Càng dùng AI nhiều, tôi càng cảm nhận rõ một điều.
Trọng tâm của sự thông minh đang dịch chuyển từ "biết câu trả lời" sang "quyết định được nên hỏi điều gì".
Ngày xưa, người có nhiều kiến thức thường chiếm ưu thế. Người tìm kiếm giỏi, người nhớ nhiều, người đưa ra đáp án đúng nhanh thường dễ được đánh giá cao.
Nhưng bây giờ, chỉ cần hỏi một AI như ChatGPT là kiến thức chung và những câu trả lời được sắp xếp gọn gàng hiện ra ngay. Dĩ nhiên câu trả lời của AI vẫn cần kiểm chứng, nhưng việc "đưa ra một câu trả lời nào đó" đã dễ hơn rất nhiều.
Vậy thì con người còn lại gì?
Theo tôi, đó là năng lực thiết kế câu hỏi.
Thiết kế chương trình nghị sự, nói đơn giản là quyết định "hôm nay mình sẽ chốt chuyện gì"
Từ "agenda" (chương trình nghị sự) thường được dùng trong các cuộc họp.
Chủ đề hôm nay là gì? Sẽ bàn chuyện gì? Đến cuối buổi, phải chốt được điều gì thì mới coi là thành công? Việc xác định những điều đó chính là agenda.
Và đây không chỉ là chuyện của cuộc họp.
Trong công việc, khi đổi việc, khi hỏi AI hay trong những băn khoăn của cuộc sống, cách làm cũng như vậy.
Ví dụ, nếu chỉ hỏi "Tôi có nên đổi việc không?", câu trả lời sẽ rất mỏng.
Nhưng hỏi như thế này thì khác hẳn:
- Nếu ở lại công ty hiện tại, cần cải thiện điều gì thì mới đáng ở lại?
- Nếu chuyển sang bộ phận khác, nên đi lấy thành tích gì ở đó?
- Nếu nghỉ việc, ưu tiên điều nào: lương năm, làm việc từ xa, mức độ bị bào mòn, hay loại công việc?
- Nên hành động ngay bây giờ, hay dành một khoảng thời gian để tích lũy thành tích trước?
Khi đã tách bạch đến mức này, AI không còn là thầy bói nữa mà trở thành công cụ hỗ trợ ra quyết định.
Nói cách khác, dùng AI giỏi không phải là biết những câu lệnh thần kỳ.
Mà là diễn đạt hoàn cảnh, mục tiêu, giới hạn và tiêu chí quyết định của mình thành lời, rồi đưa cho AI ở dạng nó xử lý được.
Trong nghiên cứu và thực tế, "thiết kế câu hỏi" cũng được coi trọng
Đây không chỉ là cảm tính.
Hướng dẫn thiết kế prompt của OpenAI giải thích rằng prompt là việc viết ra "chỉ dẫn hiệu quả" để mô hình cho ra kết quả mình muốn. Tức là kết quả AI trả về phụ thuộc rất nhiều vào chỉ dẫn đầu vào.
Hướng dẫn xác định bài toán cho học máy của Google cũng nhấn mạnh việc trước hết phải xác định "kết quả lý tưởng", "mục tiêu của mô hình", "đầu ra cần thiết" và "chỉ số thành công". Đây là chuyện phát triển AI, nhưng áp dụng nguyên si cho công việc thông thường.
Ngoài ra, trong nghiên cứu về học tập và giải quyết vấn đề có khái niệm "siêu nhận thức" (metacognition). Nói đơn giản, đó là khả năng nhìn vào việc mình đang nghĩ gì từ một tầng cao hơn. Tài liệu giáo dục của MIT mô tả siêu nhận thức là dùng hiểu biết về nhiệm vụ, cách học và bản thân để lập kế hoạch, kiểm tra tiến độ và đánh giá kết quả.
Tức là người giỏi không chỉ biết suy nghĩ.
Họ còn để ý xem:
"Bây giờ mình đang muốn giải quyết chuyện gì?" "Đi theo cách này có đúng hướng không?" "Biết đâu chính câu hỏi đã bị lệch ngay từ đầu?"
Năng lực này sẽ khá quan trọng trong thời AI.
Người thiết kế được câu hỏi dùng AI như một cỗ máy gia công, không phải ô tìm kiếm
Những người dùng AI mà chỉ nhận được câu trả lời hời hợt thường đang dùng AI như một bản thay thế cho Google.
"Có gợi ý nào không?" "Làm sao bây giờ?" "Đáp án đúng là gì?"
Dĩ nhiên hỏi vậy vẫn ra được câu trả lời ở mức nào đó.
Nhưng giá trị thật sự xuất hiện khi bạn đặt bối cảnh vào câu hỏi.
Ví dụ, muốn tập thói quen đọc sách, thay vì hỏi:
"Làm sao để có thói quen đọc sách?"
thì hỏi thế này sẽ tốt hơn nhiều:
"Ngày thường tôi đi làm mệt, tối lại cứ cầm điện thoại. Tôi hay bỏ cuộc sau ba ngày. Để trước hết duy trì được chỉ 10 phút đọc sách, cách sắp xếp môi trường và quy tắc nào sẽ hiệu quả?"
Câu trả lời lập tức trở nên dùng được.
Đây không hẳn là chênh lệch về hiệu năng của AI, mà là chênh lệch ở câu hỏi của mình.
Bạn nói rõ hoàn cảnh, nêu giới hạn, đặt mục tiêu, thậm chí chỉ định cả định dạng đầu ra mong muốn.
Đến lúc này, việc giải quyết vấn đề đã bắt đầu được khoảng một nửa.
Lý do tôi làm được điều này có lẽ phần lớn đến từ trải nghiệm "bị cháy" trong môi trường mơ hồ
Với tôi, vì sao lại thiết kế được câu hỏi?
Có lẽ không chỉ vì tính cách bẩm sinh.
Tôi nghĩ điều lớn là tôi đã từng chịu thiệt trong những môi trường mơ hồ.
Mục đích không rõ. Không biết ai là người quyết định. Không thấy điều kiện hoàn thành. Sau đó bị nói "ý tôi đâu phải vậy". Phạm vi trách nhiệm nhập nhằng. Bị đánh giá bằng bầu không khí và thái độ.
Trong môi trường như vậy, lao ngay vào làm là sẽ bị cháy.
Vì thế, tôi tự nhiên hình thành thói quen xác nhận trước:
- Mục đích là gì?
- Ai là người quyết định?
- Cần xong trước khi nào?
- Tối thiểu phải làm đến đâu?
- Thứ tự ưu tiên ra sao?
- Việc gì không cần làm?
- Điều kiện hoàn thành là gì?
Đây không phải kỹ năng kinh doanh bóng bẩy, mà là chiến lược sinh tồn.
Nếu không xác định rõ các vấn đề cần giải quyết trước khi làm, người bị bào mòn là chính mình. Vì vậy, thiết kế chương trình nghị sự được mài giũa như một chiêu phòng thủ.
Người không bỏ qua được cảm giác "sao thấy sai sai" thì dễ tạo ra câu hỏi
Một điểm lớn nữa là tôi không thể để yên cảm giác khó chịu, lấn cấn.
Không dừng ở "có gì đó kỳ kỳ nhỉ?", mà muốn bóc tách đến:
- cái gì kỳ
- tiền đề nào bị lệch
- trách nhiệm của ai đang bị trộn lẫn
- cần quyết định điều gì thì mới tiến lên được
- đây là vấn đề cảm xúc hay vấn đề cấu trúc
Thói quen này khá mệt.
Nhưng lại rất hợp với AI.
Vì AI càng mạnh khi bạn đưa càng nhiều bối cảnh và điều kiện.
Không chỉ hỏi "Bạn nghĩ sao về chuyện này?", mà còn nói được:
"Với tiền đề này" "Trong giới hạn này" "Nếu mục tiêu là thế này" "Tách các luận điểm ra" "Với cấu hình tối thiểu" "Để dùng cho buổi phỏng vấn" "Theo định dạng Markdown" "Viết thành chỉ dẫn cho Codex"
Người đưa được những yêu cầu như vậy sẽ dùng AI không chỉ như cỗ máy trả lời, mà như cỗ máy gia công tư duy.
Tác dụng phụ của việc tạo được câu hỏi: "quá nhiều câu hỏi"
Tuy nhiên, biết tạo câu hỏi cũng có tác dụng phụ.
Người không tạo được câu hỏi sẽ đứng khựng lại vì không biết nên nghĩ gì.
Ngược lại, người tạo câu hỏi quá giỏi sẽ đứng khựng lại vì câu hỏi tăng lên quá nhiều.
Ví dụ, khi đang nghĩ về một băn khoăn trong công việc, mọi thứ lan ra cùng lúc thành:
- Có nên ở lại công ty hiện tại không?
- Chuyển bộ phận thì nên lấy được gì?
- Nếu đổi việc thì chọn loại công việc nào?
- Sự mệt mỏi bây giờ là tạm thời hay mang tính cấu trúc?
- Ưu tiên lương hay sự tự do?
- Nó liên quan thế nào đến việc tích lũy tài sản sau này?
- Mà rốt cuộc, trong cuộc sống mình muốn giữ gìn điều gì?
Đó là một năng lực.
Nhưng khi đang mệt mà cố xử lý tất cả cùng lúc thì đầu óc sẽ sập nguồn.
Vì vậy, thứ người tạo được câu hỏi cần không phải là hỏi thêm nhiều hơn nữa.
Mà là khả năng buông bỏ "những câu hỏi chưa cần hỏi lúc này".
Điều cần làm tiếp theo là chia câu hỏi thành 4 loại
Người có câu hỏi nảy ra liên tục thì không nên xử lý mọi câu hỏi với cùng một mức nặng nhẹ.
Với tôi, chia thành 4 loại sau giúp sắp xếp dễ hơn hẳn.
1. Câu hỏi cần quyết định ngay bây giờ
Câu hỏi liên quan đến hành động của hôm nay.
Ví dụ: ngày mai nộp cái gì? Tuần này có ứng tuyển không? Hôm nay đi ngủ hay làm việc?
Loại này thì xử lý.
2. Câu hỏi để nghĩ sau
Quan trọng, nhưng không cần kết luận ngay.
Ví dụ: sự nghiệp vài tháng tới, quan điểm về hôn nhân, định hướng lớn về tích lũy tài sản.
Loại này thì ghi vào sổ ghi chú.
3. Câu hỏi nghĩ cũng ít ý nghĩa
Suy nghĩ thật lòng của đối phương, ngã rẽ trong quá khứ, đáp án hoàn hảo, v.v.
Nghĩ thì có thể học được chút ít, nhưng khó dẫn đến hành động ở hiện tại.
Loại này thì đừng mất nhiều thời gian.
4. Câu hỏi nên đi ngủ thì hơn
Những câu hỏi nặng nề xuất hiện vào ban đêm.
Câu hỏi bị phóng đại bởi mệt mỏi, đói, cô đơn, tức giận hay lo âu thường nhỏ đi nhiều khi sang sáng hôm sau.
Loại này thì đừng phân tích, hãy giao cho giấc ngủ.
Sức mạnh trong thời AI không phải là "đưa ra đáp án" mà là "chỉnh đốn vấn đề"
Trong thời AI, nếu con người cố cạnh tranh trực diện với AI thì rất vất vả.
Về lượng kiến thức, tốc độ và độ bao quát, khó mà thắng được AI.
Nhưng nếu đứng ở phía người dùng AI thì câu chuyện khác đi.
Điều cần thiết không phải là ra lệnh bằng những lời hoa mỹ.
Mà là sắp xếp hoàn cảnh của mình, đặt mục tiêu, nêu giới hạn, xây dựng tiêu chí quyết định và chỉ định định dạng đầu ra.
Tức là năng lực chỉnh đốn vấn đề.
"Người quyết định được nên hỏi gì" hơn là "người đưa ra đáp án".
"Người nói ra được ngay lúc này, tại đây, cần chốt điều gì để tiến lên" hơn là "người nắm đáp án mẫu".
Năng lực này càng có giá trị khi AI càng thông minh.
Câu hỏi nghèo nàn thì câu trả lời cũng nghèo nàn.
Câu hỏi cụ thể thì AI là một người bạn đồng hành khá mạnh.
Vì vậy, thứ nên rèn luyện từ giờ không chỉ là kỹ thuật viết prompt.
Mà là năng lực nhìn vào thực tế của mình, đặt câu hỏi, và khi cần thì bỏ bớt câu hỏi.
Người biết lập chương trình nghị sự vẫn khá mạnh ngay cả trong thời AI.
Chỉ có điều, người lập quá nhiều thì cuối cùng nên tự hỏi lại:
"Vậy, câu hỏi nào cần chốt ngay lúc này?"
Nếu quay về được với đúng một câu hỏi đó, suy nghĩ sẽ thật sự tiến lên.
Gợi ý liên kết nội bộ
- Nguyên nhân khiến công việc mệt mỏi nằm ở "mục đích không rõ" và "bị đổi yêu cầu sau lưng" hơn là "khối lượng công việc"
- Khi phân vân có nên đổi việc, hãy định nghĩa trước "điều kiện để ở lại"
- Người dùng AI mà không ra kết quả thường vướng ở việc sắp xếp tiền đề chứ không phải ở prompt
- Khi suy nghĩ cứ quẩn quanh không dứt, hãy tách câu hỏi cần nghĩ ra khỏi câu hỏi nên đi ngủ
- Ở ngã rẽ cuộc đời quanh tuổi 30, cái cần là xây tiêu chí quyết định hơn là đi tìm đáp án đúng
Đề xuất bài viết liên quan
- "Dành cho người mệt mỏi vì quá nhiều câu hỏi: chỉ cần chia suy nghĩ thành 4 loại là nhẹ đi khá nhiều"
- "Cách làm việc thời AI: 5 điều cần quyết định trước khi hỏi ChatGPT"
- "Ghi chú xác định yêu cầu để không bị bào mòn bởi những chỉ thị mơ hồ"
- "Siêu nhận thức là gì: khả năng nhìn suy nghĩ của mình từ một tầng cao hơn"
- "Thiết kế chương trình nghị sự khi phân vân giữa đổi việc, chuyển bộ phận hay ở lại vị trí hiện tại"
Ghi chú tham khảo và nguồn
- OpenAI API Docs, “Prompt engineering”
https://developers.openai.com/api/docs/guides/prompt-engineering - OpenAI Cookbook, “GPT-5 prompting guide”
https://developers.openai.com/cookbook/examples/gpt-5/gpt-5_prompting_guide - Google for Developers, “Framing an ML problem”
https://developers.google.com/machine-learning/problem-framing/ml-framing - MIT Teaching + Learning Lab, “Metacognition”
https://tll.mit.edu/teaching-resources/how-people-learn/metacognition/ - Harvard Business Review, “AI Prompt Engineering Isn’t the Future”
https://hbr.org/2023/06/ai-prompt-engineering-isnt-the-future - García et al. (2014), “The effects of question-generation training on metacognitive knowledge, self regulation and learning approaches in Science”
https://pubmed.ncbi.nlm.nih.gov/25069559/
Ghi chú khi đăng bài
- Bài không có tên riêng của nơi làm việc, tên người hay hoàn cảnh nội bộ cụ thể, nên dễ công khai.
- Tuy vậy, phần "chịu thiệt trong môi trường mơ hồ" khá mang tính tự sự, nên nếu đăng trong lúc đang tìm việc thì có thể khái quát thêm.
- Các cửa vào SEO: "thông minh thời AI", "năng lực đặt câu hỏi", "khác biệt của người dùng ChatGPT giỏi", "thiết kế chương trình nghị sự".
- Ngày viết bản nháp: 2026-07-01
