Sáng thứ Hai, có những việc bắt đầu rất nhỏ. Một bạn mới hỏi lại đường dẫn tài liệu onboarding. Một anh trong team customer support tìm mãi một câu trả lời nằm đâu đó giữa nhiều file hướng dẫn. Kế toán mở thêm một bảng sao kê để đối chiếu với sổ quỹ. Một người khác chuẩn bị họp với đối tác bằng cách đọc lại email cũ, tin thị trường và vài ghi chú rời. Không có việc nào nghe như một cuộc cách mạng. Chúng chỉ là những mảnh việc quen thuộc, lặp đi lặp lại, đủ nhỏ để mình chịu đựng và đủ nhiều để cả ngày làm việc bị bào mòn.
Khi AI bắt đầu thực tế hơn, điều thú vị không phải là mỗi công ty sẽ có một màn trình diễn thật lớn. Điều thú vị hơn nằm ở chỗ những mảnh việc bình thường ấy bỗng hiện hình rõ hơn. Ta nhìn lại một quy trình cũ và tự hỏi: phần nào thật sự cần phán đoán của con người, phần nào chỉ là đọc, gom, so khớp, chuyển định dạng, viết nháp, phân loại hoặc nhắc lại theo một cấu trúc đã biết? Chỉ riêng câu hỏi đó đã làm ý tưởng bắt đầu nở ra trong công việc hằng ngày.
Một tài liệu đào tạo nội bộ, trước đây chỉ là file PDF nằm im trong thư mục, có thể trở thành một lộ trình học ngắn cho nhân viên mới: đọc phần cần đọc, kiểm tra lại kiến thức, chỉ ra chỗ còn yếu và gợi ý phần nên ôn tiếp. Một vòng sàng lọc ứng viên, trước đây lấy mất nhiều giờ của người có kinh nghiệm, có thể được chuẩn hóa ở bước đầu để team tập trung vào phần đánh giá sâu hơn. Một kho tri thức hỗ trợ khách hàng, trước đây phụ thuộc vào trí nhớ của từng người, có thể trở thành một lớp truy xuất giúp nhân viên tìm đúng quy trình và soạn câu trả lời nhất quán hơn.
Ở những nhóm vận hành, cơ hội còn âm thầm hơn. Đối chiếu dòng tiền, chuẩn hóa sao kê, tìm giao dịch lệch, kiểm tra số dư cuối ngày, gom bình luận trong nhiều phiên bản tài liệu, rà lỗi chính tả, chuẩn hóa nội dung, tóm tắt tin tức ngành, chuẩn bị briefing trước cuộc họp, hoặc hỏi dữ liệu bằng ngôn ngữ tự nhiên thay vì tự lần mò cấu trúc bảng. Mỗi việc nhìn riêng thì không quá hào nhoáng. Nhưng khi đặt cạnh nhau, chúng cho thấy một điều khá rõ: rất nhiều năng suất đang bị giữ lại trong những workflow nhỏ chưa được thiết kế lại.
Tôi nghĩ đây là cách lành mạnh hơn để nhìn AI trong công việc. Không cần bắt đầu bằng câu hỏi “AI thay được ai?”. Câu hỏi gần đời hơn là “chỗ nào trong ngày làm việc đang bắt người giỏi làm lại cùng một thao tác quá nhiều lần?”. Nếu một kỹ sư senior phải lặp lại phần kiểm tra nền tảng quá thường xuyên, ta nên bảo vệ thời gian của họ cho những cuộc trao đổi cần chiều sâu. Nếu một nhân viên support mất năm phút chỉ để tìm đúng đoạn hướng dẫn, ta nên giảm ma sát đó trước khi nói về trải nghiệm khách hàng. Nếu một người làm tài chính phải dò từng dòng vì dữ liệu vào không đồng nhất, ta nên xem lại cả luồng dữ liệu, không chỉ khen họ cẩn thận.
Điểm khó là AI làm cho mọi thứ có vẻ dễ hơn thực tế. Viết một bản demo biết trả lời câu hỏi thường không khó bằng đưa nó vào một workflow đáng tin. Một workflow tốt cần dữ liệu sạch vừa đủ, quyền truy cập rõ ràng, chỗ để con người rà soát, cách ghi lại quyết định, và một giới hạn rất cụ thể về việc gì không được tự động hóa. Với dữ liệu riêng tư, pháp lý, tài chính, tuyển dụng hay giao tiếp với khách hàng, phần quan trọng nhất có khi không phải là model thông minh hơn, mà là ranh giới vận hành chặt hơn.
Vì vậy, một ý tưởng AI tốt thường bắt đầu rất khiêm tốn. Nó không cần ôm cả phòng ban. Nó có thể chỉ lấy một việc lặp lại mỗi tuần, viết rõ input và output, để AI làm bản nháp đầu tiên, rồi giữ con người ở cổng duyệt. Sau vài vòng chạy thử, team mới biết phần nào tiết kiệm thật, phần nào chỉ chuyển việc từ chỗ này sang chỗ khác, phần nào cần bỏ đi. Cách làm này chậm hơn một lời hứa lớn, nhưng thật hơn. Nó cho phép hệ thống học cùng con người, thay vì bắt con người chạy theo một hệ thống chưa được hiểu đủ.
Càng nhìn nhiều ví dụ nhỏ, tôi càng thấy AI không chỉ tạo ra công cụ mới. Nó làm mình nhìn lại cấu trúc công việc cũ. Những việc từng được xem là “đương nhiên phải làm tay” bắt đầu được đặt lên bàn: vì sao tài liệu khó tìm, vì sao báo cáo phải ghép thủ công, vì sao mỗi lần release lại chuẩn bị lại checklist từ đầu, vì sao một cuộc họp cần quá nhiều thời gian đọc lại bối cảnh, vì sao lỗi typo vẫn lọt qua dù ai cũng biết nó làm giảm sự chuyên nghiệp. Khi các câu hỏi này được hỏi thường xuyên hơn, ý tưởng cải tiến sẽ tự nhiên nhiều lên.
Có lẽ đó là dấu hiệu thực tế nhất của AI trong giai đoạn này: không phải một bước nhảy làm mọi thứ đổi màu sau một đêm, mà là nhiều điểm nghẽn nhỏ được soi sáng cùng lúc. Một team nhận ra onboarding có thể nhẹ hơn. Một team khác nhận ra knowledge base có thể trả lời tốt hơn. Một nhóm vận hành nhận ra đối chiếu dữ liệu không nên là bài kiểm tra sức chịu đựng. Một người quản lý nhận ra chuẩn bị họp tốt hơn không nhất thiết phải lấy thêm buổi tối của ai đó.
Nếu bạn đang làm trong một team có nhiều việc lặp lại, có thể bài tập đầu tiên không phải là chọn tool. Hãy thử quan sát một tuần làm việc và ghi lại những khoảnh khắc bạn nghĩ “việc này đáng lẽ không nên tốn nhiều sức như vậy”. Sau đó chọn một việc nhỏ, mô tả nó rõ hơn, và xem AI có thể giúp phần nào mà vẫn giữ được sự phán đoán của con người. Nhiều thay đổi bền vững bắt đầu như thế: không ồn ào, không vội vàng, chỉ là một workflow được sửa lại tử tế hơn hôm qua. Nếu bạn cũng đang thấy những điểm nghẽn nhỏ trong công việc của mình, tôi rất muốn nghe góc nhìn của bạn về việc nào đáng được thiết kế lại đầu tiên.