Dạo gần đây, tôi có cảm giác mình đang sống giữa một cơn bão thông tin về trí tuệ nhân tạo. Mỗi ngày thức dậy, lại có một công cụ mới xuất hiện, một mô hình mới được giới thiệu, một quy trình làm việc mới được chia sẻ như thể nó có thể thay đổi hoàn toàn cách chúng ta học tập và lao động. Những ứng dụng được xây dựng từ mã nguồn mở, những công cụ tạo video bằng AI mà không cần biết lập trình, những hệ thống có thể tự động hóa các công việc trước đây đòi hỏi nhiều giờ lao động của con người, tất cả tạo nên một viễn cảnh vừa hấp dẫn vừa choáng ngợp. Những gì từng đòi hỏi kiến thức chuyên môn, thời gian đào tạo và nguồn lực đáng kể nay dường như đã nằm trong tầm tay của bất kỳ ai có kết nối Internet và đủ tò mò để thử nghiệm.
Nhưng chính sự phong phú ấy lại tạo ra một vấn đề mà ban đầu tôi không nghĩ đến. Tôi không thiếu công cụ để sử dụng, cũng không thiếu thông tin để học hỏi. Điều tôi thiếu là thời gian để theo kịp tất cả. Mỗi ứng dụng mới đều hứa hẹn một khả năng đáng kinh ngạc, nhưng để biết lời hứa ấy có thực sự hữu ích hay không, tôi phải dành thời gian tìm hiểu, thử nghiệm, điều chỉnh, so sánh và tích hợp nó vào công việc của mình. Không phải công cụ nào cũng đem lại kết quả như mong đợi. Không phải quy trình nào được giới thiệu là đột phá cũng phù hợp với nhu cầu thực tế. Có những buổi tối tôi dành hàng giờ để tìm hiểu một công nghệ mới, chỉ để nhận ra rằng kết quả cuối cùng không tốt hơn đáng kể so với cách làm quen thuộc, trong khi thời gian đã bỏ ra thì không thể lấy lại.
Điều đáng suy nghĩ là cảm giác này không xuất phát từ sự thiếu cơ hội, mà từ việc có quá nhiều cơ hội cùng xuất hiện một lúc. Khi công nghệ phát triển chậm, con người có thời gian để học, làm chủ và khai thác những gì mình đang có. Nhưng khi các công cụ liên tục thay đổi, việc học một công cụ mới đôi khi chưa kịp tạo ra giá trị đã có một công cụ khác xuất hiện với lời hứa hẹn hấp dẫn hơn. Chúng ta vừa học cách sử dụng một mô hình, người ta đã giới thiệu một mô hình tốt hơn. Vừa xây dựng được một quy trình làm việc, một nền tảng mới đã tuyên bố có thể thay thế toàn bộ quy trình ấy. Cảm giác tụt hậu vì thế không nhất thiết xuất phát từ việc chúng ta thực sự kém đi, mà đôi khi chỉ vì tiêu chuẩn về những gì có thể làm được đang liên tục dịch chuyển.
Nghịch lý của thời đại AI là chúng ta có thể làm được nhiều việc hơn bao giờ hết, nhưng cũng có thể lãng phí thời gian nhiều hơn bao giờ hết chỉ để tìm cách làm việc.
Khi việc học công cụ trở thành một công việc không có điểm dừng
Trước đây, muốn làm một video, chúng ta cần học phần mềm dựng phim. Muốn xây dựng một ứng dụng, chúng ta cần kiến thức lập trình. Muốn tự động hóa một quy trình, chúng ta cần hiểu công nghệ và đầu tư công sức xây dựng hệ thống. Những rào cản ấy khiến việc thực hiện nhiều ý tưởng trở nên khó khăn, nhưng đồng thời cũng tạo ra một giới hạn tự nhiên cho số lượng công cụ mà một người có thể theo đuổi. Ngày nay, AI đang từng bước hạ thấp những rào cản đó. Một người không biết lập trình vẫn có thể tạo ra những sản phẩm trước đây nằm ngoài khả năng của mình. Một người không có đội ngũ sản xuất vẫn có thể thử nghiệm những ý tưởng truyền thông phức tạp. Những công việc vốn tiêu tốn nhiều thời gian có thể được rút ngắn đáng kể nhờ tự động hóa.
Đây thực sự là một sự mở rộng quyền năng của cá nhân. Nhưng mỗi khi một giới hạn cũ được phá bỏ, một dạng giới hạn mới lại xuất hiện. Khi việc tiếp cận công cụ không còn quá khó khăn, năng lực lựa chọn công cụ trở nên quan trọng hơn. Khi việc tạo ra sản phẩm trở nên dễ dàng hơn, năng lực xác định sản phẩm nào đáng tạo ra trở nên có giá trị hơn. Khi ai cũng có thể tiếp cận những phương tiện mạnh mẽ, sự khác biệt không còn chỉ nằm ở việc ai sở hữu công cụ nào, mà nằm ở việc ai biết sử dụng chúng để giải quyết đúng vấn đề.
Vấn đề là chúng ta rất dễ nhầm lẫn giữa việc học thêm một công cụ và việc thực sự tiến bộ. Mỗi lần khám phá một ứng dụng mới, chúng ta có cảm giác mình vừa mở rộng năng lực. Cảm giác ấy có thể hoàn toàn chính đáng, bởi kiến thức mới thực sự có giá trị. Tuy nhiên, nếu liên tục chuyển từ công cụ này sang công cụ khác mà không tạo ra được một sản phẩm hoàn chỉnh, không cải thiện được chất lượng công việc và không giải quyết được vấn đề nào cụ thể, chúng ta có thể đang tích lũy cảm giác tiến bộ nhiều hơn là năng lực thực tế.
Điều này càng dễ xảy ra trong môi trường mạng xã hội, nơi những sản phẩm AI ấn tượng được trình diễn liên tục. Người ta giới thiệu một video được tạo ra chỉ trong vài phút, một hệ thống tự động hóa có thể thay thế hàng chục thao tác thủ công, hay một ứng dụng có thể biến ý tưởng thành sản phẩm gần như tức thì. Nhưng những gì được trình diễn thường là phần nổi bật nhất của quá trình. Đằng sau một kết quả đẹp có thể là nhiều lần thử thất bại, những yêu cầu được chỉnh sửa liên tục, chi phí sử dụng, giới hạn kỹ thuật và những công đoạn hậu kỳ mà video giới thiệu không đề cập đến. Khi chỉ nhìn thấy thành quả của người khác mà không nhìn thấy toàn bộ chi phí để tạo ra nó, chúng ta dễ đánh giá thấp công sức cần thiết để đạt được kết quả tương tự.
Từ đó hình thành một vòng lặp khó nhận ra. Chúng ta thấy người khác làm được điều gì đó bằng AI, lo rằng mình đang bỏ lỡ một cơ hội, dành thời gian tìm hiểu công cụ ấy, rồi lại phát hiện một công cụ khác có vẻ tốt hơn. Sự tò mò ban đầu dần bị thay thế bằng cảm giác phải cập nhật liên tục. Thay vì chủ động sử dụng công nghệ để phục vụ công việc, chúng ta bắt đầu điều chỉnh lịch trình và sự chú ý của mình theo nhịp xuất hiện của công nghệ.
Nếu không cẩn thận, chúng ta sẽ rơi vào một nghịch lý: dành quá nhiều thời gian để học cách tiết kiệm thời gian, đến mức không còn đủ thời gian để làm những việc mà mình muốn tiết kiệm thời gian cho chúng.
Không phải mọi cơ hội đều là cơ hội dành cho mình
Một trong những thay đổi quan trọng nhất mà AI mang lại là làm tăng số lượng lựa chọn có thể tiếp cận. Nhưng nhiều lựa chọn hơn không đồng nghĩa với việc chúng ta có nhiều thời gian hơn, cũng không có nghĩa là quyết định trở nên dễ dàng hơn. Trái lại, càng có nhiều khả năng, chúng ta càng phải trả giá cho việc lựa chọn, bởi mỗi lựa chọn đều kéo theo một chi phí cơ hội.
Giả sử một người dành ba giờ để tìm hiểu một công cụ AI mới. Ba giờ ấy không chỉ có chi phí trực tiếp là thời gian học tập, mà còn là ba giờ không dành cho những công việc khác: hoàn thành một bài viết, học sâu hơn về chuyên môn, chăm sóc sức khỏe, nghỉ ngơi hoặc ở bên những người thân yêu. Nếu công cụ mới giúp tiết kiệm mười giờ trong tương lai, khoản đầu tư ấy rất đáng giá. Nhưng nếu sau nhiều lần thử nghiệm, nó chỉ tiết kiệm được vài phút mỗi tuần, quyết định ban đầu có thể không hiệu quả. Điều quan trọng không phải là công cụ ấy có hiện đại hay không, mà là giá trị thực tế nó mang lại có tương xứng với nguồn lực chúng ta bỏ ra hay không.
Đây là lý do tôi cho rằng trong thời đại AI, năng lực từ chối có thể quan trọng không kém năng lực tiếp thu. Chúng ta cần chấp nhận rằng không thể tìm hiểu mọi mô hình, sử dụng mọi nền tảng hay thử nghiệm mọi quy trình đang được giới thiệu. Đó không phải biểu hiện của sự chậm chạp hay thiếu tinh thần cầu tiến, mà là sự thừa nhận một giới hạn căn bản của con người: thời gian và sự chú ý đều hữu hạn.
Một người không nhất thiết phải biết tất cả công cụ tạo video nếu công việc chính của họ là nghiên cứu y học. Một người không cần tự xây dựng mọi hệ thống tự động hóa nếu những công cụ sẵn có đã đáp ứng tốt nhu cầu. Một người cũng không cần lập tức chuyển sang nền tảng mới chỉ vì nó vừa được cộng đồng công nghệ đánh giá cao. Nếu một công cụ đang phục vụ công việc ổn định, việc thay thế nó phải dựa trên lợi ích đủ rõ ràng, chứ không nên chỉ xuất phát từ tâm lý sợ bỏ lỡ.
Điều này không có nghĩa là chúng ta nên đóng cửa trước những đổi mới. Vấn đề không nằm ở việc thử nghiệm nhiều hay ít, mà nằm ở việc có tiêu chuẩn để quyết định thử nghiệm điều gì. Sự tò mò giúp chúng ta khám phá những khả năng mới, nhưng mục tiêu mới giúp chúng ta biết khả năng nào đáng theo đuổi. Không có mục tiêu, sự tò mò dễ biến thành phân tán. Không có tiêu chuẩn đánh giá, việc học hỏi dễ biến thành một chuỗi trải nghiệm rời rạc.
Trong một thế giới mà mọi thứ đều có thể trở thành đối tượng để học, điều cần thiết không phải là cố gắng học tất cả, mà là xác định rõ những gì mình thực sự cần biết để tiến gần hơn đến điều mình muốn đạt được.
Đừng bắt đầu từ công cụ, hãy bắt đầu từ vấn đề
Tôi nghĩ một trong những cách hữu hiệu nhất để tránh bị cuốn theo làn sóng AI là đảo ngược trình tự tư duy quen thuộc. Thay vì nhìn thấy một công cụ mới rồi tự hỏi mình có thể dùng nó để làm gì, hãy bắt đầu từ công việc đang tồn tại và tự hỏi liệu có cách nào thực hiện nó tốt hơn hay không.
Chẳng hạn, nếu tôi thường xuyên phải viết những bài phổ biến kiến thức y khoa, vấn đề cần giải quyết có thể là thời gian tổng hợp tài liệu, cấu trúc nội dung, diễn đạt thuật ngữ chuyên môn cho dễ hiểu hoặc kiểm tra tính nhất quán của bài viết. Khi đã xác định được điểm nghẽn, tôi mới tìm một công cụ AI phù hợp để hỗ trợ. Tôi không cần học mọi ứng dụng viết lách, mọi mô hình ngôn ngữ hay mọi hệ thống tạo nội dung. Tôi chỉ cần tìm được một quy trình đủ tốt, có thể lặp lại, giúp cải thiện chất lượng hoặc giảm thời gian thực hiện công việc.
Tương tự, nếu muốn tạo video, hãy xác định mình cần video để làm gì, sản xuất với tần suất bao nhiêu, chất lượng đầu ra cần đạt đến mức nào và có thể dành bao nhiêu thời gian cho mỗi sản phẩm. Có thể một công cụ tạo video hoàn toàn tự động rất ấn tượng nhưng không phù hợp với yêu cầu về độ chính xác. Có thể một quy trình kết hợp giữa AI tạo kịch bản, giọng đọc tổng hợp và phần mềm dựng phim đơn giản lại hiệu quả hơn. Không có công cụ nào tốt nhất trong mọi hoàn cảnh, chỉ có công cụ phù hợp hơn với một mục tiêu cụ thể.
Khi bắt đầu từ vấn đề, chúng ta cũng dễ dàng đánh giá kết quả hơn. Một công cụ không cần phải có hàng trăm tính năng để được coi là hữu ích. Nếu nó giúp giảm thời gian xử lý một công việc từ hai giờ xuống còn ba mươi phút mà vẫn duy trì chất lượng, giá trị của nó đã đủ rõ ràng. Ngược lại, một hệ thống có thể thực hiện những thao tác rất phức tạp nhưng không cải thiện được kết quả cuối cùng thì chưa chắc đáng để đầu tư.
Cách tiếp cận này còn giúp chúng ta tránh một sai lầm khác: tự động hóa những việc vốn không cần thiết. AI có thể khiến việc tạo ra nội dung, báo cáo, hình ảnh hay video trở nên dễ dàng đến mức chúng ta muốn tạo ra nhiều hơn chỉ vì có thể. Nhưng khả năng sản xuất không phải bằng chứng cho thấy sản phẩm đó cần tồn tại. Nếu một công việc không tạo ra giá trị đáng kể, việc tự động hóa nó đôi khi chỉ giúp chúng ta tạo ra sự lãng phí nhanh hơn.
Câu hỏi quan trọng vì vậy không chỉ là AI có thể giúp chúng ta làm việc gì, mà còn là việc ấy có thực sự đáng làm hay không.
Từ người sưu tầm công cụ đến người xây dựng năng lực
Có một khác biệt đáng kể giữa người biết sử dụng nhiều công cụ và người có năng lực giải quyết vấn đề bằng công nghệ. Người thứ nhất có thể hiểu nhiều nền tảng, biết nhiều thủ thuật và liên tục cập nhật những tính năng mới. Người thứ hai có thể sử dụng ít công cụ hơn, nhưng biết xác định yêu cầu, lựa chọn phương pháp, kiểm tra kết quả và đưa sản phẩm vào công việc thực tế. Trong một môi trường biến đổi nhanh, kiểu năng lực thứ hai có thể bền vững hơn.
Bởi lẽ, công cụ có thể thay đổi chỉ sau vài tháng, trong khi những năng lực nền tảng thường có giá trị lâu dài hơn. Khả năng tư duy logic giúp chúng ta chia nhỏ một vấn đề phức tạp. Khả năng viết và diễn đạt giúp chúng ta mô tả chính xác điều mình cần. Kiến thức chuyên môn giúp chúng ta nhận ra khi nào AI đưa ra kết quả sai hoặc thiếu căn cứ. Năng lực đánh giá giúp chúng ta phân biệt một sản phẩm trông có vẻ thuyết phục với một sản phẩm thực sự đáng tin cậy. Khả năng tổ chức công việc giúp chúng ta biến một công cụ đơn lẻ thành một quy trình có thể sử dụng ổn định.
AI có thể hỗ trợ tạo ra câu trả lời, nhưng việc xác định câu hỏi nào đáng đặt ra vẫn phụ thuộc rất nhiều vào con người. AI có thể viết một bài phân tích, nhưng người đọc vẫn cần kiến thức để nhận ra những lập luận thiếu chặt chẽ. AI có thể tổng hợp một lượng lớn thông tin, nhưng việc xác định thông tin nào quan trọng, thông tin nào đáng tin cậy và thông tin nào có ý nghĩa trong bối cảnh cụ thể vẫn đòi hỏi năng lực phán đoán.
Trong lĩnh vực y tế, điều này đặc biệt rõ ràng. Một công cụ AI có thể hỗ trợ tổng hợp tài liệu, hệ thống hóa kiến thức, xây dựng nội dung giáo dục sức khỏe hoặc giảm bớt một số thao tác hành chính. Tuy nhiên, khả năng tạo ra một câu trả lời trôi chảy không đồng nghĩa với khả năng đưa ra một quyết định lâm sàng chính xác. Kết quả vẫn cần được đối chiếu với bằng chứng khoa học, hoàn cảnh của người bệnh và những giới hạn của công cụ. Người sử dụng càng có kiến thức nền tảng vững chắc thì càng có khả năng khai thác AI hiệu quả, đồng thời càng ít nguy cơ bị những câu trả lời có vẻ hợp lý đánh lừa.
Vì vậy, đầu tư vào AI không nên đồng nghĩa với việc dành toàn bộ thời gian để học AI. Đôi khi, cách tốt nhất để sử dụng AI hiệu quả hơn lại là tiếp tục học sâu về chuyên môn của mình. Công cụ có thể khuếch đại năng lực hiện có, nhưng nếu người sử dụng không hiểu vấn đề, sự hỗ trợ ấy có thể chỉ tạo ra những sai lầm với tốc độ nhanh hơn và vẻ ngoài thuyết phục hơn.
Mục tiêu cuối cùng không phải là trở thành người biết nhiều nhất về các công cụ AI, mà là trở thành người có khả năng làm được những việc có giá trị hơn nhờ AI.
Một hệ thống đơn giản để không bị cuốn trôi
Từ những suy nghĩ trên, tôi cho rằng mỗi người cần xây dựng cho mình một cách tiếp cận có chủ đích thay vì phản ứng theo từng xu hướng công nghệ. Điều này không nhất thiết phải bắt đầu bằng một kế hoạch phức tạp. Một số nguyên tắc đơn giản, nếu được duy trì nhất quán, có thể giúp chúng ta kiểm soát tốt hơn thời gian và sự chú ý của mình.
Trước hết, hãy xác định một vài mục tiêu thực tế mà AI có thể hỗ trợ trong công việc hoặc cuộc sống. Đó có thể là giảm thời gian tìm kiếm tài liệu, nâng cao chất lượng bài viết, tự động hóa một quy trình lặp lại hoặc học một kỹ năng mới. Mục tiêu càng cụ thể thì việc lựa chọn công cụ càng dễ dàng. Thay vì đặt mục tiêu chung chung là phải giỏi AI, hãy đặt mục tiêu giảm một nửa thời gian hoàn thành một công việc thường xuyên mà không làm giảm chất lượng đầu ra. Khi đó, việc học công cụ có một đích đến rõ ràng.
Tiếp theo, hãy giới hạn số công cụ được thử nghiệm trong cùng một thời điểm. Không cần mở hàng chục nền tảng chỉ vì chúng đang được nhắc đến nhiều. Có thể bắt đầu với một công cụ chính đáp ứng phần lớn nhu cầu, sau đó chỉ tìm thêm công cụ khác khi xuất hiện một hạn chế cụ thể mà giải pháp hiện tại không xử lý tốt. Việc duy trì một hệ thống tương đối ổn định giúp giảm chi phí chuyển đổi, tránh phải học lại liên tục và tạo điều kiện để tích lũy kinh nghiệm thực tế.
Khi quyết định thử một công cụ mới, hãy dành cho nó một khoảng thời gian có giới hạn và xác định trước tiêu chí thành công. Chẳng hạn, trong một tuần, thử nghiệm xem công cụ có giúp hoàn thành một nhiệm vụ cụ thể nhanh hơn, chính xác hơn hoặc ít thao tác hơn hay không. Cuối thời gian đó, hãy quyết định tiếp tục sử dụng, thử nghiệm thêm hay dừng lại. Không nên tiếp tục đầu tư chỉ vì đã bỏ ra nhiều công sức tìm hiểu ban đầu. Thời gian đã mất là chi phí chìm, không phải lý do để tiếp tục một lựa chọn không còn hiệu quả.
Một nguyên tắc khác là ưu tiên những quy trình có thể tái sử dụng. Thay vì mỗi lần làm việc lại tìm một ứng dụng mới, hãy xây dựng một cách làm đủ tốt, ghi lại những bước quan trọng và chuẩn hóa các yêu cầu thường dùng. Khi một quy trình đã hoạt động ổn định, chỉ thay đổi nó nếu có lý do rõ ràng. Điều này giúp chuyển kiến thức từ mức hiểu biết rời rạc thành năng lực thực hành, đồng thời tạo ra những lợi ích tích lũy theo thời gian.
Cuối cùng, cần dành thời gian định kỳ để cập nhật công nghệ thay vì để công nghệ liên tục chen vào mọi khoảng trống trong ngày. Có thể lựa chọn một hoặc hai khoảng thời gian cố định mỗi tuần để xem những thay đổi đáng chú ý, lưu lại công cụ tiềm năng và đánh giá xem chúng có liên quan đến mục tiêu hiện tại hay không. Những thông tin chưa cần thiết có thể để lại đó. Không phải điều gì đáng chú ý hôm nay cũng cần được xử lý ngay hôm nay.
Những nguyên tắc này không nhằm biến việc học AI thành một hệ thống cứng nhắc. Ngược lại, chúng tạo ra một khoảng không gian đủ ổn định để chúng ta có thể khám phá mà không đánh mất quyền chủ động. Chúng ta vẫn có thể tò mò, thử nghiệm và thay đổi, nhưng không còn phải phản ứng với mọi thứ xuất hiện trước mắt.
Điều gì thực sự đáng để tiết kiệm thời gian?
Có lẽ, khi nói về AI, chúng ta thường quá tập trung vào tốc độ. Một công cụ giúp hoàn thành công việc trong mười phút thay vì một giờ lập tức được coi là một bước tiến. Nhưng tiết kiệm thời gian chỉ là bước đầu tiên. Câu hỏi tiếp theo quan trọng không kém là chúng ta sẽ sử dụng khoảng thời gian có thêm ấy để làm gì.
Nếu toàn bộ thời gian tiết kiệm được lại tiếp tục dành cho việc tìm kiếm công cụ mới, học những tính năng mới và tối ưu hóa thêm những công việc khác, chúng ta có thể tạo ra một vòng xoáy không có điểm dừng. Công nghệ giúp chúng ta làm nhanh hơn, nhưng kỳ vọng về năng suất cũng tăng lên, khiến chúng ta phải làm nhiều hơn. Khi ấy, hiệu quả tăng lên không nhất thiết chuyển thành sự tự do lớn hơn. Chúng ta chỉ đạt được nhiều đầu việc hơn trong cùng một khoảng thời gian, trong khi cảm giác bận rộn vẫn còn nguyên.
Đây không phải vấn đề riêng của AI. Trong nhiều giai đoạn lịch sử, công nghệ đã giúp con người tăng năng suất, nhưng những lợi ích ấy không tự động chuyển thành thời gian nghỉ ngơi hay chất lượng sống tốt hơn. Điều đó còn phụ thuộc vào cách cá nhân và xã hội lựa chọn sử dụng những thành quả công nghệ mang lại.
Bởi vậy, mỗi người cần có một quan niệm rõ ràng về mục đích của việc tăng năng suất. Đối với người này, đó là có thêm thời gian nghiên cứu chuyên sâu. Đối với người khác, đó là hoàn thành công việc sớm hơn để chăm sóc gia đình, rèn luyện sức khỏe hoặc theo đuổi một sở thích. Với người làm chuyên môn, đó có thể là giảm bớt những thao tác lặp lại để dành nhiều sự chú ý hơn cho những quyết định đòi hỏi kinh nghiệm và trách nhiệm.
Nếu không xác định được mục đích ấy, chúng ta rất dễ biến hiệu quả thành một cuộc chạy đua vô tận. Bất cứ khi nào làm việc nhanh hơn, chúng ta lại tự đặt ra kỳ vọng phải làm nhiều hơn. Bất cứ khi nào một công cụ mới mở rộng khả năng, chúng ta lại cảm thấy mình cần khai thác toàn bộ khả năng ấy. Và bất cứ khi nào có người làm được nhiều hơn nhờ AI, chúng ta lại có thêm một lý do để nghi ngờ rằng mình đang làm chưa đủ.
Nhưng con người không có nghĩa vụ phải khai thác mọi khả năng mà công nghệ đem lại. Một khả năng chỉ trở thành lợi ích khi nó phục vụ một mục đích đáng giá. Chúng ta có thể sử dụng AI để làm việc hiệu quả hơn, nhưng cũng có thể chủ động dừng lại khi hiệu quả đã đạt đến mức cần thiết. Không phải mọi khoảng thời gian trống đều cần được lấp đầy bằng một dự án mới, cũng không phải mọi giới hạn đều cần được phá bỏ chỉ vì công nghệ cho phép.
Đôi khi, thành quả tốt nhất mà AI mang lại không phải là giúp chúng ta tạo thêm mười sản phẩm trong một ngày, mà là giúp chúng ta hoàn thành công việc cần thiết trong ít thời gian hơn và có thêm một buổi tối không phải làm việc.
Làm chủ công nghệ cũng là làm chủ sự chú ý của mình
Trong thời đại AI, thông tin và công cụ sẽ tiếp tục xuất hiện với tốc độ khó dự đoán. Những nền tảng hôm nay được xem là đột phá có thể trở nên bình thường vào ngày mai. Những quy trình đang mang lại lợi thế có thể sớm được tự động hóa rộng rãi. Vì thế, sẽ rất khó để xây dựng một chiến lược dựa trên giả định rằng chúng ta có thể học hết những gì đang diễn ra rồi mới bắt đầu làm việc.
Điều bền vững hơn là xây dựng khả năng thích nghi có chọn lọc. Chúng ta cần đủ hiểu biết để nhận ra những thay đổi có thể ảnh hưởng đến lĩnh vực của mình, đủ cởi mở để thử nghiệm phương pháp mới và đủ tỉnh táo để dừng lại khi một cơ hội không còn phù hợp. Điều này đòi hỏi sự kết hợp giữa tò mò và kỷ luật, giữa tinh thần học hỏi và khả năng bảo vệ những ưu tiên của bản thân.
Tôi không cho rằng nên đứng ngoài làn sóng AI. Bỏ qua những thay đổi có ý nghĩa cũng có thể khiến chúng ta đánh mất cơ hội nâng cao năng lực và thích nghi với công việc tương lai. Nhưng tham gia vào làn sóng ấy không có nghĩa là phải chạy theo mọi con sóng nhỏ. Có những công nghệ cần tìm hiểu ngay vì chúng đang làm thay đổi cách vận hành của một ngành nghề. Có những công cụ nên đưa vào sử dụng vì lợi ích đã rõ ràng. Và cũng có rất nhiều thứ chỉ cần biết rằng chúng tồn tại, chưa nhất thiết phải dành thời gian để học ngay lúc này.
Sự khác biệt nằm ở việc chúng ta có chủ động lựa chọn hay không. Nếu mục tiêu, công việc và những giá trị quan trọng của mình đã rõ ràng, công nghệ có thể trở thành phương tiện giúp chúng ta tiến xa hơn. Nếu thiếu một điểm tựa như vậy, mọi thứ mới mẻ đều có thể trở thành một hướng đi hấp dẫn, khiến chúng ta liên tục thay đổi mà không biết mình thực sự muốn đến đâu.
Có lẽ điều đáng sợ nhất trong thời đại AI không phải là chúng ta không biết sử dụng một công cụ nào đó. Những công cụ ấy rồi sẽ tiếp tục thay đổi, và không ai có thể làm chủ tất cả. Điều đáng sợ hơn là chúng ta dành quá nhiều thời gian để chạy theo khả năng của công nghệ đến mức quên mất việc xác định điều gì thực sự có ý nghĩa với cuộc đời mình.
Tôi muốn học AI, nhưng không muốn việc học AI trở thành một công việc không có điểm kết thúc. Tôi muốn tận dụng những công cụ mới để mở rộng năng lực, nhưng không muốn phải đánh đổi toàn bộ thời gian dành cho chuyên môn, sức khỏe, các mối quan hệ và những điều mình trân trọng. Tôi muốn biết những gì đang thay đổi, nhưng không nhất thiết phải thử mọi thứ. Tôi muốn làm việc hiệu quả hơn, nhưng hiệu quả ấy phải giúp cuộc sống trở nên tốt đẹp hơn, chứ không chỉ tạo thêm áp lực để làm nhiều hơn.
Bởi suy cho cùng, công nghệ càng phát triển thì con người càng cần hiểu rõ mình đang theo đuổi điều gì. Khi việc tạo ra một sản phẩm trở nên dễ dàng hơn, giá trị của việc lựa chọn sản phẩm nào đáng tạo ra càng lớn. Khi việc tiếp cận tri thức trở nên thuận tiện hơn, khả năng đánh giá và vận dụng tri thức càng quan trọng. Và khi có quá nhiều thứ tranh giành sự chú ý của chúng ta, khả năng quyết định điều gì xứng đáng nhận được thời gian của mình có lẽ là một trong những năng lực quan trọng nhất cần rèn luyện.
AI có thể mở rộng những gì chúng ta làm được. Nhưng nó không thể thay chúng ta quyết định điều gì đáng làm, cuộc sống nào đáng sống và đâu là giới hạn mà chúng ta không muốn vượt qua.
Trong một thế giới mà công nghệ luôn thúc giục chúng ta tiến nhanh hơn, đôi khi lựa chọn sáng suốt nhất không phải là chạy nhanh hơn, mà là biết mình đang đi đâu, vì sao phải đi và khi nào nên dừng lại.
Comments