ChatGPT, AI tạo sinh, RPA, Codex.
Vài năm gần đây, công cụ để tự động hóa công việc đã tăng vọt.
Bản nháp bài viết có thể nhờ AI soạn. Tổng hợp số liệu trong Excel cũng có thể hỏi AI. Dùng RPA (robot phần mềm lặp lại các thao tác bấm và gõ mà người vẫn làm trên máy tính), ta có thể tự động hóa thao tác trên màn hình và việc chép dữ liệu từ nơi này sang nơi khác. Dùng AI thực thi tác vụ như Codex, ta có thể đẩy tiến một lượng lớn công việc cùng lúc: bài viết, landing page, mã nguồn, tài liệu, xử lý dữ liệu, thậm chí cả đề xuất cải tiến.
Vậy mà nhìn vào thực tế ở nơi làm việc, vẫn còn những việc thế này.
- Mở Excel
- Sao chép
- Dán
- Kiểm tra bằng mắt
- Gõ lại vào một hệ thống khác
- Rà lại xem có sai sót không
- Họp để xác nhận thêm lần nữa
- Nhận yêu cầu chỉnh sửa rồi lại sửa bằng tay
Đây chính là lao động giáo tre của thời AI. (Ở Nhật, "giáo tre" bắt nguồn từ cuối chiến tranh, khi dân thường được huấn luyện cầm tre vót nhọn để chống lại vũ khí hiện đại: tốn rất nhiều sức nhưng công cụ thì sai.)
Tất nhiên, bản thân Excel không có lỗi. Ngược lại, Excel rất mạnh. Làm bảng tính, tổng hợp, cơ sở dữ liệu đơn giản, biểu mẫu, biểu đồ, bảng kiểm tra, bảng quản lý, và là nơi trú ẩn tạm thời của mọi văn phòng, đến nay nó vẫn cực kỳ xuất sắc.
Vấn đề không nằm ở việc dùng Excel.
Vấn đề là những việc Excel làm được lại cứ mãi được vận hành bằng tay người, bằng mắt, bằng sự gắng gượng và những cuộc họp xác nhận.
Nhìn vào tỷ lệ sử dụng, chúng ta vẫn đang ở giai đoạn khá sớm
Có thể bạn nghĩ: "Bây giờ ai cũng dùng AI và RPA rồi mà?"
Đúng là mức độ biết đến ChatGPT đã rất cao. Theo Reuters, ước tính của Sensor Tower cho thấy ứng dụng ChatGPT đạt 1 tỷ người dùng hoạt động hằng tháng trên toàn thế giới vào tháng 5 năm 2026.
Nhưng số người giao được cả phần thực thi công việc cho AI và tự động hóa vẫn còn rất ít.
Theo Axios, Codex của OpenAI có hơn 5 triệu người dùng hoạt động hằng tuần tính đến tháng 6 năm 2026. Trong đó khoảng một phần năm là lao động tri thức.
Đây là công cụ AI thực thi tác vụ của OpenAI, dùng được trên toàn thế giới, vậy mà người dùng mỗi tuần chỉ hơn 5 triệu chút. Ít hơn dân số tỉnh Aichi (vùng đất của Toyota ở miền trung Nhật Bản).
So với quy mô 1 tỷ người mỗi tháng của ứng dụng ChatGPT, con số hơn 5 triệu mỗi tuần của Codex là khá nhỏ.
Tức là có khoảng cách như sau:
- Số người hỏi AI đã tăng
- Số người nhờ AI chỉnh văn bản cũng tăng
- Nhưng số người giao việc cho AI vẫn ít
- Và số người giao được ở mức chi tiết đủ để AI thực hiện còn ít hơn nữa
Đây là chỗ có nhiều cơ hội kinh doanh.
Tỷ lệ áp dụng RPA cũng còn lâu mới cao
RPA cũng vậy.
RPA là cách để robot phần mềm làm thay những việc lặp đi lặp lại mà người làm trên máy tính. Nhập dữ liệu, chép từ nơi này sang nơi khác, tổng hợp, kiểm chứng, lập biểu mẫu, những việc đi qua nhiều hệ thống, rất hợp với công việc Excel làm tay.
Tuy nhiên, theo khảo sát năm 2024 của Startear Raise, tỷ lệ áp dụng RPA của các công ty Nhật nói chung là 13.04%. Doanh nghiệp vừa và nhỏ là 8.51%, ngay cả doanh nghiệp lớn cũng chỉ dừng ở 27.69%.
Nói cách khác, phần lớn công ty Nhật vẫn chưa áp dụng RPA.
Khảo sát này còn hỏi về vấn đề trước khi áp dụng RPA: hạng 1 là "nhiều việc làm tay (nhập liệu, chép dữ liệu, đăng ký...)", hạng 2 là "làm tay nên sai sót nhiều".
Điều này khá tiêu biểu.
Ở hiện trường, việc làm tay nhiều. Sai sót cũng nhiều. Lại còn thiếu nhân lực. Vậy mà tỷ lệ áp dụng RPA mới khoảng 13%.
Tức là nhu cầu có ("việc tay nhiều quá nên muốn tự động hóa"), nhưng thực tế nhiều công ty vẫn kẹt ở làm tay.
Lỗi của người mới được xử lý bằng thiết kế hệ thống, không phải bằng việc trách tính cách
Chuyện này cũng liên quan đến việc đào tạo người mới.
Ở nơi làm việc, những chuyện như sau xảy ra thường xuyên:
- Người mới nhập sai dữ liệu
- Người mới đặt sai tên tệp
- Người mới lưu sai chỗ
- Người mới bỏ sót mục kiểm tra
- Người mới dùng mẫu cũ
- Người mới hiểu nhầm hạn chót hoặc nhờ nhầm người
Rồi những người xung quanh nói:
"Người mới hay sai quá." "Kiểm tra cho cẩn thận vào." "Trước đây tôi nói rồi mà." "Sao cứ sai lỗi cũ vậy?"
Nhưng điều cần nghĩ ở đây không chỉ là tính cách hay sự chú ý của người mới.
Điều nên xem hơn là cấu trúc công việc có đang khiến người mới dễ sai hay không.
Người mới chưa biết bối cảnh của công việc. Chưa biết những quy tắc ngầm. Chưa biết thói quen của người tiền nhiệm. Cũng không biết vì sao phải xem cột đó, vì sao tên tệp lại thế, vì sao phải có bước kiểm tra đó.
Nếu ném họ vào nhập liệu tự do, kiểm tra bằng mắt, giải thích miệng, chép tay và kiểm tra phụ thuộc vào một người cụ thể, thì sai sót là điều dễ hiểu.
Thay vì mắng mỗi lần, tốt hơn là ngay từ đầu làm hệ thống khó sai.
Ví dụ, những cải tiến như sau tạo ra khác biệt khá lớn:
- Dùng danh sách thả xuống thay vì gõ tay
- Dùng lựa chọn thay vì ghi tự do
- Đặt quy tắc nhập liệu cho ngày tháng và số tiền
- Hiện cảnh báo nếu ô bắt buộc bị bỏ trống
- Tự động tạo tên tệp
- Cố định nơi lưu
- Làm cho không thể dùng mẫu cũ
- Tự động kiểm tra mâu thuẫn trong nội dung đã nhập
- Chỉ hiện danh sách những chỗ có thể sai
- Hiện màn hình xác nhận trước khi gửi
- Lưu nhật ký khi công việc hoàn tất
- Biến những lỗi hay gặp thành danh sách kiểm tra
Đây không phải chuyện nuông chiều người mới.
Đây là chuyện nhúng những điều cần dạy vào hệ thống.
Thay vì bảo người ta "cẩn thận nhé", dùng quy tắc nhập liệu của Excel, VBA (ngôn ngữ macro có sẵn trong Excel), RPA, biểu mẫu, danh sách kiểm tra và AI rà soát để tạo ra lối đi khó sai sẽ nhanh hơn.
Và cách đó cũng nhẹ nhàng hơn cho người mới.
Họ không phải bị mắng mỗi lần. Người hướng dẫn không phải nhắc đi nhắc lại cùng một điều. Quản lý cũng đỡ bị cuốn vào việc dọn dẹp sau mỗi lỗi.
Vì vậy, hệ thống hóa việc phòng tránh lỗi không chỉ là nâng cao hiệu quả.
Đó là thiết kế an toàn giúp giảm gánh nặng tinh thần cho cả người mới lẫn người dạy.
Nếu bạn định nói "người mới sai nhiều", thứ cần kiểm tra trước tiên không phải tính cách của họ.
Mà là công việc đó có đang được thiết kế kiểu giáo tre, dễ gây ra sai sót hay không.
AI tạo sinh ở cấp công ty cũng vẫn đang đứng yên
Với AI tạo sinh, cũng có độ lệch giữa cảm nhận khi dùng của cá nhân và thực tế áp dụng ở công ty.
Trong khảo sát của Nikkei Research do Reuters đưa tin vào tháng 7 năm 2024, khoảng 24% công ty Nhật đã áp dụng AI, 35% dự định áp dụng và 41% không có kế hoạch.
Nghĩa là dù AI có ồn ào trên báo đến đâu, tính theo công ty thì số đã áp dụng chỉ khoảng 1 trên 4. Khoảng 40% trả lời là "không có kế hoạch dùng".
Ở đây cũng thấy cùng một bức tranh.
Được bàn tán nhiều. Nhưng chưa đi vào công việc thực tế.
Thấy là tiện. Nhưng chưa gắn được vào quy trình làm việc.
Số người từng thử ChatGPT tăng lên, nhưng người thực sự chia nhỏ công việc rồi giao cho AI, RPA, VBA hay Codex vẫn ít.
Vậy tại sao mọi người vẫn làm Excel thủ công
Lý do không đơn giản là "lười".
Có năm lý do chính.
1. Không chia nhỏ được công việc
Muốn tự động hóa, trước hết phải chia nhỏ công việc.
Ví dụ, muốn tự động hóa việc chép dữ liệu trong Excel, ta phải quyết định những điều như:
- Dữ liệu đầu vào ở đâu
- Kết quả đầu ra để ở đâu
- Cột nào chuyển sang cột nào
- Có những trường hợp ngoại lệ nào
- Khi lỗi thì dừng lại hay chỉ ghi vào nhật ký
- Phần cuối cùng do người kiểm tra là phần nào
Không sắp xếp được điều này thì VBA, RPA hay AI đều không chạy được.
Nhiều người tự làm được công việc. Nhưng lại kém ở việc cấu trúc hóa công việc thành dạng có thể giao cho máy.
Và họ dừng lại ở đây.
2. Công việc ở hiện trường gắn với từng cá nhân
Công việc Excel làm tay thường rơi vào tay một người nhất định.
"Người đó đang làm." "Nhận bàn giao từ người trước." "Ô này tốt nhất đừng đụng vào." "Không biết tại sao lại là công thức này." "Tháng nào cũng làm theo trình tự này, cứ mơ hồ thế."
Đến mức này thì trước cả chuyện tự động hóa, người ta còn chẳng hiểu công việc có ý nghĩa gì.
Nếu đưa RPA vào mà không hiểu ý nghĩa công việc, kết quả chỉ là "tăng tốc một việc bí ẩn".
Tự động hóa không phải là thay công việc bằng máy. Trước hết là làm cho ý nghĩa của công việc nhìn thấy được.
3. Ít người dùng được VBA hay RPA
Người dùng được hàm Excel thì không ít, nhưng sang VBA và macro thì số người giảm hẳn.
Rất khó tìm dữ liệu công khai đáng tin cậy về tỷ lệ dùng VBA. Nhưng theo cảm nhận ở nơi làm việc, người dùng được Excel thì nhiều, còn người xây dựng được quy trình làm việc bằng VBA thì rất ít.
Hơn nữa, dù có người dùng được VBA, công việc cũng dễ dồn về người đó.
Kết quả là như sau:
- Việc làm tay nhiều
- Người tự động hóa được ít
- Yêu cầu chỉ dồn vào người làm được
- Người đó thành "thợ vặt" của văn phòng
- Không ai bảo trì được
- Cuối cùng lại quay về làm tay
Đúng là một sở thú đầy lỗ thủng. (Đây là biệt danh tôi đặt cho nơi làm việc thiếu người và vá víu khắp nơi.)
4. Chỉ dùng AI như "người để tâm sự, hỏi ý kiến"
Ngay cả người dùng ChatGPT cũng phần lớn mới dừng ở việc dùng nó để hỏi ý kiến.
- Sửa văn bản giúp tôi
- Tóm tắt giúp tôi
- Gợi ý ý tưởng giúp tôi
- Viết email giúp tôi
Cái đó cũng tiện theo cách của nó.
Nhưng dừng ở đây thì AI chỉ là cuốn sổ tay tiện lợi.
Sức mạnh thật sự nằm ở phía sau.
- Chia nhỏ công việc
- Biến thành yêu cầu rõ ràng
- Viết thành Markdown (định dạng văn bản thuần đơn giản)
- Giao cho Codex
- Đưa lên GitHub (trang web để lưu và chia sẻ mã nguồn)
- Phản ánh vào landing page, bài viết, ứng dụng
- Làm thành tập lệnh tự động hóa
- Thậm chí tạo cả các mục kiểm thử
Không phải hỏi AI, mà là giao việc cho AI.
Người đến được giai đoạn này vẫn còn ít.
5. Công ty sợ rủi ro
Khi công ty dùng AI hay RPA, đúng là có rủi ro.
- Thông tin cá nhân
- Thông tin mật
- Quản lý quyền hạn
- Kết quả sai
- Ai chịu trách nhiệm
- An ninh
- Sự phản đối từ người ở hiện trường
- Sự phù hợp với công việc hiện có
Xét tất cả những điều đó, việc công ty thận trọng là tự nhiên.
Nhưng thận trọng khác với không làm gì.
Không đưa thông tin cá nhân vào. Xử lý tại máy cục bộ. Thử bằng dữ liệu giả. Giữ lại khâu người rà soát. Không dùng nguyên kết quả đầu ra. Lưu nhật ký.
Nếu thiết kế vận hành như vậy, ta có thể bắt đầu từ nhỏ mà không cần áp dụng cho toàn công ty ngay.
Vấn đề là khi nỗi sợ biến thành "cấm hết". Làm vậy thì người ở hiện trường sẽ mãi mãi kẹt trong Excel làm tay.
Nền kinh tế Excel làm tay vẫn còn tồn tại một thời gian
Nhìn đến đây, công việc Excel làm tay ở hiện trường nhiều khả năng sẽ còn kéo dài khá lâu.
Lý do đơn giản:
- Tỷ lệ áp dụng RPA của các công ty Nhật nói chung khoảng 13%
- Doanh nghiệp vừa và nhỏ chưa tới 1 phần 10
- AI tạo sinh cũng chỉ khoảng 1 trên 4 công ty đã áp dụng
- Người dùng Codex hằng tuần trên toàn thế giới chỉ hơn 5 triệu chút
- Người dùng được VBA hay RPA có hạn
- Người chia nhỏ được công việc rồi giao cho AI còn ít hơn
Nói cách khác, thế giới vẫn chưa hoàn toàn bước vào "thời đại AI thực thi công việc".
Trên tin tức, AI thật phi thường. Trên mạng xã hội, chuyện ứng dụng AI cứ trôi qua liên tục. Nhưng ở hiện trường vẫn còn sao chép dán, chép lại dữ liệu, kiểm tra bằng mắt và họp xác nhận.
Đây không phải bi quan. Mà ngược lại, là cơ hội.
Người có giá trị từ nay là "thợ sửa ống nước của công việc"
Điều có giá trị trong thời AI không đơn thuần là người biết về AI.
Giá trị thuộc về người có thể chuyển công việc sang dạng giao được cho AI, RPA, VBA và Codex.
Nói gọn lại, đó là thợ sửa ống nước của công việc.
Ở hiện trường có những việc rời rạc. Có Excel. Có email. Có PDF. Có ghi chú viết tay. Có các cuộc họp. Có tri thức ngầm chỉ nằm trong đầu một số người.
Hãy chuyển tất cả thành những thứ sau:
- Mục đích công việc
- Thông tin đầu vào
- Định dạng đầu ra
- Tiêu chí phán đoán
- Xử lý ngoại lệ
- Cách rà soát
- Phạm vi có thể tự động hóa
- Phạm vi do người xem
- Chỉ dẫn giao cho Codex hoặc RPA
Người làm tới mức này sẽ rất mạnh.
Công việc thời AI đang chuyển từ "người tự làm mọi thứ" sang "người thiết kế công việc để giao được cho AI".
"Giao được việc" mạnh hơn "dùng được AI"
Thứ tạo ra khác biệt từ nay không phải là bạn đã từng dùng AI hay chưa.
Người từng dùng AI sẽ tăng lên. Người từng đụng vào ChatGPT cũng sẽ tăng lên. Chỉ riêng việc tạo văn bản hay tóm tắt thì nhiều người sẽ làm được.
Nhưng người làm được những việc dưới đây thì vẫn còn ít:
- Chia nhỏ công việc của chính mình
- Chọn các việc làm tay làm ứng viên để tự động hóa
- Quyết định dùng cột nào của Excel
- Định nghĩa cách xử lý ngoại lệ
- Viết Markdown để giao cho AI
- Đưa cho Codex điều kiện hoàn thành
- Phản ánh vào landing page, bài viết, ứng dụng
- Xem kết quả rồi cải tiến
Khác biệt nằm ở đây.
Vì vậy, lợi thế từ nay không ở "người dùng AI" mà ở "người thiết kế việc AI thực thi".
Những việc làm tay nên xem trước tiên ở hiện trường
Vậy nên bắt đầu tự động hóa từ đâu?
Việc cần xem trước tiên là những việc như sau.
1. Việc lặp lại hằng tháng, hằng tuần, hằng ngày
Việc lặp lại càng thường xuyên thì tự động hóa càng dễ thấy hiệu quả.
Dù chỉ 1 giờ mỗi tháng, một năm cũng là 12 giờ. Nếu nhiều người cùng làm thì còn lớn hơn nữa.
2. Việc có nhiều thao tác sao chép và dán
Sao chép và dán là ứng viên để tự động hóa. Để người làm thì ít ý nghĩa.
Tuy nhiên, nếu có nhiều trường hợp ngoại lệ cần phán đoán, hãy bắt đầu từ bán tự động thay vì tự động hoàn toàn.
3. Việc có nhiều khâu kiểm tra bằng mắt
Kiểm tra bằng mắt rất mệt. Cũng sinh ra sai sót.
Nếu điều kiện kiểm tra rõ ràng, có thể giảm được rất nhiều bằng hàm Excel, VBA, Python, AI hoặc RPA.
4. Việc phải xác nhận trong mỗi cuộc họp
Những nội dung mỗi lần họp đều xác nhận thì nhiều khả năng có thể làm trước thành bảng hoặc danh sách kiểm tra.
Chỉ cần đổi từ "hỏi trong cuộc họp" sang "nhờ điền trước", hiệu quả đã tăng đáng kể.
5. Việc chỉ người tiền nhiệm hiểu
Việc chỉ người tiền nhiệm hiểu là nguy hiểm.
Trước tiên hãy viết thành tài liệu chuẩn. Sau đó mới tìm phần có thể tự động hóa.
Tự động hóa mà không chuẩn hóa là nguy hiểm. Chỉ là tăng tốc một việc chẳng ai hiểu.
6. Việc người mới hay sai
Việc người mới hay sai có độ ưu tiên cao để tự động hóa và chuẩn hóa.
Bởi ở đó thường có một trong những điều sau:
- Quy tắc là tri thức ngầm
- Ô nhập liệu quá tự do
- Tiêu chí phán đoán chưa được viết thành văn bản
- Xử lý ngoại lệ phụ thuộc vào trí nhớ của người
- Mục kiểm tra quá nhiều
- Cấu trúc khiến phải sai rồi mới biết
Đây là vấn đề của thiết kế công việc hơn là vấn đề của người mới.
Chỗ người mới sai, người dày dạn mệt cũng sẽ sai. Chỗ người mới bị vấp, bàn giao cũng sẽ vấp. Chỗ người mới không hiểu, nghĩa là cũng chưa được ghi vào tài liệu chuẩn.
Vì thế, lỗi của người mới là nhật ký gỡ lỗi quý giá. (Nhật ký gỡ lỗi là bản ghi lập trình viên đọc để tìm xem chương trình sai ở đâu.)
Đừng nhìn là "lại sai nữa rồi", hãy nhìn là "chỗ này đang đòi hỏi con người chú ý quá nhiều".
Chỉ cần có góc nhìn đó, việc đào tạo sẽ nhẹ nhàng hơn nhiều.
Những bước nhỏ để thoát khỏi lao động giáo tre
Không cần đột ngột làm chuyển đổi số toàn công ty.
Cứ bắt đầu nhỏ thôi.
Step 1: Chọn một việc làm tay
Chọn một việc Excel bạn làm hằng tháng. Chép dữ liệu, tổng hợp, kiểm tra, đối chiếu tên tệp, liệt kê PDF đều được.
Step 2: Viết các bước làm thành văn bản
Hãy viết các bước như thể bạn đang giải thích cho người khác.
- Mở tệp nào
- Xem cột nào
- Phán đoán theo điều kiện nào
- Kết quả để ở đâu
- Ngoại lệ xử lý thế nào
Step 3: Hỏi AI "phần nào có thể tự động hóa"
Hỏi ChatGPT hoặc AI khác như sau:
Trong các bước của công việc này, hãy tách ra những phần có thể tự động hóa bằng hàm Excel, VBA, RPA, Python hoặc AI tạo sinh. Không cần tự động hoàn toàn, bán tự động cũng được, hãy đề xuất theo thứ tự rủi ro thấp trước.
Step 4: Trước hết hãy bán tự động hóa
Đừng tự động hoàn toàn ngay từ đầu.
Trước tiên làm bảng kiểm tra. Chỉ hiện những chỗ có thể sai. Tổng hợp bằng một nút bấm. Chỉ tự động hóa khâu kiểm tra trước khi chép dữ liệu.
Chừng đó là đủ.
Step 5: Nếu suôn sẻ, hãy làm thành mẫu
Khi làm được một việc, hãy biến nó thành mẫu.
- Sổ tay quy trình
- Danh sách kiểm tra
- Mã VBA
- Kịch bản RPA
- Prompt AI
- Markdown để đưa vào Codex
Giữ lại được đến mức này thì công việc của cá nhân sẽ trở thành tài sản.
Ở công ty, hãy cẩn thận kẻo thành "thợ vặt"
Tuy nhiên, người làm được tự động hóa trong công ty cần cẩn thận.
Người càng nhìn thấy vấn đề càng bị bắt nhặt việc. Người càng làm được càng bị bắt gánh. Người càng cải tiến được càng thành thợ vặt.
Chuyện này hay xảy ra trong sở thú đầy lỗ thủng.
Công ty không chuẩn bị thời gian cho việc chuẩn hóa, người chịu trách nhiệm, đánh giá hay cơ chế bảo trì, mà chỉ để cá nhân có năng lực hấp thụ hết việc cải tiến.
Kết quả là người cải tiến được bị kiệt sức.
Vì vậy, khi đề xuất cải tiến ở công ty, cần gói bốn điểm sau đi cùng nhau:
- Ai quyết định
- Ai vận hành
- Ai bảo trì
- Bản thân phụ trách đến đâu
Nếu cải tiến mà để những điểm này mơ hồ, thiện chí sẽ bị hút cạn.
Ở công ty thì tiêu hao tối thiểu. Ở tài sản của riêng mình thì dốc toàn lực.
Sự phân tách này rất quan trọng.
Tóm lại: trong lúc mọi người làm Excel thủ công, hãy xây đường ống
AI vốn đã rất phi thường. Có RPA. Có VBA. Có Codex.
Nhưng nhìn tỷ lệ sử dụng, người giao được phần thực thi công việc vẫn còn ít.
Ứng dụng ChatGPT đã lan rộng tới quy mô 1 tỷ người mỗi tháng. Trong khi đó, Codex chỉ hơn 5 triệu người mỗi tuần. Tỷ lệ áp dụng RPA của các công ty Nhật nói chung là 13.04%. Khoảng 24% công ty Nhật đã áp dụng AI.
Tức là thế giới vẫn chưa thay đổi hoàn toàn.
Nhiều nơi làm việc vẫn mở Excel, sao chép dán, kiểm tra bằng mắt và họp xác nhận.
Đây là sự tụt hậu. Nhưng cũng là cơ hội.
Người có giá trị từ nay không phải người chỉ nghịch AI. Mà là người chia nhỏ công việc và biến nó thành dạng giao được cho AI, RPA, VBA và Codex.
Trong lúc mọi người làm Excel thủ công, chúng ta xây đường ống.
Trong lúc cuộc họp khỉ đang sao chép dán, ở phía sau chúng ta cho Markdown chảy. (Tôi gọi đùa là "cuộc họp khỉ" để chỉ cuộc họp vô nghĩa mà ai cũng chỉ sao chép dán bằng tay.) Trong lúc nền kinh tế Excel làm tay còn tồn tại, chúng ta xây nhà máy thực thi bằng AI.
Đó là cách thắng ở thời điểm hiện tại.
