Ngày 5 tháng 10 năm 1841, hai đoàn tàu đâm nhau trên tuyến Western Railroad ở Massachusetts. Không phải lỗi kỹ thuật. Đường ray tốt, đầu máy chạy ổn, lịch trình rõ ràng. Vấn đề là không ai biết ai đang chạy ở đâu.
Hai người lái tàu, mỗi người tuân theo lịch riêng. Không ai sai. Cả hai chỉ không biết nhau tồn tại.
Vụ va chạm đó buộc ngành đường sắt Mỹ phải phát minh ra một thứ chưa hề có: quản lý trung gian (middle management). Thuê quản lý vùng miền, phân quyền rõ ràng, lập cấp bậc báo cáo. Trong vòng hai thập kỷ, đường sắt trở thành ngành tỷ đô đầu tiên của nước Mỹ, có lúc chiếm tới 60% tổng giá trị thị trường chứng khoán.
Gần hai thế kỷ sau, bạn vừa cấp cho mỗi nhân viên, kể cả nhân viên tệ nhất, vô hạn headcount và vô hạn ngân sách.
Và lịch sử đang lặp lại.
Token cũng là nhân viên
gsivulka gần đây đăng một bài mà mình đọc xong ngồi im khá lâu. Luận điểm cốt lõi tưởng đơn giản: AI không thay thế lao động con người, nó nhân bản rối loạn chức năng con người ở tốc độ máy.
Nghe quen không? Cứ nghĩ token là phần mềm chạy im lặng, rẻ, đáng tin. Hóa ra token hành xử y hệt nhân viên. Chính xác chỉ khi được quản lý đúng. Đốt tiền vòng vòng khi không. Và chết giữa chừng mỗi khi model mới ra hoặc phiên làm việc kết thúc.
Lời hứa nguyên thủy của phần mềm là: xây một lần, chạy mãi, chi phí biên gần bằng không. AI phá lời hứa đó. Ngay khi phần mềm có thể làm bất cứ thứ gì, nó không thể làm bất cứ thứ gì một cách dự đoán được nữa.
gsivulka đưa ra con số khiến mình giật mình: chi phí trên mỗi giờ output thực tế (cost per shipped hour) dao động 1.750 lần. Đội quản lý tốt (p10): 4 đô/giờ. Đội quản lý tệ (p90): 7.000 đô/giờ. Cùng một nhiệm vụ, cùng một model, chênh nhau bằng cả một cái nhà ở Sài Gòn mỗi tháng.
Con số đó không phải dự báo tương lai. Nó đang xảy ra. Ngay bây giờ.
Bảy cái giống nhau
gsivulka liệt kê 7 parallels giữa quản lý token và quản lý người. Mình tóm lại theo cách mình hiểu, nhưng giữ nguyên cấu trúc gốc vì nó đáng giữ:
1. Tokenmaxxing là ném người vào vấn đề. Doanh nghiệp đốt token vì không biết cách dùng. Khoảng 1 trên 100 nhân viên biết cho AI ngữ cảnh (context) đúng cách. 99 người còn lại đưa cho agent một cái harness rồi ngồi nhìn nó quay vòng.
2. Vòng lặp (loop) là họp để họp. Trong Claude Code, Copilot, hay bất kỳ harness nào, loop là miếng băng dán tạm cho việc gần như không ai biết cách prompt. Agent gọi chính nó để sửa chính nó, chỉ vì con người không diễn đạt được nhiệm vụ rõ ràng ngay từ đầu. Brute force trở thành con đường duy nhất. Giống hệt cuộc họp thứ ba trong tuần để thảo luận kết quả cuộc họp thứ hai.
3. Token lãng phí là headcount thừa kiểu mới. 80% nhân viên ở hầu hết công ty không tác động đáng kể đến kết quả kinh doanh. Họ là bánh răng trong bộ máy, duyệt phê duyệt, rồi thuê thêm bánh răng để nuôi bộ máy tồn tại để tồn tại. Token cũng vậy. 80% token hôm nay không làm gì có ích. Elon cắt 80% nhân sự X và hệ thống vẫn đứng. Các quỹ đầu tư vận hành (private equity operating partners) kiếm sống bằng sự chênh lệch đơn giản này.
4. 100X token là 10X engineer phiên bản mới. Một số ít token ngữ cảnh có thể cắt giảm nỗ lực AI theo cấp số nhân. gsivulka gọi chúng là “100X token”. Giống như một vài nhân viên chủ chốt khiến cả đội 10X năng suất hơn, một lượng nhỏ ngữ cảnh được chỉ định chính xác có thể cho bạn 100X đòn bẩy. Con người rẻ hơn token trung bình, nhưng token tốt rẻ hơn khi mở rộng quy mô. Quản lý chuyển đổi cái này thành cái kia.
5. Giấu ngữ cảnh (context hoarding) là chiến thuật bảo toàn vị trí. Nhân viên không muốn dạy AI bí quyết nghề của mình. Nhìn Meta, nơi nhân viên sở hữu cổ phiếu, được khuyến khích tối đa để AI thành công, vẫn nổi giận khi công ty dùng dữ liệu ngữ cảnh nhân viên làm training data. Các phường hội thời Trung Cổ (medieval guilds) giữ bí mật phương pháp. AI là công nghệ đầu tiên yêu cầu mọi thợ giao nộp tất cả cùng một lúc. Không ai tự nguyện đào tạo người thay thế mình miễn phí.
6. Eval là OKR phiên bản mới. 99% doanh thu AI hôm nay đến từ viết code. Tại sao? Vì code có eval tích hợp sẵn: chạy hoặc không chạy. Mọi ca sử dụng AI khác, từ luật, y tế, tài chính đến marketing, sẽ chỉ bùng nổ khi ai đó xây được eval tương đương cho từng lĩnh vực. Eval cụ thể quan trọng hơn dạy nhân viên prompt, hơn cả việc cấp cho họ chat harness. Bộ eval sẽ trở thành tài sản giá trị nhất của mỗi doanh nghiệp. Và không hai công ty nào có bộ eval giống nhau.
7. Cơ hội nghìn tỷ tiếp theo là công ty chuyển đổi (transformation company). Doanh nghiệp đã mua model, mua ứng dụng, mua dịch vụ tư vấn AI nhiều năm. Sự thật phũ phàng: chưa ai khiến AI hoạt động ổn định. Thung lũng Silicon đang đặt cược ngược lại doanh nghiệp hiện tại bằng cách rót vốn cho “neofirms” (doanh nghiệp AI thuần túy). Nhưng gsivulka lập luận rằng tài sản AI lớn nhất vẫn nằm trong những công ty cũ: quy trình đã phân biệt hóa, kênh phân phối đã tồn tại. “Công ty chuyển đổi AI” sẽ lớn gấp 10 lần bất kỳ neofirm nào. Vì có một nghịch lý Jevons ẩn bên trong: mỗi ca sử dụng mà tổ chức áp dụng lộ ra mười ca mới. Càng AI hóa, càng cần chuyển đổi. Palantir là ví dụ nguyên mẫu, với mức tăng trưởng chỉ số +79% so với rổ SaaS giảm -2.9% kể từ khi ChatGPT ra mắt.
Cái thiếu không phải model
Mình thú thật: đọc xong 7 điểm song hành đó, cảm giác đầu tiên là thấy quen. Quá quen. Ai từng quản lý đội ngũ đông hơn 20 người đều nhận ra ngay mấy cái loop, cái phình biên chế, cái giấu ngữ cảnh. Chỉ là giờ nó chạy ở tốc độ nano giây thay vì tốc độ Slack.
Nhưng insight thật sự nằm ở chỗ khác. gsivulka dùng vụ tai nạn đường sắt 1841 để nhắc một điều mà giới công nghệ hay quên: đường sắt không cần kỹ sư giỏi hơn. Đầu máy đã tốt rồi. Đường ray đã tốt rồi. Cái thiếu là quản lý.
AI cũng vậy. Model đã đủ mạnh. Hạ tầng đã đủ rẻ. Cái thiếu là người biết nói cho cả người lẫn máy biết phải làm gì.
Cái biểu đồ “AI adoption tracks evaluability” trong bài gốc khiến mình nghĩ mãi. Trục ngang là mức độ đánh giá được (evaluability) của công việc: từ bên trái (phán đoán thuần, chiến lược, M&A) đến bên phải (test chạy hay không chạy, code, trích xuất dữ liệu). Doanh thu AI tập trung gần như toàn bộ ở bên phải. Phần mềm viết mã (software engineering) chiếm khoảng 60% tổng doanh thu AI vì code có eval sẵn. Mọi thứ khác gần như bằng không.
Cái khóa mở rộng AI sang phần còn lại của nền kinh tế là eval. Chấm hết.
Kim tự tháp quen thuộc
gsivulka vẽ hai kim tự tháp song song trong bài. Bên trái: tổ chức truyền thống. C-Suite trên cùng, Management chiếm 90% headcount ở giữa, Doers (10% thực sự sản xuất) ở đáy. Bên phải: phiên làm việc AI. Prompt trên cùng, Loops chiếm 90% token ở giữa, Useful tokens (10% thực sự ship) ở đáy.
Hình ảnh đó tàn nhẫn vì nó chính xác.
Mình nhớ cái biểu đồ “Loops make the same task 100x more expensive” trong bài. Cùng một nhiệm vụ di chuyển mã nguồn (codebase migration), prompt rõ ràng tốn 4 đô. Prompt mơ hồ, để agent tự loop: 310 đô. Gấp gần 80 lần. Với model đắt hơn (Fable 5, tháng 6/2026), khoảng cách còn rộng hơn nữa.
Bạn đang tiêu token cho việc tiêu token.
Ai sẽ viết phiếu ngược?
Đến đây, bài của gsivulka rẽ vào lãnh thổ thú vị nhất: chính trị nội bộ.
Người nắm 100X token, nhân viên am hiểu quy trình thực tế nhất (store manager, đầu bếp trưởng, procurement lead), là người có ít lý do nhất để giao nộp kiến thức. Vì giao nộp nghĩa là giao nộp vị trí. Không ai huấn luyện người thay thế mình miễn phí. Điều này đúng ở mọi cấp, mọi ngành, mọi nền văn hóa.
Cái paradox ở đây rất rõ: hệ thống phụ thuộc chính xác vào những người mà nó cần vô hiệu hóa.
Trong 12 Angry Men, bộ phim kinh điển của đạo diễn Sidney Lumet, 12 bồi thẩm viên ngồi trong một căn phòng nóng bức để quyết định số phận một bị cáo. 11 người bỏ phiếu “có tội” gần như ngay lập tức. Một người, Bồi thẩm số 8 do Henry Fonda thủ vai, bỏ phiếu ngược. Không phải vì ông chắc bị cáo vô tội. Mà vì ông buộc cả phòng phải nhìn lại bằng chứng thay vì mặc định chấp nhận kết luận sẵn.
Fonda không bào chữa. Ông thiết kế lại quy trình ra quyết định.
Eval cho AI là phiếu bỏ ngược đó. Nó không nói token nào đúng token nào sai. Nó buộc toàn bộ hệ thống dừng lại, nhìn lại, thay vì tự duyệt kết quả rồi chạy tiếp vào loop kế tiếp. Trong phòng bồi thẩm, mặc định là “có tội” vì 11 người đã quyết. Trong phiên làm việc AI, mặc định là “chạy tiếp loop” vì không ai định nghĩa “tốt” trông như thế nào. Eval phá mặc định đó.
Không có eval, token loop giống cuộc biểu quyết mà ai cũng giơ tay vì người bên cạnh giơ tay.
Rẻ nhất hoá đắt nhất
gsivulka kết bài gốc bằng câu mình nghĩ sẽ lưu lại lâu: “Humans just became cheaper than software. Someone still has to tell them both what to do.”
Kỹ năng quản lý, cái thứ bị coi là tầm thường nhất trong thập kỷ “move fast and break things”, đang trở thành lợi thế cạnh tranh đắt nhất. Không phải quản lý kiểu duyệt email và ký giấy. Mà quản lý kiểu biến quy trình mờ nhạt thành mã, biến phán đoán chủ quan thành eval chạy được, biến kiến thức bộ lạc (tribal knowledge) thành thứ mà agent có thể hấp thụ mà không cần hỏi lại.
Mỗi doanh nghiệp sẽ cần bộ eval riêng. Không có bộ eval chung cho hai công ty. Và cái công ty nào giải quyết được bài toán chính trị nội bộ, bao gồm cả việc khiến người giữ 100X token chịu chia sẻ, sẽ biến 7.000 đô/giờ thành 4 đô/giờ. Nghe dễ quá nhỉ. Đúng, nói thì dễ. Làm thì giống thuyết phục thợ mộc lành nghề vẽ lại toàn bộ bản thiết kế để máy CNC có thể đọc.
Năm 1841, hai đoàn tàu đâm nhau vì không ai quản lý ai. Gần hai thế kỷ sau, triệu agent đang chạy ngược chiều nhau trong hệ thống của bạn.
Câu hỏi không phải “model nào giỏi hơn.” Câu hỏi là ai trong phòng bồi thẩm của bạn sẽ là người bỏ phiếu ngược.