Có một cảnh nhỏ trong văn phòng mà dạo này mình hay để ý. Một người vừa họp xong, mở cửa sổ AI chat, dán vào mấy dòng ghi chú lộn xộn rồi nhờ viết lại cho gọn. Cách đó vài bàn, một người khác dùng một workflow đã lưu sẵn để biến cùng loại ghi chú đó thành action items, risks, owners và một bản follow-up draft. Công cụ nhìn qua có vẻ giống nhau. Nhưng cấp độ làm việc thì khác.
Sự khác biệt đó là điều mình nghĩ tới khi nói về AI literacy. Nó không chỉ là khả năng dùng ChatGPT, Claude, Gemini, Copilot hay một tool đang hot trong tháng này. Tool đổi rất nhanh. Giao diện đổi rất nhanh. Ngay cả các kỹ thuật prompt rồi cũng dần được sản phẩm hấp thụ vào bên trong. Thứ bền hơn là khả năng đặt vấn đề, chia việc, đưa context đủ tốt và đánh giá xem đầu ra đã đủ chất lượng để đi tiếp hay chưa.
Bước nhảy thật sự không phải là “mình có dùng AI”. Bước nhảy là mình thiết kế được bao nhiêu phần của hệ thống làm việc quanh AI: một request tốt hơn, một workflow lặp lại được, hay một nhóm agents có guardrails rõ ràng.
Vì sao AI literacy bây giờ khác trước
Ở làn sóng đầu của generative AI, nhiều người học AI như một ô tìm kiếm tốt hơn hoặc một trợ lý viết nhanh hơn. Điều đó đã hữu ích. Nhưng khi mọi thứ đang dịch chuyển sang agentic AI, mô hình cũ bắt đầu thiếu. Ta không chỉ làm việc với AI biết trả lời, mà đang tiến tới AI có thể nhận mục tiêu, dùng tool, chạy nhiều bước và quay lại với một phần việc cần review thay vì cần copy-paste thủ công.
Điều đó làm vai trò của con người đổi đi. Câu hỏi hữu ích không còn chỉ là “mình nên hỏi gì?” Nó trở thành “hệ thống này nên làm phần việc nào, nên dừng ở đâu, và mình biết kết quả đủ tốt bằng cách nào?”
Bản đồ 3 cấp độ
Trước khi đi sâu, nên đặt 3 cấp độ cạnh nhau. Đây không phải chức danh. Đây là cách làm việc. Một người có thể đang ở level 1 với một loại task, level 2 với một workflow quen thuộc, và level 3 với một phạm vi nhỏ họ hiểu rất rõ.
| Cấp độ | Câu hỏi chính | Tool thường gặp | Workflow key | Rủi ro chính |
|---|---|---|---|---|
| AI Consumer | Làm sao có câu trả lời tốt hơn? | ChatGPT, Claude, Gemini, Perplexity, NotebookLM, Copilot, Notion AI | Task + context + source + output format + review standard | Câu trả lời rời rạc, đòn bẩy thấp |
| AI Collaborator | Làm sao để lần sau việc tương tự dễ hơn? | Custom GPTs, Claude Projects, Gemini Gems, Airtable, Sheets, Zapier, Make, n8n | Input → normalize → transform → review → handoff | Workflow chỉ sống trong đầu mình |
| AI Orchestrator | Làm sao thiết kế một hệ thống nhỏ gánh được một phần việc? | Copilot Studio, Zapier Agents, Lindy, Relevance AI, Codex, Cursor, Claude Code, LangGraph, CrewAI | Roles + tools + permissions + checkpoints + metrics | Tự chủ mà thiếu guardrails |
Cấp độ 1: AI Consumer
Đây là người dùng AI từng câu hỏi một. Cần email thì hỏi ChatGPT. Cần viết lại một đoạn dài cho gọn thì dùng Claude. Cần tìm nhanh một hướng nghiên cứu thì mở Perplexity. Cần đọc một tài liệu dài thì dùng NotebookLM. Cần tóm tắt trong môi trường làm việc có sẵn thì dùng Gemini, Copilot hoặc Notion AI. Quy trình chủ yếu là tuyến tính: hỏi, nhận, copy, chỉnh, lặp lại.
Cấp độ này vẫn có giá trị vì nó giảm ma sát cho nhiều việc nhỏ. Nhưng nó cũng khá mong manh. Kết quả phụ thuộc nhiều vào một prompt đơn lẻ, người dùng vẫn phải tự ghép nối phần lớn công việc, và khi câu trả lời sai hoặc mơ hồ, cả flow chậm lại.
Workflow key: hỏi thành một đơn vị đầy đủ
Một request dùng được thường có năm mảnh nhỏ: task, context, source material, output format và review standard. Thay vì chỉ nói viết giúp tôi một bài LinkedIn, request tốt hơn sẽ nói người đọc là ai, ý nào bắt buộc giữ, tone nào cần tránh, độ dài bao nhiêu, và điều gì sẽ khiến bản nháp này không dùng được.
Rủi ro ở cấp độ này không phải là người dùng lười. Nhiều khi họ vẫn rất chăm. Rủi ro là đòn bẩy còn thấp. Nếu rất nhiều người có thể làm cùng một việc bằng cùng một tool công khai và cùng một câu lệnh ngắn, lợi thế sẽ khá mỏng. AI giúp nhanh hơn, nhưng chưa tạo thành một hệ thống.
Cấp độ 2: AI Collaborator
Người ở mức này không chỉ hỏi AI các câu rời rạc. Họ bắt đầu biến việc lặp lại thành workflow nhỏ. Một transcript thô trở thành một brief có cấu trúc. Một tin nhắn khách hàng trở thành phân loại, bản nháp trả lời và cảnh báo rủi ro. Một bảng tính lộn xộn trở thành dữ liệu sạch, phần tóm tắt và template cho lần sau.
Một content workflow có thể đi như sau: gom raw ideas từ voice notes, nhờ AI gom nhóm thành themes, chọn một angle, tạo outline, viết draft, rồi chạy một quality pass để kiểm tra độ rõ, giọng văn, claim và title. Một meeting workflow có thể biến transcript thành decisions, open questions, action items, owners và draft ticket cho Jira hoặc Linear. Một sales workflow có thể lấy call notes, trích xuất objections, cập nhật CRM field và chuẩn bị follow-up email để con người duyệt trước khi gửi.
Workflow key: biến đường đi thành thứ tái sử dụng được
Workflow key ở cấp độ này không phải là một prompt hay. Nó là một chuỗi lặp lại được: input, normalize, transform, review, handoff. Input là biết nguyên liệu thô đi vào là gì. Normalize là đưa dữ liệu lộn xộn về một format ổn định. Transform là biến nó thành output hữu ích. Review là kiểm tra chất lượng trước khi nó rời khỏi bàn mình. Handoff là đưa output sang nơi kế tiếp: document, ticket, CRM, dashboard hoặc một người khác.
Nếu bạn có thể chạy cùng một process có AI hỗ trợ 3 lần với input tương tự và nhận lại output có hình dạng dự đoán được, bạn không còn chỉ đang prompt nữa. Bạn đã bắt đầu thiết kế workflow.
Ở cấp độ này, AI bắt đầu trở thành một phần của personal operating system. Người dùng hiểu input, context, constraint, output format, tiêu chí review và feedback loop. Họ biết câu trả lời đầu tiên hiếm khi là câu trả lời cuối cùng. Họ cũng biết cách cải thiện đầu ra thay vì đổ hết lỗi cho model mỗi khi kết quả chưa tốt.
Cấp độ 3: AI Orchestrator
Đây là lúc công việc chuyển từ tự làm từng bước sang thiết kế hệ thống làm các bước đó. Người dùng bắt đầu từ goal, không bắt đầu từ prompt. Họ chia một bài toán rộng thành các vai nhỏ hơn. Một agent nghiên cứu. Một agent so sánh. Một agent viết nháp. Một agent khác kiểm tra chất lượng, sự nhất quán, rủi ro hoặc SEO. Con người không biến mất; con người chuyển lên vị trí có đòn bẩy cao hơn: đặt hướng, định nghĩa constraint, quyết thế nào là tốt và đặt guardrails quanh những phần không được phép sai.
Tool ở cấp độ này sẽ tuỳ bối cảnh. Người non-tech có thể bắt đầu từ các agent builder và automation layer như Copilot Studio, Zapier Agents, Make, n8n, Lindy hoặc Relevance AI. Team kỹ thuật có thể làm việc với coding agents và developer tools như Codex, Cursor, Claude Code, hoặc các framework kỹ thuật hơn như LangGraph và CrewAI. Tên tool sẽ còn đổi, nhưng pattern thì khá ổn định: định nghĩa vai trò, trao đúng tool cho đúng vai, giới hạn quyền, và đặt checkpoint ở nơi cần phán đoán của con người.
Một hệ thống content nhỏ có thể có research agent gom tư liệu, outline agent dựng cấu trúc, writing agent viết bản nháp, và editor agent kiểm tra giọng văn, claim chưa có căn cứ, ý lặp lại. Một product team có thể dùng một agent tóm tắt support tickets, một agent gom nhóm pain points, một agent nối các theme đó với roadmap items, và một agent chuẩn bị weekly decision brief. Một hiring team có thể có workflow cho screening, workflow cho interview questions, và workflow cho candidate communication, với human gate trước mọi tin nhắn gửi ra ngoài.
Workflow key: thiết kế operating model
Workflow key ở cấp độ này là operating model. Ai sở hữu goal? Agent hoặc tool nào được đọc dữ liệu? Tool nào được quyền ghi hoặc gửi? Hệ thống dừng lại hỏi ở đâu? Việc nào có thể hoàn tác, việc nào không? Metric nào cho thấy hệ thống đang giúp mình thay vì tạo thêm việc dọn dẹp? Những câu hỏi này nghe kém hào nhoáng hơn demo, nhưng chúng là nơi đòn bẩy đáng tin cậy được tạo ra.
Nhiều người gọi đây là boss mindset. Mình không hiểu nó theo nghĩa địa vị hay cái tôi. Mình hiểu nó là trách nhiệm. Một người quản lý tốt không chỉ quăng việc ra rồi hy vọng. Họ làm rõ mục tiêu, đưa đủ context, chọn đúng người cho đúng việc, kiểm tra các điểm quan trọng và chịu trách nhiệm cuối cùng về kết quả. Làm việc với agents cũng cần một tư thế tương tự.
Guardrails mới là kỹ năng thật sự
Dịch chuyển thực tế nằm ở chỗ: từ execution sang orchestration. Một người non-tech không nhất thiết phải trở thành software engineer để hưởng lợi từ dịch chuyển này. Nhưng họ cần nghĩ rõ hơn. Mục tiêu thật sự là gì? Phần nào đang lặp lại? Phần nào cần phán đoán? Dữ liệu nào an toàn để dùng? AI nên dừng lại hỏi ở đâu? Điều gì làm đầu ra đủ đáng tin để hành động?
Ở đây cũng có một kỷ luật thầm lặng: verification. AI càng có năng lực, ta càng dễ xem một đầu ra trôi chảy là một đầu ra đã xong. Nhưng trôi chảy không đồng nghĩa với đúng, và nhanh không đồng nghĩa với chất lượng. Người điều phối agents tốt cũng cần đủ kiên nhẫn để kiểm tra giả định, soi edge cases và giữ con người trong loop ở những nơi cái giá của việc sai là cao.
Phiên bản nguy hiểm của AI adoption không phải là dùng sai tool. Nó là trao quyền tự chủ cho một hệ thống trước khi định nghĩa scope, permission, review point và ownership. Một workflow nhanh hơn nhưng không có trách nhiệm rõ ràng chỉ là sự lộn xộn chạy nhanh hơn.
Bài tiếp theo nên viết gì
Nếu viết tiếp chủ đề này, mình nghĩ nên tách thành ba bài thực hành riêng. Cấp độ 1 cần một bài về cách viết request tốt và kiểm tra output mà không biến mình thành người sưu tầm prompt. Cấp độ 2 cần một bài về cách map việc lặp lại thành workflow. Cấp độ 3 cần một bài về cách thiết kế agent system nhỏ: roles, permissions, approval gates và quality metrics. Mỗi cấp độ đều có craft riêng.
Những điều đọng lại
- AI literacy không phải là sưu tầm tool. Tool đổi; năng lực bền hơn là đặt vấn đề rõ và kiểm tra chất lượng.
- Cấp độ 1 làm request tốt hơn. Task, context, source, output format và review standard giúp việc dùng AI rời rạc bớt hên xui.
- Cấp độ 2 làm việc lặp lại được. Input, normalize, transform, review và handoff biến prompt thành workflow.
- Cấp độ 3 thiết kế một operating system nhỏ. Roles, tools, permissions, checkpoints và metrics giúp agents gánh việc có giới hạn an toàn hơn.
- Verification không phải phần phụ. AI càng tự chủ thì guardrails càng phải rõ.
AI literacy, ở trạng thái tốt nhất, không phải để nghe cho cao siêu. Nó giúp công việc rõ hơn. Nếu AI buộc ta mô tả mục tiêu chính xác hơn, chia việc cẩn thận hơn và định nghĩa chất lượng rõ ràng hơn, thì nó đã dạy ta một điều có giá trị về chính cách mình làm việc. Tool sẽ còn đổi. Thói quen tư duy hệ thống mới là thứ có thể tích lũy.
Khi nhìn lại công việc tuần này, có lẽ câu hỏi đáng tự hỏi là: mình đang dùng AI để hoàn thành một task nhanh hơn, hay đang chậm rãi xây một cách làm khiến lần sau việc tương tự trở nên dễ hơn?