Lỗ hổng nguy hiểm nhất khi tự học không phải là những gì bạn biết mình chưa biết, mà là những gì bạn không biết là mình chưa biết. Người mới thường không thấy vùng đó vì chưa có khung để nhận ra nó. Cách lộ những vùng này là đối chiếu kiến thức của mình với ba nguồn bên ngoài: cấu trúc của giáo trình, những câu hỏi mà người trong nghề thường gặp, và các tình huống mà bạn không giải được. AI giúp tạo ra nhiều phép thử, nhưng người trong nghề vẫn là phép thử cuối.
Bài này dành cho người đã học một lĩnh vực mới được vài tuần, bắt đầu thấy tự tin, và muốn biết sự tự tin đó có cơ sở không. Đây là giai đoạn dễ mắc sai lầm nhất, vì bạn biết đủ để hành động nhưng chưa đủ để nhận ra mình sai.
Vì sao người mới thường tự tin hơn mức nên có
Năm 1999, Justin Kruger và David Dunning công bố một nghiên cứu cho thấy trong một số bài kiểm tra, những người làm kém nhất có xu hướng đánh giá kết quả của mình cao hơn nhiều so với thực tế. Hiện tượng này sau được gọi là hiệu ứng Dunning–Kruger và lan rộng trên mạng, thường kèm một biểu đồ hình núi không có trong nghiên cứu gốc. Giới nghiên cứu cũng tranh luận về cách diễn giải, trong đó có ý kiến cho rằng một phần kết quả đến từ hiện tượng thống kê. Vì vậy nên hiểu nó như một xu hướng đáng lưu ý, không phải quy luật cứng.
Ý cốt lõi vẫn hữu ích cho người tự học: để đánh giá đúng năng lực trong một lĩnh vực, bạn cần chính kiến thức của lĩnh vực đó. Người mới thiếu phần kiến thức ấy, nên khó thấy mình đang sai ở đâu. Họ thấy những gì đã học, mà không thấy những gì chưa từng nghe tới.
AI có thể làm hiện tượng này nặng thêm. Lời giải thích trôi chảy của chatbot tạo cảm giác lĩnh vực dễ hơn thực tế, và câu trả lời của nó thường bỏ qua những điều kiện, ngoại lệ mà người trong nghề coi là quan trọng nhất. Người học qua AI một thời gian dễ có cảm giác đã nắm vững, trong khi thứ nắm được là phần đơn giản hoá.
Ba vùng kiến thức và cách nhận ra từng vùng
Một cách nhìn hữu ích là chia kiến thức của bạn về lĩnh vực mới thành ba vùng. Mục tiêu không phải xoá hết vùng thứ ba, việc đó không ai làm được, mà là thu hẹp nó ở những chỗ công việc của bạn chạm tới.
| Vùng | Đặc điểm | Cách lộ ra |
|---|---|---|
| Biết là mình biết | Giải thích được, làm được bài tình huống | Giảng lại, làm bài tình huống mức khó để kiểm có thật vững không |
| Biết là mình chưa biết | Đã nghe tên, biết cần học | Có sẵn trong danh sách học; chỉ cần sắp thứ tự |
| Không biết là mình chưa biết | Chưa từng nghe tới, không xuất hiện trong câu hỏi của bạn | Đối chiếu với giáo trình, hỏi người trong nghề, làm tình huống thiếu thông tin |
Vùng thứ ba nguy hiểm vì nó không gây cảm giác thiếu. Bạn không hỏi AI về thứ bạn không biết là tồn tại, nên AI cũng không nói. Các phép thử dưới đây nhằm kéo những thứ trong vùng này ra ánh sáng.
Phép thử với AI để lộ vùng chưa biết
Mỗi câu lệnh dưới đây buộc AI nhìn kiến thức của bạn từ bên ngoài, thay vì trả lời câu bạn hỏi. Dùng trong một cuộc trò chuyện mới để AI không bị dẫn dắt bởi các câu trước.
- So với chương trình đào tạo: “Đây là danh sách những gì mình đã học về [lĩnh vực]. So với nội dung một chương trình đào tạo cơ bản của ngành này, mình còn thiếu những mảng nào? Xếp theo mức quan trọng với người làm [vị trí].”
- Hỏi về sai lầm của người mới: “Người mới vào nghề [X] thường mắc những sai lầm nào gây hậu quả lớn nhất? Với mỗi sai lầm, kiến thức nào giúp tránh nó?” Sau đó tự kiểm xem bạn đã có kiến thức đó chưa.
- Câu hỏi của người phỏng vấn: “Nếu một người làm lâu năm phỏng vấn mình cho vị trí [Y], họ sẽ hỏi mười câu nào để biết mình có thật sự hiểu nghề không?” Trả lời từng câu không tra cứu.
- Phản biện chính lập luận của mình: dán một đoạn bạn viết về cách xử lý một vấn đề trong ngành và hỏi “một chuyên gia khó tính sẽ chỉ ra điểm yếu nào trong lập luận này, giả định nào chưa được nói ra?”
- Tình huống thiếu thông tin: “Ra một tình huống trong [lĩnh vực] mà người mới sẽ quyết định ngay, còn người có kinh nghiệm sẽ hỏi thêm thông tin trước. Chưa đưa đáp án.” Nếu bạn quyết định ngay, đó là tín hiệu.
Câu trả lời của AI ở đây vẫn có thể thiếu hoặc sai, nên mỗi mảng nó chỉ ra là một giả thuyết để kiểm, không phải kết luận. Giá trị của phép thử là nó gợi ra những hướng bạn chưa từng nghĩ tới.
Ba nguồn bên ngoài mà AI không thay được
Mục lục và đề cương chính thức. Đề cương môn học của trường đào tạo ngành đó, mục lục giáo trình, khung năng lực nghề do hiệp hội hay cơ quan quản lý ban hành nếu có. Đây là bản đồ do người trong ngành vẽ, ổn định và kiểm được. Mỗi mục có trong đó mà bạn chưa từng nghe tới là một điểm thuộc vùng thứ ba.
Người làm nghề lâu năm. Câu hỏi hiệu quả nhất không phải “anh chị thấy em hiểu chưa” mà là “điều gì người mới hay không biết mà phải trả giá mới học được”. Câu này mở ra những thứ không nằm trong sách: ngoại lệ hay gặp, rủi ro ngầm, thói quen ngành.
Sai lầm của chính bạn trong việc thật. Khi bắt đầu làm việc thật, mỗi lần bị sửa, bị hỏi lại, hay kết quả khác dự đoán là một dữ liệu quý. Ghi lại ngay và tìm hiểu vì sao. Đây là nguồn chính xác nhất vì nó đúng với công việc của bạn.
Dấu hiệu bạn đang tự tin sai
Có vài dấu hiệu cho thấy cảm giác tự tin đang đi trước hiểu biết. Bạn thấy lĩnh vực “cũng đơn giản” sau vài tuần, trong khi người làm lâu năm vẫn nói họ còn học. Bạn trả lời nhanh mọi câu hỏi tình huống mà hiếm khi nói “cần thêm thông tin”. Bạn thấy chuyên gia hay làm phức tạp vấn đề. Bạn chưa từng bị ai sửa một lỗi quan trọng.
Gặp những dấu hiệu này không có nghĩa bạn học sai; đó là giai đoạn gần như ai cũng qua. Điều cần làm là tăng độ khó của phép thử: làm tình huống có nhiều ràng buộc hơn, đọc một tài liệu chuyên sâu hơn một bậc, hoặc nhờ người trong nghề hỏi vặn. Nếu sự tự tin vẫn đứng vững sau đó, nó có cơ sở. Nếu lung lay, bạn vừa tìm ra vùng cần học.
Với những việc có hậu quả lớn như ký hợp đồng, quyết định tài chính, việc liên quan tới sức khoẻ hay an toàn, hãy coi mình là người mới lâu hơn mức bạn cảm thấy. Dùng kiến thức đã học để hỏi đúng câu với người có chuyên môn, như luật sư, kế toán, bác sĩ, thay vì tự quyết.
Ví dụ giả định: vùng chưa biết lộ ra ở tuần thứ ba
Chị Mai làm nhân sự ở một công ty may tại Bắc Ninh, được giao thêm việc phối hợp công tác an toàn lao động. Sau ba tuần tự học với AI và một giáo trình nhập môn, chị nắm được các khái niệm về nhận diện mối nguy, đánh giá rủi ro, trang bị bảo hộ, và thấy khá tự tin.
Chị thử câu lệnh so với chương trình đào tạo, rồi đối chiếu kết quả với mục lục một tài liệu huấn luyện chính thức. Hai mảng hiện ra mà chị chưa từng hỏi tới: điều tra và ghi nhận sự cố, và yêu cầu huấn luyện định kỳ theo từng nhóm đối tượng. Chị chưa hỏi vì công việc ba tuần qua chưa chạm tới, nhưng cả hai đều là phần mà người làm công tác an toàn gặp thường xuyên.
Chị mang hai mảng đó hỏi một cán bộ an toàn lâu năm ở khu công nghiệp. Anh này nói thêm một điều không có trong tài liệu nào chị đọc: người mới hay ghi sự cố quá muộn và quá sơ sài, tới lúc cần thì không còn ai nhớ chi tiết. Câu đó vào ngay danh sách của chị, kèm việc phải làm: soạn mẫu ghi nhận nhanh.
Phần quy định cụ thể như ai phải huấn luyện, bao lâu một lần, chị không lấy từ AI mà tra văn bản hiện hành và hỏi lại bộ phận pháp chế. Bài học của chị không phải AI sai, mà là AI chỉ trả lời đúng những gì được hỏi, còn những gì không biết để hỏi thì phải nhờ nguồn khác kéo ra.
Lập danh sách những gì chưa biết và dùng nó
Kết quả của các phép thử trên nên được gom vào một danh sách riêng, tạm gọi là danh sách chưa biết. Mỗi dòng ghi: mảng hoặc câu hỏi, nguồn phát hiện ra nó, mức ảnh hưởng tới công việc của bạn, và hướng giải quyết như đọc thêm, hỏi người, hay tạm chấp nhận chưa biết.
Danh sách này có ba công dụng. Một, nó cho bạn thứ tự học tiếp theo có căn cứ, thay vì học theo hứng. Hai, nó là bộ câu hỏi chuẩn bị sẵn khi gặp người trong nghề, giúp buổi gặp ngắn mà được việc. Ba, nó nhắc bạn khiêm tốn đúng chỗ: khi công việc chạm tới một dòng trong danh sách, bạn biết đó là lúc nên hỏi người khác chứ không tự xử lý.
Đừng cố xoá hết danh sách. Người làm nghề giỏi cũng có danh sách chưa biết của họ; khác biệt là danh sách của họ nằm ở những chỗ hiếm gặp, còn của người mới nằm ở những chỗ ngày nào cũng gặp. Mục tiêu của bạn là dời các dòng quan trọng ra khỏi danh sách, theo thứ tự công việc đòi hỏi.
Nếu danh sách có ghi chú về tình huống trong công ty, khách hàng hay số liệu, giữ nó ở chỗ riêng. Khi cần hỏi AI về một dòng, chỉ dán phần câu hỏi đã viết lại thành dạng chung.
Câu hỏi thường gặp
Hiệu ứng Dunning–Kruger có đúng với mọi người không?
Nghiên cứu gốc mô tả một xu hướng trung bình trong một số bài kiểm tra, không phải quy luật cho từng người. Cũng có tranh luận về cách diễn giải dữ liệu. Nên dùng nó như lời nhắc cẩn trọng khi tự đánh giá, không dùng để phán người khác.
Làm sao biết khi nào mình đã đủ hiểu để tự làm?
Khi bạn làm được việc thật trong phạm vi được giao, có người kiểm và hiếm khi phải sửa lỗi quan trọng, và bạn nhận ra được tình huống nào nằm ngoài phạm vi để hỏi người khác. Cảm giác tự tin một mình không phải là thước đo.
AI có tự biết nó không biết gì không?
Không đáng tin. Chatbot đôi khi trả lời “không chắc” trong một số trường hợp, nhưng cũng có thể trả lời rất chắc chắn khi sai. Vì vậy bạn không nên dựa vào mức tự tin trong câu trả lời của AI để đánh giá độ đúng.
Có nên làm bài kiểm tra chứng chỉ để biết mình thiếu gì?
Đề thi chứng chỉ hoặc đề ôn của một chương trình đào tạo chính thức là phép thử tốt, vì do người trong ngành soạn theo khung năng lực. Dù không định thi, làm thử một đề giúp bạn thấy vùng thiếu khá rõ.
Người trong nghề bận, hỏi họ thế nào cho hiệu quả?
Chuẩn bị trước ba đến năm câu cụ thể từ danh sách chưa biết, gửi trước nếu được. Hỏi những điều sách không có, như sai lầm hay gặp, ngoại lệ, thực tế ở Việt Nam. Cảm ơn và báo lại khi lời khuyên giúp được bạn.
Nếu phát hiện lỗ hổng quá lớn thì có nên bỏ cuộc?
Thấy lỗ hổng lớn thường là dấu hiệu bạn vừa tiến bộ, vì giờ bạn đủ hiểu để nhận ra nó. Hãy chia lỗ hổng thành các mảng nhỏ theo mức quan trọng với công việc, rồi xử lý dần. Nếu công việc cần mức sâu mà bạn không có thời gian, hợp tác với người có chuyên môn là lựa chọn hợp lý.