Đây là lỗi được nhắc nhiều nhất khi nói về AI trong nghề luật, và cũng là lỗi bị hiểu sai nhiều nhất. Mô hình ngôn ngữ không "tra nhầm" — nó không tra gì cả. Nó sinh ra chuỗi từ có xác suất cao dựa trên những gì đã học. Một số hiệu văn bản trông đúng khuôn — "Nghị định 15/2022/NĐ-CP" — có xác suất cao vì hàng nghìn văn bản thật có dạng đó, bất kể văn bản cụ thể ấy có tồn tại hay không.
Hiểu đúng cơ chế dẫn tới kết luận quan trọng: đây không phải lỗi sẽ được sửa bằng cách nhắc model cẩn thận hơn. Nhắc "chỉ trả lời khi chắc chắn" làm giảm tần suất, không loại bỏ nguyên nhân.
Bốn dạng bịa, xếp theo độ nguy hiểm
| Dạng | Ví dụ | Vì sao nguy hiểm hay không |
|---|---|---|
| Bịa hoàn toàn | Dẫn một nghị định không tồn tại | Ít nguy hiểm nhất — tra một phát là lộ |
| Bịa số điều trong văn bản có thật | Nói quy định nằm ở Điều 47 trong khi thực ra ở Điều 45 | Nguy hiểm vừa — người kiểm mở đúng văn bản, thấy tên văn bản đúng, dễ bỏ qua việc đối chiếu số điều |
| Dẫn văn bản đã hết hiệu lực | Dẫn Nghị định 01/2021 về đăng ký doanh nghiệp, đã bị Nghị định 168/2025 thay thế | Rất nguy hiểm — nội dung nghe hợp lý vì từng đúng, và số hiệu tra ra được thật |
| Bịa gần đúng | Nói thời hạn là 5 ngày trong khi luật ghi 3 ngày làm việc | Nguy hiểm nhất — sai một con số nhỏ, không có dấu hiệu bất thường nào để người đọc nghi ngờ |
Dạng thứ ba đặc biệt phổ biến với pháp luật Việt Nam vì hệ thống văn bản thay đổi rất nhanh. Dữ liệu huấn luyện luôn có độ trễ, và trong một lĩnh vực mà nghị định bị thay sau mười tám tháng thì độ trễ đó đủ để mọi câu trả lời về thẩm quyền, thời hạn, mức phí đều lạc hậu.
Ba cách chặn
1. Đảo chiều quy trình: đưa văn bản vào, đừng hỏi ra
Đây là biện pháp hiệu quả nhất và cũng đơn giản nhất. Thay vì hỏi "Điều nào quy định về X?", hãy dán toàn văn văn bản đã tự tra được rồi hỏi "Trong văn bản này, quy định về X nằm ở đâu và nội dung thế nào?".
Khác biệt căn bản: ở cách thứ nhất, model phải lấy thông tin từ trí nhớ mờ nhạt; ở cách thứ hai, nó chỉ làm việc đọc hiểu trên tài liệu trước mắt — việc mà nó làm rất tốt. Rủi ro bịa số điều gần như biến mất, vì số điều nằm ngay trong văn bản.
Chi phí của cách này: phải tự tra ra văn bản trước. Nhưng đó vốn là việc phải làm.
2. Bắt tách rõ ba tầng thông tin
Yêu cầu model trình bày câu trả lời theo ba phần tách bạch:
- Trích dẫn nguyên văn từ tài liệu được cung cấp;
- Diễn giải của model;
- Phần model không chắc hoặc không tìm thấy trong tài liệu.
Phần thứ ba là phần có giá trị nhất và cũng là phần hay bị bỏ. Khi buộc phải liệt kê những gì mình không biết, model có xu hướng thu hẹp phạm vi khẳng định thay vì lấp đầy bằng nội dung nghe hợp lý.
3. Danh sách kiểm bắt buộc trước khi dùng bất kỳ căn cứ nào
Bốn câu, áp dụng cho mọi căn cứ pháp lý do AI đưa ra, không ngoại lệ:
- Văn bản này có tồn tại không? Tra số hiệu trên nguồn chính thức.
- Còn hiệu lực không? Kiểm ở cấp văn bản và cấp điều khoản.
- Điều khoản có đúng số không? Mở đúng điều, đọc nguyên văn.
- Nội dung có khớp không? Đọc cả điều, không chỉ đoạn được trích.
Câu thứ tư quan trọng hơn vẻ ngoài của nó. Rất nhiều điều luật có khoản loại trừ hoặc quy định chuyển tiếp nằm ở khoản cuối, và một bản tóm tắt bỏ qua khoản đó vẫn nghe hoàn toàn hợp lý.
Việc AI làm tốt trong khâu tra cứu
Nói AI không dùng được cho tra cứu là quá tay. Nó làm rất tốt những việc sau, với điều kiện tài liệu được cung cấp:
- Định vị nội dung trong một văn bản dài — tìm chỗ nói về vấn đề X trong một nghị định 80 trang;
- So sánh hai bản — chỉ ra văn bản mới sửa gì so với văn bản cũ;
- Chuyển ngôn ngữ pháp lý sang ngôn ngữ khách hàng hiểu được;
- Đặt câu hỏi ngược — liệt kê những khía cạnh cần kiểm mà người hỏi có thể chưa nghĩ tới;
- Dựng khung dàn ý cho một bản ý kiến pháp lý.
Điểm chung của năm việc này: chúng đều là xử lý thông tin có sẵn, không phải truy xuất thông tin từ trí nhớ. Ranh giới đó chính là ranh giới an toàn.
Một nguyên tắc để nhớ
Không bao giờ để một căn cứ pháp lý do AI đưa ra đi thẳng vào văn bản gửi khách hàng hoặc nộp toà. Không phải vì AI luôn sai — mà vì tỷ lệ sai đủ thấp để tạo cảm giác an toàn, và đủ cao để một ngày nào đó gây hậu quả. Rủi ro nghề nghiệp không tính theo tỷ lệ trung bình mà tính theo lần sai tệ nhất.
Hỏi đáp nhanh
Vì sao AI hay dẫn sai số điều luật?
Vì mô hình ngôn ngữ không tra cứu mà sinh ra chuỗi từ có xác suất cao dựa trên dữ liệu đã học. Một số hiệu văn bản đúng khuôn có xác suất cao bất kể văn bản đó có tồn tại hay không. Đây là hệ quả của cách hoạt động, không phải lỗi kỹ thuật ngẫu nhiên sẽ được sửa bằng cách nhắc model cẩn thận hơn.
Dạng sai nào của AI nguy hiểm nhất?
Bịa gần đúng — sai một con số nhỏ như thời hạn 5 ngày thay vì 3 ngày làm việc — và dẫn văn bản đã hết hiệu lực. Cả hai đều không có dấu hiệu bất thường để người đọc nghi ngờ, khác với việc bịa hẳn một văn bản không tồn tại vốn lộ ngay khi tra.
Cách nào giảm rủi ro AI bịa căn cứ hiệu quả nhất?
Đảo chiều quy trình: tự tra ra văn bản trước rồi dán toàn văn vào và hỏi nội dung nằm ở đâu, thay vì hỏi model xem điều nào quy định về vấn đề đó. Khi làm việc trên tài liệu trước mắt, model chỉ thực hiện thao tác đọc hiểu và rủi ro bịa số điều gần như biến mất.
Có nên dùng AI để tra cứu pháp luật không?
Dùng được cho các việc xử lý thông tin có sẵn: định vị nội dung trong văn bản dài, so sánh hai bản, diễn giải sang ngôn ngữ dễ hiểu, dựng dàn ý, đặt câu hỏi ngược. Không nên dùng để truy xuất căn cứ từ trí nhớ của model. Ranh giới giữa hai nhóm việc này chính là ranh giới an toàn.
Kiểm một căn cứ pháp lý do AI đưa ra thế nào?
Bốn bước bắt buộc: văn bản có tồn tại không, còn hiệu lực không ở cả cấp văn bản lẫn cấp điều khoản, số điều có đúng không, và nội dung có khớp không khi đọc cả điều. Bước cuối quan trọng vì nhiều điều luật có khoản loại trừ hoặc quy định chuyển tiếp nằm ở cuối mà bản tóm tắt bỏ qua vẫn nghe hợp lý.
Lưu ý: Bài viết tổng hợp quy định đang có hiệu lực tại thời điểm đăng và chỉ mang tính tham khảo, không thay thế ý kiến pháp lý cho một vụ việc cụ thể. Văn bản pháp luật có thể được sửa đổi; vui lòng đối chiếu bản mới nhất hoặc trao đổi với luật sư trước khi quyết định.