AI Leadership 5C: Năng lực lãnh đạo trong thời đại AI

AI VÀ NĂNG LỰC LÃNH ĐẠO THỜI AI
Có một điều tôi nhận ra ngày càng rõ sau một thời gian trực tiếp làm việc và vận hành với AI ở mức sâu hơn: khi AI càng mạnh, vai trò của người lãnh đạo không hề nhẹ đi mà ngược lại, có những phần còn trở nên khó hơn trước. Trước đây, để tạo ra một kế hoạch, một đội ngũ có thể mất vài ngày để nghiên cứu, họp bàn và viết thành tài liệu; bây giờ, AI có thể giúp tạo ra một kế hoạch tương tự trong vài phút, trình bày rất đẹp, lập luận rất mạch lạc, thậm chí đủ chuyên nghiệp để người đọc có cảm giác rằng “quá nét”. Nhưng nếu bài toán ban đầu đã sai, dữ liệu đầu vào chưa chuẩn hoặc người giao việc chưa hiểu rõ điều mình thực sự cần, thì tốc độ ấy có phải là năng suất hay chỉ là khả năng đẩy cái sai đi xa và nhanh hơn?

Tôi từng nghĩ bài toán ứng dụng AI trong doanh nghiệp chủ yếu nằm ở công cụ, tài khoản, kỹ năng sử dụng hay khả năng viết prompt. Sau một thời gian vận hành thực tế, tôi lại thấy những thứ đó chỉ là phần nổi. Điểm nghẽn lớn hơn thường nằm ở tư duy lãnh đạo, ở khả năng xác định đúng vấn đề, xây dựng đúng bối cảnh, tổ chức công việc giữa con người và AI, phản biện kết quả và cuối cùng là chịu trách nhiệm với lựa chọn của mình. AI có thể rất giỏi trả lời, nhưng nếu người lãnh đạo chưa đặt đúng câu hỏi thì câu trả lời càng hay đôi khi càng nguy hiểm. Một doanh nghiệp giảm doanh số chưa chắc đang có vấn đề marketing, một đội ngũ chậm chưa chắc thiếu năng suất, một sản phẩm bán chưa tốt chưa chắc do sales yếu. Có khi thứ chúng ta nhìn thấy chỉ là triệu chứng, còn nguyên nhân nằm ở một lớp sâu hơn mà chính người lãnh đạo chưa nhận ra.

Từ trải nghiệm đó, tôi dần hình thành một khung tư duy mà tôi gọi là AI Leadership 5C: Challenge, Context, Command, Critique và Choice. Tôi không xem đây là một bộ kỹ thuật dùng AI mà là năm năng lực lãnh đạo cần được nâng cấp khi AI bắt đầu tham gia sâu vào hệ thống vận hành. “Challenge” trước hết là khả năng xác định đúng vấn đề cần giải, bởi khi AI có thể sản xuất giải pháp gần như ngay lập tức thì giá trị của người lãnh đạo lại nằm ở chỗ biết dừng lại đủ lâu để hỏi: đây có thực sự là vấn đề không, dữ liệu nào chứng minh, đâu là nguyên nhân và đâu chỉ là biểu hiện, nếu không giải việc này thì điều gì thực sự xảy ra? Khi năng lực tạo lời giải trở nên rẻ hơn, năng lực đặt đúng bài toán lại trở nên đắt hơn.

“Context” là lớp tôi cho rằng nhiều doanh nghiệp đang đánh giá thấp. AI có thể biết rất nhiều về thế giới nhưng không tự nhiên hiểu doanh nghiệp của chúng ta. Nó không biết vì sao ba tháng trước công ty đã loại một phương án, không biết đâu là dữ liệu chính thức, đâu là một file cũ, không biết một đối tác hiện đang ở bước nào, không biết công ty đang ưu tiên tăng trưởng hay sống còn, cũng không biết đâu là một giới hạn pháp lý hay tài chính mà con người mặc nhiên hiểu với nhau nhưng chưa từng được ghi lại. Nếu bối cảnh không đủ, AI rất dễ đưa ra những lời khuyên “đúng chung nhưng sai riêng”. Đây cũng là lúc tôi nhận ra rằng nhiều doanh nghiệp muốn “AI hóa” nhưng dữ liệu lại nằm rải rác, lịch sử quyết định không được lưu tốt, version nào đang có hiệu lực không rõ, owner của thông tin cũng mơ hồ. Vậy trước khi hỏi AI có đủ thông minh hay không, có lẽ nên hỏi ngược lại: tổ chức của mình đã đủ rõ để AI hiểu chưa?

“Command” cũng không đơn giản là ra lệnh hay viết prompt tốt hơn. Với tôi, đây là năng lực thiết kế cách con người và AI cùng làm việc. Việc nào AI nên xử lý trước, việc nào cần con người kiểm tra, việc nào phải có một vai trò độc lập phản biện, việc nào có thể tự động hóa và việc nào tuyệt đối không nên trao quyền? Trong quá trình vận hành đội ngũ AI Native, tôi nhận ra một nghịch lý khá thú vị: càng nhiều AI tham gia chưa chắc kết quả càng tốt. Nếu một việc đơn giản nhưng phải gọi cả một “hội đồng AI” vào xử lý thì chi phí phối hợp, kiểm tra và tổng hợp có thể lớn hơn giá trị tạo thêm. Vì vậy, điều tôi ngày càng coi trọng không phải là dùng nhiều AI hơn mà là dùng đúng năng lực, đúng thời điểm, đúng phạm vi và chỉ làm lượng công việc đủ cần thiết. AI rất dễ tạo ra một kiểu lãng phí mới: vì nó làm được quá nhiều nên chúng ta cũng vô thức làm quá nhiều.

Phần khó hơn nằm ở “Critique”, bởi AI hiện nay không chỉ có khả năng tạo ra câu trả lời mà còn có khả năng tạo ra những câu trả lời rất thuyết phục. Một nội dung sai nhưng lủng củng thường khiến chúng ta cảnh giác ngay; ngược lại, một báo cáo sai một phần nhưng trình bày đẹp, mạch lạc và có vẻ đầy đủ lại dễ được tin hơn nhiều. Vì vậy, câu hỏi quan trọng không phải “AI trả lời có hay không?” mà là “nguồn đâu, giả định nào đang được dùng, đâu là fact, đâu là inference, đâu là recommendation, có góc nhìn ngược lại không và điều gì có thể làm kết luận này sai?”. Trong hệ thống tôi đang thử nghiệm, tôi phải tách khá rõ các lớp FACT, ASSUMPTION, INFERENCE, RECOMMENDATION và DECISION, bởi chỉ cần một suy luận được đối xử như một sự thật thì các bước phía sau có thể sai theo. Một khách hàng “đang quan tâm” chưa phải là doanh thu, một cơ hội “có khả năng ký” chưa phải là hợp đồng, một dự báo “khả thi” chưa thể được đưa thẳng vào kế hoạch tài chính như một điều chắc chắn. AI càng làm reasoning nhanh thì con người càng cần kỷ luật reasoning tốt hơn.

Và cuối cùng là “Choice”, có lẽ cũng là phần nhắc chúng ta rõ nhất rằng lãnh đạo không thể được thay thế chỉ bằng một hệ thống phân tích giỏi. AI có thể đưa ra nhiều phương án, mô phỏng nhiều kịch bản, phân tích ưu nhược điểm và thậm chí ước lượng xác suất, nhưng đến một thời điểm vẫn cần có một người nói: chúng ta chọn phương án này. Một quyết định thực tế hiếm khi chỉ gồm dữ liệu; nó còn liên quan đến con người, đạo đức, thời điểm, uy tín, trách nhiệm và cả những yếu tố mà mô hình chưa chắc đo được hết. Một người lãnh đạo tốt không thể nói “AI bảo thế”, mà phải có khả năng nói rằng AI đã phân tích như vậy, chúng ta đã kiểm tra, đã phản biện và tôi chịu trách nhiệm với lựa chọn cuối cùng.

Sau một thời gian khá dài vận hành và liên tục sửa hệ thống AI của chính mình, tôi không mấy quan tâm dùng model nào? Tôi quan tâm hơn đến việc model nào phù hợp và đáp ứng được yêu cầu của tôi, giúp tôi nhìn vấn đề đúng hơn, giảm được vòng sửa, phát hiện rủi ro sớm hơn, tiết kiệm thời gian hơn, ... tóm lại là hiệu quả hơn và rảnh tay hơn.  Điều tôi quan tâm nữa là sau mỗi lần sai thì hệ thống cần phải học được để không hoặc hạn chế tiếp tục mắc lại cùng một lỗi với một model mới hơn. Có lẽ đây mới là chỗ AI Leadership khác biệt. Việc “biết dùng AI”: không nằm ở số lượng công cụ, không nằm ở số prompt hay số automation, mà nằm ở khả năng tổ chức intelligence một cách có kỷ luật và biến năng lực của AI thành chất lượng quyết định tốt hơn.

Tôi vẫn đang tiếp tục thử nghiệm, phản biện và hoàn thiện cách tiếp cận này, nhưng càng đi sâu càng thấy một điều khá rõ: AI không làm con người bớt cần tư duy, mà ngược lại, nó khiến chất lượng tư duy của người lãnh đạo trở nên ngày càng quan trọng. Khi khả năng tạo nội dung, phân tích và đề xuất ngày càng trở nên rẻ, thứ trở nên khan hiếm hơn sẽ là khả năng xác định đúng vấn đề, hiểu đúng bối cảnh, tổ chức đúng cách làm việc, phản biện đủ sâu và lựa chọn có trách nhiệm. Có lẽ đó cũng là lúc chúng ta phải học lại một phần về chính khái niệm “lãnh đạo” trong thời đại AI.

AI Leadership 5C là khung tư duy gồm Challenge, Context, Command, Critique và Choice, giúp lãnh đạo tổ chức con người và AI để nâng cao chất lượng quyết định và vận hành doanh nghiệp.

#AILeadership #AINative #Leadership #AITransformation #Management