Đọc bài gốc trên One Useful Thing từ giáo sư Ethan Mollick, tôi cho AI lược dịch lại bài gốc để chia sẻ với các bạn.
Chúng ta vẫn đang ở trên đường cong tăng trưởng của AI
Mollick mở đầu bằng một nhận xét: tốc độ phát triển AI vẫn mang tính hàm mũ.
Ông thường viết một bài mới sau vài tuần, nhưng giờ đây ngay cả nhịp độ ấy cũng có vẻ quá chậm. Chỉ trong vài tuần kể từ bài trước, AI đã xuất hiện trong những câu chuyện như việc dường như giải được một bài toán nổi tiếng, cùng lúc xã hội tranh luận ngày càng mạnh về rủi ro của AI và cách kiểm soát nó.
Theo Mollick, đằng sau những lo lắng đó là một vấn đề lớn hơn:
Các hệ thống và quy trình của con người thay đổi quá chậm so với tốc độ phát triển của AI.
Ông không cho rằng những người lo ngại về AI tương lai là sai. Nhưng nếu chỉ nhìn vào những mô hình AI sắp xuất hiện, chúng ta dễ bỏ qua một thực tế quan trọng hơn:
AI hiện tại đã cực kỳ mạnh.
Theo Mollick, các mô hình hiện tại như GPT-6 Astra và Fable 5.1 đã đủ năng lực để tạo ra những thay đổi đáng kể trong nhiều lĩnh vực kinh tế; nếu được hướng dẫn và khai thác đúng, chúng có thể thực hiện khối lượng công việc tương đương nhiều tuần lao động của con người.
Những ví dụ khiến Mollick nhận ra điều này
Ông đưa ra một số thử nghiệm của chính mình.
Một ví dụ là Zork, trò chơi phiêu lưu dạng văn bản từ năm 1977.
Zork nguyên bản gần như không có đồ họa. Mỗi địa điểm chỉ được mô tả bằng vài đoạn văn.
Mollick yêu cầu GPT-6 Astra biến nó thành một trò chơi phiêu lưu hành động 3D hoàn chỉnh có thể chơi được.
Điều đáng chú ý là AI không chỉ chuyển đổi định dạng. Nó phải tự đưa ra hàng loạt quyết định mà tài liệu gốc không hề quy định.
Ngôi nhà màu trắng trông như thế nào?
Con quái vật grue trông ra sao?
Câu chữ đơn giản như “fight the troll” phải trở thành một chuỗi hành động trong game như thế nào?
AI phải lấp đầy những khoảng trống đó.
Một thử nghiệm khác thậm chí phức tạp hơn.
Mollick yêu cầu Fable 5.1 tái dựng thư viện của nhà văn Umberto Eco dưới dạng 3D.
Eco sở hữu hàng chục nghìn cuốn sách trong căn hộ của mình ở Milan. Không có bản thiết kế mặt bằng hoàn chỉnh để AI sử dụng.
Vì vậy AI tự tìm một con đường khác: nó sử dụng khoảng một chục video, ảnh chụp từng giá sách của quỹ lưu trữ và hai catalogue thư viện.
AI đọc gáy sách theo từng khung hình, suy luận cấu trúc các căn phòng, rồi xác định khoảng 5.000 cuốn sách và đặt chúng vào khoảng 27.000 vị trí trên các giá sách.
Những cuốn xác định được thì đánh dấu chắc chắn; những cuốn không chắc thì ghi là phỏng đoán; những khu vực camera không quay tới được thể hiện bằng lớp sương.
Mollick nhấn mạnh rằng những dự án như vậy, nếu thực hiện theo cách truyền thống, có thể cần nhiều tuần làm việc của các nhà nghiên cứu, lập trình viên và nhà thiết kế.
Nhưng điều quan trọng hơn: chính chúng ta chưa biết AI làm được gì
Đây mới là luận điểm trung tâm của bài.
Chúng ta đang tranh luận rất nhiều về:
“AI tương lai sẽ làm được gì?”
Trong khi một câu hỏi khác chưa được trả lời:
“AI hiện tại thực sự đã làm được những gì?”
Ngay chính Mollick cũng không biết GPT-6 Astra có khả năng vận hành Blender cho tới khi AI… tự sử dụng Blender.
Ông đưa cho AI bản thảo cuốn sách sắp xuất bản Co-Existence và yêu cầu:
Hãy làm một trailer cho cuốn sách từ góc nhìn của AI.
Mollick không hướng dẫn cụ thể quy trình.
AI tự quyết định sử dụng Blender, xây dựng một cảnh hoạt hình 3D, viết kịch bản, tạo các tình tiết hài hước, tìm cách tạo giọng nói, âm nhạc và hiệu ứng âm thanh.
Khoảng 45 phút sau, Mollick nhận được bộ phim.
Ông thấy nó hơi u ám so với tinh thần cuốn sách. Vì vậy ông tiếp tục thử:
Hãy làm thành trailer phim hành động dựa trên Co-Existence, tối đa 30 giây.
AI lại viết kịch bản và dựng prototype 3D bằng Blender.
Khi Mollick yêu cầu phiên bản “cinematic” hơn, AI dùng chính hoạt hình Blender làm storyboard, điều khiển một công cụ tạo video qua trình duyệt rồi dựng các đoạn video thành trailer hoàn chỉnh.
Mollick gần như không can thiệp vào quá trình sản xuất.
Ông chỉ đưa ra một số phản hồi sáng tạo nhỏ.
Và đây chính là “Capability Overhang”
Những sản phẩm AI tạo ra vẫn có lỗi.
Nhưng Mollick nhận thấy AI đang thể hiện một dạng phán đoán và sáng tạo — những phẩm chất mà cách đây không lâu chúng ta vẫn thường xem là đặc trưng của con người.
Tuy nhiên, có một điểm cực kỳ quan trọng:
Không dự án nào tự nhiên xuất hiện.
Mollick là người nghĩ ra việc biến Zork thành game 3D.
Mollick biết đủ nhiều về Umberto Eco để nghĩ đến chuyện tái dựng thư viện.
Mollick hiểu cuốn sách của chính mình đủ sâu để nhận ra trailer đầu tiên “quá u ám”.
Và ông có khả năng nói:
Không, phiên bản này chưa đúng. Làm lại.
Từ đây xuất hiện khái niệm trung tâm:
Capability Overhang
Có thể hiểu là:
Khoảng cách giữa năng lực mà AI hiện đã có và năng lực mà con người thực tế đang khai thác từ nó.
Mollick cho rằng khoảng cách này hiện rất lớn.
Nói cách khác:
AI có thể đã làm được nhiều hơn rất nhiều so với những gì chúng ta đang yêu cầu nó làm.
Và đây vừa là nguy cơ, vừa là cơ hội.
Đừng cạnh tranh với AI về việc tạo output
Mollick đưa ra một điểm rất đáng chú ý.
Nếu chiến lược của chúng ta là:
“Tôi phải tạo output tốt hơn AI.”
thì đó có thể là một trò chơi ngày càng khó thắng.
Thay vào đó, câu hỏi nên là:
Con người có những lợi thế gì để kết hợp với AI, nhằm tạo ra những thứ mà cả con người lẫn AI nếu đứng riêng đều không thể tạo ra?
Trong cuốn Co-Existence, Mollick xác định bốn lợi thế của con người đặc biệt quan trọng:
Deep Knowledge — Wide Knowledge — Taste — Agency
Hay theo cách mình đề xuất dịch:
Tri thức chiều sâu — Tri thức chiều rộng — Năng lực thẩm định/Gu — Năng lực chủ động.
1. DEEP KNOWLEDGE — TRI THỨC CHIỀU SÂU
Deep Knowledge là kiến thức chuyên sâu hình thành khi bạn hiểu một lĩnh vực đủ lâu và đủ sâu để phát triển trực giác chuyên môn.
Ví dụ:
Một kế toán giàu kinh nghiệm có thể nhìn bảng tính và gần như ngay lập tức cảm thấy:
“Có gì đó sai.”
Một huấn luyện viên golf chỉ cần nhìn cú swing có thể nhận ra lỗi kỹ thuật của người chơi.
Đó không đơn giản là nhớ nhiều thông tin.
Đó là kiến thức đã được tích lũy thành khả năng nhận diện mẫu hình.
Mollick cũng vậy.
Ông có thể xem trailer AI tạo ra và gần như ngay lập tức nhận ra:
Tinh thần này u ám hơn cuốn sách của mình.
AI có thể làm trailer.
Nhưng Mollick hiểu cuốn sách sâu hơn AI theo nghĩa tác giả sở hữu mục đích, bối cảnh và ý nghĩa của tác phẩm.
Deep Knowledge vì vậy trở nên quan trọng khi làm việc với AI.
Nó cho phép con người nhận ra:
AI đang đúng ở đâu?
AI đang sai ở đâu?
Điều gì trông có vẻ hợp lý nhưng thực ra sai?
Khi nào cần chấp nhận output?
Khi nào phải yêu cầu AI làm lại?
Mollick liên hệ điều này với khái niệm ông từng gọi là Jagged Frontier — biên giới năng lực lởm chởm của AI: AI có thể cực giỏi ở một nhiệm vụ nhưng bất ngờ kém ở một nhiệm vụ tưởng như đơn giản hơn.
Chỉ người có chuyên môn trong lĩnh vực mới thực sự nhận diện được hình dạng của “biên giới” ấy.
2. WIDE KNOWLEDGE — TRI THỨC CHIỀU RỘNG
Nhưng chuyên môn sâu thôi chưa đủ.
Bạn còn cần biết rộng.
Các LLM đã học từ một phần rất lớn kho tri thức do con người tạo ra.
AI có thể biết về:
Design Thinking.
Bayesian reasoning.
Toyota Production System.
Rogerian Therapy.
Phê bình văn học Marxist.
Và vô số framework khác.
Nhưng có một vấn đề:
AI thường không tự nhiên đưa những thứ đó ra nếu bạn không biết để yêu cầu.
Đây chính là giá trị của Wide Knowledge.
Mollick lấy một ví dụ rất đơn giản về thiết kế website.
Nếu yêu cầu AI thiết kế website, AI thường có một số thói quen thiết kế đặc trưng, trong đó có việc đặt những dòng chữ nhỏ phía trên headline — trong thiết kế đôi khi được gọi là “eyebrow.”
Nếu bạn hoàn toàn không biết thiết kế, bạn thậm chí không biết thứ đó gọi là gì.
Bạn chỉ cảm thấy:
“Trông hơi kỳ.”
Nhưng nếu có kiến thức rộng, bạn có thể nói:
“Bỏ eyebrow đi.”
Ngay lập tức AI hiểu.
Tương tự, Mollick biết rằng có thể dùng animation Blender như storyboard cho video generator.
Ông không nhất thiết phải là chuyên gia Blender.
Nhưng ông biết đủ rộng để nhận ra:
À, đây là một workflow hợp lý.
Do đó, trong thời đại AI, việc đọc rộng trở nên có giá trị hơn chứ không phải ít giá trị hơn.
Mollick thậm chí gọi vui đây là:
“Sự trở lại của Liberal Arts.”
3. TASTE — GU / NĂNG LỰC THẨM ĐỊNH
Đây có lẽ là phần đặc biệt quan trọng.
Trước AI, việc tạo ra thứ gì đó rất đắt đỏ.
Viết một bản nháp mất vài giờ.
Tạo 20 concept sản phẩm có thể khiến một đội mất cả tuần.
Một bài nghiên cứu có thể mất nhiều năm.
Nút thắt của hệ thống nằm ở:
khả năng sản xuất.
Nhưng AI thay đổi cấu trúc này.
Việc tạo ra sản phẩm trở nên:
nhanh + rẻ + gần như vô hạn.
Vì vậy, thứ trở nên khan hiếm không còn là khả năng tạo.
Mà là khả năng chọn.
Đó chính là Taste.
Trong trailer của Mollick, AI đưa ra một câu đùa.
Mollick bỏ nó.
AI đưa ra câu khác.
Mollick giữ lại.
Ông yêu cầu trailer “cinematic” hơn.
Chỉ vài quyết định nhỏ đó đã định hình sản phẩm cuối cùng.
AI thực hiện hàng trăm thao tác.
Con người chỉ đưa ra vài quyết định.
Nhưng chính vài quyết định ấy tạo ra hướng đi.
Mollick thừa nhận Generative AI đang tạo ra rất nhiều AI slop — nội dung na ná nhau, rẻ tiền, tràn ngập.
Nhưng theo ông:
Taste chính là thứ chống lại slop.
Làm ra sản phẩm AI tốt không nhất thiết nghĩa là tự tay làm mọi thứ.
Nó ngày càng có nghĩa là biết:
Output nào nên giữ.
Output nào nên bỏ.
Output nào chỉ nên dùng làm nguyên liệu.
Và:
Làm thế nào từ những nguyên liệu AI tạo ra để hình thành thứ mà AI sẽ không tự nghĩ ra nếu không có bạn.
4. AGENCY — NĂNG LỰC CHỦ ĐỘNG
Mollick cho rằng đây có thể là lợi thế quan trọng nhất, đồng thời khó định nghĩa nhất.
Trong bối cảnh AI, ông hiểu Agency là:
Sự sẵn sàng chủ động thử nghiệm giới hạn của những gì AI có thể làm trong một thời điểm mà gần như tất cả chúng ta đều chưa biết rõ giới hạn ấy nằm ở đâu.
Jagged Frontier vẫn chưa được lập bản đồ.
Vì vậy:
Agency = trở thành người thám hiểm.
Có hai kiểu người.
Người thứ nhất chờ:
“Khi nào có người nói cho tôi biết AI đã làm được việc này?”
Người thứ hai:
“Không biết AI có làm được việc này không? Thử xem.”
Mollick thuộc nhóm thứ hai.
Đó là lý do ông liên tục thực hiện những thử nghiệm kỳ quặc với AI.
Không nhất thiết vì những thử nghiệm đó có giá trị thương mại ngay lập tức.
Mà bởi mỗi thử nghiệm giúp ông vẽ thêm một phần bản đồ năng lực AI.
Một sự thay đổi rất lớn trong cách hiểu về “người giỏi AI”
Nếu nối bốn yếu tố của Mollick lại với nhau, ta có thể thấy một hình ảnh khác hẳn về năng lực AI.
Người sử dụng AI mạnh không nhất thiết là người:
biết nhiều prompt nhất.
Cũng không nhất thiết là người:
biết nhiều công cụ AI nhất.
Mà là người mang vào cuộc cộng tác với AI:
Deep Knowledge
→ Tôi hiểu sâu một thứ.
Wide Knowledge
→ Tôi biết đủ rộng để kết nối nhiều thứ.
Taste
→ Tôi nhận ra cái gì tốt và cái gì chưa tốt.
Agency
→ Tôi chủ động thử những thứ chưa ai chắc chắn có thể làm được.
AI khuếch đại bốn năng lực đó.
Vậy điều này dẫn chúng ta tới đâu?
Phần cuối bài quay trở lại câu chuyện lớn hơn.
Phần lớn nỗi lo về AI hiện nay tập trung vào AI tương lai:
AI sẽ mạnh tới đâu?
Có kiểm soát được không?
Có nên giảm tốc độ phát triển không?
Mollick cho rằng việc chính phủ và các phòng thí nghiệm AI thảo luận những vấn đề này là hợp lý.
Nhưng kể cả ngày mai tất cả phòng lab ngừng huấn luyện model mới, một sự thật vẫn không thay đổi:
Những model hiện có đã đủ mạnh để thay đổi cách nhiều bộ phận của nền kinh tế vận hành.
Vấn đề là:
Khoảng cách giữa những gì AI hiện có thể làm và những gì phần lớn con người đang dùng AI để làm vẫn cực kỳ lớn.
Đó chính là The Overhang.
Thay đổi là không tránh khỏi — nhưng hướng thay đổi thì chưa được định sẵn
Đây là một phân biệt quan trọng ở cuối bài.
Mollick cho rằng thay đổi do AI sẽ xảy ra.
Nó không diễn ra đồng đều.
Không xảy ra cùng một lúc.
Có ngành nhanh, có ngành chậm.
Nhưng việc AI tạo ra thay đổi ngày càng khó tránh khỏi.
Tuy nhiên:
“Thay đổi là tất yếu” không đồng nghĩa với “hình thức của sự thay đổi cũng tất yếu.”
Xã hội vẫn có lựa chọn.
Một hướng là dùng AI chủ yếu để:
thay thế lao động con người.
Hướng khác là xây dựng các mô hình cộng tác:
AI + con người → nâng cao năng lực con người.
Ở cấp độ cá nhân cũng vậy.
Câu hỏi không chỉ là:
“AI có thể làm thay tôi bao nhiêu việc?”
Mà còn là:
“AI có thể giúp tôi làm được điều gì mà trước đây tôi không thể làm?”
Mollick không tin rằng chúng ta có thể dễ dàng vạch một đường ranh giới và tuyên bố:
“AI sẽ không bao giờ vượt qua điểm này.”
Những ranh giới ấy liên tục dịch chuyển.
Nhưng ngay lúc này, chúng ta vẫn có một điểm xuất phát rất thực tế:
Deep Knowledge
Hiểu sâu.
Wide Knowledge
Biết rộng.
Taste
Biết chọn.
Agency
Dám thử.
Đó là bốn lợi thế Mollick đề xuất để con người cộng tác với AI trong thời điểm năng lực của AI đang tăng nhanh hơn khả năng xã hội hiểu và khai thác nó.
AICI – Học AI cá nhân hoá trên nền tảng Tư Duy Hệ Thống: Không chỉ học cách dùng AI, mà học cách xây dựng hệ thống AI phù hợp với chính công việc và cách tư duy của bạn — xem tại coach.ai.vn và đăng ký phiên coach định hướng miễn phí tại đây.