Tác giả: @danbeksha
Biên soạn bởi: Peggy, BlockBeats
Ghi chú của biên tập viên: Trí tuệ nhân tạo đang thâm nhập vào các doanh nghiệp, nhưng câu hỏi thực sự không phải là "có nên sử dụng các tác nhân ảo hay không", mà là liệu các tác nhân ảo này có thể hiểu được chính công ty đó hay không.
Bài viết này sử dụng 100 ngày đầu tiên của tác giả tại Ramp làm điểm khởi đầu để thảo luận về một vấn đề cơ bản hơn: Một công ty có tốc độ phát triển nhanh không thể chỉ dựa vào việc người mới đọc tài liệu một cách chậm rãi, hỏi đồng nghiệp và tự bổ sung kiến thức, cũng như không thể để mỗi công cụ AI hoạt động độc lập. Yếu tố thực sự quan trọng là xây dựng một "bộ não công ty" được cập nhật liên tục, lắng đọng biên bản cuộc họp, tài liệu, thảo luận trên Slack, phản hồi của khách hàng và các quyết định về sản phẩm, đảm bảo cả người mới và các chuyên gia đều có thể bắt đầu từ cùng một bối cảnh chung.
Khi bối cảnh được hệ thống hóa, quá trình hội nhập không còn chỉ là một quá trình thích nghi kéo dài, và AI không còn chỉ là những công cụ riêng lẻ. Giá trị của AI doanh nghiệp cuối cùng có thể không nằm ở số lượng tác nhân được triển khai, mà ở việc liệu công ty có thể thiết lập được nền tảng kiến thức đáng tin cậy, dễ đọc và có thể tái sử dụng hay không.
Sau đây là văn bản gốc:
Trong nội dung chạy tiếp sức 4x100m, kết quả thường không được quyết định bởi toàn bộ cuộc đua, mà được gói gọn trong khu vực chuyển tiếp 20 mét. Các vận động viên phải hoàn thành việc chuyển tiếp gậy với tốc độ cao: nếu người nhận bắt đầu quá sớm, gậy sẽ rơi xuống đất; nếu người nhận bắt đầu quá muộn, vận động viên sẽ phải giảm tốc độ, và toàn đội sẽ ngay lập tức mất lợi thế. Nếu việc chuyển tiếp không đủ chính xác—bất kỳ sai sót nào về vị trí tay, góc độ hoặc thời gian—kết quả cũng có thể là gậy bị rơi.
Một đội có thể sở hữu cầu thủ nhanh nhất trên sân, nhưng vẫn thua trong 20 mét quyết định đó. Tốc độ rất quan trọng, nhưng khả năng chuyền bóng cũng vậy. Điều thực sự quyết định chiến thắng là liệu cả hai yếu tố đó có thể được thực hiện đồng thời hay không.
Mỗi lần bàn giao công việc mà tôi từng chứng kiến về cơ bản đều giống như một cuộc đua tiếp sức, trong đó là vẫn còn một vận động viên đứng ở vạch xuất phát. Nhân viên mới gia nhập vào thứ Hai, bắt đầu từ con số không; nhưng tổ chức không hề chậm lại, vẫn tiếp tục tiến về phía trước với tốc độ ban đầu. Vì vậy, nhân viên mới chỉ có thể dựa vào việc đọc tài liệu, theo dõi Slack, liên tục hỏi đi hỏi lại một vài câu hỏi giống nhau, và dành ba tháng để tìm hiểu cách thức hoạt động của tổ chức cho đến khi cuối cùng họ trở nên "có ích".
Chúng ta thường xem khoảng cách này như một vấn đề thời gian, như thể nếu có đủ thời gian, những người mới sẽ tự nhiên bắt kịp. Nhưng thực tế không phải vậy. Khoảng cách này hoặc sẽ được hệ thống thu hẹp hoặc sẽ tiếp tục tồn tại.
Bối cảnh chính là hệ thống chuyển giao công việc thực sự của một tổ chức.
Tôi đã làm việc tại Ramp được khoảng 100 ngày. Trước đó, tôi làm việc tại Plaid trong 5 năm, quen thuộc với mọi sản phẩm, mọi câu chuyện khách hàng và bối cảnh đằng sau mọi quyết định. Tôi có thể kể lại những câu chuyện đó mà không chút do dự. Nhưng khi đến Ramp, tôi hầu như không biết gì về những điều đó cả.
Cốt lõi của tiếp thị sản phẩm là kể chuyện. Nếu bạn không hiểu rõ nhân vật, cốt truyện và bối cảnh, bạn không thể thực sự kể câu chuyện một cách hay.
Ngay từ ngày đầu tiên, mục tiêu của tôi là xây dựng một tổ chức tiếp thị sản phẩm dựa trên trí tuệ nhân tạo. Nhưng để làm được điều này mà không có bối cảnh, trước tiên tôi phải mở rộng nền tảng kiến thức của chính mình—"lớp bối cảnh" làm nền tảng cho mọi công việc.
Ramp là một công ty nổi tiếng với tốc độ làm việc nhanh chóng. Không có chỗ cho việc "bắt kịp vào quý tới". Công ty liên tục ra mắt sản phẩm, cải tiến và tiến về phía trước mỗi tuần. Bạn hoặc phải theo kịp tốc độ này, hoặc sẽ trở thành gánh nặng chi phí cho tổ chức.
Trong khi đó, tôi cũng đang trải qua một giai đoạn hội nhập khác. Tốc độ làm việc vốn đã nhanh, nhưng trí tuệ nhân tạo (AI) đang thay đổi còn nhanh hơn nữa, và tôi phải học hỏi về một công ty mới và một hoàn cảnh làm việc mới cùng một lúc. Tôi không phải là kỹ sư; lần cuối cùng tôi mở máy tính là trong một lớp học khoa học máy tính ở đại học. Nói cách khác, tôi phải bắt kịp bối cảnh tổ chức đồng thời thích nghi với cách thức hoạt động mới của AI, và hai điều này chồng chéo lên nhau, càng làm tăng thêm độ khó.
Điều cuối cùng giải phóng tôi khỏi áp lực này không phải là việc hoàn thành một bài viết cụ thể, ra mắt một sản phẩm, hay làm việc theo một quy trình lần, mà chính là việc coi "bối cảnh" như một sản phẩm đầu ra. Một khi lớp bối cảnh được xây dựng đúng cách, tất cả các công việc tiếp theo sẽ trở nên ít tốn kém hơn.
Vì vậy, tôi bắt đầu xây dựng một thứ thực sự mở rộng: một hệ thống có thể giúp tôi bù đắp những kiến thức đã bỏ lỡ, giống như một wiki tốt giúp các nhà nghiên cứu. Đến tuần thứ ba, nó đã có thể soạn thảo nội dung dựa trên ghi chú của tôi; đến tuần thứ tám, nó đã có thể tóm tắt các hội nghị mà tôi đã bỏ lỡ. Việc học hỏi và bù đắp kiến thức không biến mất, nhưng khi hệ thống phát triển, chi phí của chúng giảm dần mỗi ngày.
Các phiên bản cá nhân của ý tưởng này thực chất đã tồn tại được một thời gian. Karpathy, cựu giám đốc AI tại Tesla và là một trong những thành viên sáng lập của OpenAI, đã viết một bài báo vào tháng Tư mô tả cái mà ông gọi là "cơ sở tri thức LLM cá nhân": một thư mục lưu trữ dữ liệu thô, bao gồm các bài báo, bài viết, bản ghi chép và ghi chú cá nhân; một hệ thống LLM tạo ra một wiki dựa trên những tài liệu này; và một trình soạn thảo như Obsidian làm giao diện người dùng. Khi dữ liệu tích lũy đến khoảng 100 bài viết, hệ thống LLM có thể trả lời các câu hỏi phức tạp dựa trên kho dữ liệu cá nhân mà không cần đến các kỹ thuật tìm kiếm phức tạp.
Ông đánh giá rằng đây là cơ hội để tạo ra một sản phẩm mới thực sự xuất sắc, chứ không phải chỉ là một loạt các kịch bản được ghép nối vội vàng.
Phiên bản cá nhân đã có sẵn. Nhưng phiên bản dành cho công ty thì chưa. Đó là vấn đề.
Nói một cách khái quát, đây là hệ thống mà tôi đã xây dựng trong 100 ngày đầu tiên làm việc. Lúc đó chúng chưa thực sự tinh vi, nhưng cùng nhau chúng tạo thành "mối liên kết" trong toàn bộ tổ chức.
Cốt lõi của nó là một kho lưu trữ Obsidian, nơi Claude đọc và ghi chép. Biên bản hội nghị, tài liệu, quan điểm công chúng và ghi chú cá nhân mà tôi bắt gặp đều được đưa vào cơ sở tri thức này. Khi tôi hỏi, "Chính xác thì Geoff và tôi đã quyết định điều gì về trang chủ ba tuần trước?", nó sẽ tìm câu trả lời trong kho lưu trữ này, thay vì dựa vào bộ nhớ tổng quát của mô hình.
Để liên tục cung cấp nội dung vào kho lưu trữ này, Granola mặc định ghi lại mọi cuộc họp và lưu trữ bản ghi chép vào ban đêm. Vì vậy, một cuộc họp tôi bỏ lỡ vào thứ Hai đã có sẵn vào thứ Tư. Để đảm bảo những người khác trong công ty có thể theo kịp, tôi đã chọn công khai công việc của mình—hầu hết những gì tôi đang xây dựng sẽ xuất hiện đầu tiên trong #team-pmm hoặc các kênh phát hành liên quan trước khi được đưa vào tài liệu Notion. Bản thân quá trình xây dựng là một cơ chế đồng bộ hóa.
Trên cùng của kho lưu trữ này, có một thư viện nhỏ các kỹ năng đặt tên mà các nhân viên có thể sử dụng khi cần. Một kỹ năng có thể tạo ra chương trình nghị sự dựa trên lần cuộc họp gần đây nhất của tôi với ai đó; một kỹ năng khác có thể quét Slack để tìm hoạt động sản phẩm trong một tuần và chuyển đổi nó thành các chủ đề bài viết. Mỗi kỹ năng có khoảng 200 dòng mã Markdown, được thiết kế để thay thế một loại công việc trước đây yêu cầu thao tác thủ công.
Ngoài ra, tôi đã xây dựng một lộ trình sản phẩm động dựa trên nền tảng ứng dụng nội bộ của Ramp. Nó đọc cùng một lớp ngữ cảnh, vì vậy nó không bị lỗi thời vì ban đầu nó không phải là một tài liệu tĩnh. Mỗi sáng lúc 8 giờ, tôi cũng nhận được bản tóm tắt qua tin nhắn riêng trên Slack: những gì ra mắt ngày hôm qua, những vấn đề gặp trở ngại và những gì cần tôi phản hồi. Nội dung này đã được chuẩn bị sẵn trong khi tôi đang ngủ.
Xét riêng lẻ, không điều nào trong số này thực sự ấn tượng. Nhưng khi kết hợp lại, chúng cung cấp một câu trả lời khả thi: một công ty sẽ trông như thế nào nếu nó có loại wiki mà Karpathy đã mô tả?
Bạn có thể gọi nó là wiki, đồ thị, lớp ngữ cảnh, hay bộ não của công ty. Tên gọi không quan trọng; chức năng mới là điều cần thiết. Nó phải có khả năng tiếp nhận tất cả các tín hiệu được tạo ra từ công ty: các cuộc họp, thảo luận trên Slack, tài liệu, mã nguồn, bản ghi chép, cuộc gọi khách hàng và các quyết định quan trọng, và liên tục cập nhật mà không cần bảo trì thủ công. Nó cũng phải là thứ đầu tiên mà mọi nhân viên mới và mọi chuyên viên mới đọc trước khi bắt đầu công việc của họ.
Nếu một nhân viên mới gia nhập công ty vào ngày mai, họ nên đọc gì trong ngày đầu tiên? Nếu câu trả lời thực sự là một tài liệu Notion từ năm 2024, cộng thêm một liên kết Confluence bị hỏng, thì về cơ bản đó là việc tiếp quản từ một trạng thái trì trệ.
Từ các công cụ độc lập đến bộ não của một công ty, đây mới là khoảng cách thực sự trong trí tuệ nhân tạo.
Hiện nay, cách thức chính để AI thâm nhập vào doanh nghiệp vẫn dựa vào các kỹ sư được triển khai trực tiếp. Cho dù đó là OpenAI, Anthropic hay các công ty tư vấn lớn, tất cả đều chọn xây dựng các quy trình làm việc cụ thể dựa trên các mô hình.
Những nỗ lực này là có thật và rất đáng giá. Tuy nhiên, chúng vẫn nằm trong "kỷ nguyên chatbot" của trí tuệ nhân tạo doanh nghiệp: những công cụ hẹp, được gói gọn xung quanh nhiệm vụ cụ thể, hữu ích khi sử dụng riêng lẻ, nhưng chưa được tích hợp vào một hệ thống có thể liên tục tạo ra lợi nhuận kép.
Một "bộ não công ty" thực sự vẫn chưa hình thành. Các nhân viên chăm sóc khách hàng và nhân viên hỗ trợ nhân sự có thể được tạo ra riêng biệt bởi đội ngũ khác nhau vào các tháng khác nhau. Họ không biết những quyết định nào đã được đưa ra trong cuộc họp toàn thể gần đây nhất, công ty hiểu thị trường của mình như thế nào, hoặc giám đốc bán hàng đã đưa ra nhận định gì trong cuộc họp quản lý ngoại khóa gần đây nhất. Mỗi nhân viên chỉ đơn thuần là một chatbot với các trách nhiệm cụ thể, nhưng họ không chia sẻ một bộ não chung.
Đây là khoảng trống lớn nhất hiện nay. Và bên ngoài phòng thí nghiệm, hầu như không có ai phát triển sản phẩm dựa trên vấn đề này.
Nếu bạn đang xây dựng đội ngũ hoặc thành lập công ty vào năm 2026, quy trình làm việc sẽ khác so với năm 2022. Hãy viết tài liệu hướng dẫn trước, sau đó mới cài đặt các công cụ. Ghi âm mọi cuộc họp. Xây dựng wiki trước, sau đó mới đến bảng điều khiển. Truyền đạt kỹ năng, không phải slide. Khuyến khích nhân viên mới đọc wiki ngay từ ngày đầu tiên và đóng góp nội dung vào ngày thứ hai. Tuyển dụng và thăng chức cho những người duy trì hoạt động "bộ não của công ty", đồng thời tái sử dụng những người thực sự hiểu và sử dụng hiệu quả "bộ não" của công ty.
Bối cảnh không phải là một dự án phụ. Nó là cơ sở hạ tầng giúp mọi khoản đầu tư vào trí tuệ nhân tạo thực sự mang lại hiệu quả.
Hiện tại tôi đang xây dựng một phần trong đó trên Ramp: một wiki, một bộ kỹ năng, các ứng dụng đọc thông tin từ cùng một ngữ cảnh, và một cơ chế tổ chức để liên tục cung cấp nội dung. Nó vẫn còn nhỏ và ở giai đoạn đầu. Nếu bạn cũng đang cố gắng xây dựng một phiên bản cấp công ty ở nơi khác, tôi rất muốn trao đổi kinh nghiệm. Hai bộ não cùng làm việc trong một phòng sẽ hữu ích hơn một bộ não đáng tin cậy.
Trở lại với cuộc đua tiếp sức, điều kiện thực sự để giành chiến thắng không phải là cú chuyển tiếp hoàn hảo nhất, cũng không phải là người chạy nhanh nhất, mà là cả hai điều đó phải diễn ra đồng thời trong cùng một đoạn đường dài 20 mét.
Nhân viên mới tiếp cận "bộ não" của công ty và bắt đầu chu trình làm việc nhanh chóng. Đại lý mới tiếp cận "bộ não" của công ty và bắt đầu công việc. Khách hàng mới tiếp cận "bộ não" của công ty và bắt đầu hoạt động ngay từ ngày đầu tiên.
Chúng tôi biết mình đã làm đúng khi từ "tăng tốc" không còn mang ý nghĩa gì nữa.
