7 bước để đội ngũ giỏi lên cùng AI thay vì kém dần

“Cảnh này thật quen thuộc”, ta sẽ thấy nó ngày càng nhiều trong tổ chức. Một nhân sự gửi lên bản kế hoạch rất gọn, có đủ mục tiêu, đầu việc, timeline, chỉ số đo lường và cách diễn đạt nghe khá chuyên nghiệp. Người quản lý đọc qua thấy mọi thứ có vẻ ổn, vì so với những bản kế hoạch rời rạc trước đây, văn bản này rõ ràng hơn, trình bày tốt hơn và có vẻ tiết kiệm rất nhiều thời gian trao đổi. Nhưng khi hỏi sâu hơn vì sao chọn hướng này, dữ liệu nào làm nền cho quyết định, rủi ro nào có thể xảy ra, phần nào là giả định cần kiểm chứng, phần nào là kết luận đã có bằng chứng, người viết bắt đầu lúng túng.

Vấn đề không hẳn nằm ở bản kế hoạch. Có thể bản kế hoạch ấy vẫn dùng được cho một cuộc họp ban đầu. Vấn đề nằm ở chỗ sản phẩm công việc đã vượt quá năng lực kiểm chứng của người tạo ra nó, nghĩa là người đó có thể tạo ra một đầu ra có hình thức chuyên nghiệp hơn trước, nhưng chưa chắc đã có đủ năng lực chuyên môn, năng lực phân tích và năng lực chịu trách nhiệm để bảo vệ những gì mình vừa trình bày.

Đây là một tình huống rất mới mà nhiều tổ chức sẽ phải đối diện trong kỷ nguyên AI. Trước đây, khoảng trống năng lực thường lộ ra khá rõ. Một người chưa biết làm thì làm chậm, làm sai, hỏi nhiều, cần được hướng dẫn và cần đi qua quá trình thử sai đủ lâu để hình thành cảm giác nghề nghiệp. Nhưng với AI, khoảng trống ấy có thể được che phủ bằng một đầu ra rất trơn tru. Người chưa đủ năng lực phân tích vẫn có thể có một bản phân tích nghe hợp lý. Người chưa hiểu ngành vẫn có thể có một báo cáo ngành với nhiều thuật ngữ chuyên môn. Người chưa đủ trưởng thành trong giao tiếp vẫn có thể gửi một email mềm mỏng, có cấu trúc và có vẻ rất biết điều.

Điều này không nhất thiết là xấu. Trong nhiều trường hợp, đó chính là lợi ích thật sự của AI. Công nghệ tốt luôn giúp con người vượt qua một phần giới hạn hiện tại của mình. Máy tính giúp ta tính toán nhanh hơn. Internet giúp ta tiếp cận thông tin nhanh hơn. AI giúp ta viết, phân tích, hệ thống hóa và mô phỏng suy nghĩ nhanh hơn. Vấn đề chỉ bắt đầu xuất hiện khi ta không còn phân biệt được đâu là năng lực thật đã được hình thành qua học tập và trải nghiệm, đâu là phần năng lực đang được AI chống đỡ tạm thời trong một nhiệm vụ cụ thể.

Vì vậy, câu hỏi quan trọng trong đào tạo AI không còn dừng ở việc dùng công cụ nào, viết prompt ra sao hay làm thế nào để tiết kiệm thời gian. Những câu hỏi ấy vẫn cần, nhưng chưa đủ để giúp con người trưởng thành trong cách dùng AI. Câu hỏi sâu hơn là: ta đang dùng AI để giỏi lên, hay đang dùng AI để che đi việc mình chưa đủ năng lực?

Một tổ chức trưởng thành không nên cấm nhân sự dùng AI để bù khoảng trống năng lực, vì điều đó vừa không thực tế, vừa lãng phí một công cụ có thể tạo ra tốc độ học tập và hiệu suất vận hành rất lớn. Nhưng tổ chức cũng không nên để AI trở thành một lớp sơn phủ lên những khoảng trống chưa được gọi tên trong năng lực của con người. Nếu không nhìn rõ điều này, AI có thể giúp vận hành hằng ngày nhanh hơn trong ngắn hạn, nhưng lại làm năng lực thật của đội ngũ teo lại trong dài hạn.

Điểm mấu chốt nằm ở việc phân biệt hai loại khoảng trống.

Loại thứ nhất là khoảng trống thực thi. Đây là tình huống một người đã hiểu việc cần làm, có đủ nền tảng chuyên môn để đánh giá đúng sai, nhưng không có đủ thời gian, năng lượng hoặc tốc độ để hoàn thành toàn bộ phần việc ở chất lượng mong muốn. Một trưởng nhóm truyền thông hiểu rõ chiến lược nội dung, nhưng cần AI giúp chuyển một bài dài thành nhiều phiên bản ngắn cho các kênh khác nhau. Một quản lý dự án nắm được tiến độ, hiểu các mối phụ thuộc giữa các hạng mục, nhưng cần AI giúp tổng hợp biên bản họp thành danh sách việc cần làm. Một chuyên viên đào tạo đã hiểu mục tiêu học tập, chân dung học viên và logic trải nghiệm lớp học, nhưng cần AI hỗ trợ tạo bản nháp giáo án, câu hỏi thảo luận hoặc bài tập tình huống.

Trong các trường hợp này, AI có thể khỏa lấp khoảng trống tương đối an toàn, vì người dùng không giao phần phán đoán cốt lõi cho AI. Họ chỉ nhờ AI tăng tốc phần thực thi, giảm bớt khối lượng thao tác lặp lại và tạo ra bản nháp để mình chỉnh sửa nhanh hơn. Vì đã có nền tảng chuyên môn đủ vững, họ biết chỗ nào dùng được, chỗ nào phải bỏ, chỗ nào cần kiểm chứng thêm và chỗ nào không được phép đưa vào quyết định cuối cùng. AI ở đây giống một người cộng tác nhanh tay, chứ không phải người quyết định thay.

Loại thứ hai là khoảng trống kiến thức. Đây là tình huống người dùng chưa thật sự hiểu lĩnh vực, chưa có khung chuyên môn để phán đoán, chưa biết tiêu chuẩn đúng sai của ngành, nhưng lại dùng AI để tạo ra một câu trả lời có vẻ hoàn chỉnh. Một người chưa hiểu tâm lý học tổ chức nhưng dùng AI viết chương trình can thiệp văn hóa. Một người chưa hiểu tài chính nhưng dùng AI phân tích mô hình đầu tư. Một người chưa nắm pháp lý nhưng dùng AI soạn điều khoản hợp đồng. Một người chưa hiểu học viên, chưa hiểu động lực học tập và chưa có kinh nghiệm điều phối lớp học, nhưng dùng AI thiết kế chương trình đào tạo như thể chỉ cần đủ mô đun, đủ hoạt động, đủ slide là đã có một trải nghiệm học tập có chất lượng.

Đây là vùng rủi ro cao hơn rất nhiều. Không phải vì AI chắc chắn sai, mà vì người dùng không có đủ nền tảng chuyên môn để biết khi nào AI sai, sai ở tầng khái niệm nào, sai do thiếu dữ liệu, sai do suy luận quá mức hay sai vì đang dùng một khuôn mẫu có vẻ hợp lý nhưng không phù hợp với bối cảnh thực tế. Cái nguy hiểm của AI không nằm ở chỗ nó trả lời dở. Nếu câu trả lời dở, ta còn dễ nghi ngờ. Cái nguy hiểm hơn nằm ở chỗ nó có thể sai một cách rất mạch lạc. Nó có thể tạo ra một văn bản có cấu trúc, có thuật ngữ, có giọng điệu chắc chắn, khiến người chưa có chuyên môn tưởng rằng mình đã hiểu.

Với khoảng trống thực thi, AI có thể là công cụ tăng tốc. Với khoảng trống kiến thức, AI chỉ nên là điểm khởi đầu cho việc học. Nó có thể giúp ta đặt câu hỏi tốt hơn, nhìn sơ đồ vấn đề nhanh hơn, tạo danh sách khái niệm cần tìm hiểu và mô phỏng các góc nhìn khác nhau. Nhưng kết luận cuối cùng vẫn cần người có chuyên môn kiểm lại, hoặc ít nhất cần một quá trình học đủ nghiêm túc để người dùng xây được năng lực phán đoán của chính mình.

Đây là nan đề rất thật của tổ chức hiện nay. Vận hành hằng ngày cần tốc độ, vì khách hàng không chờ ta học xong mới giao việc, thị trường không chờ đội ngũ đủ năng lực rồi mới thay đổi, và áp lực cạnh tranh không cho phép tổ chức xử lý mọi thứ bằng nhịp học nghề chậm rãi như trước. Nhưng năng lực thật của con người lại không hình thành bằng cách đi tắt hoàn toàn. Nó cần va chạm, thử sai, phản hồi, suy nghĩ, kiểm chứng và chịu trách nhiệm. Nếu cái gì cũng đưa cho AI làm quá sớm, con người có thể hoàn thành công việc nhanh hơn, nhưng không chắc đã trưởng thành hơn trong năng lực nghề nghiệp.

Trong Tâm lý học nhận thức, người ta gọi một phần của hiện tượng này là giảm tải nhận thức. Con người vốn luôn dùng công cụ bên ngoài để bớt gánh nặng trí óc: ghi chú để khỏi phải nhớ hết, dùng máy tính để khỏi phải tính tay, dùng bản đồ để khỏi phải tự định hướng trong mọi ngõ ngách. Việc này không sai. Nhưng khi ta chuyển quá nhiều phần suy nghĩ cốt lõi sang AI, nhất là những phần đáng lẽ phải được dùng để rèn luyện khả năng phân tích, so sánh, kiểm chứng và ra quyết định, năng lực tư duy có thể ít được rèn luyện hơn. Ngày càng nhiều những nghiên cứu gần đây đã bắt đầu cảnh báo về mối liên hệ giữa việc dùng AI thường xuyên, xu hướng phó mặc suy nghĩ cho AI khiến mức độ tư duy phản biện thấp hơn.

Điểm đáng chú ý là vấn đề không chỉ nằm ở công cụ, mà còn nằm ở lòng tự tin của người dùng đối với năng lực phán đoán của chính mình. Khi một người tin rằng mình có đủ khả năng chuyên môn để kiểm tra, chất vấn và điều chỉnh câu trả lời của AI, họ có xu hướng đối thoại với AI nhiều hơn, hỏi lại nhiều hơn, phản biện nhiều hơn và ít chấp nhận câu trả lời đầu tiên như một kết luận cuối cùng. Ngược lại, khi một người quá tin vào AI, hoặc quá thiếu tự tin vào năng lực hiểu biết của chính mình, họ dễ xem câu trả lời của AI như lối thoát khỏi cảm giác không chắc chắn. Khi đó, họ không còn dùng AI để học, mà dùng AI để né việc phải nghĩ đến tận cùng.

Đây là lý do trong đào tạo AI, ta không thể chỉ dạy kỹ thuật. Nếu chỉ dạy cách viết prompt, cách chọn công cụ, cách tự động hóa quy trình, ta mới chạm vào phần bề mặt của năng lực sử dụng AI. Phần sâu hơn là giúp người học xây lại vai trò của mình trong mối quan hệ với AI. AI nên là cộng tác viên, không phải người quyết định thay. AI có thể gợi ý, nhưng con người phải chọn. AI có thể tạo bản nháp, nhưng con người phải chịu trách nhiệm. AI có thể phản biện, nhưng con người phải giữ năng lực phán đoán cuối cùng.

Một cách nói khác: AI không được trở thành nơi ta trốn khỏi sự chưa biết của mình.

Trong các chương trình đào tạo nghiêm túc, điều này cần được thiết kế như một loại giàn giáo nhận thức. Giàn giáo không phải là thứ dựng lên để thay tòa nhà. Nó được dựng lên để người thợ có thể xây cao hơn, an toàn hơn, rồi đến một lúc nào đó phải tháo ra. Dùng AI cũng vậy. Nếu AI là giàn giáo, nó phải giúp con người học được cách làm tốt hơn, nhìn thấy tiêu chuẩn rõ hơn và tự đứng vững hơn trong những lần làm việc tiếp theo. Nếu sau một thời gian dùng AI, ta chỉ phụ thuộc hơn, ít kiểm chứng hơn, ít hiểu bản chất hơn và ít dám chịu trách nhiệm hơn, thì đó không còn là giàn giáo. Đó là một cái nạng nhận thức.

Có ba cái bẫy lớn cần được gọi tên.

Bẫy thứ nhất là mai một kỹ năng gốc. Một người từng có khả năng viết, nhưng vì luôn để AI viết nháp, sửa câu, đặt cấu trúc và chọn luận điểm, dần dần mất cảm giác với lập luận của chính mình. Một quản lý từng biết đọc báo cáo, nhưng vì lâu ngày chỉ đọc phần AI tóm tắt, dần mất độ nhạy với những con số bất thường. Một người làm đào tạo từng biết quan sát học viên, đọc không khí lớp học và điều chỉnh nhịp tương tác, nhưng vì quá dựa vào khung gợi ý của AI, dần quên cách lắng nghe những tín hiệu sống động đang diễn ra ngay trong phòng học.

Bẫy thứ hai là học nhầm. Đây là rủi ro lớn nhất với người chưa có nền tảng chuyên môn đủ vững. Khi chưa có nền tảng chuyên môn, ta không chỉ tiếp nhận cái đúng từ AI, mà có thể tiếp nhận luôn cả lỗi sai, cách hiểu lệch, sự đơn giản hóa quá mức hoặc những khái niệm nghe có vẻ hợp lý nhưng không đứng vững khi đặt vào thực tế nghề nghiệp. Người có chuyên môn dùng AI như một bản nháp để phản biện. Người thiếu chuyên môn dễ dùng AI như một giáo trình, rồi tưởng rằng mình đang học nhanh hơn, trong khi thật ra chỉ đang hấp thụ một hỗn hợp chưa được kiểm chứng giữa thông tin đúng, thông tin sai và những lập luận được viết quá trôi chảy.

Bẫy thứ ba là chưa kịp hình thành năng lực đã phụ thuộc. Đây là vấn đề sẽ ngày càng rõ với nhân sự trẻ, người mới vào nghề và các tổ chức chuyển đổi quá nhanh. Trước đây, một người học nghề phải trải qua những việc nhỏ, chậm, đôi khi nhàm chán, nhưng chính những việc đó tạo nên cảm giác nghề nghiệp. Họ học cách đặt câu hỏi, đọc ngữ cảnh, chịu trách nhiệm với chi tiết, nhận ra sai sót, tự điều chỉnh và dần hình thành tiêu chuẩn bên trong. Nếu AI làm thay quá sớm, họ có thể tạo ra đầu ra có vẻ chuyên nghiệp trước khi hình thành nền móng chuyên môn, năng lực phán đoán và bản lĩnh chịu trách nhiệm.

Vậy tổ chức nên làm gì?

Theo tôi, cần bắt đầu từ một nguyên tắc đơn giản: không dùng AI giống nhau cho mọi khoảng trống năng lực. Mỗi khoảng trống cần một cách hỗ trợ khác nhau, tùy vào mức độ rủi ro của nhiệm vụ, mức độ hiểu biết của người dùng và tầm quan trọng của quyết định liên quan.

Có thể bắt đầu bằng bảy bước.

1. Soi lại năng lực hiện tại, kể cả điểm mù

- Việc gì mình có thể làm ở mức đạt chuẩn nghề nghiệp nếu không có AI?

- Việc gì mình chỉ làm được khi có AI hỗ trợ, nhưng vẫn đủ năng lực để kiểm tra và chỉnh sửa?

- Việc gì mình tưởng là biết, nhưng thật ra chưa có đủ nền tảng chuyên môn để đánh giá đúng sai?

2. Phân loại khoảng trống theo mức rủi ro

- Khoảng trống thực thi là trường hợp mình biết cách làm, nhưng không làm kịp hoặc không đủ sức xử lý hết khối lượng công việc.

- Khoảng trống kiến thức là trường hợp mình chưa biết đủ để tự phán đoán, nhưng lại có thể tạo ra một đầu ra nghe rất thuyết phục nhờ AI.

- Khoảng trống càng gần các quyết định quan trọng về chiến lược, tài chính, pháp lý, nhân sự hoặc uy tín chuyên môn, càng cần có người đủ năng lực kiểm chứng.

3. Chọn điểm khỏa lấp ưu tiên

- Ưu tiên các việc lặp lại nhiều, tốn thời gian, có tiêu chuẩn đánh giá rõ và ít tạo ra hậu quả nghiêm trọng nếu bản nháp ban đầu chưa tốt.

- Tránh giao ngay cho AI những việc liên quan đến chiến lược, pháp lý, tài chính, nhân sự nhạy cảm hoặc chuyên môn sâu nếu chưa có người đủ năng lực giám sát.

- Đừng dùng AI để che một năng lực lõi mà tổ chức thật sự cần xây, vì phần năng lực lõi nếu không được rèn luyện thì tổ chức sẽ phụ thuộc vào công cụ mà không biết mình đang yếu ở đâu.

4. Thiết kế cách AI hỗ trợ, giữ người ở vai chính

- AI gợi ý phương án, con người chọn phương án dựa trên mục tiêu, dữ liệu và bối cảnh thật.

- AI tạo bản nháp, con người kiểm tra logic, chỉnh sửa ngôn ngữ và chịu trách nhiệm với đầu ra cuối cùng.

- AI phản biện để mở rộng góc nhìn, nhưng con người phải quyết định điều gì được giữ lại, điều gì phải bỏ đi và điều gì cần kiểm chứng thêm.

- AI không được trở thành nơi con người trốn tránh phần suy nghĩ khó, phần chịu trách nhiệm và phần học thật.

5. Thử nghiệm trên một việc thật

- Chọn một nhiệm vụ đang diễn ra trong công việc, vì bài tập giả thường không đủ áp lực bối cảnh để bộc lộ giới hạn thật.

- Đo thời gian tiết kiệm được, nhưng không xem tốc độ là tiêu chí duy nhất.

- Đo chất lượng đầu ra bằng tiêu chí cụ thể, chẳng hạn độ đúng, độ rõ, độ phù hợp với bối cảnh, khả năng triển khai và mức độ giảm lỗi.

- Đo cả mức độ người dùng hiểu việc hơn sau khi dùng AI, vì nếu công việc hoàn thành nhanh hơn nhưng con người hiểu ít hơn, đó là dấu hiệu cần xem lại cách dùng.

6. Lưu lại thành tri thức dùng được nhiều lần

- Lưu những prompt có hiệu quả, nhưng không tách prompt ra khỏi bối cảnh sử dụng.

- Lưu tiêu chí kiểm tra đầu ra, vì tiêu chí kiểm mới là phần giúp con người giữ vai trò phán đoán.

- Lưu những lỗi AI từng mắc, đặc biệt là các lỗi nghe hợp lý nhưng sai về khái niệm, dữ liệu hoặc bối cảnh.

- Chuyển kinh nghiệm sử dụng AI của từng cá nhân thành tài sản học tập chung của đội nhóm, để tổ chức không phải học lại từ đầu ở từng người.

7. Kiểm tra mình đang giỏi lên hay kém đi

- Sau một thời gian dùng AI, mình có hiểu vấn đề sâu hơn, rõ tiêu chuẩn hơn và đặt câu hỏi tốt hơn không?

- Mình có kiểm AI tốt hơn không, hay ngày càng dễ chấp nhận câu trả lời đầu tiên vì nó nghe hợp lý?

- Mình có tự làm được phần lõi của công việc khi không có AI không, ít nhất ở mức đủ để đánh giá và chịu trách nhiệm?

- Nếu AI biến mất một ngày, năng lực thật của mình còn lại bao nhiêu?

Bảy bước này không nhằm làm chậm quá trình ứng dụng AI. Ngược lại, nó giúp tổ chức dùng AI nhanh hơn mà không mù hơn trước những khoảng trống năng lực của chính mình. Không phải việc gì cũng cần quy trình phức tạp. Với khoảng trống thực thi và rủi ro thấp, cứ để AI hỗ trợ mạnh. Nhưng với khoảng trống kiến thức và rủi ro cao, cần có giàn giáo học tập, tiêu chí kiểm chứng và người chịu trách nhiệm chuyên môn.

Ở cấp cá nhân, nguyên tắc này cũng rất thực tế. Khi dùng AI, ta có thể tự hỏi: tôi đang nhờ AI làm phần mình đã hiểu, hay đang nhờ AI nói thay phần mình chưa hiểu? Nếu là phần mình đã hiểu, AI có thể giúp ta tiết kiệm thời gian và nâng chất lượng thực thi. Nếu là phần mình chưa hiểu, AI nên được dùng để mở đường học tập, không phải để tạo cảm giác rằng mình đã hoàn tất một việc mà thật ra mình chưa đủ năng lực kiểm chứng.

Một người dùng AI tốt không phải là người có prompt dài nhất, công cụ mới nhất hay quy trình tự động hóa phức tạp nhất. Một người dùng AI tốt là người biết mình đang thiếu gì, biết khoảng trống nào có thể để AI chống đỡ tạm thời, khoảng trống nào phải tự học thật, biết lúc nào cần kiểm chứng, biết lúc nào phải dừng lại và hỏi một người có chuyên môn.

Ở cấp tổ chức, đây sẽ là một năng lực quản trị mới. Tổ chức không chỉ cần hỏi AI giúp chúng ta làm nhanh hơn bao nhiêu, mà còn cần hỏi sau khi dùng AI, đội ngũ của chúng ta đang giỏi lên hay đang phụ thuộc hơn. Một bản báo cáo trình bày tốt hơn không đủ chứng minh năng lực phân tích đã tăng. Một quy trình nhanh hơn không đủ chứng minh tổ chức đã trưởng thành. Một đội ngũ dùng AI nhiều hơn không đồng nghĩa với một đội ngũ học tốt hơn.

Điều cần quan sát là chất lượng phán đoán của con người sau khi dùng AI. Họ có đặt câu hỏi tốt hơn không? Có nhận ra giả định ẩn bên dưới câu trả lời không? Có biết kiểm chứng nguồn không? Có phân biệt được đề xuất thật sự phù hợp với bối cảnh và đề xuất chỉ nghe có vẻ thuyết phục không? Có đủ tự tin chuyên môn để không đồng ý với AI không?

Nếu câu trả lời là có, AI đang trở thành một cộng tác viên phát triển năng lực. Nếu câu trả lời là không, AI có thể đang trở thành một lớp trang điểm cho sự thiếu hụt năng lực.

Tương lai của đào tạo AI vì vậy không nên dừng ở việc giúp con người dùng công cụ thành thạo hơn. Nó phải giúp con người giữ được vai chính trong quá trình học, làm và ra quyết định. AI có thể giúp ta đi nhanh hơn, nhưng không nên làm ta mất cảm giác về đôi chân của mình. AI có thể giúp ta nhìn thấy nhiều phương án hơn, nhưng không nên làm ta quên cách tự mình phân biệt điều gì đúng, điều gì sai, điều gì phù hợp với bối cảnh và điều gì chỉ nghe có vẻ hợp lý trên bề mặt ngôn từ.

Dùng AI đúng là sau mỗi lần cộng tác, con người hiểu việc hơn, nhìn rõ tiêu chuẩn hơn, kiểm chứng tốt hơn và chịu trách nhiệm rõ hơn. Dùng AI sai là khi đầu ra ngày càng chuyên nghiệp về hình thức, nhưng năng lực bên trong ngày càng rỗng.

Khoảng trống năng lực nào cũng cần được lấp. Nhưng không phải khoảng trống nào cũng nên được lấp theo cùng một cách. Có khoảng trống cần AI hỗ trợ ngay để công việc không tắc lại. Có khoảng trống cần AI soi sáng để ta biết mình phải học gì. Và có những khoảng trống, nếu ta để AI che đi quá lâu, đến một lúc nào đó tổ chức sẽ không còn biết mình thật sự yếu ở đâu.

Khi đó, rủi ro không nằm ở việc AI quá mạnh. Rủi ro nằm ở chỗ con người đã quen với cảm giác rằng mình vẫn đang rất mạnh, trong khi năng lực phán đoán, năng lực chuyên môn và năng lực chịu trách nhiệm bên trong đã không còn giữ được sự sắc sảo cần thiết.

Bài gốc trên Substack của Lê Đình Lực.