Sáng thứ hai. Bạn cần hoàn thành một bản đề xuất dự án gửi khách hàng. Bạn đã tách thành 5 task nhỏ như bài trước dạy. Nhưng bạn làm theo thứ tự thế này: viết kết luận trước, rồi mới phân tích dữ liệu, rồi cuối cùng mới hỏi yêu cầu khách hàng.
Kết quả? Kết luận viết dựa trên không khí. Phân tích không biết phân tích cho ai. Yêu cầu khách hàng hỏi xong thì mọi thứ phía trước đều sai. Chia nhỏ rồi mà vẫn rác. Lý do: sai thứ tự.
Nấu phở và dependency
Dependency (phụ thuộc) nghe kỹ thuật, nhưng bạn gặp nó mỗi ngày.
Nấu phở. Bạn không thể chan nước dùng khi chưa ninh xương. Không thể ninh xương khi chưa mua xương. Mỗi bước cần output của bước trước. Đó là dependency.
Nhưng để ý: bạn luộc bánh phở cùng lúc ninh xương được. Hai việc này không phụ thuộc nhau. Xương ninh trên bếp trái, phở luộc trên bếp phải. Chạy song song, không ai chờ ai.
Giao việc cho AI cũng chính xác như vậy. Có task phải xong trước thì task sau mới làm được. Có task chạy cùng lúc thoải mái.
Hai loại task: tuần tự và song song
Task tuần tự (phụ thuộc): Task B cần output của task A. Phải xong A rồi mới làm B.
Ví dụ: bạn muốn AI viết báo cáo phân tích thị trường. Trước tiên, AI cần tóm tắt dữ liệu bạn đưa (task A). Rồi mới phân tích xu hướng từ bản tóm tắt đó (task B). Rồi mới viết đề xuất dựa trên phân tích (task C). A → B → C. Không nhảy được.
Task song song (độc lập): Hai task không cần output của nhau. Làm cái nào trước cũng được, hoặc làm cùng lúc.
Ví dụ: bạn đang làm slide thuyết trình. Task "thiết kế logo" và task "viết nội dung slide" độc lập nhau. Logo không cần nội dung, nội dung không cần logo. Mở hai conversation AI, một bên làm logo, một bên viết nội dung. Xong cả hai thì ghép lại.
Phân biệt được hai loại này, bạn sẽ nhanh hơn rất nhiều. Task tuần tự thì kiên nhẫn, xong từng bước. Task song song thì mở nhiều cửa sổ, chạy cùng lúc.
Song song: mở nhiều conversation cùng lúc
Đây là chỗ nhiều người bỏ lỡ.
AI không giới hạn bạn chỉ dùng 1 conversation. Bạn mở 3 tab ChatGPT cùng lúc được. Hoặc 2 tab Claude, 1 tab Gemini. Mỗi tab làm 1 task độc lập.
Quay lại ví dụ bản đề xuất dự án. Giả sử bạn đã phân tích xong dữ liệu (task tuần tự, bắt buộc xong trước). Giờ bạn cần 3 thứ: viết phần mô tả giải pháp, tính ngân sách sơ bộ, soạn timeline. Ba task này độc lập nhau.
Mở 3 conversation. Conversation A viết giải pháp. Conversation B tính ngân sách. Conversation C soạn timeline. Mỗi conversation nhận cùng bản phân tích dữ liệu làm input. Chạy song song. 15 phút sau, bạn có 3 output. Mở conversation D, paste cả 3 vào, nhờ AI gộp thành bản đề xuất hoàn chỉnh.
Thay vì 45 phút làm tuần tự, bạn mất 20 phút. Không phải vì AI nhanh hơn. Vì bạn biết cái nào chạy song song được.
Thực tế: ra mắt khóa học online
Một anh bạn làm giáo dục muốn dùng AI để ra mắt khóa học online. Anh ấy chia thành 6 task: viết outline khóa học, soạn nội dung bài giảng, thiết kế slide, viết sales page, chạy email marketing, soạn FAQ.
Lần đầu, anh giao lung tung. Viết sales page trước (vì "muốn test thị trường sớm"). AI viết sales page cho khóa học chưa có outline. Nội dung sales page toàn lời hứa chung chung vì không biết khóa dạy gì cụ thể. Rồi soạn FAQ trước khi có nội dung bài giảng. FAQ toàn câu hỏi anh tự đoán, không dựa trên nội dung thật.
Lần hai, anh vẽ sơ đồ: Outline → Nội dung bài giảng → Slide (song song với FAQ, vì cả hai đều cần nội dung bài giảng xong). Sales page đợi outline xong. Email marketing đợi sales page xong.
Kết quả khác hẳn. Sales page mô tả đúng nội dung khóa học vì dựa trên outline thật. FAQ trả lời đúng thắc mắc vì biết khóa dạy gì. Slide khớp với bài giảng vì cùng dựa trên nội dung đã duyệt.
Cùng 6 task, cùng AI, cùng người dùng. Chỉ khác thứ tự. Output khác nhau như đêm và ngày.
Sai thứ tự = output rác
Cái giá của sai thứ tự không chỉ là chậm. Là sai.
"Viết kết luận cho báo cáo phân tích thị trường." Bạn giao task này khi chưa có phần phân tích. AI sẽ làm gì? Nó bịa. Nó tự nghĩ ra "phân tích" rồi tự viết "kết luận" dựa trên thứ nó tự nghĩ. Output trông có vẻ hợp lý. Nhưng hoàn toàn không dựa trên dữ liệu thật.
Đây chính là hallucination (bịa thông tin, bài 15 sẽ nói kỹ hơn). AI bịa không phải vì thích bịa. Vì bạn bắt nó làm task mà nó chưa có đủ input. Nó không biết nói "tôi chưa có dữ liệu, chưa làm được." Nó cứ làm. Và bịa.
Một ví dụ dễ thấy hơn. Bạn nhờ AI viết email cảm ơn khách hàng sau cuộc họp. Nhưng bạn chưa cho AI biết cuộc họp bàn về gì, quyết định gì, ai tham dự. AI sẽ viết một email chung chung, đúng ngữ pháp, sai nội dung. Bạn gửi đi thì mất mặt.
Quy tắc đơn giản: trước khi giao task cho AI, kiểm tra xem nó đã có đủ input chưa. Input đó từ đâu? Từ task trước. Task trước xong chưa? Output đã đúng chưa? Đúng rồi mới chuyển.
5 phút vẽ sơ đồ thứ tự
Trước khi bắt tay vào, dành 5 phút vẽ nhanh sơ đồ. Không cần phần mềm gì cả. Giấy bút hoặc note trên điện thoại.
Viết ra các task. Vẽ mũi tên: task nào cần output task nào. Task nào không có mũi tên nối với nhau thì chạy song song được.
Ví dụ, dự án "ra mắt sản phẩm mới":
[Nghiên cứu đối thủ] → [Viết định vị sản phẩm] → [Viết content marketing]
[Thiết kế logo] → (không phụ thuộc 2 task trên)
[Soạn FAQ] → (cần định vị sản phẩm xong)Nhìn vào sơ đồ, bạn thấy ngay: "Nghiên cứu đối thủ" phải xong trước "Viết định vị." "Thiết kế logo" chạy song song bất cứ lúc nào. "Soạn FAQ" chờ "Định vị" xong.
5 phút vẽ sơ đồ này giúp bạn tránh giao AI viết kết luận khi chưa có phân tích. Tránh chờ tuần tự những thứ chạy song song được. Tránh mất hàng giờ vì output rác do sai thứ tự.
Chia nhỏ task mới là bước một. Sắp đúng thứ tự là bước hai. Thiếu bước hai, bước một cũng không cứu được bạn.
---
📚 Mục lục Series AI Agent
Bài 06. AI làm được gì? Bản đồ tools mà bạn chưa biết mình có
Bài 07. "Mở sách cho AI đọc": tại sao cung cấp context thay đổi mọi thứ
Bài 09. 5 thành phần của prompt hiệu quả (và tại sao chúng hoạt động)
Bài 15. AI bịa rất tự tin: Hallucination là gì và tại sao nó xảy ra
Bài 18. Phân loại Xanh/Vàng/Đỏ: khi nào tin AI, khi nào dừng lại