Mở đầu — vì sao bài này quan trọng
Nếu bạn từng làm sản phẩm phần mềm truyền thống, quy trình user research (nghiên cứu người dùng) đã khá quen thuộc: phỏng vấn để hiểu nỗi đau, làm usability test để xem người dùng có bấm đúng nút không, đo lường xem tính năng có được dùng không. Nhưng khi bạn bắt đầu làm sản phẩm AI, những phương pháp cũ đó vẫn cần — chỉ là chúng không còn đủ. AI mang vào ba biến số mới mà sản phẩm truyền thống gần như không có: người dùng không biết AI làm được gì, kết quả của AI không xác định (non-deterministic), và niềm tin trở thành yếu tố sống còn quyết định người ta có dám dùng hay không.
Đây chính là lý do một bài riêng về user research cho sản phẩm AI là cần thiết. Rất nhiều đội ngũ Việt Nam hiện nay lao vào tích hợp GPT hay Claude vào sản phẩm, làm demo đẹp, nhưng khi ra thị trường thì người dùng hoặc không hiểu cách dùng, hoặc dùng vài lần rồi bỏ vì "nó nói sai một lần là mất tin". Gốc rễ của những thất bại đó thường không nằm ở mô hình AI, mà nằm ở việc đội ngũ đã nghiên cứu người dùng theo cách của sản phẩm cũ. Bài này sẽ chỉ cho bạn cái gì thực sự khác, và làm sao nghiên cứu đúng.
Khái niệm cốt lõi
Vì sao sản phẩm AI cần cách nghiên cứu khác
Sản phẩm truyền thống có một hợp đồng ngầm với người dùng: bấm nút A thì luôn ra kết quả A. Người dùng học một lần rồi tin tưởng mãi mãi. Sản phẩm AI phá vỡ hợp đồng đó. Cùng một câu hỏi, AI có thể trả lời khác nhau ở hai lần; đôi khi xuất sắc, đôi khi sai bét (hallucination — bịa ra thông tin nghe hợp lý nhưng sai). Vì vậy, nghiên cứu người dùng cho AI không chỉ hỏi "bạn có hiểu giao diện không" mà phải trả lời được ba câu hỏi mới.
Vấn đề mới số 1: Người dùng không biết AI làm được gì
Với một cái nút "Xuất file PDF", người dùng nhìn là hiểu. Nhưng với một ô chat trống ghi "Hỏi tôi bất cứ điều gì", đa số người dùng bị tê liệt — họ không biết ranh giới năng lực của AI nằm ở đâu. Đây gọi là vấn đề gulf of envisioning: khoảng cách giữa những gì AI thực sự làm được và những gì người dùng tưởng tượng nó làm được.
Hậu quả có hai chiều. Một nhóm người dùng đánh giá thấp AI, chỉ dùng nó như công cụ tìm kiếm đơn giản, bỏ phí 80% giá trị. Nhóm còn lại đánh giá quá cao, giao cho AI những việc nó không kham nổi rồi thất vọng. Nhiệm vụ của research là phát hiện mental model (mô hình tư duy) sai lệch này trước khi nó giết chết sản phẩm.
Vấn đề mới số 2: Niềm tin là vấn đề lớn hơn nhiều
Trong sản phẩm truyền thống, một lỗi nhỏ thường được tha thứ. Trong sản phẩm AI, niềm tin mong manh một cách kỳ lạ và bất đối xứng: người dùng có thể cần AI đúng mười lần mới bắt đầu tin, nhưng chỉ cần sai một lần đáng nhớ là mất tin ngay. Điều này đặc biệt đúng ở các lĩnh vực rủi ro cao như y tế, tài chính, pháp lý.
Research phải đo được không chỉ "kết quả có đúng không" mà còn "người dùng có tin kết quả đủ để hành động dựa trên nó không". Hai thứ này rất khác nhau. Một trợ lý AI có thể trả lời đúng 95% nhưng nếu người dùng vẫn phải kiểm tra lại từng câu vì không tin, thì giá trị thực bằng không — họ tốn công gấp đôi.
Vấn đề mới số 3: Kỳ vọng thay đổi liên tục và khó đo
Vì AI không xác định, trải nghiệm của mỗi người dùng mỗi lần một khác. Hai người dùng cùng khen "AI này thông minh" nhưng lý do hoàn toàn khác nhau — một người thích nó viết email nhanh, người kia thích nó tóm tắt tài liệu. Các chỉ số tổng hợp kiểu "độ hài lòng trung bình" trở nên gây hiểu lầm. Bạn cần nghiên cứu theo từng loại tác vụ (task-level), không phải theo sản phẩm tổng thể.
Ba khái niệm bổ trợ bạn cần nắm
Trust calibration (hiệu chỉnh niềm tin): mục tiêu không phải làm người dùng tin AI tối đa, mà làm họ tin đúng mức — tin khi AI đúng, nghi ngờ khi AI có khả năng sai. Under-trust và over-trust đều nguy hiểm.
Acceptable failure (thất bại chấp nhận được): với AI, bạn không thể loại bỏ hết lỗi. Research phải tìm ra loại lỗi nào người dùng tha thứ được và loại nào không thể chấp nhận. Một chatbot gợi ý sai món ăn thì vô hại; gợi ý sai liều thuốc thì thảm họa.
Prompt behavior (hành vi ra lệnh): người dùng "nói chuyện" với AI như thế nào là dữ liệu nghiên cứu cực kỳ quý. Cách họ đặt câu hỏi, khi nào họ bỏ cuộc, khi nào họ diễn đạt lại — tất cả cho bạn biết mental model của họ.
Tình huống thực tế
Ví dụ 1: Chatbot chăm sóc khách hàng của một ngân hàng số Việt Nam
Một ngân hàng số tại TP.HCM (gọi là NganHang X) ra mắt trợ lý AI trả lời câu hỏi tài chính trong app. Đội sản phẩm tự tin vì mô hình trả lời đúng 92% trong test nội bộ. Nhưng sau một tháng, tỷ lệ dùng lại chỉ 11%. Họ tưởng lỗi ở chất lượng AI, định thuê thêm dữ liệu để fine-tune.
Khi làm research đúng cách — ngồi xem 15 người dùng thật tương tác qua màn hình chia sẻ — họ phát hiện vấn đề thật khác hẳn. Người dùng không biết được AI được phép làm gì: có người hỏi "chuyển giúp tôi 2 triệu cho mẹ" (AI không có quyền thực hiện giao dịch), rồi kết luận "app này dở". Có người hỏi lãi suất, AI trả lời đúng, nhưng vì không kèm nguồn nên người dùng không tin và gọi lên tổng đài kiểm tra lại. Bài học: vấn đề không phải độ chính xác, mà là gulf of envisioning (người dùng không biết ranh giới năng lực) cộng với thiếu tín hiệu tin cậy (không có nguồn dẫn). Giải pháp không phải fine-tune mà là thiết kế lại gợi ý câu hỏi mẫu và hiển thị nguồn — chi phí gần bằng không.
Ví dụ 2: Copilot viết nội dung cho một startup e-commerce Đông Nam Á
Một startup thương mại điện tử phục vụ người bán ở Việt Nam, Indonesia, Philippines làm tính năng AI viết mô tả sản phẩm. Bản đầu tiên cho người bán một ô nhập trống. Research định tính cho thấy người bán Indonesia dùng rất tốt, nhưng người bán Việt Nam bỏ cuộc nhiều. Nếu chỉ nhìn số liệu tổng, đội ngũ sẽ tưởng "sản phẩm ổn, chỉ vài người không thích".
Đào sâu bằng phỏng vấn theo tác vụ, họ phát hiện người bán Việt viết prompt rất ngắn ("viết mô tả áo thun") rồi nhận kết quả chung chung, thất vọng. Người bán Indonesia trong nhóm test lại vô tình viết prompt dài hơn nên ra kết quả tốt hơn. Vấn đề nằm ở prompt behavior khác nhau giữa các nhóm, không phải mô hình. Đội ngũ thêm bước hỏi ngược ("Áo thun này chất liệu gì, cho ai mặc?") để dẫn dắt người dùng cung cấp thông tin. Tỷ lệ hoàn thành của nhóm Việt tăng từ 34% lên 71%. Bài học: research theo từng nhóm và từng tác vụ phát hiện điều mà chỉ số trung bình che giấu.
Ví dụ 3: Trợ lý AI pháp lý và bài học về niềm tin bất đối xứng
Một công ty legaltech (giả định tên LuatAI) làm trợ lý tra cứu quy định pháp luật cho doanh nghiệp SME. Trong beta, luật sư dùng thử khen AI "tóm tắt nhanh, tiết kiệm thời gian". Nhưng đội ngũ vẫn quyết định làm một nghiên cứu về niềm tin trước khi ra mắt rộng. Họ hỏi một câu quan trọng: "Sau khi AI trả lời, anh chị có dám gửi thẳng cho khách hàng không?" Câu trả lời gần như đồng loạt là "Không, tôi vẫn phải tự đọc lại toàn bộ".
Đây là tín hiệu của under-trust khiến giá trị thực bị bào mòn. Đào sâu, họ thấy một lần AI trích sai số điều luật đã khiến người dùng mất niềm tin vào mọi câu trả lời sau đó — đúng đặc tính bất đối xứng của niềm tin. Giải pháp: thay vì cố làm AI "đúng 100%" (bất khả thi), họ thiết kế lại để mỗi khẳng định đều có trích dẫn điều luật gốc bấm vào xem được, và AI chủ động nói "tôi không chắc" khi độ tin cậy thấp. Đây là trust calibration — giúp người dùng tin đúng chỗ. Sau thay đổi, tỷ lệ luật sư "dám dùng kết quả trực tiếp" tăng đáng kể. Bài học: đo niềm tin và khả năng hành động, đừng chỉ đo độ hài lòng.
Hướng dẫn từng bước
Bước 1 — Xác định mental model hiện tại của người dùng. Trước khi cho họ chạm vào sản phẩm, hỏi: "Bạn nghĩ một AI như thế này làm được gì và không làm được gì?". Ghi lại kỳ vọng của họ. Khoảng cách giữa kỳ vọng này và năng lực thật chính là gulf of envisioning bạn phải xử lý bằng thiết kế.
Bước 2 — Quan sát prompt behavior thật, đừng chỉ nghe kể. Cho người dùng thao tác thật trong khi nghĩ thành tiếng (think-aloud). Chú ý: họ gõ gì lần đầu, phản ứng ra sao khi kết quả không như ý, họ diễn đạt lại hay bỏ cuộc. Đây là mỏ vàng dữ liệu mà khảo sát không bao giờ lấy được.
Bước 3 — Đo niềm tin tách biệt với độ chính xác. Với mỗi kết quả AI, hỏi hai câu riêng: "Câu trả lời này đúng không?" và "Bạn có dám hành động dựa trên nó mà không kiểm tra lại không?". Chênh lệch giữa hai câu này cho bạn biết vấn đề nằm ở chất lượng hay ở trust calibration.
Bước 4 — Phân loại thất bại theo mức độ chấp nhận. Chủ động đưa cho người dùng vài kết quả AI sai (có thể dàn dựng), xem phản ứng. Lỗi nào họ cười xòa, lỗi nào làm họ muốn bỏ sản phẩm? Bản đồ này định hướng bạn nên đầu tư guardrail vào đâu.
Bước 5 — Nghiên cứu theo tác vụ, không theo sản phẩm. Chia nhỏ theo từng loại việc người dùng nhờ AI. Với mỗi tác vụ, đo riêng độ hài lòng, niềm tin, tỷ lệ hoàn thành. Đừng gộp thành một con số duy nhất.
Bước 6 — Lặp lại liên tục sau khi ra mắt. Vì mô hình AI và hành vi người dùng đều thay đổi, research không phải làm một lần. Kết hợp phỏng vấn định kỳ với việc đọc log hội thoại thật (đã ẩn danh) để phát hiện mental model mới nảy sinh.
Lỗi thường gặp & mẹo
Lỗi 1 — Chỉ đo độ chính xác của mô hình, quên đo niềm tin. Rất nhiều đội ngũ kỹ thuật khoe "accuracy 95%" nhưng sản phẩm vẫn chết vì người dùng không tin. Mẹo: luôn có ít nhất một chỉ số về niềm tin và khả năng hành động trong bộ đo.
Lỗi 2 — Cho ô chat trống rồi mong người dùng tự biết dùng. Ô trống là kẻ thù của khám phá năng lực. Mẹo: luôn có gợi ý câu hỏi mẫu, ví dụ, hoặc onboarding ngắn để thu hẹp gulf of envisioning.
Lỗi 3 — Tin vào lời người dùng nói thay vì hành vi thật. Người dùng thường nói "tôi thích" nhưng hành vi lại là bỏ cuộc. Mẹo: ưu tiên quan sát think-aloud và log thật hơn là khảo sát tự khai báo.
Lỗi 4 — Gộp mọi tác vụ vào một chỉ số trung bình. Con số trung bình che giấu việc AI xuất sắc ở việc A nhưng thảm họa ở việc B. Mẹo: luôn tách nghiên cứu theo tác vụ và theo phân khúc người dùng.
Lỗi 5 — Cố loại bỏ mọi lỗi thay vì thiết kế cho lỗi. AI sẽ sai; điều bạn kiểm soát được là cách sản phẩm hành xử khi sai. Mẹo: nghiên cứu để tìm loại lỗi chấp nhận được và thiết kế cơ chế "AI thừa nhận không chắc" thay vì giả vờ luôn đúng.
Mẹo bổ sung — Tuyển đúng người test. Với sản phẩm AI, người quá rành công nghệ sẽ viết prompt giỏi bất thường, che giấu vấn đề của người dùng phổ thông. Hãy test với cả người ít kinh nghiệm, đặc biệt trong bối cảnh Việt Nam nơi độ quen thuộc với AI còn phân hóa mạnh.
Bài tập thực hành
- Bản đồ kỳ vọng. Chọn một sản phẩm AI bất kỳ (ví dụ một chatbot ngân hàng bạn dùng). Trước khi mở, viết ra 5 việc bạn nghĩ nó làm được. Sau đó thử thật và đối chiếu. Bạn vừa tự trải nghiệm gulf of envisioning.
- Phỏng vấn niềm tin. Tìm 3 người quen đang dùng một công cụ AI. Với mỗi người, hỏi tách biệt hai câu: kết quả có đúng không, và họ có dám hành động dựa trên nó không. Ghi lại chênh lệch và phân tích nguyên nhân.
- Quan sát prompt behavior. Mời một người ít dùng AI thao tác một tác vụ thật trong khi nghĩ thành tiếng. Ghi chú họ gõ gì lần đầu, phản ứng khi sai, khi nào bỏ cuộc. Rút ra một cải tiến thiết kế cụ thể từ quan sát đó.
- Bản đồ thất bại. Với một sản phẩm AI giả định trong lĩnh vực bạn quan tâm, liệt kê 5 loại lỗi AI có thể mắc, xếp từ "người dùng cười xòa" đến "người dùng bỏ sản phẩm". Đề xuất guardrail cho hai lỗi nghiêm trọng nhất.
Tóm tắt
User research cho sản phẩm AI không thay thế phương pháp truyền thống, mà mở rộng nó để xử lý ba biến số mới: người dùng không biết AI làm được gì (gulf of envisioning), niềm tin trở thành yếu tố sống còn và mong manh bất đối xứng, và kỳ vọng thay đổi liên tục vì AI không xác định. Đội ngũ giỏi sẽ đo niềm tin và khả năng hành động tách biệt với độ chính xác, quan sát prompt behavior thật thay vì tin lời tự khai báo, phân loại thất bại theo mức độ chấp nhận, và nghiên cứu theo từng tác vụ thay vì gộp thành một chỉ số. Ba tình huống — ngân hàng số, copilot e-commerce, và legaltech — đều cho thấy cùng một chân lý: rất nhiều vấn đề tưởng là "AI dở" thực chất là vấn đề nghiên cứu người dùng chưa đúng cách, và có thể sửa bằng thiết kế trải nghiệm với chi phí gần bằng không. Hiểu điều này là lợi thế lớn khi bạn xây sản phẩm AI trong bối cảnh Việt Nam, nơi độ quen thuộc với AI của người dùng còn đang hình thành.