Khi AI Trở Thành "Chuyên Gia Phân Tích" Đầu Tiên Trên Bàn Làm Việc Của Bạn

Đây có thể là một trong những giai đoạn quan trọng nhất trong sự nghiệp của chúng ta.

Tôi không nói điều này để tạo sự kịch tính hay câu view (clickbait), mà vì một sự thay đổi tinh tế và không thể đảo ngược đang diễn ra trong cách tôi làm việc. Với mỗi ngày trôi qua, tôi nhận thấy mình đang sử dụng AI nhiều hơn, tương tác ít hơn và ít nghi ngờ kết quả hơn. Bởi vì qua nhiều lần trao đổi, AI đã trở nên chính xác về hướng đi hầu hết thời gian.

Vai trò của tôi đang dần chuyển dịch từ việc tạo ra kết quả sang xác thực nó.

Những ngày này, tôi đang dần quen với việc xem AI xử lý mọi thứ trước khi tôi bắt tay vào những công việc mà trước đây tôi tin rằng đòi hỏi sự am hiểu chuyên môn của riêng mình.

Tôi thường đùa rằng mình sẽ không bao giờ dùng ChatGPT để lập kế hoạch du lịch. Lập kế hoạch du lịch là "sân chơi" của tôi. Tôi yêu mở 20 tab, so sánh các khu dân cư, đọc đánh giá và xây dựng lịch trình vừa đúng ý mình. Và rồi, một tuần trước, tôi đã nhờ ChatGPT hướng dẫn một người mới đến lần đầu tiên Công viên Disney cần biết những gì. Trong vài giây, tôi đã có những ghi chú về mọi thứ cần biết và làm mà không cần mở bất kỳ tab nào khác.

Điều đó khiến tôi dừng lại và suy nghĩ.

Nếu AI có thể xử lý được điều gì tôi thực sự yêu thích và tự hào... điều đó có nghĩa là gì đối với phần còn lại của công việc của tôi?

Quy trình làm việc trước khi có AI

Không lâu trước đây, công việc của tôi như một cố vấn phân tích dữ liệu là dài, phức tạp và mang tính thực tế cao.

Tôi sẽ:

• Xác định vấn đề kinh doanh
• Xác định nguồn dữ liệu phù hợp
• Viết code từ đầu để làm sạch dữ liệu bừa bộn
• Thao tác và phân tích dữ liệu
• Gặp lỗi, gỡ lỗi hàng giờ
• Tìm kiếm trên Stack Overflow, viết lại câu truy vấn
• Tìm hiểu các trường hợp ngoại lệ
• Lập trình trình chiếu cho các bên liên quan
• Dịch các đầu ra kỹ thuật thành câu chuyện kinh doanh

Nhiều giá trị của tôi sống trong việc thực hiện quy trình này.

Nó trông như thế nào hiện nay

Tuy nhiên, hiện nay, AI thường là thứ tiếp xúc đầu tiên với các tuyên bố vấn đề của tôi.

Ban đầu, tôi chủ yếu thử nghiệm với các prompt. Tôi mô tả bối cảnh kinh doanh, sơ đồ dữ liệu, giới hạn và kết quả mong đợi, và tôi khám phá xem AI có thể làm gì cho tôi. Bây giờ, khi đã thấy lợi ích tăng năng suất và sự diễn đạt của một số suy nghĩ của mình, tôi phụ thuộc rất nhiều vào AI để:

• Viết code từ đầu đến cuối cho việc làm sạch dữ liệu, phân tích và trực quan hóa
• Đề xuất tính năng và cải thiện hiệu suất mô hình
• Tìm ra các insight mà tôi chưa từng cân nhắc
• Tài liệu hóa toàn bộ quy trình
• Tạo tóm tắt điều hành cho các đối tượng khác nhau

Với điều đó, AI đã trở thành "chuyên gia phân tích" đầu tiên của tôi.

Sự chuyển dịch này không xảy ra trong một sớm một chiều, mà diễn ra trong suốt nhiều tháng và giờ đây, nếu có một việc cần làm, tôi có xu hướng tự nhiên tìm đến AI trước, thậm chí trước khi tôi tự nghĩ thấu đáo về nó. Tôi cảm thấy vừa hào hứng vừa bất an.

Vì sự thay đổi này không phải là tăng trưởng theo cấp số nhân, mà là tăng trưởng theo cấp số nhân thực sự.

Tôi sợ rằng chúng ta sắp thấy AI thay thế nhiều kỹ năng hơn — lập trình, phân tích, viết lách và nhiều hơn nữa. Nó không chỉ trở nên tốt hơn ở một việc, nó trở nên tốt hơn ở mọi việc cùng lúc.

Điều này thực sự có nghĩa là gì

AI đang trở thành lớp phủ chung cho công việc nhận thức.

Tôi không biết liệu AI có bao giờ có thể sao chép sự thấu cảm sâu sắc của con người hay niềm tin được xây dựng trong nhiều năm có thể tự động hóa hay không. Và thẳng thắn mà nói, tôi không biết giới hạn của nó ở đâu nữa.

Tuy nhiên, tôi có một cảm giác rằng những người sẽ thích nghi tốt với sự thay đổi này không phải là những người né tránh nó, mà là những người hướng tới nó với sự tò mò.

Chúng ta nên xây dựng lợi thế ở đâu?

Tôi đã suy nghĩ rất nhiều về điều này gần đây—khi trí tuệ nhân tạo làm cho trí tuệ con người trở nên bình thường, tôi sẽ làm thế nào để vẫn còn liên quan? Tôi không muốn bị mất vai trò của mình trong khi nó thay đổi dần dần mà không có sự thay đổi kỹ năng và công cụ của chính mình.

Tôi nhận ra rằng lợi thế đang trở nên ít rõ ràng hơn.

Trong những năm qua, khi tôi gia nhập lực lượng lao động với tư cách là một nhà phân tích, tôi nghĩ rằng vì tôi biết SQL, tôi có thể xây dựng mô hình và tôi có thể làm sạch dữ liệu bừa bộn nên tôi có lợi thế. Đây là những kỹ năng có thể đo lường, cải thiện và thể hiện. Tuy nhiên, một phần lớn điều đó đang dần bị trừu tượng hóa. AI có thể làm phần lớn điều đó nhanh chóng và ngày càng tốt.

Vì vậy, lợi thế phải di chuyển sang nơi khác.

Đối với tôi, nó bắt đầu cảm giác như lợi thế nằm ở cách bạn tư duy trước khi thậm chí còn mở một công cụ.

Dưới đây là cách tôi đang chuẩn bị để xây dựng lợi thế đó trong những năm tới với tư cách là một nhà phân tích cấp cao:

• Làm việc thực tế với AI trong workflow của bạn: Tôi khuyên bạn nên bắt đầu sử dụng AI nghiêm túc (không chỉ để tìm hiểu lịch trình và dọn email). Lợi thế đến từ việc tận dụng AI cho các ví dụ thực tế, không phải sử dụng thụ động.
• Không dừng lại ở "viết cho tôi câu truy vấn" hay giống như công cụ tìm kiếm: Hãy dùng nó cho toàn bộ vòng đời vấn đề từ làm sạch dữ liệu đến phân tích đến kể chuyện với dữ liệu đó.
• So sánh kết quả đầu ra của nó với kết quả của bạn và nhận ra khoảng cách: Hiểu rõ nơi AI hoạt động tốt cho bạn, và quan trọng hơn là nơi nó không hoạt động: Lợi thế thực sự không nằm ở việc chỉ sử dụng AI. Nó nằm ở việc biết khi nào không nên dựa vào nó. AI có thể tạo ra câu trả lời, nhưng bạn cần biết khi nào chúng sai.
• Luôn hỏi xem xu hướng/mẫu hình/insight mà AI đề xuất có hợp lý không? Điều gì bị thiếu? Điều gì có thiên lệch không?
• Áp dụng kiểm tra logic cơ bản (sanity checks) vào kết quả đầu ra: Kiểm tra chéo kết quả với mẫu dữ liệu nhỏ, trường hợp ngoại lệ hoặc câu truy vấn thay thế.
• Tự giác về việc bạn ủy quyền: Để AI xử lý tốc độ, cấu trúc và bản nháp đầu tiên cho đến khi tôi đã ổn định trong không gian này (hoặc nếu rồi). Tiếp theo, hãy cho phép AI xử lý việc định hình vấn đề, phán xét, đạo đức nghề nghiệp và trách nhiệm giải trình. Nhưng, đừng quên xác thực.
• Kiểm tra kết quả với các mẫu dữ liệu nhỏ, trường hợp ngoại lệ hoặc câu truy vấn thay thế: Đừng tin tưởng vào kết quả đầu ra sạch sẽ một cách mù quáng. Luôn xác minh chúng.
• Chuẩn bị cho vai trò của bạn phát triển: Chúng ta đang chuyển dịch từ việc viết câu truy vấn thành người suy nghĩ bằng prompt, xác thực dữ liệu và kể chuyện.
• Vượt qua "đây là những gì dữ liệu nói" → "đây là những gì chúng ta nên làm tiếp theo": Gắn kết phân tích với tác động kinh doanh, không chỉ chính xác.
• Đây là nơi các nhà phân tích bắt đầu trở thành đối tác ra quyết định.
• Xây dựng thói quen thích nghi và rèn luyện khả năng liên tục học hỏi kỹ năng mới hơn bất kỳ kỹ năng kỹ thuật đơn lẻ nào (người thầy giỏi nhất thế giới giờ đây có sẵn cho bất kỳ ai, 24/7, với chi phí thấp).
• Giữ gần với kinh doanh, không chỉ là dữ liệu: Càng gần với vấn đề, bạn càng khó bị thay thế. Tham gia nhiều cuộc trò chuyện với các bên liên quan, hiểu rõ mục tiêu và giới hạn.
• Bối cảnh sẽ làm cho phân tích sắc bén hơn bất cứ điều gì AI có thể suy diễn.
• Đừng cảm thấy kỳ lạ khi sử dụng AI: Bạn không đang "trốn tránh" nếu bạn đang sử dụng một công cụ giúp công việc của bạn tốt hơn. Chúng ta đã luôn sử dụng công cụ để mở rộng khả năng của con người. Công cụ này chỉ có khả năng tăng trưởng theo cấp số nhân.
• Lưu ý: AI không còn chỉ là một công cụ khác trong workflow của chúng ta nữa.
• Trong nhiều cách, nó đang trở thành điểm khởi đầu. Tôi tin rằng, dù chúng ta có thể không còn là chuyên gia phân tích đầu tiên đối với vấn đề, con người chúng ta vẫn là những người chịu trách nhiệm đặt câu hỏi đúng, hiểu ý nghĩa của câu trả lời và quyết định làm gì tiếp theo. Và phần đó vẫn quan trọng hơn bao giờ hết.