AI-First là gì với nhân viên văn phòng
AI-First, theo bài học AI-First Foundations đang có trên Học viện ITUpX, là cách thiết kế quy trình quanh khả năng của AI. Nó không có nghĩa là cài thêm một công cụ rồi để cả phòng tự xoay xở. Người mới thường bắt đầu từ tên phần mềm. Bài học bắt đầu từ một việc đang đau, việc đó đo được, và có người chịu trách nhiệm xem lại kết quả.
Bài này viết cho nhân viên văn phòng tại Việt Nam: người soạn email, ghi biên bản, đối chiếu chứng từ, trả lời câu hỏi nội bộ. Bạn không cần biết lập trình. Bạn cần biết việc nào đáng đưa cho AI ở tuần đầu, và việc nào phải để người quyết.
Đừng bắt đầu bằng việc mua công cụ
Một phòng năm người có thể có ba tài khoản AI khác nhau, mỗi người một cách hỏi, không ai ghi lại prompt nào dùng được. Cuối tháng không biết thời gian có giảm hay không. Đó là mua công cụ, chưa phải AI-First.
AI-First đảo thứ tự. Trước hết chọn một pain-point. Pain-point ở đây là việc lặp lại, làm chậm team, và có thể đếm được. Ví dụ minh họa: mỗi sáng mất một khoảng thời gian để viết lại email xác nhận lịch cho khách nội bộ. Chưa cần bịa ra con số giờ. Chỉ cần team chỉ được đúng việc đó và nói được "làm xong khi email ngắn, đủ giờ, đủ địa điểm, giọng lịch sự".
Nếu chưa chỉ được việc, chưa nên mở thêm tài khoản trả phí. Tiền phần mềm lúc này chưa gắn với một kết quả. Bài học gọi việc đo sớm là ROI: thời gian, chi phí, và mức hài lòng của người nhận kết quả. Ba thứ này chưa cần bảng biểu phức tạp. Một cột trong sổ tay cũng đủ cho tuần đầu: việc gì, mất bao lâu trước đây, mất bao lâu khi có bản nháp của AI, người nhận có phải sửa nhiều không.
Pain-point đo được trông như thế nào
Một pain-point dùng được có ba dấu hiệu. Việc xảy ra nhiều lần trong tuần. Người làm mô tả được đầu vào và đầu ra. Sai sót nếu có thì nhìn thấy được, không phải cảm giác chung chung "AI sẽ làm công ty hiện đại hơn".
Việc phù hợp tuần đầu, đúng ví dụ của bài nền tảng, gồm soạn email, tóm tắt cuộc họp, soạn checklist và viết FAQ nội bộ. Điểm chung là văn bản đã có sẵn hoặc sự việc vừa xảy ra, người đọc là đồng nghiệp, và sai một câu thì sửa được ngay trong ngày.
Việc chưa phù hợp là việc một năm một lần, việc cần chữ ký pháp lý, việc nộp thuế, việc xóa dữ liệu, việc chốt giá với khách. AI có thể nháp giúp, nhưng người có thẩm quyền phải quyết. Nếu team chưa có thói quen xem lại, đừng đưa những việc này vào tuần đầu.
Human Operator là người xem lại
Bài học dùng cụm Human Operator cho người giám sát chất lượng đầu ra. Không phải chức danh mới trên hợp đồng. Là vai của người nhận bản nháp và chịu trách nhiệm với câu chữ được gửi đi.
Người này không cần giỏi hơn AI ở mọi mặt. Người này cần biết việc. Với email lịch họp, người xem lại biết phòng họp nào đang bận và biết giọng công ty. Với tóm tắt họp, người xem lại biết quyết định nào đã được chốt và việc nào chỉ là ý kiến. AI không ngồi trong phòng họp. Nó chỉ đọc phần chữ được đưa vào.
Quy tắc thực hành: AI tạo bản nháp, người xem lại sửa, người xem lại mới được gửi. Không có bước gửi tự động ở tuần đầu. Khi team làm đều việc này, lúc đó mới nói tới tự động hóa. Tự động hóa trước khi có người xem lại là đảo thứ tự của bài học.
ROI sớm không cần số liệu bịa
Bài học nói đo ROI sớm bằng thời gian, chi phí và mức hài lòng. Nó không đưa một con số phần trăm sẵn. Vì vậy bài này cũng không bịa "tiết kiệm 30%" hay "giảm 18 giờ". Nếu team chưa bấm giờ, hãy ghi là chưa đủ dữ liệu để đo.
Cách đo thời gian trong một tuần: chọn một việc, làm năm lần theo cách cũ và ghi phút, làm năm lần với bản nháp AI và ghi phút cộng với phút sửa. So hai cột. Nếu phút sửa nuốt hết phút nháp, pain-point chưa đúng hoặc prompt chưa đủ tiêu chí đạt.
Chi phí tuần đầu thường là thời gian người xem lại, chưa phải hóa đơn phần mềm. Nếu chưa trả phí, ghi chi phí tiền là chưa phát sinh. Đừng cộng một khoản tưởng tượng vào báo cáo nội bộ.
Mức hài lòng hỏi người nhận, không hỏi người viết. Một câu là đủ: bản này có dùng được không, hay phải viết lại từ đầu. Nếu phải viết lại từ đầu ba lần liên tiếp, dừng và đổi việc khác. Không đổ thêm giờ để "chứng minh AI có ích".
Ví dụ minh họa cho người làm marketing
Đây là ví dụ minh họa, không phải số liệu của một công ty có thật. Một người phụ trách nội dung mỗi tuần viết lại đoạn giới thiệu ngắn cho ba bài trên blog nội bộ. Đầu vào là dàn ý đã duyệt. Đầu ra là một đoạn mở, giọng thống nhất, không hứa kết quả không có trong dàn ý.
Pain-point là đoạn mở bị viết theo ba giọng khác nhau tùy hôm bận hay không. Người xem lại là chính người phụ trách, vì người đó biết điều gì được phép nói về sản phẩm. AI nhận dàn ý và mẫu một đoạn mở cũ đã được duyệt. Người xem lại xóa mọi câu nghe như cam kết doanh số. Bài đăng chỉ đi khi người phụ trách bấm đăng.
Việc này giống cụm từ khóa "AI viết content" mà người đi làm hay tìm. Bài học không biến AI thành người viết thay cả chiến dịch. Nó chỉ nháp một đoạn đã có khuôn. Quảng cáo trả tiền, phát biểu với báo, và cam kết với khách hàng không nằm trong tuần đầu.
Ví dụ minh họa cho người làm kế toán
Cũng là ví dụ minh họa. Một kế toán viên phải nhắc các bộ phận gửi chứng từ trước ngày chốt. Email nhắc bị viết lại nhiều lần, đôi khi quên nêu loại chứng từ. Đầu vào là danh sách loại chứng từ được phép nêu trong email nội bộ, không kèm số tài khoản, không kèm mã số thuế của khách, không kèm file lương.
AI soạn email nhắc theo danh sách đó. Người xem lại là kế toán viên, vì người đó biết kỳ nào đang mở và bộ phận nào còn thiếu. Email không đính kèm hóa đơn điện tử mẫu có dữ liệu thật. Hóa đơn, tờ khai và bút toán vẫn do người có trách nhiệm xử lý trong phần mềm kế toán.
Thuế GTGT và hóa đơn điện tử là ngữ cảnh công việc tại Việt Nam, nhưng bài này không hướng dẫn kê khai. Nếu AI viết ra một mức thuế hoặc một hạn nộp, người xem lại phải coi đó là chữ cần kiểm tra, không phải kết luận. Bài nền tảng không cung cấp biểu thuế. Không điền số liệu tưởng tượng vào email gửi nội bộ.
Việc nên làm trong bảy ngày
Ngày đầu, cả nhóm viết một câu: việc nào lặp lại nhiều nhất mà sai thì sửa được trong ngày. Chọn một việc, không chọn năm. Ghi đầu vào, đầu ra, và tên người xem lại.
Ba ngày tiếp theo, làm việc đó với bản nháp của AI. Mỗi lần ghi phút làm và một câu người nhận phản hồi. Không thêm công cụ mới giữa chừng, kẻo không biết thay đổi đến từ việc hay từ phần mềm.
Cuối tuần, ngồi mười phút. Nếu thời gian giảm và người nhận còn dùng được bản đã sửa, giữ việc này và viết thành checklist một trang. Nếu không, đổi pain-point, đừng đổi định nghĩa AI-First. Định nghĩa vẫn là quy trình trước, công cụ sau.
Những câu hay gây hiểu nhầm
"Cài xong là AI-First" làm team mệt vì không có việc mẫu. "Để AI tự gửi cho khách" bỏ mất Human Operator. "Đo sau khi đã mua cả năm" khiến chi phí đi trước kết quả. "Lấy số liệu trên mạng để báo cáo nội bộ" tạo ra những con số không có trong bài học và không có trong sổ của công ty.
Một nhầm lẫn nữa là đem dữ liệu khách vào công cụ công cộng để "cho AI hiểu việc". Bài an toàn dữ liệu nói rõ không dán dữ liệu nhạy cảm. Muốn AI hiểu việc, hãy đưa cấu trúc của việc: các bước, các mục cần có, một ví dụ đã xóa hết tên và số. Đó vẫn là AI-First, và vẫn an toàn hơn.
Đem vào khóa học
Nếu các câu trên còn lạ, hãy học bài AI-First là gì trong khóa AI-First Foundations, rồi mới sang Marketing AI, Kế toán AI hoặc Kinh doanh AI. Khóa nghề giả định bạn đã biết pain-point, người xem lại, và cách không đưa dữ liệu cấm vào ô chat.
Nguồn: bài "AI-First là gì?" trong khóa AI-First Foundations trên Học viện ITUpX. Bài SEO này viết lại từ nội dung bài học đó. Không có transcript video bên ngoài, nên không nhúng video. Số liệu cụ thể của từng công ty phải tự đo, không lấy từ bài này.
Học tiếp tại Học viện ITUpX.
Cách chọn việc nên giao cho AI
Bài "Lựa chọn use-case 80/20" trong khóa AI-First Foundations đưa một quy tắc gọn: ưu tiên việc có tần suất cao, thời gian tiết kiệm nhìn thấy được, và rủi ro thấp. Bài SEO này viết lại quy tắc đó cho người đang chọn việc đầu tiên để giao cho AI, trong một văn phòng tại Việt Nam.
Nhiều team thất bại không phải vì prompt dở, mà vì chọn nhầm việc. Việc quá hiếm thì không có gì để luyện. Việc quá rủi ro thì một bản nháp sai gây hậu quả mà người xem lại không kịp chặn. Quy tắc 80/20 ở đây không phải công thức toán. Nó là cách loại việc.
Ba điều kiện cùng lúc
Tần suất cao nghĩa là việc xuất hiện nhiều lần trong tuần, không phải một lần mỗi quý. Soạn thông báo nội bộ, tóm tắt họp giao ban, viết checklist bàn giao ca, trả lời câu hỏi FAQ mà đồng nghiệp hỏi đi hỏi lại: đó là kiểu việc bài học nêu.
Thời gian tiết kiệm phải nhìn thấy trên chính việc đó. Nếu phải xây một dự án hai tháng rồi mới "hy vọng đỡ việc", đó chưa phải use-case tuần đầu. Hãy chọn việc mà bản nháp ra trong cùng buổi làm việc.
Rủi ro thấp nghĩa là sai thì sửa được, người bị ảnh hưởng là đồng nghiệp, và chưa đụng tiền của khách, chữ ký, tờ khai, hay dữ liệu cá nhân. Rủi ro thấp không có nghĩa là việc vô thưởng vô phạt. Email nhắc lịch sai giờ vẫn khó chịu, nhưng sửa được trước khi gửi nếu có người xem lại.
Thiếu một trong ba điều kiện thì chưa ưu tiên. Việc ngày nào cũng làm nhưng đụng bảng lương là tần suất cao và rủi ro cao. Việc an toàn nhưng chỉ làm mỗi dịp tổng kết năm là rủi ro thấp và tần suất thấp. Cả hai đều chưa phải việc mở đầu.
Bộ lọc một trang giấy
Lấy danh sách việc trong tuần của bạn. Với mỗi việc, trả lời ba câu có hoặc không. Việc này có lặp lại ít nhất ba lần trong tuần không. Kết quả có phải là văn bản hoặc checklist mà người khác đọc được không. Nếu bản nháp sai và chưa gửi đi, hại có nằm trong tầm sửa của bạn không.
Việc nào được ba lần có thì giữ. Nếu còn nhiều hơn một việc, chọn việc mà người xem lại đã được chỉ định sẵn. Chưa có tên người xem lại thì chưa làm, dù việc nghe hấp dẫn.
Đừng chấm điểm bằng cảm giác "việc này trông hiện đại". Bài học không dùng tiêu chí đó. Một checklist bàn giao ca nghe nhàm lại đúng quy tắc hơn một ý tưởng làm agent tự trả lời khách.
Bốn ví dụ đúng hướng
Soạn email nội bộ theo một mục đích đã rõ: nhắc họp, nhắc hạn nộp tài liệu, xác nhận đã nhận việc. Đầu vào là các ý bắt buộc. Đầu ra là một email ngắn. Người xem lại đọc một lượt rồi gửi.
Tóm tắt cuộc họp khi đã có ghi chú thô. AI xếp lại thành quyết định, việc cần làm, người làm, hạn. Người đã ngồi họp gạch những câu AI thêm vào mà họp không nói. Bản tóm tắt chỉ gửi sau bước gạch đó.
Checklist cho một việc lặp, ví dụ chuẩn bị một buổi demo nội bộ hoặc đóng gói hồ sơ bàn giao. AI đề xuất các mục. Người từng làm việc đó xóa mục thừa và thêm mục chỉ team mình mới biết, như tên thư mục trên ổ chung.
FAQ nội bộ: câu hỏi đồng nghiệp mới hay hỏi về cách đặt phòng, cách xin mẫu văn bản, cách tìm file quy định. AI nháp câu trả lời từ tài liệu đã được phép dùng. Người phụ trách quy định duyệt từng câu trước khi dán vào trang nội bộ.
Ví dụ minh họa ở phòng marketing
Ví dụ minh họa, không phải ca thật. Người viết nội dung mỗi tuần biến một dàn ý đã duyệt thành ba đoạn mô tả ngắn cho cùng một chủ đề, để đăng ở những chỗ khác nhau. Tần suất cao. Thời gian viết lại nhìn thấy trong buổi. Rủi ro thấp nếu chưa đăng và không kèm lời hứa về doanh số.
Việc không chọn ở tuần đầu: tự đặt ngân sách quảng cáo, tự trả lời bình luận của khách trên fanpage bằng AI không người xem, tự viết landing page cam kết kết quả. Những việc đó có thể là việc của khóa Marketing AI sau này, khi đã có người duyệt và có quy tắc thương hiệu. Chúng không phải use-case mở màn.
Ví dụ minh họa ở phòng kế toán
Ví dụ minh họa. Kế toán viên viết thư nhắc các bộ phận nộp chứng từ đúng loại, không kèm số tiền, không kèm mã số thuế, không kèm file hóa đơn điện tử của một khách cụ thể. Tần suất cao mỗi kỳ. Người xem lại là kế toán viên trước khi bấm gửi.
Việc không chọn: bảo AI đọc một folder hóa đơn thật rồi hạch toán, bảo AI tính thuế GTGT cho một kỳ rồi nộp, bảo AI đối soát số dư ngân hàng từ file sao kê gốc. Đầu vào đã là dữ liệu nhạy cảm. Rủi ro không thấp. Bài an toàn dữ liệu và bài chọn use-case cùng loại các việc này khỏi tuần đầu.
Nếu AI trong lúc nháp email nhắc mà viết thêm một hạn nộp thuế hoặc một mức thuế, người xem lại xóa câu đó. Bài học không cung cấp lịch thuế. Một câu nghe chắc không làm cho nó đúng.
Ví dụ minh họa ở phòng kinh doanh
Ví dụ minh họa. Nhân viên kinh doanh tóm tắt một cuộc trao đổi nội bộ thành các ý cần hỏi thêm ở lần gặp sau. Không dán bảng giá nội bộ, không dán số điện thoại khách, không dán điều khoản chiết khấu. Rủi ro thấp vì tài liệu chỉ nằm trong team và người phụ trách đọc lại.
Việc không chọn ở tuần đầu: AI tự gửi báo giá, AI tự hứa thời gian giao hàng, AI tự cập nhật trạng thái thắng thua trên CRM rồi thông báo cho giám đốc. Những việc đó đụng cam kết với khách. Khóa Kinh doanh AI có thể đi sâu hơn sau khi team đã có thói quen xem lại bản nháp.
Khi ba điều kiện không đủ để chốt
Đôi khi hai việc đều qua bộ lọc. Hãy chọn việc có đầu vào sạch hơn. Đầu vào sạch là tài liệu không có tên khách, không có số tài khoản, không có lương, không có mật khẩu. Việc kia dù lặp nhiều vẫn chờ đến khi có cách xóa dữ liệu nhạy cảm trước khi dán.
Một dấu hiệu nữa: việc nào mà người nhận nói "đưa tôi bản nháp cũng được, tôi sẽ sửa" thì dễ thành công hơn việc người nhận cần một văn bản hoàn chỉnh ngay lần đầu. Tuần đầu cần vòng sửa ngắn, không cần hoàn hảo.
Ghi quyết định chọn việc
Viết bốn dòng và để nơi cả team đọc được. Tên việc. Vì sao đủ ba điều kiện. Tên người xem lại. Những thứ không được dán vào AI. Bốn dòng này chính là bối cảnh cho prompt sau này. Không có bốn dòng, prompt sẽ bị viết theo cảm hứng từng lần và không so được.
Sau một tuần, xem lại bốn dòng. Nếu việc thực tế không lặp như đã tưởng, đổi việc, đừng đổi quy tắc. Nếu người xem lại không có giờ đọc, việc đó quá tải cho tuần đầu dù nghe có lý. Chọn một việc nhỏ hơn.
Một cuộc họp chọn việc kéo mười phút
Ngồi với người sẽ xem lại bản nháp. Đọc danh sách việc trong tuần, không mở công cụ AI trong mười phút này. Gạch việc nào đụng khách hàng, tiền thật, chữ ký, tờ khai. Phần còn lại chạy qua ba câu có hoặc không. Việc được cả ba câu có thì ghi tên lên một dòng. Nếu không còn việc nào, kết luận của buổi là chưa có use-case tuần đầu, không phải là team thiếu ý chí.
Khi đã có một dòng, thử nói đầu vào thành tiếng. Nếu đầu vào chỉ nói được khi cầm file dữ liệu thật, việc đó rơi lại nhóm chưa làm. Nếu đầu vào nói được bằng các mục và một ví dụ đã xóa số, việc đó sống được. Buổi họp kết thúc khi có tên việc, tên người xem lại, và danh sách thứ không được dán. Ba thứ này mang sang bài Prompt DNA.
Đừng biến buổi này thành buổi trình diễn công cụ. Người xem một bản demo dễ gật, rồi thứ Hai không ai có việc cụ thể. Một dòng việc trên giấy có ích hơn một buổi demo.
Nguồn và bước học tiếp
Nguồn: bài "Lựa chọn use-case 80/20" trong khóa AI-First Foundations trên Học viện ITUpX. Bài viết mở rộng cách áp dụng, không thêm số liệu tiết kiệm của bất kỳ công ty nào. Không có transcript video bên ngoài nên không nhúng video.
Khi đã chọn được một việc, học tiếp bài Prompt DNA để hỏi AI cho đúng việc đó. Đường vào khóa: Học viện ITUpX.
Prompt DNA gồm sáu thành phần
Prompt DNA, theo bài cùng tên trong khóa AI-First Foundations, gồm sáu phần: vai trò, bối cảnh, nhiệm vụ, ràng buộc, định dạng và tiêu chí đạt. Bài này viết lại sáu phần đó thành cách soạn một prompt dùng được ở văn phòng, không phải một câu "hãy viết giúp tôi".
Một prompt thiếu phần nào thì bản nháp lệch phần đó. Thiếu vai trò thì giọng văn trôi. Thiếu bối cảnh thì AI đoán ngành. Thiếu nhiệm vụ thì nó làm rộng hơn việc bạn cần. Thiếu ràng buộc thì nó bịa hoặc đụng vùng cấm. Thiếu định dạng thì bạn mất thời gian cắt dán. Thiếu tiêu chí đạt thì không ai biết bản nào là dùng được.
Vai trò: AI đang đóng vai ai
Vai trò là câu đầu tiên, ngắn. "Bạn là người nháp email nội bộ cho một công ty tại Việt Nam." Vai trò không phải là bảo AI "hãy trở thành chuyên gia hàng đầu thế giới". Câu đó không giúp người xem lại. Vai trò đúng giúp AI giữ một giọng và một phạm vi.
Với việc kế toán nội bộ, vai trò có thể là người nháp thư nhắc chứng từ. Không phải vai trò người ký tờ khai, không phải kiểm toán viên đưa ý kiến. Với marketing, vai trò là người nháp đoạn mở từ dàn ý đã có. Không phải vai trò người cam kết doanh số.
Bối cảnh: việc đang xảy ra ở đâu
Bối cảnh là những sự thật bạn cung cấp, không phải sự thật bạn bảo AI tự nghĩ. Ai đọc bản nháp. Việc này lặp theo ngày hay theo tuần. Công ty đang dùng tiếng Việt. Kết quả chỉ để nội bộ.
Đưa bối cảnh bằng cấu trúc, không bằng dữ liệu cấm. "Email nhắc ba loại chứng từ: hợp đồng đã ký, hóa đơn đầu vào được phép lưu nội bộ, và biên bản nghiệm thu" là cấu trúc. Dán luôn file hóa đơn điện tử của một khách là dữ liệu. Bài an toàn dữ liệu và bài Prompt DNA đi cùng nhau ở điểm này.
Nếu bối cảnh thiếu, AI sẽ điền bằng ví dụ nước ngoài hoặc bằng một mức thuế nó nhớ ở nơi khác. Với công việc tại Việt Nam, hãy nói rõ tiền tệ là VND khi việc có nói đến tiền, và nói rõ là không được bịa mức thuế GTGT hay hạn nộp. Người xem lại vẫn phải kiểm tra mọi con số.
Nhiệm vụ: một việc, một lần hỏi
Nhiệm vụ là động từ cụ thể. "Tóm tắt ghi chú họp thành quyết định và việc cần làm." "Viết email nhắc lịch dưới 120 từ." Đừng giao năm nhiệm vụ trong một prompt ở tuần đầu. Khi sai, bạn không biết phần nào gây sai.
Nhiệm vụ bám đúng use-case đã chọn: tần suất cao, tiết kiệm thời gian, rủi ro thấp. Nếu nhiệm vụ là "lập chiến lược cả năm" thì bạn đã rời bài chọn use-case. Hãy quay lại việc nhỏ hơn.
Ràng buộc: những gì không được làm
Ràng buộc là phần hay bị bỏ và cũng là phần cứu bản nháp. Viết câu cấm rõ. Không thêm sự kiện không có trong đầu vào. Không nêu tên khách. Không nêu số tài khoản, lương, mã số thuế, số điện thoại. Không hứa kết quả kinh doanh. Không hướng dẫn nộp thuế. Không bịa số liệu. Chỗ thiếu thì ghi là thiếu, không điền cho đủ bài.
Ràng buộc tốt đọc như checklist của người xem lại. Khi AI vi phạm một dòng, người xem lại biết phải xóa dòng nào. Ràng buộc yếu kiểu "hãy cẩn thận" không chỉ ra câu nào cần xóa.
Định dạng: bản nháp trông như thế nào
Định dạng giúp bạn đỡ sửa hình thức. Email thì có lời chào, thân, lời kết. Tóm tắt họp thì có ba mục: quyết định, việc, câu hỏi còn mở. Checklist thì mỗi dòng bắt đầu bằng một động từ. FAQ thì mỗi ý là một câu hỏi và một câu trả lời ngắn.
Nói cả độ dài khi độ dài có ích. "Dưới 150 từ" là định dạng. "Viết thật hay" không phải định dạng. Với team dùng lại prompt, định dạng thống nhất còn giúp người khác đọc bản nháp của nhau.
Tiêu chí đạt: thế nào là dùng được
Tiêu chí đạt trả lời câu: người xem lại dựa vào đâu để nhận bản này. Ví dụ với email nhắc lịch: có đủ giờ, địa điểm, người cần có mặt, không có câu nào ngoài các ý đã đưa, giọng lịch sự, người nhận là đồng nghiệp. Ví dụ với tóm tắt họp: mọi quyết định trong bản đều có trong ghi chú gốc, không có quyết định mới, mỗi việc có một người làm nếu ghi chú đã nêu tên.
Tiêu chí đạt không thay người xem lại. Nó giúp người đó khỏi tranh luận cảm tính "bản này ổn không". Nếu một tiêu chí không kiểm được, bỏ tiêu chí đó. "Văn phong chuyên nghiệp" nên đổi thành một dấu hiệu nhìn thấy, ví dụ không dùng từ tiếng lóng, có lời chào.
Một prompt mẫu cho email nội bộ
Bạn là người nháp email nội bộ. Bối cảnh: email gửi đồng nghiệp trong công ty, tiếng Việt, không gửi cho khách. Nhiệm vụ: viết email nhắc họp từ các ý ở dưới. Ràng buộc: không thêm địa điểm, giờ hay người nếu ý không nêu; không bịa; không ghi số điện thoại. Định dạng: lời chào, tối đa năm câu ở thân, một câu kết. Tiêu chí đạt: đủ các ý đã đưa, dưới 120 từ, không có tên khách hàng. Các ý: 9 giờ thứ Năm, phòng họp tầng 3, mang theo dàn ý chiến dịch nội bộ.
Prompt này cố ý không có dữ liệu khách. Người xem lại vẫn đọc lại trước khi gửi, vì Human Operator là một phần của bài AI-First, không phải phần tùy chọn.
Một prompt mẫu cho tóm tắt họp
Bạn là người tóm tắt ghi chú họp nội bộ. Bối cảnh: bản ghi chú thô ở dưới là nguồn duy nhất. Nhiệm vụ: tách thành quyết định, việc cần làm, câu hỏi còn mở. Ràng buộc: không thêm quyết định; nếu ghi chú không nói ai làm thì ghi "chưa giao"; không suy ra số liệu. Định dạng: ba đề mục. Tiêu chí đạt: mỗi quyết định truy được về một câu trong ghi chú. Ghi chú: dán bản đã xóa tên khách và số tiền.
Nếu ghi chú gốc đầy tên khách, đừng dán để "tiện". Xóa trước, hoặc tóm tắt bằng tay phần nhạy cảm. Prompt hay không cứu được một đầu vào cấm.
Luyện năm prompt cho đúng việc của team
Bài học nói luyện năm prompt chuẩn cho team. Năm prompt đó không phải năm câu ngẫu nhiên. Là năm việc đã qua bộ lọc use-case. Mỗi việc một prompt đủ sáu phần, để ở nơi chung, người khác dùng lại được. Khi sửa prompt, sửa vì tiêu chí đạt bị trượt, không sửa vì mỗi người thích một giọng.
Tuần đầu, một prompt tốt còn hơn năm prompt bỏ dở. Khi prompt đầu đã có người thứ hai dùng lại mà vẫn ra bản người xem lại chấp nhận, hãy viết prompt thứ hai.
Sửa prompt theo lỗi nhìn thấy
Sau vài lần dùng, đừng viết lại prompt từ đầu vì thấy "chưa hay". Hãy xếp các chỗ người xem lại phải sửa vào đúng phần trong sáu phần. Thêm sự kiện không có trong đầu vào là lỗi ràng buộc. Giọng lệch, quá khách sáo hoặc quá suồng sã, là lỗi vai trò hoặc lỗi tiêu chí đạt. Bản nháp thiếu mục quyết định là lỗi định dạng. AI hỏi lại những điều bạn tưởng nó biết là lỗi bối cảnh. Làm thêm việc bạn không giao là lỗi nhiệm vụ.
Mỗi lần sửa, chỉ sửa một phần rồi dùng lại đúng việc cũ. Sửa hai phần cùng lúc thì không biết phần nào làm bản sau khá hơn. Giữ bản prompt cũ một dòng trong trang chung, kèm ngày, để người khác không dùng nhầm bản đã bỏ.
Nếu sửa ba lần mà tiêu chí đạt vẫn trượt, hãy nghi ngờ việc đã chọn chứ không chỉ nghi prompt. Có những việc không thành prompt tuần đầu vì đầu vào không sạch hoặc vì người xem lại không có tiêu chí nhìn thấy được. Lúc đó quay lại bài chọn use-case, mang theo các bản đã bị sửa để chỉ ra lỗi lặp.
Nguồn
Nguồn: bài "Prompt DNA" trong khóa AI-First Foundations trên Học viện ITUpX. Sáu thành phần lấy đúng từ bài học. Các prompt mẫu ở trên là ví dụ minh họa cho email và biên bản nội bộ, không phải biểu mẫu của một doanh nghiệp cụ thể. Không có transcript video bên ngoài nên không nhúng video.
Học bài gốc và các bài quanh nó tại Học viện ITUpX.
Dữ liệu không được dán vào AI
Bài "An toàn và dữ liệu" trong khóa AI-First Foundations nói một việc cụ thể: không dán dữ liệu cá nhân và dữ liệu khách hàng nhạy cảm vào mô hình công cộng. Phải phân loại dữ liệu, dùng công cụ có kiểm soát truy cập, và ghi lại những quyết định quan trọng. Bài SEO này viết lại các ý đó cho người đang mở ô chat ở công ty.
Phần lớn sự cố tuần đầu không đến từ một prompt dở. Chúng đến từ một lần dán cho nhanh: file lương, sao kê, danh sách khách, hợp đồng còn số, ảnh giấy tờ. Bản nháp có thể hay. Dữ liệu thì đã ra khỏi chỗ đáng lẽ nó nằm.
Mô hình công cộng là gì trong bài học
Bài học nói về mô hình công cộng, nơi bạn không kiểm soát được ai được xem nội dung đã dán và dữ liệu có được giữ lại hay không. Tài khoản cá nhân đăng ký bằng email tư, dùng cho việc công ty, thường rơi vào nhóm này. Bài học không liệt kê thương hiệu. Vì vậy bài này cũng không kết luận hộ bạn rằng một tên sản phẩm cụ thể là an toàn. Người phụ trách công cụ của công ty phải trả lời câu đó.
Trước khi có câu trả lời, cách làm mặc định của bài học là không dán dữ liệu nhạy cảm. Không chờ một bài đánh giá hoàn hảo rồi mới kiềm tay. Việc nháp email, tóm tắt họp, checklist và FAQ vẫn làm được với đầu vào đã làm sạch.
Phân loại trước khi dán
Hãy chia dữ liệu trên bàn làm việc thành ba nhóm, đủ dùng cho tuần đầu. Nhóm được đưa vào ô chat: cấu trúc của việc, mẫu câu đã duyệt, ghi chú đã xóa tên và số, quy định nội bộ không mật. Nhóm chỉ dùng trên công cụ công ty có phân quyền: file khách hàng, hợp đồng, hóa đơn điện tử, sao kê, dữ liệu CRM. Nhóm không đưa vào bất kỳ ô chat nào cho đến khi có quy định riêng: lương, giấy tờ tùy thân, mật khẩu, mã xác thực, hồ sơ bệnh, dữ liệu trẻ em.
Nếu bạn không chắc một file thuộc nhóm nào, hãy coi nó thuộc nhóm chặt hơn. Sự chắc chắn không đến từ việc "file này chỉ vài dòng". Một dòng vẫn có thể là số tài khoản.
Làm sạch một bản ghi chú họp
Ghi chú thô thường lẫn tên khách, số tiền và lời hứa. Trước khi nhờ AI tóm tắt, thay tên khách bằng "khách A", xóa số tiền hoặc thay bằng "số tiền đã thống nhất trong họp", xóa số điện thoại. Giữ lại quyết định và việc cần làm. AI tóm tắt trên bản đã làm sạch. Người đã dự họp đối chiếu lại với ghi chú gốc, bản gốc không rời khỏi máy được phép lưu.
Cách này chậm hơn dán thẳng một lần. Nó đúng bài học. Tuần đầu chấp nhận chậm ở bước làm sạch để khỏi đưa dữ liệu ra ngoài.
Hóa đơn, thuế và chứng từ
Hóa đơn điện tử, mã số thuế, thông tin tài khoản và bảng kê thuế là dữ liệu kế toán, không phải ví dụ để thử prompt. Không dán chúng vào mô hình công cộng để "nhờ AI kiểm tra giúp". Người làm kế toán vẫn đối chiếu trong phần mềm và quy trình của công ty.
AI có thể nháp một email nhắc đồng nghiệp về loại chứng từ cần nộp, nếu email không kèm dữ liệu thật. Khi trong bản nháp xuất hiện một mức thuế GTGT hoặc một hạn nộp, hãy coi đó là chữ cần xóa hoặc cần người phụ trách kiểm tra. Bài nền tảng không phải văn bản hướng dẫn thuế. Một câu viết trôi chảy không trở thành căn cứ kê khai.
Tiền trong ví dụ nội bộ, nếu bắt buộc phải có để luyện prompt, hãy dùng số giả và ghi rõ là ví dụ minh họa, đơn vị VND. Đừng lấy số dư thật rồi làm tròn.
Công cụ có kiểm soát truy cập
Bài học yêu cầu công cụ có kiểm soát truy cập khi việc đã vượt quá ô chat công cộng. Kiểm soát truy cập nghĩa là công ty biết ai được vào, ai đã bị cắt quyền khi nghỉ việc, và nội dung không nằm trên tài khoản cá nhân. Nếu công ty chưa có công cụ như vậy, giới hạn việc AI ở nhóm dữ liệu được phép dán. Đừng lấy tài khoản cá nhân để xử lý file khách cho "xong việc hôm nay".
Tài khoản dùng chung một mật khẩu cho cả phòng không phải là kiểm soát truy cập. Khi có sự cố, không biết ai đã dán gì. Mỗi người một quyền, hoặc chưa làm việc đó với AI.
Ghi lại quyết định quan trọng
Bài học nói log quyết định quan trọng. Với tuần đầu, quyết định quan trọng không phải là mọi câu AI đã viết. Là những lựa chọn như: việc nào được phép dùng AI, dữ liệu nào bị cấm, ai là người xem lại, bản nào đã được gửi ra ngoài team.
Một trang nội bộ là đủ. Ngày, việc, người xem lại, dữ liệu đã loại bỏ trước khi dán. Trang này giúp người mới không hỏi lại từ đầu và giúp quản lý biết team đang làm gì. Nó cũng là chỗ nhìn lại khi một bản nháp bị gửi nhầm: dữ liệu trong đó thuộc nhóm nào.
Những lý do hay được dùng để dán cho nhanh
"Chỉ là một khách thôi" vẫn là dữ liệu khách. "File đã có mật khẩu nén" không đổi việc bạn đang giải nén rồi dán nội dung. "Tôi tin công cụ này" là cảm giác cá nhân, chưa phải phân loại của công ty. "Xóa sau khi chat" không kéo lại bản đã gửi đi. "Sếp bảo thử đi" vẫn cần một ranh giới: thử trên dữ liệu giả hoặc dữ liệu đã làm sạch.
Không cần biến các câu này thành một cuộc tranh luận dài. Chỉ cần chỉ vào ba nhóm dữ liệu và hỏi file đang cầm thuộc nhóm nào.
Việc làm được ngay trong buổi làm việc
Mở một việc bạn định nhờ AI. Gạch mọi tên người, mọi số, mọi mã. Nếu sau khi gạch mà việc vẫn nháp được, đó là việc an toàn theo bài học. Nếu gạch xong thì không còn gì để nháp, việc đó chưa thuộc tuần đầu. Hãy làm việc khác, hoặc chờ công cụ có kiểm soát truy cập.
Cuối buổi, viết một dòng vào trang log: hôm nay đã nháp việc gì, đã loại dữ liệu gì, ai đã xem lại. Một dòng đều mỗi ngày có ích hơn một quy chế dài mà không ai mở.
Khi đồng nghiệp nhờ dán hộ
Có người sẽ đưa một file và nói "nhờ hỏi AI giúp cho nhanh". Người nhận file không vì thế được quyền dán. Hãy hỏi file thuộc nhóm nào và ai sẽ xem lại bản nháp. Nếu người nhờ không trả lời được, việc dừng ở đó. Bạn có thể nháp giúp trên một bản đã xóa hết số và tên, rồi trả bản nháp cùng với câu: file gốc không được đưa vào ô chat.
Cách từ chối này ngắn và bám bài học. Nó không cần tranh luận công cụ nào tốt hơn. Nó chỉ giữ đúng ba nhóm dữ liệu đã phân loại.
Checklist trước khi dán
Đọc một lượt trước khi bấm gửi trong ô chat. Trong đoạn chữ này có tên người thật không. Có số điện thoại, email khách, số tài khoản, số lương, mã số thuế, số hóa đơn không. Có mật khẩu hoặc mã xác thực không. Có ảnh giấy tờ không. Nếu có bất kỳ mục nào, dừng và làm sạch hoặc chuyển việc sang công cụ được công ty cho phép.
Rồi hỏi một câu về nơi nhận. Tài khoản đang dùng là tài khoản cá nhân hay tài khoản công ty có phân quyền. Nếu là tài khoản cá nhân, chỉ gửi nhóm dữ liệu đã được phép đưa vào ô chat công cộng. Không tự nâng mức cho phép vì việc đang gấp.
Sau khi có bản nháp, kiểm tra chiều ngược lại. Bản nháp có bịa một con số, một hạn nộp, một mức thuế mà đầu vào không có không. Nếu có, xóa trước khi người khác kịp chép đi. Cuối cùng ghi một dòng log: việc gì, đã loại gì, ai xem lại. Checklist này ngắn hơn một quy chế, và làm được trong buổi đầu tiên.
Nguồn
Nguồn: bài "An toàn và dữ liệu" trong khóa AI-First Foundations trên Học viện ITUpX. Bài viết không đánh giá một nhà cung cấp cụ thể và không thay văn bản pháp lý của công ty. Không có transcript video bên ngoài nên không nhúng video.
Học bài gốc tại Học viện ITUpX.
Cách đo việc dùng AI trong tuần đầu
Bài "Đo adoption tuần 1" trong khóa AI-First Foundations đưa ba tín hiệu cho bảy ngày đầu: số người thực sự dùng, số prompt hoặc mẫu được dùng lại, và số phút tiết kiệm trong tuần. Bài này viết lại cách ghi ba tín hiệu đó mà không bịa chỉ tiêu, không biến một tuần thử thành một báo cáo thành tích.
Adoption ở đây không phải cảm giác "team đã biết AI". Là dấu hiệu nhìn thấy: có người làm việc đã chọn, có mẫu được mở lại, có phút được ghi. Thiếu dấu hiệu nào thì ghi là chưa đo được dấu hiệu đó.
Vì sao chỉ đo một tuần
Tuần đầu còn đang chọn việc và sửa prompt. Đo cả quý lúc này trộn lẫn việc đổi công cụ, việc đổi người, và việc ngày lễ. Bảy ngày đủ để biết một pain-point có sống được không. Không đủ để kết luận cả phòng đã chuyển sang AI-First. Kết luận nhỏ thôi: giữ việc này, sửa prompt, hoặc đổi việc.
Trước khi đo, việc phải qua quy tắc use-case và quy tắc dữ liệu. Đo một việc đang dán dữ liệu khách chỉ tạo ra một con số đẹp trên một việc không được phép. Hãy dừng việc đó, đừng tối ưu nó.
Người dùng thực sự
Người dùng thực sự là người đã làm xong một vòng: có bản nháp, có người xem lại, bản đã sửa được dùng cho việc thật trong nội bộ. Người chỉ mở tài khoản, người chỉ xem một video, người chỉ thử một câu đùa, chưa tính.
Với team nhỏ, hãy ghi tên. Với team lớn hơn, ghi số người và tên việc, không cần ghi nội dung bản nháp lên bảng chung nếu bản đó từng có dữ liệu nhạy cảm. Bảng đo chỉ cần: ngày, tên việc, có bản được dùng hay không.
Mục tiêu tuần đầu không phải mọi người trong phòng đều có mặt trên bảng. Bài học không đưa một tỷ lệ phần trăm bắt buộc. Nếu chỉ một người làm đủ vòng và người thứ hai dùng lại được mẫu của người đó, đó là tín hiệu dùng lại, quý hơn một phòng cùng mở tài khoản trong một buổi giới thiệu.
Prompt và mẫu được dùng lại
Một prompt được dùng lại khi người khác, hoặc chính người đó ở lần sau, mở đúng bản sáu phần đã lưu chứ không viết câu mới từ đầu. Đếm số lần mở lại trong tuần. Nếu mỗi lần là một prompt mới, team chưa có mẫu. Lúc đó số bản nháp có thể cao mà adoption vẫn thấp, vì không ai kế thừa được.
Cách ghi đơn giản: đặt năm prompt, hoặc chỉ một prompt, trong một trang chung. Mỗi lần dùng, thêm một gạch. Cuối tuần đếm gạch. Không cần phần mềm theo dõi. Nếu trang chung không ai mở, sự thật là mẫu chưa đi vào việc, dù cuộc họp đã thống nhất "sẽ dùng AI".
Sửa mẫu khi tiêu chí đạt bị trượt nhiều lần, không sửa vì mỗi người muốn một câu mở đầu khác. Mỗi lần sửa, ghi một dòng ngày sửa và lý do. Đó cũng là log quyết định mà bài an toàn dữ liệu đã nói, ở mức nhỏ.
Phút tiết kiệm, và khi chưa có phút
Phút tiết kiệm bằng phút làm theo cách cũ trừ đi phút nháp cộng phút sửa. Chỉ so trên cùng một việc. Năm lần là đủ để thấy hướng, không cần đủ để làm báo cáo năm. Nếu chưa bấm giờ lần nào, viết "chưa đo phút". Đừng điền một số cho có.
Phút sửa tăng vọt là tín hiệu prompt thiếu tiêu chí đạt hoặc chọn nhầm việc, không phải tín hiệu để mua thêm công cụ. Hãy đọc các bản bị sửa nhiều và xem người xem lại xóa loại câu nào. Đưa loại câu đó vào phần ràng buộc.
Phút tiết kiệm không cộng với cảm giác. "Thấy nhanh hơn" chưa phải phút. Nếu team không muốn bấm giờ, hãy đếm số vòng làm xong trong cùng một buổi. Đó vẫn là quan sát, và phải ghi rõ là đếm vòng chứ không phải đếm phút, để khỏi lẫn đơn vị sau này.
Ba cột trên một trang
Lập một trang với ba cột. Cột người: ai đã có bản được dùng trong việc thật. Cột mẫu: prompt nào được mở lại, mấy lần. Cột thời gian: phút cũ, phút mới, hoặc chữ "chưa đo". Thêm một dòng chú thích việc đã chọn và tên người xem lại.
Cuối tuần đọc trang này trong mười phút. Giữ việc nếu có người thứ hai dùng được mẫu và bản nháp không bị viết lại từ đầu. Sửa prompt nếu có người dùng nhưng phút sửa cao. Đổi việc nếu cả tuần không có lần lặp nào, vì tần suất đã không đúng như lúc chọn.
Không thêm cột "mức độ hào hứng" vào trang này. Bài học không đo cảm xúc. Mức hài lòng, nếu muốn ghi, hỏi người nhận bản đã sửa: dùng được hay phải viết lại. Một câu đó gắn với ROI sớm của bài AI-First, và nó là câu của người nhận, không phải của người viết prompt.
Ví dụ minh họa một tuần của team nội dung
Ví dụ minh họa, không phải báo cáo của một công ty. Hai người viết đoạn mở từ dàn ý đã duyệt. Prompt sáu phần nằm trên trang chung. Người thứ nhất dùng bốn lần, người thứ hai dùng lại đúng prompt đó ba lần. Cả hai đều tự xem lại trước khi đưa đồng nghiệp đọc. Họ chưa bấm giờ ở hai ngày đầu, nên hai ngày đó ghi chưa đo phút. Ba ngày sau họ ghi phút. Trang cuối tuần có tên hai người, một prompt, bảy lần dùng lại, và phút của ba ngày. Không có con số tiết kiệm cả tháng, vì không đo cả tháng.
Họ không đưa vào bảng các lần thử viết slogan quảng cáo, vì việc đó chưa qua bộ lọc rủi ro. Bảng chỉ có một việc. Nhờ vậy khi nhìn bảy lần dùng lại, họ biết bảy lần đó là bảy lần của cùng một việc.
Ví dụ minh họa một tuần của nhóm hành chính kế toán
Ví dụ minh họa. Một kế toán viên nháp email nhắc loại chứng từ, không kèm số liệu. Một đồng nghiệp ở bộ phận khác dùng lại cùng mẫu để nhắc team mình. Người xem lại trước khi gửi vẫn là người soạn. Họ đếm được hai người và sáu lần dùng mẫu. Họ không đo phút vì cả tuần bận chốt sổ, và họ ghi đúng là chưa đo phút. Quyết định cuối tuần là giữ mẫu email, chưa mở thêm việc thứ hai, chưa đụng file hóa đơn.
Bảng này không có dòng "AI đã giúp quyết toán". Việc quyết toán không nằm trong use-case tuần đầu. Viết câu đó sẽ làm báo cáo nói về một việc team chưa làm.
Những cách đo làm báo cáo lệch
Đếm số tài khoản đã cấp. Con số đó đo phân phối tài khoản, không đo việc. Đếm số câu đã chat, gồm cả câu thử. Con số đó làm adoption trông cao. Lấy một phút tiết kiệm rồi nhân với số nhân viên của cả công ty. Phép nhân đó bịa ra một quy mô team chưa tham gia. So sánh với một con số trên mạng rồi ghi là kết quả của phòng mình. Bài học không có con số đó, phòng mình cũng chưa đo.
Một lệch nữa là đo trước khi có người xem lại. Bản nháp chưa qua người thì chưa phải đầu ra của quy trình AI-First. Đừng bấm giờ ở khúc AI trả lời rồi bỏ qua khúc sửa. Phút sửa là một phần của việc, không phải phần phụ.
Sau tuần đầu
Nếu ba cột đều có chữ, dù còn ô "chưa đo", team đã biết cách nhìn. Tuần sau chỉ thêm độ đều, chưa thêm năm việc mới. Nếu cột người chỉ có một tên và cột mẫu bằng không, hãy ngồi lại với prompt trước khi mời cả phòng. Nếu cột người bằng không, việc đã chọn không đi vào ngày làm việc. Đổi việc theo bài use-case, rồi mới đo tiếp.
Khóa nghề Marketing AI, Kế toán AI và Kinh doanh AI hữu ích hơn khi team đã có một tuần đo được. Chưa có tuần đó, hãy ở lại AI-First Foundations và làm cho xong một việc.
Nguồn
Nguồn: bài "Đo adoption tuần 1" trong khóa AI-First Foundations trên Học viện ITUpX. Ba tín hiệu lấy đúng từ bài học. Mọi con số trong các ví dụ minh họa đều được ghi là minh họa hoặc được cố ý không bịa. Không có transcript video bên ngoài nên không nhúng video.
Vào khóa tại Học viện ITUpX.