Một báo cáo không chỉ là vài con số được đưa vào một bảng. Người làm báo cáo thường phải kiểm tra cấu trúc dữ liệu, phát hiện ô trống hoặc bất thường, tính toán, tổng hợp theo nhóm, tạo bảng hoặc biểu đồ rồi mới viết phần nhận xét.
Đây là một chuỗi công việc có nhiều bước và khá phù hợp để thử nghiệm AI hỗ trợ.
Thay vì yêu cầu AI ngay lập tức “hãy viết báo cáo từ file này”, có thể chia workflow thành từng chặng:
đọc dữ liệu → kiểm tra cấu trúc → phát hiện vấn đề → phân tích → trình bày → dự thảo nhận xét → con người kiểm tra.
Trong giai đoạn thử nghiệm, nên sử dụng dữ liệu giả lập hoặc dữ liệu đã được phép sử dụng. Đặc biệt, cần đặt nguyên tắc rõ ràng: AI không được tự điền giá trị còn thiếu, không được tự sửa dữ liệu gốc và phải đánh dấu những điểm chưa đủ căn cứ.
Bài này có thể bắt đầu ngay bằng ChatGPT hoặc Claude với một file dữ liệu giả lập.
Bước 1 - Chuẩn bị dữ liệu
Tạo một file Excel/CSV gồm:
mã đơn vị;
kỳ báo cáo;
chỉ tiêu;
giá trị;
đơn vị tính.
Cố tình tạo:
một ô trống;
một dòng bất thường;
một đơn vị tính khác;
một dòng có kỳ báo cáo khác.
Không sử dụng dữ liệu công vụ nhạy cảm cho bài thực hành đầu tiên.
Bước 2 - Đưa file vào AI
Trên ChatGPT:
Mở ChatGPT.
Tạo cuộc trò chuyện hoặc Work nếu tài khoản có.
Chọn Add files / tải tệp lên.
Chọn file dữ liệu.
Nhập yêu cầu.
ChatGPT Work cho phép bắt đầu một công việc bằng cách chọn Work, tạo chat/project, thêm file và mô tả deliverable cần hoàn thành.
Prompt mẫu
“Phân tích file dữ liệu đính kèm.
Bước 1: kiểm tra cấu trúc và xác định trường thiếu.
Bước 2: đánh dấu dữ liệu bất thường hoặc mâu thuẫn.
Bước 3: lập bảng tổng hợp.
Bước 4: nếu dữ liệu phù hợp, tạo biểu đồ.
Bước 5: viết bản nháp nhận xét.
Không tự điền dữ liệu thiếu.
Không tự thay đổi dữ liệu gốc.
Không suy đoán đơn vị tính.
Không chuyển đổi kỳ báo cáo nếu chưa có hướng dẫn.Với mỗi vấn đề, ghi rõ dòng/cột liên quan.”
Sau khi Agent hoàn thành
Không hỏi ngay:
“Báo cáo có đúng không?”
Hãy hỏi từng phần:
“Liệt kê toàn bộ dữ liệu bạn đã đánh dấu là thiếu.”
Sau đó:
“Liệt kê toàn bộ dữ liệu bạn đã đánh dấu là bất thường và giải thích dựa trên trường dữ liệu nào.”
Cuối cùng:
“Những nhận xét nào trong báo cáo không thể chứng minh trực tiếp từ dữ liệu?”
Đây là cách biến việc kiểm tra thành một phần của workflow.
Kết
Điểm quan trọng nhất của bài toán này không phải là AI có thể tạo ra một bảng đẹp hay một đoạn nhận xét nhanh đến đâu. Điều quan trọng là AI có giữ nguyên dữ liệu và giúp người làm báo cáo nhìn ra vấn đề mà không tạo thêm sai lệch hay không.
Vì vậy, hãy kiểm tra cả quá trình chứ không chỉ nhìn vào báo cáo cuối cùng: dữ liệu đầu vào có được đọc đúng không, phép tính có đúng không, các nhóm có bị trộn lẫn không, và nhận xét có thực sự dựa trên dữ liệu hay đang đi xa hơn những gì dữ liệu cho phép nói.
Một workflow tốt cần bảo đảm nguyên tắc: dữ liệu gốc là căn cứ; AI hỗ trợ phân tích và trình bày; con người kiểm tra và chịu trách nhiệm về nội dung báo cáo trước khi sử dụng.
Xem thêm 8 ứng dụng AI Agent cho công vụ tại đây:
Cùng chia sẻ và cập nhật AI
Bạn có góc nhìn, kinh nghiệm hoặc tình huống thực tế nào khi ứng dụng AI trong công việc? Hãy để lại bình luận — mỗi chia sẻ có thể mở ra thêm một cách làm hữu ích cho cộng đồng.
📩 Muốn nhận thêm những hướng dẫn và ứng dụng AI thiết thực trong công việc? Hãy điền email để theo dõi kênh và nhận các nội dung mới trực tiếp qua email.
Cùng học, cùng thử và cùng làm việc hiệu quả hơn với AI.