Kết luận trong năm giây
AI càng mạnh, giá trị của con người càng ít phụ thuộc vào việc “tự tay làm được mọi thứ”.
Điều quan trọng hơn là nhìn sản phẩm và sớm nhận ra “có gì đó không ổn”, “chán”, “không muốn bấm”, rồi chuyển cảm giác đó thành nguyên nhân, mục tiêu và ràng buộc; để AI tìm và triển khai giải pháp; sau đó con người lại nhìn kết quả thật và phán đoán lần nữa.
Chu trình trở thành:
phát hiện cảm giác bất ổn → thảo luận và chẩn đoán → lập ý tưởng từ 0 đến 1 → triển khai → kiểm tra kết quả thật → phát hiện cảm giác bất ổn tiếp theo.
Nhìn từ bên ngoài, nó giống một CEO chỉ biết phàn nàn.
Nhưng nếu con người không ra lệnh từng pixel và từng dòng mã, đây không phải micromanagement cổ điển. Nó giống việc con người giữ mục tiêu và chuẩn chất lượng, còn giao tìm kiếm và thực thi cho AI.
1. Mọi chuyện bắt đầu từ một trang chủ rất gọn nhưng vẫn cực kỳ chán
Hãy tưởng tượng một trang chủ có danh mục và số lượng bài viết xếp rất đẹp.
Không có gì hỏng. Cấu trúc cũng giải thích được.
Nhưng phản ứng đầu tiên vẫn là:
“Chán thật.”
Loại phàn nàn này khó xử vì nó không phải lỗi thông thường. Kiểm thử vẫn qua, đặc tả có thể vẫn đúng, nhưng chẳng ai muốn bấm.
Khi nói chuyện với AI hội thoại, cảm giác mơ hồ dần biến thành chẩn đoán.
Người vận hành đang khoe hàng tồn: 98 bài ở đây, 78 bài ở kia. Người mới vào không nghĩ về tồn kho trước.
Họ nghĩ:
“Có gì thú vị cho tôi không?” “Tôi có vấn đề này thì bấm đâu?” “Tôi chưa có mục tiêu, có thể cứ xem rồi phát hiện thứ gì đó không?”
Khi cả vấn đề được đưa cho AI lập kế hoạch từ 0 đến 1, câu trả lời có thể chuyển từ “làm danh mục đẹp hơn” sang “cho độc giả đi vào từ nhu cầu và trạng thái của họ”.
Đây không phải chỉnh CSS.
Đây là định nghĩa lại trang chủ dùng để làm gì.
2. Vai trò con người bắt đầu trông giống một khách hàng khó chịu
Khi AI cũng có thể triển khai, phía con người bắt đầu nói những câu kỳ quặc.
“Chỗ này trông rẻ tiền.” “Đúng về kỹ thuật nhưng tôi không muốn bấm.” “Tính năng có rồi nhưng trải nghiệm chết.” “Không thể thú vị hơn à?”
Tách khỏi ngữ cảnh thì đúng là khách hàng ác mộng.
Micromanagement thực sự sẽ là:
“Khoảng cách 12 pixel.” “Chính xác ba cột.” “Đặt câu này ở tọa độ này.”
Đó là khóa cứng giải pháp trước khi khám phá.
Phân công tốt hơn là để con người giữ phần đánh giá: có tốt không, có đúng mục đích không, chỗ nào thấy sai.
Cách sửa được mở rộng cho AI lập kế hoạch và AI triển khai.
Vậy nên “khách hàng khó tính” thực chất đang làm chủ sản phẩm, biên tập viên, giám đốc sáng tạo và bảo đảm chất lượng cùng lúc.
Bàn phím ít gõ hơn, trách nhiệm lại nặng hơn.
3. Cảm giác bất ổn là cảm biến giá trị cao, nhưng chưa phải đặc tả
“Tôi ghét cái này” có thể là tín hiệu rất đáng giá.
Nhưng cũng nguy hiểm nếu gửi thẳng cho tác nhân triển khai.
Đó có thể chỉ là sở thích cá nhân hoặc tác dụng phụ của thay đổi khác. Một AI ngoan ngoãn có thể triển khai hoàn hảo một lời phàn nàn tệ và làm hỏng cả hệ thống.
Bước thảo luận cần chuyển phản ứng thành thứ kiểm chứng được:
- triệu chứng: điều gì gây cảm giác sai
- nguyên nhân có thể: vì sao nó gây khó chịu
- độc giả: ai bị ảnh hưởng
- trạng thái mong muốn: điều gì phải trở nên khả thi
- ràng buộc: điều gì không được phá
- chấp nhận: bằng chứng nào chứng minh đã tốt hơn
“Trang chủ chán” trở thành:
“Phân loại theo góc nhìn người vận hành chiếm quá nhiều, khiến người mới khó khám phá từ nhu cầu hoặc tâm trạng của mình. Ta cần lối vào dựa trên nhu cầu, không phải quầy trưng bày tồn kho.”
Lúc đó phàn nàn mới biến thành đầu vào thiết kế.
4. Thảo luận biến gu cá nhân thành giả thuyết có thể bác bỏ
Không nên xem cảm giác bất ổn là chân lý.
“Tôi không thích” và “điều này làm hại người dùng” là hai câu khác nhau.
Vì thế cần đem nghiên cứu, nguyên tắc thiết kế, phản ví dụ và dữ liệu sử dụng thật ra kiểm tra lời phàn nàn.
Có phải thông tin quá nhiều?
Hay cách nhóm thông tin xoay quanh người vận hành?
Người không có mục tiêu rõ ràng có thiếu lối vào?
Người quay lại có thể thích danh sách dày đặc hơn không?
Bước này giữ trực giác của con người nhưng ngăn gu cá nhân trở thành luật sản phẩm.
Cảm giác bất ổn là cảm biến.
Thảo luận là chẩn đoán.
Triển khai là điều trị.
Đừng chạy vào phòng mổ chỉ vì cảm biến kêu một lần.
5. “Hãy tạo cảm giác như đi trong cửa hàng lớn rồi vô tình thấy thứ mình không định tìm” là một chỉ dẫn khá mạnh
“Làm thú vị hơn” để lại không gian tìm kiếm quá rộng.
Nhưng “hãy tạo cảm giác như đi trong cửa hàng lớn rồi bất ngờ thấy thứ mình không định tìm” mô tả trải nghiệm cụ thể hơn:
khám phá tình cờ, thăm dò, di chuyển, tò mò, và tiếp xúc với thứ hữu ích ngoài mục tiêu ban đầu.
Điểm chính không phải sao chép màu sắc, thẻ hay bố cục của công ty khác.
Mà là nâng ví dụ lên một mức trừu tượng: “tạo điều kiện cho khám phá ngoài mục tiêu”.
Ví dụ cụ thể nên khóa hướng, không khóa lời giải.
AI vẫn còn không gian để thiết kế.
6. Tách lập kế hoạch từ 0 đến 1 khỏi triển khai làm hệ thống mạnh hơn
Một lỗi đã biết không cần hội nghị chiến lược.
Tìm nguyên nhân, sửa, kiểm thử.
Nhưng “làm trang chủ thú vị hơn từ gốc” gần với công việc 0 đến 1. Ở đây, một lượt lập kế hoạch mạnh trước khi triển khai có thể rất đáng giá.
AI hội thoại chẩn đoán và định nghĩa yêu cầu.
AI lập kế hoạch khám phá cấu trúc và phương án.
Tác nhân triển khai viết mã, kiểm thử và kiểm tra hồi quy.
Con người giữ mục đích, ràng buộc, ưu tiên và quyết định chấp nhận.
Không cần sinh tài liệu kế hoạch vô tận.
Lập kế hoạch chỉ có giá trị khi nối được với thực thi.
7. Nghiên cứu cũng không nói rằng “con người + AI” tự động là đội mạnh nhất
Một phân tích tổng hợp năm 2024 trên Nature Human Behaviour gom 106 thí nghiệm và 370 kích thước hiệu ứng, trực tiếp so sánh con người một mình, AI một mình và tổ hợp người-AI.[1]
Trung bình, tổ hợp người-AI tốt hơn con người một mình.
Nhưng lại kém điều kiện tốt hơn giữa người một mình hoặc AI một mình.
Thêm con người ở cuối quy trình không tự động giúp kết quả tốt hơn.
Nghiên cứu cũng thấy tổn thất rõ hơn ở nhiệm vụ ra quyết định, còn nhiệm vụ sáng tạo có tín hiệu triển vọng hơn.
Câu hỏi chính không phải “có dùng AI không?”
Mà là:
Ai làm phần nào?
Cách chia việc tự nó là một biến số hiệu suất.
8. Ranh giới năng lực của AI có hình răng cưa
Một thí nghiệm đăng trên Organization Science năm 2026 với 758 lao động tri thức dùng các nhiệm vụ tư vấn thực tế.[2]
Trong 18 nhiệm vụ nằm trong ranh giới năng lực của AI, người dùng AI hoàn thành nhiều hơn 12,2% nhiệm vụ, nhanh hơn 25,1% và có chất lượng cao hơn.
Nhưng ở một nhiệm vụ quản lý phức tạp nằm ngoài ranh giới đó, người dùng AI có xác suất trả lời đúng thấp hơn 19%.
Hai việc đều trông “trí óc” với con người có thể nằm ở hai phía khác nhau của năng lực AI.
Vì vậy có thể giao AI việc khám phá quy mô lớn, viết nháp, tổng hợp, triển khai và kiểm tra máy móc.
Con người giữ ý định, đánh đổi quan trọng, tính nhất quán của hệ thống và khả năng nhận ra “cái này có gì sai”.
9. Chuyển con người từ người viết bản nháp đầu sang người biên tập phù hợp với các bằng chứng năng suất khác
Trong thí nghiệm Science năm 2023 với 453 chuyên gia, AI tạo sinh làm giảm thời gian hoàn thành nhiệm vụ viết trung bình 40% và tăng chất lượng được đánh giá 18%.[3]
Một nghiên cứu năm 2025 trên The Quarterly Journal of Economics với 5.172 nhân viên hỗ trợ khách hàng cho thấy AI tăng số vấn đề giải quyết mỗi giờ trung bình 15%, lợi ích lớn hơn ở người ít kinh nghiệm.[4]
Những nghiên cứu này không chứng minh rằng công ty sẽ tự chạy nếu CEO chỉ nói “cái này thấy sai”.
Chúng hỗ trợ một ý khiêm tốn hơn:
khi bản nháp, xử lý lặp lại và tạo phương án trở nên rẻ, thời gian con người dễ chuyển sang quyết định nên làm gì, giữ gì và bỏ gì.
Kỹ năng làm trực tiếp không biến mất.
Nó chỉ không còn là nút thắt duy nhất.
10. Cạm bẫy lớn nhất là sửa mọi lời phàn nàn cho đến khi mắc kẹt ở tối ưu cục bộ
Sửa thẻ.
Sửa quảng cáo.
Sửa gợi ý.
Sửa tìm kiếm.
Từng bộ phận tốt hơn.
Toàn sản phẩm lại ồn ào hơn.
Điều này hoàn toàn có thể xảy ra.
Hệ thống cải tiến dựa trên phàn nàn cần một lớp kiểm tra tổng thể riêng.
Ai đang đến?
Họ đến để làm gì?
Hành động đầu tiên nên là gì?
Tiếp theo nên khám phá điều gì?
Cuối cùng nên mang gì đi?
Có tính năng nào thực ra nên xóa?
Tối ưu cục bộ và định hướng hệ thống là hai công việc khác nhau.
Ngoài ra con người cũng có thể bị đầu ra AI kéo theo. Thí nghiệm cho thấy vòng phản hồi người-AI có thể thay đổi và khuếch đại thiên lệch trong phán đoán của con người.[5]
“AI cũng đồng ý” không phải bằng chứng.
Hãy quay lại nghiên cứu, hành vi thực, phản ví dụ và thực tế bên ngoài vòng lặp.
11. “Cứ làm cho ngon đi” chỉ hoạt động sau khi đã tích lũy đủ ngữ cảnh chung
Không có ngữ cảnh, “làm cho tốt” chỉ là xổ số.
Có đủ ngữ cảnh, nó trở thành câu viết tắt.
Hệ thống cần biết:
mục tiêu, điều không muốn, ràng buộc, trải nghiệm tham chiếu, và bằng chứng chấp nhận.
Ví dụ:
Triệu chứng: trang chủ gọn nhưng chết.
Lý do: phân loại của người vận hành thống trị.
Mục tiêu: độc giả vào từ nhu cầu hoặc trạng thái của mình.
Tham chiếu: đi quanh cửa hàng lớn và vô tình phát hiện thứ bất ngờ.
Không làm: sao chép từng pixel của trang khác.
Hoàn thành khi: người mới tìm được nội dung qua lối vào theo nhu cầu và hành vi thật cho thấy khám phá cùng lượt xem tiếp theo cải thiện.
Đây không phải giao phó mù quáng.
Đây là ngữ cảnh được nén.
12. Nếu AI triển khai ngừng hoạt động, toàn bộ quá trình phát triển không nên chết não theo
Giả sử ứng dụng triển khai sập ngay trước một khoảng thời gian làm việc quan trọng.
Nếu suy nghĩ và thực thi dính chặt, mọi thứ dừng lại.
Kiến trúc tốt hơn tách hàng đợi suy nghĩ khỏi hàng đợi thực thi.
Ngay cả khi tác nhân lập trình không dùng được, đội vẫn có thể:
thu thập cảm giác bất ổn, chẩn đoán, nghiên cứu, xếp ưu tiên, định nghĩa ràng buộc, và viết tiêu chí chấp nhận.
Khi hệ thống quay lại, AI triển khai không cần dùng thời gian đắt đỏ để hiểu lại vấn đề.
Nó xử lý công việc đã chuẩn bị.
Đây là tối ưu chi phí.
Quan trọng hơn, đây là khả năng chống chịu.
Một nhà cung cấp gặp sự cố không nên khiến cả tổ chức chết não.
13. CEO thời AI không cần biết mọi lời giải
Bạn không cần tự viết mọi dòng mã.
Không cần vẽ giao diện hoàn hảo ngay lần đầu.
Không cần biết lời giải trước khi bắt đầu tìm.
Nhưng cần giữ:
“Cái này không đúng.”
“Đây là lý do.”
“Người này cần kết quả tốt hơn ở điểm này.”
“Những thứ này không được hỏng.”
“Kết quả này đủ tốt để chấp nhận.”
AI có thể sinh nhiều giải pháp, triển khai và kiểm tra rất nhiều thứ.
Nhưng nếu cả định nghĩa “tốt” cũng được thuê ngoài hoàn toàn, hệ thống mất luôn mục tiêu tối ưu.
Công việc con người không đơn giản biến mất.
Nó được nén lên thượng nguồn.
Câu quản lý mới là:
“Không phải cái này. Lý do là đây. Hướng là kia. Hãy tìm cách tốt nhất để đến đó.”
“Cứ làm cho ngon đi” đang dần trở thành một công nghệ thật.
[1] Vaccaro, M., Almaatouq, A., & Malone, T. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8, 2293–2303. https://doi.org/10.1038/s41562-024-02024-1
[2] Dell’Acqua, F., et al. (2026). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science, 37(2), 403–423. https://doi.org/10.1287/orsc.2025.21838
[3] Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. https://doi.org/10.1126/science.adh2586
[4] Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044
[5] Glickman, M., & Sharot, T. (2025). How human–AI feedback loops alter human perceptual, emotional and social judgements. Nature Human Behaviour, 9, 345–359. https://doi.org/10.1038/s41562-024-02077-2
