笔记

叙事陷阱

2026-07-22 updated 2026-07-23

Bài viết cảnh báo về “bẫy tự sự”: sau khi đã đưa ra một quyết định, con người thường kể lại nó như thể mình vốn luôn rõ ràng, nhất quán và có lý do chắc chắn. Nhưng thực tế, trước thời điểm quyết định, suy nghĩ thường là một phân bố các khả năng, dao động theo thông tin, cảm xúc, bối cảnh và áp lực thời gian.

Các ý chính:

AI với vấn đề phức tạp không luôn cho một “đáp án”, mà chỉ đưa ra một lần lấy mẫu.
Cùng một mô hình, cùng câu hỏi, nhưng ở các phiên độc lập có thể nhận được phân tích hoặc khuyến nghị đối nghịch. Thậm chí AI có thể bị ảnh hưởng bởi thứ tự khi so sánh hai phương án.
Con người cũng vậy.
Tác giả kể chuyện mình ban đầu nghiêng về việc bạn nên kiện đối tác cũ, nhưng hôm sau lại thấy lời khuyên đó có thể vội vàng vì chưa biết hết các chi phí và hệ quả.
Ta thường quyết định trước rồi mới tạo lý do để giải thích.
Ví dụ thí nghiệm bốn chiếc áo giống hệt nhau nhưng chiếc ở bên phải được chọn nhiều hơn gần bốn lần; người chọn vẫn tin rằng nó có đường may, màu sắc, chất liệu tốt hơn.
Các ví dụ về rượu vang giá cao được cảm nhận ngon hơn và bài toán “600 người chết” cũng cho thấy cách đóng khung câu hỏi thay đổi lựa chọn.
Cần nhìn quyết định như quá trình “phân bố -> lấy mẫu -> chốt”.
Không phải lúc nào cũng phải ép một vấn đề phức tạp thành kết luận ngay. Nhưng khi đến hạn quyết định, ta vẫn phải chọn. Điều quan trọng là hiểu rằng lựa chọn cuối cùng chỉ là kết quả tại một thời điểm, không phải bằng chứng rằng “tôi luôn nghĩ như vậy”.

Đánh giá của tôi

Tôi đánh giá bài này hay và hữu ích, nhất là ở điểm: nó chống lại sự tự tin quá mức, cả khi dùng AI lẫn khi tin vào trực giác của chính mình.

Điểm mạnh:

Dùng AI như một ví dụ gần gũi để dẫn tới vấn đề sâu hơn về phán đoán của con người.
Nhấn mạnh năng lực quan trọng: chịu đựng sự không chắc chắn, thay vì vội “đóng” vấn đề thành một câu trả lời đẹp.
Nhắc đúng một rủi ro phổ biến: ta rất dễ biến kết quả cuối cùng thành câu chuyện hợp lý, rồi quên mất những do dự và thông tin thiếu hụt lúc ban đầu.

Một điểm cần hiểu chính xác hơn:

“Phân bố” trong bài nên xem là một ẩn dụ tư duy tốt, không phải lúc nào cũng là xác suất được đo lường chặt chẽ. Với các quyết định đời thực, ta thường không biết xác suất thật.
AI trả lời khác nhau không chỉ vì “hiểu vấn đề theo phân bố”, mà còn do tính ngẫu nhiên khi sinh văn bản, cách đặt câu hỏi, ngữ cảnh, vị trí thông tin, và xu hướng chiều theo framing của người dùng.
Vì vậy, kết luận không phải là “AI hay con người đều không đáng tin”, mà là: đừng nhầm một lời giải thích mượt mà với bằng chứng hoặc sự thật.

Ứng dụng trong cuộc sống

1. Viết “nhật ký quyết định” trước khi chốt

Với việc quan trọng như đổi việc, mua xe, đầu tư, mua nhà, chọn trường cho con:

Các phương án là gì?
Mỗi phương án có lợi, hại, rủi ro nào?
Điều gì tôi chưa biết?
Tôi đang nghiêng về phương án nào, với mức tin cậy bao nhiêu?
Điều gì có thể khiến tôi đổi ý?

Ví dụ:

Đổi việc: hiện tôi nghiêng 60% ở lại, 40% đi.
Lý do chính: ổn định gia đình, nhưng cơ hội mới có thể tốt hơn nếu lương và phạm vi công việc vượt ngưỡng X.
Thông tin còn thiếu: người quản lý trực tiếp, văn hóa thực tế, độ ổn định công ty.

Sau 3-6 tháng, xem lại. Mục tiêu không phải chứng minh mình đúng, mà là cải thiện quy trình ra quyết định.

2. Tách “quyết định tốt” khỏi “kết quả tốt”

Một quyết định đầu tư đúng quy trình vẫn có thể lỗ ngắn hạn. Một quyết định hấp tấp vẫn có thể tình cờ thắng.

Nên tự hỏi:

Lúc ra quyết định, tôi có xét các rủi ro quan trọng không?
Tôi có bị cảm xúc, FOMO, tức giận hoặc một câu chuyện hấp dẫn kéo đi không?
Nếu lặp lại 100 lần trong hoàn cảnh tương tự, cách làm này có bền vững không?

Đây là tư duy đặc biệt hợp với đầu tư dài hạn và các lựa chọn gia đình.

3. Đừng quyết định lớn khi đang ở một trạng thái cảm xúc cực đoan

Lúc tức giận, hưng phấn, sợ hãi hoặc kiệt sức, “mẫu” suy nghĩ của ta dễ lệch.

Một quy tắc thực dụng:

Việc không khẩn: để qua một đêm.
Việc nhạy cảm: viết nháp, không gửi ngay.
Việc lớn: xem lại ở ít nhất hai trạng thái khác nhau, ví dụ buổi sáng bình tĩnh và sau khi có thêm dữ liệu.

Ứng dụng khi làm việc với AI

1. Không dùng một câu trả lời như một phán quyết

Đừng hỏi:

“Tôi nên làm X không?”

Rồi coi câu trả lời đầu tiên là kết luận.

Hãy hỏi theo cấu trúc:

Đây là bối cảnh và các ràng buộc.
Hãy đưa ra 3 hướng hành động, điều kiện phù hợp của từng hướng, rủi ro, thông tin còn thiếu và các giả định đang dùng.

Sau đó, mở phiên độc lập và hỏi lại bằng prompt tương tự để xem điểm nào ổn định, điểm nào dao động.

2. Chủ động yêu cầu AI phản biện

Sau khi AI đề xuất một phương án:

“Hãy lập luận mạnh nhất chống lại phương án này.”
“Những giả định nào, nếu sai, sẽ làm kết luận đảo ngược?”
“Thông tin nào nếu có sẽ thay đổi khuyến nghị nhiều nhất?”
“Hãy đưa ra phương án ít hối tiếc nhất nếu tôi chưa đủ dữ liệu.”
“Hãy đóng vai người review khó tính và tìm lỗ hổng.”

Điều này đặc biệt hữu ích khi thiết kế kiến trúc, chọn framework, đánh giá một refactor lớn, hoặc đưa ra quyết định sản phẩm.

3. Tách dữ kiện, suy luận và khuyến nghị

Yêu cầu AI trả lời thành ba phần:

Facts: điều gì được biết chắc từ dữ liệu/code/docs.
Assumptions: AI đang giả định điều gì.
Recommendation: đề xuất hành động, mức độ tự tin và rủi ro.

Ví dụ cho công việc Rails:

Hãy chỉ ra phần nào bạn xác minh trực tiếp từ codebase, phần nào chỉ là suy đoán. Đề xuất thay đổi tối thiểu trước, kèm test và rollback plan.

Cách này giảm nguy cơ AI kể một “câu chuyện kiến trúc” rất thuyết phục nhưng không bám vào hệ thống thực tế.

4. Dùng AI để mở rộng không gian phương án, không để thay bạn chịu trách nhiệm

AI rất mạnh khi giúp:

liệt kê phương án;
làm rõ trade-off;
tìm phản ví dụ;
tạo checklist;
mô phỏng các góc nhìn khác nhau;
phát hiện câu hỏi còn thiếu.

Nhưng lựa chọn cuối cùng, đặc biệt khi liên quan đến khách hàng, tiền, bảo mật, con người hay kiến trúc dài hạn, vẫn cần người chịu trách nhiệm quyết định.

Một câu chốt của bài này:

Khi AI hoặc chính mình đưa ra một câu trả lời rất mượt mà, hãy coi đó là một mẫu suy nghĩ cần kiểm tra, không phải sự thật đã được chứng minh.