Khi thấy một đồng nghiệp đã sử dụng ChatGPT, Claude, hay AI Agent khá thành thạo, chúng ta dễ nghĩ khoảng cách đã quá lớn để bắt kịp.

Tuy nhiên, sử dụng thành thạo một công cụ và ứng dụng công cụ ấy hiệu quả trong công việc là hai cấp độ khác nhau.

AI thay đổi nhanh đến mức người bắt đầu sớm chưa chắc giữ được lợi thế lâu dài. Một công cụ thành thạo hôm nay có thể được thay thế, đơn giản hóa hoặc tích hợp vào nền tảng khác chỉ sau vài tháng.

Vì vậy, khoảng cách trong AI không hoàn toàn được tính bằng số năm bắt đầu sớm hơn. Với người 35+, lợi thế nằm ở kinh nghiệm nghề nghiệp đã tích lũy: hiểu vấn đề, bối cảnh và tiêu chuẩn của một kết quả tốt. Khi công cụ liên tục thay đổi, nền tảng này giúp bạn thích nghi nhanh hơn thay vì phải bắt đầu lại mỗi lần công nghệ đổi mới.

Vì vậy, bắt đầu với AI muộn hơn không đồng nghĩa với bắt đầu lại từ đầu. Đúng hơn là bạn đang học một năng lực mới trên nền chuyên môn đã được xây dựng trong nhiều năm.

Khối lượng thông tin về AI hiện nay rất dễ tạo cảm giác quá tải. Prompt engineering, automation, AI Agent, mô hình ngôn ngữ, hàng loạt nền tảng mới liên tục xuất hiện. Nếu xem tất cả những kiến thức này như một danh sách cần học hết trước khi ứng dụng, việc bắt đầu sẽ ngày càng khó.

Theo kinh nghiệm của Linh, học công nghệ hiệu quả nhất khi việc học gắn với một nhu cầu cụ thể.

Chẳng hạn, nếu mỗi tuần bạn mất ba giờ tổng hợp dữ liệu từ nhiều nguồn để làm báo cáo, hãy thử cải thiện chính quy trình này trước. Nếu trước mỗi cuộc họp bạn phải đọc hàng chục trang tài liệu, hãy tìm cách dùng AI để hỗ trợ tổng hợp và xác định những thông tin cần chú ý. 

Khi bắt đầu từ một vấn đề thật như vậy, phạm vi cần học sẽ rõ hơn rất nhiều. Bạn biết mình cần tìm hiểu tính năng nào, thử nghiệm đến mức nào và dựa vào tiêu chí nào để đánh giá hiệu quả.

Quan trọng hơn, mỗi lần học đều tạo ra một cải thiện cụ thể trong công việc.

Với người đã đi làm nhiều năm và không có quá nhiều thời gian trống, cách tiếp cận này cho bạn nhiều động lực hơn việc cố gắng “học AI” như một lĩnh vực quá rộng.

Ở một số khía cạnh, nhận định này có thể đúng. Người trẻ thường có nhiều thời gian hơn để khám phá công nghệ, thử nhiều nền tảng và làm quen với những cách tương tác mới.

Nhưng tốc độ làm quen với công cụ chỉ là một phần của năng lực ứng dụng.

Hãy lấy automation làm ví dụ. Một người mới đi làm có thể nhanh chóng học được cách thiết lập một workflow. Trong khi đó, một người đã có 10 năm kinh nghiệm có thể nhìn vào cùng workflow và nhận ra quy trình nào trong công ty phù hợp để áp dụng, dữ liệu nào chưa đủ tin cậy, bước nào vẫn cần con người kiểm tra và ai cần tham gia để quy trình thực sự vận hành.

Kinh nghiệm giúp chúng ta đặt công nghệ vào đúng bối cảnh.

Lợi thế này thường không thể hiện ngay trong những ngày đầu học một công cụ, nhưng lại trở nên rất quan trọng khi AI được đưa vào công việc thật. Một giải pháp chỉ có hiệu quả thực tiễn khi nó phù hợp với quy trình, con người và mục tiêu kinh doanh.

Vì vậy, ở tuổi 35+, Linh không nghĩ mục tiêu nên là học nhanh hơn người trẻ. Mục tiêu nên là học có chọn lọc hơn và ứng dụng chính xác hơn.

BCG nhận thấy các doanh nghiệp dẫn đầu về AI thường tập trung vào ít cơ hội hơn, nhưng ưu tiên những cơ hội có tiềm năng tạo giá trị lớn hơn. 

Linh nghĩ nguyên tắc này cũng khá hiệu quả khi áp dụng ở cấp độ cá nhân. Khi mới dùng AI, chúng ta thường bắt đầu từ những việc dễ thấy kết quả như viết email, tóm tắt tài liệu hay tạo nội dung. Những ứng dụng này hữu ích, nhưng chưa chắc giải quyết phần công việc đang ảnh hưởng nhiều nhất đến hiệu suất mỗi ngày của bạn.

Hãy tìm điểm tạo giá trị: một báo cáo khiến quyết định thường xuyên bị chậm, một quy trình tiêu tốn nhiều giờ của cả nhóm, hay một khâu mà nếu cải thiện được sẽ tác động đến nhiều công việc hay doanh thu phía sau.

Đây cũng là lợi thế đáng kể của người đã có nhiều năm kinh nghiệm. Bạn hiểu đủ sâu để biết một vấn đề tốn thời gian nhưng ít ảnh hưởng, hay thực sự là nút thắt đang kéo chậm cả quy trình. Bạn cứ nhớ là: AI làm được một việc chưa phải lý do đủ để ứng dụng AI; việc đó còn cần đủ quan trọng để xứng đáng dành thời gian cải thiện.

Theo McKinsey, cho rằng giá trị lớn hơn từ GenAI không chỉ đến từ việc bổ sung công nghệ vào quy trình hiện tại, mà từ việc thiết kế lại cách công việc được thực hiện.

Sự khác biệt này rất đáng chú ý. Nếu một báo cáo đang mất bốn giờ, dùng AI để viết phần tổng hợp trong 30 phút có thể giúp bạn tiết kiệm thời gian, nhưng cấu trúc công việc về cơ bản vẫn giữ nguyên.

Một bước tiến xa hơn là nhìn lại toàn bộ workflow: dữ liệu nào thực sự cần thu thập, AI có thể đọc và đối chiếu ở đâu, phần nào cần con người kiểm chứng, và đầu ra cuối cùng cần giúp người nhận đưa ra quyết định gì.

Khi đó, mục tiêu không còn là làm từng bước cũ nhanh hơn, mà là loại bỏ những bước không còn cần thiết, thay đổi cách các bước kết nối với nhau và giữ con người ở những điểm cần chuyên môn hoặc phán đoán.

Với người đã có nhiều năm kinh nghiệm, đây là cơ hội để hiểu biết về cách công việc thực sự vận hành trở nên có giá trị: bạn không chỉ biết AI có thể làm gì, mà còn biết quy trình nên được thay đổi đến đâu để vẫn vận hành tốt trong thực tế.

BCG sử dụng nguyên tắc 10 - 20 - 70 trong chuyển đổi số và AI: khoảng 10% nỗ lực dành cho thuật toán, 20% cho công nghệ và dữ liệu, còn 70% tập trung vào con người và quy trình.

Tỷ lệ này không cần áp dụng máy móc chính xác như vậy. Song đây là một cách tiếp cận phù hợp với những người đã bước vào vai trò quản lý

Ở tuổi 35+, nhiều người không còn chỉ chịu trách nhiệm cho năng suất của riêng mình mà còn cho kết quả của một đội nhóm. Vì vậy, biết dùng AI cho công việc cá nhân mới chỉ giải quyết một phần bài toán. Giá trị lớn hơn nằm ở khả năng giúp cả nhóm làm việc tốt hơn với AI.

Một workflow hiệu quả với bạn chưa chắc hiệu quả với năm người khác. Là người quản lý, bạn cần xác định công việc nào nên dùng AI, chuẩn hóa đầu vào, thiết lập điểm kiểm tra, phân định trách nhiệm và bảo đảm cách làm mới thực sự giảm tải thay vì tạo thêm quy trình.

Kinh nghiệm quản lý giúp bạn đưa những cải tiến này ra khỏi phạm vi cá nhân và áp dụng cho cả nhóm. Khi một quy trình tốt được chuẩn hóa và nhân rộng, vài giờ tiết kiệm ở cấp cá nhân có thể trở thành hàng chục giờ ở cấp đội nhóm, đồng thời tạo thêm thời gian cho những công việc cần chuyên môn, trao đổi và ra quyết định.