Chắc phải là một khoảng thời gian tính theo năm, Py không dùng từ “multitasking” để nói việc bản thân liên tục nhảy từ tasks sang tasks nữa, mà dần chuyển sang “context-switching”, như một cách nhấn mạnh với chính mình về cái giá phải trả. Nhưng thật ra dùng từ nào thì Py cũng không thể phủ nhận mặt tiêu cực của cách làm việc hại-nhiều-hơn-lợi này.

(Phần tổng hợp nghiên cứu trong bài được thực hiện với sự hỗ trợ của AI.)

Multitasking là gì?

Theo cách hiểu phổ biến, multitasking là xử lý nhiều task tại một thời điểm. Tuy nhiên, ở tầng nhận thức, gần như chúng ta chỉ có thể chuyển tuần tự từ task này sang task khác. Và “multi” chỉ là cảm giác nếu quá trình chuyển đó diễn ra rất nhanh.

Py từng xem ví dụ đơn giản thế này để hình dung được cách não vận hành trong quá trình nhảy task. Lượt 1, bạn có thể viết xuống một tờ giấy dòng chữ “I am the best multitasker.” ở một hàng, sau khi viết xong, bạn xuống hàng tiếp theo để viết dãy số từ 1 đến 10. Trong video Py từng xem, người thực hiện mất 20 giây để thực hiện việc trên. Sau đó, ở lượt 2, bạn hãy viết lần lượt tuần tự mỗi ký tự và chữ trên hai dòng luân phiên lẫn nhau cho đến khi hoàn thành như lượt 1 (tức là hàng một viết “I”, xong đến hàng hai viết “1”, rồi đến hàng một viết “a”…). Và trong cùng video, thời gian hoàn thành được ghi nhận là khoảng 40 giây.

Rõ ràng, mỗi cú nhảy đều có giá. Nghiên cứu của Joshua Rubinstein và David Meyer thực hiện vào năm 2001 cho thấy chi phí chuyển task sẽ tăng dần theo độ phức tạp của task¹. Chẳng hạn như ở ví dụ trên, năng suất lao động có thể được xem là đã giảm 50%. Đến đây thì nghe như multitasking là thứ cần tránh.

Tâm lý học nhận thức chia việc xử lý thông tin thành hai kiểu: automatic processing (xử lý tự động) và controlled processing (xử lý có kiểm soát). Có những việc khi đã luyện đủ nhiều để thành phản xạ thì gần như không tốn quá nhiều não. Nhưng những việc đòi hỏi suy nghĩ có ý thức thì hiển nhiên tiêu tốn nhiều tài nguyên hơn.

Khi nào nên multitasking?

Nếu mượn ngôn ngữ của Cal Newport, thì multitasking thật ra phù hợp với shallow work (việc nông), nhưng rõ ràng không dành cho deep work (việc sâu). Update status ticket, xác nhận lịch họp, trả lời một câu hỏi nhanh về acceptance criteria: mấy việc này Py vẫn làm đan xen được. Còn ngồi định nghĩa hypothesis cho một tính năng mới, hay viết PRD cho một domain mình chưa có nhiều kinh nghiệm, thì đôi khi một cái chạm vai cũng làm đứt mạch suy nghĩ.

Ngoài ra, theo Py quan sát, một PO senior có thể vừa nghe dev báo blocker, vừa trả lời stakeholder, rồi quay lại backlog mà gần như không “rớt” nhịp. Nhưng đặt một PO mới vào cùng nhịp độ đó, thường cuối ngày bạn sẽ kiệt sức nhưng task list chưa chắc vơi đi. Py từng nghĩ đó là chuyện tố chất, nhưng nhìn thuần ở khía cạnh kỹ năng thì hiển nhiên người có nhiều kinh nghiệm sẽ có thể chunking (gom cụm thông tin)² tốt hơn hẳn junior.

Vậy nên, cùng một việc, với senior có thể là shallow work, nhưng với junior lại là deep work. Senior nhảy task được không phải vì họ multitask giỏi hơn. Mà vì họ đã đủ điều kiện để multitask với chính những việc đó.

Ảnh hưởng của AI

Ở bài AI Fatigue, Py từng nhắc đến AI brain fry: cảm giác “cháy não” vì phải dùng quá nhiều công cụ AI cùng lúc. Quay lại nghiên cứu của BCG đứng sau khái niệm này, có một chi tiết lần trước Py chưa kịp nói: năng suất đạt đỉnh khi dùng khoảng ba công cụ, từ bốn trở đi thì mệt tăng mà hiệu quả lại giảm. Agent chạy song song được, nhưng người giám sát thì vẫn chỉ có một cái đầu.

Anthropic từng làm một thí nghiệm với 52 kỹ sư, phần lớn là junior, họ được yêu cầu học một thư viện Python mới³. Sau đó nhóm tham gia được yêu cầu làm thêm bài kiểm tra, kết quả nhóm được dùng AI đạt trung bình 50%, nhóm tự code đạt 67%, và khoảng cách lớn nhất nằm ở phần debug. Nhưng chi tiết đắt giá hơn nằm ở cách dùng: ai dùng AI để hỏi khái niệm vẫn đạt từ 65% trở lên, còn ai giao hẳn việc viết code cho AI thì rơi xuống dưới 40%.

Cũng có thể diễn đạt thế này: junior multitask với AI đang optimize cho output, chứ không phải outcome. Task xong nhanh, nhưng cái schema lẽ ra phải được xây trong đầu thì không hình thành. Và nếu không có schema, sẽ không có chunking, cũng không có ngày junior đủ “rảnh đầu” để nhảy task như senior.

Dĩ nhiên một nghiên cứu thì vẫn chưa đủ để khẳng định AI không tốt cho junior, nhưng ít nhất có một lập trường Py muốn nhấn mạnh: với junior, AI có thể giúp làm nhanh hơn, nhưng cũng dễ khiến việc học chậm đi. Nên trong mọi việc bản thân đang là junior, vẫn cần duy trì những hình thức học thủ công, chẳng hạn như đọc hiểu, học thuộc lòng, tự áp dụng, tự kiểm chứng… chứ không thể dựa vào đôi lần đạt kết quả bằng việc dùng AI rồi tự tin mình đã sở hữu tri thức.

Đến đoạn này, Py vẫn giữ nguyên quan điểm ở đầu bài: multitasking không tốt, nhất là đối với sự phát triển của tư duy và sức khỏe tinh thần nói chung. AI thậm chí còn làm cho nhiều người lầm tưởng về khả năng multitasking – kiểu như một lúc prompt cho AI thực hiện nhiều tasks cùng một lúc, hoặc run song song nhiều agents cho nhiều projects khác nhau.

Vì đến điểm cuối, thời gian vẫn là trục tuyệt đối, có những giá trị cần đạt đến một điểm nhất định trên trục thời gian mới có thể hiện hữu*, và trong bài viết này thứ Py đề cập chính là deep work. Suy cho cùng, multitasking không phải kỹ năng để luyện, mà là phần thưởng của những gì mình đã hiểu đủ sâu.

*Ý này được inspired từ phim Lucy (2014), ở cảnh Lucy giải thích rằng khi tua một chiếc xe chạy nhanh đến vô hạn thì chiếc xe dường như sẽ không còn tồn tại, vì “Time is the only true unit of measure” – thời gian mới là thứ chứng minh sự tồn tại của vật chất.

Trong bài Py có đề cập đến một vài nghiên cứu, nhưng chia sẻ thẳng thắn thì Py không đọc hết toàn bộ từng paper, mà ưu tiên đọc abstract, conclusion và cross-check với các nguồn uy tín.

¹ Rubinstein, Meyer & Evans (2001), tóm tắt bởi American Psychological Association – Multitasking: Switching costs
² Chase & Simon (1973), qua bài tổng quan Helping students become proficient problem solvers
³ Anthropic (2026), How AI assistance impacts the formation of coding skills

Cám ơn bạn đã nán lại cho đến những dòng cuối cùng này.

Chúc bạn nhiều may mắn và bình an.

Anpy