Bài học

Làm bài thuyết trình bằng AI mà không thành slide rác

Từ brief đến outline, kiểm soát số liệu, hình ảnh và tính dễ đọc.

design · 13
25

Kiến thức nền và ví dụ ứng dụng

1. Lập dàn ý

Một slide một ý và một thông điệp.

2. Nhập nguồn

Đối chiếu dữ liệu, số liệu và nội dung được phép sử dụng.

3. Rà soát

Tiêu đề ngắn, không lạm dụng hình minh họa và giữ nhất quán thương hiệu.

Bài tập

Áp dụng vào một tình huống của bạn, lưu Prompt và ghi lại các lỗi cần sửa. So sánh kết quả với yêu cầu ban đầu trước khi sử dụng.

Kết quả cần đạt và cách học

Người làm slide trình bày được một câu chuyện với số liệu và biểu đồ có căn cứ.

Bài học này là giáo trình thực hành biên soạn bằng tiếng Việt: quy trình, ví dụ và rubric là đề xuất đào tạo, không phải sản phẩm, ca triển khai hay lời chứng thực của nhà cung cấp. Những khái niệm kỹ thuật được đối chiếu với tài liệu công khai ghi cuối bài. Học viên nên dành một phiên làm việc với dữ liệu được phép sử dụng và giữ lại kết quả để so sánh.

Chuẩn bị dữ liệu và nguyên tắc trước khi thao tác

Báo cáo KPI, bối cảnh người nghe, mục tiêu quyết định và 6 dữ kiện chính.

Trước khi gửi dữ liệu cho công cụ AI, loại tên riêng không cần thiết, số điện thoại, mật khẩu, mã truy cập, hồ sơ khách hàng và thông tin nội bộ vượt phạm vi cho phép. Nếu dữ liệu cần được giữ kín, hỏi bộ phận quản trị về quyền truy cập, lưu trữ và lựa chọn môi trường phù hợp; không suy luận rằng công cụ nào tự bảo đảm bí mật chỉ vì có giao diện đăng nhập.

Viết mục tiêu kiểm chứng ngay từ đầu theo mẫu: “Tôi cần [loại đầu ra], dựa trên [bộ dữ liệu], cho [người nhận], trong [định dạng], và chấp nhận khi [điều kiện đo được].” Một đầu ra trông mạch lạc nhưng không thỏa điều kiện kiểm chứng thì vẫn là bài làm chưa đạt.

Quy trình thực hành từng bước

  1. Viết thông điệp mỗi slide trước khi dùng AI lên layout. Sau bước này, lưu kết quả trung gian hoặc ảnh chụp trạng thái để có thể truy ngược khi phát hiện lỗi.
  2. Chọn biểu đồ phản ánh đúng loại so sánh. Sau bước này, lưu kết quả trung gian hoặc ảnh chụp trạng thái để có thể truy ngược khi phát hiện lỗi.
  3. Kiểm số liệu gốc và ghi rõ đơn vị, khoảng thời gian. Sau bước này, lưu kết quả trung gian hoặc ảnh chụp trạng thái để có thể truy ngược khi phát hiện lỗi.
  4. Dùng AI gợi ý cấu trúc, không đưa số giả làm dữ kiện. Sau bước này, lưu kết quả trung gian hoặc ảnh chụp trạng thái để có thể truy ngược khi phát hiện lỗi.
  5. Duyệt qua màn chiếu và bản in để sửa độ rõ. Sau bước này, lưu kết quả trung gian hoặc ảnh chụp trạng thái để có thể truy ngược khi phát hiện lỗi.

Prompt để bắt đầu

Bạn là trợ lý hỗ trợ tác vụ Làm bài thuyết trình bằng AI mà không thành slide rác.
Mục tiêu: Người làm slide trình bày được một câu chuyện với số liệu và biểu đồ có căn cứ.
Nguồn đầu vào: Báo cáo KPI, bối cảnh người nghe, mục tiêu quyết định và 6 dữ kiện chính.
Hãy xử lý theo trình tự: Viết thông điệp mỗi slide trước khi dùng AI lên layout.; Chọn biểu đồ phản ánh đúng loại so sánh.; Kiểm số liệu gốc và ghi rõ đơn vị, khoảng thời gian.; Dùng AI gợi ý cấu trúc, không đưa số giả làm dữ kiện..
Yêu cầu bắt buộc: chỉ dùng dữ liệu đã cung cấp, phân biệt dữ kiện và giả định, ghi rõ phần chưa xác minh.
Định dạng: 1) Kết quả chính; 2) Bảng nguồn và bằng chứng; 3) Những điểm cần kiểm tra; 4) Hành động tiếp theo.
Điều kiện đánh giá: Người xem hiểu kết luận, dẫn chứng đo được và quyết định tiếp theo.
DỮ LIỆU: [DÁN DỮ LIỆU ĐÃ ĐƯỢC PHÉP SỬ DỤNG]

Mẫu trên chỉ là khởi điểm. Ở mỗi vòng thử, chỉ thay một nhóm thông số như giới hạn độ dài, dữ liệu nguồn hoặc định dạng đầu ra; nếu thay mọi thứ cùng lúc sẽ khó biết yếu tố nào giúp cải thiện kết quả.

Tình huống sai và cách sửa

Biểu đồ đẹp nhưng trục không đúng, tỷ lệ phần trăm không cộng về mẫu số.

Đầu tiên yêu cầu AI chỉ ra đoạn nguồn nào hỗ trợ từng khẳng định, sau đó tự mở nguồn để kiểm tra. Nếu không tìm được bằng chứng, sửa kết quả thành “chưa xác minh” hoặc loại bỏ. Tránh dùng một model thứ hai như bằng chứng duy nhất; hai mô hình có thể cùng lặp lại một giả định sai.

Khi xuất hiện sai sót, lưu lại phiên bản prompt, phần dữ liệu liên quan và câu trả lời lỗi. Viết thêm một trường hợp kiểm thử tương tự để đảm bảo lỗi không xuất hiện lại sau khi chỉnh sửa. Không đánh giá bằng vài câu hỏi thuận lợi; phải có ca thiếu dữ liệu, ca dữ liệu mâu thuẫn và ca câu hỏi ngoài phạm vi.

Bài thực hành có đầu ra cụ thể

  1. Đặt tên file “de-bai-ai-thuyet-trinh.md”, ghi mục tiêu, thời gian thử và dữ liệu đầu vào được phép.
  2. Chạy phiên bản đầu tiên của prompt, lưu toàn bộ đầu ra mà không sửa tay; đánh dấu mọi câu có thông tin định lượng hoặc tuyên bố thực tế.
  3. Kiểm tra thủ công 5 mệnh đề quan trọng nhất trên tài liệu nguồn, thêm liên kết nguồn và kết luận đúng/sai/không đủ dữ kiện.
  4. Chỉnh một yếu tố trong prompt, chạy lại cùng dữ liệu, ghi nhận sự thay đổi theo thang đo đã đặt.
  5. Viết bản báo cáo cuối khoảng 200–300 từ với kết quả, lỗi, việc còn thiếu, quyết định dùng hoặc không dùng cho công việc thật.

Bộ tiêu chí tự chấm

  • Đúng nhiệm vụ: câu trả lời giải quyết đúng câu hỏi thay vì lặp lại hướng dẫn hay quảng cáo công cụ.
  • Có thể truy xuất: dữ kiện quan trọng có nguồn gốc, thời gian và phạm vi rõ ràng.
  • Đủ cấu trúc: xuất đúng định dạng để người học khác hoặc hệ thống tiếp theo sử dụng.
  • An toàn dữ liệu: không tiết lộ secret, không gán quyền truy cập không tồn tại, không nhầm giả định thành kết luận.
  • Lặp lại được: người khác có thể dùng prompt, đầu vào và tiêu chí tương tự để so kết quả.

Tiêu chí đặc thù của bài học này: Người xem hiểu kết luận, dẫn chứng đo được và quyết định tiếp theo. Hãy tự chấm từng nhóm theo mức Đạt / Cần sửa / Không đủ thông tin, thay vì cho một điểm số chung không giải thích được. Khi người học ở nhóm, nên có người khác phản biện những kết luận ảnh hưởng đến khách hàng, ngân sách hoặc hệ thống.

Mở rộng thành quy trình dùng lâu dài

Khi kết quả bước đầu ổn, lưu mẫu vào thư viện nội bộ với phiên bản, người biên tập, phạm vi dữ liệu và ngày kiểm tra. Quy định ai được sửa prompt, ai được phê duyệt đầu ra và khi nào cần gửi lại chuyên gia. Chọn một chỉ số thực tế như tỷ lệ phải sửa, thời gian tiết kiệm sau khi tính cả bước kiểm chứng, hoặc số tình huống từ chối đúng để đo chất lượng thay vì chỉ đếm số lần gọi model.

Không nên tự động hóa toàn bộ ngay lập tức. Bắt đầu ở chế độ AI gợi ý, người duyệt thực thi. Sau vài vòng đạt chất lượng ổn định mới xem xét các bước tự động không có rủi ro, có log và có khả năng hoàn tác. Với hoạt động có giá trị cao hoặc dữ liệu nhạy cảm, phải giữ quyền quyết định của con người.

Tài liệu đối chiếu

Đối chiếu khái niệm và khả năng kỹ thuật tại: https://github.com/openai/openai-cookbook. Bài tập, ví dụ tình huống và checklist là nội dung biên soạn của website, không phải tuyên bố của nhà cung cấp. Ngày kiểm tra liên kết: 2026-11-07.

Nguồn tham khảo: https://github.com/openai/openai-cookbook