Không phải tuyên bố AI nào cũng cần trích dẫn — Nhưng mọi tuyên bố đều cần cơ sở

Tại sao “không có trích dẫn” không còn là một bài kiểm tra đủ tốt

Vấn đề về sự tin cậy không phải là trừu tượng. Nó có thể đo lường được, và nó đang trở nên tồi tệ hơn theo những cách cụ thể, đã được ghi nhận.

Một nghiên cứu năm 2025 về các tham chiếu do AI tạo ra cho thấy 19.9% bịa đặt hoàn toàn, và thêm 45.4% có lỗi thư mục nghiêm trọng — nghĩa là gần hai phần ba số trích dẫn mà AI tạo ra trong nghiên cứu đó là do bịa đặt hoặc bị lỗi theo một cách đáng kể nào đó. Riêng biệt, việc theo dõi các trích dẫn bịa đặt trong nghiên cứu đã xuất bản cho thấy sự gia tăng khoảng 12 lần từ năm 2023 đến năm 2025, với hơn 4.000 bài báo y sinh được phát hiện trích dẫn nghiên cứu không tồn tại.

Hệ thống pháp luật đã và đang gánh chịu chi phí này. Trong năm đến tháng 2 năm 2026, 66 vụ án pháp lý của Hoa Kỳ đã bị xử phạt đặc biệt vì các lỗi do AI tạo ra, và đến tháng 6 năm 2026 con số đó đã tăng lên 1.598 vụ kiện tụng trên toàn thế giới liên quan đến nội dung AI có trích dẫn bịa đặt — với hơn 145.000 đô la tiền phạt do AI nộp tại các tòa án Hoa Kỳ chỉ trong quý đầu tiên của năm 2026.

Không có điều nào trong số đó là lý do để hoàn toàn không tin tưởng AI. Đó là lý do để ngừng sử dụng “nó có trích dẫn không” làm toàn bộ bài kiểm tra, bởi vì bài kiểm tra đó quá dễ vượt qua mà không thực sự đúng, và — cũng quan trọng không kém — quá dễ thất bại trong khi thực sự chính xác.

Cũng có một sự phức tạp thực sự ở mặt khác của vấn đề này, đáng để nói một cách trung thực hơn là bỏ qua: một nghiên cứu của Yale cho thấy những người sử dụng chatbot AI để giúp xác minh tin tức đã thấy khả năng tự phát hiện thông tin sai lệch của chính họ giảm 15 điểm chỉ sau bốn tuần. Việc thuê ngoài việc xác minh không phải là miễn phí. Nó có thể làm bạn tệ hơn trong việc tự mình thực hiện. Đó là một lý do thực sự để muốn một hệ thống hiển thị công việc của nó hơn là một hệ thống chỉ đưa cho bạn một câu trả lời trông sạch sẽ.

Một tuyên bố thực sự có thể dựa trên điều gì

Nếu chỉ một trích dẫn không phải là bài kiểm tra đúng, thì câu hỏi hữu ích hơn là: loại bằng chứng nào đã tạo ra tuyên bố này? Trong thực tế, có sáu câu trả lời thực tế, riêng biệt.

1. Nghiên cứu bên ngoài

Một tuyên bố dựa trên tìm kiếm trực tiếp hoặc tra cứu từ các nguồn thực tế, hiện tại — loại bằng chứng mà bạn mong đợi một trích dẫn sẽ chỉ ra, và nơi một trích dẫn bị thiếu là một dấu hiệu cảnh báo đỏ thực sự.

2. Thông tin do người dùng cung cấp

Một tuyên bố được xây dựng từ những gì bạn trực tiếp nói với hệ thống — sự thật về thương hiệu của bạn, kiến thức thị trường của bạn, một sự điều chỉnh bạn cung cấp. Điều này không cần một trích dẫn bên ngoài. Trích dẫn chính là bạn.

3. Bằng chứng được chuyển tiếp từ một bước trước đó

Trong một phần nghiên cứu đa giai đoạn, một giai đoạn sau có thể dựa vào bằng chứng mà một giai đoạn trước đã thiết lập và xác minh một cách chính xác, thay vì nghiên cứu lại từ đầu. Trích dẫn nằm ở thượng nguồn, không phải trên mỗi câu hạ nguồn sử dụng nó.

4. Suy luận phân tích, được dán nhãn rõ ràng là suy luận

Đôi khi câu trả lời trung thực là “dựa trên bằng chứng đã thu thập, đây là cách diễn giải hợp lý nhất” — không phải là một sự thật được phát hiện, mà là một phán đoán. Điều đó hợp lệ, miễn là nó được dán nhãn là suy luận và không được ngụy trang thành trích dẫn.

5. Tính toán xác định

Một số tuyên bố chỉ là phép tính số học. Nếu đầu vào chính xác, một phép tính cố định, có thể tái tạo không cần trích dẫn hơn một công thức bảng tính — “bằng chứng” là thực tế rằng cùng một đầu vào luôn tạo ra cùng một đầu ra.

6. Sửa lỗi bởi con người, áp dụng sau sự việc

Đây là điều mà hầu hết các bài viết về sự tin cậy của AI đều bỏ qua hoàn toàn: khi một người có kiến thức thực tế, trực tiếp sửa một tuyên bố do AI tạo ra, sự sửa lỗi đó tự nó là một dạng bằng chứng — có thể nói là loại mạnh nhất hiện có, vì nó đến từ người thực sự có mặt ở đó. Chúng tôi coi đây là một loại thứ sáu thực sự có quyền tồn tại riêng, không chỉ là một bước kiểm soát chất lượng được gắn thêm vào năm loại kia. Đó là một sự tổng hợp chân thực từ phía chúng tôi, không phải một thuật ngữ công nghiệp đã được thiết lập — đáng để nói rõ ràng hơn là ngụy trang nó như thể nó có nhiều hơn thế.

Sáu câu trả lời thực tế. Một bài kiểm tra — “có trích dẫn không” — sẽ không bao giờ bao quát được cả sáu.

Sự phân biệt mà hầu như không ai phân biệt: một khoảng trống so với một sản phẩm nhân tạo

Đây là góc độ thực sự chưa được khám phá đầy đủ, và nó quan trọng hơn những gì nghe có vẻ.

Khi một hệ thống AI gắn cờ một điều gì đó là không chắc chắn, cờ đó có thể có nghĩa là một trong hai điều rất khác nhau:

Một khoảng trống bằng chứng thực sự — chủ đề thực sự không thể được xác minh. Không ai công bố con số đó. Thông tin không công khai. Sự không chắc chắn là có thật và liên quan đến thế giới.

Một sản phẩm ngôn ngữ nhân tạo — phát hiện cơ bản là ổn, nhưng nó bị gắn cờ là tiêu cực hoặc không chắc chắn hoàn toàn do cách diễn đạt, không phải do nội dung thực sự của nó. Sự không chắc chắn là về câu văn, không phải về chủ đề.

Những điều này trông giống hệt nhau trên trang. Cả hai đều hiển thị dưới dạng cờ vàng bên cạnh một tuyên bố. Nhưng chúng đòi hỏi những phản hồi hoàn toàn khác nhau. Một khoảng trống thực sự cần nghiên cứu thêm. Một sản phẩm ngôn ngữ nhân tạo cần cách diễn đạt tốt hơn — và việc coi nó như một khoảng trống nghiên cứu sẽ lãng phí thời gian theo đuổi bằng chứng cho một điều chưa bao giờ thực sự nghi ngờ.

Sự phân biệt này hầu như không xuất hiện trong các bài viết hiện có về sự tin cậy và ảo giác của AI. Hầu hết dừng lại ở “AI có thể sai, hãy xác minh các tuyên bố quan trọng” — đúng, nhưng không thể hành động. Biết loại cờ bạn đang xem là điều thực sự cho bạn biết phải làm gì tiếp theo.

Tại sao các câu hỏi hẹp hơn lại tốt hơn các câu hỏi rộng hơn

Có một mô hình thứ hai đáng được nêu tên, và nó đi ngược lại với những gì hầu hết mọi người cho rằng nghiên cứu AI “kỹ lưỡng hơn” nên trông như thế nào.

Bản năng là đặt một câu hỏi lớn, mở và mong đợi một câu trả lời toàn diện. Trong thực tế, điều ngược lại có xu hướng hiệu quả hơn: chia một câu hỏi rộng thành nhiều câu hỏi hẹp, cụ thể, có giới hạn — và hỏi chúng riêng biệt — tạo ra bằng chứng dễ kiểm tra hơn, dễ tin cậy hơn và thường hữu ích trực tiếp hơn là một câu trả lời dài dòng cố gắng bao quát mọi thứ cùng một lúc.

Một phần lý do: một câu hỏi hẹp cho hệ thống ít không gian hơn để làm mờ các thứ nên được giữ riêng biệt. Nó cũng cho bạn, người đọc, một tuyên bố dễ dàng hơn nhiều để thực sự xác minh — một câu trả lời cụ thể cho một câu hỏi cụ thể là thứ bạn có thể kiểm tra với một nguồn cụ thể. Một đoạn văn cố gắng trả lời năm điều cùng một lúc thường không thể kiểm tra được với bất cứ điều gì cụ thể.

Ít hơn, nhưng nhắm mục tiêu chính xác hơn, có xu hướng đánh bại nhiều hơn.

Điều này thực sự trông như thế nào trong nghiên cứu thị trường thực tế

Chúng tôi không tin vào điều này một cách mù quáng. Chúng tôi đã thực hiện nghiên cứu thực tế về cách mọi người hiện mô tả sự thất vọng của họ với các công cụ AI đưa ra các tuyên bố về bằng chứng và sự tin cậy — ngôn ngữ lặp đi lặp lại mà mọi người thực sự sử dụng, chứ không phải một giả thuyết về nó.

Ba cụm từ xuất hiện đủ thường xuyên, độc lập, đáng để lặp lại ở đây, mà không gắn chúng với bất kỳ sản phẩm hoặc công ty cụ thể nào, bởi vì mô hình là trọng tâm, chứ không phải bất kỳ nhà cung cấp nào:

• Một "tỷ lệ sai sót 5%" được cảm nhận — cảm giác rằng ngay cả một công cụ AI đáng tin cậy phần lớn vẫn có một tỷ lệ nhỏ nhưng thực sự của đầu ra sai một cách tự tin được tích hợp sẵn, và tỷ lệ này hiếm khi giảm xuống bằng không dù công cụ có tốt đến đâu.
• "Ảo ảnh về sự minh bạch" — nơi một công cụ hiển thị rõ ràng lý do hoặc nguồn của nó, điều này được coi là đáng tin cậy, nhưng lớp hiển thị đó thực sự không thể kiểm tra hoặc không chính xác.
• "Gánh nặng xác thực" — chi phí thực tế, thầm lặng mà công việc được hỗ trợ bởi AI không loại bỏ nhu cầu kiểm tra mọi thứ, nó chỉ chuyển việc kiểm tra sang con người, sau này, thường không cảnh báo rằng điều đó vẫn được yêu cầu.

Cùng một nghiên cứu cũng làm nổi bật những gì mọi người thực sự muốn thay vào đó, một cách độc lập và lặp đi lặp lại, mà không bị nhắc đến bất kỳ câu trả lời cụ thể nào: khả năng trích dẫn nhất quán, có thể xác minh; một lời giải thích rõ ràng về cách AI đạt được kết luận của nó chứ không chỉ bản thân kết luận; và một phán quyết tổng hợp, có thể hành động thay vì một bản đổ không lọc tất cả những gì hệ thống tìm thấy.

Chúng tôi không yêu cầu công lao cho việc xác định nhu cầu đó — nghiên cứu đã tự tìm ra nó. Điều chúng tôi muốn chỉ ra là nó phù hợp chặt chẽ với cách chúng tôi đã xây dựng sản phẩm của mình: một lớp trung thực hiển thị các giả định, khoảng trống và mâu thuẫn thay vì che giấu chúng; một cách để sửa chữa và chạy lại phân tích với ngữ cảnh thực tế thay vì bắt đầu lại; và một phán quyết tổng hợp duy nhất ngay từ đầu, với toàn bộ dấu vết bằng chứng có sẵn bên dưới cho bất kỳ ai muốn kiểm tra công việc của chúng tôi.

Danh sách kiểm tra cho tuyên bố AI tiếp theo bạn nhận được

Lần tới khi một hệ thống AI — của chúng tôi hoặc của bất kỳ ai khác — đưa cho bạn một tuyên bố mà bạn sắp hành động, năm câu hỏi sẽ giúp bạn tiến xa hơn “có trích dẫn không”:

1. Đây là loại gì? Nghiên cứu bên ngoài, đầu vào của bạn, bằng chứng được chuyển tiếp, suy luận được dán nhãn, một phép tính, hoặc một sự điều chỉnh của con người — chúng đòi hỏi các mức độ tin cậy khác nhau.
2. Nếu đó là một trích dẫn, nguồn đó có thực sự nói điều này không? Việc trích dẫn tồn tại và trích dẫn hỗ trợ tuyên bố cụ thể không phải là cùng một kiểm tra.
3. Nếu nó được gắn cờ không chắc chắn, đó là một khoảng trống hay một sản phẩm nhân tạo? Hỏi cụ thể điều gì chưa được xác minh — chủ đề, hay chỉ câu văn.
4. Một phiên bản câu hỏi hẹp hơn có giúp bạn có được câu trả lời dễ kiểm tra hơn không? Nếu tuyên bố rộng, hãy xem xét liệu việc chia nhỏ nó có giúp ích không.
5. Có ai có kiến thức trực tiếp thực sự xem xét điều này chưa? Một sự điều chỉnh của con người, khi có sẵn, thường là loại bằng chứng mạnh nhất trong danh sách — hãy sử dụng nó.

Không có điều nào trong số đó yêu cầu không tin tưởng hoàn toàn AI. Nó đòi hỏi phải coi “được trích dẫn” và “đúng” là hai câu hỏi khác nhau, bởi vì chúng là như vậy.