Quản Lý: Siêu năng lực của thời đại AI

Sự chuyển dịch của năng lực quản lý trong thời đại AI

Key Takeaways

• AI biến “quản lý” thành siêu năng lực: Khi AI thực thi nhanh và rẻ, giá trị con người nằm ở khả năng biết mình muốn gì, giao việc rõ ràng, và đánh giá kết quả.

• Năng lực chuyên môn chính là “prompt” mạnh nhất: Người giỏi chuyên ngành có thể yêu cầu đúng, phát hiện sai nhanh, phản hồi chuẩn giúp AI cho ra kết quả tốt hơn.

• 3 biến số quyết định có nên giao việc cho AI:

  • Tự làm mất bao lâu (càng lâu → càng nên thử AI)

  • Xác suất AI làm đúng ngay lần đầu

  • Thời gian prompt + chờ + review

• 3 đòn bẩy tăng hiệu quả giao việc cho AI:

  • Chỉ dẫn rõ ràng ngay từ đầu

  • Đánh giá & phản hồi nhanh, chính xác

  • Thiết kế tiêu chí đánh giá chất lượng rõ ràng

• Hướng dẫn giao việc tốt (cho AI lẫn cho người) gồm 6 yếu tố: Mục tiêu & lý do → Giới hạn quyền hạn → Tiêu chí hoàn thành → Đầu ra cụ thể → Cách báo cáo tiến độ → Checklist kiểm tra trước khi nộp.

• Tài liệu giao việc truyền thống (PRD, design brief, SMEAC…) dùng làm prompt rất hiệu quả, vì bản chất chúng đều là: biến ý định trong đầu → hành động thực thi.

• Thứ khan hiếm không còn là “người làm” mà là “người biết đặt đúng câu hỏi”: Kỹ năng tư duy phản biện, đặt vấn đề, đánh giá kết quả là năng lực cốt lõi nhất trong thời đại AI.

Câu chuyện lớp học MBA, thử thách 4 ngày tạo startup với AI

Tôi vừa dạy một lớp thực nghiệm tại University of Pennsylvania, nơi tôi đã thách thức sinh viên xây dựng startup từ con số không trong bốn ngày. Hầu hết người trong lớp đều thuộc chương trình executive MBA, họ vừa học vừa làm bác sĩ, quản lý, hoặc lãnh đạo tại các công ty lớn nhỏ. Rất ít người từng viết code. Tôi giới thiệu với họ về Claude Code và Google Antigravity để xây dựng prototype. Nhưng đó là những prototype đơn lẻ không phải là 1 dự án startup thực sự, nên họ có thể dùng ChatGPT, Claude, và Gemini để tăng tốc các giai đoạn như tìm ý tưởng, nghiên cứu thị trường, định vị cạnh tranh, chào hàng, và mô hình tài chính. Tôi tò mò xem họ có thể đi xa đến đâu trong thời gian ngắn như vậy. Hóa ra họ đã đi được rất xa.

Ví dụ về các demo: Ticket Passport (thị trường mua bán vé), Revenue Resilience (nhận diện rủi ro doanh thu cho doanh nghiệp nhỏ và tạo giải pháp sử dụng AI), Parenting Companion (kết nối sở thích trẻ em với hoạt động), Invive (dự đoán đường huyết).

Tôi đã dạy về khởi nghiệp suốt một thập kỷ rưỡi và đã thấy hàng nghìn ý tưởng startup (một số trong đó trở thành công ty lớn), nên tôi hiểu rất rõ về kỳ vọng những gì một lớp MBA có thể đạt được. Những gì tôi thấy trong vài ngày đó nhiều hơn rất nhiều so với những gì sinh viên làm được trong cả học kỳ trước khi có AI. Hầu hết prototype không chỉ là những màn hình mẫu mà nó thực sự có tính năng có thể hoạt động. Ý tưởng rất đa dạng và thú vị hơn bình thường. Phân tích thị trường và khách hàng cũng rất sâu sắc. Điều đó với tôi thực sự gây ấn tượng mạnh.

Đây chưa phải dự án startup có thể hoạt động thực tế hay là sản phẩm hoàn chỉnh nhưng họ đã tiết kiệm được hàng tháng thời gian, một lượng lớn tiền bạc và công sức so với những quy trình phát triển truyền thống. Có một điểm khác biệt nữa: hầu hết startup giai đoạn đầu đều cần thử nghiệm và liên tục điều chỉnh hướng để phù hợp với nhu cầu thị trường và sự thay đổi của kỹ thuật. Bằng cách giảm chi phí thử nghiệm, việc dò thị trường trở nên dễ dàng hơn nhiều mà không bị giới hạn, thậm chí có thể khám phá nhiều ý tưởng cùng lúc. Bạn chỉ cần nói cho AI biết bạn muốn gì.

Tôi ước có thể nói kết quả ấn tượng này là kết quả của việc giảng dạy xuất sắc của tôi, nhưng chúng ta thực sự chưa có một khung tư duy tốt cho việc sử dụng tất cả công cụ này, sinh viên phần lớn đều tự tìm ra. Việc họ có năng lực quản lý và năng lực chuyên môn đã giúp ích họ, vì hóa ra chìa khóa thành công thực sự là phần cuối của đoạn trước tôi vừa nói: “nói cho AI biết bạn muốn gì“. Khi AI ngày càng có khả năng thực hiện các nhiệm vụ mà con người mất hàng giờ để làm, và khi việc đánh giá kết quả ngày càng tốn thời gian hơn, giá trị của việc giỏi giao việc tăng lên. Nhưng khi nào bạn nên giao việc cho AI?

Công thức quyết định khi nào nên giao việc cho AI

Thực ra chúng ta đã có câu trả lời, nhưng hơi phức tạp. Xem xét ba yếu tố:

• Thứ nhất, là khả năng của AI, bạn không biết chắc AI sẽ giỏi hay dở ở đâu trong các nhiệm vụ phức tạp.

• Thứ hai, dù AI giỏi hay dở, nó chắc chắn sẽ nhanh hơn con người. Nó xử lý công việc trong vài phút mà con người thì có thể mất nhiều giờ.

• Thứ ba, nó rẻ (so với lương chuyên gia), và nó không quan tâm nếu bạn tạo nhiều phiên bản rồi vứt hầu hết đi.

Với ba yếu tố này đồng nghĩa với việc khi quyết định giao việc cho AI thì sẽ phụ thuộc vào ba biến số:

1. Human Baseline Time: Nhiệm vụ mất bao lâu nếu bạn phải tự làm

2. Probability of Success: Khả năng AI tạo ra kết quả đạt tiêu chuẩn của bạn trong một lần thử

3. AI Process Time: bạn mất bao lâu để yêu cầu, chờ đợi, và đánh giá kết quả của AI

Hãy tư duy là bạn đang đánh đổi giữa “tự làm toàn bộ” với “trả chi phí overhead”, có thể nhiều lần cho đến khi bạn đạt được kết quả có thể chấp nhận được. Khả năng tạo ra kết quả tốt càng cao, bạn càng ít phải trả chi phí overhead, và việc giao công việc cho AI càng có lợi.

Ví dụ, hãy xem xét một nhiệm vụ bạn mất một giờ để làm, nhưng AI có thể làm trong vài phút, dù kiểm tra đáp án mất ba mươi phút. Trong trường hợp này, bạn chỉ nên giao việc cho AI nếu khả năng tạo ra kết qủa đạt tiêu chuẩn cao, nếu không bạn sẽ tốn nhiều thời gian tạo và kiểm tra những bản nháp hơn là tự mình làm. Nếu thời gian bạn cần bỏ ra là 10 giờ, thì có thể rất đáng để dành vài giờ làm việc với AI, giả sử AI có thể làm được việc ở mức đủ tốt.

Chúng ta biết cách này hoạt động vì mùa hè vừa qua, OpenAI phát hành một trong những nghiên cứu quan trọng nhất về AI và ứng dụng trong công việc thực tế: GDPval. Tôi đã thảo luận về nó trước đây, Điểm chính là nó để các chuyên gia có kinh nghiệm trong nhiều lĩnh vực từ tài chính đến y tế đến chính phủ đấu với những mô hình AI mới nhất, và 1 nhóm chuyên gia khác làm giám khảo. Các chuyên gia trung bình mất 7 giờ để làm công việc. Trong khi AI chỉ mất vài phút cho cùng một nhiệm vụ, nhưng lại cần một giờ để chuyên gia thực sự kiểm tra công việc, và tất nhiên viết prompt cũng tốn thời gian.

Giai đoạn đầu các chuyên gia đã chiến thắng đa số lần, nhưng sau đó với GPT-5.2, cán cân đã thay đổi. Mô hình GPT-5.2 Thinking và Pro đã hòa hoặc thắng các chuyên gia trung bình 72% thời gian.

Giờ chúng ta có thể tính chúng ta có thể tiết kiệm bao nhiêu thời gian trên một nhiệm vụ cần bảy giờ để hoàn thành, giả sử xác suất thành công 72% và mất một giờ để đánh giá. Nếu bạn thử thực hiện tất cả công việc bằng cách dành thời gian prompt cho AI, đánh giá đáp án mất một giờ, rồi tự làm nếu đáp án AI tệ, bạn sẽ tiết kiệm trung bình 3 giờ. Công việc AI thất bại sẽ mất lâu hơn (vì lãng phí thời gian prompt và review) nhưng công việc AI thực hiện thành công sẽ nhanh hơn nhiều. Và chúng ta có thể thay đổi cách làm để có hưởng lợi hơn bằng kỹ năng quản lý.

Cách giao việc hiệu quả cho AI

Có ba thứ chúng ta có thể làm để giúp giao việc cho AI hiệu quả hơn hơn bằng cách tăng “Chất lượng kết quả của AI” và giảm “Thời gian review/prompt”:

• Đưa ra chỉ dẫn tốt hơn: Đặt mục tiêu rõ ràng để AI có thể thực hiện đúng ngay từ đầu.

• Đánh giá và phản hồi tốt hơn: Giảm số lần phải thử đi thử lại để AI làm đúng ý mình.

• Đánh giá chất lượng: Nhanh chóng nhận ra AI làm tốt hay dở mà không tốn quá nhiều thời gian.

Tất cả các yếu tố này được cải thiện bởi năng lực chuyên môn. Chuyên gia biết nên đưa hướng dẫn như nào là hiệu quả hơn, họ nhìn thấy khi nào có vấn đề nhanh hơn, và họ giỏi sửa lỗi hơn.

Nếu bạn còn chưa biết mình muốn gì cụ thể thì các AI model hiện nay đã trở nên cực kỳ thông minh trong việc tự tìm cách giải quyết vấn đề. Ví dụ, tôi thấy Claude Code có thể xây dựng toàn bộ game phiêu lưu theo phong cách 1980s chỉ với một prompt: “create an entirely original old-school Sierra style adventure game with EGA-like graphics. You should use your image agent to generate images and give me a parser. Make all puzzles interesting and solvable. Finish the game (it should take 10-15 minutes to play), don’t ask any questions. make it amazing and delightful.” Đó là tất cả đầu vào và AI tự tạo ra mọi thứ, kể cả giao diện. Với hai prompt cuối cùng, nó tự test game và tự deploy. Bạn có thể trải nghiệm tại: enchanted-lighthouse-game.netlify.app

Điều này thực sự tuyệt vời, nhưng sự tuyệt vời đó được khuếch đại lên vì tôi không cần công cấp thông tin cụ thể, chỉ là một game phiêu lưu mà AI tự do sáng tạo. Nhưng trong công việc chính thức hoặc giao việc chính thức, thường thì bạn đã có mong muốn cụ thể trong đầu, và đó chính là thứ có thể khiến vấn đề trở lên phức tạp. Làm thế nào để bạn truyền đạt ý muốn của mình cho AI thực hiện, để nó có thể dùng “phán đoán” giải quyết vấn đề trong khi vẫn cho bạn kết quả mong muốn?

Vấn đề này đã tồn tại từ lâu trước khi có AI và phổ biến đến mức mọi ngành đều phát minh ra tài liệu riêng để giải quyết nó:

• Software developers viết tài liệu yêu cầu sản phẩm/phần mềm

• Đạo diễn phim bàn giao danh sách các cảnh quay

• Kiến trúc sư tạo tài liệu mô tả mục đích, và ý tưởng thiết kế

• Thuỷ quân lục chiến Mỹ dùng SMEAC (Gồm 5 thành phần: tình huống, nhiệm vụ, thực hiện, hậu cần, chỉ huy)

• Tư vấn viên xác định phạm vi hợp đồng với bản mô tả chi tiết về sản phầm đầu ra cần bàn giao chi tiết

Tất cả những tài liệu này đều hiệu quả đáng kinh ngạc khi sử dụng làm prompt cho AI (AI có thể xử lý nhiều tài liệu cùng lúc). Lý do bạn có thể dùng nhiều loại tài liệu như vậy để hướng dẫn AI là vì tất cả thực sự là cùng một mục đích: Cố gắng chuyển những gì trong đầu một người thành hành động của người khác.

Khi bạn nhìn vào một tài liệu giao việc thực sự tốt, nó nhất quán đáng ngạc nhiên:

• Mục tiêu và lý do: Chúng ta đang cố làm gì, và tại sao?

• Giới hạn quyền hạn: Người được giao được phép làm đến đâu?

• Tiêu chí hoàn thành: Thế nào thì coi là “xong”?

• Sản phẩm đầu ra cụ thể: Cần nộp lại những gì?

• Báo cáo tiến độ: Cần cập nhật gì trong quá trình làm để theo dõi được?

• Kiểm tra trước khi nộp: Cần rà soát những gì trước khi báo hoàn thành?

Nếu những điều này được chỉ định rõ, AI sẽ giống như con người, có nhiều khả năng làm tốt hơn.

Và trong việc cố gắng tìm cách để đưa hướng dẫn này cho AI, hóa ra bạn lại đang trở thành 1 nhà quản lý.

Kỹ năng quản lý là siêu năng lực trong thời đại AI

Tôi thấy khá thú vị khi những nhà phát triển phần mềm nổi tiếng tại các phòng thí nghiệm AI lớn nhận thấy công việc của họ đang chuyển từ viết code trực tiếp sang quản lý các AI agents để làm việc thay họ. Lý do lập trình là ngành bị ảnh hưởng đầu tiên là vì code có cấu trúc rõ ràng và dễ kiểm chứng chạy được hoặc không chạy được nên AI dễ học và làm tốt hơn so với nhiều lĩnh vực khác, nhiều nghề khác sẽ sớm đi theo con đường tương tự.

Là giáo sư của 1 trường kinh doanh, Tôi thấy kỹ năng cần thiết để làm việc với AI agent thực ra chính là những kỹ năng quản lý cơ bản: biết trình bày yêu cầu rõ ràng, đưa phản hồi hiệu quả, và thiết kế cách đánh giá kết quả công việc. Làm việc với AI agent giống như quản lý con người hơn là viết prompt phức tạp, nên trong lĩnh vực chuyên môn của bạn, nó thực ra dễ hơn nhiều người nghĩ.

Trước đây, bạn phải ủy quyền vì không thể tự làm hết mọi thứ, và nhân tài thì vừa ít vừa đắt đỏ. Nhưng AI đã lật ngược bàn cờ: giờ đây “nhân tài” (tức năng lực thực thi) trở nên dồi dào và rẻ. Thứ thực sự khan hiếm bây giờ không còn là người làm, mà là khả năng biết mình cần gì và đặt đúng câu hỏi.

Đây là lý do sinh viên của tôi đã làm tốt như vậy. Dù họ không phải chuyên gia về AI. Lý do là họ đã dành nhiều năm rèn luyện những kỹ năng nền tảng trong chuyên ngành của mình, họ biết cách xác định vấn đề, đặt ra yêu cầu cụ thể, và nhận ra khi nào một mô hình tài chính hay báo cáo y tế có sai sót. Chính những khung tư duy tích lũy từ trường lớp và công việc thực tế đã trở thành “prompt” hiệu quả nhất của họ. Điểm mấu chốt là những kỹ năng thường bị xem nhẹ là “mềm” như tư duy phản biện, khả năng đặt vấn đề, đánh giá kết quả thực ra mới là những kỹ năng khó và có giá trị thực sự trong thời đại AI.

Tôi không biết chính xác công việc sẽ trở nên trông như thế nào khi ai cũng có thể điều khiển một đội ngũ trợ lý AI không biết mệt, thì người thành công sẽ là người biết rõ thế nào là “làm tốt” và có khả năng diễn đạt yêu cầu đủ rõ ràng để AI thực hiện được. Giống như những sinh viên của tôi họ chỉ mất bốn ngày để nắm bắt điều này, không phải vì họ giỏi công nghệ, mà vì họ đã được đào tạo kỹ năng quản lý từ trước. Nói cách khác, biết cách giao việc, đánh giá chất lượng và truyền đạt kỳ vọng là những kỹ năng quản lý truyền thống nhưng hóa ra lại chính là năng lực cốt lõi để làm việc hiệu quả với AI.

Nguồn: Bài viết “Management as AI superpower” - Tác giả: Ethan Mollick (Biên dịch bởi Cộng đồng Tự học cùng AI)