Cận cảnh Discernment — Đánh giá phê phán AI

Discernment là gì?

Discernment chính là mặt còn lại của Description.

Description là bạn nói. Discernment là bạn nghe và judge.

Hai bên cộng lại = cộng tác chất lượng cao.

┌──────────────────────────────────────────────────────────┐
│                                                          │
│         BẠN ──────── DESCRIPTION ────────► AI            │
│            (truyền đạt cái bạn cần)                      │
│                                                          │
│         BẠN ◄──────── DISCERNMENT ──────── AI            │
│            (đánh giá cái AI trả về)                      │
│                                                          │
│              CONTINUOUS LOOP                             │
│                                                          │
└──────────────────────────────────────────────────────────┘

Vì sao Discernment crucial?

Hai sự thật khắc nghiệt:

Sự thật 1: AI well-written ≠ AI đúng.

Output có thể trông "professional, fluent, confident" nhưng:

Mà output bạn share ra (báo cáo, email, post) — bạn chịu trách nhiệm, không phải AI.

Sự thật 2: Domain expertise của bạn = vũ khí Discernment.

Bạn biết ngành mình hơn AI. Bạn biết khách hàng cụ thể. Bạn biết constraint không nói ra. Đây là leverage để spot AI mistake.

Người không có expertise → khó Discern → dễ accept output kém.

Khóa AI Fluency này dạy framework. Nhưng expertise của bạn — built qua năm tháng làm việc — là asset không thay thế được.

• Bịa số liệu
• Sai logic
• Miss nuance domain
• Reasoning có hole

3 loại Discernment

Đối xứng với 3 loại Description.

Loại 1 — Product Discernment

Definition: Đánh giá chất lượng của output AI tạo ra.

Câu hỏi cần ask:

Ví dụ thực tế:

AI write executive summary cho board meeting. Bạn check:

✅ Accuracy:

✅ Relevance:

✅ Coherence:

✅ Completeness:

Loại 2 — Process Discernment

Definition: Đánh giá cách AI đi đến output — không chỉ output cuối.

Câu hỏi cần ask:

Ví dụ:

Bạn brainstorm 5 marketing concept với Claude. Sau 4 round refine, Claude propose concept mới — nhưng concept này có element bạn đã reject ở round 2.

→ Process Discernment phát hiện: AI lost track of conversation context. Cần explicit reminder.

Process Discernment đặc biệt quan trọng khi:

Insight quan trọng: AI tới output đúng bằng cách sai → lần sau sẽ sai. Process matter for repeatability.

Loại 3 — Performance Discernment

Definition: Đánh giá cách AI cư xử trong tương tác — không phải về work AI làm, mà cách interact với bạn.

Subtle distinction từ Process:

Câu hỏi:

Ví dụ:

Bạn ask Claude help debug code. Claude:

→ Performance issue. Cần explicit re-define performance expectation hoặc adjust prompt.

• Có factually accurate không?
• Có appropriate cho audience + purpose không?
• Có coherent và well-structured không?
• Có meet requirement đã spec không?
• Có add value / solve problem intended không?
• Số revenue Q3 = $5.2M — đúng chưa? Cross-check dashboard.
• Quote khách hàng — có thật không? Tìm trong CRM.
• Citation paper — paper đó có tồn tại?
• Tone phù hợp board (analytical) hay quá fluffy?
• Length 2 trang — too short cho board hay đủ?
• Có miss topic board sẽ ask?
• Sub-section có flow logic?
• Conclusion có support bởi data trong body?
• Có contradiction nào không?
• Đủ section đã spec không?
• Có miss data important không?
• Recommendation clear không?
• Logic AI có solid không?
• AI có lapse in attention ở đâu?
• AI có stuck on small detail, không see bigger picture?
• AI có circular reasoning không?
• AI có insert idea/data đã rejected từ trước (nếu là multi-turn)?
• Task complex, không có "right answer" rõ
• Multi-turn conversation
• Bạn cần trust the process không chỉ "trust the result"
• Process = work AI đang làm
• Performance = quality của interaction giữa bạn và AI
• AI communicate có hiệu quả cho bạn không?
• Cung cấp info bạn cần theo cách helpful?
• Respond well với feedback bạn give?
• Interaction có efficient không, hay unnecessarily complex?
• AI hỏi clarifying khi cần concise answer? Hay too brief khi cần comprehensive?
• Reply 2000 từ explain basic concept (bạn là senior, đã biết)
• Sau bạn say "concise hơn" — Claude vẫn long-winded turn sau
• Suggest 5 fix một lúc thay vì 1 cái sâu

                  ┌──────────────────┐
                  │   DISCERNMENT    │
                  └────────┬─────────┘
                           │
         ┌─────────────────┼─────────────────┐
         ▼                 ▼                 ▼
  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐
  │   PRODUCT    │  │   PROCESS    │  │ PERFORMANCE  │
  │ DISCERNMENT  │  │ DISCERNMENT  │  │ DISCERNMENT  │
  ├──────────────┤  ├──────────────┤  ├──────────────┤
  │ CÁI AI tạo   │  │ CÁCH AI nghĩ │  │ AI cư xử     │
  │ có đúng?     │  │ có solid?    │  │ trong loop?  │
  │              │  │              │  │              │
  │ - Accuracy   │  │ - Logic      │  │ - Helpful    │
  │ - Relevance  │  │ - Method     │  │ - Responsive │
  │ - Coherence  │  │ - Attention  │  │ - Efficient  │
  │ - Complete   │  │ - Reasoning  │  │ - Style      │
  └──────────────┘  └──────────────┘  └──────────────┘

Quy trình Discernment có hệ thống

Quy tắc thực dụng:

• Output low-stakes (nháp email cá nhân) → spot-check Product, skip Process/Performance
• Output medium-stakes (work doc) → check Product full, sample Process
• Output high-stakes (board report, customer-facing, legal) → cả 3 loại, kỹ

┌──────────────────────────────────────────────────────────┐
│                                                          │
│  AI delivers output                                      │
│         ↓                                                │
│  STEP 1  Product check                                   │
│           - Accurate? (cross-source verify)              │
│           - Complete? (vs. requirement)                  │
│           - Coherent?                                    │
│         ↓                                                │
│  STEP 2  Process check                                   │
│           - Reasoning solid?                             │
│           - Methodology sound?                           │
│           - No lapse/circular?                           │
│         ↓                                                │
│  STEP 3  Performance check                               │
│           - Interaction smooth?                          │
│           - AI matching collaboration style?             │
│         ↓                                                │
│  STEP 4  Decide                                          │
│           ✓ Pass all → Use output                        │
│           ⚠ Issue → Provide feedback (next section)     │
│                                                          │
└──────────────────────────────────────────────────────────┘

Cung cấp feedback hiệu quả

Discernment phát hiện vấn đề → next step là feedback. Có quy tắc:

Ví dụ feedback yếu vs. mạnh

❌ Yếu:

(AI không biết gì sai → guess → có thể vẫn sai.)

✅ Mạnh:

Feedback này:

• Specific (Section, claim, number)
• Justify (so với source độc lập)
• Concrete fix
• Adjust process for future

┌──────────────────────────────────────────────────────────┐
│                                                          │
│  EFFECTIVE FEEDBACK BAO GỒM:                             │
│                                                          │
│  1. WHAT — Specify cụ thể vấn đề ở đâu                  │
│  2. WHY — Explain tại sao đó là vấn đề                  │
│  3. HOW — Concrete suggestion để improve                │
│  4. REVISE — Update instruction/example để tránh lần sau│
│                                                          │
└──────────────────────────────────────────────────────────┘

Khi Discernment phát hiện vấn đề — back to đâu?

90% lần là Description issue:

→ Fix: Improve Description (Bài 5.8 + 5.9 kỹ thuật).

10% lần là Delegation issue:

→ Fix: Re-think delegation. Có thể:

Recognition này (Description vs Delegation issue) là sign của fluency mature.

• Spec không rõ → AI fill blank generic
• Miss constraint → AI over-engineer
• Missing context → AI lệch
• Task này không phù hợp cho AI (cần real-time data, ethical judgment cấp cao)
• Wrong level (giao automation cho task cần augmentation)
• Wrong tool (Claude cho task cần image gen → dùng GPT)
• Pull task back human-only
• Switch model
• Add tool integration

   DISCERNMENT issue
          ↓
   Phân tích root cause
          ↓
   ┌────────┬────────┬────────┐
   ↓        ↓        ↓        ↓
DESCRIP-  EXAMPLE  DELEGAT- PLATFORM
TION       miss    ION       (model
unclear            wrong     không phù
                   level     hợp task)

Ví dụ theo ngành

💼 Sales — Forecast model

AI build forecast Q4. Bạn discern:

📊 Product — User research synthesis

AI synthesize 50 user interview. Bạn discern:

⚖️ Legal — Contract analysis

AI analyze contract risk. Critical Discernment vì stakes cao:

🏥 Clinical — Drug interaction analysis

Discernment ULTRA critical (life consequence):

Anti-patterns

❌ "Output trông professional → đúng"

Hiểu hiện: Skim AI output, format đẹp, accept.

Tại sao tệ: Hallucination thường well-written. Confidence ≠ accuracy.

Fix: Spot-check 2-3 specific claim mỗi output. Format không indicate accuracy.

❌ Chỉ Product Discernment, bỏ Process

Hiểu hiện: Check output đúng, không check AI tới đó bằng cách nào.

Tại sao tệ: Output đúng "by accident" → lần sau task tương tự có thể sai. Không build trust calibrated.

Fix: Sample Process check, đặc biệt với task lặp.

❌ "Tôi không expert nên không thể Discern"

Hiểu hiện: "AI biết hơn tôi, tôi không qualified judge."

Tại sao tệ: Bạn vẫn có domain knowledge nào đó — về context, audience, constraint.

Fix: Discern phần bạn có expertise. Cho phần ngoài, dùng tool: web search verify, ask second AI cross-check, có expert review.

❌ Vague feedback

Hiểu hiện: "Sửa đi", "Hay hơn nữa", "Khác đi".

Tại sao tệ: AI guess → có thể guess sai → tốn iteration.

Fix: Specific What/Why/How/Revise.

❌ Discern xong, không update Description

Hiểu hiện: Phát hiện AI hallucinate citation. Fix manually. Lần sau gặp lại cùng issue.

Tại sao tệ: Không learn from cycle.

Fix: Sau Discern, update prompt template / standing instruction để issue không lặp.

Mẹo nâng cao

💡 Mẹo 1: Build "Discernment checklist" theo task type

Cho task lặp (weekly report, code review, customer email), tạo checklist:

Sau task, run checklist. Theo thời gian, checklist trở thành reflex.

💡 Mẹo 2: Cross-source verify cho fact

Khi AI cite số/quote/citation, có 3 cách verify:

Nếu 3 source agree → high confidence. Nếu disagree → dig deeper.

💡 Mẹo 3: Maintain "AI failure log"

Mỗi lần AI output sai, log:

Sau 1-2 tháng, bạn có pattern personal — biết AI bạn dùng tend to fail ở đâu. Calibrated trust.

💡 Mẹo 4: "Adversarial Discernment" cho high-stakes

Cho output high-stakes, role-play:

Adversarial mindset surface issue thường miss.

• Chính source AI cite (nếu có)
• Source độc lập (Google/Wikipedia/database)
• Ask AI thứ 2 cùng câu hỏi → so sánh
• Loại task
• Loại sai (factual? logic? format?)
• Nguyên nhân (Description? Delegation? Model limit?)
• Fix bạn áp dụng
• "Nếu tôi là critic độc hại, tôi sẽ attack điểm nào trong output này?"
• "Stakeholder X sẽ ask câu gì khó về work này?"
• "Nếu cái này lên báo, embarrassing detail nào sẽ bị soi?"

WEEKLY REPORT — Discern checklist:
☐ Số liệu match dashboard source
☐ Tone match audience (board vs. team)
☐ Length within spec
☐ Flag risk có cited evidence
☐ Recommendation clear, actionable

Áp dụng ngay

Bài tập 1: Expert Discernment trong domain bạn (15 phút)

Mục tiêu: Practice 3 loại Discernment cho content AI tạo trong domain bạn expertise.

Bước 1 — Quay về expertise: Nhớ topic bạn đã chat ở Bài 5.3 (chủ đề bạn yêu thích, biết rõ). Reuse.

Bước 2 — Ask multiple explanation: Start chat mới. "Generate 3 different explanation cho [aspect specific] của [topic]." Ví dụ:

Bước 3 — Apply expert Discernment:

Product:

Process:

Performance:

Bước 4 — Provide feedback + refine:

Bước 5 — Reflection:

Bài tập 2: Re-discern output cũ (10 phút)

Lấy 1 AI output bạn đã accept tuần trước. Apply 3D Discernment lại:

Note: bạn đã miss gì?

Bài tập 3: Reflection (5 phút)

• Photography: 3 explanation về depth of field
• Cooking: 3 analyze fermentation technique
• History: 3 perspective về 1 sự kiện historical
• Explanation nào contain most accurate info?
• Có factual error / misconception?
• Detail level appropriate cho beginner?
• Claude follow logical reasoning trong each explanation?
• Có gap trong analysis / thinking process?
• Connection between concept appropriate?
• Claude attentive với câu hỏi specific của bạn?
• Terminology dùng appropriate cho topic?
• Tone/style affect clarity?
• Identify strongest explanation, tell Claude specifically why
• Identify weakest, provide specific feedback
• Work với Claude tạo improved version
• Specific knowledge gì giúp bạn identify strength/weakness?
• Người không expertise sẽ struggle Discern thế nào?
• Lesson về relationship giữa domain knowledge và Discernment?
• Product: có claim/fact bạn không verify lúc đó?
• Process: AI tới conclusion bằng đường nào? Solid?
• Performance: collaboration có efficient hay tốn nhiều round?
• Loại Discernment (Product/Process/Performance) nào khó áp dụng nhất với bạn? Tại sao?
• Discernment complement Description thế nào?
• Signal/pattern gì indicate AI output cần closer scrutiny?

Tóm tắt bài học

🎯 Discernment = mặt còn lại của Description — bạn nói (Description) → bạn nghe và judge (Discernment)

🎯 3 loại Discernment đối xứng 3 loại Description: Product (cái gì), Process (cách nào), Performance (cư xử ra sao)

🎯 AI well-written ≠ AI đúng — confidence ≠ accuracy. Spot-check fact luôn cần thiết.

🎯 Domain expertise của bạn = vũ khí Discernment — đừng underestimate; nó không thay thế được

🎯 Effective feedback = What + Why + How + Revise — vague feedback tốn iteration

🎯 90% Discernment issue → fix Description; 10% → fix Delegation — recognition này là sign of fluency