Sáng nay đọc bài “The twilight of the chatbots” của Ethan Mollick, tôi có cảm giác như mình bị bắt quả tang.
Mới đây thôi, tôi còn hào hứng giới thiệu Co-Intelligence cho các học viên của mình. Tôi thích cách Mollick gọi AI là một “trí tuệ cộng tác”, co-intelligence, một thứ không thay ta nghĩ, nhưng buộc ta nghĩ khác đi. Ở giai đoạn ấy, làm việc với AI vẫn còn giống một cuộc đối thoại. Mình hỏi, nó đáp. Mình sửa, nó chịu sửa. Mình kéo nó về thực tế, nó kéo mình ra khỏi lối mòn. Vẫn còn một cái bàn làm việc chung. Vẫn còn cảm giác mình đang cầm nhịp.
Nhưng Mollick nói: “hoàng hôn của chatbot” đã bắt đầu.
Câu ấy làm tôi dừng lại. Không phải vì chatbot sẽ biến mất. Nó vẫn còn đó, vẫn hữu ích, vẫn là cánh cửa đầu tiên của nhiều người khi bước vào AI. Nhưng phần việc nghiêm túc hơn, dài hơi hơn, có giá trị kinh tế hơn, đang dịch sang một hình thức khác: agent. Và agent không ngồi chờ ta hỏi từng câu. Nó nhận việc, chia việc, dùng công cụ, tự sửa lỗi, chạy nhiều giờ, rồi quay lại với một kết quả mà trước đây có thể cần cả một nhóm người làm.
Đây không còn là đối thoại. Đây là quản trị.
Câu ấy nghe khô, nhưng tôi nghĩ nó là điểm rẽ. Khi AI là chatbot, con người còn đóng vai người đối thoại thông minh. Khi AI là agent, con người phải trở thành người giao việc, người đặt tiêu chuẩn, người kiểm tra, người chịu trách nhiệm. Nói cách khác, chúng ta đi từ prompt sang management. Từ hỏi hay sang giao việc đúng. Từ tò mò sang trách nhiệm.
Và lúc này, cách đặt vấn đề trong Đạo đức AI không còn là một chương học thêm cho đẹp. Nó trở thành hạ tầng của công việc.
Những con số không nên đọc quá nhanh
Mollick đưa ra vài số liệu đáng chú ý. Tôi nghĩ nên đọc chúng chậm, vì nếu đọc nhanh quá, ta sẽ tưởng đây chỉ là một bản cập nhật công nghệ nữa.
Ông nhắc tới các đánh giá như METR, AI Security Institute của Anh, và GDPval, những thước đo cố gắng xem AI có thể thực hiện bao nhiêu “giờ lao động người” từ một prompt. Theo Mollick, các chỉ số này đang tăng nhanh hơn hàm mũ. Nói một cách đời thường, không phải AI đang khá lên từng chút một. Nó đang nhảy bậc theo cách rất khó chịu đối với mọi tổ chức quen lập kế hoạch theo quý, theo năm, theo nhiệm kỳ, hoặc theo lịch họp.
Một ví dụ khác: Epoch gần đây ghi nhận Opus 4.7, khi làm việc tự chủ trong 14 giờ, có thể xây dựng một gói phần mềm mà con người có thể mất từ 2 đến 17 tuần kỹ sư để hoàn thành, với chi phí token khoảng 251 đô la. Mollick cũng kể trong thử nghiệm riêng, Fable có thể làm việc tự chủ 9 giờ để thực hiện những dự án phần mềm phức tạp mà trước đây một nhóm người có thể mất hơn một tuần.
Ở một chỗ khác, ông viết rằng nếu trước mùa đông 2025, nhiều kế hoạch AI của tổ chức vẫn đang mô tả một hệ thống chỉ làm được vài giờ việc với tỷ lệ lỗi còn cao, thì chỉ vài tháng sau, ta đã có thể nhận được 16 giờ hoặc hơn từ một prompt.
16 giờ từ một prompt.
Tôi đọc con số ấy, rồi nghĩ đến rất nhiều cuộc họp chuyển đổi số mà mình từng tham dự. Những cuộc họp vẫn còn loay hoay với câu hỏi “có nên cho nhân viên dùng ChatGPT không”, trong khi ngoài kia, vấn đề đã chuyển sang một câu khác hẳn: ai đang quản lý những hệ thống có thể làm việc hàng giờ, thậm chí hàng chục giờ, mà không cần ta ngồi bên cạnh?
Có thể ta không thích nhịp này. Nhưng không thích không làm nó chậm lại.
Chatbot là người đối thoại. Agent là người được giao việc
Ở giai đoạn co-intelligence, ta vẫn còn cảm giác thân thuộc. Chatbot giống một người cộng tác mới, rất nhanh, rất rộng, đôi khi rất vô duyên. Nó cho ta bản nháp, khung ý, phản biện, ví dụ, cách diễn đạt khác. Nó làm ta thấy mình thông minh hơn một chút, hoặc ít nhất đỡ cô đơn hơn trước màn hình trắng.
Agent thì khác. Agent không chỉ trả lời. Nó hành động trong một môi trường có công cụ. Nó có thể dùng app, chạy code, kiểm tra lỗi, sửa lại, lập kế hoạch, và tiếp tục làm việc. Mollick nhắc tới các “harnesses”, tức những khung vận hành cho phép AI truy cập công cụ và môi trường hành động, cùng các ứng dụng sinh ra cho agent như Claude Code hay OpenAI Codex. Khi đó, năng lực của mô hình không chỉ nằm trong “trí thông minh” của nó, mà còn nằm trong bộ công cụ và cách ta đặt nó vào một môi trường làm việc.
Đây là chỗ nhiều người dễ nhầm. Họ tưởng agent chỉ là chatbot thông minh hơn. Không phải. Agent là chatbot bước ra khỏi cửa sổ chat và bắt đầu đụng vào công việc. Một khi AI đụng vào công việc, câu hỏi không còn là nó nói có hay không. Câu hỏi là nó làm gì, làm trong phạm vi nào, dùng dữ liệu nào, tạo ra hậu quả nào, và ai chịu trách nhiệm khi nó làm sai?
Ở đây, quản trị AI, AI Governance, không còn là mấy dòng chính sách dán trên website. Nó là kỷ luật vận hành. Là phân quyền. Là kiểm soát rủi ro. Là chuẩn chất lượng. Là nhật ký quyết định. Là năng lực biết khi nào phải dừng một agent lại, dù nó vẫn đang chạy rất nhanh và trông có vẻ rất hữu ích.
Không có tiêu chuẩn, agent chỉ là một cỗ máy tạo ra ảo giác năng suất.
Chuyên môn không mất giá. Nó bị phơi ra
Một điểm tôi thấy Mollick nói rất quan trọng: thành công với AI không phụ thuộc đơn giản vào việc anh là coder hay không. Trong nghiên cứu về việc dùng Claude Code, kỹ sư phần mềm có tỷ lệ thành công tương tự những người ở nghề khác khi dùng công cụ này cho nhiệm vụ coding. Điều tạo khác biệt không phải là nhãn nghề nghiệp, mà là chuyên môn trong miền công việc, domain expertise.
Nói giản dị hơn: người hiểu việc dùng AI tốt hơn.
Điều này ngược với ảo tưởng phổ biến rằng AI sẽ làm người không có chuyên môn bỗng nhiên thành chuyên gia. Có, AI có thể giúp người mới đi nhanh hơn. Nó có thể lấp một số khoảng trống ban đầu. Nó có thể làm bản nháp, gợi khung, giải thích thuật ngữ, mở vài cánh cửa. Nhưng càng vào việc thật, AI càng làm lộ rõ người dùng có hiểu việc hay không.
Người không hiểu việc thường hài lòng quá sớm với một kết quả có vẻ đẹp. Người hiểu việc sẽ thấy cái sai nằm ở đâu, cái rỗng nằm ở đâu, cái nguy hiểm nằm ở đâu. Một bản phân tích có thể trôi chảy mà vô dụng. Một chiến lược có thể đầy đủ mà không sống nổi trong một doanh nghiệp cụ thể. Một đoạn văn có thể rất mượt mà, nhưng đọc lên không còn ai ở trong đó.
AI không xóa bỏ chuyên môn. Nó khuếch đại chuyên môn, hoặc khuếch đại sự thiếu chuyên môn.
Tôi nghĩ đây là điều nhiều doanh nghiệp cần nghe, dù có thể không thích. Chuyển sang agent không có nghĩa là mua thêm vài công cụ AI rồi tuyên bố chuyển đổi số. Nó đòi hỏi một năng lực quản lý mới. Biết việc nào giao cho AI. Biết việc nào không nên giao. Biết khi nào để nó chạy xa hơn. Biết khi nào phải kéo nó dừng lại. Và nhất là biết tiêu chuẩn nào dùng để phán xét kết quả.
Tiêu chuẩn ấy không nằm trong prompt. Nó nằm trong nghề.
Khi ai cũng có thể “chạy agent”, ai là người còn đáng tin?
Mollick có nhắc tới một nghiên cứu chung giữa OpenAI và các nhà kinh tế học hàn lâm, cho thấy việc dùng agent trong chính OpenAI đang lan rất nhanh. Không chỉ coder dùng. Pháp lý, nhân sự, và nhiều bộ phận phi kỹ thuật cũng dùng agent với tốc độ gần tương tự. Một phần tư nhân viên OpenAI có ít nhất bốn agent chạy cùng lúc mỗi tuần.
Tôi không đọc chi tiết đó như một chuyện nội bộ của OpenAI. Tôi đọc nó như một tín hiệu từ tương lai gần của mọi tổ chức. Một người làm việc với bốn agent cùng lúc sẽ không còn giống một nhân viên theo nghĩa cũ. Họ giống một quản lý nhỏ của một đội lao động vô hình. Họ phân việc, nhận kết quả, kiểm tra, chỉnh hướng, ghép đầu ra của nhiều luồng công việc. Và nếu làm tốt, năng suất của họ có thể tăng vọt. Nhưng nếu làm kém, họ có thể tạo ra một lượng lớn sai sót được đóng gói rất đẹp.
Ở đây, niềm tin trở thành vấn đề trung tâm. Người dùng AI không chỉ cần biết công cụ. Họ cần đáng tin. Đáng tin vì có chuyên môn. Đáng tin vì có tiêu chuẩn. Đáng tin vì biết nói “không biết”. Đáng tin vì không bị mê hoặc bởi tốc độ. Đáng tin vì hiểu rằng một kết quả do agent làm sai vẫn là trách nhiệm của người ký tên.
Một bản phân tích do agent làm sai vẫn là lỗi của người trình bày. Một đoạn code do agent viết gây hậu quả vẫn không thể đổ hết cho agent. Một quyết định nhân sự dựa trên gợi ý AI thiên lệch vẫn là quyết định của con người. Một bài viết quá trơn, quá sạch, quá giống hàng triệu bài AI khác, vẫn làm mòn giọng của người đăng nó.
Tôi từng nói với học viên và khách hàng rằng hãy học cách “nói chuyện” với AI. Bây giờ có lẽ phải nói thêm: hãy học cách quản trị AI. Hai chuyện này rất khác nhau. Nói chuyện với AI cần sự tò mò. Quản trị AI cần tay nghề. Cần kinh nghiệm. Cần trí nhớ tổ chức. Cần cả những vết sẹo nghề nghiệp mà không khóa học prompt nào dạy được.
Frontier, open weights, và một biên giới không đứng yên
Mollick cũng nhắc đến sự phân hóa ở biên giới AI. Một phía là các frontier models, những mô hình mạnh nhất từ các công ty Mỹ như Anthropic, OpenAI, Google. Một phía khác là các mô hình open weights, phần lớn đến từ Trung Quốc, thường chậm hơn khoảng 6 đến 12 tháng so với nhóm dẫn đầu, nhưng rẻ hơn để vận hành, có thể dùng và chỉnh sửa sau khi phát hành, và đang leo trên một đường cong cải tiến riêng.
Chi tiết này quan trọng với doanh nghiệp. Vì nó nói rằng cuộc chơi AI không chỉ là ai có mô hình thông minh nhất hôm nay. Nó còn là ai có khả năng đưa mô hình vào hệ thống, vào chi phí, vào quy trình, vào dữ liệu, vào sản phẩm, vào văn hóa làm việc. Một mô hình kém hơn một chút nhưng đủ rẻ, đủ mở, đủ dễ tích hợp, có thể tạo ra thay đổi lớn hơn trong thực tế so với một mô hình rất mạnh nhưng bị khóa trong một hệ sinh thái đắt đỏ và khó tiếp cận.
Biên giới AI vì thế không phải một đường thẳng. Nó lởm chởm, jagged, như Mollick hay nói. Có chỗ AI rất giỏi. Có chỗ nó vẫn vụng. Có benchmark rất đẹp nhưng khi vào việc thật lại không ổn. Có mô hình viết code tốt nhưng thiết kế kém. Có mô hình phân tích nhanh nhưng phán đoán yếu. Có mô hình làm được việc dài nhưng càng dài thì lỗi tích lũy càng nguy hiểm.
Nói cách khác, không có “AI nói chung” trong vận hành doanh nghiệp. Chỉ có AI trong một việc cụ thể, với dữ liệu cụ thể, công cụ cụ thể, tiêu chuẩn cụ thể, rủi ro cụ thể.
Và người quản trị phải đủ tỉnh để thấy cái cụ thể đó.
Co-Existence sẽ khó chịu hơn Co-Intelligence
Có lẽ vì vậy tôi đang chờ Co-Existence của Mollick với một tâm thế khác khi đọc Co-Intelligence. Hồi đó là hào hứng. Bây giờ vẫn hào hứng, nhưng bớt ngây thơ. Co-intelligence còn có vẻ đẹp của cộng tác. Co-existence, cùng tồn tại, nghe đã thấy nặng hơn. Sống cùng thì không chỉ có tiện ích. Sống cùng là chia chỗ, nhường chỗ, tranh chỗ, lệ thuộc, kiểm soát, và đôi khi phải tự hỏi cái gì trong công việc này vẫn còn là của mình.
Ở tuổi U60, tôi không sợ học công cụ mới. Tôi chỉ sợ một ngày mình dùng công cụ quá giỏi, nhưng giọng mình nhạt đi, tiêu chuẩn mình lỏng đi, và mình tưởng tốc độ là năng lực.
Mollick đúng khi nói chúng ta đang ở trong một đường cong tăng trưởng mà con người rất khó cảm nhận từ bên trong. Mỗi vài tháng, một khả năng mới lại xuất hiện như một cú giật. Tổ chức thì họp. Ủy ban thì cân nhắc. Chính sách thì chạy sau. Thị trường thì hoảng từng đợt. Còn AI thì không có nhịp sinh học của con người. Nó không mỏi mắt lúc nửa đêm, không cần cà phê, không có tuổi nghề để tiếc.
Chính vì thế, phần người không nằm ở chỗ làm nhanh hơn AI. Thua rồi. Phần người cũng không nằm ở chỗ thông minh hơn AI. Kém hẳn. Phần người nằm ở chỗ biết việc gì đáng làm, tại sao đáng làm, làm đến đâu thì đủ, và sai một ly sẽ hỏng cái gì.
Từ dùng AI sang chịu trách nhiệm với AI
Từ chatbot sang agent, đó không chỉ là một thay đổi công nghệ. Đó là một thay đổi trong quan hệ quyền lực giữa người lao động, công cụ, tổ chức và trách nhiệm nghề nghiệp. Người nào còn nghĩ AI chỉ là “hỏi đáp cho vui” sẽ bị bỏ lại. Nhưng người nào nghĩ chỉ cần thả agent chạy là xong cũng sẽ trả giá.
Câu hỏi không còn là: bạn có dùng AI không? Câu hỏi là: bạn có đủ chuyên môn để chịu trách nhiệm cho những gì AI làm thay bạn không?
Tôi vẫn sẽ tiếp tục giới thiệu Co-Intelligence, vì đó là cánh cửa tốt để bước vào AI. Nhưng có lẽ cánh cửa tiếp theo, Co-Existence, sẽ khó chịu hơn. Nó không chỉ hỏi ta cộng tác với AI thế nào. Nó hỏi ta còn giữ phần tác giả nào của mình trong một thế giới mà công việc ngày càng được giao cho những agent không biết mệt.
Tuần này, tôi đang chuẩn bị cho lớp thứ 5 về “AI thực chiến”. Có lẽ tôi sẽ không bắt đầu bằng câu hỏi “AI giúp anh chị tiết kiệm bao nhiêu thời gian?”. Câu đó dễ quá, và đôi khi hơi rẻ rúng. Tôi muốn bắt đầu bằng một câu khó chịu hơn: anh chị đang quản lý AI bằng nghề của mình, hay đang bị tốc độ của nó quản lý ngược lại?