Chúng ta cần mindset mới để làm việc cùng AI

Khi đi nói chuyện về AI với nhiều người, tôi nhận thấy có một điều lớn hơn cần trao đổi. Với cá nhân, đa số mọi người vẫn hình dung AI là phần mềm chatbot, sử dụng để hỏi - đáp thay thế search Google. Với doanh nghiệp, những anh chị chủ doanh nghiệp mà tôi có cơ hội nói chuyện vẫn hình dung nó như một công cụ tự động hoá một khâu rất nhỏ. Thứ tôi nhận được nhiều nhất là "làm sao đăng bài facebook tự động" hay "làm video tiktok nhanh và rẻ"….

Đến thời điểm này, tháng 4/2026, tôi cho rằng AI không còn dừng ở một công cụ phần mềm như những gì chúng ta quen thuộc. Bài viết này hoàn toàn là quan điểm cá nhân của tôi hi vọng cung cấp một cách nhìn có phần khác đi về AI.

Một đối tác tư duy

Khi đọc những đoạn "suy nghĩ" của các mô hình AI hỗ trợ (reasoning) lần đầu tiên cách đây 2 năm, tôi vô cùng bất ngờ, đặc biệt là với GPT o3 ra mắt cuối năm 2024. Các mô hình AI này thể hiện một khả năng suy nghĩ sâu và lập luận vô cùng chặt chẽ. Chúng biến các phiên chat với AI của tôi chuyển từ hỏi đáp thông thường thành những buổi thoả luận đúng nghĩa.

Giống như chúng ta có hai hệ thống Tư duy nhanh & Tư duy chậm — Daniel Kahneman. Các mô hình reasoning có thể hiểu là các "mô hình biết suy luận". Cách hỏi - đáp trả lời tức thì giống "Phạn xạ tức thì" (hệ thống 1), còn reasoning là tư duy suy luận và có hệ thống (hệ thống 2)

Ethan Mollick – giáo sư tại trường Wharton viết trong cuốn "Trí tuệ đồng hành" rằng ông đã mất ba đêm không ngủ để trao đổi với AI và bị shock trước mức độ thông minh của chúng. Tôi cũng vậy. Không ít lần AI khiến tôi không ngủ được vì những câu hỏi hóc búa mà chúng đặt ra.

Khá may mắn, cộng với tình cờ, tôi dùng AI khá sớm như một người bạn để thảo luận. Mà sau này một cô bạn là chuyên gia phát triển các sản phẩm AI sử dụng khái niệm "Đối tác tư duy". Chúng giúp đóng góp nhiều hỗ trợ tôi suy nghĩ một cách có hệ thống, sâu sắc về một vấn đề và tránh mắc phải thiên kiến xác nhận.

💡 Đối tác tư duy là người đồng hành cùng quá trình nhận thức của bạn, giúp bạn nhìn rõ hơn, nghĩ sâu hơn và quyết định sáng suốt hơn. — Đúc kết của tôi và ChatGPT khi tôi thảo luận với nó về chính đề tài này

Khi áp dụng các kỹ thuật như Design Thinking, Analogical Thinking, First Principles Thinking, Role Playing, 5 Whys… hiệu quả các phiên trao đổi này còn gia tăng lên rất nhiều. AI đặt ra những câu hỏi phản biện cực kỳ sắc sảo mở ra những góc nhìn rất mới về một vấn đề. Những mô hình như Gemini Pro, Claude Opus còn khiến tôi ấn tượng trong những lần chúng bảo vệ quan điểm của chúng và kéo tôi ra khỏi những giải pháp phức tạp.

Một gia sư giúp khám phá và mở rộng kiến thức

Trong nhận thức, chúng ta có một vùng "Không biết mình không biết" (Unknown unknowns). Nó là một mảng tối hoàn toàn trước những hiểu biết của chúng ta. Trong quá trình khám phá kiến thức trong vùng này, tôi cho rằng giai đoạn định danh và khái niệm hoá (Conceptualization) là điểm nghẽn khó nhất. Bạn không thể hỏi được ai khi còn không biết cái mình hỏi gọi là gì?

Các AI phổ biến ngày nay chúng ta sử dụng là LLM - những mô hình ngôn ngữ lớn, với dữ liệu khổng lồ. Khác với các công cụ tìm kiếm trên internet hay tra cứu ở các thư viện như Wikipedia vốn đòi hỏi chúng ta phải đã có trong tay các từ khoá, AI có thể trả lời các khái niệm thuộc một lĩnh vực mới một cách nhanh chóng và giúp chúng ta mở rộng nhanh các kiến thức xung quanh. Ngay cả trong các câu trả lời của nó cũng có thể chứa các khái niệm mới. Có lẽ vì thế ChatGPT tích hợp trải nghiệm khi bạn bôi đen một cụm từ sẽ có sẵn gợi ý "Ask ChatGPT" (Hỏi ChatGPT).

Tôi thường xuyên đặt những câu hỏi như: "Tại sao", "Giải thích", "Những trường hợp nào thì những điều này không còn đúng", "Có cách giải thích khác cho…", ….

Với AI, tri thức không còn là rào cản, và bởi vậy nó là công cụ cực kỳ hiệu quả để khai phá các vùng kiến thức mới.

Hai điều trên là kiến thức và tư duy. Yuval Noah Harari cho rằng trong suốt lịch sử, máy móc cạnh tranh với con người trong hai lĩnh vực cơ bắp và tư duy. AI có thể tạo ra một Giai cấp vô dụng (useless class) với những con người không cạnh tranh được tư duy với AI. Một nghiên cứu gần đây của Anthropic ủng hộ quan điểm này khi AI phân hoá nhóm người sử dụng AI đóng góp cho tư duy và hiểu biết của mình có kết quả vượt trội nhóm đối sánh. Các nghiên cứu gần đây của các trường IVY League cũng đồng quan điểm.

Một nhân viên/đồng nghiệp số

Năm 2024, thế giới bắt đầu nói nhiều về khái niệm AI agent. Rất nhanh trong thời gian ngắn, các AI coding agent xuất hiện và tiến hoá với tốc độ kinh ngạc và khiến ngành công nghệ xáo trộn. Giờ đây những công ty công nghệ thận trọng nhất mà tôi biết cũng đang nghiêm túc áp dụng AI coding agent. Claude, Google, OpenAI (ChatGPT) đều tuyên bố AI tham gia code ngày càng nhiều trong các sản phẩm của họ và thay đổi tính chất công việc các lập trình viên. Điều này sẽ không chỉ giới hạn trong lĩnh vực lập trình nữa. Thậm chí các hệ agentic AI cũng đã bắt đầu xuất hiện.

💡 AI agents là các AI được trang bị công cụ và các hướng dẫn cần thiết, có thể tự quyết định các bước thực thi một công việc cụ thể dưới sự giám sát của con người. Agentic AI là một hệ sinh thái mà trong đó các AI agents sẽ cùng phối hợp, lập kế hoạch, và thực thi, tự đánh giá và lặp lại quá trình cho đến khi đạt được yêu cầu của con người một cách độc lập.

Chắc chắn các AI sống trên môi trường số, và khi được cung cấp các công cụ phù hợp, chúng có khả năng thực thi rất rộng: từ kiểm tra email, tìm kiếm, nghiên cứu, phân tích dữ liệu với khả năng vượt trội. Những nghiên cứu gần đây cho thấy khả năng hoàn thành của các AI đã tiệm cận và vượt con người trong nhiều tác vụ chưa so sánh về tốc độ.

Một thử nghiệm nhỏ gần đây về hiệu quả của agentic AI cho thấy con số chỉ đạt 24%, tuy nhiên nên 2 năm trước đây cũng là tỷ lệ của các AI agents. Và với tốc độ thay đổi ngày càng nhanh hiện tại, không ai dám chắc 1-2 năm nữa các hệ sinh thái agentic AI sẽ đạt được con số nào?

Điều này cho thấy điều gì? Mỗi cá nhân và tổ chức cần nghĩ lại về cách khai thác AI, đặt vai trò con người khác đi bên cạnh các "nhân viên số" mới này. Chuyển dần từ thực thi sang điều phối, giám sát, đánh giá và ra quyết định.

Cuối năm 2025, đầu 2026, OpenClaw - một ứng dụng giúp xây dựng các AI agent cá nhân nổi lên như một hiện tượng. Nó giúp cho thấy ý tưởng về các trợ lý cá nhân trở thành gần hơn bao giờ hết.

Kết lại

Trong bộ ba Mindset, Skillset, Toolset tôi thường tiếp cận với mindset trước nhưng thường nhận được câu hỏi về toolset. Việc tiếp cận tool dễ hơn, nhưng hiệu quả đến từ mindset. Gary A. Bolles (Chuyên gia tại Singularity University, tác giả cuốn sách nổi tiếng "The Next Rules of Work") cho rằng sự thay đổi hiện nay diễn ra quá nhanh, công cụ (Toolset) luôn được làm mới mỗi ngày, với AI điều này còn nhanh hơn nữa. Nếu con người đi từ Toolset, họ sẽ liên tục bị lạc hậu. Mindset là cách chúng ta giải mã thế giới (ví dụ: tư duy linh hoạt, đón nhận cái mới), Skillset là năng lực học hỏi liên tục (learning agility), và Toolset chỉ là những công cụ hỗ trợ giải quyết vấn đề. Mindset phải đi trước để tạo ra sự "sẵn sàng" trong bối cảnh mọi quy tắc làm việc cũ đều bị phá vỡ.

Tôi mong qua bài viết này, có thể giúp bạn nào đó thay đổi suy nghĩ về cách sử dụng AI. Nếu bạn vẫn đang dùng nó như một công cụ hỏi đáp, hãy dùng khác đi. Hãy sử dụng nó như một đối tác tư duy, đặt những câu hỏi thảo luận với chúng. Nếu bạn có một chương trình tuyển dụng thất bại, hãy thử một phiên design thinking hoặc đơn giản hơn là 5whys để khám phá vấn đề.

Hãy giao việc cho chúng qua Claude Cowork (một công cụ của Claude) hoặc Gemini. Thậm chí có thể làm quen với Antigravity, Codex hay Claude Code - các AI coding, không phải để code, mà bởi các công cụ này dễ dàng tích hợp các tools, skills và hướng dẫn để build những AI agents đơn giản.

Tôi tin rằng thế giới của chúng ta chưa bao giờ đối mặt với một thay đổi sâu sắc đến vậy bởi sự xuất hiện của AI. Lần đầu tiên trong lịch sử, chúng ta có một thực thể chạm đến trí thông minh của con người. Bởi vậy chúng ta cũng cần có những mô thức tư duy mới để tiếp cận vấn đề.

Nguồn:

1. https://www.swebench.com/
2. https://beuke.org/ralph-wiggum-loop/
3. https://www.prosus.com/news-insights/2026/state-of-ai-agents-2026-autonomy-is-here
4. https://labs.scale.com/leaderboard/swe_bench_pro_public
5. https://global.fujitsu/en-global/technology/key-technologies/news/ta-ai-agent-interview20251201
6. https://www.advancinganalytics.co.uk/blog/an-introduction-to-agentic-frameworks
7. https://emergetech.io/ais-future-agentic-workflows-with-andrew-ng/
8. https://carlrannaberg.medium.com/state-of-ai-agents-in-2025-5f11444a5c78
9. https://arxiv.org/html/2602.13559v1
10. https://www.uctoday.com/productivity-automation/ai-productivity-reports-2026/
11. https://medium.com/@gwrx2005/adapting-the-ralph-wiggum-loop-for-cryptocurrency-price-prediction-an-iterative-failure-driven-6ccfce377b27
12. https://www.plantemoran.com/explore-our-thinking/insight/2025/01/unveiling-openai-o3-from-benchmarks-to-real-world
13. https://o-mega.ai/articles/top-10-agentic-evals-benchmarking-actionable-ai-2025
14. https://steady.page/en/software-insights/posts/216609a2-9d5f-4ec1-84e9-87891b010ec5
15. https://metr.org/notes/2026-03-10-many-swe-bench-passing-prs-would-not-be-merged-into-main/
16. https://laweconcenter.org/resources/ai-productivity-and-labor-markets-a-review-of-the-empirical-evidence/
17. https://hai.stanford.edu/assets/files/hai_ai-index-report-2025_chapter2_final.pdf
18. https://leaderboard.steel.dev/results
19. https://www.getnextphone.com/blog/ai-customer-service-statistics
20. https://metr.org/notes/2026-03-10-many-swe-bench-passing-prs-would-not-be-merged-into-main/
21. https://www.anthropic.com/research/measuring-agent-autonomy
22. https://www.anthropic.com/research/AI-assistance-coding-skills
23. https://blog.luuhieu.me/articles/tac-dong-nhan-thuc-con-nguoi-cua-ai