Mở bất kỳ nền tảng nào lúc này cũng thấy cùng một thông điệp: áp dụng AI ngay kẻo bị bỏ lại. Công ty nhỏ giờ chỉ cần 1 CEO, founder solo ship sản phẩm trong một cuối tuần, những chức danh sáu tháng trước chưa ai nghe tới bỗng thành “the next big thing”. Nhìn qua lớp hype, xem người ta thực sự dùng mấy công cụ này hàng ngày ra sao, kết quả phân tán hơn nhiều. Một nhóm nhỏ thay đổi hẳn cách làm việc. Phần đông còn lại lưng chừng giữa thất vọng và lặng lẽ bỏ cuộc. Khoảng cách giữa marketing và thực tế mới là chỗ đáng để ý.
Ai cũng nói “AI”, nhưng mỗi người hiểu một kiểu
Có lần mình ngồi cafe với một anh founder. Ảnh hào hứng: “Bên anh đang tích hợp AI vào sản phẩm, em thấy sao?”
Mình hỏi: “AI của anh là cái gì? LLM chat à? Hay Agentic? Hay automation?”
Ảnh im một lúc rồi cười: “Thì… nói chung là AI.”
Từ đấy mà ra. Hầu hết mọi người gom hết vào một chữ “AI”. LLM cũng AI, chatbot cũng AI, automation tool cũng AI, Copilot cũng AI. Mà Claude Code, ChatGPT, Cursor, Copilot khác nhau một trời một vực. Cầm cái tua-vít đi đóng đinh — không vỡ tay đã may, nói gì xây được nhà. Khi không phân biệt được mình đang dùng cái gì, thì hoặc kỳ vọng quá cao, hoặc thất vọng rồi bỏ luôn. Cả hai đều không đi đến đâu.
Nó làm tốt cái gì, làm dở cái gì?
Quan sát qua nhiều team và dự án khác nhau, mình thấy AI coding tools thực sự tăng năng suất — nhưng chỉ ở một số việc nhất định.
Những việc có barem sẵn, pattern rõ ràng: viết test, generate boilerplate, refactor theo cấu trúc có sẵn, viết docs. Tốc độ khác biệt rõ rệt. Mấy việc ngày xưa mất cả buổi giờ làm trong chưa tới mười phút.
Nhưng sang tới những việc cần suy luận tổng quát, đa chiều — thiết kế kiến trúc hệ thống, chọn tech stack cho bài toán cụ thể, cân nhắc trade-off giữa hiệu năng và maintainability — thì chuyện khác. Có vài ràng buộc kỹ thuật giải thích tại sao.
LLM API hiện giờ đều stateless. Mỗi request, model chỉ thấy đúng tokens được gửi lên trong request đó. Muốn nó nhớ context chat trước thì phải gửi lại toàn bộ lịch sử kèm vào mỗi lần. Context thiếu là nó phải đoán, mà đoán thì có ngày sai.
Context window có giới hạn. Vấn đề đủ phức tạp vượt quá giới hạn là model bắt đầu bỏ sót thông tin — không phải kiểu báo cho bạn biết, mà âm thầm chắp vá suy luận từ những mảnh còn lại. Nhiều nghiên cứu chỉ ra context càng dài, chất lượng suy luận càng có xu hướng giảm.
Rồi còn vụ ngộ độc thông tin. Cùng một vấn đề, bạn đưa vào 5 cách giải quyết khác nhau, model phải suy luận thêm để chọn. Càng nhiều bước suy luận, xác suất sai tích lũy càng cao.
Cái cảnh này quen lắm: có người gõ “làm cho tôi website bán hàng giống Shopify”, rồi ngồi chờ. Mười phút sau AI bắt đầu ảo giác, đi lệch hướng, loạn xạ. Người ta thất vọng, chửi AI như rác. Nhưng AI có biết họ muốn gì đâu — 3 dòng prompt thì nó làm được có vậy thôi.
Thợ xây và kiến trúc sư
Có một ẩn dụ mình hay gặp trong mấy cuộc thảo luận kỹ thuật: thợ xây và kiến trúc sư.
Thợ xây làm việc lặp đi lặp lại, có quy trình rõ ràng: trộn hồ, đặt gạch, trát tường. Những việc này AI làm cực tốt — nhanh, sạch, ít lỗi vặt.
Kiến trúc sư thì khác. Họ lên kế hoạch tổng, cân nhắc thẩm mỹ, công năng, kết cấu, chi phí. Họ tạo ra cái khung để thợ xây làm theo.
AI là thợ xây siêu hạng. Nhưng kiến trúc sư vẫn phải là bạn.
Cái này đáng để ý: AI dùng tốt nhất khi bạn đã suy nghĩ kỹ về vấn đề trước. Bạn phác thảo xong kiến trúc, đưa cho nó, nó giúp bạn xây nhanh hơn. Còn đưa cho nó bãi đất trống và bảo “xây nhà đi”, nó sẽ xây — nhưng có khi là cái chuồng gà. Những prompt tốt nhất luôn đến sau khi mình đã nghĩ xong, không phải trước khi nghĩ.
Áp dụng vào ngành mình: nếu bạn là coder chuyên viết những đoạn code lặp lại, pattern rõ ràng — AI đúng là đáng gờm, nó viết nhanh hơn và sạch hơn. Nhưng nếu bạn là Solution Architect hay Business Analyst — người phân tích tổng thể, hiểu bài toán, thiết kế giải pháp — thì AI là trợ lý đắc lực chứ không phải kẻ cướp việc.
Dùng sao cho hiệu quả
Trước khi mở AI lên, tự nghĩ ít nhất mười phút. Nghe dễ. Mấy hôm mệt cái temptation bỏ qua bước này nó mạnh lắm. Kinh nghiệm là: prompt tốt đến từ lúc mình biết mình không biết cái gì, không phải từ lúc mình đang vội.
Hỏi “tại sao” thay vì chỉ “làm thế nào”. Nó đề xuất giải pháp, mình bắt giải thích: sao chọn cách này, còn cách nào nữa, trade-off thế nào. Không giải thích được là không merge.
Đọc từng dòng code nó generate. Nhiều người thấy chạy là next task, nhưng đó là cách mấy con bug mình không hiểu lọt vào production. Không hiểu nó viết gì thì lần sau vẫn phải quay lại hỏi nó, cái vòng lặp cứ thế.
Mỗi tuần một buổi code không AI. Tắt hết, chỉ còn editor với docs. Ban đầu khó chịu như cai thuốc. Quen rồi thấy tốc độ debug với độ sắc của suy nghĩ cải thiện rõ rệt. Coi như bảo trì định kỳ cho não của mình vậy.