Cuộc trò chuyện với Lưu Dạ: OpenClaw chỉ là “tay chân”, chúng ta cần tiến từ “nhân viên số” lên “tổ chức số”, từ “sản xuất binh sĩ” sang “bố trí trận thế”
Tuyển chọn TechFlowTuyển chọn TechFlow
Cuộc trò chuyện với Lưu Dạ: OpenClaw chỉ là “tay chân”, chúng ta cần tiến từ “nhân viên số” lên “tổ chức số”, từ “sản xuất binh sĩ” sang “bố trí trận thế”
Khi nhân viên số tràn lan, yếu tố quyết định thành bại trong khởi nghiệp AI nằm ở khả năng “biên đạo” và “thẩm mỹ”.
Chuyên sâu báo cáo Web3Đối thoại｜Trương Bằng
Khi mọi người đổ xô phát triển “nhân viên số”, “công cụ Agent” và không ngừng nội cuốn trong các phân khúc ứng dụng cụ thể, thì thực chất rào chắn cạnh tranh (moat) thật sự của khởi nghiệp AI nằm ở đâu?
Gần đây, Trương Bằng – người sáng lập và Chủ tịch GeekPark – đã có một cuộc trao đổi mang tính tiên đoán với Lưu Dạ – người sáng lập VisionFlow – sau khi OpenClaw bùng nổ. Là lập trình viên thế hệ đầu tiên của Trung Quốc, sinh năm 1979, Lưu Dạ đã trải qua toàn bộ chu kỳ phát triển từ phần cứng nền tảng đến phần mềm, từ tích hợp doanh nghiệp (ToB) đến giáo dục trực tuyến (internet công nghiệp). Sau nhiều tháng “thiền định”, ông đã trò chuyện sâu rộng với các nhà nghiên cứu hàng đầu toàn cầu từ các công ty AI lớn và những nhà khởi nghiệp xuất sắc nhất trong nước, từ đó đưa ra một kết luận sắc lạnh: Việc coi AI như một “nhân viên số” để thay thế từng nhiệm vụ riêng lẻ là cách tư duy kỹ sư quá mức giản lược đối với hoạt động kinh doanh thực tế.
Trong cuộc đối thoại này, Lưu Dạ đề xuất loạt khái niệm và khuôn khổ đầy tính gợi mở như “tiết lộ từng bước”, “ma trận chiều cao-thấp của nhiệm vụ”. Qua thảo luận, một khả năng tương lai dần hiện rõ: Bước tiếp theo của AI chắc chắn không phải là sự tràn lan của những “công cụ nhân sự”, mà là xây dựng nên “tổ chức số” có khả năng cộng tác, báo cáo và tự phản tư. Khi văn hóa doanh nghiệp trở nên không còn cần thiết và các công việc chiều thấp bị xóa bỏ hoàn toàn, vị CEO tương lai có thể sẽ không còn là “Giám đốc điều hành”, mà là một “nhà sản xuất” sở hữu gu thẩm mỹ tuyệt đỉnh.
Đây là một cuộc suy luận sâu sắc về hình thái tổ chức thời đại AI, rào chắn thương mại và vị trí sinh thái của thế hệ khởi nghiệp mới. Chúng tôi hy vọng sẽ khơi gợi thêm những cuộc thảo luận sâu hơn từ các nhà khởi nghiệp trong tương lai.
Dưới đây là bản tóm tắt được biên tập bởi GeekPark:
01 Cuộc chiến “Vạn AI” đã bắt đầu: Có quá nhiều việc để làm,
nhưng điều quan trọng nhất là xác định đúng việc cần làm
Trương Bằng: Từ “Hộp bài tập” (ZuoYeHeZi) cho đến nay, anh đang rất hào hứng khám phá những thay đổi do OpenClaw mang lại. Vậy chính anh đã trải qua những thay đổi nào?
Lưu Dạ: Tôi là lập trình viên thế hệ đầu tiên của Trung Quốc, bắt đầu học lập trình từ khi còn nhỏ. Tôi đã chứng kiến sự chuyển đổi từ BASIC sang DOS, rồi Windows và đến Mac ngày nay; cũng như sự trỗi dậy của ba cổng thông tin lớn. Tôi từng làm về tin học hóa doanh nghiệp, mong muốn xây dựng một “IBM Trung Quốc”; sau đó chuyển sang “Hộp bài tập”, tham gia sâu vào lĩnh vực giáo dục trực tuyến. Giáo dục trực tuyến là một ngành công nghiệp vô cùng sâu sắc, là hình thái cao nhất của internet công nghiệp, cũng là “chuyến tàu cuối cùng”. Kinh nghiệm này giúp tôi nhận ra sâu sắc rằng cốt lõi của internet công nghiệp không phải là công nghệ, mà chính là ngành công nghiệp và hoạt động kinh doanh. Quy luật của internet công nghiệp là: trước tiên thực hiện kết nối thông tin, sau đó tiêu chuẩn hóa sản phẩm, tiếp theo là quản trị chuỗi cung ứng, và cuối cùng là cung cấp dịch vụ phức tạp phi tiêu chuẩn. Càng về sau, tỷ suất lợi nhuận càng cao nhưng độ khó cũng tăng lên.
Do đó, khi làn sóng AI ồ ạt kéo tới, việc đầu tiên tôi làm là dành gần sáu tháng trời, chẳng làm gì cả, chỉ yêu cầu phòng Nhân sự sắp xếp gặp gỡ tất cả những người có thể trò chuyện — từ các nhà khoa học trưởng của các công ty khởi nghiệp nổi bật, đến các kỹ sư, nhà nghiên cứu chủ chốt tại các hãng mô hình nền tảng lớn và các nhà khởi nghiệp AI trẻ tuổi. Tôi nói chuyện với tất cả mọi người, tích lũy tổng cộng gần một nghìn giờ trao đổi. Mức độ trao đổi sâu đến mức: đối phương vừa nói nửa câu đầu, tôi đã biết ngay nửa câu sau; lúc này, sự đồng thuận giữa mọi người đã gần như không còn khác biệt đáng kể.
Sau khi vòng tròn trao đổi kết thúc, kết luận thu được khiến người ta kinh ngạc vì sự thống nhất tuyệt đối: Tất cả đều đang làm cùng một việc — “nhân viên số”. Điều này khiến tôi nhớ lại một sai lầm chiến lược nổi tiếng của một lãnh đạo lớn về điện toán đám mây: “Alibaba làm điện toán đám mây, bản chất chẳng phải chỉ là một ổ đĩa mạng sao?”. Việc dùng khung tư duy cũ để hiểu một hiện tượng mới khiến bạn mãi chỉ nhìn thấy lớp bề mặt nông nhất.
Ngày nay, ai cũng nghĩ chỉ cần tạo ra một “nhân viên số”, ví dụ “nhân viên bán hàng số” hay “nhân viên chăm sóc khách hàng số” bằng Claude, thì rào chắn kỹ thuật ở đâu? Rào chắn cạnh tranh ở đâu? Khi việc đốt vài trăm triệu token mỗi ngày đã trở thành chuyện thường, điều này càng giống một ngành sản xuất, chứ hoàn toàn không thể bay cao. Vì vậy, tôi đặt cùng một câu hỏi cho mọi nhà khởi nghiệp: Tại sao lại là bạn? Vì sao bạn làm được? Bạn trẻ hơn? Thông minh hơn? Hay thức khuya giỏi hơn? Nếu chỉ cạnh tranh trên một chiều duy nhất, thì chẳng khác nào so sánh giữa “10 giây 69” và “10 giây 70”?
Trương Bằng: Đúng vậy, hôm nay có quá nhiều việc có thể làm, nhưng việc xác định đúng việc cần làm mới là điều quan trọng nhất. Anh có suy ngẫm gì về vấn đề này?
02 Mười năm internet công nghiệp sẽ tái diễn một lần nữa
Lưu Dạ: AI rất khác biệt, nhưng tôi tin rằng vẫn tồn tại những điểm tương đồng tiềm ẩn với quy luật internet công nghiệp. Giai đoạn đầu là công cụ, giai đoạn giữa là nghiệp vụ, giai đoạn cuối là tư vấn. Khi công nghệ chưa chín muồi, những người đầu tiên bước vào luôn là kỹ sư — họ giỏi việc trừu tượng hóa thế giới quá mức, ví dụ như “tính toán khung” (Box Computing) của Baidu, cho rằng mọi thứ đều là một “khung”. Nhưng nửa sau của kỷ nguyên internet di động lại xoay quanh nội dung và dịch vụ, chứ không phải “khung”.
Cách tưởng tượng về tổ chức của những người xuất thân từ kỹ sư thường quá đơn giản hóa nghiệp vụ. Hãy nhìn ba cổng thông tin lớn đầu tiên của internet Trung Quốc: Những người đi xa nhất trong cuộc đua này là Tencent và Alibaba — hai công ty tuy hơi xa về mặt công nghệ, nhưng lại rất gần với ngành công nghiệp. Ngày nay cũng vậy, công nghệ đang ngày càng trở nên ít quan trọng hơn.
Trương Bằng: Thế hệ cử nhân xã hội học (nhân văn) trong đợt này hẳn rất vui, dường như việc không biết viết mã cũng không còn là vấn đề nữa. Nhưng xét về dài hạn, AI thực sự đòi hỏi con người những phẩm chất gì? Điều gì đã thay đổi?
Lưu Dạ: Trong cấu trúc nhân tài Trung Quốc, tôi phát hiện một vấn đề. Lập trình viên thế hệ đầu tiên của Trung Quốc chính là những người làm sản phẩm (product manager), bởi lúc ấy chưa tồn tại vị trí “product manager”. Vị trí product manager chỉ trở nên phổ biến vào khoảng năm 2010, sau khi Jobs ra mắt iPhone 4 và Trương Tiểu Long nêu ra quan điểm về sản phẩm, từ đó mới xuất hiện khẩu hiệu “ai cũng có thể là product manager”. Trước đó, lập trình viên kiêm luôn vai trò product manager: lập trình viên xuất hiện trước, product manager xuất hiện sau — nên tất cả lập trình viên thế hệ đầu tiên đều là product manager. Họ học lập trình không phải vì công việc, mà vì niềm đam mê; chính sự say mê này đã thôi thúc họ dấn thân. Chính những con người không bị định nghĩa, thoát ly khỏi khuôn mẫu thông thường, mới thực sự xuất sắc nhất.
Tuy nhiên, lập trình viên thế hệ thứ hai và đặc biệt là trong mười năm gần đây, internet công nghiệp đã biến lập trình viên thành “nông dân viết mã” (code farmer), còn product manager thì trở thành “kiến trúc sư”. Các “nông dân viết mã” bị huấn luyện đến mức không còn suy nghĩ về nghiệp vụ. Giờ đây AI đến, phần “viết mã” bị loại bỏ, nếu không tiến hóa, họ thật sự chỉ còn lại chữ “nông”. Thế hệ trẻ này rất ưu tú, nhưng hiểu biết về ngành công nghiệp của họ lại là một khoảng trống. Do đó, “cuộc chiến Vạn AI” hiện nay bản chất vẫn chỉ là sự tràn lan ở tầng công cụ.
Bạn hãy xem giai đoạn cuối của internet công nghiệp: Các công ty như Alibaba và Meituan đều sử dụng phổ biến những chuyên gia phân tích thương mại có xuất thân từ các công ty tư vấn hàng đầu thế giới (MBB), và nhờ các chuyên gia tư vấn dẫn dắt product manager triển khai quy trình nghiệp vụ — bởi trong đầu product manager internet vốn không tồn tại tư duy hệ thống. Feishu (Phi Thư) chính là sản phẩm được xây dựng theo cách này. Dù ByteDance thuần túy là công ty internet, họ cũng sử dụng rất nhiều chuyên gia tư vấn để xây dựng quy trình nội bộ. Trong thời đại AI, quy luật này chỉ càng mạnh lên chứ không hề suy yếu.
03 Vấn đề của doanh nghiệp chưa bao giờ là vấn đề nhân sự, mà luôn là vấn đề tổ chức
Trương Bằng: Như vậy, anh cho rằng việc nội cuốn vào “nhân viên số” ở cấp độ vi mô là không mấy ý nghĩa.
Lưu Dạ: Đây là phán đoán cốt lõi nhất của tôi: “Nhân viên số” không phải là đích đến, mà “tổ chức số” mới là. Nếu “nhân viên số” tràn lan đến mức ngay cả vị trí tuyển dụng cũng không còn tồn tại, và tất cả mọi người đều có thể sở hữu những “nhân viên số” tốt nhất, thì điều gì sẽ xảy ra tiếp theo? Liệu mọi công ty đều sẽ kiếm được tiền và thành công? Thực tế là mọi vấn đề của doanh nghiệp đều là vấn đề chiến lược và vấn đề tổ chức — chứ chưa bao giờ là vấn đề nhân sự.
Vì vậy, các agent hiện nay vẫn chỉ đang thay con người làm việc, chứ chưa thay con người ra quyết định. Chúng tôi đã cải tiến nội bộ OpenClaw để tạo ra một thứ gọi là MetaOrg — bản chất là một nhân tố cốt lõi có khả năng sinh ra một đội agent. Mỗi khi giải quyết bất kỳ nhiệm vụ nào, chúng tôi không phái một “nhân viên”, mà xây dựng một “tổ chức” để giải quyết. Tổ chức này có quan hệ cộng tác, quan hệ báo cáo, có sứ mệnh, mục tiêu và cách thức hành động.
Trương Bằng: Nhưng liệu trong tương lai, một người có thể trở thành cả một bộ phận? Thậm chí là cả một công ty?
Lưu Dạ: Đây là một câu hỏi tuyệt vời. Chúng ta hãy đi sâu vào cấp độ nhiệm vụ: ví dụ khi dùng AI để làm một video ngắn hoặc viết một tài liệu, bạn cần nhiều vòng đối thoại. Bạn nói một câu, nó trả lời một câu, rồi bạn phản hồi lại — đây là cách sử dụng theo kiểu “công cụ nhân sự”, tức là nó chỉ thông minh hơn một chút.
Vì vậy, khái niệm “con người” và “bộ phận” không nằm ở số lượng nhiều hay ít. Khi mô tả JD (mô tả công việc) cho một vị trí cao cấp, chúng ta thường nêu: Thứ nhất, có thể làm việc và làm được nhiều loại việc khác nhau; có thể sử dụng nhiều công cụ khác nhau. Còn vị trí cao cấp thì phải có khả năng hiểu được ý định, chủ động lập kế hoạch đường đi, chủ động thực thi, đảm bảo giao việc, báo cáo định kỳ, tự phản tư tổng kết kết quả giao việc và điều chỉnh chiến lược linh hoạt dựa trên độ lệch giữa kết quả thực tế và kỳ vọng. Đó mới là năng lực cấp cao.
Trương Bằng: Một bộ phận đạt chuẩn phải giống như “xe tự lái cấp L4”.
Lưu Dạ: Đúng vậy. Khi bạn cấp cho nó một kỹ năng, nó có thể hoàn thành nhiệm vụ phức tạp; khi bạn cấp cho nó một hệ thống kỹ năng, nó có thể hoàn thành nhiệm vụ tổng hợp phức tạp; khi bạn bố trí một nhóm các agent thông minh (intelligent agents), nó có thể hoàn thành việc còn phức tạp hơn, ví dụ như quay một vở kịch ngắn. Tôi thường nói với nhân viên trong các cuộc họp: Khi dùng MetaOrg, đừng tự coi mình là quản lý, mà hãy coi mình là chủ tịch hội đồng quản trị (Chairman). Bạn cần cố gắng thử nghiệm giới hạn của nó.
Trong tương lai, khi thanh niên khởi nghiệp, trước đây người ta nói “gia đình hỗ trợ 500.000 nhân dân tệ để khởi nghiệp”, thì sau này có thể là “gia đình cấp một ngân sách token để thử nghiệm”. Bạn sẵn sàng chi bao nhiêu token sẽ quyết định cấp độ cao thấp của vị trí mà hệ thống có thể đảm nhận. Vị trí càng cao, chuỗi suy luận càng dài, càng cần thử nghiệm – lặp lại – tổng kết nhiều lần.
Trương Bằng: Quay lại câu hỏi trước, nếu một nhóm agent có thể được phân chia thành các đơn vị nhỏ hơn, hoặc tương tự như việc phân tách vị trí và năng lực, thì khi hình thành một đội, chất lượng cá nhân của từng thành viên sẽ quyết định thành bại. Điều này lại quay về logic cạnh tranh tổ chức thương mại của thời đại trước: “Mật độ nhân tài” — tức là chất lượng nhân tài cao — khiến nhiệm vụ cốt lõi của tổ chức dễ dàng đạt được và vượt trội hơn.
Cốt lõi của vấn đề nằm ở chỗ: nếu trong tương lai AI đều vạn năng, và tất cả chúng ta đều có thể gọi dùng những mô hình AI tốt nhất, thì ngoài việc tổ chức thương mại có thể tạo ra giá trị nhờ cung cấp hiệu quả hơn các dịch vụ chuyên biệt, thì ở một chiều kích khác, liệu chúng ta có cần quay lại “mật độ nhân tài” để đánh giá sâu hơn — nghĩa là các agent, bot của bạn trong hệ thống này được phân tách đến mức độ nguyên tử (atomic level) về năng lực cao hơn, thì “mật độ nhân tài” sẽ cao hơn, và kết quả, hiệu suất thậm chí cả đổi mới trong các nhiệm vụ phức tạp sẽ tốt hơn? Tôi không biết suy luận này có đúng hay không?
Lưu Dạ: Tôi đồng ý với quan điểm này. Trong doanh nghiệp có một bộ phận, các tập đoàn lớn thường gọi là OD (Organizational Development – Phát triển tổ chức). Để đánh giá một tổ chức có đủ sức chiến thắng hay không, cách phổ biến là so sánh toàn bộ đội ngũ nhân tài của đối phương, từ đó dự đoán kết quả “trận chiến” thông qua việc đánh giá mức độ phù hợp giữa người và vị trí, năng lực và vị trí. Vì vậy, thông thường doanh nghiệp chiến đấu dựa trên năng lực tổ chức, chứ không phải chiến lược kinh doanh. Ví dụ điển hình nhất là Alibaba. Alibaba đặc biệt coi trọng xây dựng tổ chức, nên giờ đây có thể đón “mùa xuân thứ hai”. Bởi vì đội ngũ sáng lập sẽ già đi, nhưng tổ chức thì có thể trường tồn. Về bản chất, nếu một ngày nào đó anh và tôi trở thành đối thủ cạnh tranh, và cả hai đều dùng AI, thì tôi xây dựng một “tổ chức AI” mạnh mẽ, có năng lực phát triển tổ chức AI rất tốt. Tôi sẽ xây dựng tổ chức này như thế nào? Tôi sẽ lần lượt mở ra toàn bộ hệ thống kỹ năng (skill system) của các agent đối thủ, phân tích mã kỹ năng của chúng, sau đó viết ra những kỹ năng tối ưu hơn trong hệ thống của mình, thậm chí bổ sung những chức năng mà đối thủ thiếu. Ví dụ, tôi có bộ phận chiến lược, tôi sẽ bắt đầu bằng việc quan sát và phân tích.
Huawei có một phương pháp luận nổi tiếng gọi là “Năm nhìn – Ba xác định” (Wu Kan San Ding). Tôi đùa với bạn bè rằng: Chỉ cần áp dụng phương pháp này, chúng ta có thể đánh bại 99% đối thủ cạnh tranh. “Năm nhìn” gồm: nhìn xu hướng ngành, nhìn thị trường và khách hàng, nhìn đối thủ cạnh tranh, nhìn năng lực bản thân, nhìn cơ hội chiến lược; “Ba xác định” gồm: xác định điểm kiểm soát, xác định mục tiêu, xác định chiến lược. Phương pháp luận này đủ để sàng lọc phần lớn đối thủ, bởi vì đa số người chơi cờ đều đi bừa, dựa vào tư duy phản xạ nhanh (fast thinking), trong khi cao thủ mặc định kích hoạt chế độ tư duy phản biện sâu (deep thinking & reasoning). Phản ứng đầu tiên của họ là: Tôi phải suy nghĩ như một tổng tư lệnh về cách xử lý vấn đề này.
Trương Bằng: Nói cách khác, “Năm nhìn – Ba xác định” về bản chất chính là tránh “phản ứng kích thích”, mà cần cố định một quy trình suy luận dài.
Lưu Dạ: Các cao thủ đều là những người vận hành mô hình “nghiên cứu sâu + tư duy sâu”, biết rằng trước hết phải nhìn vào thực tiễn tốt nhất và thông tin toàn cầu, sau đó tổng kết phân tích, tiến hành tư duy và suy luận sâu sắc, rồi đưa ra đáp án — một đòn chí mạng.
Vì vậy, tôi cho rằng trọng tâm cạnh tranh trong tương lai chỉ có một điều duy nhất: mô hình hóa nghiệp vụ truyền thống, trừu tượng hóa nó thành một hệ thống có khả năng điều phối và sắp xếp các agent thông minh. Đây chính là năng lực phát triển tổ chức (OD) thế hệ mới, và sẽ được nâng cấp thành AIOD — đây sẽ là năng lực cạnh tranh cốt lõi duy nhất trong tương lai.
Lợi thế cốt lõi của Alibaba nằm ở việc xây dựng tổ chức. Khi tổ chức được xây dựng vững chắc, bất kể đối thủ nào hay nghiệp vụ nào, công ty đều có thể duy trì tính cạnh tranh. Hơn nữa, Mã Vân từng nói: Mục đích của chiến đấu không nhất thiết là chiếm lĩnh một lĩnh vực nào đó, mà là thông qua chiến đấu để thúc đẩy sự phát triển của tổ chức. Alibaba lấy sự phát triển của tổ chức làm tiêu chuẩn đánh giá cốt lõi để xác định một “trận chiến” có đáng để đánh hay không — đây là một tư duy cấp cao. Bản thân Mã Vân giống như một “trung tâm thông tin siêu cấp”, mỗi năm bay 200 chuyến để thu thập mọi loại thông tin, sau đó dùng chúng để hoàn thiện xây dựng tổ chức. Ông mới thực sự là một chủ tịch hội đồng quản trị (Chairman), chứ không chỉ là một giám đốc điều hành (CEO).
Đây chính là hình thái tổ chức cao cấp nhất mà chúng ta từng chứng kiến — có thể vượt qua nhiều thế hệ, bao phủ nhiều ngành công nghiệp khác nhau, liên tục giành chiến thắng và thậm chí phục hồi sau suy thoái. Thông thường, nếu một công ty trong vòng mười năm bổ nhiệm sai một CEO, khả năng cao là công ty sẽ suy vong. Vì vậy, lấy sử làm gương, dùng góc nhìn cao hơn để đánh giá sự phát triển hiện tại, dù chỉ cắt giảm và tối ưu hóa một số mô hình hiện hữu, cũng hiệu quả hơn nhiều so với việc xây dựng từ con số 0 ở tầng nền.
Hiện nay, bất kỳ ai cũng có thể dễ dàng xây dựng một agent, nhân viên dễ dàng làm quen, lại được hỗ trợ bởi cộng đồng mã nguồn mở — ngành công nghiệp đã gần như không còn bí mật nào. Việc nội cuốn ở tầng công cụ sẽ luôn thua kém cộng đồng mã nguồn mở. Vậy điều gì mới là năng lực cốt lõi mà cộng đồng mã nguồn mở không có và không thể sao chép?
04 Vật lý học của tổ chức AI: Vì sao “tiết lộ từng bước” là chìa khóa?
Trương Bằng: Khi nói về tổ chức ở “thời đại trước”, chúng ta thường nhấn mạnh văn hóa tổ chức, giá trị cốt lõi, KPI… Khi chuyển từ quản trị tổ chức thời đại trước sang thời đại mới của tổ chức AI agent, những nội dung nào có thể hoàn toàn loại bỏ, và những nội dung nào có thể giữ lại nhưng cần chuyển hóa?
Lưu Dạ: Lý do cốt lõi Anthropic ra mắt “skills” (kỹ năng) là vì nguyên lý “tiết lộ từng bước” (gradual exposure) trong lĩnh vực lập trình AI — nếu AI tiếp nhận quá nhiều thông tin lộn xộn, sẽ xảy ra hiện tượng “suy thoái ngữ cảnh” (context corruption) và “suy giảm chú ý”, dẫn đến hỗn loạn; chỉ có “tiết lộ từng bước” mới giúp AI duy trì sự chú ý tốt và đưa ra kết quả chất lượng. Nếu phụ thuộc vào con người để thực hiện “tiết lộ từng bước”, bản chất là đối thoại thủ công toàn bộ — hiệu quả cực kỳ thấp. Vì vậy, giá trị cốt lõi của “skills” là phân tầng, phân giải nhiệm vụ phức tạp để thực hiện “tiết lộ từng bước” với AI.
Điều này hoàn toàn tương đồng với logic quản trị doanh nghiệp: Hội đồng quản trị tập trung vào các vấn đề chiến lược, CEO tập trung vào các vấn đề chiến thuật và quản lý cấp quản lý cao cấp, còn nhân viên xử lý các công việc đơn giản. Nếu 300 người cùng tham gia một cuộc họp, cuộc họp đó sẽ không thể diễn ra. Ý nghĩa cốt lõi của tổ chức là xử lý thông tin theo từng tầng, giống như nguyên tắc chuẩn hóa cơ sở dữ liệu (database normalization) — thông qua nén và phân tầng thông tin để nâng cao hiệu suất. Các vấn đề phức tạp buộc phải được phân tầng, phân giải và “tiết lộ từng bước”, chứ không thể đưa toàn bộ ngữ cảnh vào cùng một lúc. Đây chính là logic cốt lõi của hình thức tổ chức doanh nghiệp truyền thống, bởi vì năng lực tính toán trong một khoảng thời gian nhất định là có hạn.
Trương Bằng: Mỗi lần chạy mô hình đều tốn năng lực tính toán khổng lồ để tạo mới từ đầu — hiệu suất quá thấp.
Lưu Dạ: Điều này là bất khả thi. Cốt lõi vẫn là “tiết lộ từng bước” theo từng tầng, và những tài nguyên cần gọi đến phải được gọi đúng — đây là giới hạn khả năng của mô hình AI. Ngoài ra, một lý do khác Anthropic ra mắt “skills” là các nhiệm vụ phức tạp đã vượt ra ngoài các định luật vật lý cơ bản, và “skills” có thể phân giải nhiệm vụ phức tạp thành từng nhiệm vụ đơn giản ở chiều thấp hơn. Chiều phân biệt cốt lõi của nhiệm vụ không phải độ khó, mà là mức độ phức tạp — tồn tại các loại như “nhiệm vụ khó ở chiều thấp”, “nhiệm vụ khó ở chiều cao”, ví dụ như lập trình viên viết mã hoặc giải bài toán là những nhiệm vụ khó ở chiều thấp.
Dư Khải (Yu Kai) của Horizon Robotics từng đề xuất một mô hình kinh điển: Tất cả nghề nghiệp có thể được chia thành bốn góc phần tư theo “mức độ cạnh tranh” và “chiều cao-thấp”, gồm: cao chiều – cao cạnh tranh, thấp chiều – thấp cạnh tranh, thấp chiều – cao cạnh tranh, cao chiều – thấp cạnh tranh. Trong đó, bán hàng và kỹ sư thuộc nhóm thấp chiều – cao cạnh tranh; product manager và CEO thuộc nhóm cao chiều – cao cạnh tranh; còn các nhà khoa học thì thuộc nhóm cao chiều – thấp cạnh tranh — những chủ đề này có thể toàn thế giới chỉ có một người nghiên cứu, cạnh tranh thấp nhưng chiều cao cực kỳ lớn. Các nhiệm vụ cao chiều – cao cạnh tranh như kịch ngắn chất lượng cao hay tiểu thuyết hay, hiện AI vẫn chưa thể thực hiện; trong khi các nhiệm vụ thấp chiều – cao cạnh tranh như tối ưu hóa mã, AI đã có thể thực hiện rất tốt. Nhiệm vụ càng cao chiều thì nguồn dữ liệu càng ít, nhưng lượng dữ liệu cần để huấn luyện mô hình lại càng lớn — đây cũng là lý do tại sao mô hình văn bản xuất hiện trước, mô hình ảnh và video xuất hiện sau, và mô hình video ngắn khó triển khai thực tế. Mâu thuẫn cung – cầu giữa nhiệm vụ cao chiều và dữ liệu cao chiều này chỉ có thể được khắc phục bằng cách phân giải nhiệm vụ thông qua “skills”, giống như khi doanh nghiệp không tìm được người đảm nhiệm vị trí cao chiều, họ sẽ chia nhỏ thành ba vị trí nền tảng — duy chỉ có vị trí CEO cao chiều là không thể thay thế.
Trương Bằng: Các nhiệm vụ thấp chiều – cao cạnh tranh có khả năng cao sẽ bị AI thay thế hoàn toàn.
Lưu Dạ: Chắc chắn sẽ bị thay thế — và sự thay thế này đã bắt đầu xảy ra.
Trương Bằng: Đúng vậy. Vì vậy, tất cả các công việc thấp chiều – cao cạnh tranh nên được giải quyết sớm nhất bằng AI, có thể phân giải thành “skills”, sau đó hiện thực hóa thông qua tổ chức agent — trong suốt quá trình này, con người không nhất thiết phải tham gia.
Lưu Dạ: Tôi có một ý tưởng sơ bộ: IBM và Accenture — hai công ty tư vấn lớn nhất thế giới — bản chất cốt lõi của nghiệp vụ là chắt lọc thực tiễn tốt nhất trong ngành và đồng bộ hóa với chuyển đổi số, bán ra là quy trình chứ không phải công cụ. Khi doanh nghiệp mua quy trình quản trị rủi ro hay sở hữu trí tuệ (IP), họ đều mời công ty tư vấn triển khai. Công việc cốt lõi hiện nay của chúng tôi là xây dựng cụm “skills”, tìm kiếm các chuyên gia hàng đầu trong từng lĩnh vực, chắt lọc năng lực của họ và đồng bộ hóa, từ đó hình thành bộ “skill set” tiêu chuẩn. Điều này tương tự mô hình “Hộp bài tập”: “Hộp bài tập” hợp tác với Trường Trung học số 4 Bắc Kinh, Trường Trung học Phụ thuộc Đại học Nhân dân, nhóm ra đề thi tốt nghiệp THPT quốc gia và các thầy cô của Xueersi để chắt lọc các phương pháp cốt lõi như ra đề, giảng đề và chấm bài, sau đó hợp tác với các kỹ sư thuật toán của Baidu để xây dựng hệ thống — bản chất cũng là đồng bộ hóa thực tiễn tốt nhất. Còn cốt lõi của năng lực tổ chức chính là xây dựng một đội ngũ liên ngành chất lượng cao, vừa hiểu ngành, vừa hiểu kỹ thuật, vừa có khả năng kết nối các chuyên gia hàng đầu trong từng lĩnh vực chuyên sâu, đồng thời có năng lực thương mại, tuyển dụng và quản trị nhân sự — đây cũng chính là cấu thành cốt lõi của thế hệ doanh nghiệp AI SaaS mới.
Trương Bằng: Tiếp tục suy luận sâu hơn, trong tương lai nên xuất phát từ chiều kích nghiệp vụ để phản suy hình thái tổ chức cần thiết. Tổ chức về bản chất là một cấu trúc sắp xếp, giống như một “hệ điều hành nghiệp vụ” — khi đặt con người — đơn vị sản xuất — vào tổ chức phù hợp, giá trị sẽ được phát huy tối đa; ngược lại, tổ chức sẽ không vận hành hiệu quả. Hiện nay, yếu tố sản xuất đã thay đổi: từ phụ thuộc vào lao động con người sang AI — một yếu tố sản xuất có thể cung cấp vô hạn, và chỉ cần hình thành vòng tuần hoàn tích cực thì có thể mở rộng liên tục. Văn hóa tổ chức trước đây, giờ đây có thể được chuyển hóa thành mục tiêu và ngữ cảnh, không còn cần khẩu hiệu, các cuộc họp “ba bước đột phá”, hay các hoạt động “làm quen” (ice-breaking) nữa.
Lưu Dạ: Văn hóa là biểu hiện của ý định quản trị chứ không phải ý định nghiệp vụ. Thời đại trước, chiến lược bắt đầu từ tầm nhìn, tầm nhìn quyết định giá trị, tổ chức phục tùng chiến lược, còn nghiệp vụ là tiêu chuẩn kiểm chứng tất cả — văn hóa chỉ là công cụ quản trị tổ chức, không phục vụ trực tiếp chiến lược, thậm chí có thể chỉ là sở thích cá nhân của người sáng lập.
Trương Bằng: Trong quá trình con người phục vụ chiến lược trước đây tồn tại rất nhiều “khoảng trống”, liệu AI đang loại bỏ những khoảng trống này?
Lưu Dạ: Đúng vậy. Văn hóa không còn quan trọng trong thời đại AI. Văn hóa là phần “niềm tin” của tổ chức nhân loại, nhưng AI không cần điều đó. AI không có xương thịt, nên không cần văn hóa dẫn dắt. Nhu cầu cốt lõi của AI là năng lực tính toán (compute).
Trương Bằng: Ý anh là, AI cần là mục tiêu và nguyên tắc. Một tài liệu là đủ để làm rõ mục tiêu và nguyên tắc, tất cả đơn vị sản xuất đều có thể đồng bộ ngay lập tức và thực thi trung thành, không xuất hiện sai lệch. Một phần lớn ma sát trong tổ chức nhân loại đã biến mất.
Lưu Dạ: Đúng vậy. Tổ chức truyền thống: Chiến lược → Văn hóa → Nhân tài → Thực thi. Tổ chức AI hiện nay: Mục tiêu → Nguyên tắc → Skills → Sắp xếp (Orchestration). Toàn bộ chuỗi quản trị đã bị nén gọn một nửa.
05 Rào chắn cuối cùng: Thẩm mỹ và Sắp xếp (Orchestration)
Trương Bằng: Rào chắn mới của doanh nghiệp là gì? Chất lượng nhân tài đã được thay thế bằng “Skill Set”, miễn là tôi có thẩm mỹ, tôi có thể thu thập những “Skills” tốt nhất toàn cầu. Vậy ở tầng cao hơn, chính là “sắp xếp” (Orchestration), đúng không? Điều này sẽ gây ra những thay đổi gì?
Lưu Dạ: Giống như tại chợ Huaqiang Bắc bạn có thể mua được tất cả linh kiện điện tử, nhưng vì sao không phải ai cũng có thể làm ra iPhone? Trong tiểu sử Jobs, định nghĩa về thẩm mỹ rất rõ ràng: Đã từng thấy đủ nhiều điều tuyệt vời trên thế giới, có khả năng phân biệt tốt – xấu, đó chính là thẩm mỹ. Nếu chưa từng thấy sản phẩm tốt, quy trình tốt, tổ chức tốt, bạn sẽ không thể tạo ra thành quả chất lượng.
Trương Bằng: Kiến thức trải nghiệm là tiền đề của thẩm mỹ.
Lưu Dạ: Kiến thức trải nghiệm cộng với thiên phú — chỉ vậy thôi.
Trương Bằng: Thẩm mỹ thể hiện ở hai cách: thứ nhất là thiết kế chủ động và sắp xếp; thứ hai là trong hỗn loạn, nhận diện và lựa chọn những điều tốt đẹp đang “nổi lên” — hai cách này không mâu thuẫn.
Lưu Dạ: Đúng vậy, không mâu thuẫn. Một số thành quả của Apple là tự phát triển, một số là mua lại bên thứ ba — cốt lõi là có thẩm mỹ: không cần “tái phát minh bánh xe”, khi cần thiết thì tự phát triển là được.
Trương Bằng: Cốt lõi nằm ở chỗ: để agent chạy trong các module đã thiết lập trước rồi mới xác nhận đường đi, nhằm đạt được “sắp xếp nổi lên” (emergent orchestration); hay là thiết lập sẵn toàn bộ đường đi để thực hiện “sắp xếp thiết kế” (designed orchestration)?
Lưu Dạ: “Nổi lên” là phi kiểm soát, nên trước tiên phải thiết lập các quy tắc và nguyên tắc hạt nhân — đây mới là nơi thể hiện thẩm mỹ của một người. Giống như một kỹ sư xuất sắc chỉ cần 500 dòng hoặc 5.000 dòng mã là có thể tạo ra một OpenClaw hữu dụng, trong khi một kỹ sư kém cỏi viết đến 50.000 dòng mã cũng không đạt được hiệu quả tương đương — các quy tắc hạt nhân nền tảng vẫn phải do con người thiết lập.
Trương Bằng: Vì vậy, không thể chờ đợi “nổi lên” trong hỗn loạn — điều đó đòi hỏi thời gian quá dài — “sắp xếp” vẫn cực kỳ quan trọng. Liệu “sắp xếp” cuối cùng này chỉ có thể đến từ người sáng lập, hay nói cách khác, giống như một “nhà sản xuất” (producer)?
Lưu Dạ: Tôi nghĩ định nghĩa “nhà sản xuất” rất hay. Đúng vậy, ngay cả khi có “nổi lên” và hiệu ứng quy mô, vẫn cần gắn thẻ dữ liệu, làm sạch dữ liệu và liên tục điều chỉnh thuật toán để tránh mở rộng vô trật tự.
Người thực hiện “sắp xếp” phụ thuộc vào độ phức tạp của nghiệp vụ — nghiệp vụ phức tạp thì một người không thể làm xong, ví dụ như quay một vở kịch ngắn hay viết prompt, trong thực tế sẽ gặp rất nhiều khó khăn. Khái niệm “công ty một người” (one-person company) đang bị lạm dụng; thế giới không thể bị đơn giản hóa vô hạn. Mặc dù máy tính có thể vận hành bởi một người, nhưng một người khó có thể nắm giữ toàn bộ năng lực chiều cao — những nhân tài siêu cấp như Elon Musk hay Lý Phi Phi, có thể thông thạo nhiều lĩnh vực và đảm nhiệm bất kỳ vị trí nào, là cực kỳ hiếm.
Trương Bằng: Nếu chúng ta có thể gọi dùng các hệ thống agent và skill tốt nhất toàn cầu — ví dụ một biên kịch xuất sắc — thì về mặt lý thuyết, liệu có thể dựa vào những nguồn lực này để quay một bộ phim nổi tiếng toàn cầu và có lợi nhuận? Biên kịch dù có điểm nổi bật cốt lõi (kịch bản hay), nhưng không thể đảm nhiệm tất cả các khâu; liệu “điểm nổi bật cốt lõi + nguồn lực toàn cầu” có thể hình thành một vòng khép kín khả thi?
Lưu Dạ: Đây bản chất là vấn đề dữ liệu — liệu có tồn tại dữ liệu lưu trữ thông tin chiều cao nhất không? Ví dụ, để huấn luyện “skills” cho CEO, hiện tại không có đủ dữ liệu hỗ trợ: những bài viết dài hàng vạn chữ của Nhậm Chính Phi hay những phát biểu bằng miệng của Mã Vân đều không thể hiện đầy đủ nhận thức chiều cao của họ; ngay cả khi thu thập toàn bộ báo cáo tài chính của các công ty toàn cầu và mọi phát ngôn của các CEO, cũng không thể huấn luyện ra một mô hình có thể đảm nhiệm vai trò CEO, bởi vì năng lực cốt lõi của CEO là kiến thức ngầm (tacit knowledge), không thể bộc lộ hoàn toàn qua văn bản.
Trương Bằng: Nói cách khác, năng lực cốt lõi của CEO hiện tại vẫn chưa thể được vector hóa. Điều này hạn chế khái niệm lý tưởng “công ty một người”: ngay cả khi mỗi người đều có thể phát huy ưu thế ở một chiều duy nhất và kết hợp với nguồn lực hàng đầu toàn cầu, vẫn thiếu một người “sắp xếp” cốt lõi — bản chất vẫn là vấn đề năng lực “sắp xếp”. Tóm lại, dù sở hữu những “linh kiện” tốt nhất, vẫn cần năng lực “sắp xếp” mạnh mẽ.
Lưu Dạ: Product manager cũng vậy, kiến thức ngầm của họ không thể hoàn toàn chuyển thành văn bản. Đây cũng là lý do cốt lõi khiến các “AI companion” và nội dung do AI tạo ra hiện nay chưa đủ “sống động” — thiếu dữ liệu hỗ trợ kiến thức ngầm chiều cao. Khi lượng dữ liệu còn ít, hãy tập trung xây dựng “skills”; khi lượng dữ liệu đã dồi dào, mới tiến hành xây dựng mô hình. Robot hiện tại chưa thể triển khai thực tế, cốt lõi chính là thiếu dữ liệu đủ lớn.
Trương Bằng: Từ đây có thể suy luận rằng, điểm quyết định thắng – bại trong tương lai của doanh nghiệp không còn là khả năng tiếp cận mô hình AI hàng đầu — nguồn lực AI ban đầu dường như đồng đều, năng lực tính toán cũng liên quan đến tài chính và khả năng đóng vòng nghiệp vụ, cuối cùng sự khác biệt vẫn quay về “nhà sản xuất” (producer) — tức là năng lực “sắp xếp” và tính đổi mới, ý nghĩa của mục tiêu — hai yếu tố này tạo nên năng lực cạnh tranh cốt lõi của doanh nghiệp.
Lưu Dạ: Một cựu đối tác của McKinsey từng nói với tôi rằng nghiệp vụ cốt lõi của McKinsey là chắt lọc thực tiễn tốt nhất, xây dựng mô hình, sau đó hỗ trợ doanh nghiệp triển khai từng bước. Ví dụ khi tư vấn cho nhà máy ô tô Trung Quốc, họ sẽ tìm hiểu cách làm của Toyota từ đồng nghiệp Nhật Bản — bản chất là sao chép và hiện thực hóa thực tiễn tốt nhất.
Ví dụ Mi Meng làm kịch ngắn rất đáng tham khảo. Bà xuất thân từ ngành Ngữ văn Trung Quốc, nhưng đội ngũ nòng cốt lại là những nhân tài từ khoa Toán và khoa Máy tính của Đại học Thanh Hoa và Đại học Bắc Kinh, chuyên phân tích logic của các video ngắn “bùng nổ”, cuối cùng đạt tỷ lệ “bùng nổ” cực cao. Cách tiếp cận này bản chất là “mô hình hóa kỹ thuật xã hội” cho ngành, dù có khả năng bị “quá khớp” (overfitting), nhưng hướng mô hình hóa là đúng.
IBM, Accenture và McKinsey đều làm việc này — thế hệ McKinsey đầu tiên mô hình hóa thực tiễn tốt nhất vào người đối tác, còn IBM thì chuyển hóa nó thành quy trình số hóa, bản chất đều là “bán quản trị và quy trình”.
Trương Bằng: Cốt lõi chính là chắt lọc thực tiễn tốt nhất, sau đó kiểm chứng và hiện thực hóa lặp đi lặp lại — đây mới là yếu tố quyết định thắng – bại của tổ chức thương mại trong tương lai. Chỉ khi phân giải kỹ lưỡng, mới có thể thực hiện “sắp xếp” hiệu quả. Vì vậy, hướng đi cốt lõi tiếp theo của các anh là đẩy mạnh theo hướng này?
Lưu Dạ: Trong ba năm qua, chúng tôi chủ yếu làm nghiệp vụ AI ToC, dùng cách tiếp cận MetaOrg để xây dựng lại toàn bộ hệ thống giảng dạy và nghiên cứu sư phạm. Đây không đơn thuần là một câu chuyện “dùng AI để tăng hiệu suất”. Chúng tôi đã xây dựng một tổ chức giảng dạy và nghiên cứu dựa trên agent (Agentic 教研组织), phía sau chạy hàng loạt đội nghiên cứu sư phạm ảo: đội nghiên cứu học ngoại ngữ theo dõi lý thuyết mới nhất về việc học ngôn ngữ thứ hai; đội thu thập ngữ liệu chuyên sâu lấy biểu đạt địa phương từ ngữ cảnh thực tế; đội đánh giá hội thoại xây dựng tiêu chuẩn đánh giá đa chiều cho năng lực nói; đội thiết kế hội thoại chuyển đổi phương pháp giảng dạy thành tương tác người – máy tự nhiên; đội thiết kế “bể đề” giải quyết vấn đề phù hợp giữa hình thức luyện tập và nội dung; đội phân tích dữ liệu khai phá tín hiệu thực tế về hiệu quả học tập từ hành vi người dùng. Mỗi đội đều có “skills” riêng, quy trình làm việc riêng và tiêu chuẩn đánh giá riêng. Hiện tại, khoảng 80% công việc như gắn thẻ dữ liệu giáo trình, giám sát đánh giá, hiểu người dùng và lặp lại sản phẩm đều do AI thực hiện.
Hành trình phát triển của chúng tôi là từ “AI như một tính năng” nâng cấp lên “AI như một năng lực tổ chức”. Vị trí giáo viên tiếng Anh ở mức độ phức tạp trung bình, chúng tôi đã trừu tượng hóa nó và dùng MetaOrg để sinh ra các vị trí khác; nếu kết hợp với kiến trúc “skill” mới nhất, chúng tôi có thể xây dựng các vị trí cấp cao hơn.
Hiện tại chúng tôi đã hoàn thành việc xây dựng toàn bộ quy trình cho “AI tutor”, bao gồm trừu tượng hóa và hiện thực hóa kỹ thuật “sắp xếp”, trong tương lai rất có thể sẽ nâng cấp từ “Meta tutor” lên “Meta tổ chức” — đơn vị nhỏ nhất của nó là vị trí (position), chứ không phải nhân viên (employee), trọng tâm nằm ở sự cộng tác và quản trị giữa các vị trí. Trọng tâm hiện tại của chúng tôi là kết nối với các CEO hàng đầu trong từng ngành, bởi vì CEO mới chính là “nhà sản xuất” cốt lõi.
Trương Bằng: Vì vậy, cái các anh ra mắt gần giống một bộ phận có khả năng mở rộng?
Lưu Dạ: Mục tiêu là tiến tới hướng “công ty”, bởi vì bản chất một công ty lớn cũng được cấu thành từ nhiều “công ty nhỏ”, và đơn vị nhỏ nhất chính là vị trí. Cần vừa quan tâm đến lựa chọn chiến lược toàn ngành, vừa thúc đẩy lặp lại sản phẩm từ cấp độ vị trí — nếu vị trí không làm tốt, dù người quản lý có năng lực đến đâu, cũng không thể hình thành một tổ chức hiệu quả.
Trương Bằng: Muốn làm tốt một bộ phận, trước tiên phải phân giải năng lực và vị trí liên quan, sau đó phân giải “skills” tương ứng với vị trí, và phải phấn đấu để những “skills” này đạt mức SOTA (State-of-the-Art).
Lưu Dạ: Phương pháp cốt lõi chỉ có một: cùng sáng tạo với doanh nghiệp được phục vụ hàng đầu. “Skills” được xây dựng phải được doanh nghiệp hàng đầu đánh giá xem có đáp ứng nhu cầu hay không — giống như phương án do cấp dưới viết ra phải được cấp trên phê duyệt, không thể “tự sướng”. Ví dụ, khi mô hình hóa kịch ngắn, cần được các tổ chức hàng đầu trong ngành công nhận, nếu không thì không thể coi là thực sự hàng đầu. Mọi thứ đều cần được đánh giá và đo lường.
Midjourney có thể tạo ra hình ảnh chất lượng cao, cốt lõi là đội ngũ gồm nhiếp ảnh gia và kỹ sư, sở hữu thẩm mỹ hình ảnh hàng đầu; mô hình hình ảnh mà Louis Vuitton huấn luyện trên Stable Diffusion cho kết quả vượt xa các mô hình thông thường, bởi vì LV sở hữu thẩm mỹ hình ảnh và dữ liệu tốt nhất toàn cầu. Như vậy, năng lực đánh giá mới là cốt lõi. Muốn làm công ty AI, cần học theo cách của IBM hay Huawei — sau khi phục vụ các nhà sản xuất ô tô hàng đầu, IBM nắm bắt được thực tiễn tốt nhất trong sản xuất ô tô và xuất khẩu ra ngoài; Huawei chi 4 tỷ đô la Mỹ để mua quy trình IPD, vừa áp dụng nội bộ vừa xuất khẩu ra ngoài — đây mới là năng lực cạnh tranh cốt lõi.
Trương Bằng: Về bản chất, đây là con đường rõ ràng để tiến tới đỉnh cao nghiệp vụ: phân giải “skills” theo thực tiễn tốt nhất, đạt được “skills” ở mức SOTA, sau đó nâng cấp lên vị trí và bộ phận ở mức SOTA, cuối cùng “sắp xếp” thành nghiệp vụ ở mức SOTA. Còn một vấn đề then chốt: Làm thế nào để giữ cho “skills” luôn cập nhật? Giống như quá trình đột biến trong hệ sinh thái Trái Đất, SOTA của mỗi thời đại có thể bị đào thải ở thời đại tiếp theo — làm sao ứng phó với sự thay đổi này?
Lưu Dạ: Logic cốt lõi giống với quá trình tiến hóa của con người và sinh vật: cảm nhận – lập kế hoạch – hành động – phản tư. Duy trì mật độ nhân tài cao và tính liên ngành của tổ chức — một đầu kết nối với前沿 công nghệ (các nhà nghiên cứu), một đầu nghiên cứu mô hình nghiệp vụ, đồng thời cùng khách hàng hàng đầu trong ngành sáng tạo chung, liên tục đánh giá và tối ưu trong các tình huống thực tế — đây là cách duy nhất.
Trương Bằng: Từ đây suy ngược lại, hệ thống được hình thành từ thực tiễn tốt nhất của các công ty hàng đầu có thể giúp các công ty ở mức trung bình đạt bước nhảy vọt, nhưng hệ thống này rất có thể chỉ các công ty có nguồn lực và tài chính mới có thể sử dụng, còn doanh nghiệp nhỏ, vừa và các nhà khởi nghiệp trẻ khó lòng gánh nổi. Ngành tư vấn đã nâng cấp từ dịch vụ truyền thống thành sản phẩm công cụ hóa, vậy cơ hội của thế hệ mới chỉ còn nằm ở tầng “skills”? Làm thế nào để thực hiện đổi mới đột phá ở tầng “skills”, tránh để ngành rơi vào “vòng luẩn quẩn quý tộc”?
Lưu Dạ: Trong thế hệ SaaS trước, các doanh nghiệp như Salesforce, Palantir, Notion, Slack — một số làm công cụ chung, một số làm dịch vụ tích hợp — chứng minh rằng nhà khởi nghiệp trẻ vẫn có cơ hội: tránh xa các nghiệp vụ mà bản thân không có lợi thế, tập trung vào các kỹ năng chung, tìm ra vị trí sinh thái phù hợp. Notion là ví dụ điển hình: không tham gia vào quy trình nghiệp vụ cụ thể, chỉ trừu tượng hóa chức năng ghi chú văn bản thành công cụ chung. Cuối cùng, thế giới sẽ là sự phân công và cộng tác của vô số agent thông minh; người trẻ cần trước tiên tìm ra vị trí sinh thái, sau đó kết hợp với lợi thế bản thân để phát lực, bám chặt xu thế tương lai, tránh trở thành kẻ thù của thời gian. Trong mười năm qua, thế hệ khởi nghiệp internet đầu tiên chủ yếu là người du học (dựa vào lợi thế nhận thức), thế hệ thứ hai chủ yếu là lập trình viên (dựa vào bùng nổ công cụ), thế hệ thứ ba của internet công nghiệp chủ yếu là những người khởi nghiệp lần hai — quy luật rõ ràng, người trẻ cần nhìn rõ cục diện trung gian và lợi thế bản thân.
Trương Bằng: Vì vậy, anh cho rằng đổi mới và tối ưu cục bộ ở tầng “skills” có tác dụng hạn chế, vậy cơ hội lớn nhất của thế hệ mới có thể nằm ở đổi mới mục tiêu — nhận diện các mục tiêu mới nổi lên trong thời đại, kết hợp với “skills” chất lượng cao và liên tục tiến hóa, từ đó xây dựng hệ thống mới trên mục tiêu mới để đạt đột phá.
Lưu Dạ: Cuộc cạnh tranh về “skills” rất tinh vi: hiện nay “skills” tuy đang “hot”, nhưng nếu có người đồng bộ với các chuyên gia con người hàng đầu hơn, tạo ra “skills” tốt hơn, thì “skills” hiện tại sẽ bị thay thế. Điều này lại quay về vấn đề rào chắn cạnh tranh: người đi trước chưa chắc cười đến cuối, rất có thể trở thành “chất dinh dưỡng” nuôi dưỡng đối thủ ở chiều cao hơn.
Trương Bằng: Điều đáng sợ nhất là trở thành “chương trình khởi động” (bootloader), chỉ giúp đối thủ ở chiều cao hơn hoàn thành nền tảng cơ bản. Nếu chỉ tối ưu hiệu suất trên mục tiêu hiện có, thì chẳng có ý nghĩa gì, và cuối cùng lợi thế hiệu suất cũng sẽ bị san phẳng. Vì vậy, thế hệ mới muốn đột phá, bắt buộc phải tạo ra sự khác biệt căn bản ở cấp độ mục tiêu.
Lưu Dạ: Đúng vậy. Bản thân không thể trưởng thành thành lực lượng cốt lõi, mà chỉ nuôi dưỡng đối thủ ở chiều cao hơn. Bản chất kinh doanh rất mộc mạc: cốt lõi là xác định rõ khách hàng là ai, phục vụ khách hàng như thế nào, và làm thế nào để khách hàng không thể rời xa bạn. Bất kỳ người trẻ nào nếu không hiểu rõ khách hàng là ai, thì sẽ không thể thực hiện tối ưu.
Trương Bằng: Cũng cần chú ý đến thị trường tăng trưởng (incremental market), vì cạnh tranh trong thị trường hiện hữu (existing market) cực kỳ khó khăn. Nếu nghiệp vụ của các anh thành công, sẽ kéo tất cả các công ty trong lĩnh vực tương ứng lên cùng một trình độ tiên tiến, những công ty này vừa có tài nguyên vừa có nhận thức — người trẻ rất khó cạnh tranh với họ trong thị trường hiện hữu.
Lưu Dạ: Trong thế hệ SaaS trước, thành công của Notion, Slack và các doanh nghiệp khác, cốt lõi chính là sự khác biệt về mục tiêu.
Giai đoạn đầu phát triển SaaS thế hệ trước, các quỹ đầu tư Trung Quốc thường ưu tiên đầu tư vào các nhà khoa học, nhưng sau đó phát hiện ra rằng các nhà khoa học phù hợp hơn để hợp tác và trao đổi, chứ không phải để khởi nghiệp — bởi vì lĩnh vực của các
Chào mừng tham gia cộng đồng chính thức TechFlow
Nhóm Telegram:https://t.me/TechFlowDaily
Tài khoản Twitter chính thức:https://x.com/TechFlowPost
Tài khoản Twitter tiếng Anh:https://x.com/BlockFlow_News
极客公园
