Vì sao AI bịa chuyện: 7 cách kiểm tra bắt lỗi ảo giác

AI bịa chuyện vì mô hình ngôn ngữ được xây dựng để tạo ra những từ tiếp theo có khả năng cao nhất, chứ không phải để kiểm tra xem chúng có đúng hay không, và vì cách huấn luyện cũng như chấm điểm mô hình thưởng cho một lời đoán tự tin hơn là một câu "tôi không biết" trung thực. Hướng dẫn này giải thích cơ chế bằng ngôn ngữ giản dị, tần suất lỗi trên các mô hình hiện nay, cái giá ba công ty đã trả và bảy cách kiểm tra để bắt được lỗi.

Bạn hẳn đã gặp: chatbot trích dẫn một quy định không tồn tại, nêu một con số thống kê mà chưa khảo sát nào từng đưa ra, hoặc nhắc đến một nhà cung cấp mà bạn không tìm thấy. Đó gọi là ảo giác (hallucination), và nó không phải một lỗi mà bản cập nhật sau sẽ loại bỏ. Các nhà nghiên cứu của OpenAI đã viết vào tháng 9 năm 2025 rằng các mô hình tạo ra "overconfident, plausible falsehoods" (những điều sai nhưng nghe hợp lý và đầy tự tin) vì quá trình huấn luyện và đánh giá "reward guessing over acknowledging uncertainty" (thưởng cho việc đoán hơn là thừa nhận sự không chắc chắn). Hiểu vì sao AI bịa chuyện là khác biệt giữa một công cụ giúp bạn tiết kiệm một ngày mỗi tuần và một công cụ đặt con số giả trước mặt khách hàng, ngân hàng hay tòa án.

Phần dưới đây là lời giải thích mà một chủ doanh nghiệp bận rộn cần, không phải bài giảng khoa học máy tính: máy thực sự hoạt động ra sao, lỗi tập trung ở đâu, ba vụ việc thật kèm hóa đơn, chính các nhà cung cấp nói gì, và bảy cách kiểm tra. Phần cuối bàn về việc một tác nhân AI cho bạn thấy nguồn và trình duyệt của nó thay đổi vấn đề thế nào, và những gì nó vẫn không thể làm thay bạn.

Chúng tôi đã kiểm chứng hướng dẫn này như thế nào

1. Chỉ dùng nguồn gốc cho phần cơ chế: bài nghiên cứu của OpenAI ngày 4 tháng 9 năm 2025 và các tuyên bố của cơ quan quản lý có trích dẫn các nhà cung cấp.
2. Tỷ lệ đo được từ một bảng xếp hạng công khai, đọc ngày 22 tháng 10 năm 2026, kèm phương pháp được nêu rõ, vì một tỷ lệ ảo giác không có phương pháp cũng là một dạng ảo giác.
3. Hồ sơ của tòa án và chính phủ cho ba vụ việc, không dùng bản tóm tắt trên báo.
4. Các trang trợ giúp của chính nhà cung cấp về những gì ChatGPT và Claude nói về giới hạn của mình.
5. Những cách kiểm tra mà người không chuyên kỹ thuật làm được trong chưa đầy một phút, chỉ cần một ô tìm kiếm.

Ảo giác là gì và vì sao nó xảy ra

Một mô hình ngôn ngữ lớn hoạt động bằng cách dự đoán đoạn văn có khả năng cao nhất sẽ theo sau đoạn văn nó nhận được. Khi Solicitors Regulation Authority (SRA, cơ quan quản lý luật sư tư vấn ở Vương quốc Anh) cảnh báo giới luật vào tháng 11 năm 2023, họ nói rất thẳng: các công cụ này "work by anticipating the text that should follow the input they are given, but do not have a concept of 'reality'" (hoạt động bằng cách đoán văn bản nên theo sau đầu vào, nhưng không có khái niệm về "thực tế"). Hãy yêu cầu một vụ án ủng hộ lập luận của bạn và mô hình tạo ra thứ trông giống một vụ án: một cái tên hợp lý, một năm hợp lý, một đoạn trích dẫn hợp lý. Không có gì bên trong nó kiểm tra xem vụ án có tồn tại không, vì không có gì bên trong được xây dựng để làm việc đó.

Nguyên nhân thứ hai là cách chấm điểm mô hình. Trong bài báo tháng 9 năm 2025 "Why language models hallucinate", bốn nhà nghiên cứu của OpenAI cho thấy các bài kiểm tra tiêu chuẩn thưởng cho câu trả lời tự tin và không cho điểm gì khi thừa nhận sự không chắc chắn, nên "under binary grading, abstaining is strictly sub-optimal" (với cách chấm nhị phân, từ chối trả lời chắc chắn là lựa chọn kém). Một mô hình đoán sẽ được nhiều điểm hơn một mô hình nói rằng nó không biết, giống như một học sinh đoán bừa trong bài thi trắc nghiệm hơn người bỏ trống câu hỏi. Thói quen đoán được học, và được học vì nó thắng.

Các con số OpenAI công bố cùng bài báo cho thấy rõ sự đánh đổi này. Trên một bộ kiểm tra thực tế, mô hình được tinh chỉnh để từ chối đã không trả lời 52% câu hỏi, đúng 22% và sai 26%; một mô hình cũ gần như không bao giờ từ chối đúng 24% và sai 75%. Ít câu sai hơn đến từ nhiều lần "tôi không biết" hơn, không phải từ nhiều kiến thức hơn. Đó là toàn bộ câu chuyện trong một bảng, và là lý do các cách kiểm tra dưới đây bắt đầu bằng việc cho phép mô hình nói không.

Tần suất xảy ra năm 2026

Câu trả lời trung thực là "đủ thường xuyên để luôn phải kiểm tra". Bảng xếp hạng ảo giác của Vectara, cập nhật ngày 22 tháng 10 năm 2026, chấm điểm các mô hình trên một tác vụ hẹp: tóm tắt một tài liệu được đưa cho, rồi đếm số lần bản tóm tắt chứa điều tài liệu không nói. Dù có sẵn dữ kiện trước mắt, các mô hình phổ biến vẫn bịa nội dung trong một tỷ lệ đo được của các bản tóm tắt.

Có hai điểm đáng chú ý. Mới hơn và lớn hơn không có nghĩa là an toàn hơn: cấu hình GPT-5 tháng 8 năm 2025 chấm điểm tệ hơn GPT-4o ra đời trước một năm trên bài kiểm tra này. Và đây là các con số trong điều kiện có nguồn kèm theo; khi mô hình phải nhớ lại dữ kiện từ bộ nhớ, tỷ lệ còn cao hơn.

Các nghiên cứu chuyên ngành cũng cho kết quả tương tự. Các nhà nghiên cứu viết trên Annals of the Royal College of Surgeons of England báo cáo vào tháng 4 năm 2026 rằng trong 108 câu trả lời của chatbot cho các câu hỏi phẫu thuật, chứa 1,249 tài liệu tham khảo, các mô hình tệ nhất đã bịa hoặc không thể chứng minh 25% đến 34% số trích dẫn, trong khi mô hình tốt nhất không có trích dẫn nào như vậy. Một thư gửi tòa soạn của The Lancet vào tháng 5 năm 2026 cho biết khoảng một trên 277 bài báo gần đây trong PubMed mang tài liệu tham khảo bịa, so với một trên 2,828 vào năm 2023. Một nghiên cứu của Stanford về các công cụ nghiên cứu pháp lý có truy xuất thông tin cho thấy chúng vẫn gây ảo giác từ 17% đến 33% số lần. Truy xuất giúp ích, nhưng không giải quyết trọn vẹn.

Cái giá phải trả: ba vụ việc

New York, tháng 6 năm 2023. Trong vụ Mata v Avianca, hai luật sư đã nộp một bản trình bày chứa các vụ án không tồn tại, do ChatGPT tạo ra, và tòa án phạt 5,000 đô la Mỹ. Đây là vụ việc đầu tiên được đưa tin rộng rãi, và hiện là một trong hơn 2,200 quyết định của tòa án trên thế giới liên quan đến trích dẫn AI bịa, được theo dõi trong một cơ sở dữ liệu công khai do luật sư Damien Charlotin duy trì.

London, tháng 6 năm 2025. Trong Ayinde v Haringey và Al-Haroun v Qatar National Bank, High Court xử lý cùng lúc hai vụ: một bản trình bày trích dẫn năm vụ án không tồn tại, bản còn lại trích dẫn 45 căn cứ pháp lý trong đó 18 căn cứ là bịa. Chánh án King's Bench Division viết rằng các công cụ tạo sinh "are not capable of conducting reliable legal research" (không có khả năng nghiên cứu pháp lý đáng tin cậy) và "may cite sources that do not exist" (có thể trích dẫn những nguồn không tồn tại), rằng luật sư có nghĩa vụ nghề nghiệp "to check the accuracy of such research by reference to authoritative sources" (kiểm tra độ chính xác của nghiên cứu đó bằng các nguồn có thẩm quyền), và rằng hậu quả của việc không làm vậy có thể gồm thủ tục xử tội coi thường tòa án và chuyển hồ sơ cho cảnh sát. Từ đó, Solicitors Regulation Authority đã ban hành một thông báo cảnh báo (17 tháng 8 năm 2026) nêu tên "fictitious cases, references or seemingly factual assertions" (vụ án, tài liệu tham khảo hoặc khẳng định có vẻ như thực tế nhưng là hư cấu) và nhắc các luật sư rằng họ vẫn chịu trách nhiệm về kết quả.

Canberra, tháng 10 năm 2025. Deloitte Australia giao một báo cáo cho một bộ của chính phủ theo hợp đồng trị giá 440,000 đô la Úc. Báo cáo chứa một trích dẫn bịa gán cho một phán quyết của tòa án và các tham chiếu đến những bài báo khoa học không tồn tại. Công ty đã công bố bản sửa vào ngày 3 tháng 10 năm 2025, lần đầu tiên tiết lộ rằng một mô hình Azure OpenAI đã được sử dụng, và hoàn trả đợt thanh toán cuối khoảng 98,000 đô la Úc. Công việc do một công ty chuyên nghiệp lớn thực hiện, có quy trình rà soát. Thông tin bịa vẫn lọt qua, vì không ai mở các tài liệu tham khảo ra xem.

Không ai trong số họ là người nghiệp dư cẩu thả. Họ là những chuyên gia bận rộn, coi đầu ra trôi chảy là đầu ra đã được kiểm tra. Đó là sai lầm cần tránh, và hoàn toàn có thể tránh được.

Chính các nhà cung cấp nói gì

Tài liệu của Anthropic về Claude liệt kê các biện pháp giảm thiểu tiêu chuẩn, gồm cho phép mô hình nói "I don't know", yêu cầu nó trích dẫn trước khi trả lời và giới hạn nó trong các tài liệu được cung cấp, rồi bổ sung rằng các biện pháp này "don't eliminate them entirely. Always validate critical information." (không loại bỏ hoàn toàn chúng. Hãy luôn xác thực thông tin quan trọng.) Bài hỗ trợ của hãng về câu trả lời sai, cập nhật vào tháng 3 năm 2026, nói thẳng rằng Claude "can occasionally produce responses that are incorrect or misleading" (đôi khi có thể đưa ra câu trả lời sai hoặc gây hiểu lầm) và không nên được coi là "a singular source of truth" (nguồn sự thật duy nhất). Trang trợ giúp của OpenAI về việc ChatGPT có nói thật không cũng nói như vậy: nó có thể bịa trích dẫn, và bạn nên xác minh. ICO (cơ quan bảo vệ dữ liệu của Vương quốc Anh), trong công trình năm 2024 về AI tạo sinh, lưu ý rằng ngay cả dữ liệu huấn luyện chính xác cũng "will not stop" (sẽ không ngăn được) mô hình đưa ra những phát biểu sai, và bản rà soát tháng 10 năm 2026 của FCA về AI trong dịch vụ tài chính nhắc lại rằng các công ty "remain responsible for consumer outcomes" (vẫn chịu trách nhiệm về kết quả của người tiêu dùng) dù công cụ nào tạo ra chúng.

Đọc chung lại, thông điệp từ những người xây dựng và quản lý các công cụ này là nhất quán: hãy dùng chúng, và hãy kiểm tra chúng.

7 cách kiểm tra bắt được ảo giác

1. Hỏi nguồn, rồi mở nó ra

Mô hình sẽ vui vẻ đưa ra một tài liệu tham khảo khi được yêu cầu; phép thử là liệu tài liệu đó có mở được và nói đúng điều mô hình nói nó nói. Báo cáo của Deloitte có tài liệu tham khảo. Không ai mở chúng. Nếu liên kết chết, bài báo không tồn tại hoặc trang nói điều khác, cả câu trả lời đều đáng ngờ, không chỉ dòng đó.

2. Xác minh riêng từng tên, số, ngày và trích dẫn

Bốn loại này là nơi thông tin bịa tập trung, vì chúng là những phần của câu khó đoán từ ngữ cảnh. Một đoạn trích dẫn là thứ dễ kiểm tra nhất: dán nó vào công cụ tìm kiếm trong dấu ngoặc kép. Một số liệu thống kê phải dẫn đến một cuộc khảo sát có mẫu và ngày tháng, giống như hướng dẫn này nêu tên nghiên cứu của Royal College of Surgeons và 1,249 tài liệu tham khảo của nó.

3. Hỏi hai lần, hoặc hỏi mô hình thứ hai

Một dữ kiện còn đứng vững sau khi diễn đạt lại có nhiều khả năng là dữ kiện thật. Hãy hỏi cùng một câu bằng cách diễn đạt khác, hoặc dán vào một sản phẩm thứ hai (ChatGPT, Claude, Gemini, Microsoft Copilot, Manus hay Muse của Meta đều cư xử khác nhau với cùng một câu lệnh). Hai mô hình đồng ý chưa phải bằng chứng, nhưng hai mô hình mâu thuẫn là tín hiệu đáng tin cậy để bạn kiểm tra.

4. Đưa tài liệu và khoanh vùng nó

Các con số trên bảng xếp hạng ở trên là trường hợp tốt nhất, khi có nguồn kèm theo; nhớ lại từ bộ nhớ thì tệ hơn. Vì vậy hãy cung cấp nguồn. Đính kèm hợp đồng, bảng tính hoặc quy định, bảo mô hình chỉ trả lời từ đó và trích dòng nó đã dùng, rồi đọc đoạn trích. Nếu nó không trích được dòng nào, câu trả lời không đến từ tài liệu.

5. Cho phép nó nói "tôi không biết"

Vì quá trình huấn luyện thưởng cho việc đoán, bạn phải đổi cách chấm điểm ngay trong câu lệnh. "Nếu bạn không chắc, hãy nói rõ và cho tôi biết tôi cần kiểm tra gì" là câu hiệu quả nhất trong hướng dẫn này; nó là bản viết của mô hình biết từ chối trong bảng của OpenAI, và bạn không tốn gì.

6. Tính lại

Mô hình ngôn ngữ dự đoán văn bản; chúng không tính toán trừ khi đang chạy mã. Một tổng lệch một dòng, một phần trăm tính trên cơ sở sai, một ngày lệch một năm: những thứ này trông đúng vì câu xung quanh đúng. Hãy tự cộng cột, hoặc nhờ một tác nhân chạy phép tính trong bảng tính và cho bạn xem.

7. Coi tiền bạc, pháp lý, sức khỏe và danh tiếng là bản nháp

Các luật sư ở London và các chuyên gia tư vấn ở Canberra không thiếu trí tuệ; họ thiếu một quy tắc. Quy tắc là: bất cứ thứ gì đến tay khách hàng, cơ quan quản lý, bên cho vay hay tòa án đều là bản nháp cho đến khi một người có tên đã kiểm tra các dữ kiện trong đó. Hãy viết quy tắc ấy ra, và chính sách AI trong Chính sách AI cho doanh nghiệp nhỏ: mẫu miễn phí cho bạn phiên bản một trang.

Doanh nghiệp nhỏ hay vấp ở đâu nhất

• Báo giá và ước tính. Một mô hình được hỏi về "giá thông thường" sẽ bịa ra giá thông thường. Hãy dùng bảng giá của chính bạn hoặc một nguồn có giá.
• Từ ngữ pháp lý và thuế. Ngưỡng, ngày và mức phạt thay đổi mỗi tháng Tư; bộ nhớ của mô hình có thể đã cũ hai năm. Hãy kiểm tra GOV.UK.
• Chi tiết nhà cung cấp và sản phẩm. Số hiệu mẫu, khả năng tương thích và thông số kỹ thuật chính là loại văn bản dày đặc, khó đoán, dễ bị bịa.
• Đánh giá và lời chứng thực. Đừng bao giờ để mô hình viết đánh giá hay lời của khách hàng. Ngoài việc là bịa, đánh giá giả còn bất hợp pháp ở Vương quốc Anh theo Digital Markets, Competition and Consumers Act 2024.
• Dịch các con số. Khi mô hình dịch một tài liệu, các con số có thể bị lệch. Hãy đối chiếu mọi con số trong bản dịch với bản gốc.

Tác nhân AI thay đổi vấn đề thế nào

Một chatbot đưa câu trả lời và để việc kiểm tra cho bạn. Một tác nhân có thể làm một phần việc kiểm tra như một phần của công việc, đó là lý do cơ chế quan trọng khi bạn chọn.

• Nó cho thấy nguồn. Một tác nhân duyệt web trả về các trang đã đọc, nên kiểm tra 1 trở thành một cú bấm chuột thay vì một lần tìm kiếm. Jobbit Research gắn nguồn vào mọi phát hiện trong báo cáo nó viết.
• Nó chạy trong một trình duyệt bạn có thể theo dõi. Khi tác nhân mở một trang, bạn thấy trang đó. Một con số trong báo cáo có thể truy về màn hình nó xuất phát.
• Nó làm việc từ tài liệu của bạn. Đính kèm hợp đồng hoặc bảng tính trong một dự án Jobbit và tác nhân trả lời từ tệp, kèm dòng được trích, tức là kiểm tra 4 được làm mặc định.
• Nó tính toán trong bảng tính, không phải trong văn xuôi. Yêu cầu một dự báo dòng tiền và tác nhân dựng bảng và cho thấy công thức; phép tính có thể tái lập.
• Nó hỏi trước khi chi tiền hay gửi đi. Một tác nhân dừng lại chờ phê duyệt trước khi email được gửi tạo cho kiểm tra 7 một điểm dừng có sẵn.
• Có thể bảo nó từ chối trả lời. Chỉ dẫn dự án như "hãy nói khi bạn không chắc và liệt kê những gì cần xác minh" áp dụng cho mọi cuộc trò chuyện, nên kiểm tra 5 chỉ cần đặt một lần.

ChatGPT, Claude, Gemini, Microsoft Copilot, Manus và Muse của Meta đều soạn thảo tốt, và nhiều công cụ nay đã duyệt web và trích nguồn. Thứ không công cụ nào loại bỏ được là bước kiểm tra cuối cùng của một con người, và Jobbit cũng không. Điều Jobbit bổ sung là một mạng lưới con người: khi công việc là hợp đồng thuê, tờ khai thuế hay yêu cầu bồi thường y tế, tác nhân có thể giao việc kiểm tra cho một chuyên gia đã được xác minh ngay trong cùng đơn hàng, thay vì cho bạn lúc mười một giờ đêm.

Kế hoạch của bạn cho tuần này

• Thứ Hai: viết ra một quy tắc. "Bất cứ thứ gì gửi cho khách hàng, HMRC, ngân hàng hay tòa án đều là bản nháp cho đến khi một người có tên đã kiểm tra các dữ kiện." Đưa nó vào chính sách AI và chỉ dẫn dự án của bạn.
• Thứ Ba: thêm dòng cho phép từ chối. Đưa "nếu bạn không chắc, hãy nói rõ và cho tôi biết cần kiểm tra gì" vào chỉ dẫn thường trực của mọi công cụ bạn dùng.
• Thứ Tư: chạy kiểm tra 1 trên kết quả tuần trước. Lấy ba tài liệu do AI viết gần nhất mà bạn đã dùng và mở mọi tài liệu tham khảo. Đếm số cái không đạt.
• Thứ Năm: chuyển một công việc sang chế độ có nguồn. Chọn tác vụ mà lỗi tốn kém nhất, đính kèm tài liệu thật và yêu cầu trích dòng.
• Thứ Sáu: quyết định thứ gì không bao giờ được gửi đi khi chưa kiểm tra. Lập danh sách (giá, từ ngữ pháp lý, tuyên bố về sức khỏe, lời của khách hàng) và chia sẻ cho bất kỳ ai dùng AI trong doanh nghiệp của bạn.

Đọc tiếp

• AI có an toàn để dùng không? Hướng dẫn dễ hiểu về dữ liệu, tiền bạc và các chiêu lừa đảo cần đề phòng
• 12 sai lầm người mới hay mắc với tác nhân AI, và cách sửa nhanh cho từng cái
• Tác nhân AI hoạt động thế nào? Vòng lặp 5 bước đằng sau mọi tác vụ, giải thích đơn giản

Câu hỏi thường gặp

Vì sao AI bịa chuyện?

Vì mô hình ngôn ngữ tạo ra những từ tiếp theo có xác suất cao nhất thay vì kiểm tra dữ kiện, và vì các bài kiểm tra dùng để huấn luyện và xếp hạng mô hình thưởng cho lời đoán tự tin hơn là thừa nhận sự không chắc chắn. Chính các nhà nghiên cứu của OpenAI đã mô tả kết quả vào năm 2025 là "overconfident, plausible falsehoods". Sự trôi chảy và độ chính xác được tạo ra bởi cùng một quá trình, vì thế một câu trả lời sai đọc lên giống hệt một câu trả lời đúng.

Ảo giác AI là gì?

Một câu trả lời trôi chảy và hợp lý nhưng sai: một vụ án bịa, một số liệu thống kê mà không khảo sát nào đưa ra, một câu trích dẫn không ai nói, một sản phẩm không tồn tại. Đó không phải trục trặc; đó là hành vi bình thường của một mô hình được hỏi về điều nó không biết.

ChatGPT bịa chuyện thường xuyên đến mức nào?

Tùy tác vụ. Trên một bài kiểm tra có nguồn công khai đọc vào tháng 10 năm 2026, các mô hình phổ biến bịa nội dung trong khoảng 4% đến 15% số bản tóm tắt tài liệu dù có nguồn kèm theo; các nghiên cứu về trích dẫn trong phẫu thuật và luật cho thấy tỷ lệ bịa từ 17% đến 34% ở những mô hình kém nhất. Giả định an toàn là "đủ thường xuyên để kiểm tra mọi tên, số, ngày và trích dẫn".

Có thể ngăn hoàn toàn ảo giác AI không?

Không. Cung cấp tài liệu nguồn, yêu cầu trích dẫn, cho phép nói "tôi không biết" và dùng tác nhân cho thấy nguồn đều làm giảm tỷ lệ, và tài liệu của chính Anthropic nói các biện pháp này "don't eliminate them entirely". Bước kiểm tra cuối cùng với bất cứ điều gì quan trọng là một con người.

Đã có ai bị phạt vì ảo giác AI chưa?

Có. Một tòa án ở New York phạt 5,000 đô la Mỹ vào năm 2023 vì các vụ án giả trong một bản trình bày; High Court ở London cảnh báo vào tháng 6 năm 2025 rằng trích dẫn bịa có thể dẫn đến thủ tục coi thường tòa án và chuyển hồ sơ cho cảnh sát; và Deloitte Australia đã hoàn trả đợt thanh toán cuối của hợp đồng chính phủ trị giá 440,000 đô la Úc vào tháng 10 năm 2025 sau khi báo cáo của họ bị phát hiện chứa các tài liệu tham khảo bịa.

Tác nhân AI có đáng tin hơn chatbot không?

Một tác nhân duyệt web, trích nguồn và làm việc từ tài liệu của bạn giúp các bước kiểm tra nhanh hơn và dễ truy lỗi hơn, nhưng vẫn cần một người ký duyệt mọi thứ liên quan đến tiền bạc, pháp lý hay sức khỏe. Tác nhân của Jobbit cho thấy trình duyệt và nguồn của nó khi làm việc, và có thể chuyển bước kiểm tra cuối cho một chuyên gia đã được xác minh khi công việc cần.