Frontier không có hệ sinh thái thì không bền vững

• Bài viết của CEO Microsoft Satya Nadella
• Chỉ ra rằng trong nền kinh tế do AI dẫn dắt, tương lai của doanh nghiệp đang đứng trước một bước ngoặt khi lần đầu tiên hình thành vòng lặp nhận thức (cognitive loop) thực chất giữa con người và hệ thống số, và đây là thay đổi làm biến đổi chính khái niệm công việc bên trong doanh nghiệp
• Mọi doanh nghiệp đều phải đồng thời xây dựng vốn con người (human capital) — gồm tri thức, phán đoán, quan hệ, insight và khả năng nhận diện mẫu của con người — cùng vốn token (token capital) là năng lực AI do doanh nghiệp xây dựng và sở hữu
• Vốn token càng lớn thì vốn con người lại càng có giá trị hơn, và quyền chủ động của con người (human agency) chính là động lực cho sự tăng trưởng của vốn token
• Cơ hội thực sự không nằm ở việc chọn mô hình tốt nhất, mà là xây dựng trên các mô hình một vòng lặp học tập (learning loop) nơi hai loại vốn tích lũy theo lãi kép; vòng lặp này sẽ trở thành IP mới của doanh nghiệp
• Một tương lai nơi số ít mô hình hấp thụ toàn bộ giá trị sẽ không được chấp nhận về mặt chính trị lẫn kinh tế, vì vậy ưu tiên không phải là mô hình frontier mà là xây dựng hệ sinh thái frontier để giá trị chảy tới mọi doanh nghiệp, ngành và quốc gia

---

Bản chất của chuyển đổi AI — sự xuất hiện của vòng lặp nhận thức

• Lần chuyển đổi này khác với mọi lần chuyển đổi nền tảng trước đây
  • Trước kia, hệ thống số được dùng để tăng cường vốn con người; còn lần này là thời điểm lần đầu tiên tạo ra vòng lặp nhận thức thực chất giữa con người và hệ thống số
  • Đây là thay đổi làm biến đổi chính cách doanh nghiệp khái niệm hóa công việc nội bộ
• Vấn đề cốt lõi không chỉ là sử dụng công cụ hay hệ thống số, mà là: trong một thế giới nơi mô hình AI liên tục hấp thụ và hàng hóa hóa (commoditize) chuyên môn của con người và tổ chức, tổ chức sẽ tiếp tục học hỏi, tích lũy IP, khác biệt hóa và phát triển thịnh vượng như thế nào

Vốn con người và vốn token

• Mọi doanh nghiệp phải xây dựng hai loại vốn
  • Vốn con người: tri thức, phán đoán, quan hệ, sáng tạo và khả năng nhận diện mẫu của thành viên tổ chức
  • Vốn token: năng lực AI do doanh nghiệp xây dựng và sở hữu
• Dù vốn token tăng trưởng, giá trị của vốn con người không giảm mà còn tăng lên
  • Con người đặt ra mục tiêu tham vọng, kết nối các điểm giữa nhiều lĩnh vực, xây dựng quan hệ và nhận diện những mẫu quan trọng nhất
  • Nếu không có định hướng từ con người, năng lực tính toán sẽ chỉ quay vòng vô ích (compute running in circles)

Xây dựng vòng lặp học tập mới là cơ hội thật sự

• Cơ hội thực sự không phải chọn mô hình tốt nhất, mà là xây dựng bên trên mô hình một vòng lặp học tập nơi hai loại vốn tích lũy theo lãi kép
  • Có thể ủy thác (offload) công việc hay chức năng, nhưng bản thân việc học thì tuyệt đối không thể ủy thác
  • Tương lai của doanh nghiệp phụ thuộc vào khả năng cộng dồn việc học đó theo lãi kép trên cả con người lẫn AI
• Cần một cách tiếp cận kiến trúc mới
  • Xây dựng hệ thống agentic (agentic system) ngày càng cải thiện theo thời gian nhưng vẫn giữ quyền kiểm soát đối với IP
  • Ngay cả khi thay thế mô hình "generalist", cũng không được đánh mất chuyên môn của "company veteran" đã được tích lũy trong hệ thống học tập
  • Đây sẽ là phép thử then chốt để đo quyền kiểm soát và chủ quyền trong thời đại sắp tới

Biến workflow thành hệ thống AI tự cải thiện

• Doanh nghiệp cần chuyển workflow, tri thức miền và năng lực phán đoán tích lũy thành hệ thống AI càng dùng càng tốt lên
  • Private evals: không dựa vào benchmark bên ngoài mà nắm bắt việc mô hình có thực sự cải thiện theo các tiêu chí kết quả quan trọng với doanh nghiệp hay không
  • Private RL environment: giúp mô hình mạnh hơn dựa trên các dấu vết thực tế (real traces) bên trong tổ chức
  • Cơ sở tri thức (knowledge base): biến ký ức thể chế thành thứ có thể truy vấn được và làm cho việc sử dụng token hiệu quả hơn

Vòng lặp học tập là IP mới của doanh nghiệp

• Vòng lặp này sẽ trở thành IP mới của doanh nghiệp, và khác với phần lớn tài sản khác, nó có thể tích lũy theo lãi kép; được ví như một cỗ máy leo đồi (hill climbing machine)
  • Mỗi workflow được cải thiện sẽ tạo ra tín hiệu học (training signal) tốt hơn
  • Điều này đẩy nhanh quá trình tích lũy tri thức ngầm (tacit knowledge) đặc thù của chính doanh nghiệp đó
• Doanh nghiệp xây dựng được điều này sớm sẽ giành lợi thế khó sao chép, bất kể năng lực mới của từng mô hình riêng lẻ

Cảnh báo về độc quyền của số ít mô hình

• Không ai muốn một thế giới nơi doanh nghiệp của mọi ngành đều chuyển giao giá trị cho số ít mô hình
  • Nếu toàn bộ giá trị quy về số ít mô hình, nền kinh tế chính trị sẽ không chấp nhận điều đó
  • Một tương lai AI làm rỗng ruột (hollow out) toàn bộ ngành công nghiệp sẽ không có tính chính danh xã hội
• Gợi lại bài học từ giai đoạn đầu của toàn cầu hóa
  • Việc outsourcing đã làm rỗng ruột toàn bộ nền kinh tế công nghiệp; số liệu GDP bề ngoài vẫn ổn nhưng sự dịch chuyển thực tế (displacement) đã xảy ra và dư chấn của nó vẫn còn kéo dài
  • Không nên mang vào kỷ nguyên AI động lực để số ít hệ thống AI chiếm toàn bộ lợi ích kinh tế, còn tri thức của toàn ngành thì bị hàng hóa hóa ngay dưới chân mình

Ưu tiên là xây dựng hệ sinh thái frontier

• Ưu tiên không phải là mô hình frontier mà là xây dựng hệ sinh thái frontier để giá trị có thể lan tỏa rộng khắp tới mọi doanh nghiệp, ngành và quốc gia
  • Mọi tổ chức đều sở hữu các vòng lặp học tập mã hóa tri thức thể chế, đồng thời tích lũy vốn con người và vốn token theo lãi kép
• Tinh thần theo đuổi là tạo ra nhiều giá trị hơn trên nền tảng thay vì để giá trị bị giữ lại bên trong nền tảng, và để mọi doanh nghiệp tự liên tục đổi mới, xây dựng giá trị cho chính mình
  • Doanh nghiệp tạo ra giá trị cho chính mình và cho nền kinh tế xung quanh
  • Nhân viên được khuếch đại chuyên môn, còn năng lực phán đoán của họ trở thành một phần của hệ thống có thể sao chép và mở rộng; lợi ích từ đó quay trở lại doanh nghiệp và cộng đồng xung quanh
• Đó là trạng thái cân bằng ổn định (stable equilibrium) mà chúng ta cần cùng nhau xây dựng