Tháp rơi tự do
Intern Writer
Hiện nay, khi dùng AI, công cụ này có thể tạo ra một lượng nội dung rất lớn chỉ trong vài giây, còn anh lại phải mất thêm thời gian để kiểm tra dữ liệu, sửa lỗi ngữ pháp và xử lý những điểm vô lý trong bản thảo. Cảm giác đó không giống như đang sử dụng một công nghệ thông minh, mà giống như đang hướng dẫn một thực tập sinh vụng về cần được chỉ từng bước.
Trong hai năm qua, chúng ta liên tục nghe những lời quảng bá rằng AI có thể xử lý gần như mọi công việc chỉ bằng một cú nhấp chuột. Tuy nhiên, trong thực tế, AI không phải lúc nào cũng làm công việc trở nên nhẹ nhàng hơn. Ngược lại, nếu sử dụng không đúng cách, AI có thể làm gián đoạn dòng suy nghĩ, khiến chúng ta mất tập trung và phải dành nhiều thời gian hơn cho việc kiểm tra, chỉnh sửa, xác minh. Vấn đề vì vậy không hẳn là con người chưa đủ thông minh, cũng không hẳn là AI quá kém, mà nằm ở cách chúng ta tổ chức công việc khi sử dụng AI.
Ví dụ, khi viết một bài báo, nhiều người thường làm theo quy trình: con người lập dàn ý, AI viết bản nháp, con người chỉnh sửa, AI rà lỗi chính tả, rồi con người hoặc AI tiếp tục thiết kế bố cục và xuất bản. Nhìn qua, quy trình này có vẻ hợp lý vì con người và AI cùng phối hợp. Nhưng vấn đề nằm ở chỗ mỗi lần công việc được chuyển qua lại giữa người và máy, chúng ta đều phải đọc lại, hiểu lại, kiểm tra lại và điều chỉnh lại.
Chính quá trình chuyển giao liên tục đó tạo ra chi phí phối hợp và chi phí xác minh rất lớn. AI có thể tiết kiệm cho chúng ta vài phút ở một bước nào đó, nhưng sau đó con người lại mất nhiều thời gian hơn để kiểm tra kết quả, sửa lỗi và khôi phục lại mạch suy nghĩ đã bị gián đoạn. Vì vậy, trong nhiều trường hợp, cảm giác “dùng AI mà vẫn mệt” không đến từ bản thân AI, mà đến từ việc chúng ta chia nhỏ công việc quá mức và buộc con người phải giám sát AI ở quá nhiều điểm trung gian.
Khi nhiều nhiệm vụ liền kề có thể được đóng gói thành một chuỗi thống nhất, AI có thể xử lý toàn bộ quy trình từ đầu đến cuối mà không cần con người can thiệp liên tục. Vai trò của con người khi đó không còn là người sửa từng lỗi nhỏ ở giữa đường, mà là người thiết kế quy trình ban đầu và kiểm tra kết quả cuối cùng. Đây mới là điểm giúp AI tạo ra sự thay đổi lớn về hiệu suất.
Điều quan trọng không chỉ là một nhiệm vụ có thể được tự động hóa hay không, mà còn là các nhiệm vụ đó có thể được sắp xếp và kết nối với nhau như thế nào. Một công việc có thể tận dụng AI hiệu quả hay không phụ thuộc rất nhiều vào khả năng biến các bước rời rạc thành một quy trình liền mạch.
Với hoạt động giảng dạy theo bài giảng, giáo viên thường phải nghiên cứu tài liệu, xây dựng nội dung, tạo bài thuyết trình và chuẩn bị các tình huống minh họa. Các bước này có tính liên tục và có thể liên kết với nhau thành một chuỗi công việc rõ ràng. Vì vậy, AI có thể được giao xử lý toàn bộ quy trình, từ việc tổng hợp tài liệu đến việc tạo kế hoạch bài giảng hoàn chỉnh. Giáo viên sau đó chỉ cần rà soát, điều chỉnh và quyết định sử dụng.
Ngược lại, dạy kèm là một quá trình tương tác liên tục giữa giáo viên và học sinh. Giáo viên giải thích, học sinh phản hồi, sau đó giáo viên điều chỉnh cách giảng dựa trên mức độ hiểu bài, câu hỏi và cảm xúc của học sinh. Vì công việc này liên tục bị ngắt bởi phản hồi của con người, rất khó để tạo thành một chuỗi nhiệm vụ khép kín cho AI xử lý trọn vẹn. Do đó, giá trị tự động hóa của AI trong dạy kèm sẽ bị giới hạn hơn nhiều so với việc chuẩn bị bài giảng.
Từ nhận thức đó, tôi đã thiết kế một quy trình tạo nội dung hình ảnh và văn bản cho Xiaohongshu. Trước đây, để hoàn thành một bài đăng, tôi phải tự tìm kiếm thông tin, yêu cầu AI viết nội dung, tự chỉnh bố cục, tiếp tục yêu cầu AI tạo hoặc thêm hình ảnh, rồi nhiều lần kiểm tra và sửa lại. Đây là một quy trình có rất nhiều ma sát vì con người và AI liên tục phải trao đổi qua lại.
Để giải quyết vấn đề này, tôi thiết kế lại toàn bộ quy trình theo hướng có một bộ điều khiển trung tâm và các mô-đun thực thi riêng biệt. Một mô-đun chịu trách nhiệm thu thập và trích xuất thông tin từ nguồn dữ liệu, giúp hạn chế tình trạng AI tự bịa hoặc tổng hợp thiếu căn cứ. Một mô-đun khác tập trung vào việc viết nội dung theo phong cách phù hợp với nền tảng, dựa trên xu hướng và cấu trúc đã được xác định trước. Tiếp đó, mô-đun tạo ảnh xử lý việc gọi API, lưu tệp và để AI tập trung vào ý tưởng hình ảnh. Cuối cùng, hệ thống tự động đóng gói nội dung và hình ảnh vào bảng dữ liệu để phục vụ bước đánh giá hoặc xuất bản.
Trong chuỗi tác vụ này, đầu ra của bước trước trở thành đầu vào trực tiếp của bước sau. Con người không cần liên tục dừng lại để chuyển dữ liệu, kiểm tra từng phần hay ra lệnh lại từ đầu. Những thao tác cơ học được chuẩn hóa bằng mã lập trình và quy trình vận hành, còn AI được đặt vào những phần mà nó có lợi thế hơn, như tổng hợp, sáng tạo, gợi ý và biến đổi nội dung.
Câu trả lời quan trọng ở đây là AI không cần phải giỏi hơn con người ở mọi nhiệm vụ riêng lẻ mới có thể tạo ra giá trị lớn. Trong một số bước, con người có thể làm tốt hơn AI. Nhưng nếu đưa con người vào giữa chuỗi quy trình, toàn bộ hệ thống lại bị gián đoạn. Khi đó, chúng ta phát sinh thêm bước chuyển giao, thêm thời gian giải thích, thêm chi phí xác minh và thêm nguy cơ mất mạch vận hành.
Vì vậy, trong nhiều trường hợp, để AI xử lý trọn vẹn một chuỗi nhiệm vụ có thể hiệu quả hơn việc để con người chen vào từng bước nhằm tối ưu cục bộ. Chất lượng của một bước trung gian có thể chưa hoàn hảo tuyệt đối, nhưng tổng thể hệ thống lại vận hành nhanh hơn, ít ma sát hơn và tạo ra sản lượng cao hơn. Đây chính là tư duy “hiệu quả hệ thống quan trọng hơn sự hoàn hảo cục bộ”.
Điều này tương tự như dây chuyền lắp ráp ô tô của Henry Ford. Một công nhân trên dây chuyền có thể không toàn diện bằng một người thợ thủ công bậc thầy, nhưng xét trên toàn hệ thống, dây chuyền lắp ráp đã tạo ra một cuộc cách mạng về năng suất. Trong kỷ nguyên AI, điều tương tự cũng đang diễn ra: giá trị lớn nhất không nằm ở việc từng thao tác có hoàn hảo hay không, mà nằm ở việc cả quy trình có được thiết kế để vận hành trơn tru hay không.
Ở giai đoạn đầu ứng dụng AI, chi phí học công cụ, mua phần mềm, thiết lập quy trình và xử lý các bước chuyển giao có thể khiến năng suất chưa tăng ngay. Thậm chí, đôi khi AI còn tạo cảm giác làm việc chậm hơn vì con người phải mất thời gian làm quen và sửa lỗi. Đây là lý do nhiều tổ chức trải qua giai đoạn năng suất đi xuống trước khi nhìn thấy lợi ích thật sự.
Lợi ích lớn chỉ xuất hiện khi chúng ta vượt qua cách nghĩ rằng AI chỉ là một chiếc máy đánh chữ thông minh. Khi bắt đầu thiết kế lại toàn bộ quy trình làm việc xoay quanh AI, chúng ta mới có thể khai thác được sức mạnh thật sự của công nghệ này. Khi đó, vai trò của con người không còn nằm chủ yếu ở việc gõ nhanh hơn, làm slide đẹp hơn hay xử lý thủ công nhiều hơn, mà chuyển sang thiết kế quy trình, đưa ra phán đoán, xác định mục tiêu và kiểm soát chất lượng cuối cùng.
Câu hỏi đúng hơn phải là: làm thế nào để phân chia, sắp xếp và kết nối các quy trình làm việc sao cho AI có thể vận hành một chuỗi nhiệm vụ từ đầu đến cuối với ít sự can thiệp của con người nhất? Khi trả lời được câu hỏi này, chúng ta không chỉ tiết kiệm vài phút ở một công đoạn, mà có thể thay đổi toàn bộ cách tổ chức công việc.
Thế giới đang bước vào một giai đoạn thay đổi lớn. AI đã đủ mạnh để xử lý nhiều quy trình phức tạp, nhưng không gian làm việc mà chúng ta dành cho nó vẫn còn quá nhỏ. Nếu chỉ giao cho AI từng việc lặt vặt, chúng ta sẽ tiếp tục cảm thấy nó phiền phức và thiếu ổn định. Nhưng nếu biết thiết kế chuỗi nhiệm vụ phù hợp, AI có thể trở thành một hệ thống vận hành mạnh mẽ, giúp một người hoàn thành khối lượng công việc trước đây cần đến cả một nhóm.
Trong hai năm qua, chúng ta liên tục nghe những lời quảng bá rằng AI có thể xử lý gần như mọi công việc chỉ bằng một cú nhấp chuột. Tuy nhiên, trong thực tế, AI không phải lúc nào cũng làm công việc trở nên nhẹ nhàng hơn. Ngược lại, nếu sử dụng không đúng cách, AI có thể làm gián đoạn dòng suy nghĩ, khiến chúng ta mất tập trung và phải dành nhiều thời gian hơn cho việc kiểm tra, chỉnh sửa, xác minh. Vấn đề vì vậy không hẳn là con người chưa đủ thông minh, cũng không hẳn là AI quá kém, mà nằm ở cách chúng ta tổ chức công việc khi sử dụng AI.
Hạn chế của cách dùng AI theo từng nhiệm vụ rời rạc
Một nghiên cứu mới của các nhà nghiên cứu từ MIT, Đại học Yale và Microsoft đã đặt ra một góc nhìn đáng chú ý: nếu chúng ta chỉ xem AI là công cụ giúp tăng hiệu suất cho từng nhiệm vụ đơn lẻ, chúng ta sẽ vô tình giới hạn giá trị thực sự của nó. Nói cách khác, AI không phát huy tối đa sức mạnh khi bị giao từng việc nhỏ, rời rạc và liên tục phải trả kết quả về cho con người kiểm tra.
Ví dụ, khi viết một bài báo, nhiều người thường làm theo quy trình: con người lập dàn ý, AI viết bản nháp, con người chỉnh sửa, AI rà lỗi chính tả, rồi con người hoặc AI tiếp tục thiết kế bố cục và xuất bản. Nhìn qua, quy trình này có vẻ hợp lý vì con người và AI cùng phối hợp. Nhưng vấn đề nằm ở chỗ mỗi lần công việc được chuyển qua lại giữa người và máy, chúng ta đều phải đọc lại, hiểu lại, kiểm tra lại và điều chỉnh lại.
Chính quá trình chuyển giao liên tục đó tạo ra chi phí phối hợp và chi phí xác minh rất lớn. AI có thể tiết kiệm cho chúng ta vài phút ở một bước nào đó, nhưng sau đó con người lại mất nhiều thời gian hơn để kiểm tra kết quả, sửa lỗi và khôi phục lại mạch suy nghĩ đã bị gián đoạn. Vì vậy, trong nhiều trường hợp, cảm giác “dùng AI mà vẫn mệt” không đến từ bản thân AI, mà đến từ việc chúng ta chia nhỏ công việc quá mức và buộc con người phải giám sát AI ở quá nhiều điểm trung gian.
Chuỗi nhiệm vụ: cách tiếp cận mới để phát huy giá trị của AI
Thay vì giao cho AI từng nhiệm vụ nhỏ lẻ, nghiên cứu đề xuất một khái niệm quan trọng hơn: chuỗi nhiệm vụ. Cốt lõi của cách tiếp cận này là không nhìn công việc như những mảnh việc riêng biệt, mà nhìn nó như một quy trình hoàn chỉnh có các bước liên kết với nhau.Khi nhiều nhiệm vụ liền kề có thể được đóng gói thành một chuỗi thống nhất, AI có thể xử lý toàn bộ quy trình từ đầu đến cuối mà không cần con người can thiệp liên tục. Vai trò của con người khi đó không còn là người sửa từng lỗi nhỏ ở giữa đường, mà là người thiết kế quy trình ban đầu và kiểm tra kết quả cuối cùng. Đây mới là điểm giúp AI tạo ra sự thay đổi lớn về hiệu suất.
Điều quan trọng không chỉ là một nhiệm vụ có thể được tự động hóa hay không, mà còn là các nhiệm vụ đó có thể được sắp xếp và kết nối với nhau như thế nào. Một công việc có thể tận dụng AI hiệu quả hay không phụ thuộc rất nhiều vào khả năng biến các bước rời rạc thành một quy trình liền mạch.
Vì sao cùng là giáo dục nhưng mức độ tự động hóa lại khác nhau
Nghiên cứu đưa ra một ví dụ rất dễ hiểu trong lĩnh vực giáo dục: giảng dạy theo bài giảng và dạy kèm. Hai hoạt động này nhìn qua có vẻ giống nhau vì đều liên quan đến việc truyền đạt kiến thức. Tuy nhiên, nếu phân tích theo chuỗi nhiệm vụ, tiềm năng ứng dụng AI của chúng lại rất khác nhau.Với hoạt động giảng dạy theo bài giảng, giáo viên thường phải nghiên cứu tài liệu, xây dựng nội dung, tạo bài thuyết trình và chuẩn bị các tình huống minh họa. Các bước này có tính liên tục và có thể liên kết với nhau thành một chuỗi công việc rõ ràng. Vì vậy, AI có thể được giao xử lý toàn bộ quy trình, từ việc tổng hợp tài liệu đến việc tạo kế hoạch bài giảng hoàn chỉnh. Giáo viên sau đó chỉ cần rà soát, điều chỉnh và quyết định sử dụng.
Ngược lại, dạy kèm là một quá trình tương tác liên tục giữa giáo viên và học sinh. Giáo viên giải thích, học sinh phản hồi, sau đó giáo viên điều chỉnh cách giảng dựa trên mức độ hiểu bài, câu hỏi và cảm xúc của học sinh. Vì công việc này liên tục bị ngắt bởi phản hồi của con người, rất khó để tạo thành một chuỗi nhiệm vụ khép kín cho AI xử lý trọn vẹn. Do đó, giá trị tự động hóa của AI trong dạy kèm sẽ bị giới hạn hơn nhiều so với việc chuẩn bị bài giảng.
Từ lý thuyết đến thực tế: tự động hóa quy trình tạo nội dung
Trước khi đọc nghiên cứu này, tôi cũng đã nhận ra một điều tương tự qua quá trình thực hành: muốn AI thật sự phát huy hiệu quả, cần giảm tối đa các điểm ma sát trong tương tác giữa con người và máy móc. Nếu ở mỗi bước đều phải dừng lại để con người can thiệp, AI sẽ không còn là công cụ tự động hóa, mà trở thành một trợ lý cần được giám sát liên tục.Từ nhận thức đó, tôi đã thiết kế một quy trình tạo nội dung hình ảnh và văn bản cho Xiaohongshu. Trước đây, để hoàn thành một bài đăng, tôi phải tự tìm kiếm thông tin, yêu cầu AI viết nội dung, tự chỉnh bố cục, tiếp tục yêu cầu AI tạo hoặc thêm hình ảnh, rồi nhiều lần kiểm tra và sửa lại. Đây là một quy trình có rất nhiều ma sát vì con người và AI liên tục phải trao đổi qua lại.
Để giải quyết vấn đề này, tôi thiết kế lại toàn bộ quy trình theo hướng có một bộ điều khiển trung tâm và các mô-đun thực thi riêng biệt. Một mô-đun chịu trách nhiệm thu thập và trích xuất thông tin từ nguồn dữ liệu, giúp hạn chế tình trạng AI tự bịa hoặc tổng hợp thiếu căn cứ. Một mô-đun khác tập trung vào việc viết nội dung theo phong cách phù hợp với nền tảng, dựa trên xu hướng và cấu trúc đã được xác định trước. Tiếp đó, mô-đun tạo ảnh xử lý việc gọi API, lưu tệp và để AI tập trung vào ý tưởng hình ảnh. Cuối cùng, hệ thống tự động đóng gói nội dung và hình ảnh vào bảng dữ liệu để phục vụ bước đánh giá hoặc xuất bản.
Trong chuỗi tác vụ này, đầu ra của bước trước trở thành đầu vào trực tiếp của bước sau. Con người không cần liên tục dừng lại để chuyển dữ liệu, kiểm tra từng phần hay ra lệnh lại từ đầu. Những thao tác cơ học được chuẩn hóa bằng mã lập trình và quy trình vận hành, còn AI được đặt vào những phần mà nó có lợi thế hơn, như tổng hợp, sáng tạo, gợi ý và biến đổi nội dung.
Hiệu quả hệ thống quan trọng hơn sự hoàn hảo ở từng bước
Một câu hỏi thường xuất hiện là: nếu giao toàn bộ quy trình cho AI, liệu từng bước có tốt hơn con người làm thủ công hay không? Ví dụ, liệu AI có thu thập thông tin tốt hơn một biên tập viên giàu kinh nghiệm không, hay liệu nội dung do AI tạo ra có thật sự tinh tế hơn người viết chuyên nghiệp không?Câu trả lời quan trọng ở đây là AI không cần phải giỏi hơn con người ở mọi nhiệm vụ riêng lẻ mới có thể tạo ra giá trị lớn. Trong một số bước, con người có thể làm tốt hơn AI. Nhưng nếu đưa con người vào giữa chuỗi quy trình, toàn bộ hệ thống lại bị gián đoạn. Khi đó, chúng ta phát sinh thêm bước chuyển giao, thêm thời gian giải thích, thêm chi phí xác minh và thêm nguy cơ mất mạch vận hành.
Vì vậy, trong nhiều trường hợp, để AI xử lý trọn vẹn một chuỗi nhiệm vụ có thể hiệu quả hơn việc để con người chen vào từng bước nhằm tối ưu cục bộ. Chất lượng của một bước trung gian có thể chưa hoàn hảo tuyệt đối, nhưng tổng thể hệ thống lại vận hành nhanh hơn, ít ma sát hơn và tạo ra sản lượng cao hơn. Đây chính là tư duy “hiệu quả hệ thống quan trọng hơn sự hoàn hảo cục bộ”.
Điều này tương tự như dây chuyền lắp ráp ô tô của Henry Ford. Một công nhân trên dây chuyền có thể không toàn diện bằng một người thợ thủ công bậc thầy, nhưng xét trên toàn hệ thống, dây chuyền lắp ráp đã tạo ra một cuộc cách mạng về năng suất. Trong kỷ nguyên AI, điều tương tự cũng đang diễn ra: giá trị lớn nhất không nằm ở việc từng thao tác có hoàn hảo hay không, mà nằm ở việc cả quy trình có được thiết kế để vận hành trơn tru hay không.
AI đang buộc chúng ta định nghĩa lại công việc
Trong quá khứ, chúng ta thường định nghĩa công việc dựa trên giới hạn thể chất và tinh thần của con người. Một công việc được chia thành các nhiệm vụ vì con người cần làm từng phần, cần nghỉ, cần phối hợp và cần kiểm soát. Nhưng AI đang làm thay đổi cách chia việc đó.Ở giai đoạn đầu ứng dụng AI, chi phí học công cụ, mua phần mềm, thiết lập quy trình và xử lý các bước chuyển giao có thể khiến năng suất chưa tăng ngay. Thậm chí, đôi khi AI còn tạo cảm giác làm việc chậm hơn vì con người phải mất thời gian làm quen và sửa lỗi. Đây là lý do nhiều tổ chức trải qua giai đoạn năng suất đi xuống trước khi nhìn thấy lợi ích thật sự.
Lợi ích lớn chỉ xuất hiện khi chúng ta vượt qua cách nghĩ rằng AI chỉ là một chiếc máy đánh chữ thông minh. Khi bắt đầu thiết kế lại toàn bộ quy trình làm việc xoay quanh AI, chúng ta mới có thể khai thác được sức mạnh thật sự của công nghệ này. Khi đó, vai trò của con người không còn nằm chủ yếu ở việc gõ nhanh hơn, làm slide đẹp hơn hay xử lý thủ công nhiều hơn, mà chuyển sang thiết kế quy trình, đưa ra phán đoán, xác định mục tiêu và kiểm soát chất lượng cuối cùng.
Câu hỏi đúng không phải là AI giúp ta làm nhanh hơn bao nhiêu
Nếu chúng ta chỉ hỏi “AI có thể giúp tôi làm nhiệm vụ này nhanh hơn như thế nào?”, chúng ta vẫn đang mắc kẹt trong tư duy cũ. Câu hỏi đó chỉ tập trung vào một nhiệm vụ đơn lẻ, trong khi giá trị lớn nhất của AI nằm ở khả năng kết nối nhiều nhiệm vụ thành một hệ thống tự động hóa hoàn chỉnh.Câu hỏi đúng hơn phải là: làm thế nào để phân chia, sắp xếp và kết nối các quy trình làm việc sao cho AI có thể vận hành một chuỗi nhiệm vụ từ đầu đến cuối với ít sự can thiệp của con người nhất? Khi trả lời được câu hỏi này, chúng ta không chỉ tiết kiệm vài phút ở một công đoạn, mà có thể thay đổi toàn bộ cách tổ chức công việc.
Thế giới đang bước vào một giai đoạn thay đổi lớn. AI đã đủ mạnh để xử lý nhiều quy trình phức tạp, nhưng không gian làm việc mà chúng ta dành cho nó vẫn còn quá nhỏ. Nếu chỉ giao cho AI từng việc lặt vặt, chúng ta sẽ tiếp tục cảm thấy nó phiền phức và thiếu ổn định. Nhưng nếu biết thiết kế chuỗi nhiệm vụ phù hợp, AI có thể trở thành một hệ thống vận hành mạnh mẽ, giúp một người hoàn thành khối lượng công việc trước đây cần đến cả một nhóm.
