- Sau khi trực tiếp ghé thăm các doanh nghiệp AI-native ở San Francisco và quan sát cách họ làm việc thực tế, có thể thấy một mô hình vận hành xuất hiện khác biệt căn bản so với startup truyền thống, từ sự biến mất của vai trò quản lý sản phẩm (PM) đến việc tăng tốc độ thử nghiệm trên toàn tổ chức
- Trong 5 công ty được ghé thăm, chỉ có đúng 1 người làm PM chuyên trách; họ đang chuyển sang cấu trúc nơi kỹ sư trò chuyện trực tiếp với khách hàng và tự phụ trách toàn bộ các quyết định sản phẩm
- Khi gần như mọi thứ đều có thể được triển khai chỉ trong một ngày, cám dỗ trở thành 'nhà máy tính năng (feature factory)' bằng cách làm mọi yêu cầu nổi lên như rủi ro chiến lược lớn nhất
- Stack công nghệ đang hội tụ về Slack, Claude Code, GitHub, Codex và Linear, trong đó Slack đóng vai trò trung tâm điều phối agent
- Chi phí thử nghiệm sụp đổ đang giúp các công ty đạt được vòng lặp lặp lại nhanh hơn 3~5 lần, và khoảng cách giữa các công ty đã nội tại hóa AI với các công ty vẫn còn đang bàn về chiến lược đang nới rộng theo từng tuần
Sự biến mất của vai trò PM
- Trong 5 công ty được ghé thăm trong một ngày, chỉ có đúng 1 PM chuyên trách, bao gồm cả một công ty quy mô 40 người
- Cấu trúc nơi kỹ sư nói chuyện với khách hàng mỗi ngày và trực tiếp sở hữu các quyết định sản phẩm từ đầu đến cuối
- PM không phải đang được “hỗ trợ”, mà chính vai trò đó đang được hấp thụ vào engineering và design
Tác dụng phụ nguy hiểm nhất: nhà máy tính năng
- Khi có thể hiện thực hóa yêu cầu của khách hàng chỉ trong một ngày, cám dỗ làm tất cả mọi thứ trở nên áp đảo
- Nhiều công ty coi đây là rủi ro chiến lược lớn nhất hiện tại của mình
- Những công ty vượt qua được vấn đề này đều đặt ra các ràng buộc nghiêm ngặt
- Agent của một công ty chỉ có thể thay đổi cấu hình của tính năng hiện có qua JSON, hoàn toàn không thể tạo mã ứng dụng mới
- Một công ty khác dùng North Star metric ở cấp squad để loại bỏ ý tưởng trước khi ra mắt
- Nhiều công ty nhấn mạnh rằng nhà sáng lập phải trực tiếp quyết định đâu là vùng sản phẩm có quan điểm rõ ràng và đâu là vùng có thể linh hoạt
- Khi chi phí thực thi gần như về 0, gu (taste) trở thành hào lũy (moat), nhưng cách triển khai điều đó ở cấp độ tổ chức vẫn đang được định hình
Sự hội tụ của stack công nghệ
- Gần như mọi công ty được ghé thăm đều dùng cùng một stack cốt lõi: Slack, Claude Code, GitHub, Codex cho code review và Linear
- Linear không chỉ sống sót qua khủng hoảng SaaS mà còn đang tạo ra một lộ trình để thịnh vượng
- Slack đang nổi lên như lớp orchestration trung tâm của các agent
- Phản ứng emoji tự động tạo ticket
- Bot thực hiện báo cáo chẩn đoán và phân loại vấn đề khách hàng
- Khi agent được tag trong thread, nó lập tức bắt đầu sửa lỗi
- Sáu tháng trước, Cursor xuất hiện trong mọi cuộc trò chuyện, nhưng hiện giờ chỉ còn được nhắc đến lẻ tẻ
- Các kỹ sư đang sống trong Claude Code; một nhà nghiên cứu từng dùng song song Cursor và Claude rồi tự hỏi vì sao mình còn cần cửa sổ thứ hai
- Việc kỹ sư hầu như không có lòng trung thành hay gắn bó với công cụ coding cụ thể nào là điều đáng lo với các nền tảng coding
- Nếu không huấn luyện mô hình bằng dữ liệu do kỹ sư tạo ra, sẽ khó duy trì giá trị dài hạn; ở điểm này Anthropic ở vị thế thuận lợi cùng với tin tức về Mythos
Mở rộng năng lực trên toàn tổ chức
- Một enterprise account manager đã mất nhiều tháng đề nghị team sản phẩm tự động hóa việc upload tài khoản nhưng luôn bị đẩy xuống ưu tiên thấp → khi nhờ AI agent trên Slack thì được giải quyết chỉ trong 1 giờ
- Đội kế toán trực tiếp viết truy vấn cơ sở dữ liệu và dùng MCP để phân tích dữ liệu kinh doanh nội bộ
- Chief of Staff có thể tạo direct mail và tài liệu marketing trong chưa đến 30 phút
- Thay đổi bị đánh giá thấp nhất không phải là AI làm gì cho kỹ sư, mà là AI làm gì cho tất cả những người còn lại
Sự sụp đổ của chi phí thử nghiệm và hiệu ứng lãi kép
- Một nhà nghiên cứu thử nghiệm 10 thiết kế giao diện, vận hành mỗi cái trong một ngày rồi loại bỏ 9 cái
- Nhà thiết kế tạo nhiều vòng lặp cạnh tranh ở tab riêng chỉ trong chưa đến 6 phút
- Một growth PM không có bất kỳ kinh nghiệm coding nào đã xây toàn bộ pipeline Meta Ads chỉ trong hai ngày (strategy brief, video quảng cáo do AI tạo và tự động đăng lên Meta)
- Dùng AI để thực hiện mô phỏng khách hàng trước khi tiếp xúc với khách hàng thật
- Một team tạo các AI agent đóng nhiều persona người dùng khác nhau để stress test sản phẩm mà không cần phản hồi thực tế
- Team khác thực hiện hàng trăm cuộc phỏng vấn nghiên cứu mỗi tuần thay vì 50 cuộc mỗi quý
- Một công ty xây dựng persona khách hàng bao gồm toàn bộ lịch sử đàm phán, sở thích giao tiếp và mẫu ra quyết định để chuẩn bị cho cuộc gọi bán hàng
- Các công ty đang đạt được tốc độ lặp nhanh hơn 3~5 lần, và tốc độ này thể hiện theo hai cách
- Hoàn thành từng thử nghiệm đơn lẻ nhanh hơn để thực hiện được nhiều thử nghiệm hơn trong cùng khoảng thời gian
- Tiến hành nhiều thử nghiệm đồng thời theo kiểu song song
- Các giai đoạn build và học hỏi được nén lại trên toàn tổ chức, khiến tri thức tích lũy theo lãi kép
- Một thay đổi tương tự như việc chiến tranh chuyển từ tiêm kích sang bầy drone cũng đang diễn ra trong cách doanh nghiệp vận hành
Triển vọng sắp tới
- Sẽ tiếp tục ghé thăm thêm nhiều công ty và công bố case study chuyên sâu kèm các ví dụ cụ thể hơn
- Mẫu hình đã rất rõ: khoảng cách giữa các công ty đã nội tại hóa cách làm này với những công ty vẫn còn đang bàn về “chiến lược AI” là rất lớn, và đang nới rộng qua từng tuần
Chưa có bình luận nào.