AI trong nghề làm sản phẩm: chỗ dùng được và chỗ không

Có nên để Claude chọn việc gì làm trước trong roadmap không?

Nghe cũng hợp lý: nó đọc nhanh, viết nhanh, trả lời trôi chảy. Nhưng giao nhầm việc là rối.

Mình dùng một cách chẻ việc rất đơn giản, dùng được ngay, và đủ rõ để biết khi nào phải dừng.

Ranh giới nằm ở đây

XỬ LÝ thông tin đã tồn tại thì AI giúp được nhiều:

• Tóm tắt và gom nhóm review người dùng
• Rút ý chính từ tài liệu dài
• Biến mô tả rời rạc thành đặc tả có cấu trúc
• Phác thảo giao diện để chốt phạm vi
• Viết truy vấn dữ liệu, gợi ý chỉ số
• So sánh phương án theo tiêu chí đã có sẵn

TẠO RA thông tin chưa tồn tại thì nó chịu:

• Nhu cầu thật của người dùng ở thị trường của mình
• Số đo hiện tại của sản phẩm
• Thứ tự ưu tiên gắn với bối cảnh đội ngũ
• Quyết định đánh đổi giữa trải nghiệm, chi phí và rủi ro

Cách kiểm tra nhanh: câu trả lời đã nằm đâu đó trong tài liệu, dữ liệu, email, review hiện có chưa? Rồi thì Claude làm rất nhanh. Chưa có, phải đi lấy thêm thực tế hoặc phải chịu trách nhiệm cho quyết định, thì đó là phần của người.

Vì sao có ranh giới đó

Mô hình chỉ làm việc trên thứ bạn đưa vào và thứ nó từng học. Nó giỏi nén mẫu, nối ý, sắp xếp lại. Nó không biết điều chưa ai biết, và không tự sinh ra dữ liệu thật được.

Không đưa số liệu tuần trước thì nó không suy ra xu hướng. Không nói bối cảnh công ty thì nó không ưu tiên đúng chiến lược.

Cái bẫy là nó vẫn trả lời rất trôi chảy, nghe cực hợp tai. Văn hay không thay được bằng chứng.

Bốn kiểu hỏng hay gặp

• Bịa dữ liệu người dùng. Tạo persona, tình huống, câu nói rồi coi như nghiên cứu. Nhìn hợp lý mà chẳng đại diện cho ai.
• Hợp thức hoá quyết định đã trót thích. Nghiêng về phương án A rồi nhờ AI viết "so sánh khách quan". Đọc xong ai cũng gật, vì thiên kiến ban đầu chưa bị bóc ra.
• Nhầm tóm tắt với kết luận. Tóm tắt cho bạn thấy bức tranh, nó không trả lời "nên làm gì" khi thiếu mục tiêu và ràng buộc.
• Rò rỉ bối cảnh. Nhét dữ liệu nhạy cảm vào một phiên làm việc tuỳ tiện rồi mất dấu.

Dấu hiệu cảnh báo mình hay tự soi: mình có còn hỏi "dữ liệu này ở đâu ra" không, hay chỉ còn hỏi "viết hay hơn đi".

Dùng sao cho lành

• Hỏi hẹp, kèm dữ liệu. Ví dụ: "tóm tắt 300 review này thành 5 nhóm vấn đề, mỗi nhóm kèm trích dẫn."
• Yêu cầu trích nguồn, kèm chỉ mục hoặc link nội bộ để mình kiểm tra ngược được
• Giao cho nó phần cơ học: dọn dữ liệu, đổi định dạng, làm bảng so sánh, phác PRD, liệt kê case test
• Giữ lại cho mình phần phán đoán: chọn tiêu chí thành công, quyết định đánh đổi, xác thực insight bằng phỏng vấn và đo lường thật
• Bắt nó ghi rõ giả định trong mỗi đề xuất, và đánh dấu chỗ nào cần dữ liệu thật mới chốt được
• Vòng phản hồi ngắn: nó nháp, mình chỉnh, kiểm tra bằng mẫu nhỏ rồi mới mở rộng

Nói chung, mô hình phát huy tốt khi mình biến một vấn đề mơ hồ thành gói thông tin có giới hạn, có mục tiêu, có tiêu chí chấm.

Tóm lại

AI xử lý nhanh phần đã có. Tạo ra sự thật mới vẫn là việc của con người.

Dùng nó để rút ngắn quãng từ lúc biết mình cần gì đến lúc có kết quả. Đừng đẩy sang nó cái đoạn biết mình cần gì.