Nâng cấp kỹ năng và mindset sử dụng AI: Làm gì để hạn chế FOMO trong thời đại AI nhiễu loạn?

AI không thay thế con người, nhưng AI có thể thay thế những người không biết sử dụng AI.

Mục tiêu bài viết:

• Không giúp bạn trở thành “doanh nghiệp một người”, nghĩa là không giúp bạn từ một người non-tech có thể tạo ra một ứng dụng hay website vốn tốn hàng ngàn đô để đầu tư. Thay vào đó, mình giúp bạn tối ưu hóa các công việc thường ngày bằng AI, biết cách truyền đạt (brief) đúng người, đúng việc để tránh lãng phí tiền bạc và công sức.
• Giúp bạn thoát khỏi vòng lặp và vũng lầy hỏi-đáp đơn lẻ bằng AI, biết cách ứng dụng sâu sắc hơn vào đời sống.
• Giúp bạn, đặc biệt là bạn trẻ, có tư duy tổng thể và cốt lõi hơn về AI, có một góc nhìn tổng thể và đi vào bản chất của AI, tránh bị ngợp trước làn sóng công nghệ hiện tại hay những lời thúc giục kiểu “AI làm được hết mà”.

Nói cho ngay, mình không ủng hộ tư duy độc lập cực đoan, tức là không phải một cá nhân cố gắng tự vận hành mọi thứ. Nhi tin vào tư duy hệ sinh thái. Nghĩa là, bạn đóng vai trò là người sinh ra ý tưởng, biết cách diễn đạt và vẽ ra quy trình, sau đó kết nối tương hỗ với các chuyên gia ở từng lĩnh vực. Đi cùng nhau dựa trên sự cân bằng lợi ích đa phương mới là gốc rễ của sự phát triển lâu dài.

Trong thời đại FOMO (sợ bị bỏ lỡ) vì AI hiện nay, thay vì mải miết chạy đua theo các công cụ mới nhất, đôi khi bạn chỉ cần thay đổi thói quen đặt câu hỏi, cách lưu trữ kiến thức và truy vấn thông tin là đã đủ để tối ưu hóa công việc của chính mình.

Những vấn đề thường gặp khi sử dụng AI:

Thử chậm lại một chút và quan sát xem mình có đang rơi vào những vòng lặp này không nhé:

• Công cụ xuất hiện quá nhanh, thay đổi liên tục khiến bạn hoang mang không biết bắt đầu từ đâu.
• Kết quả AI trả về thường xuyên hời hợt, sai lệch, hoặc tự vẽ ra những dữ liệu bạn không hề yêu cầu.
• Dù đã trả phí mua các bản “Pro”, AI vẫn trả lời chung chung, không đúng ý.
• AI thường xuyên “quên mất” những gì bạn vừa trao đổi trước đó.

Nếu bạn thấy mình trong các trường hợp trên, thì đừng lo, có rất nhiều người đang trải qua trạng thái tương tự, chỉ là họ không nói ra mà thôi. Trong thời gian qua, từ sinh viên đến những người làm chuyên môn lâu năm Nhi gặp, phần lớn đều đang loay hoay ở điểm này.

Để bạn dễ hình dung, Nhi tạm chia hành trình ứng dụng AI thành 4 cấp độ. Biết mình đang ở đâu sẽ giúp bạn không còn bị ngợp:

4 Cấp độ ứng dụng AI trong đời sống

Level 1 - Hỏi Đáp

Đây là cách dùng phổ biến nhất: bạn hỏi một câu, AI trả lời một câu. Việc dừng lại ở mức này rất dễ làm bạn bị FOMO vì hầu như công cụ nào trên thị trường cũng làm được, nhưng giá trị đọng lại không cao và AI thường xuyên “quên” mạch trò chuyện. Ở mức này, các công cụ chỉ đang vận hành thuần túy dưới mô thức LLM (Large Language Model - Mô hình ngôn ngữ lớn), nghĩa là chúng đơn thuần dùng xác suất để đoán từ tiếp theo sao cho phù hợp nhất với ngữ cảnh.

Chưa kể, mỗi năm các hãng công nghệ lớn (như Google với Gemini, Anthropic với Claude, hay OpenAI với ChatGPT) đều tung ra các đợt cập nhật mô hình mới rất hoành tráng. Nếu chỉ sử dụng AI ở tầng hỏi - đáp bề mặt này, bạn sẽ rất dễ rơi vào vòng xoáy FOMO, liên tục muốn đổi công cụ sau mỗi đợt update.

Điều này tất yếu dẫn đến một hệ quả: lãng phí tài chính cho các gói đăng ký hàng năm. Thậm chí, Nhi thấy có những bạn sẵn sàng chi tiền mua cùng lúc 3-4 công cụ (“Pro”, “Plus”) trong khi chưa thực sự hiểu rõ nhu cầu của chính mình, cũng như chưa nắm được điểm mạnh cốt lõi của từng bên.

Level 2 - Tích hợp Ngữ Cảnh (Personalized Context)

Ở mức này, bạn bắt đầu thay đổi thói quen giao tiếp với AI. Cấp độ này cũng chia ra làm 2 mức nhỏ:

2.1 Bạn biết cách cung cấp cho AI rõ vai trò, bối cảnh và mục tiêu cốt lõi.

Để Nhi lấy một ví dụ thực tế trong việc làm nội dung (marketing) để bạn thấy rõ sự khác biệt nhé:

• Câu lệnh thường thấy: “Viết nội dung Facebook chia sẻ về sự kiện ra mắt [sản phẩm X] của công ty.” -> Hệ quả: Vì yêu cầu hời hợt và thiếu định hướng, AI tất yếu sẽ trả về một bài viết rập khuôn, chung chung, với những từ ngữ sáo rỗng mà áp dụng cho công ty nào cũng được.

• Câu lệnh có ngữ cảnh: Bạn cấu trúc rõ ràng yêu cầu thành từng phần:

  • Đóng vai: Hãy đóng vai là chuyên gia xây dựng nội dung mạng xã hội (social media) am hiểu sâu sắc lĩnh vực [ngành nghề của công ty Y].

  • Bối cảnh: [Công ty Y] là doanh nghiệp chuyên về… với quy mô… và sản phẩm/dịch vụ cốt lõi là…

  • Mục tiêu: Viết một bài đăng trên trang [Facebook] chính thức của công ty để giới thiệu sự kiện ra mắt [sản phẩm X].

  • Đối tượng người đọc: Độ tuổi từ… đến…, là nhóm khách hàng có nhu cầu…

  • Văn phong (Tone of voice): ví dụ: Trầm tĩnh, thấu hiểu. Tránh tuyệt đối các từ ngữ hô hào chốt sale; ưu tiên sử dụng các từ ngữ mang tính chuyên môn nhưng gần gũi và chân thật.

Thử ứng dụng với trường hợp của bạn và chia sẻ cho mình kết quả nhen!

2.2 Bạn bắt đầu xây dựng thư viện kiến thức cá nhân của riêng mình.

Sâu hơn một chút, đây là giai đoạn bạn bắt đầu gom nhặt kiến thức để xây dựng thư viện cá nhân của riêng mình, tạo ra một “Bộ não thứ hai” (Second Brain) thực thụ. Bạn làm quen với việc trò chuyện trực tiếp với kho dữ liệu này thông qua các công cụ như NotebookLM.

Lúc này, bản chất công cụ đằng sau đã có sự nâng cấp. Khác với mô hình LLM truyền thống ở Cấp độ 1 (thuần túy đoán từ tiếp theo bằng xác suất), các công cụ như NotebookLM sử dụng phương pháp RAG (Retrieval-Augmented Generation: Truy xuất dữ liệu có tăng cường). Vì RAG bắt buộc phải truy vấn lại đúng những tài liệu bạn đã cung cấp để tìm thông tin, nên nó giúp truy xuất đúng dữ liệu bạn cần thay vì tìm kiếm trôi nổi, tăng tính chính xác, hạn chế ảo giác và cho ra kết quả đồng nhất hơn.

(Bật mí nhỏ: Ở cấp độ này, việc bạn đưa cho AI định dạng file nào cho “dễ tiêu hóa” cũng quyết định sự thông minh của nó. Chi tiết về cách tối ưu này, Nhi sẽ phân tích thật sâu ở Bài 2 nhé).

Level 3 - Chuyển hóa ý tưởng

Đây là mục tiêu cốt lõi mà Nhi muốn bạn hướng tới trong chuỗi bài này. Ở đây, bạn không cần tự mình tạo ra một ứng dụng hoàn chỉnh, mà dùng AI để phác thảo ý tưởng rõ ràng (Mockup/Prototype), tạo ra các bản tóm tắt yêu cầu (Briefing) đủ chuyên sâu để giao cho đúng người chuyên môn.

Đặc biệt ở cấp độ này, bạn bắt đầu thấu hiểu giới hạn “trí nhớ ngắn hạn” (context length) của AI. Vì AI có giới hạn sức chứa, nên nếu bạn nhồi nhét một yêu cầu khổng lồ cùng lúc, kết quả tất yếu là nó sẽ quá tải, “quên” mất bối cảnh ban đầu và bắt đầu sinh ra ảo giác.

Khi hiểu bản chất này, bạn biết cách phân tách một công việc lớn thành nhiều yêu cầu nhỏ. Bạn dẫn dắt AI đi từng bước một để tiết kiệm năng lượng xử lý (token) của nó, giữ cho mạch trò chuyện không bị đứt gãy. Kỹ năng chia nhỏ vấn đề này không chỉ giúp bạn điều khiển AI chính xác hơn, mà mục tiêu sau cùng là giúp thu hẹp khoảng cách hiểu biết chuyên môn giữa các bộ phận, các phòng ban, hay thậm chí là các ngôn ngữ khác nhau khi làm việc thực tế.

Level 4 - Điều phối đa nhiệm (Agents):

Ở mức này, Nhi tạm chia làm 2 nhánh nhỏ để bạn tham khảo nếu có nhu cầu tìm hiểu sâu.

• 1. Lập trình bằng ngôn ngữ tự nhiên (Vibe coding): Thay vì phải học viết code phức tạp, bạn dùng ngôn ngữ giao tiếp bình thường yêu cầu AI tự động tạo ra các ứng dụng hoặc trang web.

• 2. Xây dựng trợ lý ảo chuyên sâu (Agents): Ở mức độ phức tạp hơn, người dùng có thể kết nối nhiều công cụ AI lại với nhau (Multi-agent workflows) để xử lý các dự án lớn. Hoặc vì lý do bảo mật dữ liệu tuyệt đối (không muốn tải thông tin lên mạng), họ sẽ cài đặt các trợ lý AI chạy trực tiếp trên máy tính cá nhân (offline/local agents) thông qua các công cụ mã nguồn mở như Ollama.

Tuy nhiên, Nhi không khuyến khích bạn cố gắng chạy theo cấp độ này nếu bản chất công việc không thực sự đòi hỏi. Thay vì hô hào bạn phải “tự động hóa toàn diện”, Nhi muốn bạn chậm lại và cân nhắc 3 sự thật sau:

• 1. Tôn trọng hệ sinh thái chuyên môn: Thay vì cố gắng trở thành một “đội quân độc lập” tự tay làm mọi việc bằng AI, hãy để những người có nền tảng chuyên môn (như lập trình viên, Business Analysis) làm đúng thế mạnh của họ. Vì họ hiểu rõ gốc rễ của cơ sở dữ liệu và ngôn ngữ lập trình, họ sẽ biết cách điều hướng AI chính xác, tiết kiệm thời gian và tài nguyên xử lý (token) hơn người “ngoại đạo” rất nhiều. Như Nhi đã nói, đi cùng nhau và tôn trọng chuyên môn của nhau mới là sự phát triển bền vững.

• 2. Rủi ro mất kiểm soát dữ liệu: Giao phó toàn quyền cho các trợ lý ảo (Agents) tự động hóa nghe có vẻ nhàn rỗi, nhưng hệ lụy đi kèm rất khó lường. Đã có không ít cảnh báo về việc các Agents tự ý xóa dữ liệu quan trọng, di chuyển nội dung sai lệch, hay tự vẽ ra các bản báo cáo ảo (hallucinations). Việc lạm dụng sự tự động hóa này lâu dần sẽ khiến bạn đánh mất sự chủ động và mất kiểm soát chính tài sản tri thức của mình.

• 3. Lãng phí tài nguyên để tạo ra thứ “đã có”: Nhi không ủng hộ xu hướng Vibe coding ở thời điểm hiện tại đối với người dùng phổ thông, vì nó tạo ra gánh nặng tài nguyên khi cố nhào nặn một sản phẩm mới trong khi thị trường đã có sẵn. Thay vào đó, Nhi ủng hộ bạn rèn luyện kỹ năng nghiên cứu (research). Nếu bạn đang tìm một giải pháp, hãy học cách dùng AI để truy vấn và tìm kiếm các công cụ có sẵn. Với tốc độ phát triển hiện tại, việc tìm ra một ứng dụng đáp ứng đúng nhu cầu với mức giá hợp lý (hoặc thậm chí là mã nguồn mở miễn phí) là hoàn toàn khả thi.

Quan điểm của Nhi là: Chỉ cần bạn tốt nghiệp Cấp độ 1 và làm chủ Cấp độ 3 (biết phác thảo ý tưởng để giao đúng người), bạn đã tối ưu được 80% hiệu suất làm việc mỗi ngày mà vẫn giữ được sự bình tĩnh, không bị công nghệ dắt mũi.

Biết được mình đang ở Level nào là một chuyện, nhưng để thực sự làm chủ công cụ mà không bị nó dắt mũi, bạn cần hiểu bản chất vận hành của nó. Dưới đây là những sự thật về AI mà có thể bạn chưa biết:

Những điều bạn có thể không biết về các mô hình AI hỏi-đáp hiện tại:

Với các công cụ phổ biến như Gemini, ChatGPT hay Claude phiên bản hỏi - đáp dành cho người dùng phổ thông, dưới đây là những sự thật bạn cần nắm rõ:

• AI có xu hướng “chiều lòng” người dùng:
  Vì AI được thiết kế để luôn cố gắng đưa ra câu trả lời làm bạn hài lòng, nên nếu bạn đưa ra một yêu cầu hời hợt hoặc mập mờ, kết quả tất yếu là nó sẽ tự “bịa” ra thông tin, số liệu hoặc trích dẫn giả để lấp đầy khoảng trống.
  • Ví dụ: Khi nhờ AI tìm nguồn tài liệu cho một nghiên cứu, nó có thể tự tin cung cấp một đường link hoặc tên sách nghe rất hợp lý, nhưng thực tế cuốn sách đó hoàn toàn không tồn tại. Thậm chí với Perplexity – một công cụ vốn nổi tiếng về khả năng trích dẫn nguồn uy tín, Nhi đã nhiều lần quan sát thấy các luận điểm AI đưa ra hoàn toàn không nằm trong nội dung của đường link gốc.
• Bản chất của AI là “Đoán chữ”, không phải “Tính toán”:
  Như đã đề cập ở level 1, mô hình ngôn ngữ lớn (LLM) vận hành bằng cách tính toán xác suất để dự đoán từ tiếp theo sao cho phù hợp nhất với ngữ cảnh của câu hỏi. Hiểu được bản chất này, bạn sẽ nhận ra 3 hệ quả sau:
  • 1. Thiếu logic đúng - sai: Câu trả lời của AI không hẳn là “đáp án đúng nhất”, mà chỉ là tập hợp những từ ngữ có khả năng xuất hiện cùng nhau cao nhất dựa trên kho dữ liệu nó từng đọc. Nó ưu tiên tính liên quan bề mặt hơn là tính logic ngữ cảnh sâu xa.
  • 2. Giỏi “Văn” hơn “Võ”: Đã là mô hình ngôn ngữ, nó sinh ra không dành cho việc tính toán. Vì vậy, Nhi khuyên bạn không nên đưa một danh sách báo cáo chi tiêu và nhờ nó cộng sổ, khả năng cao nó sẽ cộng sai lệch vài con số. Nói đơn giản, các công cụ AI phổ biến hiện tại làm tốt việc “văn” (lý luận, câu từ) hơn là việc “võ” (logic, tính toán số liệu chính xác). Để tính toán hay viết code phức tạp, bạn cần những mô thức chuyên biệt hơn.
  • 3. Dễ đưa ra đáp án mang tính phổ biến, thay vì sáng tạo độc quyền. AI học từ kho dữ liệu khổng lồ do con người tạo ra trong quá khứ. Việc đòi hỏi nó tự nghĩ ra một ý tưởng “chưa từng có trên đời” là đi ngược lại bản chất của nó. Nó sẽ có xu hướng đưa ra các đáp án mang tính phổ biến và an toàn.

Thay vì bắt AI tự nghĩ ra một ý tưởng mới, hãy dùng nó làm người phản biện và brainstorm cho ý tưởng của bạn. Hãy xem xét ý tưởng này có rủi ro nào không, có bị trùng lặp không.
- Ví dụ: Nếu bạn yêu cầu “Hãy nghĩ ra một ý tưởng marketing độc lạ cho quán cà phê của tôi”, AI sẽ trả về những gợi ý rập khuôn như “giảm giá ngày khai trương”, “tặng thẻ thành viên”. Thay vì vậy, bạn hãy đưa ý tưởng của mình: “Mình định làm chiến dịch đổi ly nhựa lấy đồ uống”, sau đó nhờ AI phản biện xem có rủi ro nào về chi phí hay vận hành không, kết quả nhận được sẽ sâu sắc và thực tế hơn rất nhiều.

Nắm được những thông tin trên, Nhi hy vọng bạn đã có một góc nhìn tĩnh tại và vững chãi hơn, bớt hoang mang trước những lời tung hô về AI.
Vậy rốt cuộc, làm sao để nâng cấp chính mình? Ở Bài 2, Nhi sẽ hướng dẫn chi tiết cách bước lên Cấp độ 2: Tích hợp Ngữ cảnh để biến AI từ một công cụ hỏi - đáp đơn thuần thành một người đồng hành đắc lực nhé.