Năm 1864, nhà văn Nga Fyodor Dostoevsky dựng lên một nhân vật sống dưới hầm ở Saint Petersburg. Một viên chức về hưu, cô độc, cay đắng. Trong Ghi Chép Dưới Hầm, ông ta mở đầu bằng hai câu: “Tôi là một người bệnh. Tôi là một người cay độc.” Rồi suốt phần còn lại, ông ta ngồi phân tích mọi lựa chọn đang mở ra trước mặt, phân tích đến cùng, phân tích đến khi tê liệt hoàn toàn. Biết rõ 2 cộng 2 bằng 4 là một bức tường, nhưng chọn đập đầu vào tường vì đó là dạng tự do duy nhất còn lại.
Ý thức quá mức, với ông ta, là một dạng bệnh. Càng thấy rõ mọi lựa chọn, càng không chọn gì cả.
Mình đọc cuốn đó hồi đại học, nghĩ nó là triết học thuần túy. Mười mấy năm sau, mình nhận ra ông ta đang mô tả chính xác cách đa số chúng ta dùng AI.
Ba mươi giây và cả đời
Bạn mở một file Excel lộn xộn. Cột ngày tháng mỗi dòng một định dạng, tên khách hàng viết hoa viết thường lung tung, mấy dòng trùng lặp. Tay tự động kéo chuột, bôi đen, sắp xếp, xóa. Mười phút sau xong. Pha cà phê, đi tiếp.
Không ai nói với bạn rằng AI có thể viết một đoạn mã dọn cái bảng đó trong ba mươi giây, và còn chỉ ra ba lỗi bạn không thấy. Chẳng có thông báo lỗi nào hiện ra. Chẳng có ai nhắn: “Này, vừa nãy bạn bỏ lỡ một thứ đấy.”
Bất đối xứng ở đây đơn giản đến đáng sợ. Thử nhờ AI một thứ nó không làm được? Mất ba mươi giây. Nó trả lời lạc đề, bạn nhận ra, bỏ qua, tự làm. Khoản lỗ rõ ràng, có giới hạn, tự điều chỉnh. Nhưng không thử nhờ AI một thứ nó làm được? Bạn mất cả tác vụ, vĩnh viễn và âm thầm. Niềm tin rằng “cái này tự làm nhanh hơn” không bao giờ bị thử thách, nên nó cứ cứng dần theo thời gian.
Somonaut, tác giả bài viết gốc, gọi đây là chính sách “hỏi quá mức có chủ đích” (aggressive over-asking): cố tình thử những thứ bạn nghĩ sẽ thất bại, vì chi phí thất bại gần bằng không. Thế là thói quen tự làm được thêm một lượt. Lần sau gặp file lộn xộn, tay lại tự kéo chuột.
Bốn tầng niềm tin
Chuyện hoàn toàn về thói quen. Somonaut phác ra bốn tầng mà người dùng đi qua, mỗi tầng là một lần cập nhật niềm tin, không phải nâng cấp kỹ năng. Công cụ thì y nguyên. Thứ thay đổi là thứ bạn tin nó có thể làm.
Tầng 1: Thay thế. Bạn thay Google bằng chatbot. Cùng câu hỏi, giao diện khác. Mình từng ở tầng này cả năm trời, dùng ChatGPT như cái Google biết nói chuyện. Hỏi “thời tiết Hà Nội hôm nay” rồi nghĩ: “Ờ cũng tiện, nhưng Google nhanh hơn.” Đóng tab, quay về Google.
Tầng 2: Giao việc. Một ngày bạn không hỏi “cách viết email xin lỗi khách hàng” mà bảo nó viết luôn cái email. Nó viết xong, bạn đọc, sửa hai chỗ, gửi. Cái khoảnh khắc “ủa, nó viết hộ luôn á?” đó là bản lề. Một quản lý mình biết dùng Claude suốt nửa năm chỉ để hỏi đáp. Một hôm deadline dí, anh bảo nó viết slide cho cuộc họp ban giám đốc sáng mai. Nó viết. Anh sốc. Từ đó anh không bao giờ viết slide một mình nữa.
Tầng 3: Đệ quy. Đây là bản lề thật sự. Bạn muốn giao việc nhưng không biết cách diễn đạt yêu cầu. Trước đây, đến đây là bí. Rồi bạn làm cái chuyện hiển nhiên nhưng phải mất một lúc mới nghĩ ra: hỏi AI cách hỏi AI. “Tôi có bảng dữ liệu bán hàng, muốn tìm xu hướng nhưng không biết hỏi thế nào. Bạn gợi ý câu hỏi giúp tôi.” Sự ngu dốt của bạn ngừng là trần nhà, vì công cụ bắt đầu dạy bạn cách dùng chính nó.
Và đây là chỗ cái thang gãy.
Cái bậc thang vỡ
Vì nếu bạn hỏi AI cách hỏi AI, và nó trả lời sai thì sao? Không phải sai kiểu “lạc đề, nhận ra ngay, bỏ qua.” Sai kiểu tự tin, mượt mà, nghe rất hợp lý, và bạn làm theo vì bạn đang ở vị thế không đủ kiến thức để kiểm tra. Bạn hỏi nó cách viết một truy vấn cơ sở dữ liệu phức tạp. Nó gợi ý một cấu trúc trông chuyên nghiệp. Bạn chạy. Dữ liệu ra đẹp. Bạn báo cáo. Hai tuần sau ai đó phát hiện truy vấn bỏ sót một lượng đáng kể giao dịch vì một điều kiện lọc sai. Báo cáo đã đến tay ban giám đốc. Quyết định đã được đưa ra dựa trên dữ liệu thiếu.
Chi phí “thử” ở đây không phải ba mươi giây. Nó là hai tuần ra quyết định trên nền dữ liệu méo.
Cái bất đối xứng đẹp đẽ lúc nãy (thử = rẻ, bỏ qua = đắt) sụp đổ ở chính xác nơi nó quan trọng nhất: những tác vụ mà bạn không đủ chuyên môn để kiểm tra kết quả. Bảng tính lộn xộn thì bạn thấy ngay nó sai. Truy vấn dữ liệu, tư vấn pháp lý, phân tích tài chính, thì bạn không thấy. Cái “sai” trông giống hệt cái “đúng,” và nó đi qua hệ thống êm ru.
Vậy bỏ luôn? Không hỏi nữa? Không. Cái thang gãy một bậc nhưng vẫn là cái thang duy nhất có. Chỉ là phải thêm một nguyên tắc mà bài gốc không nói: hỏi quá mức cho tác vụ có thể đảo ngược (viết email, dọn bảng tính, động não, phác thảo). Kiểm tra quá mức cho tác vụ không thể đảo ngược (quyết định tài chính, tư vấn pháp lý, dữ liệu báo cáo). Chi phí thử so với chi phí triển khai mới là phép tính đúng, chứ chỉ so chi phí thử với chi phí bỏ lỡ thì thiếu một vế.
Nhưng cái thang vẫn còn một bậc nữa.
Tầng 4: Điều phối. Bạn giao cả chuỗi công việc xuyên qua nhiều bước, nhiều công cụ, nhiều file. Vai trò dịch chuyển từ “người thực thi” sang “người định nghĩa cái gì là tốt và kiểm tra kết quả.” Sự chú ý thay thế nỗ lực, trở thành tài nguyên khan hiếm nhất.
Bốn tầng đọc xong có vẻ tuyến tính, nhưng hầu hết mọi người kẹt ở tầng 1 hoặc 2 suốt đời.
Não người và cái neo
Tại sao kẹt? Vì não người đông cứng ấn tượng đầu tiên.
Hai nhà tâm lý học Amos Tversky và Daniel Kahneman mô tả hiện tượng này từ năm 1974: khi đánh giá bất cứ thứ gì, bộ não bám vào con số hoặc ấn tượng đầu tiên nó gặp, rồi điều chỉnh từ đó. Vấn đề là mức điều chỉnh luôn không đủ. Cái neo ban đầu, dù ngẫu nhiên đến đâu, vẫn kéo lệch mọi phán đoán sau đó.
Thử AI năm 2023, nhận một câu trả lời sai be bét, tự tin như đúng rồi. Xếp nó vào ngăn “chatbot vô dụng” trong đầu, đóng ngăn lại, đi tiếp. Từ đó năng lực của model cứ leo dốc mỗi vài tháng, nhưng cái nhãn trong đầu bạn thì vẫn y nguyên. Khoảng cách giữa cái AI làm được và cái bạn tin nó làm được cứ mở rộng, trong im lặng.
Nhưng neo cũng đâm ngược. Nếu lần đầu nó viết giúp bạn một bài tuyệt vời, bạn neo ở “thần thánh.” Bạn bắt đầu giao mọi thứ cho nó, kể cả những tác vụ mà phán đoán con người vẫn tốt hơn, và không bao giờ kiểm tra lại. Đó là cái bậc thang vỡ lúc nãy, nhìn từ đầu kia.
Cả hai hướng neo đều nguy hiểm, và cả hai đều vô hình. Giả định sai không sinh ra tín hiệu phản hồi. Bạn giả định nó không làm được, bạn không thử, không có gì xảy ra. Bạn giả định nó luôn đúng, bạn không kiểm tra, không có gì xảy ra, cho đến khi có.
Lỗi ở cấp tổ chức
Điều đáng lo hơn bất kỳ cá nhân nào: hầu hết các công ty đang giải quyết sai vấn đề.
Đào tạo “kỹ năng prompt” là can thiệp ở tầng 2 cho người chưa bao giờ đến tầng 1. Bạn dạy ai đó cách viết prompt hoàn hảo, nhưng người đó vốn không có phản xạ mở cửa sổ chat khi gặp vấn đề. Kỹ thuật có thể tra cứu. Cảm giác về “cái gì có thể hỏi được” phải lây qua quan sát.
Somonaut nói thẳng: thứ thực sự chuyển giao là được xem một người ở tầng 4 làm việc. Xem họ gặp vấn đề, mở chat, đẩy qua cho máy một thứ mà bạn chưa bao giờ nghĩ có thể đẩy, rồi nhận lại kết quả. Khoảnh khắc đó bật công tắc trong đầu: “Khoan, cái đó cũng hỏi được hả?”
Mình trải qua khoảnh khắc đó lần đầu khi xem một đồng nghiệp dùng AI phân tích dữ liệu khách hàng mà mình định ngồi phân loại bằng tay cả buổi chiều. Không phải vì mình lười. Vì mình thực sự không nghĩ đến việc nhờ. Cảm giác “đủ nhỏ để tự làm” chính là cái bẫy tinh vi nhất.
Câu hỏi quan trọng nhất cho bất kỳ tổ chức nào lúc này: “Ai đang không dùng AI ở đâu?” Theo đúng nghĩa đen, câu hỏi đó không ai tự trả lời được, vì bạn không biết thứ mình đang bỏ lỡ.
Tệ hơn cả dưới hầm
Quay lại Dostoevsky. Người dưới hầm có một thứ mà đa số chúng ta không có: ông ta biết mình đang tê liệt. Ông ta ngồi dưới hầm, thấy rõ mọi lựa chọn, phân tích mọi khả năng, rồi không chọn gì cả. Nhưng ông ta biết. Cái ý thức quá mức đó tra tấn ông ta, nhưng ít nhất nó còn là ý thức.
Người không hỏi AI thì không có đến cái xa xỉ đó. Họ không ngồi dưới hầm cân nhắc. Họ ngồi trong văn phòng sáng choang, hoàn thành mọi deadline, nhận lương đúng hạn, và không có gì, tuyệt đối không có gì, gợi ý rằng họ đang bỏ lỡ bất cứ thứ gì. Cuộc kiểm toán quan trọng nhất không nằm trên bảng điều khiển. Nó nằm ở những tác vụ âm thầm hoàn thành bằng tay mỗi ngày, bởi những người giỏi, những người “đủ nhanh để không cần hỏi.” Chính sự giỏi đó che mất cơ hội, vì nó biến việc bỏ lỡ thành thứ trông giống hiệu quả.
Dostoevsky viết về một người biết mình bệnh. Cái giá thật của AI nằm ở những người khỏe mạnh, năng suất, hiệu quả, và không bao giờ biết mình đã bỏ lỡ bao nhiêu. Người dưới hầm ít nhất còn biết mình ở dưới hầm. Cái hầm đáng sợ nhất là cái trông giống văn phòng.