Mở đầu — vì sao bài này quan trọng
Hãy tưởng tượng bạn vừa tuyển một trợ lý cực kỳ thông minh, đọc qua gần như toàn bộ tri thức của nhân loại, nhưng người này chưa từng làm việc một ngày nào trong công ty bạn. Bạn giao việc bằng cách nào? Cách đơn giản nhất — và cũng là cách bạn dùng nhiều nhất trong thực tế — là chỉ cần nói rõ bạn muốn gì, rồi để họ tự làm. Không cần đưa mẫu, không cần huấn luyện trước. Đó chính là zero-shot prompting.
Ở Bài 4, bạn đã học prompt là gì và giải phẫu (anatomy) một prompt tốt gồm những thành phần nào. Bài 5 này đi sâu vào kỹ thuật nền tảng nhất, cũng là kỹ thuật bạn sẽ dùng khoảng 70–80% thời gian khi làm việc với AI trong công việc kinh doanh: hỏi mà không kèm ví dụ.
Vì sao đây là bài quan trọng bậc nhất? Bởi vì hầu hết mọi người khi mở ChatGPT hay Gemini lần đầu đều đang làm zero-shot mà không biết. Họ gõ "viết email cho khách hàng" rồi thất vọng vì kết quả nhạt nhẽo. Vấn đề không nằm ở AI — nó nằm ở chỗ họ chưa biết cách khai thác sức mạnh của zero-shot đúng cách. Một prompt zero-shot được viết tốt có thể tiết kiệm cho bạn hàng chục phút mỗi lần, và khi nhân lên hàng trăm lần mỗi tháng, đó là lợi thế cạnh tranh thật sự. Nắm vững nó, bạn sẽ hiểu vì sao đôi khi không cần ví dụ vẫn cho kết quả xuất sắc — và quan trọng hơn, khi nào thì cách này không đủ.
Khái niệm cốt lõi
Zero-shot là gì?
Zero-shot prompting nghĩa là bạn gửi một nhiệm vụ (task) cho mô hình AI mà không cung cấp bất kỳ ví dụ nào về cách làm hay kết quả mong muốn. Từ "shot" ở đây có thể hiểu là "lần thử mẫu" hay "ví dụ mẫu". "Zero-shot" = không mẫu nào. AI phải hoàn thành nhiệm vụ chỉ dựa trên hai thứ:
- Kiến thức có sẵn từ quá trình huấn luyện (training data) — tức là hàng nghìn tỷ từ mà mô hình đã "đọc" trước đó.
- Chỉ dẫn (instruction) của bạn trong prompt hiện tại.
> "Phân loại đánh giá sau đây là TÍCH CỰC hay TIÊU CỰC: 'Giao hàng nhanh, đóng gói cẩn thận, sẽ mua lại.'"
Bạn không hề đưa ra ví dụ nào về một đánh giá tích cực trông ra sao, cũng không dạy AI cách phân loại. Bạn chỉ ra lệnh, và mô hình tự hiểu nhờ đã "thấy" hàng triệu đánh giá tương tự trong quá trình huấn luyện. Đó là zero-shot.
Vì sao zero-shot lại hoạt động được?
Điều khiến nhiều người ngạc nhiên: tại sao AI làm được việc mà nó chưa được "dạy riêng"? Câu trả lời nằm ở quy mô huấn luyện. Các mô hình ngôn ngữ lớn (LLM) như Claude, GPT hay Gemini được huấn luyện trên một khối lượng văn bản khổng lồ — sách, bài báo, mã nguồn, hội thoại, tài liệu doanh nghiệp. Trong quá trình đó, chúng học được các "khuôn mẫu" (patterns) tổng quát: thế nào là một email lịch sự, cấu trúc một bản tóm tắt, cách nhận diện cảm xúc trong câu chữ, quy tắc dịch thuật cơ bản.
Vì thế, khi bạn ra một lệnh quen thuộc với thế giới ("tóm tắt", "dịch", "phân loại", "viết lại cho trang trọng hơn"), mô hình đã có sẵn năng lực đó và chỉ cần được "kích hoạt" bằng chỉ dẫn của bạn. Đây gọi là khả năng tổng quát hóa (generalization) — chìa khóa khiến zero-shot trở nên mạnh mẽ.
Điểm mạnh và giới hạn
Điểm mạnh:
- Nhanh và gọn. Không phải chuẩn bị ví dụ nên prompt ngắn, tiết kiệm token (chi phí) và tiết kiệm thời gian soạn thảo.
- Linh hoạt. Đổi nhiệm vụ chỉ bằng cách đổi câu chỉ dẫn, không phải xây lại bộ ví dụ.
- Đủ tốt cho phần lớn công việc thường ngày như soạn email, tóm tắt cuộc họp, giải thích khái niệm, brainstorm ý tưởng.
- Kém ổn định với định dạng đặc thù. Nếu bạn cần đầu ra theo một khuôn rất riêng của công ty (ví dụ mẫu báo cáo nội bộ có cấu trúc lạ), zero-shot dễ "đoán sai" ý bạn.
- Không giỏi với nhiệm vụ mơ hồ hoặc mang tính chủ quan cao — chẳng hạn phân loại theo tiêu chí riêng mà chỉ nội bộ công ty bạn mới hiểu.
- Dễ bịa (hallucination) khi câu hỏi vượt ngoài kiến thức phổ quát.
Bí quyết: chỉ dẫn rõ ràng thay thế cho ví dụ
Đây là ý tưởng cốt lõi bạn cần khắc ghi: trong zero-shot, chất lượng chỉ dẫn quyết định tất cả. Vì không có ví dụ để AI bắt chước, mọi kỳ vọng của bạn phải được diễn đạt thành lời. Bạn phải nói rõ: vai trò AI đóng, đối tượng đọc, giọng điệu, độ dài, định dạng, và những ràng buộc quan trọng. Một prompt zero-shot tốt giống như một bản mô tả công việc (job brief) chi tiết dành cho nhân viên giỏi nhưng không đọc được suy nghĩ của bạn.
Tình huống thực tế
Tình huống 1 — Chuỗi cà phê The Coffee House phân loại phản hồi khách hàng
Giả sử bộ phận chăm sóc khách hàng của một chuỗi cà phê như The Coffee House nhận được hàng nghìn phản hồi mỗi tuần qua ứng dụng đặt hàng. Trước đây một nhân viên phải đọc thủ công và gắn nhãn từng cái. Họ thử zero-shot với prompt:
> "Hãy phân loại phản hồi khách hàng sau vào một trong ba nhóm: KHEN, CHÊ, hoặc GÓP Ý. Chỉ trả về tên nhóm. Phản hồi: 'Nước ngon nhưng chờ hơi lâu, giá mà app cho đặt trước thì tốt.'"
AI trả về: GÓP Ý. Không cần ví dụ, mô hình đã hiểu ba khái niệm này nhờ kiến thức phổ quát về tiếng Việt và cảm xúc. Với 3.000 phản hồi/tuần, đội ngũ tự động hóa được khâu phân loại sơ bộ, chỉ còn phải xem lại các trường hợp khó.
Bài học rút ra: Với những nhiệm vụ mà khái niệm đã rõ ràng và phổ biến (khen/chê/góp ý), zero-shot không chỉ đủ mà còn rất hiệu quả. Mẹo quan trọng ở đây là câu "Chỉ trả về tên nhóm" — nó giúp đầu ra sạch, dễ đưa vào bảng tính hoặc hệ thống tự động.
Tình huống 2 — Startup fintech soạn email nhắc thanh toán
Một startup fintech ở TP.HCM cần gửi email nhắc khách hàng trễ hạn thanh toán khoản vay tiêu dùng. Nhân viên đầu tiên gõ prompt cụt lủn: "Viết email nhắc trả nợ." Kết quả nhận về khô khan, thậm chí có phần dọa dẫm — không phù hợp thương hiệu thân thiện của họ.
Họ viết lại thành một prompt zero-shot đầy đủ:
> "Bạn là chuyên viên chăm sóc khách hàng của một công ty fintech thân thiện. Viết một email nhắc khách hàng tên Minh về khoản thanh toán 2.500.000đ đã trễ hạn 3 ngày. Giọng điệu: lịch sự, cảm thông, không gây áp lực. Độ dài dưới 120 từ. Có một câu kêu gọi hành động rõ ràng dẫn tới nút 'Thanh toán ngay' trong app. Không dùng từ ngữ mang tính đe dọa."
Lần này kết quả đúng tông, đúng độ dài, dùng được ngay sau khi biên tập nhẹ. Vẫn hoàn toàn là zero-shot — không một ví dụ email mẫu nào được đưa vào.
Bài học rút ra: Sự khác biệt giữa "email tệ" và "email dùng được" không nằm ở việc thêm ví dụ, mà ở việc bổ sung các chỉ dẫn: vai trò, đối tượng, con số cụ thể, giọng điệu, độ dài, ràng buộc. Đây là minh chứng rõ nhất cho nguyên tắc "chỉ dẫn rõ ràng thay thế cho ví dụ".
Tình huống 3 — Phòng nhân sự dịch và tóm tắt CV ứng viên
Một công ty phần mềm gia công (outsourcing) ở Đà Nẵng nhận CV ứng viên bằng cả tiếng Anh lẫn tiếng Việt. Trưởng phòng nhân sự dùng một prompt zero-shot để chuẩn hóa:
> "Tóm tắt CV dưới đây thành 4 gạch đầu dòng bằng tiếng Việt: (1) số năm kinh nghiệm, (2) kỹ năng chính, (3) dự án nổi bật nhất, (4) một điểm cần làm rõ khi phỏng vấn. [dán nội dung CV]"
Mô hình vừa dịch, vừa trích xuất, vừa tóm tắt — cả ba việc cùng lúc, không ví dụ nào. Chị trưởng phòng sàng lọc 40 CV trong buổi sáng thay vì mất cả ngày.
Bài học rút ra: Zero-shot có thể ghép nhiều tác vụ đơn giản trong một lần gọi. Nhưng lưu ý: khi CV có định dạng lạ hoặc yêu cầu đánh giá theo tiêu chí nội bộ đặc thù, chất lượng bắt đầu giảm — đó là dấu hiệu bạn nên chuyển sang few-shot ở Bài 6.
Hướng dẫn từng bước
Đây là quy trình viết một prompt zero-shot chất lượng:
Bước 1 — Xác định rõ nhiệm vụ bằng một động từ hành động. Bắt đầu bằng động từ mệnh lệnh cụ thể: "Tóm tắt", "Phân loại", "Viết lại", "Dịch", "Liệt kê", "So sánh". Tránh động từ mơ hồ như "xử lý" hay "làm giúp".
Bước 2 — Gán vai trò (nếu cần). Thêm một câu định vị: "Bạn là chuyên viên marketing..." Vai trò giúp AI chọn đúng giọng điệu và độ chuyên môn. (Chủ đề này sẽ được đào sâu ở Bài 13.)
Bước 3 — Nêu đối tượng và bối cảnh. Ai sẽ đọc kết quả? Trong hoàn cảnh nào? "Email gửi khách hàng doanh nghiệp lớn" khác hẳn "tin nhắn cho khách lẻ trên Zalo".
Bước 4 — Quy định định dạng đầu ra. Số gạch đầu dòng, bảng, đoạn văn, hay chỉ một từ? Câu như "Chỉ trả về tên nhóm" hoặc "Trình bày thành 3 gạch đầu dòng" cực kỳ hữu ích.
Bước 5 — Đặt ràng buộc. Độ dài ("dưới 100 từ"), giọng điệu ("chuyên nghiệp nhưng gần gũi"), điều cấm ("không dùng thuật ngữ kỹ thuật"). Những ràng buộc này chính là thứ thay thế cho ví dụ.
Bước 6 — Cung cấp dữ liệu đầu vào rõ ràng. Tách phần chỉ dẫn và phần dữ liệu, dùng dấu ngoặc kép hoặc nhãn như "Văn bản cần xử lý:" để AI không nhầm lẫn.
Bước 7 — Chạy, đánh giá, tinh chỉnh. Xem kết quả, xác định phần chưa đạt, và bổ sung đúng chỉ dẫn còn thiếu. Đây là vòng lặp cải tiến bạn sẽ làm liên tục.
Lỗi thường gặp & mẹo
Lỗi 1 — Prompt quá cụt. "Viết email marketing" là lời than phổ biến nhất khi kết quả tệ. Nhớ rằng zero-shot không có ví dụ để dựa vào, nên bạn phải bù bằng chỉ dẫn. Càng cụt càng phải chấp nhận AI tự đoán.
Lỗi 2 — Quên quy định định dạng. Bạn muốn một bảng nhưng nhận về đoạn văn dài. Luôn nói rõ định dạng mong muốn.
Lỗi 3 — Trộn lẫn chỉ dẫn và dữ liệu. Khi dán một đoạn văn bản dài ngay sau câu lệnh mà không phân tách, AI có thể hiểu nhầm một phần dữ liệu là chỉ dẫn. Mẹo: dùng nhãn rõ ràng ("Nhiệm vụ:", "Văn bản:").
Lỗi 4 — Kỳ vọng zero-shot làm được việc cần "gu" riêng. Nếu bạn cần AI viết đúng phong cách thương hiệu độc đáo của mình, chỉ dẫn suông thường không đủ — đó là lúc few-shot tỏa sáng. Đừng cố ép zero-shot làm việc của few-shot.
Mẹo vàng — Nhờ AI hỏi lại. Thêm câu "Nếu chỉ dẫn chưa đủ rõ, hãy đặt câu hỏi trước khi làm." Cách này giúp bạn phát hiện lỗ hổng trong prompt của mình.
Mẹo — Yêu cầu AI tự chấm. Sau khi có kết quả, hỏi "Kết quả này còn điểm nào chưa đạt yêu cầu?" — bạn sẽ ngạc nhiên vì mô hình thường tự chỉ ra được điểm yếu.
Bài tập thực hành
- Phân loại (dễ): Viết một prompt zero-shot phân loại 5 tin nhắn khách hàng của bạn thành "Cần xử lý gấp" / "Bình thường" / "Spam". Yêu cầu AI chỉ trả về nhãn.
- Soạn thảo (trung bình): Lấy một email thật bạn từng viết, tạo prompt zero-shot có đủ 6 thành phần (vai trò, đối tượng, bối cảnh, định dạng, độ dài, giọng điệu) để AI viết lại. So sánh với bản gốc.
- Trích xuất (khá): Chọn một đoạn mô tả sản phẩm bất kỳ, viết prompt zero-shot yêu cầu AI trích ra: tên sản phẩm, 3 tính năng chính, giá (nếu có), đối tượng phù hợp — trình bày thành bảng.
- Thử thách — Tìm điểm gãy: Cố tình chọn một nhiệm vụ mang tính "gu riêng" của công ty bạn và thử zero-shot. Ghi lại chỗ AI làm chưa đạt. Bài 6 (few-shot) sẽ giúp bạn giải quyết đúng vấn đề này.
Tóm tắt
Zero-shot prompting là kỹ thuật ra lệnh cho AI hoàn thành nhiệm vụ mà không cần bất kỳ ví dụ nào, dựa hoàn toàn vào kiến thức huấn luyện sẵn có và chỉ dẫn của bạn. Nó hoạt động vì các LLM đã học được vô số khuôn mẫu tổng quát; bạn chỉ cần "kích hoạt" đúng năng lực bằng một câu lệnh rõ ràng.
Ba điều cần nhớ: (1) Zero-shot là kỹ thuật bạn dùng nhiều nhất, đủ tốt cho phần lớn công việc thường ngày như soạn thảo, tóm tắt, phân loại, dịch thuật. (2) Vì không có ví dụ, chất lượng chỉ dẫn quyết định tất cả — hãy nêu rõ vai trò, đối tượng, định dạng, độ dài và ràng buộc. (3) Khi nhiệm vụ đòi hỏi định dạng đặc thù hoặc phong cách riêng mà chỉ dẫn suông không diễn đạt hết, đó là dấu hiệu chuyển sang few-shot prompting ở bài kế tiếp.
Nắm vững zero-shot, bạn đã có công cụ nền tảng nhất để làm việc hiệu quả với AI trong kinh doanh. Ở Bài 6, chúng ta sẽ khám phá điều gì xảy ra khi bạn thêm vào chỉ vài ví dụ — và vì sao đôi khi chúng tạo ra khác biệt lớn đến bất ngờ.