phù hợp công việc của tổ chức và bảo đảm tài liệu dùng thử được phép chia sẻ. Với trường học, tránh đưa dữ liệu nhận dạng học sinh vào ví dụ thực hành khi chưa có căn cứ và quy trình được phê duyệt.

Chọn bước tiếp theo
Nếu bài tập một còn khó, bắt đầu bằng nền tảng: hiểu tác vụ, dữ liệu, nguồn kiểm chứng và trách nhiệm duyệt. Nếu bài tập một ổn nhưng bài tập hai cho thấy bạn chưa diễn đạt được yêu cầu rõ và lặp lại được kết quả, tập trung vào Prompt Engineering. Nếu cả hai khá tốt, hãy chọn chương trình theo sản phẩm thực hành cụ thể của công việc, thay vì chỉ theo nhãn trình độ. Bạn có thể mang bảng tự đánh giá và hai sản phẩm mẫu khi trao đổi với đơn vị đào tạo; một yêu cầu rõ ràng giúp họ tư vấn sát nhu cầu hơn.
Câu hỏi thường gặp
Chưa biết dùng công cụ nào thì có học Prompt Engineering được không? Có thể, nhưng nên dành thời gian làm quen với một công cụ và cách kiểm tra đầu ra trước khi học kỹ thuật prompt chuyên sâu. Kỹ năng giao việc sẽ dễ hiểu hơn khi gắn với một tác vụ thật.
Có cần biết lập trình để bắt đầu? Không phải mọi tác vụ đều cần lập trình. Với email, tóm tắt hay dàn ý, điều quan trọng là đầu vào, tiêu chí và kiểm chứng. Tác vụ kỹ thuật sẽ có yêu cầu riêng.
Một prompt tốt có dùng cho mọi công việc không? Không. Mẫu có thể tái sử dụng cấu trúc, nhưng dữ liệu, mục tiêu và tiêu chí cần điều chỉnh cho từng việc. Luôn kiểm tra bản trả lời cuối cùng.

