Tiếc Tiền Cũng Là Một Phương Pháp Sư Phạm

Mình trả phí Claude hàng tháng. Tiếc tiền lắm. Nên mỗi tuần mình phải nghĩ ra việc đáng giá cho nó làm.

Hóa ra tiếc tiền cũng là một phương pháp sư phạm.

Thay vì ngồi đọc “10 cách dùng AI trong giảng dạy” — mình buộc phải hỏi: “Hôm nay tôi cần làm gì, và AI giúp chỗ nào?” Cái ép buộc đó, cộng với tiền đã trả, tạo ra một loại động lực khác hẳn. Không phải học vì muốn học. Học vì không muốn lãng phí.

Và từ đó, mình dần dần hiểu AI tốt hơn nhiều so với bất kỳ khóa học nào.

Bốn Tình Huống Thật — Bốn Lần Vạch Lằn Ranh

Mình vừa học xong module “Elevate Educator – Expert (AI)” của Microsoft. Không phải vì bắt buộc — mà vì muốn có framework rõ hơn cho thứ mình đang làm.

Phần tâm đắc nhất không phải mẹo prompt. Mà là bốn tình huống rất đời, bốn lần buộc phải tự vạch lằn ranh:

Tình huống 1: Viết email phụ huynh về tình hình học tập của học sinh. AI nháp, người chỉnh giọng. Vì giọng phụ thuộc vào quan hệ — mình biết phụ huynh đó đang lo hay đang bực, AI không biết.

Tình huống 2: Tóm tắt phiếu thu hoạch cuối giờ. AI tìm xu hướng, người diễn dịch ý nghĩa. AI thấy “70% học sinh chưa hiểu khái niệm X,” mình thấy “vì hôm đó mình giải thích sai bước.”

Tình huống 3: Nghĩ cách giúp học sinh 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 khuya.

Tình huống 4: Chấm điểm tổng kết. AI không được ra quyết định. Cái tên ký ở cuối bảng điểm là tên mình.

Pattern chung: AI nháp, người duyệt trước khi bấm gửi. Cái nút “duyệt” đó là lằn ranh.

Rồi mình thêm tình huống thứ năm — tình huống bà ấy không dạy: khi AI agent tự chạy, nút duyệt biến mất. Trách nhiệm dời từ “duyệt kết quả” sang “thiết kế giới hạn.” Và đó là thứ giáo viên thời AI cần học nhiều nhất — nhưng chưa có nhiều khóa học nào dạy.

Elizabeth Stone: Systems Thinking Là Kỹ Năng Quan Trọng Nhất

Elizabeth Stone là Chief Product and Technology Officer tại Netflix — người quản lý Engineering, Product và Design của một trong những công ty công nghệ có văn hóa đặc biệt nhất thế giới. Bà là nhà kinh tế học được đào tạo bài bản, và có lẽ là CTO Fortune 500 đầu tiên có background kinh tế học — điều đó nói lên rằng AI đang làm mờ ranh giới giữa các ngành, không chỉ trong công nghệ.

Trên Lenny’s Podcast tháng 7 vừa rồi, Stone mô tả AI đang gây ra “storming phase” tại Netflix: PMs viết code, designers viết PRD, engineers làm product — ranh giới vai trò mờ hết. Nhưng bà từ chối việc hòa tan các chức năng — vì craft excellence vẫn khan hiếm và không thể thay thế bằng AI.

Netflix đang tuyển “systems thinkers” — người nhìn xuyên các lĩnh vực kinh doanh và trừu tượng hóa thành “building blocks” cho thời AI — thay vì chuyên gia hẹp. Không phải người giỏi một thứ cực sâu, mà người nhìn thấy bức tranh lớn và biết các mảnh kết nối như thế nào.

Stone gọi văn hóa Netflix là “excellence as an operating system” — sự xuất sắc không phải mục tiêu xa vời, mà là cách vận hành hàng ngày. AI fluency giờ là overlay bắt buộc cho mọi cấp bậc — không phải để thay thế craft, mà để craft có tốc độ.

Mình nghe mà gật đầu — và nghĩ đến giáo viên. Câu “systems thinking is the most important skill in the AI era” áp dụng không kém gì cho người đứng lớp.

Giáo viên thời AI không cần biết tất cả tool. Cần biết tất cả học sinh. Systems thinking trong giáo dục = biết bức tranh lớn của lớp học: em nào cần gì, AI phù hợp chỗ nào, lằn ranh ở đâu. Netflix tuyển người nhìn xuyên kinh doanh — giáo viên cần nhìn xuyên lớp học. Cùng một logic, khác môi trường.

Hai Thứ Thật Sự Hữu Ích — Sau Tất Cả Các Khóa

Sau khóa Microsoft, sau nhiều tháng dùng thử đủ thứ công cụ, mình nhận ra hai thứ thật sự hữu ích cho giáo viên (và cho bất kỳ ai làm việc với người):

Thứ nhất: Hiểu đúng năng lực thật của AI — “accurate mental model” — biết chỗ nào AI tốt hơn mình thật sự, chỗ nào nó chỉ trông có vẻ tốt hơn. AI tóm tắt nhanh hơn mình? Đúng. AI biết học sinh nào cần được nhìn đến hôm nay? Không. Biết sự khác biệt đó mới là xuất phát điểm đúng.

Thứ hai: Ngôn ngữ chuẩn xác — biết mô tả yêu cầu đủ rõ để AI hiểu đúng. Không phải kỹ thuật prompt fancy — mà là thói quen nói rõ ràng, đủ context, đủ ràng buộc. Cái này giáo viên giỏi thường đã có — khi soạn đề, khi giao task cho học sinh — chỉ cần chuyển thói quen sang hướng dẫn AI.

Ba Câu Hỏi Cho Bất Kỳ Ai Dùng AI Trong Nghề

Không phải chỉ cho giáo viên. Cho bất kỳ ai đang dùng AI trong công việc hàng ngày:

Câu hỏi 1: Chỗ nào AI làm tốt hơn mình thật sự — không phải “cảm giác” tốt hơn?

Câu hỏi 2: Chỗ nào AI chỉ trông có vẻ tốt hơn — nhưng thực ra đang bỏ qua điều quan trọng?

Câu hỏi 3: Chỗ nào mình nhất định không giao — dù AI có thể làm được?

Trả lời ba câu đó = có accurate mental model. Và đó là tài sản quý nhất thời AI.

AI không thay giáo viên. Nhưng giáo viên biết nhìn bức tranh lớn sẽ thay giáo viên chỉ biết nhìn prompt.

Mình đang chia sẻ cách xây “accurate mental model” này trong chương trình AI cho giáo viên — cả online lẫn offline. Không dạy tool — dạy nhìn. Nếu bạn quan tâm, nhắn mình.