“Dạy Em Dùng AI Đi”

“Anh ơi, dạy em dùng AI đi. Em muốn học prompt.”

Mình hỏi lại: “Bạn đang bí chỗ nào?”

Im lặng. Rồi trả lời: “Em chưa biết bí chỗ nào. Em chỉ sợ bị bỏ lại.”

Đó là câu mình nghe nhiều nhất trong suốt một năm vừa rồi. Người nhắn tin xin học AI từ mình không thiếu — họ chờ bộ prompt mẫu, danh sách công cụ, hoặc khóa học “7 ngày thành thạo.” Và mình phải thành thật: câu trả lời của mình không phải thứ họ muốn nghe.

“Tôi không biết dạy AI cho bạn, nếu bạn không có việc gì đáng làm.”

Không phải mình khó tính. Mà là mình biết rõ cách mình học — và cách mình quan sát người khác học hiệu quả.

Hai Chuyện Thật Về Điểm Nghẽn

Xưởng CNC và file gcode

Anh chủ xưởng mộc gặp mình nhờ tư vấn. Xưởng có máy CNC, nhưng muốn mở rộng mẫu mã phải có file gcode — file điều khiển máy cắt theo thiết kế. Con đường cũ: đi học thiết kế nội thất, rồi học phần mềm chuyên dụng để xuất gcode — tính bằng tháng. Và hết thời gian đó, thị trường đã thay đổi.

Con đường mới: AI Agent nhận yêu cầu mô tả bằng ngôn ngữ tự nhiên, tạo file gcode trực tiếp. Không phải “AI viết code” theo nghĩa truyền thống — mà là AI rút ngắn con đường từ ý muốn đến sản phẩm.

Anh ấy không “học AI” trước. Anh ấy có điểm nghẽn trước.

Sửa 4 tài liệu cùng lúc

Tuần trước mình cần sửa một nội dung xuất hiện trong 4 tài liệu khác nhau — bảng giá, mô tả sản phẩm, trang web, và file báo cáo. Con đường cũ: mở từng file, tìm, copy, paste, dò lại — cỡ nửa buổi.

Con đường mới: 3 phút với Claude Code.

Điểm chung của cả hai chuyện: không ai trong đó “học AI” trước. Họ có điểm nghẽn, AI là cách giải quyết điểm nghẽn đó. Học AI xảy ra trong quá trình — không phải trước đó.

Tony Fadell: Khi Building Trở Nên Free, Judgment Trở Nên Hiếm

Tony Fadell là cha đẻ iPod, đồng tạo iPhone, sáng lập Nest (bán cho Google $3.2 tỷ). Ông là người đã bán ý tưởng iPod cho Steve Jobs bằng một cái mô hình nhựa 5 ngàn đô, và là người đã đặt câu hỏi đúng khi mọi người đang xây smartphone: không phải “điện thoại nên có tính năng gì” mà “máy tính nhỏ trong tay người dùng nên hoạt động như thế nào.”

Trên Lenny’s Podcast tháng 6 vừa rồi, Fadell nói một nghịch lý nguy hiểm: building tools chưa bao giờ mạnh đến thế — AI cho phép ai cũng ship sản phẩm trong một ngày — nhưng judgment để dùng chúng đúng thì chưa bao giờ hiếm đến thế.

Ông kể chuyện Apple chọn virtual keyboard cho iPhone. Lúc đó không có data đủ để quyết định — người dùng chưa từng thử, không có gì để so sánh. Jobs quyết bằng taste, bằng “opinion-based decision.” Và đó là quyết định đúng. Với sản phẩm v1, data-driven decision thường cho kết quả tệ — cần tastemaker dám quyết, dám sai.

Fadell cũng cảnh báo: nếu không có human architectural expertise, AI prototype cực nhanh nhưng tạo ra “crusty foundation” — nền móng giòn, lâu dài sẽ sụp. Giống như xây nhà bằng thạch cao thay vì bê tông — nhanh, đẹp, nhưng gặp áp lực là vỡ.

Concept cốt lõi ông đưa ra: taste và judgment quyết định AI tốt hay dở — không phải benchmark, không phải công cụ, không phải prompt.

Mình nghe câu đó mà giật mình — giống hệt những người nhắn xin học AI. Họ có tool: ChatGPT, Claude, Gemini — miễn phí hoặc rẻ. Nhưng thiếu judgment: biết đâu là điểm nghẽn, biết khi nào AI phù hợp, biết đánh giá output tốt hay dở.

Fadell nói về Apple. Còn mình nghĩ đến chảo rang: không có nhiệt kế nào thay được cái mũi. Đó là taste. Không phải trời cho — là rèn. Và điểm nghẽn chính là nơi bạn buộc phải phán đoán, không thể chạy theo checklist.

Bài Tập Thật Cho Người Muốn Bắt Đầu

Phần lớn người nhắn mình đang “ổn” — công việc chạy, quy trình sẵn, thói quen trơn tru. Không có khe hở cho AI chen vào. Không phải AI kém — là việc đưa cho nó chưa đáng.

Bài tập thật: đừng tải thêm công cụ. Đừng đăng ký thêm tài khoản. Đừng lưu thêm prompt template.

Viết ra một việc bạn ngán nhất trong tuần này. Một thôi. Việc mà mỗi lần đến là mình thở dài rồi mới làm. Đó là chỗ AI chen vào. Và đó cũng là bài học đầu tiên — không phải prompt, mà là biết mình cần gì.

Phản xạ mình hay theo: gặp việc nặng nề → hỏi ngay “Việc này, AI sẽ giúp thế nào?” → làm liền, không để câu hỏi nguội. Động lực phụ (hơi buồn cười): trả phí Claude hàng tháng, tiếc tiền, nên phải nghĩ ra việc đáng giá cho nó làm. Hóa ra tiếc tiền cũng là một phương pháp học.

AI Giống Bộ Dao Siêu Bén

AI giống bộ dao siêu bén trong bếp. Sắc cỡ nào cũng vô nghĩa nếu bạn không biết mình muốn nấu món gì.

Và điểm nghẽn — cái việc bạn ngán nhất — chính là bản thảo đầu tiên của “món ăn” đó. Từ đó, taste xuất hiện. Từ đó, judgment rèn được. Không phải từ bộ sưu tập prompt.

Mình đang mở một chương trình nhỏ — không dạy prompt, mà cùng giải điểm nghẽn bằng AI. Mang việc thật đến, mình cùng làm. Nếu bạn có một việc đang ì ạch mà muốn thử, nhắn mình.