AI làm tôi nhanh hơn, nhưng chưa chắc giỏi hơn

Mấy tháng gần đây, tốc độ hoàn thành công việc của tôi tăng rất rõ.

Một kịch bản tự động hóa trước đây có thể mất nửa ngày để đọc tài liệu, thử từng bước và sửa lỗi, giờ có thể bắt đầu bằng vài vòng trao đổi với AI. Một báo cáo cần gom dữ liệu từ nhiều nguồn trước đây khiến tôi phải mở hàng loạt tab, giờ có thể được tóm tắt thành một cấu trúc khá rõ chỉ sau vài phút. Một đoạn code tôi chưa từng viết, một framework tôi mới nghe tên, một câu hỏi tôi chưa biết nên bắt đầu từ đâu — AI đều có thể giúp tôi có điểm khởi đầu nhanh hơn.

Điều đó rất hữu ích.

Nhưng càng dùng nhiều, tôi càng thấy một câu hỏi khó chịu xuất hiện: tốc độ tăng lên có đồng nghĩa với năng lực của mình cũng tăng lên không?

Tôi nghĩ câu trả lời là: không tự động.

AI có thể giúp tôi tạo ra một đầu ra tốt hơn rất nhiều so với trước đây. Nhưng đầu ra đó là kết quả của một hệ thống gồm tôi + công cụ + nguồn dữ liệu + prompt + khả năng kiểm tra. Nếu bỏ công cụ ra khỏi hệ thống, phần còn lại có thực sự mạnh hơn hay không là chuyện khác.

Đây là điều tôi muốn giữ lại cho chính mình.

Năng suất và năng lực là hai thứ dễ bị nhầm nhất khi dùng AI

Năng suất trả lời câu hỏi:

Tôi hoàn thành được bao nhiêu việc trong một khoảng thời gian?

Năng lực trả lời những câu khác:

• Tôi có hiểu bản chất vấn đề không?
• Tôi có biết tại sao cách này đúng?
• Tôi có nhận ra khi nào nó sai?
• Tôi có tự xử lý được khi tình huống lệch khỏi ví dụ mẫu?
• Tôi có thể giải thích lại cho người khác bằng lời của mình không?
• Tôi có chịu trách nhiệm được cho quyết định cuối cùng không?

Khi chưa có AI, hai thứ này thường đi khá sát nhau. Muốn tạo ra một báo cáo tốt, tôi buộc phải tự làm rất nhiều bước. Muốn viết một đoạn code chạy được, tôi thường phải hiểu ít nhất một phần logic. Muốn đưa ra một phân tích, tôi phải tự đọc nguồn và ghép dữ kiện.

AI làm mối quan hệ đó lỏng hơn.

Bây giờ tôi có thể tạo một output vượt quá năng lực độc lập hiện tại của mình. Đó là một lợi thế rất lớn, nhưng cũng là nguồn tạo ra một loại ảo giác rất dễ chịu: “Mình làm được việc này” có thể bị hiểu thành “Mình đã biết việc này.”

Hai câu đó không giống nhau.

Root Idea: AI có thể tăng tốc đầu ra nhưng tốc độ không tự động chuyển thành năng lực; phần tư duy, phán đoán và phản biện vẫn phải được chủ động giữ lại cho con người.

Điều nguy hiểm không phải AI giỏi, mà là mình quên phần nào là của AI

Tôi không nghĩ vấn đề nằm ở việc AI làm thay quá nhiều.

Máy tính cũng làm thay tôi phép tính. Google làm thay tôi việc ghi nhớ URL. GPS làm thay tôi một phần khả năng nhớ đường. Công cụ tốt luôn lấy bớt những việc không cần thiết khỏi con người.

Vấn đề bắt đầu khi tôi không còn phân biệt được:

• điều gì tôi thật sự hiểu;
• điều gì tôi chỉ vừa đọc một lời giải rất thuyết phục;
• điều gì tôi có thể tái tạo;
• điều gì chỉ tồn tại vì công cụ đang ở bên cạnh.

Một câu trả lời trôi chảy tạo cảm giác hiểu rất mạnh.

Nếu AI giải thích một thuật toán bằng ngôn ngữ dễ hiểu, tôi có thể đọc xong và thấy “à, hóa ra đơn giản”. Nhưng nếu đóng cửa sổ chat lại và tự viết lại logic từ đầu, đôi khi tôi phát hiện mình chỉ nhận ra lời giải khi nhìn thấy nó, chứ chưa đủ hiểu để tự sinh ra lời giải.

Đó là khác biệt giữa recognition và recall.

Và trong công việc, khác biệt này quan trọng.

Khi mọi thứ chạy đúng, recognition có thể đủ. Nhưng khi dữ liệu sai, API đổi, tracking lệch, một công thức cho kết quả bất thường hoặc một quyết định có rủi ro, tôi cần khả năng tự dựng lại logic từ nền tảng.

Một bài kiểm tra đơn giản: tắt AI đi, tôi còn lại gì?

Tôi bắt đầu tự kiểm tra mình bằng những câu rất đơn giản.

Sau khi dùng AI giải một vấn đề, tôi thử hỏi:

1. Nếu ngày mai không mở được AI, tôi có thể làm lại 60–70% quy trình không?
2. Tôi có giải thích được tại sao từng bước tồn tại không?
3. Tôi có biết đâu là assumption lớn nhất?
4. Tôi có nhận ra điều gì phải kiểm chứng bằng nguồn khác?
5. Tôi có biết khi nào không nên áp dụng lời giải vừa nhận được?

Nếu câu trả lời chủ yếu là “không”, tôi coi phần đó là output thuê ngoài, chưa phải năng lực đã học.

Không có gì xấu trong việc thuê ngoài.

Tôi không cần tự viết compiler để dùng ngôn ngữ lập trình. Tôi không cần hiểu sâu mọi giao thức mạng để deploy website. Tôi cũng không cần biến mọi việc AI làm thành kỹ năng cá nhân.

Nhưng tôi muốn biết rõ mình đang đứng ở đâu.

Độ nguy hiểm không nằm ở việc “không biết”. Nó nằm ở việc không biết rằng mình không biết.

Tôi thấy mình dễ rơi vào ba bẫy

1. Tin câu trả lời đầu tiên vì nó quá mượt

AI thường trình bày logic rất có cấu trúc: mở bài, luận điểm, ví dụ, kết luận. Cảm giác hoàn chỉnh này dễ làm tôi hạ cảnh giác.

Nhưng cấu trúc tốt không đảm bảo fact đúng.

Một con số có thể sai nhưng nằm trong một đoạn văn rất hợp lý. Một API có thể đã đổi. Một khái niệm có thể được giải thích quá tự tin. Một case study có thể nghe “đúng chất ngành” nhưng chưa từng tồn tại.

Vì thế, độ trôi chảy của câu trả lời không được phép trở thành bằng chứng.

2. Tạo nhiều hơn nhưng hiểu ít hơn

Khi một bài viết mất 20 phút thay vì hai tiếng, phản xạ tự nhiên là viết thêm nhiều bài.

Khi một automation có thể dựng nhanh, phản xạ là dựng thêm automation.

Khi dashboard dễ tạo, phản xạ là thêm chart.

Nhưng throughput cao không tự động tạo giá trị.

Nếu tôi không còn hỏi “vì sao cần thứ này?”, AI có thể giúp tôi sản xuất rất nhanh một lượng lớn nợ nội dung, nợ quy trình và nợ kỹ thuật.

Tốc độ làm sai cũng là tốc độ.

3. Mất dần sự nhạy cảm với chi tiết

Khi tự làm từng bước, tôi buộc phải chạm vào những điểm nhỏ: một field trống, một timezone sai, một điều kiện IF thiếu, một event bắn hai lần.

Khi AI làm phần lớn, tôi có xu hướng nhìn từ trên cao.

Đó là lợi thế khi cần tư duy hệ thống, nhưng cũng có rủi ro: những lỗi nhỏ nhất thường lại là lỗi phá hệ thống thật.

Tôi không muốn dùng AI để thoát khỏi chi tiết tới mức mất luôn khả năng phát hiện bất thường.

Tôi không muốn biến AI thành một bài kiểm tra đạo đức

Có lúc tôi thấy cuộc tranh luận về AI bị đẩy thành hai cực.

Một bên nói: dùng AI nhiều sẽ làm con người lười, mất khả năng suy nghĩ.

Bên kia nói: ai không dùng AI sẽ bị bỏ lại.

Tôi không thấy cần chọn một trong hai.

Công cụ không tự quyết định chất lượng tư duy của người dùng.

Cùng một model, một người có thể dùng để copy câu trả lời đầu tiên. Người khác có thể dùng như đối tác phản biện, yêu cầu nó chỉ ra assumption, tìm nguồn đối lập, thử nhiều phương án và ép mình giải thích lại.

AI có thể là chiếc nạng.

AI cũng có thể là phòng tập.

Khác biệt nằm ở cách tôi thiết kế mối quan hệ với nó.

Ba nguyên tắc tôi muốn giữ

Tự nghĩ trước khi hỏi

Không phải lúc nào cũng cần 30 phút suy nghĩ độc lập.

Nhưng với việc quan trọng, tôi muốn tự viết vài dòng trước:

• vấn đề thật là gì;
• mục tiêu là gì;
• dữ liệu nào mình có;
• mình đang nghi ngờ điều gì;
• hướng nào có vẻ hợp lý.

Sau đó mới hỏi AI.

Lợi ích của bước này không phải để chứng minh tôi giỏi hơn máy. Nó giúp tôi có một “bản ghi trước AI” để so sánh.

Tôi có thể thấy AI bổ sung điều gì, thay đổi assumption nào, hay chỉ viết lại điều tôi đã nghĩ bằng câu chữ đẹp hơn.

Luôn giữ vai trò người phản biện

Khi AI đưa ra một phương án, tôi muốn hỏi ngược:

• Nếu giả định này sai thì sao?
• Có trường hợp phản ví dụ không?
• Nguồn nào hỗ trợ claim này?
• Đây là fact hay inference?
• Cái gì có thể đã lỗi thời?
• Cách làm đơn giản hơn là gì?
• Rủi ro lớn nhất nếu triển khai là gì?

Tôi không cần phản biện vì “AI hay sai”. Tôi phản biện vì chính con người cũng hay sai.

AI chỉ làm tốc độ hình thành kết luận nhanh hơn, nên việc kiểm tra càng cần được thiết kế rõ.

Giữ phần khó nhất cho mình

Tôi muốn giao cho AI những việc như:

• gom thông tin;
• gợi ý cấu trúc;
• viết nháp;
• format;
• tạo variation;
• phát hiện lỗ hổng;
• hỗ trợ code;
• tạo checklist.

Nhưng những phần này tôi muốn giữ:

• xác định vấn đề;
• chọn mục tiêu;
• cân nhắc trade-off;
• quyết định nguồn nào đáng tin;
• chọn phương án cuối;
• chịu trách nhiệm với hậu quả.

Nói ngắn hơn: AI có thể làm nhiều bước, nhưng không được lấy mất quyền phán đoán.

Học với AI khác làm việc với AI

Tôi cũng đang cố tách hai chế độ.

Chế độ làm việc

Mục tiêu là có output đúng, nhanh, an toàn.

Tôi không cần nhớ mọi câu lệnh hay cú pháp. Tôi có thể dùng AI rất sâu miễn là có QA.

Chế độ học

Mục tiêu là năng lực của tôi thay đổi sau phiên làm việc.

Ở đây tôi cần ma sát.

Tôi có thể yêu cầu AI:

• không đưa đáp án ngay;
• chỉ gợi ý một bước;
• hỏi ngược tôi;
• yêu cầu tôi giải thích;
• tạo bài tập tương tự;
• chỉ ra chỗ giải thích của tôi còn mơ hồ.

Nếu luôn dùng cùng một mode “làm nhanh nhất có thể”, tôi dễ tối ưu công việc nhưng bỏ quên việc học.

Hai mục tiêu này đều hợp lý. Chỉ là chúng khác nhau.

Một chỉ số tôi muốn theo dõi: khả năng làm lại

Sau mỗi kỹ năng mới, thay vì hỏi “AI giúp tôi tiết kiệm bao nhiêu thời gian?”, tôi muốn thêm một câu:

Một tuần sau, tôi còn có thể làm lại hoặc giải thích lại bao nhiêu phần?

Không cần 100%.

Tôi không muốn biến mọi tool thành kiến thức phải thuộc lòng.

Nhưng với những năng lực nằm gần lõi công việc — phân tích, tracking, quảng cáo, hệ thống dữ liệu, tư duy vận hành — tôi muốn khả năng làm lại cao hơn.

Vì đó là những phần tôi cần dùng để đánh giá output của AI.

Nếu người kiểm tra không đủ năng lực, automation càng mạnh thì rủi ro càng lớn.

AI có thể làm tôi giỏi hơn — nhưng chỉ khi tôi dùng nó để mở rộng vòng học

Điểm tích cực là AI cũng tạo ra một kiểu học trước đây khó có.

Tôi có thể hỏi liên tục mà không ngại.

Tôi có thể yêu cầu một khái niệm được giải thích năm cách.

Tôi có thể đưa một đoạn code lỗi và hỏi từng assumption.

Tôi có thể yêu cầu phản biện ý tưởng của mình ngay lúc nó còn rất thô.

Tôi có thể học một lĩnh vực mới bằng cách đi từ ví dụ cụ thể tới nguyên lý.

Nếu dùng theo cách này, AI không chỉ tăng tốc output mà còn tăng tốc feedback loop.

Vòng học có thể trở thành:

Tự nghĩ
  ↓
Thử
  ↓
Hỏi AI
  ↓
So sánh
  ↓
Phản biện
  ↓
Làm lại bằng lời của mình
  ↓
Áp dụng vào bài toán khác

Điểm cuối rất quan trọng.

Một kiến thức chỉ thực sự bắt đầu trở thành năng lực khi tôi có thể chuyển nó sang bối cảnh mới.

Điều tôi sợ nhất không phải là phụ thuộc công cụ

Tôi đã phụ thuộc rất nhiều công cụ rồi.

Điện thoại, internet, search, spreadsheet, cloud, API — nếu mất hết, công việc của tôi cũng thay đổi hoàn toàn.

Phụ thuộc công cụ không tự nhiên là xấu.

Điều tôi sợ hơn là đánh mất khả năng nhận biết chất lượng.

Một người không cần tự may quần áo vẫn có thể biết một đường may tốt.

Một người không cần tự sản xuất máy ảnh vẫn có thể phân biệt một bức ảnh tốt.

Tương tự, tôi có thể dùng AI viết code mà không trở thành software engineer, nhưng nếu code đó nằm trong hệ thống tôi chịu trách nhiệm, tôi vẫn cần đủ năng lực để hiểu architecture, nhận ra rủi ro và biết khi nào cần một người giỏi hơn mình kiểm tra.

Năng lực cốt lõi trong thời đại AI có thể không còn là “tự tay làm mọi thứ”.

Có lẽ nó dịch sang:

• đặt đúng câu hỏi;
• hiểu cấu trúc vấn đề;
• đánh giá bằng chứng;
• phát hiện bất thường;
• kết nối nhiều lĩnh vực;
• lựa chọn trade-off;
• chịu trách nhiệm cho quyết định.

Một quy tắc nhỏ tôi muốn thử lâu dài

Tôi muốn định kỳ chọn một số việc và làm không có AI.

Không phải để chống AI.

Chỉ để calibration.

Ví dụ:

• tự viết outline trước;
• tự phân tích một bảng dữ liệu nhỏ;
• tự giải thích một khái niệm;
• tự dựng logic của một automation;
• tự viết lại bài học sau khi đóng chat.

Giống như thỉnh thoảng chạy bộ dù hằng ngày có xe.

Tôi không cần bỏ phương tiện. Tôi chỉ muốn biết đôi chân còn khỏe.

Cuối cùng, điều tôi muốn giữ không phải là kỹ năng chống AI

Tôi muốn giữ khả năng tự đứng vững khi công cụ thay đổi.

Model hôm nay có thể bị thay thế.

Prompt hôm nay có thể không còn phù hợp.

Một workflow hôm nay có thể được tích hợp thành một nút bấm ngày mai.

Nếu giá trị của tôi nằm ở việc nhớ đúng cách bấm nút, lợi thế đó rất ngắn.

Nếu giá trị nằm ở khả năng hiểu vấn đề, nhìn dữ liệu, đặt câu hỏi và ra quyết định, công cụ càng mạnh càng khuếch đại giá trị đó.

Vì thế tôi không muốn dùng AI ít đi.

Tôi muốn dùng AI có ý thức hơn.

Nhanh hơn là tốt.

Nhưng sau mỗi lần nhanh hơn, tôi vẫn muốn hỏi:

Phần nào trong kết quả này đã thực sự trở thành năng lực của mình?

Nếu câu hỏi đó còn được giữ lại, có lẽ AI không chỉ giúp tôi làm nhiều hơn.

Nó còn có thể giúp tôi học tốt hơn — miễn là tôi không nhầm hai việc đó là một.