- Khoảng cách năng suất giữa những người dùng AI đang nhanh chóng nới rộng; "power user" thì tích cực tận dụng các công cụ AI nâng cao như Claude Code, MCPs, trong khi phần lớn vẫn chỉ dừng ở mức sử dụng hội thoại kiểu ChatGPT
- Các tập đoàn lớn khó triển khai công cụ AI mới nhất do chính sách bảo mật, môi trường IT khép kín, hệ thống legacy, trong khi doanh nghiệp nhỏ nhanh chóng nội hóa AI để tăng hiệu quả
- Khoảng cách này đang dẫn tới một thời đại mà các nhóm nhỏ có thể đạt năng suất cao hơn rất nhiều so với doanh nghiệp lớn, và xây dựng API nội bộ cùng môi trường thực thi mã an toàn đang nổi lên như năng lực cạnh tranh cốt lõi trong tương lai
- Khi kết hợp agent với một bash sandbox có thể truy cập ngôn ngữ lập trình và API, ngay cả người không chuyên kỹ thuật cũng có thể thay thế gần như mọi ứng dụng năng suất, và đó chính là hình thái tương lai của lao động tri thức
Hai kiểu người dùng AI
- Khoảng cách năng suất giữa người dùng AI đang mở rộng nhanh chóng
- Một bên sử dụng Claude Code, MCPs và workflow dựa trên kỹ năng; ngay cả người không chuyên kỹ thuật cũng tích cực dùng AI trong terminal
- Đặc biệt trong lĩnh vực tài chính, có nhiều trường hợp vượt qua giới hạn của Excel bằng tự động hóa dựa trên Python
- Bên còn lại vẫn dừng ở kiểu sử dụng hỏi đáp đơn giản ở mức ChatGPT
- Nhiều người đi làm vẫn thuộc nhóm này và chưa khai thác được đầy đủ tiềm năng của AI
Giới hạn của Microsoft Copilot
- M365 Copilot được bán kèm trong gói thuê bao Office 365 nên có thị phần lớn ở thị trường doanh nghiệp, nhưng giao diện chỉ ở mức phiên bản kém hơn của ChatGPT
- Tính năng "agent" nếu so với các CLI coding agent (bao gồm cả GitHub Copilot CLI của chính Microsoft) thì ở mức đáng buồn cười
Nó thường thất bại với tệp lớn, và giới hạn bộ nhớ·CPU quá mức
- Ngay trong nội bộ Microsoft cũng đang triển khai Claude Code cho các nhóm trong công ty
- Đây là một ví dụ cho thấy Copilot đang tụt lại về mặt kỹ thuật
- Trong môi trường doanh nghiệp, Copilot thường là công cụ AI duy nhất được phép dùng, nên nếu nhân viên muốn dùng công cụ khác thì либо phải chấp nhận rủi ro bị sa thải, либо phải bỏ ra rất nhiều công sức
— Sau khi những người ra quyết định cấp cao trải nghiệm kết quả tệ hại từ các công cụ như vậy, họ hạ thấp toàn bộ AI, hoặc chi khổng lồ cho các hãng tư vấn lớn mà vẫn không tạo ra kết quả
Rủi ro mang tính cấu trúc mà doanh nghiệp lớn đang đối mặt
- Chính sách IT khép kín đặt nặng bảo mật đang cản trở đổi mới
- Môi trường bị khóa cực chặt: ngay cả trình thông dịch script cơ bản cũng không thể chạy cục bộ (may mắn lắm mới dùng được VBA, mà ngay cả vậy cũng bị hạn chế bởi Group Policy)
- Phần mềm legacy: không có API nội bộ cho các workflow cốt lõi, nên agent thậm chí không có gì để kết nối
- Bộ phận kỹ thuật bị silo hóa: thường bị thuê ngoài hoàn toàn, nên thiếu nhân sự nội bộ để xây dựng hạ tầng vận hành agent được sandbox an toàn
- Dĩ nhiên, lo ngại về bảo mật là có thật — việc chạy coding agent một cách thiếu kiểm soát trên cơ sở dữ liệu production là nguy hiểm
- Nhưng sandboxing là một công việc khó, và vấn đề cốt lõi là không có đội ngũ kỹ thuật để xây dựng nó một cách an toàn
Sự tăng tốc của doanh nghiệp nhỏ
- Các doanh nghiệp vừa và nhỏ không bị ràng buộc bởi legacy đang nhanh chóng áp dụng AI và bùng nổ năng suất
- Một bên là các giám đốc tài chính từng thử Copilot cho Excel của Microsoft (và bản tích hợp Google Sheets của Gemini cũng dở tương tự), thấy ngay cả tác vụ đơn giản cũng làm tệ nên không muốn đụng tới nữa,
- bên kia là các lãnh đạo phi kỹ thuật đã làm chủ Claude Code và chạy Python cục bộ
- Công việc chuyển một mô hình tài chính Excel cực kỳ phức tạp gồm 30 sheet sang Python bằng Claude Code gần như được hoàn thành chỉ với 2~3 prompt
- Khi mô hình đã được chuyển sang Python, Claude Code có thể mang lại năng lực ở cấp độ đội ngũ data science
- Có thể chạy mô phỏng Monte Carlo, kết nối nguồn dữ liệu bên ngoài, xây dựng web dashboard, hỗ trợ phân tích điểm yếu của mô hình (hoặc doanh nghiệp), v.v.
- Trước đây nhân viên ở các công ty nhỏ thường ghen tị với nguồn lực và đội ngũ của doanh nghiệp lớn,
nhưng trong môi trường này, các nhóm nhỏ đang cho thấy hiệu quả cao hơn rất nhiều so với doanh nghiệp lớn, và xu hướng năng suất đang đảo chiều
Cấu trúc công việc trong tương lai
- Cải thiện năng suất nhờ AI diễn ra theo hướng bottom-up
- Các nhóm nhỏ thử xây dựng workflow có AI hỗ trợ cho từng quy trình cụ thể, và vì họ hiểu rất sâu quy trình đó nên cho ra kết quả tốt
- Điều này đối lập với các đội kỹ thuật phần mềm thuê ngoài không có chút kinh nghiệm nào về quy trình
- Đây là diễn biến hoàn toàn trái ngược với phần lớn các dự án "digital transformation" trước đây
- Những doanh nghiệp có API cho hệ thống nội bộ có thể đạt được nhiều thứ hơn hẳn
- Phạm vi có thể bắt đầu từ một data warehouse chỉ đọc để nhân viên kết nối và chạy truy vấn thay người dùng, cho tới API hóa các quy trình kinh doanh cốt lõi
- Chạy code agent trong môi trường VM có kiểm soát bảo mật là một phương án thay thế thực tế
- Phù hợp với báo cáo chỉ đọc, nhưng vẫn còn hạn chế với việc sửa dữ liệu
- Các nhà cung cấp enterprise SaaS legacy đang ở trong trạng thái lock-in rất mạnh, hoặc nếu nhìn theo góc khác thì cực kỳ mong manh
- Phần lớn không phải sản phẩm "API-first", và API hiện có được thiết kế cho developer, nên không được tối ưu cho tình huống hàng nghìn nhân viên gọi chúng một cách không hiệu quả
- Tuy nhiên, nếu đó là nguồn sự thật duy nhất của công ty (source of truth), thì việc thay thế là cực kỳ khó và nó trở thành nút thắt cổ chai của cải thiện năng suất
- Các doanh nghiệp nhỏ có xu hướng sử dụng những sản phẩm mới hơn với API được thiết kế tốt hơn
- Những sản phẩm SaaS mới nổi này được thiết kế xoay quanh API nên thuận lợi cho tích hợp AI
Hình thái mới của lao động tri thức
- Sự kết hợp giữa bash sandbox có thể truy cập ngôn ngữ lập trình và system API với agent framework đang hoạt động như một công cụ năng suất mạnh mẽ ngay cả với người không chuyên kỹ thuật
- Người dùng nhập prompt, còn agent tạo ra kết quả thông qua API
- Có thể xuất ra theo định dạng mong muốn mọi thứ người dùng yêu cầu như viết báo cáo, phân tích dữ liệu, tạo tài liệu, nên có thể thay thế phần lớn các ứng dụng văn phòng hiện nay
- Mô hình mà người dùng chỉ cần prompt, còn agent kết nối API và tạo đầu ra theo yêu cầu chính là tương lai của lao động tri thức
- Sự phân cực này là có thật và đang tăng tốc rất nhanh
- Sự thay đổi này đang mở ra một thời đại mà các nhóm nhỏ có thể giành lợi thế cạnh tranh nhanh hơn doanh nghiệp lớn
- Khoảng cách trong năng lực tận dụng AI là có thật, và tốc độ nới rộng của nó ngày càng nhanh hơn
- Trong lịch sử, chưa từng có thời điểm nào mà một nhóm nhỏ có thể dễ dàng vượt qua một công ty lớn hơn mình gấp nghìn lần như lúc này
4 bình luận
Ý kiến trên Hacker News
Tôi nghĩ có thể chia người dùng thành hai nhóm
Một nhóm là những người sử dụng AI như một công cụ, nhận thức được giới hạn của nó và dùng nó để giao các việc lặp đi lặp lại hoặc nhàm chán, hay để lấy bản tóm tắt
Nhóm còn lại là những người thuê ngoài cả việc tư duy, gần như không hiểu gì về chủ đề, chỉ muốn có kết quả và không có ý định học hỏi
Nhóm sau là kiểu người tin rằng chatbot có thể thay thế lập trình viên senior
Chỉ thời hạn giao hàng nhanh mới quan trọng, còn phản hồi của khách hàng phải nửa năm sau mới có nên chẳng có ý nghĩa gì
Giờ tôi chỉ cố gắng ở mức tối thiểu và cầm cự để nhận lương
Tôi đã tạo một ứng dụng luyện nghe tiếng Đức bằng Claude Code và ElevenLabs, hiệu quả đến mức giáo viên cũng ngạc nhiên
Tôi không quan tâm đến việc học code, mục tiêu là cải thiện khả năng tiếng Đức
Tức là dùng nó như một đối tác tương tác chứ không chỉ là một công cụ đơn thuần
Khi dùng AI trong dự án greenfield và dự án brownfield, chênh lệch năng suất là rất lớn
Vào ngày đầu của dự án mới, nó có thể làm được lượng việc của cả một tuần, nhưng với hệ thống hiện có thì chỉ cải thiện khoảng 20%
Rốt cuộc điều này khiến AI nhanh chóng tái hiện “thế lưỡng nan của nhà đổi mới”
Vấn đề là AI có thể đóng vai trò đến đâu trong giai đoạn làm cho các hệ thống phức tạp trở nên trưởng thành
Tôi đã gần như hoàn thành file build Hashicorp Packer bằng AI, và AI cục bộ đã giúp rất nhiều
Nhưng với hạ tầng cũ, tính khó đoán quá cao nên LLM thậm chí còn có thể làm hỏng mọi thứ
Ban đầu thì nhanh, nhưng về sau giới hạn của kiến trúc sẽ lộ ra
Nó cũng giúp giảm tình trạng over-engineering
Khi dự án vượt quá 200k token thì năng suất về 0
Cuối cùng, tổ chức nào có quy trình không phụ thuộc vào trí nhớ sẽ chiến thắng
Tôi gần như buồn nôn khi nghe chuyện một lãnh đạo dùng Claude Code để chuyển một mô hình tài chính Excel phức tạp gồm 30 sheet sang Python
Với nền tảng toán học và địa vật lý, tôi thấy bản thân mô hình Excel như vậy đã là một cơn ác mộng
Dù vậy, tôi cũng thừa nhận rằng bản chuyển sang Python có lẽ không tệ hơn bản gốc bao nhiêu
Ai sẽ phát hiện ra việc mô hình hóa sai? Gần như chẳng ai cả
Các mô phỏng do LLM tạo ra còn thiếu quy trình xác minh hơn nữa
Ban đầu chúng được dùng để thử nghiệm nhanh, rồi khi lợi nhuận đủ lớn, đội kỹ thuật sẽ chuyển chúng thành ứng dụng chính thức
File Excel gốc đã được chỉnh sửa trong nhiều năm, còn bản chuyển đổi chỉ là một bản sao giả tạo
Việc có những người không chuyên tạo mô hình tài chính bằng AI khiến tôi thấy đáng sợ
Hiện giờ là thời kỳ khai sinh của Shadow AI
Giống như Shadow IT của những năm 2000, nhân viên đang âm thầm chạy Claude Code trong terminal
Vì Copilot chính thức còn chẳng xử lý nổi CSV
Các CISO thì run sợ, nhưng nếu cấm thì những nhân viên giỏi sẽ rời đi
Nói theo kiểu thập niên 1980, đổi mới thực sự đến từ những workflow do nhân viên tuyến đầu tự phát tạo ra
Vì họ là người hiểu quy trình nhất
Chỉ sau đó phần mềm đóng gói thân thiện với CIO mới xuất hiện theo
Trong vài tháng gần đây, agent đã trở nên dùng được nên mọi người mới bắt đầu sử dụng
Những thứ như MCP, LangChain hay vector DB từng có thời là mốt, nhưng giờ đã lắng xuống
Vẫn còn quá sớm để nói về xu hướng
Tôi đã dùng context7 và máy chủ MCP của playwright, và chúng rất hiệu quả cho việc lập kế hoạch và vòng phản hồi
Tích hợp Excel của Microsoft Copilot rất tệ
Vì suốt 30 năm họ đã tạo ra một định dạng XML phức tạp đến mức LLM không thể hiểu nổi
Bởi vậy công ty chúng tôi đang di chuyển tài liệu Word sang Markdown. Cảm giác như nghiệp quật vậy
Nhưng thời gian bỏ ra để biến tài liệu trở nên thân thiện với AI thì ngày càng tăng
Copilot thậm chí còn phớt lờ yêu cầu chuyển sang CSV và thất bại
Tôi từng nghe một câu thế này — “Giờ không còn là công ty lớn thắng công ty nhỏ, mà là công ty nhanh thắng công ty chậm”
Trong thời đại AI hiện nay, câu này nghe còn đúng hơn nữa. Vấn đề là làm sao để duy trì sự nhanh nhẹn
Copilot vẫn đang bị chê bai. Không biết đến bao giờ MS mới cải thiện đây.
Tôi đang viết bằng người hầu 1, 2, 3.
Ở giữa có khá nhiều lời chê Copilot, nhưng thực ra
Claude Code đang lan rộng nhanh chóng bên trong Microsoft
Có lẽ đây cũng là tình huống chắc chắn áp dụng được với các tập đoàn lớn trong nước.
Công ty bảo dùng thì dùng, nhưng chắc chắn sẽ có những nơi chỉ được dùng Copilot còn ChatGPT/Claude thì không được phép.