Mình hay mở AI như mở công cụ tìm kiếm: hỏi một câu, nhận một đoạn, rồi tự làm nốt phần còn lại. Buổi trò chuyện Hướng dẫn xây dựng AI Agent tự động hóa toàn bộ công việc từ A – Z cho người mới trên kênh Trương Phương (30/09/2026), với khách mời Hưng Kescy — người tự giới thiệu là tư vấn và đào tạo AI cho doanh nghiệp — khiến mình dừng lại ở một chỗ khác: không phải “prompt hay hơn”, mà cách giao việc.
Video dài, nên mình đọc qua báo cáo trên Readray trước khi nghe lại vài đoạn có timestamp. Phần dưới là những ý từ talk mình muốn mang ra làm việc — ghi nhận là diễn giải của diễn giả, còn kết quả thực tế vẫn phụ thuộc cách mình giao việc và kiểm tra lại.
Một số liên kết mở Readray trong bài là liên kết giới thiệu.
Coi AI như thực tập sinh tài năng, không như “sếp biết hết”
Hưng nhấn mạnh mô hình ngôn ngữ chủ yếu dự đoán từ tiếp theo theo xác suất, chứ không “hiểu” như người. Ví dụ quen thuộc trong talk: câu “Một con vịt xòe…” thường được hoàn thành giống nhau vì xác suất cao; còn câu mở như “Lúc rảnh tôi thường…” thì thiếu bối cảnh cá nhân sẽ dễ lệch.
Cách nhìn đó đẩy mình sang một thói quen: khi kết quả sai, trước hết kiểm tra mình đã giao thiếu thông tin chưa, thay vì kết luận công cụ “ngu”. Hình ảnh thực tập sinh tài năng trong talk hợp với mình: có năng lực, nhưng cần brief rõ, cần phản hồi, và cần người chịu trách nhiệm cuối.
Brief năm yếu tố trước khi mở hộp chat
Phần mình muốn thử ngay nhất là khung giao việc gồm năm yếu tố mà Hưng nêu: vai trò, mục đích, nhiệm vụ, cách làm, yêu cầu đầu ra. Anh nhấn mạnh năm yếu tố này quan trọng hơn việc xếp prompt theo một “thứ tự thần thánh”.

Khi nhờ AI soạn một đoạn văn, mình sẽ thử điền đủ năm ô trước khi gửi prompt dài. Thiếu “chuẩn đầu ra” là chỗ mình hay bỏ — rồi lại trách câu trả lời lan man.
Kèm theo, talk gợi ba thói quen: phản hồi cụ thể (actionable), chia nhỏ nhiệm vụ, làm lại và kiểm tra chéo. Đây là kỷ luật quản lý hơn là mẹo prompt.
Năm mảnh của một “nhân sự AI”
Hưng mô tả trợ lý AI như một nhân sự gồm các mảnh: Instruction (chỉ dẫn/bối cảnh), Memory, Knowledge, Skill, Tool (và model là lớp nền). Skill khác tool: skill giống công thức/quy trình đã đóng gói; tool là khả năng chạm ra ngoài (lịch, ghi chú cuộc họp, Notion…).

Ý mình rút ra: đừng nhảy thẳng sang “agent phức tạp” nếu chưa có chỉ dẫn ổn định và một skill nhỏ đã kiểm chứng. Talk cũng nhắc connector/MCP và làm việc trên tệp máy (ví dụ Claude Code), sub-agent chia việc — mình xem đó là tầng sau, khi đã quen giao việc ở mức trưởng nhóm điều phối vài trợ lý chuyên môn.
Năm cấp độ dùng AI — mình đang ở đâu?
Trong talk, Hưng phác năm cấp: từ hỏi đáp (như tìm kiếm), tới một trợ lý cá nhân, tới mức trưởng phòng điều phối nhiều AI, rồi các mức hệ thống/phân quyền cao hơn. Anh khuyên đa số nên làm chủ cấp độ 3 trước khi mơ hệ thống lớn.
Mình tự nhận đang lẫn giữa cấp 1–2: hỏi nhiều, ít khi đóng gói thành quy trình lặp lại. Việc nhỏ tuần này: chọn một việc lặp lại (ví dụ tóm tắt nguồn dài thành brief), làm tay cho ổn, rồi mới nghĩ tới đóng thành skill — đúng tinh thần “chỉ đóng gói sau khi đã kiểm chứng” trong talk.
Hưng có nêu các con số mang tính minh họa/cá nhân trong buổi (ví dụ hiệu suất gấp khoảng 5–10 lần khi đóng gói skill, quy mô đào tạo khoảng 3.000 học viên, hoặc ví dụ xử lý lượng tệp lớn trong thời gian ngắn). Mình ghi lại như lời diễn giả, không dùng làm cam kết cho mọi người.
Video dài thì mình đọc báo cáo trước
Buổi talk có nhiều lớp: xác suất của LLM, brief, cấu trúc trợ lý, connector, sub-agent. Mình dùng Readray để nắm mục lục và nhảy timestamp trước khi nghe lại đoạn “năm yếu tố” và “năm cấp độ”. Cách cài và tạo báo cáo nằm trong hướng dẫn sử dụng Readray; soi sâu Key Points / Deep research / credits thì xem chức năng Readray chi tiết.

Báo cáo giúp vào việc nhanh; mình vẫn nghe lại gốc khi cần chắc một ý — và không thay video bằng bản tóm tắt khi muốn trích dẫn diễn giả.
Bắt đầu từ một việc nhỏ trong tuần này
Thay vì dựng cả hệ thống agent ngay, chọn một việc lặp lại trong tuần — tóm tắt nguồn dài thành brief, chuẩn hóa một email, gom note họp thành checklist… Viết đủ brief năm yếu tố (vai trò, mục đích, nhiệm vụ, cách làm, chuẩn đầu ra), gửi cho AI, rồi đọc lại kết quả và sửa chỗ lệch. Chỉ khi vòng đó ổn định mới nghĩ tới đóng thành skill để lần sau gọi lại nhanh hơn.
Trong talk, Hưng nêu vài con số mang tính minh họa cá nhân (hiệu suất khoảng 5–10 lần, quy mô đào tạo, ví dụ xử lý tệp…). Hãy coi đó là lời diễn giả, không phải cam kết cho mọi ngữ cảnh. Output AI vẫn cần kiểm; connector và tên tool cũng có thể đổi theo phiên bản. Phần Claude Code / sub-agent trong video là tầng sau — hữu ích khi đã quen giao việc rõ ràng trước.
Video gốc: YouTube. Nếu muốn xem mình dùng Readray để đọc báo cáo trước khi nghe lại đúng talk này: trải nghiệm Readray với talk AI Agent.






Để lại một bình luận