Khóa họcAgent
Làm chủ tư duy trong thời đại AI - tư duy hệ thống, cách giao việc và quản lý agent
Thinking Systematically in the Age of AI
Đây là khoá nền tảng về cách nghĩ khi làm việc với AI, xoay quanh tư duy hệ thống. Bạn sẽ biết cách tìm đúng tầng của vấn đề, giao việc cho AI có ranh giới và tự động hóa từng bậc. Thay vì để AI quyết định thay mình, bạn giữ lại quyền kiểm soát bằng cách hiểu rõ cơ chế.
- 28 bài
- 5h55p
- 273 học viên
Bạn sẽ làm được gì
AI giờ làm được rất nhiều việc thay bạn, nhưng quyền quyết định chỉ ở lại với người hiểu việc mình đang làm gồm những phần nào và chạy ra sao. Khoá học cung cấp cách nhìn nền tảng đó, nói bằng lời đời thường. Lấy một việc bạn đang làm cùng AI, sau khoá học bạn tự làm được sáu việc sau.
- Xác định ranh giới các phần — Bạn chia một quy trình vận hành, một app vibe code hay một quyết định kinh doanh thành các phần và cách chúng nối với nhau.
- Tìm đúng tầng của vấn đề — Bạn nhận ra một lỗi là của một người hay của cả cách làm chung, và biết khi nào vá tại chỗ là đủ, khi nào phải sửa ở tầng trên.
- Đánh giá sự việc — Bạn đếm và xem lại trước khi kết luận, phân biệt được một nhận định đang dựa trên sự việc thật, suy đoán hay cảm giác.
- Nắm rõ AI — Trước khi giao việc, bạn biết AI đang có những thông tin gì, làm được gì và giỏi ở những thao tác nào.
- Kiểm tra đề xuất — Bạn giao việc có ranh giới, mục đích và tiêu chí rõ ràng, kiểm tra lời giải của AI trước khi làm theo, và thay một phần của app mà phần còn lại vẫn chạy.
- Giao thêm việc cho agent — Bạn tách được phần chạy theo quy tắc khỏi phần cần agent phán đoán, và mở rộng phạm vi tự làm cho agent khi đã có kết quả nghiệm thu.
Đây là khoá nền tảng về cách nghĩ, không yêu cầu biết code và không gắn chặt với một công cụ AI cụ thể nào.
Bạn có đang gặp những dấu hiệu này?
- Bạn đọc câu trả lời của AI thấy đúng và hay, nhưng hôm sau công việc vẫn y như cũNgười hỏi chưa thấy việc của mình gồm những phần nào, nên không biết câu trả lời đó được dùng để giải quyết bước nào trong công việc.
- Bạn hỏi AI vì sao doanh thu tháng này giảm và nhận về những lời khuyên chung chungAI chỉ biết những thông tin về công việc được cung cấp hoặc kết nối lúc hỏi, nên khi chưa có số liệu thực tế của doanh nghiệp, nó chỉ trả lời được theo lẽ thường.
- Câu trả lời viết mạch lạc, không có lấy một chữ “có lẽ”, nên bạn làm theo luônCâu văn trôi chảy khiến nội dung có vẻ chính xác, còn đúng hay sai phải đối chiếu với cách việc đó vận hành trong thực tế.
Khóa học này có hợp với bạn?
Khoá học dành cho ai
- Chủ doanh nghiệp, người quản lý— Bạn dùng AI hằng ngày để vận hành, tự động hóa và giảm chi phí, và muốn giữ quyền quyết định cho mình.
- Người vibe code app— Bạn dựng app hay quy trình cùng AI và cần nắm được nó, để sửa một phần mà phần đang chạy tốt vẫn chạy tốt.
- Developer làm việc cùng agent— Bạn cần cách nhìn hệ thống để giao việc cho agent, kiểm tra kết quả của nó và quyết định bước nào nên chạy theo quy tắc.
Những điều cần lưu ý
- Không dạy công cụ hay prompt mẫu — Khoá học không gắn với một phần mềm cụ thể; bù lại, bạn nhận được cách nghĩ dùng được với bất kỳ AI hay agent nào bạn đang dùng.
- Không có code — Khoá học không yêu cầu kỹ năng lập trình; bù lại, qua ví dụ từ chiếc xe máy hay một quán nhỏ, bạn nhận được cách nhìn dùng được cho cả app lẫn quy trình vận hành.
- Không đi vào bên trong AI — Khoá học không giải thích cách model hoạt động hay cách xây agent; bù lại, bạn nhận được cách biết AI có gì trong tay và cách giao việc cho nó.
- Không phải khoá lý thuyết — Khoá học không dùng thuật ngữ hàn lâm; bù lại, bạn nhận được kiến thức chuẩn nói bằng lời thường, kèm tài liệu gốc để kiểm tra lại.
Bạn sẽ học theo cách nào
- Thói quen trước, cơ chế sau— Phần lớn các bài mở bằng một thói quen rất phổ biến như bóp phanh sau hay giảm giá để bán thêm, rồi giải thích cơ chế để thấy vì sao kiến thức chuẩn nói ngược lại.
- Hình vẽ cơ chế— Hình minh họa vẽ các phần của ví dụ và cách chúng nối với nhau, theo đúng đường đi của tư duy mà bài dùng.
- Ví dụ nhỏ, một thay đổi— Mỗi bài theo dõi một ví dụ chỉ vài cái tên, đưa vào đúng một thay đổi, rồi xem chuyện gì xảy ra ngay sau đó và một thời gian sau.
- Đi từng bậc trên thang Bloom— Mỗi bài cho biết nó đưa bạn tới bậc nào, để bạn nắm vững bậc dưới trước khi lên bậc trên.
Mentor
Khóa học cung cấp những gì
Cả khoá học dựa trên một cách nhìn: mỗi việc bạn làm (một quy trình, một app, một quyết định) đều có thể nhìn như một hệ thống gồm những phần, cách chúng nối với nhau và mục đích chung. Cách nhìn ấy có gốc từ tư duy hệ thống của Donella Meadows, nhưng khoá học nói lại bằng lời đời thường. Để đo mình đã hiểu tới đâu, khoá học dùng thang Bloom bản chỉnh sửa của Anderson và Krathwohl như một cái thang sáu bậc, và mượn tài liệu hướng dẫn lái xe của Motorcycle Safety Foundation làm ví dụ mở đầu về cơ chế phanh xe máy. Nội dung chia làm bốn phần, đi theo thứ tự sự hiểu của bạn lớn dần.
Nhìn ra hệ thống
Phần đầu giúp bạn tập nhìn một việc quen thuộc, một quy trình hay một app bằng ba câu hỏi: gồm những phần nào, từng phần làm gì, ghép lại thì chạy ra sao và để làm gì. Từ chiếc xe đang phanh và người tắm biển bị dòng rút kéo ra xa, bạn thấy biết kết quả khác với hiểu cơ chế, và trực giác của chúng ta cũng sai theo quy luật. Tiếp theo, bạn tách quy trình của một quán nhỏ ra từng bước để tìm chỗ hay sai, rồi thay một bước mà các bước còn lại vẫn chạy. Phần này kết bằng năm đường đi của tư duy và sáu kỹ thuật tư duy hay được nhắc tới, mỗi kỹ thuật gắn với một câu hỏi bạn tự đặt được.
Tìm đúng tầng của vấn đề
Phần thứ hai giúp bạn dừng lại một nhịp trước khi sửa để xem vấn đề nằm ở đâu và sửa ở đó có đủ không. Bạn tập tách sự việc thật khỏi câu chuyện kể về nó bằng cách đếm lại, và nhận ra một lỗi lặp lại ở nhiều người là lỗi của cách làm chung. Bạn thấy vì sao số đơn hoàn thành mỗi giờ của cả quy trình chỉ bằng sức của bước chậm nhất, vì sao thêm người hay thêm công cụ đều sinh chi phí phối hợp, và nhìn trước một thay đổi sẽ kéo theo chuyện gì sau hai bước. Phần này khép lại bằng cách chọn tốc độ ra quyết định theo rủi ro, giúp bạn biết khi nào nên thử nhỏ và khi nào phải đi chậm.
Giữ kiểm soát khi làm việc với AI
Phần thứ ba dùng chính ba câu hỏi ở phần đầu để nhìn AI: nó chỉ biết những thông tin về công việc được cung cấp hoặc kết nối lúc hỏi, và không tự nhớ giữa các lần hỏi nếu không được thiết kế để nhớ. Đặt thang Bloom vào việc làm với AI, bạn thấy AI rất giỏi nhớ và diễn đạt, còn phần đánh giá kết quả đúng hay sai phải nằm trong đầu bạn. Bạn nhận ra những lúc mình tin AI chỉ vì câu văn chắc nịch, giao việc có ranh giới, rồi kiểm tra một đề xuất trông hợp lý bằng ba câu hỏi. Với app do AI dựng, bạn học cách nắm rõ các mối nối trước khi để AI sửa và giữ một bản sao lưu đã kiểm tra khả năng khôi phục, rồi dùng AI để tự hiểu thêm một việc thay vì chỉ nhận kết quả làm sẵn.
Tự động hóa có kiểm soát
Phần cuối trả lời một ý nghĩ rất phổ biến: có agent rồi thì giao cho nó cả quy trình. Bạn chia một quy trình thành bước chạy theo quy tắc kiểm tra được, và bước thật sự cần agent đọc hiểu, phán đoán. Đề xuất của agent đi qua một bước kiểm tra theo quy tắc trước khi được thực hiện, và phạm vi tự làm của agent được mở rộng dần khi có kết quả nghiệm thu và có điều kiện dừng rõ ràng để con người can thiệp. Bạn cũng thấy cách giảm chi phí bền nhất là chuyển bớt việc sang bước chạy theo quy tắc. Khoá học kết bằng một tình huống tổng hợp: một cửa hàng bán online muốn AI trả lời giúp tin nhắn khách, và bạn đi hết các bước từ nhìn ra hệ thống tới mở rộng phạm vi tự làm cho agent.
Nội dung khóa học
Các bài học mở sau khi ghi danh
- Quyền kiểm soát nằm ở người hiểu cơ chếCourse opening: why letting AI decide everything costs you control, the four-part map, and Bloom’s levels as the yardstickBài đọc · 13 phútCần đăng nhập
Chương 01Nhìn ra hệ thống
- Nhìn thấu cách một cỗ máy hoạt động từ các bộ phận nhỏSeeing anything as a system: parts, how they connect, and what the whole is forBài đọc · 12 phútCần đăng nhập
- Năm đường đi của tư duyThinking patterns: linear, networked, branching, looping and spiral, and when each one fitsBài đọc · 12 phútCần đăng nhập
- Biết kết quả không có nghĩa là hiểu cơ chếKnowing the rule versus understanding the mechanism: transfer to new situations and exceptionsBài đọc · 12 phútCần đăng nhập
- Trực giác của chúng ta sai theo quy luậtPredictable errors of intuition: anchoring, loss aversion and decoy options, and why standard knowledge is neededBài đọc · 13 phútCần đăng nhập
- Tách một việc quen thuộc ra từng phần để tìm chỗ hỏngDecomposition down to first principles: breaking a process into parts and links, and knowing when to stopBài đọc · 13 phútCần đăng nhập
- Thay một bước trong quy trình mà không làm lại từ đầuReusing and replacing parts: what a part takes in, what it gives back, and where it connectsBài đọc · 13 phútCần đăng nhập
- Mỗi hệ thống nằm trong một hệ thống lớn hơnBoundaries and levels: systems within systems, and drawing the boundary before analysingBài đọc · 13 phútCần đăng nhập
- Sáu kỹ thuật tư duy và khi nào nên dùngA toolkit of thinking techniques: critical, first-principles, second-order, inversion, divergent-then-convergent and computational thinkingBài đọc · 13 phútCần đăng nhập
Chương 02Tìm đúng tầng của vấn đề
- Tách sự việc thật khỏi câu chuyện kể về nóCritical thinking in practice: facts versus stories, what a claim rests on, and counting instead of recallingBài đọc · 13 phútCần đăng nhập
- Lỗi lặp lại ở nhiều người là vấn đề của hệ thốngLocal or systemic: signs that a problem belongs to the system rather than to one personBài đọc · 12 phútCần đăng nhập
- Cả quy trình chỉ nhanh bằng bước chậm nhấtBottlenecks: the whole flow moves only as fast as its slowest step (Theory of Constraints)Bài đọc · 12 phútCần đăng nhập
- Thêm người hay thêm công cụ đều kéo theo chi phí phối hợpAdding people or tools: onboarding cost and communication paths that grow faster than headcount (Brooks’s law)Bài đọc · 12 phútCần đăng nhập
- Giảm giá rồi phải bán thêm bao nhiêu để lời như trướcSecond-order effects and delays: how an intervention spreads, and why late results lead to overcorrectionBài đọc · 12 phútCần đăng nhập
- Vá mãi một chỗ là dấu hiệu phải sửa từ gốcPatching symptoms or fixing the cause: when repeated fixes signal a change of levelBài đọc · 13 phútCần đăng nhập
- Đo bằng con số nào, mọi người sẽ dồn sức vào con số đóMeasures shape behaviour: choosing a metric by the behaviour it produces (Goodhart’s and Campbell’s law)Bài đọc · 13 phútCần đăng nhập
- Chọn tốc độ ra quyết định theo mức rủi roDeciding under uncertainty: reversible and irreversible decisions, small trials and if-then branchesBài đọc · 13 phútCần đăng nhập
Chương 03Giữ kiểm soát khi làm việc với AI
- AI chỉ biết những gì được đưa vào lúc hỏiAI as a system: it knows only what it is given, acts only through what it is connected to, and does not remember unless designed toBài đọc · 13 phútCần đăng nhập
- Ranh giới giữa việc của AI và việc của con ngườiBloom’s levels applied to working with AI: where AI is strong, and where judgment must stay with youBài đọc · 13 phútCần đăng nhập
- Câu trả lời càng trôi chảy càng dễ tưởng là đúngConfidence is not correctness: fluency, anchoring on the first draft, trusting the machine over yourself, and sunk effortBài đọc · 13 phútCần đăng nhập
- Giao việc cho AI với ranh giới và tiêu chí rõ ràngDelegating to AI by level: scope, purpose, done criteria, and keeping the higher-level decision yourselfBài đọc · 12 phútCần đăng nhập
- Ba câu hỏi để kiểm tra một đề xuất trông hợp lýChecking AI solutions: what it touches, what happens two steps later, and how it could fail (inversion)Bài đọc · 13 phútCần đăng nhập
- Nắm rõ các mối nối trước khi để AI sửa appStaying in control of a vibe-coded app: map the parts before changing one, and keep real backupsBài đọc · 13 phútCần đăng nhập
- Làm nhanh mà chưa hiểu là đánh mất quyền kiểm soátUsing AI to learn, not only to do: try first then compare, ask why, choose among options, and revisit at a higher levelBài đọc · 13 phútCần đăng nhập
Chương 04Tự động hóa có kiểm soát
- Ranh giới giữa bước theo quy tắc và bước cần agentDeterministic steps versus judgment steps: the workflow is the skeleton, the agent sits at the joints (computational thinking)Bài đọc · 13 phútCần đăng nhập
- Đặt bước kiểm tra sau đề xuất của agentChoosing deterministic or agent steps, and routing agent output through a deterministic check before it actsBài đọc · 13 phútCần đăng nhập
- Tăng quyền tự quyết cho agent theo từng bậcLevels of autonomy: widening agent permissions step by step with evidence, stop points and running costBài đọc · 13 phútCần đăng nhập
- Đưa AI vào chăm sóc khách hàng, đi trọn một chu trìnhCapstone case: a small online shop automating customer care with AI, from seeing the system to step-by-step autonomyBài đọc · 13 phútCần đăng nhập
Vì sao có khóa học này
AI giờ có thể đưa ra câu trả lời mạch lạc và nghe rất có lý. Vì thế nhiều người dần để AI quyết định luôn những việc quan trọng như có nên thuê thêm người hay sửa app thế nào. Khi người hỏi không tự nhận ra chỗ sai của một đề xuất hợp lý, quyền quyết định cứ thế trượt khỏi tay mà không ai để ý.
Đi cùng với đó là thói quen xử lý vấn đề ngay tại chỗ nó hiện ra. Trễ hạn thì làm thêm giờ, AI trả lời chưa ổn thì sửa prompt, app lỗi thì bảo AI sửa tiếp. Ít ai dừng lại hỏi đây là lỗi của một chỗ hay của cả cách làm chung. Khi có AI trong tay, việc vá tại chỗ diễn ra nhanh hơn, kéo theo nguy cơ vòng lặp vá đi vá lại cũng quay nhanh hơn.
Khoá học này muốn giúp bạn đứng về phía người thấy được một việc gồm những phần nào. Người như vậy dùng AI như một người phụ việc giỏi, còn người chưa thấy thì dễ để AI dẫn đi. Chuyện này giống chiếc xe máy: ai cũng biết bóp phanh, nhưng hiểu vì sao phanh trước dừng xe tốt hơn thì mới phanh đúng khi tình huống thay đổi.
200Lab gom những kiến thức nền đã được nghiên cứu, rồi nói lại bằng lời đời thường nhất. Thang Bloom là thước đo xuyên suốt: muốn giao cho AI những việc ở bậc cao, bạn cần tự đứng vững ở những bậc bên dưới.
Những vấn đề thường gặp khi làm việc với AI
Phản xạ quen khi làm việc với AI là hỏi một câu, nhận một câu trả lời, rồi làm theo. Cách đó ổn với việc chỉ có một bước, còn với việc có nhiều phần ảnh hưởng qua lại, nó để lại những lỗi khó nhận ra.
- Dấu hiệuBạn đọc câu trả lời của AI thấy đúng và hay, nhưng hôm sau công việc vẫn y như cũThực raNgười hỏi chưa thấy việc của mình gồm những phần nào, nên không biết câu trả lời đó được dùng để giải quyết bước nào trong công việc.
- Dấu hiệuBạn hỏi AI vì sao doanh thu tháng này giảm và nhận về những lời khuyên chung chungThực raAI chỉ biết những thông tin về công việc được cung cấp hoặc kết nối lúc hỏi, nên khi chưa có số liệu thực tế của doanh nghiệp, nó chỉ trả lời được theo lẽ thường.
- Dấu hiệuCâu trả lời viết mạch lạc, không có lấy một chữ “có lẽ”, nên bạn làm theo luônThực raCâu văn trôi chảy khiến nội dung có vẻ chính xác, còn đúng hay sai phải đối chiếu với cách việc đó vận hành trong thực tế.
- Dấu hiệuCó AI trong tay, bạn tự động hóa bước dễ làm nhất mà số đơn hoàn thành không tăngThực raSố đơn hoàn thành mỗi giờ của cả quy trình chỉ bằng sức của bước chậm nhất, và việc đẩy nhanh một bước đưa việc tới nhanh hơn sức xử lý của nút thắt chỉ khiến đơn chờ chất đống.
- Dấu hiệuApp do AI dựng có lỗi, bạn bảo AI sửa, sửa xong lại hỏng ở chỗ khácThực raPhần bị sửa nối với những phần khác mà cả bạn và AI chưa vẽ ra, nên cần bản đồ các mối nối và một bản sao lưu đã kiểm tra khả năng khôi phục trước khi sửa.
- Dấu hiệuAgent trả lời khách ổn được một tuần, bạn cho nó tự làm mà không xem lạiThực raMột tuần ổn chưa đủ làm bằng chứng, phạm vi tự làm nên được mở rộng dần dựa trên kết quả nghiệm thu, kèm theo điều kiện dừng rõ ràng để con người can thiệp.
Mỗi tình huống trên có một bài riêng, phân tích bằng một ví dụ nhỏ.
Câu hỏi thường gặp
Mình được học khóa miễn phí này trong bao lâu?
Thời hạn truy cập được ghi ngay trên nút Học ngay ở hộp bên cạnh. Bạn không cần thanh toán gì để bắt đầu.
Khóa học có được cập nhật không?
Có. Khi khóa học được bổ sung hoặc cập nhật bài học, bạn nhận được các thay đổi đó trong suốt thời hạn truy cập của mình.
Mình học trên điện thoại được không?
Được. 200Lab chạy trên trình duyệt của cả máy tính lẫn điện thoại, bạn không cần cài ứng dụng. Tiến độ học được lưu theo tài khoản nên bạn đổi thiết bị vẫn học tiếp được.
Học xong mình có nhận Certificate không?
Có. Khi hoàn thành khóa học bạn nhận Certificate có mã xác thực. Người khác có thể kiểm tra mã đó trên trang xác thực Certificate của 200Lab nếu bạn chọn công khai.
Bắt đầu từ đâu
Bài đầu tiên trả lời vì sao để AI quyết định mọi thứ lại khiến bạn mất quyền kiểm soát, kể cả khi câu trả lời của AI đúng. Bài này đứng đầu vì nó vẽ ra bản đồ bốn phần của khoá học và giới thiệu cái thang Bloom mà mọi bài sau dùng để đo sự hiểu.