Py có dịp tiếp xúc với AI vào năm 2022, trong dự án CS Bot của MoMo. Đến khoảng năm 2023, Generative AI bùng nổ với sự thành công của chatGPT. Và hiện tại, cuộc chiến AI đang trở nên nóng hơn bao giờ hết với sự xuất hiện của Veo 3. Trong suốt chặng hình trình đó, PO – vị trí (tương truyền là) cầu nối giữa business và tech – nên chuẩn bị những gì để liên tục thích nghi và giữ vững ván lướt trên làn sóng mới?
Học
PO không cần trở thành chuyên gia AI, nhưng cần hiểu AI vận hành ra sao để đánh giá được tiềm năng ứng dụng vào sản phẩm. Nếu bạn hứng thú với việc tìm hiểu sâu xa về nguồn gốc của AI hay hứng thú với các từ khóa kiểu như neuronet1 thì có thể đọc qua quyển Chat GPT Là Gì – Phép Lạ Nào Khiến Nó Hoạt Động (bản dịch của nhóm Oddly Normal). Hoặc cũng có thể tham khảo bài luận của các bạn sinh viên các trường kỹ thuật về các đề tài như “Xây dựng chatbot…”, “Ứng dụng máy học…”… Cách tiếp cận này giúp Py hiểu các khái niệm chung chung như NLU, NLP, intents, annotations; dĩ nhiên, không thể bỏ qua LLM, cùng các từ khóa lâu đời về AI như machine learning hay deep learning và một chút xác suất thống kê (ví dụ như ý nghĩa thống kê, ngẫu nhiên…)
Quan trọng hơn hết, Py nghĩ PO nên chủ động tìm hiểu AI theo hướng ứng dụng – thay vì quá sa đà vào lý thuyết, hãy bắt đầu từ câu hỏi: “Tôi có thể dùng AI để giải quyết vấn đề gì trong sản phẩm của mình?”. Các nền tảng như Coursera, Udemy, hay thậm chí YouTube đều có nhiều khóa học chất lượng, phần lớn không yêu cầu nền tảng kỹ thuật sâu, chẳng hạn như khóa này. Từ khóa quan trọng cần khai thác là “prompt”2 – có hiểu hiểu cơ bản là cách giao tiếp với các LLM models. Một so sánh thú vị về AI đó là: AI giống như người đồng nghiệp nhiệt tình, hỏi gì cũng sẽ trả lời, luôn luôn lắng nghe, nhưng có hiểu theo đúng ý bạn thì là chuyện khác. Do đó, giống như tiếng Anh, dùng đúng ngữ pháp và bộ từ vựng là bước đầu để “cải thiện” hiệu quả giao tiếp.
Nhìn
Như cụm từ Py tường nhắc đến trên blog: “Đọc nhiều vào, quan sát nhiều vào”, thẩm thấu kiến thức chỉ là bước khởi động. Nếu trước đây PO cần vọc nhiều app để làm giàu vốn UX thì với AI cũng vậy. Đối với Py, trải nghiệm các AI tools mới, hoặc tính năng mới có AI của các tools hay dùng (Notion, Figma) không chỉ giúp mở rộng góc nhìn về việc ứng dụng AI mà còn là phương tiện để “smell” mức độ adopt của users.
Ví dụ, khoảng năm 2024, Py lướt tiktok và thấy giới thiệu về Lifelike.app, nền tảng ứng dụng AI để tạo nên các nhân vật ảo. Ngoài việc tương tác (call, chat) với một số nhân vật như Steve Jobs, Taylor Swift, Naruto… users còn có thể tự tạo nhân vật của riêng mình. Sau đó, team còn phát triển các nhân vật có tuyến câu chuyện, chẳng hạn như The Arranged Husband, My jealous boyfriend, …và sau mỗi lượt tương tác (gửi tin nhắn chat với nhân vật hoặc chọn lời thoại theo kịch bản gợi ý), hình nền và âm nhạc cũng sẽ thay đổi để phù hợp với đoạn cảm xúc của mạch truyện. Trải nghiệm thú vị này giúp Py “nhìn” tận mắt khả năng của AI, từ cá nhân hóa, đến tạo hình ảnh và nhạc. Tiếc là vì vấn đề chi phí nên Lifelike đã shut down vào khoảng tháng 4 năm nay.
Dĩ nhiên, khi làm trong ngành này thì chắc chắn không thể bỏ qua các sự kiện lớn như Google I/O, Microsoft Build, WWDC. Thật ra trừ Google I/O, Py cũng ít khi đón xem các sự kiện này mà chủ yếu xem tóm tắt, cùng nhiều nội dung công nghệ hay ho khác, từ các anh/chị Youtuber, Tiktoker (chẳng hạn như kênh của anh Duy Luân dễ thương). Nằm vùng trong các group bán tài khoản AI cũng là một kiểu trải nghiệm “cũng cũng” khác, khi có thể “xem” được cách “bán” AI và những concern của users xung quanh chuyện dùng AI.
Làm
Sau cùng, mọi kiến thức nếu không đưa vào hành động thì cũng chỉ là tạm thời. Py nghĩ PO học gì cũng nên “làm thử” để cảm được giới hạn – và tiềm năng – của công cụ đó. Một trong những bài tập dễ bắt đầu nhất là custom GPT – kiểu như trợ lý ảo cá nhân, cũng là ứng dụng sau khi học khóa về GPT trên Coursera mà Py có đề cập ở trên. Và chắc chắn không thể thiếu 7749 lần prompt cho Veo 3 hay theo trend tạo thẻ nhân viên, hộp figure.
Ngoài ra, việc dùng nhiều tools giúp Py lọc lại những tool hợp gout mình. Chẳng hạn như để tổng hợp thông tin từ tài liệu có sẵn thì dùng NotebookLM, tìm hiểu chung chung thì dùng Gemini hoặc GPT Deep Research, vẽ chart minh hoạ thì napkins.ai, tạo nhạc thì Mureka… Không phủ nhận có nhiều tools cùng chung công năng, nên quay lại vẫn là bản thân cần tự tìm ra công cụ thuận tay mình.
Tất nhiên, hành trình “học – nhìn – làm” của mỗi người sẽ khác nhau. Không có một công thức chung nào cả. Những gì Py chia sẻ ở trên, thật ra chỉ là cách Py đã làm với chính mình – và thấy hiệu quả. Ít nhất là làm cuộc sống của mình dễ dàng và thuận tiện hơn nhờ sự trợ giúp của AI. Nhưng hơn thế, chính những trải nghiệm này sẽ trở thành một phần “product sense”, bổ trợ cho năng lực phân tích và đưa ra giải pháp trên con đường làm sản phẩm.
AI thực ra chỉ là một “môn học” mới – có thể hấp dẫn, có thể gây áp lực – nhưng điều cốt lõi vẫn là thái độ học hỏi và thực hành không ngừng. Với Py, đó là kỹ năng quan trọng bậc nhất của một PO, hay người làm sản phẩm. Vì sản phẩm sẽ thay đổi, công nghệ sẽ thay đổi, nhưng chỉ khi PO giữ được sự chủ động trong học và hành, thì mới thật sự là người đứng ở “vị trí riêng” của mình giữa cuộc chơi công nghệ đang thay đổi từng ngày.
- Amazon Web Services. (n.d.). What is a neural network? AWS. https://aws.amazon.com/vi/what-is/neural-network/
- Lemonstribe. (n.d.). Prompt Engineering – Nghệ thuật giao tiếp với AI. https://lemonstribe.com/prompt-engineering-nghe-thuat-giao-tiep-voi-ai/
- Google. (2025). Google I/O 2025. https://io.google/2025/
Cám ơn bạn đã nán lại cho đến những dòng cuối cùng này.
Chúc bạn nhiều may mắn và bình an.
Anpy
Leave a Reply