AI phát triển mạnh, kỹ năng chọn lọc công cụ quyết định hiệu quả thực tế

Chưa bao giờ người dùng có nhiều công cụ trí tuệ nhân tạo như hiện nay. AI có thể viết nội dung, lập trình, phân tích dữ liệu, tạo hình ảnh, dựng video, thiết kế bài thuyết trình, tóm tắt tài liệu, dịch thuật hay hỗ trợ nghiên cứu.

Cùng với sự bùng nổ đó là một áp lực mới. Hôm nay vừa học cách sử dụng một chatbot, ngày mai lại có một công cụ tạo video mới, vài ngày sau xuất hiện thêm nền tảng nghiên cứu hoặc phân tích dữ liệu được quảng bá là vượt trội hơn.

Không ít người vì thế cảm thấy muốn làm việc hiệu quả với AI thì phải liên tục cập nhật và biết sử dụng hàng chục công cụ.

Nhưng đây chưa chắc là cách tiếp cận đúng.

Trong môi trường làm việc thực tế, giá trị không nằm ở số lượng công cụ AI mà một người biết. Quan trọng hơn là họ có hiểu rõ vấn đề cần giải quyết và lựa chọn được công cụ phù hợp hay không.

Một người có thể biết sử dụng 10 công cụ AI để viết nội dung, nhưng nếu không hiểu độc giả, mục tiêu truyền thông và thông điệp chính, kết quả cuối cùng vẫn khó đạt chất lượng.

Tương tự, một nhà nghiên cứu có thể thử nhiều chatbot khác nhau nhưng nếu không biết đánh giá nguồn thông tin, đặt câu hỏi đúng hoặc kiểm chứng dữ liệu thì việc có thêm công cụ cũng không giúp nhiều.

AI về bản chất vẫn là công cụ

Phần mềm bảng tính không tự động biến người dùng thành chuyên gia tài chính. Một ứng dụng thiết kế cũng không thể biến người thiếu kiến thức nền thành nhà thiết kế giỏi. AI cũng vậy.

Thậm chí, khi công cụ ngày càng nhiều, việc cố gắng học tất cả có thể trở thành một dạng “bận rộn giả”. Người dùng dành nhiều thời gian xem hướng dẫn, đăng ký tài khoản, thử tính năng mới nhưng lại không cải thiện được đáng kể quy trình làm việc của mình.

Bắt đầu từ công việc, không phải từ công cụ

Một cách tiếp cận hiệu quả hơn là đảo ngược câu hỏi.

Thay vì hỏi: “Công cụ AI này có thể làm gì?”, hãy hỏi: “Phần nào trong công việc của tôi đang tốn thời gian hoặc kém hiệu quả nhất?”

Đó có thể là đọc hàng trăm trang tài liệu, tổng hợp thông tin, viết báo cáo, xử lý dữ liệu, chuẩn bị bài thuyết trình, dịch văn bản hay soạn email.

Sau khi xác định nhiệm vụ, người dùng mới chọn AI phù hợp.

Nếu cần xử lý tài liệu dài, nên ưu tiên công cụ có khả năng đọc, truy xuất và tóm tắt tài liệu. Nếu cần nghiên cứu thông tin mới, cần chọn hệ thống có khả năng tìm kiếm và dẫn nguồn. Nếu công việc liên quan đến số liệu, một công cụ có thể đọc bảng tính và phân tích dữ liệu sẽ hữu ích hơn một chatbot chủ yếu mạnh về viết.

Không có một công cụ AI tốt nhất cho mọi công việc. Chỉ có công cụ phù hợp hơn với một nhiệm vụ cụ thể.

Từ “biết dùng AI” đến “biết tổ chức công việc với AI”

Trong giai đoạn đầu của AI tạo sinh, nhiều người chú trọng kỹ năng viết câu lệnh hay prompt engineering.

Nhưng khi các mô hình ngày càng hiểu ngôn ngữ tự nhiên tốt hơn, lợi thế lớn hơn lại nằm ở khả năng tổ chức công việc.

Thay vì yêu cầu AI “viết một báo cáo hoàn chỉnh”, người dùng có thể chia nhiệm vụ thành nhiều bước: đọc tài liệu, trích xuất dữ liệu, xác định ý chính, kiểm tra thông tin còn thiếu, xây dựng cấu trúc rồi mới viết bản cuối.

Trong một quy trình như vậy, có thể một công cụ dùng để tìm kiếm, một công cụ dùng để phân tích dữ liệu và một công cụ khác hỗ trợ trình bày kết quả.

Kỹ năng quan trọng lúc này không nằm ở từng phần mềm riêng lẻ, mà ở khả năng thiết kế cả quy trình làm việc.

Một vấn đề khác của việc chạy theo công cụ là công nghệ thay đổi quá nhanh.

Một nền tảng nổi bật hôm nay có thể bị thay thế chỉ vài tháng sau. Một tính năng từng cần phần mềm chuyên biệt có thể sớm được tích hợp vào những chatbot phổ biến. Trong khi đó, những năng lực như xác định vấn đề, kiểm chứng thông tin, đánh giá chất lượng đầu ra, hiểu dữ liệu, tư duy phản biện và kiến thức chuyên môn có giá trị lâu dài hơn.

Người giỏi chuyên môn thường có lợi thế khi sử dụng AI bởi họ biết kết quả nào hợp lý, điểm nào đáng nghi và khi nào cần can thiệp.

Ngược lại, người thiếu kiến thức nền rất dễ chấp nhận một câu trả lời nghe có vẻ thuyết phục nhưng thực tế lại sai.

Điều này không có nghĩa người lao động nên ngừng tìm hiểu công cụ AI mới. Thay vào đó, cần thay đổi cách học.

Thay vì mỗi tuần thử hàng loạt nền tảng mới, người dùng có thể chọn một vài công cụ thực sự phù hợp với công việc và sử dụng đủ sâu để hiểu điểm mạnh, điểm yếu cũng như giới hạn của chúng.

Trong kỷ nguyên AI, lợi thế cạnh tranh có thể không thuộc về người biết nhiều công cụ nhất, mà thuộc về người hiểu rõ mình cần làm gì, biết phần nào nên giao cho AI và chọn đúng công cụ để giải quyết đúng vấn đề.

(Nguồn: VLAB Innovation)