Tại sao AI chưa thực sự giúp bạn tăng năng suất 10 lần?

Tại sao AI chưa thực sự giúp bạn tăng năng suất 10 lần?

Hầu hết người dùng AI hiện nay chỉ đạt được mức tăng năng suất khoảng 10–20%, bất kể những tuyên bố "thay đổi cuộc chơi" hay số lượng dòng mã mà công cụ này tạo ra. Tuy nhiên, tôi tin rằng mức hiệu quả gấp 2 lần hay thậm chí 10 lần là hoàn toàn có thật và có thể đạt được. Sự chuyển đổi thực sự đòi hỏi hai thay đổi đồng thời: thực hành cá nhân và tái cấu trúc tổ chức. Việc kết quả cuối cùng mang lại đòn bẩy 10 lần hay chỉ là rác thải số (slop) phụ thuộc hoàn toàn vào thực hành của bạn và môi trường tổ chức xung quanh.

Minh họa về AI và năng suất

Cho đến nay, tôi đã thấy sự gia tăng theo cấp số nhân về đầu ra nhưng chỉ có sự gia tăng tuyến tính về tác động thực tế. Bài viết này sẽ đi sâu vào các vấn đề tôi tìm thấy khi "gỡ lỗi" vấn đề này, chia thành các bẫy ở cấp độ cá nhân và tổ chức.

Sai lầm ở cấp độ cá nhân

Bạn không chuyển dịch sang trái (Shift left), do đó không hiểu những gì mình tạo ra

AI loại bỏ ma sát vốn dĩ ép buộc chúng ta phải lập kế hoạch. Nếu không có gì ngăn chặn các trừu tượng hóa kém, tư duy ban đầu sẽ bị bỏ qua âm thầm. Bạn gửi đi các hệ thống mà bạn không thể gỡ lỗi hoặc mở rộng, chứa đầy những khoảng trống mà AI đã âm thầm lấp đầy.

Hãy phác thảo trước: các tiêu đề, cấu trúc, đối tượng, kế hoạch, nguyên tắc và định nghĩa về sự hoàn thành, sau đó mới để AI điền vào chi tiết. Việc xem xét cần chuyển lên cấp độ cao hơn: so sánh kết quả với kế hoạch thay vì kiểm tra từng dòng một. Việc thẩm tra nên nằm trong khâu lập kế hoạch: hãy tạo ra các tác nhân phụ để chỉ trích kế hoạch trước khi để bất kỳ thứ gì tạo ra nội dung dựa trên nó.

Các tác vụ nhỏ thực sự chậm hơn khi dùng AI

Chi phí ngữ cảnh (context overhead) không giảm theo kích thước tác vụ, và các tác vụ nhỏ chủ yếu là các trường hợp ngoại lệ. AI xử lý tốt 80% công việc ở giữa nhưng lại khá mong manh ở 10% đầu và cuối: thiết lập, các trường hợp đặc biệt, và xem xét giai đoạn cuối. Với AI, một bản sửa lỗi hai dòng cũng tốn chi phí thiết lập tương đương với một tính năng đầy đủ.

Bạn sẽ dành nhiều thời gian hơn để chỉ đạo tác nhân hơn là tự viết nó. Ngay cả khi đó, nó vẫn thiếu ngữ cảnh, gửi đi một thứ sai sai một cách tinh tế, và bạn phải làm lại. Hãy nâng tầm tham vọng của tác vụ cho đến khi chi phí ngữ cảnh trở nên xứng đáng. Quy tắc kinh nghiệm: nếu nó nhỏ hơn một đơn vị công việc có ý nghĩa (một PR, một phần, một biểu đồ, một chiến dịch), có lẽ nó quá nhỏ để dùng AI.

Môi trường làm việc với AI

Mức độ song song của bạn quá thấp để có ý nghĩa hoặc quá cao để quản lý

AI mở rộng quy mô tạo ra, không phải bộ nhớ làm việc của con người. Trần của các tác nhân song song là số lượng luồng mà con người có thể nắm giữ mà không làm rơi ngữ cảnh hoặc sự hiểu biết, và con số đó rất nhỏ. Bạn hoặc là làm đơn luồng trong lúc uống cà phê xem nó viết code, hoặc là quá tải và bỏ cuộc năm luồng.

Hãy giữ ở mức khoảng ba hoặc ít hơn hoạt động trong cửa sổ nhận thức của bạn, hoặc đóng vòng lặp (xem phần tiếp theo) và rút lui hoàn toàn. Nếu bạn chỉ chạy một phiên duy nhất tại một thời điểm, có lẽ bạn chưa ủy quyền đủ. Nếu bạn đang vật lộn để quản lý hàng chục phiên, hãy xem xét liệu bạn có thực sự cần "quản lý" chúng không, hay các phiên đó nên thực hiện các bước nhảy dài hơn (ít tác nhân hơn làm nhiều việc hơn).

Bạn vẫn nằm trong vòng lặp trong khi có thể đóng nó lại

Đóng lại 1% cuối cùng là cơ sở hạ tầng xác minh và định nghĩa về sự hoàn thành cực kỳ rõ ràng: một kỷ luật khác biệt so với việc tạo ra, vì vậy mọi người bỏ qua nó và xếp lớp AI lên trên các quy trình bàn giao hiện có. Bạn trở thành con người chụp màn hình, tác nhân chờ click hoặc tải lên của bạn để xác thực.

Hãy đóng vòng lặp từ đầu đến cuối: kiểm thử, truy vấn, sandbox, công cụ trình duyệt, kiểm tra kiểu, phản hồi API thực. Bất cứ thứ gì cho phép tác nhân thấy đầu ra của chính nó và lặp lại mà không cần bạn. Trước khi tự động hóa quy trình xung quanh, hãy xóa nó đi. Các vòng lặp khép kín là cách bạn vượt qua trần ~3 tác nhân: công việc chạy dưới cửa sổ nhận thức của bạn vì nó không cần phải ở đó.

Bạn không xây dựng đòn bẩy từ việc sử dụng AI

Các giao diện trò chuyện của chúng ta thường coi mọi phiên là nhất thời. "Gu" thẩm mỹ là một tạo phẩm có thể tái sử dụng, nhưng giao diện không cho bạn chỗ nào để gửi nó. Vì vậy, việc mã hóa không bao giờ bắt đầu, hoặc bạn quá đà và viết một kỹ năng cho mỗi tác vụ, kết thúc với một thư mục các tác vụ một lần mà không ai khác có thể dùng.

Hãy xây dựng kỹ năng cho lớp tác vụ, không phải cho thể hiện cụ thể. Một số là thông số kỹ thuật (cách làm một việc), những cái khác là nguyên tắc (cách suy nghĩ về một lớp việc). Tạo phẩm bền vững là kỹ năng (thường là một tệp markdown), không phải là câu lệnh (prompt). Bất cứ khi nào bạn thấy mình đang chỉnh sửa đầu ra để có câu trả lời tốt hơn, đó là một quy tắc bạn có thể mã hóa một lần và không bao giờ phải "ép buộc" AI nữa.

Kỹ năng duy nhất bạn nâng cấp là cách hỏi Claude (Claude-ing)

Kỹ năng đến từ sự đấu tranh nhận thức, và AI loại bỏ sự đấu tranh đó bằng cách hoàn thành suy nghĩ trước khi bạn kịp nghĩ ra. Vòng lặp học hỏi không bao giờ khép lại — bạn không thể nói khi nào mô hình sai, bạn không thể vận hành mà không có nó, kỹ năng lĩnh vực âm thầm teo đi.

Bạn phát triển thông qua sự kháng cự: chỉnh sửa, thẩm tra, lật ngược. Hãy khởi động bằng cách dùng AI trên các nhiệm vụ nơi bạn là chủ sở hữu lĩnh vực, để ma sát là thật và các sửa chữa bạn đưa ra là chính xác. Những người mới bắt đầu bị ảnh hưởng nặng nề nhất: họ chuyển giao nhận thức trước khi xây dựng khả năng đánh giá đầu ra.

Sai lầm ở cấp độ tổ chức

Các bẫy cá nhân ở trên và bẫy tổ chức ở dưới đây thực chất là một vấn đề ở hai quy mô khác nhau. AI tối ưu hóa các vai trò cá nhân nhưng để lại quy trình hạn chế họ nguyên vẹn. Thực hành cá nhân là nơi bạn thu gọn các bước; thiết kế tổ chức là nơi bạn thu gọn các bàn giao. Lợi ích chỉ xuất hiện khi có tham vọng chung đủ lớn để làm cả hai.

Khuyến khích sử dụng thay vì kết quả

Việc sử dụng thì dễ đo lường; tác động thì khó. Các quản lý và lãnh đạo thường chịu áp lực văn hóa để khen ngợi việc sử dụng rõ ràng hơn là giá trị vô hình. Số lượng token (lệnh) lọt vào các bài đánh giá hiệu suất và trong chu kỳ tiếp theo, các vòng lặp Claude được để chạy tự do để thổi phồng con số.

Các đội nhóm gửi đi các hệ thống có hình dáng AI mới thay vì sửa chữa các hệ thống hiện có quan trọng. Hãy thưởng thức cho những gì đã được gửi đi (shipped), không phải cho những gì đã được sử dụng. Theo dõi việc sử dụng như một chỉ báo dẫn đầu cho việc hỗ trợ và kháng cự, nhưng không bao giờ là mục tiêu dài hạn.

Sự lan tràn của công cụ (Tool sprawl)

Chi phí xây dựng từng là người giám sát mặc định. Chỉ những công cụ đáng giá mới được xây dựng. AI đã loại bỏ bộ lọc đó mà không thay thế nó, mọi người cứ tiếp tục xây dựng, và không phải ai cũng có bộ lọc "gu" thẩm mỹ tốt. Việc khám phá trở nên khó khăn hơn là xây dựng một công cụ khác, và ngữ cảnh bị nhân bản không nhất quán giữa các đội nhóm và vai trò.

Một kiến trúc sư-chủ sở hữu ở cấp cao nên chịu trách nhiệm về phân loại giữa những gì bạn tự xây, những gì bạn mua, và những nhà cung cấp nào bạn chuẩn hóa. Các thí điểm ở cấp dưới — nhỏ, có phạm vi, không phát sóng quá sớm — là cách các công cụ mới chứng minh giá trị, với dữ liệu viễn thông và tiêu chí nghỉ hưu rõ ràng để các công cụ chết được loại bỏ.

Kỹ năng và ngữ cảnh kém chất lượng lan rộng

Việc viết trước đây yêu cầu chuyên môn đang được viết. AI đã phá vỡ sự liên kết đó, vì vậy sản xuất không còn tín hiệu quyền lực. Bạn có mười cách để làm bất cứ điều gì, kiến thức bị phân mảnh trên các wiki và tệp CLAUDE.md, kỹ năng cá nhân rò rỉ vào chia sẻ mà không có rào chắn chất lượng.

Một kiến trúc sư hoặc chuyên gia lĩnh vực từ trên xuống nên quyết định bộ kỹ năng cốt lõi và giao quyền sở hữu cho những người nắm giữ "gu" thẩm mỹ sẽ xây dựng nó. Nếu những người biết cái gì là tốt không viết kỹ năng, thì kỹ năng đó mặc định là trung bình. Kỹ năng cá nhân so với chia sẻ là một sự phân chia rõ ràng: kỹ năng cá nhân có thể lỏng lẻo, kỹ năng chia sẻ là thực hành vận hành và phải được xây dựng như một thực hành, với sự xem xét và rào chắn chất lượng thực sự.

Đầu ra của AI nhanh hơn khả năng hấp thụ hoặc sở hữu

Tạo ra vượt quá khả năng xem xét, AI không dần dần tiết lộ thông tin, và quyền tác nhân trở nên mơ hồ khi "câu lệnh" viết nó. Các tài liệu dài không ai đọc, các PR (yêu cầu kéo mã) người xem xét không theo kịp, rác thải được gửi đi vì không ai muốn thỏa hiệp "năng suất".

Hãy giữ mọi người chịu trách nhiệm về tạo phẩm ngay cả khi AI tạo ra nó; xây dựng văn hóa phản hồi gay gắt, cụ thể khi đầu ra vượt qua ranh giới rác thải. Hãy dùng AI và giả định rằng cuối cùng tất cả nội dung sẽ do AI tạo ra. Mặc dù vậy, bạn phải hiểu những gì bạn gửi đi đủ tốt để bảo vệ nó trước sự chất vấn.

Kết luận

Phiên bản gấp 2 lần của bạn không chỉ là một vấn đề đếm số token. AI nhân lên những gì bạn đã làm tốt và bất cứ điều gì tổ chức của bạn cho phép. Nếu thực hành của bạn lỏng lẻo, AI sẽ nhân lên sự lỏng lẻo đó. Nếu tổ chức của bạn chạy bằng các bàn giao, AI sẽ tăng tần số bàn giao. Cả hai phải thay đổi cùng một lúc, hoặc không có sự thay đổi nào quan trọng.

Mức 10–20% hiện nay là miễn phí. Bất cứ thứ gì vượt quá mức đó là việc xây dựng lại: thực hành cá nhân ở một phía, thiết kế tổ chức ở phía kia. Tôi nghĩ hầu hết mọi người vẫn còn một lượng đáng kể tự tái cấu trúc phải làm.