Vài tuần trước mình gần nộp một manuscript có phần Discussion do AI hỗ trợ soạn. Đọc lại lần cuối, mình phát hiện một trích dẫn không tìm được DOI và một câu diễn giải kết quả mạnh hơn bằng chứng thực tế. Nếu bỏ qua, đó là hai vấn đề reviewer sẽ bắt ngay.
Kiểm tra kết quả AI bản thảo không phải là chạy Grammarly thêm một lần. Đó là quy trình xác minh chủ động, vì AI tạo ra văn bản trông ổn nhưng có thể sai ở tầng sâu hơn.
Tại sao kết quả AI không thể tin mặc định?
AI xử lý ngôn ngữ tốt hơn mình ở nhiều điểm, như cấu trúc câu, chuyển ý và tóm tắt. Nhưng nó không "biết" dữ liệu của mình. Nó suy luận từ pattern trong văn bản, không từ bảng số liệu thực tế bạn đang nắm trong tay.
Hậu quả thường gặp:
- Trích dẫn hoặc PMID ảo, tồn tại trên paper nhưng DOI không dẫn đến đúng bài
- Số liệu bị diễn giải sai, AI viết "tăng 25%" trong khi dữ liệu gốc là "tăng 15%"
- Khẳng định quá mức, câu kết luận mạnh hơn mức bằng chứng cho phép
- Giọng văn không đồng nhất, đoạn AI và đoạn mình tự viết khác nhau rõ khi đọc liên tục
Trong một bài mình đang trong quá trình peer review về rủi ro nhận thức khi dùng AI trong nghiên cứu, mình lập luận rằng người dùng AI lâu dần mất thói quen kiểm tra, vì nội dung trông quá hoàn chỉnh. Đây là rủi ro thật, không phải lý thuyết.
6 mục mình kiểm tra trước mỗi lần nộp bản thảo
Sau một số lần bị bất ngờ, mình cố định 6 mục này vào quy trình trước khi nhấn Submit.
Mục 1: Xác minh trích dẫn
Mỗi trích dẫn AI tạo ra: tìm PMID hoặc DOI và mở bài gốc. Không phải kiểm tra tiêu đề khớp là đủ. Kiểm tra xem bài gốc thực sự hỗ trợ claim trong câu dẫn trích không. Đây là mục tốn thời gian nhất nhưng không thể bỏ.
Bài Dùng AI sàng lọc abstract cho systematic review mình đã viết trước đây đề cập vấn đề tương tự ở giai đoạn đầu. AI có thể hiểu nhầm nghĩa abstract và đưa ra kết luận sai về nội dung bài.
Mục 2: Độ chính xác phương pháp
Đoạn AI tóm tắt phần Methods: đọc sát từng câu và so với quy trình thật của mình. AI hay đơn giản hoá tiêu chí loại trừ, thời điểm đo, tên biến, những thứ reviewer y tế sẽ bắt ngay.
Mục 3: Đối chiếu con số
Mọi con số xuất hiện trong phần text (Results, Discussion, Abstract): so với bảng dữ liệu gốc. Lỗi phổ biến nhất là AI lấy số từ một đoạn khác trong prompt rồi gắn vào câu đang viết.
Mục 4: Kiểm tra mức độ khẳng định
AI có xu hướng viết câu kết luận mạnh hơn mức dữ liệu cho phép. Đọc lại từng câu ở Discussion và Conclusion: kết quả này là "có ý nghĩa thống kê" hay chỉ là "xu hướng"? Bằng chứng đủ để nói "cho thấy" hay chỉ "gợi ý"? Mỗi từ ở đây đều bị reviewer đọc kỹ.
Mục 5: Nhất quán giọng văn
Dán toàn bộ bản thảo vào một file và đọc liền từ đầu đến cuối. Đoạn AI viết thường có câu dài hơn và dùng nhiều câu bị động hơn đoạn bạn tự viết. Nếu lạc giọng rõ, sửa lại để bản thảo đọc như một người viết.
Mục 6: Lọc ngôn ngữ phóng đại
Tìm kiếm các từ: "pioneering", "first-ever", "dramatically", "revolutionary", "unprecedented". AI thích dùng những từ này ở phần Introduction. Nếu không có trích dẫn cụ thể hỗ trợ → xoá hoặc thay bằng ngôn ngữ trung tính hơn. Reviewer nhận ra ngay ngôn ngữ phóng đại không có bằng chứng.
Mất bao lâu để chạy hết 6 mục?
Với một manuscript 3.000 từ và khoảng 20-25 trích dẫn, mình thường mất 45-60 phút để chạy hết 6 mục. Nghe có vẻ nhiều, nhưng đó là chi phí bảo hiểm trước khi tốn 6-8 tuần chờ reviewer trả lời.
Bước khó nhất thường là mục 1 (xác minh trích dẫn) và mục 4 (mức độ khẳng định). Bài Rà soát thư phản biện trước khi nộp mình viết gần đây có bước tương tự ở giai đoạn rebuttal. Nguyên tắc giống nhau: kiểm tra trước khi gửi đi, không phải sau khi bị gọi lại.
Không ai kiểm tra giúp bạn được. AI không tự biết mình sai ở đâu. Reviewer sẽ không bỏ qua. Nên 6 mục này là việc của mình, không thể uỷ thác.
Nếu bạn muốn xây dựng quy trình dùng AI cho nghiên cứu bài bản, từ tìm tài liệu đến viết bản thảo và kiểm tra cuối, khoá Ứng dụng AI trong Nghiên cứu Khoa học đi qua từng bước đó, với ví dụ từ quy trình thật.