AI có thể làm rất nhiều phần việc trước đây tốn hàng giờ: viết code, tóm tắt tài liệu, tạo outline, phân tích log, viết email.
Rất nhiều người nói, kỹ năng quan trọng nhất là giải quyết vấn đề.
Nhưng giải quyết vấn đề thực sự là gì?
Giải quyết vấn đề bắt đầu từ kết quả
Trước khi hỏi AI, mình cần biết:
Kết quả mình muốn đạt là gì?
"Cải thiện bán hàng" → quá rộng.
"Tăng số người hoàn thành bước thanh toán" → cụ thể hơn.
"Fix hệ thống" → quá rộng.
"Tìm nguyên nhân job Jenkins fail ở bước Analyze" → cụ thể hơn.
Một mục tiêu được xác định đúng giúp phần còn lại dễ hơn rất nhiều.
Sau đó là tìm và thử các cách xử lý phù hợp nhất
Một vấn đề thường có nhiều cách tiếp cận.
Mình có thể nhờ AI brainstorm, nhưng vẫn cần ưu tiên cách nào thử trước dựa trên chi phí, rủi ro và mức độ khả thi.
Nếu cách đó chưa xử lý được vấn đề, chúng ta mới chọn cách tiếp theo và lặp lại. Giống như quy tắc mình học được từ người Nhật:
Plan → Do → Check → Act.
- Plan: Kết quả cần đạt là gì? Có thể làm gì? Ưu tiên gì trước?
- Do: Làm ngay phiên bản nhỏ nhất đủ để kiểm tra.
- Check: Kết quả có đạt chưa?
- Act: Cải thiện cách làm hiện tại hoặc thử cách khác.
AI là đòn bẩy trong vòng lặp
Trong Plan, AI giúp brainstorm và phân tích.
Trong Do, AI giúp viết code, nội dung hoặc automation.
Trong Check, AI giúp đọc log, tổng hợp feedback, phân tích dữ liệu trả về.
Trong Act, AI giúp đề xuất phương án tiếp theo.
Nhưng con người vẫn phải quyết định mục tiêu nào đáng theo đuổi và kết quả nào là chấp nhận được.
Với mình, giải quyết vấn đề không phải nghĩ thật lâu trước khi làm.
Nó là khả năng đặt đúng mục tiêu, thử nhanh, kiểm tra bằng thực tế và điều chỉnh liên tục.