Con Số Trên Bảng Điểm

Cuối năm học, mình ngồi trước bảng điểm tổng kết. Có một em 4.9.

Mình bắt gặp mình đang định mở AI lên hỏi cho nhẹ đầu. “Học sinh điểm 4.9, nghỉ nhiều, hoàn cảnh gia đình khó khăn — tôi nên xử lý thế nào?” Một câu prompt như vậy là đủ để Claude đưa ra 5 phương án, đầy đủ, hợp lý.

Rồi mình dừng lại.

Không phải vì giỏi giang gì. Mà vì mình chợt nhớ em đó nghỉ ba tuần giữa học kỳ vì nhà có việc — bà nội mất, rồi bố đi làm xa, rồi em phải trông em nhỏ. Và sau đó, tuần nào cũng ở lại cuối buổi học hỏi bài. Không hỏi to — ngồi nán lại, chờ mình cất đồ, rồi mới lên tiếng.

Con số 4.9 trên bảng điểm không kể được chuyện đó. AI thì không có trí nhớ đó. Nhưng mình có.

Bốn Tình Huống — Một Pattern

Mình vừa học xong module “Elevate Educator – Expert (AI)” của Microsoft. Phần tâm đắc nhất không phải mẹo prompt hay danh sách công cụ — mà là bốn tình huống rất đời, bốn lần buộc phải tự vạch lằn ranh giữa “AI làm” và “người làm.”

Tình huống một: Viết email phụ huynh. AI nháp, người chỉnh giọng. Câu AI viết ra về mặt kỹ thuật đúng, nhưng giọng hơi cứng. Cần người — cụ thể là giáo viên biết phụ huynh đó đang lo lắng hay đang bực bội — để chỉnh lại cho đúng tông.

Tình huống hai: Tóm tắt phiếu thu hoạch cuối giờ. AI tìm xu hướng (70% học sinh chưa hiểu khái niệm X), người diễn dịch ý nghĩa (vì hôm đó mình giải thích sai bước, không phải học sinh lười). Hai việc khác nhau hoàn toàn.

Tình huống ba: Nghĩ cách giúp em đuối môn. AI đẻ ý tưởng, người chọn — vì AI không biết em đó nhát, không biết mẹ em đi làm xa, không biết em hay ngủ gật vì về nhà phụ bán hàng đến 11 giờ đêm.

Tình huống bốn: Chấm điểm tổng kết. AI không được ra quyết định. Cái tên ký ở cuối bảng điểm vẫn là tên mình.

Pattern chung của cả bốn: AI nháp, người duyệt trước khi bấm gửi.

Tình Huống Thứ Năm — Nút Duyệt Biến Mất

Bà ấy — người dạy khóa Microsoft Educator — không nói đến tình huống thứ năm. Mình tự thêm vào sau khi nghĩ về xu hướng AI agent đang phổ biến.

Tình huống thứ năm: AI agent tự quét bài kiểm tra, tự chấm theo rubric, tự soạn nhận xét cá nhân hóa cho từng học sinh, tự gửi về email phụ huynh — lúc 2 giờ sáng, khi mình đang ngủ. Sáng ra mở máy, việc xong sạch sẽ.

Đến chỗ nào bạn duyệt? Không có chỗ nào cả.

Cái nút “duyệt trước khi gửi” — nền móng của bốn tình huống trước — đã biến mất. Và em học sinh nghỉ ba tuần vì bà nội mất, tuần nào cũng ở lại cuối buổi — em đó nhận được nhận xét tự động của AI lúc 2 giờ sáng. Nhận xét đúng theo rubric. Nhưng không nhắc đến ba tuần đó.

Dan Shipper: “Automation Is a Lie”

Dan Shipper là CEO của Every — công ty media và software khoảng 30 người, nơi mà tất cả nhân viên đều dùng AI trong công việc hàng ngày. Đây không phải startup mới thử nghiệm AI — đây là tổ chức đã vận hành hoàn toàn bằng AI từ viết bài đến ship sản phẩm, từ chạy newsletter đến tư vấn doanh nghiệp.

Trên Lenny’s Podcast, Shipper đưa ra một tuyên bố gây sốc: “Automation is a lie. Every time you automate something, you need a human on top making sure it works.”

Nghịch lý AI mà ông nhìn thấy: tự động hóa nhiều hơn không có nghĩa là cần ít người hơn. Mà ngược lại — cần nhiều người hơn. Tại sao? Vì mỗi agent cần một “người làm vườn” — gardener — người cung cấp context, sửa lỗi, đảm bảo output hữu ích trong từng trường hợp cụ thể.

Ở Every, dù dùng AI cực nhiều cho mọi quy trình, đội ngũ đã tăng gấp đôi trong năm qua. Không phải vì AI không hiệu quả — mà vì mỗi tầng automation tạo ra một tầng oversight mới cần người thật đứng canh.

Shipper mô tả điều mà model AI làm là “commoditize yesterday’s human competence” — biến năng lực cũ thành hàng hóa rẻ. Chấm điểm theo rubric? Commodity. Viết email mẫu? Commodity. Nhưng biết em học sinh nào cần được ưu tiên nhìn đến hôm nay — đó không phải commodity. Đó là thứ chỉ người làm vườn mới có.

Mình nghe câu “automation is a lie” mà gật đầu — chính xác tình huống thứ năm. Agent chấm bài tự động lúc 2 giờ sáng. Ai giữ context em nghỉ ba tuần? Ai biết nhận xét này có thể ảnh hưởng đến quyết định của phụ huynh ngày mai?

AI làm vườn giỏi. Nhưng ai quyết định cây nào cần tưới, cây nào cần nhổ — vẫn là người làm vườn.

Lằn Ranh Đỏ Của Bạn Nằm Ở Đâu?

Trách nhiệm trong thời AI không mất đi — nó dời đi. Dời từ “duyệt kết quả” sang “thiết kế giới hạn.”

Trước khi bật agent, phải trả lời: agent được đụng dữ liệu nào, gửi cho ai, gặp trường hợp nào phải dừng lại, và bạn nhìn vào đâu để biết nó đã làm gì. Không thiết kế giới hạn trước khi bật agent, bạn không phải người dùng AI. Bạn là người ký tên vào việc bạn chưa từng xem.

Cái tên ký ở cuối bảng điểm vẫn là tên mình. Không phải tên Claude.

Bạn thì sao — lằn ranh đỏ của bạn nằm ở đâu?

Mình đang thiết kế chương trình giúp giáo viên và người đi làm tìm đúng lằn ranh đó. Không dạy tool — dạy cách sống cùng AI mà không mất mình. Nếu bạn quan tâm, nhắn mình.