Chat với tài liệu nội bộ: hỏi đáp trên PDF thay vì đọc cả file

Quy chế lương thưởng của một công ty tầm trung dài 68 trang. Câu hỏi của bạn nhân viên chỉ có một dòng: nghỉ ốm ba ngày có cần giấy bệnh viện không?

Cách cũ: mở file, bấm tìm kiếm chữ "nghỉ ốm", ra 23 kết quả, dò từng chỗ, mười phút sau mới chắc mình đọc đúng mục. Cách mới: thả file vào một trợ lý AI, hỏi đúng câu đó bằng tiếng Việt thường, nhận câu trả lời trong vài giây kèm số mục để kiểm tra lại.

Trải nghiệm thứ hai gọi là chat với tài liệu, và nó đang là cách dùng AI có tỉ lệ thành công cao nhất cho người mới: không cần học prompt cầu kỳ, không cần đổi quy trình, chỉ đổi cách đọc file. Bài này nói kỹ nó làm được gì thật, hỏng ở đâu, và tới điểm nào thì một file lẻ không còn đủ.

Chat với tài liệu nghĩa là gì

Nói ngắn gọn: bạn đưa file cho AI, và mọi câu hỏi của bạn được trả lời dựa trên nội dung file đó, thay vì dựa trên kiến thức chung của AI.

Phân biệt này quan trọng hơn nó có vẻ. Khi bạn hỏi ChatGPT "công tác phí đi tỉnh được thanh toán thế nào", nó trả lời theo hiểu biết chung, tức là một câu trả lời nghe hợp lý nhưng không liên quan gì tới quy định của công ty bạn. Khi bạn đưa đúng file quy chế vào rồi hỏi, câu trả lời lấy từ chính văn bản đó. Cùng một ô chat, hai chế độ hoàn toàn khác nhau, và người mới rất hay nhầm giữa hai chế độ này.

Hầu hết trợ lý AI phổ thông hiện nay đều nhận file PDF, DOCX ở nhiều mức khác nhau. Bạn có thể thử ngay hôm nay với bất kỳ công cụ nào mình liệt kê trong bài công cụ AI miễn phí cho doanh nghiệp nhỏ.

Bốn việc nó làm thật sự tốt

Tìm một chi tiết trong file dài. Đây là use case số một. Điều khoản phạt trong hợp đồng, mức khấu hao trong chính sách kế toán, thông số trong catalog. Những câu có đáp án nằm sẵn trong văn bản, AI tìm nhanh và chính xác hơn mắt người dò.

Tóm tắt có chọn lọc theo góc nhìn của bạn. Không phải kiểu tóm tắt chung chung, mà là "tóm tắt hợp đồng này dưới góc nhìn của bên mua: tôi phải làm gì, hạn nào, rủi ro nằm đâu". Cùng một file, giám đốc và kế toán cần hai bản tóm tắt khác nhau, và AI làm được điều đó.

So sánh hai phiên bản. Đưa bản hợp đồng cũ và bản khách vừa gửi lại, hỏi "liệt kê mọi điểm khác nhau giữa hai bản". Việc này người làm bằng mắt vừa lâu vừa dễ sót, nhất là khi khác biệt là một con số nằm giữa đoạn văn dài.

Trả lời từ nhiều file cùng lúc. Thả ba báo cáo quý vào một cuộc hội thoại rồi hỏi xu hướng qua ba quý. Ở mức vài file, các công cụ phổ thông xử lý được; ở mức cả kho thì sang chuyện khác, phần cuối bài sẽ nói.

Cách hỏi để nhận câu trả lời dùng được

Chất lượng câu trả lời phụ thuộc nhiều vào cách bạn ra đề. Ba nguyên tắc bên mình luôn dặn học viên:

Một, khoanh vùng: yêu cầu AI chỉ trả lời dựa trên tài liệu, không dùng kiến thức ngoài. Hai, bắt chỉ chỗ: mọi câu trả lời phải ghi rõ mục hoặc trang. Ba, cho phép nói không: dặn rõ nếu tài liệu không đề cập thì trả lời là không thấy, đừng đoán.

Gộp cả ba vào một prompt mở đầu, dùng được cho mọi phiên làm việc với tài liệu:

Nguyên tắc số ba nghe thừa nhưng là quan trọng nhất: không có nó, AI có xu hướng cố trả lời cho bằng được, và đó là lúc nó bịa. Vì sao AI hay trả lời liều và cách trị tận gốc, mình viết kỹ trong bài cách viết prompt hiệu quả.

Một phiên làm việc trông như thế nào

Để hết mơ hồ, đây là một phiên thật mình làm với bản hợp đồng phân phối 34 trang, sau khi mở đầu bằng prompt ở trên.

Câu hỏi thứ nhất: "Bên B chậm thanh toán thì bị xử lý thế nào?" AI trả lời: lãi chậm trả 0,05 phần trăm mỗi ngày trên số tiền chậm, quá 30 ngày bên A có quyền tạm ngừng giao hàng, dẫn mục 6.3 và 6.4. Mình mở mục 6.3 kiểm: đúng.

Câu hỏi thứ hai: "Hợp đồng có cho phép bên B bán lại cho đại lý cấp dưới không?" AI trả lời: "Tài liệu không đề cập." Đây chính là chỗ prompt phát huy: không có quy tắc "cho phép nói không", nhiều khả năng nó đã suy diễn một câu trả lời nghe rất hợp lý từ kiến thức chung về hợp đồng phân phối.

Câu hỏi thứ ba mình cố tình hỏi mẹo: "Mức phạt vi phạm 12 phần trăm nằm ở mục nào?" trong khi hợp đồng ghi 8 phần trăm. AI đính chính lại con số kèm vị trí, thay vì hùa theo số sai của mình. Không phải công cụ nào cũng qua được câu này, và nó đáng để bạn đưa vào bộ thử của riêng mình.

Một phiên ba câu như vậy mất chưa tới năm phút, thay cho khoảng nửa tiếng đọc dò. Nhân lên số lần bạn phải làm việc kiểu này mỗi tuần là ra giá trị thật.

Bốn giới hạn phải biết trước khi tin

Chỗ này ít bài viết nào nói thẳng, nhưng biết trước sẽ tránh được những cú tin nhầm đắt giá.

File scan và ảnh chụp chất lượng thấp. Tài liệu Việt Nam có rất nhiều bản scan từ giấy, đóng dấu chồng lên chữ, chụp nghiêng bằng điện thoại. AI đọc được chữ in rõ, nhưng với bản mờ nó có thể đọc sai số mà vẫn trả lời tự tin. Số quan trọng lấy từ file scan thì phải mở ảnh gốc kiểm lại.

Bảng biểu phức tạp. Bảng gộp ô, bảng lồng bảng, bảng kéo dài nhiều trang là điểm yếu kinh niên. AI dễ ghép nhầm cột nọ với hàng kia. Bảng giá và bảng thông số nên kiểm bằng mắt trước khi trích cho khách.

Câu hỏi bắt cộng dồn nhiều chỗ. "Điều khoản bảo hành nằm ở mục nào" là câu dễ. "Tổng giá trị các phụ lục ký trong quý 2" là câu khó: AI phải tìm đủ mọi phụ lục, lọc đúng quý, rồi cộng. Sót một chỗ là kết quả sai mà bề ngoài không có dấu hiệu gì. Loại câu này nên bắt AI liệt kê từng khoản trước rồi tự mình cộng.

Trả lời trơn tru không có nghĩa là đúng. Đây là giới hạn bao trùm. Thứ duy nhất biến AI từ "nghe có vẻ đúng" thành "kiểm chứng được" là trích dẫn nguồn, và với ba giới hạn phía trên, thói quen bấm vào nguồn xem lại đoạn gốc là thứ bạn nên giữ vĩnh viễn.

Từ một file lẻ đến cả kho công ty

Mọi thứ phía trên hoạt động tốt khi bạn là một người làm việc với vài file. Đưa mô hình này lên quy mô công ty, ba vấn đề mới xuất hiện.

Thứ nhất, không ai biết phải thả file nào vào. Nhân viên muốn hỏi về chính sách công nợ nhưng không biết nó nằm trong file nào giữa hàng chục nghìn file trên Drive và NAS. Cái khó đã quay về đúng chỗ cũ: tìm file. Vấn đề này mình bóc kỹ trong bài phần mềm quản lý tài liệu bằng AI.

Thứ hai, mỗi người thả file thủ công nghĩa là mỗi người một phiên bản. Người dùng bản quy chế cũ, người dùng bản mới, hai người nhận hai câu trả lời khác nhau cho cùng một câu hỏi mà không ai biết.

Thứ ba, quyền truy cập. File lương thưởng không thể để bất kỳ ai cũng thả vào chat được, nhưng cũng không thể vì thế mà cấm cả công ty dùng.

Đến ngưỡng này thì bài toán đổi tên: từ "chat với một file" thành "hỏi đáp trên cả kho tài liệu", nghĩa là hệ thống phải tự kết nối vào Drive, NAS, SharePoint, Notion, tự biết bản nào là bản hiện hành, trả lời có trích nguồn và tôn trọng phân quyền của từng người. Đây chính là bài toán mà bên MediaX, công ty đứng sau AI 5 Phút, đang giải bằng sản phẩm Doc Copilot. Kinh nghiệm sau các dự án: phần khó nhất không nằm ở AI mà ở việc dọn kho và chốt bản chuẩn, nên dù bạn có triển khai hệ thống nào hay không, việc dọn kho vẫn nên bắt đầu từ bây giờ.

Một lưu ý về dữ liệu nhạy cảm

Chat với tài liệu đồng nghĩa với việc gửi nội dung file lên máy chủ của nhà cung cấp công cụ. Với tài liệu công khai hoặc ít nhạy cảm, không có gì phải nghĩ. Với hợp đồng khách hàng, số liệu tài chính, dữ liệu cá nhân của nhân viên thì phải đọc điều khoản dữ liệu trước, đặc biệt ở các gói miễn phí, nơi dữ liệu của bạn có thể được dùng để huấn luyện.

Nguyên tắc gọn để phổ biến cho cả công ty: file nào bạn không muốn người ngoài đọc được thì không thả vào bản miễn phí của bất kỳ công cụ nào. Nhu cầu xử lý loại file đó chính là một trong những lý do doanh nghiệp chuyển sang hệ thống riêng có kiểm soát dữ liệu.

Còn lại, với đại đa số tài liệu hằng ngày, lời khuyên của mình đơn giản: chọn một file dài mà bạn vẫn phải tra thường xuyên, thả vào trợ lý AI bạn đang dùng cùng prompt ở trên, và dùng thử một tuần. Thói quen đọc tài liệu của bạn sẽ không quay lại như cũ nữa.