Kỹ năng con người tăng giá trị trong thời đại AI

Khi AI làm được phần lớn công việc tạo ra bản nháp, giá trị của con người dịch chuyển sang bốn năng lực: đặt đúng câu hỏi, phán đoán trong điều kiện thiếu thông tin, chịu trách nhiệm cho quyết định, và xây dựng quan hệ tin cậy. Đây không phải bốn kỹ năng mềm chung chung mà là bốn năng lực có thể rèn theo cách cụ thể. Điều thú vị là cả bốn đều trở nên quý hơn chứ không rẻ đi khi công cụ mạnh lên, vì công cụ càng tạo ra nhiều lựa chọn thì việc chọn đúng càng khó.

Vì sao danh sách kỹ năng cũ không còn dùng được

Nhiều lời khuyên vẫn xoay quanh việc học thêm công cụ. Vấn đề là công cụ thay đổi theo quý, còn năng lực thì tích lũy theo năm. Học thuộc thao tác của một phần mềm cụ thể là khoản đầu tư mất giá nhanh.

Cách phân loại hữu ích hơn là hỏi công việc đó cần gì. Những việc chỉ cần sản xuất ra một bản theo khuôn mẫu đang mất giá rất nhanh. Những việc cần quyết định xem bản nào đáng dùng, dùng vào lúc nào, và ai chịu trách nhiệm nếu sai thì đang tăng giá. Ranh giới không nằm giữa việc chân tay và việc trí óc, mà nằm giữa việc sản xuất và việc phán đoán.

Năng lực thứ nhất, đặt đúng câu hỏi

Khi có một công cụ trả lời được gần như mọi câu, chất lượng câu trả lời phụ thuộc gần như hoàn toàn vào chất lượng câu hỏi. Người đặt câu hỏi mơ hồ nhận về câu trả lời mơ hồ và thường không nhận ra điều đó vì câu trả lời vẫn trôi chảy.

Đây là năng lực rèn được. Ba thói quen cụ thể: trước khi hỏi, viết ra thành công trông như thế nào; tách câu hỏi lớn thành các câu hỏi con có thể trả lời riêng; và luôn hỏi thêm một câu về điều kiện, tức là câu trả lời này đúng trong trường hợp nào và sai trong trường hợp nào.

Thói quen thứ ba là thứ phân biệt người dùng AI ở mức thành thạo với người dùng ở mức cơ bản. Nó cũng chính là kỹ năng nền của việc viết prompt tốt, xem thêm prompt engineering là gì.

Năng lực thứ hai, phán đoán khi thiếu thông tin

Mô hình rất giỏi tổng hợp những gì đã được viết ra. Nó không có khả năng quyết định trong tình huống mà dữ liệu chưa tồn tại, chẳng hạn khách hàng này có nên được cho nợ thêm một tuần không, hay nên ra mắt sản phẩm vào tháng nào.

Phán đoán tốt gồm ba phần: biết mình đang thiếu thông tin gì, ước lượng được mức rủi ro của việc quyết định sai, và biết khi nào nên dừng thu thập thêm dữ liệu để ra quyết định. Phần thứ ba là phần khó nhất và cũng là phần AI làm bạn tệ đi nếu không cẩn thận, vì công cụ luôn sẵn sàng cho bạn thêm một bản phân tích nữa.

Cách rèn: mỗi quyết định quan trọng, ghi lại trước khi biết kết quả rằng bạn dự đoán điều gì sẽ xảy ra và vì sao. Ba tháng sau đọc lại. Đây là cách duy nhất để biết phán đoán của mình đang tốt lên hay chỉ đang tự tin lên.

Năng lực thứ ba, chịu trách nhiệm

Không một công cụ nào chịu trách nhiệm cho đầu ra của nó. Khi bản báo cáo sai số liệu tới tay khách hàng, người ký tên chịu trách nhiệm. Điều này nghe hiển nhiên nhưng nó tạo ra một hệ quả lớn về giá trị nghề nghiệp.

Giá trị của một người trong tổ chức ngày càng gắn với việc tổ chức dám giao cho họ ký tên vào cái gì. Người chỉ chuyển tiếp đầu ra của công cụ mà không kiểm tra thì không thêm giá trị nào vào chuỗi, và vị trí đó dễ bị thu gọn. Người rà soát được, phát hiện được lỗi, và dám nói bản này chưa dùng được thì trở thành mắt xích không thay thế.

Để chịu trách nhiệm được, bạn cần đủ chuyên môn để nhận ra lỗi. Đây là lý do nền tảng chuyên môn không mất giá trong thời AI, nó chỉ đổi vai trò từ công cụ sản xuất thành công cụ thẩm định. Bộ tiêu chí thẩm định cụ thể nằm ở bài tiêu chí đánh giá chất lượng đầu ra của AI.

Năng lực thứ tư, xây dựng quan hệ tin cậy

Khi nội dung trở nên dồi dào và rẻ, thứ khan hiếm là lý do để người khác tin bạn. Điều này đúng với cả quan hệ nội bộ lẫn quan hệ với khách hàng.

Ba thành phần tạo ra tin cậy đều không tự động hóa được: có mặt khi có vấn đề, nói thật kể cả khi bất lợi cho mình, và làm đúng điều đã hứa trong nhiều lần liên tiếp. Không có công cụ nào rút ngắn được cái thứ ba vì nó cần thời gian thật.

Với người làm nghề tự do hay người xây thương hiệu cá nhân, đây là phần đáng đầu tư nhất. Sản lượng nội dung không còn là lợi thế vì ai cũng tăng được sản lượng. Thứ còn lại là bạn có dám nói quan điểm thật và có chịu trách nhiệm với nó không.

Bảng đối chiếu, việc nào mất giá và việc nào tăng giá

Rèn bốn năng lực này thế nào trong công việc hằng ngày

• Trước khi hỏi, viết ra tiêu chí đạt. Một dòng thôi, nhưng viết trước khi mở công cụ.
• Không bấm gửi bản nào mình chưa kiểm được ít nhất một khẳng định quan trọng.
• Ghi lại dự đoán trước mỗi quyết định lớn và đọc lại sau ba tháng.
• Mỗi tuần dành một buổi cho việc không có công cụ nào làm thay, ví dụ gặp khách hàng, nghe người dùng thật nói.
• Chủ động nói ra một quan điểm mỗi tháng, kèm lý do và điều kiện nó sai.
• Giữ thói quen tự làm một phần việc bằng tay để không mất cảm giác nghề, tham khảo bài làm thế nào để không phụ thuộc vào AI mỗi ngày.

Câu hỏi thường gặp

Người mới vào nghề có bị thiệt thòi hơn không?

Có một khó khăn thật: những đầu việc đơn giản vốn là chỗ để người mới học nghề nay bị tự động hóa nhiều. Cách bù lại là chủ động xin tham gia vào khâu thẩm định và khâu tiếp xúc với người dùng thật, hai khâu mà kinh nghiệm được tích lũy nhanh nhất. Đồng thời nên tự làm bằng tay một phần công việc trong giai đoạn đầu để xây nền chuyên môn, vì không có nền thì không thẩm định được.

Có nên học lập trình hay học kỹ năng kỹ thuật không?

Hiểu được cách công cụ hoạt động ở mức nguyên lý là hữu ích cho mọi nghề, vì nó giúp bạn biết khi nào không nên tin kết quả. Nhưng chuyển hẳn sang nghề kỹ thuật chỉ vì lo mất việc thì không phải lựa chọn hiển nhiên, vì chính lĩnh vực đó cũng đang thay đổi nhanh. Lựa chọn bền hơn là đào sâu lĩnh vực bạn đã có nền, rồi bổ sung năng lực dùng công cụ trong lĩnh vực đó.

Kỹ năng mềm và kỹ năng chuyên môn, cái nào quan trọng hơn?

Cách chia này không còn nhiều ý nghĩa. Bốn năng lực nêu trong bài đều cần cả hai: đặt đúng câu hỏi đòi hỏi hiểu sâu lĩnh vực, còn xây tin cậy đòi hỏi làm ra kết quả đúng nhiều lần. Người chỉ có kỹ năng giao tiếp mà không thẩm định được nội dung sẽ mất uy tín nhanh, và ngược lại.

Làm sao biết mình đang tiến bộ ở những năng lực này?

Ba dấu hiệu quan sát được. Thứ nhất, số lần bạn phát hiện lỗi trong bản do công cụ tạo ra tăng lên. Thứ hai, dự đoán bạn ghi lại trước các quyết định ngày càng sát với kết quả thật. Thứ ba, người khác bắt đầu tìm tới bạn để hỏi ý kiến trước khi quyết định chứ không chỉ để nhờ làm.

Dùng AI nhiều có làm mình kém đi không?

Có nguy cơ thật nếu bạn giao cho nó cả phần suy nghĩ chứ không chỉ phần soạn thảo. Ranh giới thực dụng là để công cụ tạo ra lựa chọn, còn bạn giữ phần đánh giá và quyết định. Một thói quen tốt là tự phác ý trong hai phút trước khi hỏi công cụ, vì khi đó bạn có sẵn một điểm tham chiếu để so sánh thay vì tiếp nhận thụ động.

Ngành nào ít bị ảnh hưởng nhất?

Ít bị ảnh hưởng nhất là những công việc cần có mặt về mặt thể chất, cần chịu trách nhiệm pháp lý, hoặc cần quan hệ tin cậy lâu dài. Nhưng thay vì hỏi ngành nào an toàn, câu hỏi hữu ích hơn là trong công việc hiện tại của mình, phần nào thuộc nhóm sản xuất và phần nào thuộc nhóm phán đoán, rồi chủ động dịch chuyển tỷ trọng sang nhóm thứ hai.

Có cần thay đổi cách học không?

Có, theo hướng tăng phần thực hành và giảm phần ghi nhớ. Khi mọi thông tin đều tra được tức thì, giá trị của việc thuộc lòng giảm mạnh, còn giá trị của việc đã từng làm và từng sai thì tăng. Cách học hiệu quả bây giờ gần với học nghề hơn học thuộc: làm thật, nhận phản hồi, sửa, lặp lại.

Nên dành bao nhiêu thời gian mỗi tuần cho việc rèn những năng lực này?

Không cần thêm giờ riêng, vì cả bốn năng lực đều rèn được ngay trong công việc đang làm. Thứ cần thay đổi là cách làm: viết tiêu chí trước khi hỏi, kiểm chứng trước khi gửi, ghi dự đoán trước khi quyết định. Ba thói quen này cộng lại tốn thêm khoảng mười phút mỗi ngày và chúng tích lũy theo năm.

Bài liên quan trong cùng chủ đề

• Làm thế nào để không phụ thuộc vào AI mỗi ngày
• Tiêu chí đánh giá chất lượng đầu ra của AI
• Biết phân tích và chọn lọc thông tin từ AI
• Ảo giác AI là gì và cách kiểm chứng thông tin

Dịch chuyển từ phần sản xuất sang phần phán đoán

Bốn năng lực này rèn được ngay trong công việc hằng ngày nếu có khung rõ ràng và người đi cùng. Hai chương trình dưới đây thiết kế theo hướng làm thật rồi nhận phản hồi, không dạy thao tác công cụ.

• Khóa học AI cho quản lý và lãnh đạo
• Khóa học AI cho Trainer, Coach và Consultant
• Liên hệ tại trang thông tin liên hệ hoặc hotline 093.404.1114

Về người viết

Nguyễn Văn Tân (Tân AI, Tân MKT) là chuyên gia đào tạo ứng dụng AI và Marketing, Founder kiêm CEO Drabuff Academy & Agency, tác giả ba cuốn sách. Anh đi lên từ nền tảng kỹ sư công nghệ thông tin với các chứng chỉ CCNA, CCNP và CEH, từng làm tại FPT và Vietsovpetro, sau đó hơn 10 năm làm Marketing. Anh đã trực tiếp đứng lớp hơn 200 khóa đào tạo cho trên 100 doanh nghiệp, trong đó có Viettel, Honda, Mercedes-Benz, Novaland, Heineken, Toyota và EVN. Nguyên tắc của anh là thực chiến: quy trình nào không chạy được trong công việc hằng ngày thì không đưa vào bài giảng.