Mind Training Arc – Tập 2: Đừng chạy đua với AI

“Knowing what to solve is more important than ever.”
Trong một thế giới đầy nhiễu loạn thông tin, kỹ năng tối thượng là biết đâu mới thực sự là vấn đề cần giải quyết 😤

🔗 Theo dõi Mind Training Arc

Nếu đây là lần đầu bạn ghé qua series này, bạn có thể tìm đọc series tại đây

Nếu tập 1 của Mind Training Arc nói về Ultra Learning – cách học nhanh và sâu hơn, thì ở tập này, cũng là tập khai chữ năm mới của mình, sẽ nói về một kỹ năng cũng rất hay và cần thiết trong thời đại AI đang phát triển mạnh mẽ: Biết nên giải quyết vấn đề gì.

Trong lúc đang lượn lờ trên medium, mình đọc được một bài khá hay về mối quan hệ giữa AI và design thinking, và có một ý khiến mình phải dừng lại suy nghĩ khá lâu:

Đừng cạnh tranh với AI về tốc độ thực thi. Hãy hợp tác với AI ở độ sâu của tư duy.

Nghe đơn giản, nhưng càng nghĩ càng thấy… đúng. 😅

🤖 Vấn đề không phải AI quá giỏi

Mà là… mình đang hỏi AI quá dở

AI bây giờ làm được rất nhiều thứ:

• Vibe coding
• Viết content
• Phân tích dữ liệu

vân vân và mây mây.

Nhưng có một việc AI không thể làm thay bạn, hay đúng hơn là luôn phụ thuộc vào bạn:

👉 Bạn đưa cho nó vấn đề gì?

Nếu bạn đưa:

• Một problem statement rõ ràng → AI cho ra kết quả rất xịn
• Một problem mơ hồ, sai trọng tâm → AI vẫn cho kết quả xịn… nhưng xịn sai chỗ 😄

Và thế là bạn sai rất nhanh, chứ không phải giỏi hơn.

Nói cách khác:

Chúng ta cần chọn đúng vấn đề để AI giải quyết.

🧠 Design Thinking – kỹ năng AI không thay bạn được

Design thinking không phải là thứ gì cao siêu. Nó đơn giản là hiểu vấn đề trước rồi mới nghĩ đến giải pháp

Và đây là lý do nó trở thành kỹ năng cực kỳ giá trị trong thời đại AI.

AI sẽ làm cực tốt những gì bạn bảo nó làm.
Nhưng bảo nó làm cái gì cho đúng — đó là phần của bạn.

Và trong tương lai, những người giỏi vượt trội ba kỹ năng này sẽ khó có thể bị đào thải khi AI phát triển mạnh mẽ hơn:

1. Đặt câu hỏi tốt hơn

Phần lớn chúng ta thấy vấn đề và nhảy ngay vào giải pháp luôn. Như trước kia, khi mới tiếp xúc với mấy con AI, mình thường cop luôn đoạn code có lỗi rồi bảo nó "Fix it", và tất nhiên rồi, nó sẽ trả lời ra cả đống code, nhưng lúc đúng lúc sai, thậm chí lan man, không phù hợp hay đúng mong muốn của mình 😅

Lúc này, Design thinking buộc chúng ta ở lại với những câu hỏi hóc búa, để rồi tìm ra vấn đề đích thực.

Ví dụ:

❌ “Làm sao để API này response nhanh hơn?” → Con AI chắc sẽ trả lời chung chung như thêm cache, tăng instance, tối ưu query, ...

Nhưng nếu chúng ta hỏi sâu hơn:

• ✅ “Vì sao endpoint này bị chậm, trong case "...."?”
• ✅ “API này đang được gọi trong flow "...", hãy phân tích những yếu tố làm nó response chậm” ....

Khi mình đặt câu hỏi tốt hơn, chắc chắn con nô lệ AI sẽ trả lời tốt hơn, và chúng ta sẽ không bị nó dắt 😅 Thường insight oke sẽ nằm ở lần hỏi thứ 3–4.

2. Hãy quan sát điều mọi người làm, không chỉ lời họ nói

Người dùng nói một đằng, làm một nẻo là chuyện rất bình thường. Và chắc chắn AI sẽ không thể nhận ra mâu thuẫn giữa lời nói và hành vi, vì đó là kỹ năng chỉ con người mới có.

Nói cách khác, chúng ta có thể dẫn dắt AI đúng hướng mà chúng ta muốn 😅 Thế nên khi chúng ta quan sát, và thấu hiểu hơn giữa người và người, sẽ thật khó để chúng ta bị đào thải bởi AI.

Bởi suy cho cùng, quyền quyết định vẫn nằm ở con người mà 🤔

3. Prototype suy nghĩ, không chỉ prototype sản phẩm

Trước khi dùng AI để xây dựng bất cứ thứ gì, hãy để chính bản thân chúng ta kiểm tra xem những giả định của mình có đúng không.

Hãy tạo ra những thử nghiệm ít tốn kém để xác thực vấn đề, trước khi đầu tư vào những giải pháp đắt đỏ từ AI.

Kiểu như trước khi build feature hay 1 hệ thống, hãy xem bài toán của bạn có thật hay không. Sai sớm đỡ tốn công build thứ không ai cần.

🛠 Làm sao để luyện design thinking

Tin vui là: design thinking là kỹ năng chúng ta có thể tự học được và càng thực hành, bạn càng thành thục.

Một vài cách rất thực tế:

• Empathy mapping (tạm gọi là Bản đồ đồng cảm) Trước khi xây dựng bất cứ thứ gì, hãy vẽ ra bức tranh về những gì người dùng của bạn nghĩ, cảm thấy, nhìn thấy, nói, làm và những khó khăn họ gặp phải. Không phải điều bạn giả định họ nghĩ, mà là điều họ thực sự nghĩ. Nghe có vẻ hiển nhiên, nhưng hầu hết ta đều bỏ qua bước này vì nghĩ rằng họ đã biết rồi.

• Problem laddering (Kỹ thuật Đào Sâu Vấn Đề) Với mỗi vấn đề, hỏi “vì sao?” ít nhất 5 lần.
  Vấn đề thật thường nằm sâu hơn 2–3 lớp, hiếm khi nằm ở tầng đầu tiên.

• Thử nghiệm nhiều cách đặt vấn đề Trước khi giải quyết, hãy viết lại vấn đề theo nhiều cách khác nhau. Mình thường nhờ AI viết lại vấn đề theo nhiều góc nhìn, rồi mình chọn cái đúng nhất, không phải nghe hay nhất. Nhiều khi, giải pháp sẽ xuất hiện ngay khi bạn đổi cách đặt vấn đề. Nếu prompt engineering giúp bạn nói chuyện với AI tốt hơn, thì problem framing giúp bạn nói đúng thứ cần nói.

Trong khi nhiều người dùng AI để xây dựng giải pháp nhanh hơn cho những vấn đề hiển nhiên, thì với design thinking, chúng ta sẽ dùng AI để tạo ra những giải pháp hoàn hảo cho những vấn đề mà người khác thậm chí chưa nhận thấy.

Tương lai không phải là cuộc đối đầu giữa con người và AI, mà là những con người biết dùng AI so với những con người chưa biết dùng AI hiệu quả. Và quan trọng hơn, đó là cuộc cạnh tranh giữa những con người có thể xác định vấn đề đáng để giải quyết với những con người chỉ có thể giải quyết vấn đề nhanh hơn.

“Choose your skills wisely.”
Hãy lựa chọn kỹ năng của bạn một cách khôn ngoan.

Không cần hoàn hảo. Chỉ cần tiến bộ hơn hôm qua một chút. Nghiêm túc kỷ luật thế giới 🤣. Hẹn gặp mọi người ở tập tiếp theo 🧠🔥 Chúc mọi người năm mới thật rực rỡ và học thật nhiều cái mới nhé.