Khi công ty trở thành Đại lý: 5 suy nghĩ về tổ chức trong thời đại AI

“AI跃迁者调研” là chuỗi đối thoại sâu về AI của AI 透镜.跃迁 không phải là tiến hóa tuyến tính, mà là lật đổ vòng lặp rồi xây dựng lại. Mỗi kỳ chúng tôi sẽ mời một AI跃迁者—nhà sáng lập AI nguyên sinh, doanh nghiệp chuyển đổi AI hoặc siêu cá nhân dùng AI làm lại chính mình, chia sẻ kết luận họ nghĩ, quá trình phân tích, logic xây dựng, học phí đã trả, và những gì họ giữ vững trong sự biến đổi liên tục, để cung cấp tham chiếu thực tế cho những người cùng đi trên con đường này.

Kỳ đầu tiên, chúng tôi mời nhà sáng lập kiêm CEO Tezign, giáo sư Đại học Tongji, hướng dẫn viên cao học, giám đốc phòng thí nghiệm trí tuệ nhân tạo thiết kế,范凌博士. Tezign là công ty AI Agentic doanh nghiệp thành lập 10 năm, chuyên xây dựng hệ thống trí tuệ nhân tạo doanh nghiệp dựa trên kiến trúc Generative Enterprise Agent (GEA), có khả năng hiểu bối cảnh kinh doanh, tham gia quyết định phức tạp và liên tục thúc đẩy kết quả, giúp doanh nghiệp tăng trưởng, sáng tạo và nâng cao năng suất, phục vụ lâu dài cho khách hàng, đổi mới sản phẩm và tăng trưởng marketing. Quan trọng hơn, chính tổ chức của họ cũng đang dùng AI để làm lại: từ đổi mới pod, nuôi dưỡng cộng đồng, đến dùng skills, context và orchestration xây dựng Generative Enterprise Agent.

Chúng tôi và范凌 đã nói về cách AI thay đổi cấu trúc tổ chức, mật độ nhân tài, giao hàng khách hàng và rào cản sản phẩm, cũng như những vấn đề chưa được giải quyết đằng sau các thay đổi này.

【Câu châm ngôn và nhận thức】

1. “AI không phải là công cụ giúp tăng hiệu quả R&D, mà là Agent giúp những người cần tài nguyên R&D có được tài nguyên đó.”

2. “AI về cơ bản là phản lại phân chia ngành nghề và nghề nghiệp, nó đưa chúng ta trở lại trạng thái toàn năng như thời kỳ Phục hưng.”

3. “Lãnh đạo, ownership, trách nhiệm, resilience nghe có vẻ ảo, trong thời đại AI lại trở nên rất cụ thể.”

4. “Phần lớn các công ty vẫn còn ở giai đoạn copilot: thêm AI vào chức năng cũ. Nhưng khả năng của AI đã phát triển đến mức có thể thiết kế lại tổ chức theo AI.”

5. “Tổ chức nguyên sinh AI không phải là chèn AI vào quy trình làm việc của con người, mà là chèn judgement của con người vào quy trình của AI. Công ty có thể là một Agent, con người là vai trò cung cấp judgement trong các Agent đó.”

6. “Hiện nay là thời đại dư thừa sản phẩm, thiếu người dùng. Tăng trưởng ngày càng khó, cũng ngày càng quan trọng. Thời đại AI cần tập trung vào những khả năng mà AI không thể rút ngắn thời gian tích lũy.”

Giới thiệu khách mời khảo sát:

范凌, sáng lập kiêm CEO Tezign, giáo sư Đại học Tongji, hướng dẫn viên phòng thí nghiệm AI. Tezign thành lập 10 năm, lâu dài dùng công nghệ AI giúp doanh nghiệp giải quyết vấn đề khách hàng, đổi mới sản phẩm và tăng trưởng marketing. Trong cuộc đối thoại này, ông chia sẻ về biến đổi tổ chức nội bộ pod, thử nghiệm công cụ AI dogfooding, hệ thống bối cảnh doanh nghiệp, các sản phẩm Atypica / GEA và các khám phá khác.

余一, nghiên cứu viên cao cấp Viện nghiên cứu Tencent, chuyên nghiên cứu đổi mới sản phẩm nguyên sinh AI và biến đổi doanh nghiệp, có nhiều năm kinh nghiệm đầu tư mạo hiểm và ươm tạo hệ sinh thái. Giải thưởng chuyên gia hàng năm của LinkedIn Trung Quốc, giải thưởng AI xuất sắc của Tencent, được công nhận trong cộng đồng học AI.

【Tổng quan khảo sát】Thí nghiệm tổ chức nguyên sinh AI của Tezign

Điểm kích hoạt biến đổi: Dùng Cursor không phải để R&D tốt nhất

范凌 luôn quan sát ai trong công ty dùng công cụ AI tốt nhất. Kết quả ngoài dự đoán—không phải R&D, mà là nhà quản lý sản phẩm và nhà thiết kế. Họ dùng Cursor để lấy được các tài nguyên trước đây phải chờ R&D sắp xếp. Điều này khiến范凌 nhận ra, AI không chỉ giúp phân công chuyên môn nhanh hơn, mà còn giúp một người đảm nhận nhiều vai trò hơn. Từ cuộc cách mạng công nghiệp, giả thuyết tổ chức “một người một vị trí, thăng tiến theo cấp bậc” đang bị lung lay từ nền móng. Ông gọi đó là “AI phản lại cuộc cách mạng công nghiệp.”

Cải tổ tổ chức: mô hình song song pod + cộng đồng

Dựa trên nhận định này,范凌 thực hiện hai bước cải tổ tổ chức. Bước một là chia toàn bộ công ty thành pod—nhóm liên chức năng từ 3 đến 10 người, tự hoàn thiện giao hàng, không còn phụ thuộc vào liên phòng ban. Ba năm trước, Tezign đã thử pod một lần, thất bại vì mọi người chưa sẵn sàng tâm lý. Nhưng AI giúp nhóm tự giảm phân phối ngang, đất dụng võ của pod đã chín muồi. Bước hai là xây dựng cộng đồng ngoài pod: cộng đồng ngang giúp mọi người bổ sung năng lực bán hàng, sản phẩm, coding, và đặc biệt là Leadership community—范凌 đánh giá, trong thời đại AI, dẫn dắt 100 Agent còn khó hơn dẫn 10 người, leader pod cần không chỉ khả năng AI, mà còn P&L, trực giác thương mại và kiên nhẫn.

Hiện tượng đi kèm biến đổi tổ chức là ranh giới vai trò dần tan biến. Người marketing bắt đầu dùng Claude Code viết script lấy contact LinkedIn, thực chất đã là Marketing Engineer; nhà quản lý sản phẩm và nhà thiết kế dùng Cursor trực tiếp ra chức năng, không còn chờ R&D sắp xếp. Tỷ lệ R&D từ 50% giảm liên tục, nhưng người “viết code” lại nhiều hơn.

Động lực văn hóa: sáng lập viên xuống sân xây dựng

Cấu trúc tổ chức chỉ là khung xương, thực sự làm AI chạy là văn hóa. Tezign cũng đào tạo hệ thống (dự án ABC Plus), nhưng范凌 nhận ra động lực thúc đẩy hiệu quả hơn là sáng lập viên trực tiếp xuống sân. Ông cùng CTO, trưởng nhóm sản phẩm thành một đội nhỏ dùng AI làm sản phẩm mới, dẫn đến tăng trưởng người dùng vượt xa nhóm 7 người khác. Buổi trưa, cà phê, demo cho đồng nghiệp, các leader pod khác cũng theo đó mà show. Dần dà, hình thành thói quen “tự hào khoe thành quả do mình build”. Văn hóa dogfooding này lan tỏa mạnh hơn nhiều so với thúc đẩy từ trên xuống.

Cơ sở hạ tầng: hệ thống bối cảnh phân tầng

Tezign là công ty có văn hóa tài liệu sâu sắc, thậm chí ghi âm họp cũng chuyển thành văn bản.范凌 đang xây dựng hệ thống bối cảnh phân tầng: cấp công ty có schema.md và các tài liệu hướng dẫn, như chỉ mục trỏ tới hàng tỷ tài liệu tích lũy; cấp pod là bối cảnh riêng của từng nhóm nhỏ; cấp cá nhân là quản lý hội thoại và sở thích của từng người. Ông nhấn mạnh, bối cảnh không phải càng phong phú càng tốt—một số tình huống cần khung chứ không phải chi tiết. Bối cảnh doanh nghiệp còn phải xử lý quyền hạn và bảo mật,范凌 lấy ví dụ: khi trình chiếu, tìm mật khẩu Wi-Fi, AI còn tìm ra mật khẩu bảo mật chỉ người có quyền xem. Ông thiên về không đưa một số dữ liệu cốt lõi vào hệ thống bối cảnh.

Chia sẻ sản phẩm: GEA, Atypica

Về mặt sản phẩm, Tezign tập trung vào một logic cốt lõi: tích lũy những thứ AI không thể rút ngắn thời gian.

GEA (Generative Enterprise Agent) là kiến trúc Agent doanh nghiệp. Không dồn vào một Agent đơn lẻ, mà chú trọng vào Context và Orchestration—một Lead Agent dẫn nhiều Sub-Agent, phối hợp Skills và Context của doanh nghiệp, xây dựng nhóm dự án Agent riêng cho các lĩnh vực như insight khách hàng, content growth, đổi mới sản phẩm, tương tự như một công ty 24/7 vận hành ảo.

Atypica làm về “hiểu người AI”. Dựa trên khoảng 1 triệu biểu đạt, câu chuyện, nhận thức và hành vi của người dùng thực, dùng AI xây dựng mô hình thế giới chủ quan để mô phỏng người tiêu dùng và người dùng chuyên nghiệp. Ví dụ điển hình: giáo sư Mỹ dùng 20,000 mẫu gia đình thật để AI tạo ra 1,000 nhân vật điển hình, mô phỏng cuộc thảo luận của vợ chồng và cha mẹ hai bên về sinh con, rồi liên tục đưa vào các biến chính sách để quan sát hành vi—đây là ứng dụng AI trong nghiên cứu khoa học xã hội.

Game Lab (game.atypica.ai) giải quyết độ chính xác mô phỏng người của AI. Cho người thật và AI chơi cùng trò chơi kinh tế (ví dụ trolley problem, ultimatum game), dùng dữ liệu người thật để điều chỉnh AI, đến khi AI quyết định gần như vô hạn với người thật. Đây là phương pháp evals cốt lõi của Tezign.

Vòng khép kín thương mại: khám phá kịch bản thúc đẩy đối thoại khách hàng

Sau khi pod vận hành nội bộ, cách tiếp cận ra ngoài cũng thay đổi. Leader pod thực chất trở thành “Chức danh khám phá kịch bản”: dùng AI rút ra khoảng 100 kịch bản chung từ hơn 600 yêu cầu khách hàng, rồi dùng phương pháp SPIS (Situation-Pain-Impact-Solution) để cấu trúc. Dùng “đau điểm của người khác” để nói chuyện với khách hàng, dễ mở đối thoại hơn demo sản phẩm—khách hàng cảm thấy “hiểu tôi”. Leader pod dành khoảng 30-40% thời gian để thu thập kịch bản.

Chi phí và căng thẳng chưa giải quyết

Người dùng AI giỏi nhất lại là người mệt nhất—khi khả năng mở rộng, người xuất sắc tự gánh vác nhiều hơn, cảm giác mệt mỏi tăng lên,范凌 thừa nhận đây là vấn đề lớn nhất chưa có lời giải. Ai cũng có thể build, nhưng xây dựng lại nhiều lần, cùng một kho kịch bản bị nhiều pod làm ra các phiên bản khác nhau,范凌 chọn chấp nhận chứ không kiểm soát. Kho AI từ demo đến production có một khoảng evals, nếu không kết hợp với các tình huống thực tế và dữ liệu riêng, chỉ dựa vào khả năng mô hình, rào cản sẽ rất dễ vỡ.

Căng thẳng sâu hơn là: AI làm giảm chi phí khám phá, nhưng cũng làm người ta lo lắng hơn. Sản phẩm dư thừa, người dùng thiếu, demo dễ làm, tăng trưởng mới là tài nguyên quý.范凌 phản ứng bằng cách xây dựng công khai—xây dựng song song với lấy phản hồi, để quá trình khám phá trở thành một phần của kết quả.

Toàn bộ phỏng vấn

Tái cấu trúc tổ chức: từ Copilot đến mô hình pod có nội lực cao

余一: Chúng ta bắt đầu từ phần tôi quan tâm nhất, đó là “biến đổi tổ chức AI”. Theo tôi biết, Tezign đã thử nhiều dạng biến đổi tổ chức từ rất sớm. Khoảng một năm trước, Viện nghiên cứu Tencent còn làm một bài phỏng vấn và nghiên cứu điển hình về Tezign, nói về những thử nghiệm nội bộ của bạn. Đúng lúc một năm trôi qua, tôi muốn hỏi về tiến trình mới nhất. Ấn tượng sâu nhất của tôi là bạn đề cập đến việc nội bộ lại khởi động lại biến đổi pod (nhóm nhỏ liên chức năng), và đây là lần thứ hai thử. Nhiều người còn chưa rõ pod là dạng tổ chức gì. Thực ra nó là một biến đổi kiến trúc, ban đầu do Meta khởi xướng. Theo tôi, nó giống như thành lập một “đội đặc nhiệm” trong doanh nghiệp, để nhanh chóng nắm bắt môi trường hoặc công nghệ mới. Không biết tôi hiểu đúng không? Lúc đó tôi rất ấn tượng khi bạn nói lần đầu làm pod thất bại, nhưng lần thứ hai, khi đã đến thời đại AI, việc này có vẻ khả thi hơn, nên quyết định thử lại. Vì vậy, tôi muốn hỏi范凌, tại sao lúc đó chọn kiến trúc này? Hiện tại tiến trình ra sao? Tôi rất tò mò.

范凌: Thực ra tôi đã bắt đầu dùng nhiều công cụ AI từ rất sớm, vì chúng tôi chính là làm sản phẩm AI. Trong quá trình sử dụng, tôi luôn suy nghĩ một vấn đề: dùng đến mức nào mới gọi là phát huy đúng giá trị của AI? Trước đây, chúng tôi dùng một công cụ, nếu giúp tăng hiệu quả 20-30% đã cảm thấy rất đáng giá. Nhưng đối với AI, tăng 20-30% đó thực sự là dùng tốt hay chưa? Tôi ban đầu chưa có tiêu chuẩn rõ ràng.

Sau đó, tôi có một khoảnh khắc Aha (đột phá). Dù bây giờ nghe có vẻ bình thường, nhưng lúc đó rất gây sốc với tôi. Vì tôi quan tâm đến hiệu quả, tôi hỏi nhóm về việc dùng Cursor (công cụ lập trình AI). Kết quả là, tôi phát hiện ra, những người dùng Cursor sáng tạo nhất không phải là R&D, mà là nhà quản lý sản phẩm và nhà thiết kế. Nguyên nhân rất đơn giản: họ từng muốn làm nhiều chức năng sản phẩm, phải chờ sếp sắp xếp R&D; nhưng giờ đây, Cursor giúp họ tranh thủ được tài nguyên R&D trực tiếp. Đối với họ, Cursor chính là tài nguyên R&D.

Điều này khiến tôi nhận ra một điều: AI không chỉ là công cụ giúp R&D nhanh hơn, mà còn là Agent giúp những người thiếu tài nguyên R&D giải quyết vấn đề. Sự xuất hiện của AI khiến chúng ta trở nên toàn năng hơn, chứ không phải làm chuyên môn cũ trở nên cạnh tranh hơn.

Điều này dẫn tôi đến suy nghĩ về tổ chức. Cấu trúc tổ chức hiện tại, thậm chí hệ thống giáo dục của chúng ta, đều theo logic cuộc cách mạng công nghiệp: “nghề nghiệp phân chia rõ ràng”, chọn một chuyên ngành, từ sơ cấp đến trung cấp rồi cao cấp. Dù nhiều người nói AI là cuộc cách mạng công nghiệp tiếp theo, tôi lại nghĩ, AI về cơ bản là “phản lại cuộc cách mạng công nghiệp”. Nó phá vỡ phân chia ngành nghề và nghề nghiệp chặt chẽ, đưa chúng ta trở lại trạng thái như thời kỳ Phục hưng—một người có thể là “toàn năng”. Nếu các nhà quản lý sản phẩm và nhà thiết kế dựa vào AI để trở nên toàn năng hơn, thì có vẻ chúng ta không cần phải theo cách cũ để phân chia công việc nữa. Trước đây, một người chỉ có thể đảm nhận một vai trò, giờ đây “người + AI” có thể cùng lúc đảm nhận nhiều vai trò.

余一: Vậy các bạn đã dựa trên nhận thức này để thực thi tổ chức như thế nào?

范凌: Đây là nhận thức nền tảng của chúng tôi. Lợi ích lớn nhất là giảm đáng kể các cuộc họp để đồng bộ, và rút ngắn thời gian liên phòng ban. Dựa trên nhận thức này, chúng tôi theo đuổi trạng thái—“cao nội lực, ít phụ thuộc”. Cao nội lực nghĩa là nhóm nhỏ, chỉ 2-3 người, phân công không cần quá chi tiết, mọi người hợp tác hoàn thành nhiệm vụ; ít phụ thuộc là các phòng ban không cần phối hợp quá nhiều, mọi người làm việc độc lập, tiết kiệm thời gian họp không cần thiết.

Thực tế, mô hình tổ chức này chính là pod. Chúng tôi đã thử triển khai pod từ ba năm trước, giải thích mãi cho mọi người, cuối cùng vẫn quay về mô hình cũ theo chức danh, vì mọi người chưa quen tâm lý.

Nhưng năm ngoái, khi có Aha Moment như đã nói, tôi nhận ra nhóm bắt đầu tự giảm phân phối ngang, mọi người dựa vào AI để làm sâu hơn. Tôi nghĩ, cơ hội để đẩy mạnh pod đã đến. Tôi ghét họp, trong máu tôi là kiểu Builder (người xây dựng), thích tự làm xong rồi mới hài lòng, không muốn lãng phí thời gian vào họp. Thời điểm đó, có người nói với tôi rằng, tổ chức của OpenAI gọi là pod, GPT cũng do 35 pod tạo ra. Tôi thấy rất hay, chứng minh hướng đi đúng. Khi mọi người trở thành các đơn vị chiến đấu nhỏ, mọi thứ sẽ khác hẳn.

余一: Chia nhóm thành các đơn vị nhỏ nghe có vẻ lý tưởng.

范凌: Đơn vị càng nhỏ, Ownership (tinh thần chủ sở hữu) càng cao. Trước đây, bạn làm front-end, chỉ lo phần front-end, không cần quan tâm backend hay trải nghiệm cuối cùng; nhưng giờ, trong pod 3-5 người, mọi người phải cùng nhau hoàn thành kết quả cuối cùng. Điều này thực sự giúp nâng cao trải nghiệm người dùng và chất lượng sản phẩm.

Vì vậy, chúng tôi lại đẩy mạnh theo hướng pod. Lần này, đã trưởng thành hơn nhiều so với ba năm trước, tâm lý và kỹ năng đều đã chuẩn bị. Nhưng triển khai pod cũng mang lại hai tác dụng phụ. Thứ nhất, người dùng AI giỏi nhất sẽ gánh vác nhiều chức năng hơn, và tất nhiên sẽ mệt hơn. Tôi thường nói, đi quanh văn phòng buổi tối, thấy ai làm việc muộn là những người hiệu quả cao, chứ không phải người làm chậm. Thứ hai, họ sẽ tự mở rộng phạm vi nhiệm vụ không giới hạn. Ban đầu chỉ viết frontend, giờ AI giúp, họ còn làm luôn thiết kế sản phẩm; xong rồi, họ nghĩ luôn cả kế hoạch Go-to-Market.

Ví dụ hôm qua, một bạn trong nhóm marketing trình bày hệ thống CMS website do tự làm. Trước đây, cần 20 người mới làm nổi, giờ một người dùng AI là xong. Tôi thấy quá ấn tượng. Nhưng kết quả là, những người này lại càng mệt hơn. AI không giúp họ nhẹ nhàng hơn, mà còn khiến họ đòi hỏi cao hơn về chất lượng. Trước chỉ làm được 60 điểm, giờ có AI, cố gắng đạt 90 điểm, rồi làm ngày làm đêm. Đây là vấn đề thứ nhất cần giải quyết.

余一: Thật đúng là “hạnh phúc trong lo lắng”. Còn vấn đề thứ hai?

范凌: Thứ hai là, chúng tôi nhận ra không thể để mọi người tự mò mẫm, mà phải “đưa lên xe, đưa đi một đoạn”. Phải cung cấp đào tạo hệ thống. Năm ngoái, chúng tôi ra dự án ABC Plus, mời giảng viên chuyên nghiệp dạy nhóm cách dùng Claude Code, các Agent khác. Chỉ khi giúp họ vượt qua gánh nặng nhận thức ban đầu, họ mới thực sự dùng tốt công cụ.

Kết hợp mô hình pod, chúng tôi bắt đầu xây dựng một tổ chức song song gọi là Community (cộng đồng). Trong cấu trúc truyền thống, kỹ sư, PM, sales là các phòng ban quản lý trực tiếp; giờ, chúng tôi biến các chức năng này thành các cộng đồng dạng lỏng. Leader của cộng đồng chính là người giúp mọi người học bán hàng, coding, làm sản phẩm. Không còn chỉ tuyển người theo chức danh “sales”, mà giúp mọi người trở nên toàn diện hơn.

Vì vậy, cấu trúc hiện tại là: các đơn vị chiến đấu trực tiếp là pod, có thể phục vụ khách hàng hoặc nghiên cứu công nghệ; còn tổ chức ngang là Community, giúp người phát triển kỹ năng, chứ không để KPI kiểm soát. Ngoài cộng đồng viết code, làm sản phẩm, chúng tôi còn có một cộng đồng gọi là Leadership (lãnh đạo).

Bởi vì tôi nhận ra, trong thời đại AI, một người có thể dẫn dắt 100 Agent; hoặc là quản lý 100 nhân viên thành thạo dùng Agent. Khi đó, các phẩm chất như leadership, ownership, trách nhiệm, resilience (độ bền bỉ), vốn nghe có vẻ “ảo”, lại trở thành những năng lực cứng, rất cụ thể và cốt lõi.

余一: Vậy mô hình pod của Tezign thực chất là học hỏi từ kinh nghiệm các công ty như OpenAI, nhưng không cứng nhắc thành “đội đặc nhiệm”, mà xem nó như nguyên tắc nền tảng của toàn công ty, kết hợp cơ chế đào tạo cộng đồng, tạo ra biến thể phù hợp riêng.

范凌: Thực ra chúng tôi cũng không rõ là học ai, cứ gọi là pod, chúng tôi cũng gọi là pod, về bản chất là tương tự—biến đổi bộ máy phân cấp thành vòng tròn. Đúng lúc này, nhóm chúng tôi rất thích khái niệm “tổ chức xanh”, và khí chất của Tezign phù hợp. Chỉ là trước đây năng lực chưa đủ, giờ có AI rồi, năng lực mới theo kịp. Lần này, toàn bộ công ty cùng thay đổi, Q1 vừa tổng kết, dù mọi người còn chưa quen, nhưng đều hiểu rằng không thể quay lại. Tôi dự đoán đến Q2, mọi người sẽ cảm thấy dễ chịu hơn.

余一: Cảm giác không thoải mái này đến từ đâu?

范凌: Từ nhiều phía. Trước đây làm dự án, nhóm 20 người, mỗi người rõ ràng phạm vi trách nhiệm. Công việc chưa xong, dễ dàng xác định ai chưa làm đúng, đổ lỗi cho người đó. Nhưng trong pod, dù nhóm chỉ 3-4 người, mọi người phải hỗ trợ lẫn nhau. Công việc chưa xong, không ai có thể đổ lỗi, nên kiểm soát tốt hơn nhưng áp lực cũng lớn hơn.

Thêm nữa, trong Q1, chúng tôi gặp một số vấn đề. Ví dụ, một pod quá mệt, có nên để pod khác giúp không? Vì hiện tại, mọi người chưa toàn năng, pod này mạnh về R&D, pod kia mạnh về sales. Có nên hợp tác chéo nhóm không? Điều này gây ra nhiều vấn đề phối hợp. Trong giai đoạn này, mọi người chắc chắn không thoải mái, áp lực leader pod rất lớn. Nhưng tôi tin hướng đi này đúng.

余一: Tôi tò mò, sau khi thành pod, quy mô đơn vị chiến đấu có quy định rõ không? Ví dụ, không quá 10 người? Hay là tự phát triển theo hiệu quả hợp tác cao nhất?

范凌: Cá nhân tôi mong pod càng nhỏ càng tốt. Nhưng thực tế, người đủ làm leader pod chưa nhiều, nên quy mô vẫn hơi lớn, khoảng 10 người, có thể chia thành hai nhóm nhỏ.

余一: Tôi rất quan tâm phần này. Trước đây tôi cũng hỏi anh Gung của Anker, anh ấy nghĩ một đơn vị chiến đấu khoảng 6 người là hợp lý, tức là một “cao thủ” hiểu rõ nghiệp vụ và AI, dẫn theo 5 người biết dùng AI. Đây là nhận thức của anh ấy về quy mô.

范凌: Tôi nghĩ nguyên tắc là nhỏ nhất có thể. Ý tôi là, một người làm được thì không cần hai người, nếu không thì tối đa 10 người. Tôi không tin có con số “thần kỳ” như 6 hay 5 người. Cốt lõi là giữ vòng kín càng nhỏ càng tốt, trao quyền Ownership đầy đủ cho mọi người.

Một điểm tôi muốn nhấn mạnh là, tôi không muốn ép giảm tổng số giờ làm của nhóm. Ví dụ, việc cần 100 người làm, tôi không bắt họ làm 30 người để hoàn thành. Mọi người sẽ tự tối ưu quy trình. Tôi quan tâm hơn là, có thể cắt bỏ những việc phối hợp ngang, lặp lại, rất tốn thời gian. Thời gian tiết kiệm là do giảm các bước không hiệu quả, chứ không phải ép người làm nhiều hơn.

Nuôi dưỡng lãnh đạo nguyên sinh AI và góc nhìn thương mại

余一: Ở đây bạn nói, người làm leader pod hiện còn ít. Tôi có hai câu hỏi: thứ nhất, bạn nghĩ người nào có thể làm leader pod? Thứ hai, cơ chế nhận diện và đào tạo leader pod trong nội bộ Tezign là gì?

范凌: Người làm leader pod ngoài các năng lực mềm (như khả năng AI, khả năng học hỏi) còn có những năng lực cứng rất khó đào tạo, nhưng rất cần thiết. Ví dụ, leadership (lãnh đạo), khả năng nhìn P&L (lợi nhuận), và trách nhiệm cực kỳ cao.

Thêm nữa, trong nhịp độ thay đổi nhanh như hiện nay, “kiên nhẫn” lại trở thành phẩm chất cực kỳ quan trọng. Đây là sự kết hợp giữa mềm và cứng. Về khả năng dùng công cụ AI, tôi nghĩ người có thể làm leader pod, không ai kém.

Làm thế nào để đào tạo? Đó là lý do chúng tôi thêm module Leadership vào cộng đồng. Hiện tại, chúng tôi chưa đủ hệ thống, có thể bắt đầu bằng đào tạo kỹ năng lãnh đạo, hoặc gửi họ đi học các khoá quản trị kinh doanh. Trước đây, chúng tôi đào tạo trưởng nhóm, chỉ dạy cách quản lý người dưới; còn giờ, trưởng nhóm đó không chỉ quản vài người, mà còn quản vài trăm Agent. Thực ra, họ đang quản một năng lực sản xuất quy mô 100 người. Vì vậy, tôi nghĩ mọi người đều xứng đáng đi học các lớp về thương mại, lãnh đạo. Bởi trong thời đại AI, kỹ thuật mọi người ngày đêm học hỏi, nhưng tư duy thương mại và quản lý lại là điểm yếu.

余一: Vậy, với nhân tài nguyên sinh AI, muốn thăng cấp thành leader dẫn dắt đội “người + AI”, cần bổ sung gì nhất về thương mại và lãnh đạo?

范凌: Điều này còn tuỳ theo từng nhóm. Ví dụ, khách hàng ngành truyền thống của chúng tôi, họ không thiếu phương pháp hay lãnh đạo, đã quen quản hàng nghìn người. Đối với họ, điều cần nhất là chuyển đổi tư duy—từ mô hình SOP cố định sang tư duy nguyên sinh AI. Nhưng đối với các công ty công nghệ như Tezign, AI không làm giảm vai trò quản lý, mà còn làm vai trò này quan trọng hơn, cần có khả năng lập kế hoạch và quản lý tốt hơn.

余一: Thú vị thật. Gần đây tôi đọc một bài của Harvard, họ đào tạo hơn 100 ngày cho hơn 500 công ty, như một dạng accelerator. Họ có nhóm đối chứng: một nhóm theo phương pháp truyền thống, nhóm còn lại bắt đầu từ tuần thứ 2-3, thêm các case AI thực tế. Kết quả là nhóm có tích hợp case AI đạt thành tích rõ rệt về vốn và kết quả sau này. Điều này chứng tỏ hướng đi và cách đào tạo rất quan trọng.

范凌: Đúng vậy, công cụ AI thực ra giúp các nhà lãnh đạo kinh doanh tìm ra khả năng đưa ý tưởng thành hiện thực. Trước đây, nhiều lý thuyết kinh doanh chỉ dừng lại ở “lý luận”, thiếu phương pháp thực thi; còn giờ, AI giúp nhiều thứ có thể thực thi thật sự. Tôi nghĩ, AI cũng là một “công nghệ thương mại”.

Giống như các hệ thống ERP hay CRM thế hệ trước, vốn là công cụ để hiện thực hóa tư duy kinh doanh. Mỗi lý thuyết kinh doanh đều cần công nghệ để nâng đỡ. Ngược lại, AI là cơ hội để nhiều ý tưởng kinh doanh vốn chỉ trên lý thuyết có thể thực sự phát triển.

余一: Tôi hỏi thêm một vấn đề liên quan đến khảo sát. Có ý kiến cho rằng, các cuộc cách mạng công nghệ trước đây, mối quan hệ đầu tư và hiệu quả rõ ràng, có thể thấy rõ tăng hiệu suất; nhưng AI dường như mang lại lợi ích rõ rệt cho cá nhân, còn ở tổ chức thì mối quan hệ này mất đi. Bài báo cũng muốn kiểm tra dữ liệu xem mối quan hệ này còn tồn tại không. Thầy范, các bạn có quan sát sự khác biệt về hiệu quả từ cá nhân đến tổ chức không? Là do giảm chi phí và tăng hiệu quả chỉ là không gian tưởng tượng, hay còn lý do nào khác?

范凌: Chúng tôi chưa đo đếm rõ ràng sự thay đổi ở cấp tổ chức, nhưng rõ ràng là kết quả phải dựa vào kết quả thực tế. Ví dụ, đội nhóm của chúng tôi không thay đổi số người, nhưng năm ngoái doanh thu tăng 60%, năm nay mục tiêu tăng 80-90%. Kết quả này đủ chứng minh giá trị của AI.

Nhưng như tôi đã nói, có những thứ không thể đo đếm bằng dữ liệu. Ví dụ, các leader của tôi thực sự rất mệt mỏi. Dù AI giúp họ làm nhiều việc hơn, nhưng tâm lý họ lại nặng hơn. Nếu bạn đeo tai nghe, tập trung viết code, ít bị gián đoạn, thì ít nhất là làm việc tập trung. Nhưng giờ đây, một leader phải quản 6-10 Agent, dưới còn nhiều người chạy, áp lực trong lòng rất lớn. Điều này không thể thể hiện qua dữ liệu đơn thuần.

Thêm nữa, dù AI thay đổi rất nhanh, nhưng con người thay đổi chậm. Hai năm trước, sản phẩm chính của AI vẫn là Copilot—tức là có một trợ lý bên cạnh mỗi người, giúp tăng hiệu quả cá nhân, nhưng cấu trúc tổ chức chưa đổi. Năm ngoái, các mô hình suy luận như DeepSeek-R1, GPTo1 ra đời, AI bắt đầu có thể lập kế hoạch nhiệm vụ. Năm nay, là năm của Agentic, AI bắt đầu làm việc thực sự.

Tới hôm nay, phần lớn cấu trúc tổ chức của các công ty vẫn còn dựa trên hình thái Copilot hai năm trước—chỉ thêm một chút AI vào các chức năng để tăng hiệu quả. Nhưng khả năng của AI đã đạt đến mức có thể thiết kế lại tổ chức theo AI. Công ty có thể là một Agent, con người chỉ đóng vai trò cung cấp “judgement”.

Nhiều ý tưởng quảng cáo, như sơ đồ tổ chức có vài AI, nhưng vẫn là tổ chức của con người dùng AI làm việc. Bạn đã từng nghĩ đến việc thiết kế lại tổ chức theo logic của AI chưa? Ví dụ, năm ngoái, chúng tôi hợp tác với một doanh nghiệp, giúp họ xây dựng một Agent phát triển sản phẩm mới 24/7 trong nền, ban đầu là người khởi xướng dự án, AI hỗ trợ vẽ, nghiên cứu, còn người kiểm soát nhịp độ; nhưng nếu đảo ngược, có thể để AI liên tục làm R&D, chỉ dừng lại hỏi ý kiến khi cần. Nếu bạn không phản hồi trong 10 phút, AI tự đẩy tiến trình sang bước tiếp theo. Đó là một nhịp điệu hoàn toàn khác.

Gần đây, chúng tôi đang làm sản phẩm GEA (Generative Enterprise Agent), chính là dùng AI để tái cấu trúc quy trình R&D, marketing của doanh nghiệp. Trong quá trình này, không phải tích hợp AI vào quy trình của con người, mà là tích hợp judgement của con người vào quy trình của AI. Tổ chức nguyên sinh AI không phải là “mọi người dùng AI”, mà là dùng logic của AI để tái cấu trúc tổ chức.

余一: Tôi rất đồng tình. Nếu còn dừng lại ở Copilot, chắc chắn chưa gọi là tổ chức nguyên sinh AI. Thậm chí tôi còn nghĩ, năm ngoái gọi là “tổ chức nguyên sinh AI” thực ra không tồn tại, đó chỉ là nâng cao năng suất cá nhân. Sau khi tôi tự code Web hai tháng, tôi coi mối quan hệ với Agent như quản lý “một công ty 100 người”.

Cảm nhận lớn nhất là, con người không thể luôn “sống chung” với AI, vì nếu cứ luôn bên nhau, con người sẽ bị mệt chết. Rõ ràng AI không phải sinh vật cùng loài, nhịp làm việc của nó không theo kịp. Vì vậy, tôi bắt đầu dùng nhiều cơ chế như giao tiếp bất đồng bộ, email, lịch để quản lý Agent.

Hiện nhiều cuộc thảo luận (ví dụ quan điểm của Block) cũng đang bàn về kiểu tổ chức mới này. Vì AI đã có thể tạo ra sản phẩm, cách kết nối output của AI với thị trường mới là điều quan trọng nhất. Thậm chí còn quan trọng hơn “con người và AI phối hợp thế nào”.

范凌: Đúng vậy. Tôi luôn nghĩ: nếu quy mô công ty nhỏ, sản phẩm không quá dẫn đầu, thì tất cả tích lũy trước đây của bạn sẽ trở thành gánh nặng khi đón sóng AI. Bạn có thể không thể cạnh tranh nổi với một công ty mới chỉ có vài người, nhẹ nhàng hơn. Dù có hơi tự cảnh báo, không chắc chắn sẽ xảy ra ngay, nhưng nhiều tập đoàn lớn thực sự cảm nhận được sự cấp bách này, đều đang nghĩ cách tự biến đổi. Các công ty lớn quay đầu cũng có thể rất nhanh.

Năm nay, tôi nghe nhiều hơn từ “AI rất thú vị” chuyển sang “gặp vấn đề rồi, tôi phải cắt giảm nhân sự thế nào?” “Tôi phải tái cấu trúc tổ chức ra sao?” “Làm thế nào để đảm bảo an toàn dữ liệu?” Mọi người bắt đầu thử nghiệm nhỏ, nhưng ý chí hành động rất mạnh. Năm ngoái, chủ yếu là nói trong các nhóm video, còn bây giờ, các thương hiệu lớn hơn nhiều, đều hỏi cùng câu hỏi, thậm chí rõ ràng muốn tổ chức lại AI Center.

余一: Tôi cũng cảm nhận rõ. Năm nay, doanh nhân rất háo hức hành động. Ở Silicon Valley, cũng rất sôi động. Liệu có phải do sự xuất hiện của các sản phẩm như Cua Lợn (Little Lobster), giúp mọi người trực quan thấy AI làm việc hiệu quả? Trước đây dùng Claude Code, các ông chủ có thể không cảm nhận rõ “máy móc thay thế”, nhưng giờ, một nhóm ông chủ đột nhiên nhận ra có thể trực tiếp chỉ huy AI làm việc, thậm chí còn cảm thấy kết hợp kinh nghiệm của mình, kết quả còn tốt hơn nhân viên. Họ rất muốn hành động.

范凌: Đúng vậy. Mỗi thế hệ sản phẩm cách mạng đều kéo nhiều người vào cuộc. Thực ra còn có những điểm chưa được bàn đủ. Ví dụ, chúng ta có nên biến SOP và năng lực của doanh nghiệp thành Skills để Agent gọi không? Jack Dorsey (người sáng lập Block) trong một bài viết nói rằng, mỗi doanh nghiệp đều có “mô hình thế giới” riêng, tức là một hệ thống Context chung.

Trong vài tháng qua, xây dựng hệ thống kiến thức hoặc bối cảnh cho doanh nghiệp vẫn rất nặng nề, khó thực thi hơn nhiều so với tạo ra ý tưởng. Để mọi người trải nghiệm chỉ huy máy tính làm việc trên C, rất dễ, nhưng để chuyển thành hệ thống có thể tạo ra giá trị cho toàn doanh nghiệp, cần nhiều kỹ thuật Harness Engineering và xây dựng hệ thống Context. Điều này đòi hỏi đầu tư lớn.

Trong bối cảnh trong nước, một điểm ít được bàn luận là Evals (đánh giá/kiểm thử). Ở nước ngoài, tôi nhận ra đây là thị trường rất lớn. Doanh nghiệp từ POC (xác thực ý tưởng) đến Production (triển khai thực tế), đều phải qua Evals. Hầu hết khách hàng còn chưa đầu tư vào Evals, chỉ thử dùng công cụ, thấy có thể làm nghiên cứu đối thủ hoặc đổi mới sản phẩm; nhưng để toàn bộ công ty sử dụng an toàn, ổn định và tạo ra giá trị, không có hệ thống Evals là không thể.

Tìm kiếm kịch bản và thách thức cân bằng

余一: Tuần trước, tôi ở Hàng Châu nói chuyện với các bạn đồng nghiệp, cũng đề cập đến mô hình này. Tôi thấy có một giáo sư đề xuất rất hợp lý: tầng một là Leader kiên định hỗ trợ; tầng hai là để người bình thường dùng; tầng ba là thành lập một Lab (phòng thí nghiệm), để nhận diện các ví dụ xuất sắc, biến thành sản phẩm hoặc giải pháp để toàn công ty áp dụng.

Ví dụ, công ty AI nguyên sinh tôi rất thích là Every, chỉ có hơn mười người, nhưng họ có vị trí “Chức danh Phó vận hành khám phá AI”, hàng tuần gặp CEO và mọi người nói về điểm đau, cách dùng AI, rồi tổng hợp kinh nghiệm, đảm bảo toàn công ty hưởng lợi. Không biết Tezign có xuất hiện vai trò hoặc kiến trúc mới tương tự không?

范凌: Ở chỗ chúng tôi, leader pod thực chất là “Chủ tịch khám phá kịch bản AI”. Tezign là công ty có văn hóa tài liệu sâu sắc. Giờ thậm chí ghi âm họp cũng chuyển thành văn bản. Một