Tóm tắt nhanh
Gần đây tôi nhìn lại cách mình dùng AI và nhận ra một chuyện khá buồn cười.
Tôi hầu như không mô tả từng bước thật chi tiết.
Chỉ thị thường chỉ ở mức: “tôi muốn thắng”, “giảm việc cho tôi”, “đừng dừng giữa chừng”, “kiểm tra xem đã làm xong thật chưa”.
Rất thô. Thô kinh khủng.
Nhưng nếu hệ thống thực sự cố đạt những mục tiêu thô như vậy, AI buộc phải tự tách điều kiện, định nghĩa thế nào là “xong”, nghĩ cách xác minh và thêm cơ chế bảo vệ ở những chỗ từng thất bại.
Kết quả là quy trình dần chuyển từ “con người lần nào cũng tự kiểm tra hết” sang AI làm, AI kiểm tra, đối chiếu bằng bằng chứng bên ngoài, rồi chỉ báo cho người khi có bất thường.
Tìm hiểu thêm thì tôi thấy cách này khá giống tư tưởng “Harness Engineering” mà OpenAI công bố năm 2026.
Con người giữ ý định và ranh giới. Tác nhân AI thực thi.
Có điều, cách này cực mạnh trong dự án cá nhân nhưng vừa đưa vào công ty là độ khó tăng vọt.
Dự án cá nhân là một chế độ độc tài không có chính trị.
Vào công ty một cái là quốc hội họp ngay.
Điểm xuất phát chỉ có hai mục tiêu: thắng nhiều hơn và làm ít việc hơn
Mục tiêu cấp cao đơn giản đến mức đáng ngạc nhiên.
Nếu là game thẻ bài, tôi muốn thắng.
Nếu là bài viết hay tự động hóa, tôi muốn giảm việc mình phải làm.
Hai mục tiêu này rất mạnh vì công nghệ bên dưới có phức tạp tới đâu thì chúng vẫn đơn giản.
Có thể làm bộ mô phỏng, chạy hàng nghìn trận và thêm thuật toán tìm kiếm.
Nhưng cuối cùng vẫn chỉ hỏi: “Thế tỷ lệ thắng có tăng không?”
Có thể tự động hóa bài viết, làm nhiều ngôn ngữ, thêm kiểm tra chất lượng, hàng đợi xử lý, mã băm và cơ chế chạy lại.
Nhưng cuối cùng vẫn chỉ hỏi: “Thế việc của tôi có giảm không?”
Cách triển khai có thể phức tạp mà mục tiêu không cần phức tạp theo.
Chính vì mục tiêu ổn định, tôi có thể để AI khá tự do chọn cách thực hiện.
Tôi không khóa cứng từng bước. Nếu cần, để AI tự suy ra luôn “trạng thái đúng phải là gì”
Con người không nhất thiết lần nào cũng phải tự thiết kế tiêu chí hoàn thành từ số 0.
Có thể bắt đầu bằng một mục tiêu rộng như:
“Đưa bài viết mới nhất tới trạng thái xuất bản chính xác, không cần con người can thiệp.”
Từ đó, AI có thể tự tách ra các câu hỏi:
- “mới nhất” được xác định bằng gì
- “chính xác” nghĩa là gì
- bản dịch có còn tương ứng với bản gốc hiện tại không
- tác vụ 50 mục có được phép kết thúc sau khi chỉ xử lý thành công 1 mục không
- chỉ đưa lên GitHub đã được gọi là “xuất bản” chưa
- có cần kiểm tra cả website đang chạy thật không
Nói cách khác, con người chủ yếu giữ mục tiêu và những điều kiện bất biến không được phá vỡ. Các tiêu chí nghiệm thu chi tiết hơn có thể để AI triển khai ra.
Tất nhiên AI cũng có thể đặt tiêu chí sai.
Vì vậy bước kế tiếp bắt buộc phải là xác minh.
Tôi dùng AI rất nhiều, nhưng “AI nói đã xong” không phải bằng chứng
Nhìn từ ngoài, cách này giống như quăng hết việc cho AI.
Thực tế cũng gần như vậy: việc làm giao cho AI, việc kiểm tra cũng giao cho AI.
Nếu được, tôi còn chẳng muốn đọc nhật ký hệ thống.
Quy trình lý tưởng là:
thực hiện → kiểm tra tự động → bình thường thì báo ngắn → có lỗi thì chỉ mang nguyên nhân và phương án sửa về.
Điểm quan trọng là không dùng lời tự khai của AI làm điều kiện hoàn thành.
Một câu “đã xong” là chưa đủ. Cần lấy các thứ quan sát được từ bên ngoài: số lượng đã xử lý, kết quả kiểm thử, mã băm, file thật trên GitHub, URL thật, hay HTML mà hệ thống đang phục vụ thật.
Nếu chỉ bảo cùng một mô hình AI, trong cùng ngữ cảnh, “hãy kiểm tra việc mình vừa làm”, nó hoàn toàn có thể lặp lại cùng một hiểu nhầm hai lần.
Vì vậy cấu trúc mạnh hơn sẽ tách khâu tạo, khâu kiểm tra và bằng chứng bên ngoài.
Con người không cần đọc tất cả.
Nhưng cũng không nên dừng ở một câu “tôi đã kiểm tra”.
Nói thô ra là:
“Tôi không xem. Bạn tự kiểm tra. Nhưng phải mang bằng chứng về.”
Mỗi chỗ vấp là một chỗ vẫn còn công sức con người
Nếu thật sự muốn giảm việc, những bước thủ công nhỏ mà trước đây thấy “cũng được” bắt đầu trở nên rất chướng mắt.
Lần nào cũng phải bấm ở đây.
Ngoại lệ này chỉ con người mới quyết được.
Hỏng là phải có người đọc nhật ký hệ thống.
Xuất bản xong vẫn phải có người kiểm tra tay.
Phản ứng bình thường là: “Thôi, đoạn nhỏ này làm tay cũng được.”
Nhưng nếu mục tiêu là giảm việc, vậy nghĩa là thiết kế chưa hoàn tất.
Nếu một quy trình chỉ chạy được vì con người phải cố sức ở một điểm nào đó, thì điểm đó vẫn là nợ thiết kế.
Nhìn theo cách này, lỗi không còn chỉ là sự cố.
Nếu công việc đáng lẽ xử lý 50 mục nhưng lại báo thành công sau 1 mục, đừng chỉ chạy bù 49 mục còn lại.
Cần hỏi: “Tại sao xử lý 1 mục lại có thể được coi là hoàn thành bình thường?”
Nếu bản dịch cũ bị coi là bản mới nhất, đừng chỉ sửa đúng bản đó.
Hãy sửa hệ thống để bản dịch cũ về sau không thể vượt qua như dữ liệu hợp lệ nữa.
Mỗi lần một thất bại được nâng cấp thành quy tắc, công việc của con người trong tương lai lại biến mất thêm một chút.
Sếp nói “tôi không hiểu” vẫn còn cứu được. Đáng sợ hơn là đánh giá bẻ cong thực tế
Tháng 8 năm 2026, một bài trên Zenn kể về một nhóm tăng năng suất lên ba lần nhờ AI nhưng đồng thời bỏ lại một phần thành viên phía sau.
Một cảnh rất tiêu biểu là phản ứng của người quản lý, đại ý: “Tôi chưa hiểu hoàn toàn, nhưng tôi nghĩ điều bạn nói là đúng.”
Xét như một đánh giá kỹ thuật thì yếu.
Nhưng trong quản lý còn có một trạng thái nguy hiểm hơn nhiều.
Không hiểu, rồi để giữ vị trí cấp trên, sau khi thấy kết quả mới đổi sự thật hoặc tiêu chí.
Trước khi làm không có tiêu chuẩn, nhưng sau khi thấy kết quả lại xuất hiện câu “bình thường ai cũng phải biết làm thế chứ”.
Đi hỏi thì bị nói “tự nghĩ đi”; tự quyết thì lại bị nói “ai cho tự ý làm”.
Trong môi trường đó, không còn trò chơi “tiến gần hơn đến đáp án đúng”, vì chính đáp án đúng cứ di chuyển.
Ngược lại, nếu ai đó có thể thừa nhận “hiện giờ tôi chưa đủ khả năng đánh giá việc này”, hệ thống vẫn sửa được: thêm chuyên gia, tự động hóa kiểm tra, bắt buộc trình bày căn cứ và những gì chưa xác nhận.
Thiếu kiến thức có thể bù.
Tiêu chí đánh giá thay đổi sau sự việc sẽ phá chính hệ thống đảm bảo chất lượng.
Giờ tôi hiểu hơn vì sao QC biến thành nghi lễ lại khó chịu đến vậy
Mục đích ban đầu của các nhóm cải tiến chất lượng, hay QC Circle, là để các nhóm nhỏ ở tuyến đầu liên tục cải thiện chất lượng và cách làm việc.
Union of Japanese Scientists and Engineers cũng mô tả QC Circle là hoạt động liên tục của nhân viên tuyến đầu nhằm kiểm soát và cải thiện công việc.
Vấn đề không nằm ở QC.
Vấn đề bắt đầu khi “cải thiện thật” bị thay bằng “hoàn thành hình thức cho giống như đã làm QC”.
Chọn chủ đề.
Làm biểu đồ.
Nhét vào khung trình bày QC Story.
Làm bản trình chiếu.
Chấm điểm.
Vỗ tay.
Hết.
Đó không còn là cải tiến liên tục. Nó thành cuộc thi cosplay cải tiến liên tục.
Ngược lại, vòng lặp khi dùng các tác nhân AI lại khá thô ráp.
Hỏng.
Tìm nguyên nhân.
Tìm điều kiện tái hiện.
Sửa điều kiện kết thúc hoặc cách kiểm tra.
Chạy lại.
Xác nhận rằng cùng một lỗi không thể lẻn qua với nhãn “thành công” lần nữa.
Không có bản trình chiếu đẹp.
Nhưng vòng sau thật sự ít việc người hơn.
Trớ trêu là cách này lại gần tinh thần cải tiến liên tục ban đầu hơn.
Nhìn lại mới thấy mình đã khá gần Harness Engineering của OpenAI
Tháng 2 năm 2026, OpenAI công bố “Harness Engineering”, mô tả cách phát triển lấy tác nhân AI và Codex làm trung tâm.
Trong thử nghiệm nội bộ đó, họ đặt ràng buộc không có dòng mã nguồn nào được con người viết tay và ước tính sản phẩm được xây dựng trong khoảng một phần mười thời gian so với cách viết thủ công.
Nhưng điểm quan trọng không chỉ là nhanh.
Thay đổi lớn hơn là công việc chính của con người chuyển từ viết mã nguồn sang thiết kế môi trường, diễn đạt ý định và xây dựng vòng phản hồi.
OpenAI cũng nói những ràng buộc quan trọng như ranh giới, độ chính xác và khả năng tái lập nên được cưỡng chế tập trung, còn tác nhân AI được trao nhiều tự do bên trong các ranh giới đó.
Điều này khá giống cách ở đây.
Không cần chỉ đạo li ti “làm bằng cách nào” ở từng bước.
Nhưng phải rõ “cái gì tuyệt đối không được phá”.
Khi có lỗi, lỗi đó được biến thành tài liệu, kiểm thử, quy tắc kiểm tra tự động hoặc luật của công cụ cho lần sau.
Động cơ ban đầu có khi chỉ đơn giản là “chi tiết phiền quá, tôi không muốn nhìn”, nhưng kết quả cuối cùng lại thành xây môi trường để tác nhân AI có thể tự chạy tiếp.
Không phải đọc lý thuyết rồi mới làm.
Chỉ là đi theo con đường lười biếng rồi leo lên đúng cùng một ngọn núi.
Khá buồn cười.
Dự án cá nhân là chế độ độc tài không có chính trị. Vào công ty thì quốc hội họp
Trong dự án cá nhân, cách này cực kỳ mạnh.
Chủ sở hữu là tôi.
Người dùng là tôi.
Người đánh giá cũng là tôi.
Người định nghĩa “thành công” cũng vẫn là tôi.
Muốn thắng game thẻ bài thì xem mình có thắng nhiều hơn không.
Muốn làm ít việc hơn thì xem số lần con người phải can thiệp có giảm không.
Vì hàm mục tiêu gần như chỉ có một, hệ thống dù AI làm phức tạp tới đâu cuối cùng cũng quay về hai câu hỏi rất đơn giản:
Có giúp thắng nhiều hơn không?
Có giúp tôi làm ít việc hơn không?
Dự án cá nhân là một chế độ độc tài không có chính trị.
Và nhà độc tài lại còn lười, nên bộ máy quan liêu AI cứ thế tự động hóa mọi thứ.
Trong công ty thì khác.
“Giảm giờ làm” lập tức va vào thói quen vận hành, kiểm toán, quyền phê duyệt, hệ thống cũ, trách nhiệm, đánh giá và cả lý do tồn tại của một bộ phận.
Harvard Business Review khi nói về việc áp dụng AI trong doanh nghiệp năm 2025 cũng tóm tắt nhiều rào cản thành con người, quy trình và chính trị — “people, processes, and politics”, chứ không chỉ công nghệ.
Trong dự án cá nhân, chỉ cần xác định trạng thái muốn có rồi để AI tối ưu.
Trong công ty, ngay cả việc xác định “trạng thái muốn có là gì” cũng đã là một cuộc thương lượng.
Và không phải mọi thứ gọi là chính trị đều vô lý.
Giữ phê duyệt của con người vì kiểm toán hoặc trách nhiệm giải trình có thể rất hợp lý.
Giữ nó chỉ vì ai đó không muốn mất quyền phê duyệt lại là chuyện khác.
Với AI, cả hai đều giống nhau: “cần phê duyệt của con người”.
Ràng buộc đó có thật sự cần thiết hay không vẫn là bài toán của xã hội loài người.
Cuối cùng, có lẽ con người chỉ cần giữ hai thứ: mục tiêu và thực tế
Trong thời đại AI, không còn chắc rằng con người phải tự thiết kế tất cả bước, tự triển khai mọi thứ rồi tự kiểm tra toàn bộ.
Đặt mục tiêu.
Để AI suy ra trạng thái mong muốn và tiêu chí.
Để AI triển khai.
Để AI kiểm tra.
Đối chiếu bằng bằng chứng bên ngoài.
Nếu thất bại, biến thất bại đó thành quy tắc cho lần sau.
Nếu vẫn còn việc người, biến điểm đó thành mục tiêu cải tiến tiếp theo.
Nếu vòng lặp này chạy ổn định, nhu cầu để con người hiểu mọi chi tiết triển khai sẽ giảm đáng kể.
Nhưng vẫn có hai câu hỏi rất khó giao hoàn toàn cho AI:
Rốt cuộc chúng ta muốn đạt được điều gì?
Mục tiêu đó có thật sự khớp với thực tế không?
Có lẽ cách chia vai trò cuối cùng sẽ ngày càng giống thế này:
Con người: quyết định mục tiêu và nhìn vào thực tế.
AI: lấp đầy mọi thứ ở giữa.
Trong dự án cá nhân, rất thoải mái.
Vào công ty, quốc hội họp.
Chính trị vẫn rất mạnh.
