Nghe con nước lên là tôi đi câu

Hồi đó, con nước đối với tụi nhỏ chúng tôi cũng giống như tiếng trống báo giờ. Người lớn nghe nước lên thì biết lúc nào làm chuyện này chuyện kia, còn tôi nghe nước lên là trong bụng đã nghĩ tới mấy cái bọng cá bống dừa ngoài kênh. Chẳng cần ai rủ rê nhiều, chỉ cần một đứa nói “đi câu bống không?” là vài đứa khác chạy về kiếm cần, kiếm mồi, rồi lục tục kéo nhau đi.

Câu cá bống dừa phải biết canh con nước. Nước lên, cá từ trong hang, trong bọng bắt đầu bò ra kiếm ăn, lúc đó mới có cái mà câu. Chứ nước chưa tới, cá còn nằm lì trong bọng thì có ngồi đó cả buổi cũng chẳng làm được gì.

Ngày ấy tôi chẳng hiểu thế nào là thủy triều, chẳng biết con nước lớn nước ròng vận hành ra sao. Tôi chỉ biết người lớn nhìn mặt nước một cái là đoán được hôm nay có câu được hay không. Với tụi nhỏ, vậy là đủ.

Có khi đang chơi đâu đó, nghe người lớn nói “nước vô rồi” là bỏ hết chạy về lấy cây cần. Cái cảm giác háo hức ngày ấy kỳ lắm, chẳng có gì trong tay mà đã tưởng tượng ra cả một giỏ cá.

Đi câu bống dừa là đi tìm bọng

Người ở quê tôi gọi những cái hang, cái ổ cá trú trong đám dừa nước là bọng. Nghe thì đơn giản vậy thôi, nhưng muốn câu được bống dừa thì phải biết tìm bọng. Những con kênh có dừa nước mọc ken dày, những mé bờ có bùn, có bẹ cây, có những khoảng đất bị nước khoét thành hốc… chỗ nào nhìn “có vẻ” là tôi lại mon men tới xem.

Cá bống dừa nhỏ, thân đen đen, trơn bóng, thích chui rúc trong những cái hang sát mé nước. Khi nước lên, chúng rời bọng đi kiếm ăn nên người đi câu cũng phải tranh thủ lúc đó. Bởi vậy, câu bống dừa chẳng giống kiểu ngồi một chỗ thả phao rồi chờ cá tới.

Mình phải đi tìm nó.

Tôi nhớ những buổi chiều cứ lom khom dọc theo mé kênh, tay cầm cây cần, mắt nhìn hết bọng này tới bọng khác. Có cái nhìn qua chẳng thấy gì, vậy mà người có kinh nghiệm chỉ xuống rồi nói chắc nịch: “Bọng này có bống”. Tôi chẳng hiểu họ nhìn bằng cách nào, nhưng cứ nghe vậy là tin, đưa mồi xuống thử.

Có khi trúng thiệt.

Một con bống từ trong bọng lao ra đớp mồi, đầu cần giật nhẹ một cái. Không có phao để nhìn, cũng chẳng có tiếng chuông báo hiệu, người câu phải để ý cái cảm giác rất nhỏ truyền từ đầu cần xuống tay. Giật đúng lúc thì cá dính, giật sớm quá thì mất ăn, còn chậm một chút thì con bống đã quay đầu chui tọt vô hang.

Không có phao, nhưng hồi hộp hơn cả câu cá lớn

Đó là cái thú mà tôi nhớ nhất.

Bây giờ nhiều người nghĩ câu cá phải có phao, phải ngồi im rồi nhìn cái chấm nhỏ trên mặt nước. Nhưng câu bống dừa hồi nhỏ của tôi không như vậy. Tôi chẳng cần nhìn phao, bởi thứ mình chờ là một cái giật nhẹ nơi đầu cần, một chuyển động rất khẽ của sợi dây và cảm giác con cá đang kéo mồi ở đâu đó dưới mé bọng.

Có những lúc tôi ngồi im đến mức chẳng dám thở mạnh.

Mắt cứ nhìn chằm chằm vào đầu cần, tay nắm chặt cán, trong đầu chỉ nghĩ không biết con bống có ăn không. Rồi đầu cần nhúc nhích một cái, tôi giật lên theo phản xạ, tim đập thình thịch, và nếu may mắn thì một con cá nhỏ xíu đã nằm trên bờ.

Vui dữ lắm.

Nó chỉ là một con cá bống dừa bé tẹo, nhiều khi còn chưa bằng bàn tay người lớn. Nhưng đối với đứa nhỏ đang đi câu, đó là thành quả của cả một cuộc săn. Cả đám đứng quanh coi con cá, đứa nào cũng muốn nhận là mình phát hiện ra cái bọng trước.

Có hôm câu được vài con đã thấy đủ.

Có hôm thì xui, đi hết bọng này tới bọng khác mà chẳng được con nào. Nhưng cái lạ là chẳng đứa nào thấy buồn lâu. Không có cá thì đi tìm bọng khác, bọng kia không có thì men tiếp theo con kênh, cứ vậy mà đi tới khi trời sụp tối mới chịu về.

Tôi nhớ những con kênh đầy dừa nước

Có lẽ người ta phải lớn lên rồi rời quê mới hiểu vì sao những thứ rất bình thường ngày xưa lại trở nên đẹp đến vậy.

Tôi nhớ những con kênh Bến Tre ngày đó. Hai bên bờ là những tàu dừa nước mọc sát nhau, lá vươn lên xanh rì, bẹ cây nằm chồng chéo dưới mé nước. Con nước lên xuống mỗi ngày, lúc thì bờ kênh trơ bùn, lúc lại đầy nước, ghe xuồng chạy ngang làm sóng tạt vô tận mé.

Mấy đứa nhỏ chúng tôi cứ thế mà sống giữa cái cảnh đó.

Đi học về thì chạy ra kênh, nghỉ hè càng có lý do để đi câu. Có hôm lội bùn dính tới đầu gối, có hôm chân trượt xuống mé nước rồi cả đám cười bò. Quần áo dơ thì về bị má la, nhưng ngày hôm sau nghe nước lên vẫn đi tiếp, bởi trẻ con hồi đó đâu có biết chán những chuyện như vậy.

Tôi nhớ cả cái mùi của quê.

Mùi bùn non, mùi nước kênh, mùi lá dừa nước, mùi cỏ ướt và cái mùi ngai ngái của bờ đất sau khi nước vừa tràn qua. Những thứ ấy ngày nhỏ chẳng có gì đặc biệt, thậm chí đôi lúc còn thấy hôi, thấy dơ, vậy mà bây giờ giữa thành phố, có khi chỉ cần thoáng nghe một mùi giống vậy là ký ức cũ chạy về nguyên một mảng.

Cá nhỏ vậy mà đem về vui cả nhà

Câu được cá rồi thì chuyện quan trọng tiếp theo là đem về.

Mấy con bống dừa nhỏ xíu nằm trong cái giỏ, tụi tôi cứ vừa đi vừa nhìn, lâu lâu lại thò tay vô coi còn đủ không. Có khi đường về xa hơn bình thường chỉ vì ghé thêm một cái bọng, rồi thêm một cái nữa, bởi trong đầu lúc nào cũng có câu “câu thêm con này rồi về”.

Về tới nhà, mấy con cá được giao cho má.

Cá bống dừa đem kho thì ngon. Cá nhỏ nhưng thịt chắc, kho với tiêu, chút nước màu, nêm đậm đà rồi để lửa riu riu cho cá săn lại. Có nhà còn kho với nước dừa, thứ nguyên liệu quá quen thuộc ở xứ Dừa, thành ra cái món cá bình dân ấy ăn với cơm nóng nghe sao mà bắt miệng.

Nhưng thật ra lúc đó tôi đâu nghĩ tới chuyện món ăn ngon hay dở.

Tôi chỉ thấy vui vì cá này do mình câu được.

Một bữa cơm có nồi cá bống dừa, tự nhiên thấy mình cũng có chút công trạng trong nhà. Má hỏi câu được ở đâu, mấy con, bọng nào có cá, rồi tôi kể một hồi như thể vừa lập được chiến tích gì ghê gớm lắm.

Trẻ con dễ vui thiệt.

Có những buổi câu chẳng được bao nhiêu cá

Tôi nhớ cả những lần thất bại.

Đi từ đầu kênh tới cuối kênh, tìm không biết bao nhiêu cái bọng mà chẳng được mấy con. Có khi con nước lên đẹp vậy mà cá chẳng chịu ăn, có khi nhìn thấy bọng ngon lành nhưng thả mồi xuống hoài vẫn im re. Tới lúc trời gần tối, hai tay mỏi nhừ, chân dính đầy bùn mới chịu xách cần về.

Vậy mà chẳng ai nghĩ mình mất một ngày.

Ngày đó thời gian rộng lắm.

Một buổi chiều có thể dài tới mức đủ để đi hết một đoạn kênh, câu vài con cá, chơi thêm một hồi rồi mới về. Không có điện thoại rung liên tục, không có công việc chờ, không có những cuộc hẹn phải nhìn đồng hồ. Chỉ có con nước từ từ lên, rồi từ từ đổi chiều, còn tụi nhỏ thì cứ chơi cho tới khi người lớn gọi về.

Bây giờ tôi mới thấy đó là một thứ xa xỉ.

Được rảnh.

Được ngồi bên một con kênh mà chẳng cần làm gì có ích. Được dành nguyên một buổi chiều chỉ để tìm cá bống dừa, rồi nếu không câu được gì thì ngày mai lại đi tiếp.

Lớn rồi mới thấy mình nhớ cái bọng cá ngày xưa

Nhiều năm rồi tôi không còn đi câu bống dừa nữa.

Không phải vì hết thích. Chỉ là lớn lên, mỗi người một công việc, một gia đình, một đống chuyện phải lo. Những buổi chiều nghe nước lên rồi xách cần chạy ra kênh cũng dần biến mất lúc nào chẳng hay.

Thỉnh thoảng về quê, tôi vẫn nhìn những con kênh có dừa nước và tự hỏi không biết mấy cái bọng ngày xưa còn không.

Có lẽ vẫn còn.

Dừa nước vẫn mọc ven kênh, con nước vẫn lên rồi xuống như bao đời nay. Những con cá nhỏ chắc vẫn đâu đó dưới bùn, trong những cái hang mà người lớn ngày trước chỉ cần nhìn là biết có cá. Chỉ có điều đứa nhỏ ngày xưa hay lom khom bên mé kênh giờ đã lớn, và nó chẳng còn nhiều thời gian để đứng đó chờ một con bống cắn câu.

Nghĩ vậy tự nhiên thấy buồn.

Không phải buồn vì cá bống dừa ít đi hay vì những cái bọng có còn cá hay không. Buồn vì có những thứ mình cứ tưởng lúc nào muốn quay lại cũng được, đến khi muốn quay lại thì mới nhận ra người đã thay đổi, bạn bè đã mỗi đứa một nơi, còn cái buổi chiều ngày xưa thì chẳng cách nào lấy lại.

Tôi nhớ những ngày đi câu cá bống dừa của tôi

Nếu bây giờ cho tôi trở lại một buổi chiều như ngày đó, tôi chẳng cần câu được nhiều cá.

Cho tôi một cây cần nhỏ thôi. Cho tôi đứng bên một con kênh Bến Tre, trước mặt là đám dừa nước xanh um, dưới chân là bùn đất, rồi chờ con nước từ từ dâng lên. Tôi sẽ lại đi tìm những cái bọng cũ, lại đưa mồi xuống, lại ngồi im chờ một cái giật rất nhẹ nơi đầu cần.

Có cá thì vui.

Không có cá cũng chẳng sao.

Bởi đến lúc này tôi mới hiểu, thứ mình nhớ đâu phải mấy con bống dừa. Tôi nhớ những buổi chiều không phải chạy theo giờ giấc, nhớ mấy đứa bạn ngày xưa, nhớ tiếng má gọi về, nhớ đôi chân lấm bùn và nhớ cảm giác một con cá nhỏ cũng đủ làm mình vui cả ngày.

Tôi nhớ Bến Tre của những ngày còn bé.

Nhớ những con kênh có dừa nước, nhớ những cái bọng nằm nép bên mé nước, nhớ con nước lên kéo theo những con cá rời hang đi kiếm ăn. Nhớ một thời mà chỉ cần nghe câu “nước lên rồi, đi câu bống không?” là tôi có thể bỏ hết mọi thứ đang làm để chạy đi.

Có lẽ đó mới là điều người ta hay gọi là nhớ quê.

Không phải nhớ một địa danh, cũng chẳng phải nhớ một món ăn.

Mà là nhớ một phiên bản của chính mình đã từng tồn tại ở nơi đó.

Tôi nhớ những ngày đi câu cá bống dừa. Nhưng thật ra, thứ tôi nhớ nhất là thằng nhỏ ngày xưa, mỗi lần nghe con nước lên là lại xách cần chạy ra mé kênh, tìm một cái bọng và tin rằng chiều nay nhất định mình sẽ câu được cá.

 

 

Tôi không buồn vì MU thua

Sáng nay tôi đọc tin Manchester United thua Brighton 2-3 mà không còn cái cảm giác tức tối như trước đây. Có lẽ vì tôi đã quá quen với chuyện này, quen đến mức một trận thua không còn đủ sức khiến mình mất ngủ như hồi còn trẻ. Điều làm tôi ngồi lại lâu hơn không phải là tỷ số, mà là cách Manchester United đánh mất một trận đấu mà họ từng có trong tay.

MU dẫn 2-0 chỉ sau 10 phút, một khởi đầu mà nếu đặt vào Manchester United của ngày xưa, tôi gần như có thể hình dung được phần còn lại. Đội bóng sẽ chậm lại, kiểm soát trận đấu, chờ đối thủ nóng ruột rồi tìm cơ hội kết liễu. Nhưng MU của hôm nay lại đi theo một kịch bản khác: Brighton lấy lại thế trận, những khoảng trống bắt đầu xuất hiện, sai lầm nối tiếp sai lầm và cuối cùng đội bóng để đối thủ ghi liền ba bàn. Từ 2-0 thành 2-3 ngay tại Old Trafford, nó không chỉ là một màn ngược dòng, mà còn gợi lại cảm giác rất quen thuộc với những người đã theo dõi MU suốt nhiều năm.

Tôi không buồn vì MU thua, bởi fan bóng đá mà không chịu được thất bại thì chắc chẳng thể sống lâu với Manchester United. Điều làm tôi buồn là tôi không còn nhìn thấy sự đáng sợ của Quỷ đỏ trong những trận đấu như thế này. Ngày trước, đối thủ có thể dẫn trước MU, có thể ép MU và thậm chí chơi hay hơn trong phần lớn thời gian, nhưng luôn tồn tại một cảm giác rất khó giải thích rằng trận đấu chưa kết thúc thì Manchester United vẫn còn khả năng làm điều gì đó.

Bây giờ đôi khi mọi thứ lại ngược lại. MU dẫn 2-0 mà tôi vẫn ngồi trước màn hình và nghĩ: không biết lát nữa có chuyện gì không? Một fan phải bắt đầu suy nghĩ như vậy thì có lẽ vấn đề đã không còn nằm ở riêng một trận đấu nữa.

Tôi đã từng lớn lên cùng Quỷ đỏ thực thụ

Tôi lớn lên cùng Manchester United của thế hệ 1992, và với những người thuộc thế hệ fan ấy, Giggs, Beckham, Scholes, Gary Neville, Phil Neville hay Nicky Butt không đơn giản là những cái tên trong đội hình. Họ là những khuôn mặt gắn với một phần tuổi trẻ, với những buổi tối ngồi trước chiếc tivi và chờ Manchester United thi đấu, với những trận bóng mà sáng hôm sau đi học vẫn còn háo hức kể cho nhau nghe. Tôi nhớ Giggs chạy bên cánh trái, nhớ Beckham đứng trước những quả đá phạt, nhớ Scholes với những đường chuyền tưởng như đơn giản nhưng luôn có thể mở ra một khoảng trống mà người khác không nhìn thấy.

Nhưng điều tôi nhớ nhất về thế hệ ấy không phải là số danh hiệu họ giành được. Tôi nhớ cảm giác nhìn những cầu thủ ấy bước ra sân và biết rằng họ thực sự thuộc về Manchester United, rằng họ trưởng thành từ câu lạc bộ, thất bại cùng câu lạc bộ rồi cuối cùng trở thành một phần lịch sử của câu lạc bộ. Họ không phải những ngôi sao được mua về để hoàn thành một đội hình trong vài mùa giải, mà là những con người lớn lên cùng chiếc áo đỏ và dần dần biến nó thành một phần của chính mình.

Ngày đó tôi không nghĩ nhiều về hai chữ “bản sắc”. Một thằng nhóc xem bóng đá chẳng quan tâm đến những khái niệm nghe có vẻ to tát như văn hóa câu lạc bộ hay triết lý bóng đá. Tôi chỉ biết Manchester United là đội bóng của mình, và mỗi khi họ bước ra sân, tôi có cảm giác rất rõ ràng rằng mình biết mình đang xem cái gì.

Beckham không chỉ là những quả tạt

Bây giờ David Beckham đã trở thành một biểu tượng toàn cầu, xuất hiện trong quảng cáo, thời trang, phim ảnh và đủ thứ hoạt động ngoài bóng đá. Nhưng trong ký ức của tôi, Beckham trước hết vẫn là một cậu trai tóc vàng đứng bên cánh phải Manchester United, người có thể đưa một quả bóng đi theo một đường cong mà hồi đó tôi vẫn nghĩ chắc phải có bí quyết gì đặc biệt lắm. Tôi nhớ những quả tạt của anh, những cú đá phạt, những đường chuyền vượt qua hàng phòng ngự, nhưng điều tôi nhớ nhiều hơn là quá trình anh từ một cầu thủ trẻ bị nghi ngờ trở thành một phần không thể thiếu của đội bóng.

Giggs cũng vậy. Scholes cũng vậy, và Gary Neville càng vậy. Họ không chỉ đến Old Trafford để đá bóng, nhận lương rồi chuyển sang một câu lạc bộ khác khi có cơ hội tốt hơn; họ lớn lên ở đó, cùng trải qua những trận đấu lớn, những thất bại, những lần bị chỉ trích và cả những ngày tháng mà người ta nghi ngờ liệu họ có đủ khả năng chơi cho một đội bóng lớn hay không.

Có lẽ đó là lý do thế hệ 1992 đặc biệt với những fan như tôi. Chúng tôi không chỉ chứng kiến một đội bóng chiến thắng, mà chứng kiến những đứa trẻ trưởng thành cùng nhau, rồi từng bước trở thành những người đàn ông gánh trên vai một trong những câu lạc bộ lớn nhất thế giới. Nhìn lại sau từng ấy năm, tôi mới hiểu rằng thứ đẹp nhất không nằm ở việc họ đã giành được bao nhiêu danh hiệu, mà ở chỗ chúng tôi đã được chứng kiến cả một thế hệ lớn lên trước mắt mình.

Rồi Ferguson biến những điều phi thường thành chuyện bình thường

Có một điều khá ‘lạ’ là khi bạn yêu Manchester United quá lâu: bạn bắt đầu nghĩ những điều phi thường là chuyện bình thường. Bạn quen với việc MU vào những trận đấu lớn và có thể thắng, quen với những bàn thắng ở phút cuối, quen với những cuộc lội ngược dòng và quen với hình ảnh Sir Alex Ferguson đứng ngoài đường biên trong những thời điểm mà người khác đã bắt đầu nghĩ trận đấu kết thúc.

Bạn cũng quen với việc một cầu thủ nào đó rời đi rồi một người khác xuất hiện. Beckham ra đi thì Ronaldo lớn lên, Ronaldo ra đi thì Rooney trở thành gương mặt mới, những cầu thủ cũ già đi thì những cầu thủ trẻ lại được đưa vào đội hình. Manchester United khi ấy giống một cỗ máy biết tự thay thế từng bộ phận mà không đánh mất cái cách nó vận hành.

Tôi từng nghĩ chu kỳ ấy sẽ kéo dài mãi. Có lẽ đó là một trong những ảo tưởng đẹp nhất của tuổi trẻ, bởi khi bạn đã chứng kiến một đội bóng thành công quá lâu, bạn rất dễ tin rằng ngày mai cũng sẽ giống ngày hôm qua.

Cho đến một ngày Ferguson nói lời chia tay.

Ngày Ferguson đi, tôi biết một thứ đã kết thúc

Tôi vẫn nhớ cảm giác khi Sir Alex Ferguson tuyên bố nghỉ hưu. Tôi biết ông rồi sẽ phải dừng lại, bởi không ai có thể đứng mãi bên đường biên Old Trafford, nhưng biết một điều sẽ xảy ra và thực sự nhìn thấy nó xảy ra là hai chuyện hoàn toàn khác nhau. Khi Ferguson rời đi, tôi có cảm giác như một chương sách mà mình đã đọc suốt tuổi trẻ vừa được đóng lại.

Sau đó những người khác cũng lần lượt rời đi. Giggs, Ferdinand, Vidic, Evra và rất nhiều cái tên khác không còn xuất hiện trong đội hình nữa; những người còn lại thì già đi, còn những gương mặt mới bước vào với nhiệm vụ tiếp quản một di sản quá lớn. Moyes đến rồi đi, Van Gaal đến rồi đi, Mourinho đến với rất nhiều kỳ vọng rồi cũng rời Old Trafford, Solskjær từng khiến tôi hy vọng rằng MU có thể tìm lại một phần hình ảnh cũ rồi cuối cùng mọi thứ lại trượt khỏi tay.

Tôi đã nhiều lần tự nói với mình rằng đội bóng nào rồi cũng phải trải qua một chu kỳ tái thiết. HLV mới cần thời gian, cầu thủ mới cần thời gian, hệ thống mới cần thời gian và không thể lấy một giai đoạn hoàng kim làm tiêu chuẩn để phán xét mọi mùa giải sau đó. Tôi vẫn tin những điều ấy, nhưng càng về sau tôi càng nhận ra có một vấn đề khác: tôi không còn biết Manchester United đang muốn trở thành đội bóng như thế nào.

Tôi không cần MU trở lại năm 1999

Có thể một số người sẽ bảo những fan như tôi cứ sống trong quá khứ. Tôi nghĩ họ đúng một phần, bởi ký ức về một thời Manchester United quá đẹp thì làm sao một người từng trải qua nó có thể hoàn toàn quên được. Nhưng tôi không muốn MU quay lại năm 1999, cũng không cần Beckham trở lại bên cánh phải hay Giggs xuất hiện ở hành lang trái, bởi những con người ấy đã có thời đại của họ và thời đại đó không thể lặp lại.

Điều tôi muốn là tinh thần của Manchester United ngày ấy trở lại. Tôi muốn nhìn thấy một đội bóng có cá tính, có bản sắc và có một con đường mà người ta thực sự tin tưởng; muốn thấy một cầu thủ trẻ bước ra từ học viện không chỉ vì câu lạc bộ không còn tiền mua người, mà bởi người ta tin rằng cậu ta có thể trở thành một phần trong tương lai của Manchester United.

Tôi muốn đối thủ bước vào Old Trafford và ít nhất phải có một khoảnh khắc nghĩ rằng hôm nay sẽ không dễ đâu. Không nhất thiết MU phải thắng mọi trận, cũng chẳng cần mùa nào cũng vô địch, nhưng tôi muốn đối thủ hiểu rằng họ đang đối đầu với một đội bóng có thể khiến mọi thứ trở nên khó khăn cho đến tận phút cuối.

Đó là Manchester United mà tôi nhớ.

Điều đau nhất không phải là MU yếu

Nếu Manchester United đơn giản chỉ là một đội bóng yếu, mọi chuyện có lẽ sẽ dễ chịu hơn nhiều. Đội bóng yếu thì xây lại, cầu thủ không đủ tốt thì mua người khác, HLV không phù hợp thì thay và vài năm sau có thể mọi thứ sẽ khác.

Điều khiến tôi mệt mỏi hơn là nhìn một câu lạc bộ từng có bản sắc mạnh đến mức cả thế giới nhận ra, bây giờ cứ loay hoay tìm xem mình nên trở thành ai. Hết chiến lược này đến chiến lược khác, hết HLV này đến HLV khác, hết những bản hợp đồng được kỳ vọng sẽ thay đổi mọi thứ, rồi sau một thời gian tất cả lại quay về điểm xuất phát.

Có một thời gian tôi rất hào hứng mỗi khi Manchester United mua một cầu thủ mới. Bây giờ tôi không còn như vậy nữa. Tôi không quá quan tâm người mới có giá bao nhiêu hay nổi tiếng đến mức nào, tôi chỉ muốn biết câu lạc bộ có thực sự biết mình đang xây dựng cái gì hay không.

Đêm MU thua Brighton, tôi lại nhớ thế hệ 1992

Có lẽ vì trận thua Brighton diễn ra theo cách như vậy nên tôi lại nhớ những người cũ. MU dẫn 2-0 sau 10 phút, và nếu là Manchester United của ngày xưa, tôi sẽ ngồi rất thoải mái bởi trong đầu đã có một niềm tin gần như vô thức rằng đội bóng sẽ biết phải làm gì tiếp theo. Có thể họ sẽ ghi thêm, có thể đối thủ sẽ gỡ một bàn, nhưng tôi vẫn tin rằng Manchester United sẽ tìm được cách kiểm soát trận đấu.

Còn bây giờ, khi Brighton bắt đầu lấy lại thế trận, cảm giác đầu tiên của tôi lại là: lại nữa rồi. Một sai lầm, rồi thêm một khoảng trống, rồi đối thủ càng chơi càng tự tin trong khi MU bắt đầu lúng túng, và cuối cùng từ lợi thế 2-0 trở thành thất bại 2-3 ngay tại Old Trafford.

Tỷ số tất nhiên chỉ là tỷ số. Một trận đấu có thể thua vì hàng chục nguyên nhân, một cầu thủ có thể mắc sai lầm, một HLV có thể đưa ra quyết định chưa tốt và đối thủ cũng có thể chơi một trận xuất sắc. Nhưng với một fan đã xem MU từ thời Giggs và Beckham, thứ đáng sợ hơn tỷ số là cảm giác mình đã nhìn thấy kịch bản ấy quá nhiều lần.

Người ta có thể mua cầu thủ, nhưng không mua được ký ức

Bóng đá hiện đại đã thay đổi quá nhiều so với thời tôi bắt đầu xem Manchester United. Các câu lạc bộ vận hành như những tập đoàn toàn cầu, cầu thủ có giá hàng chục hoặc hàng trăm triệu bảng, mạng xã hội biến một trận đấu thành hàng nghìn đoạn video và hàng triệu bình luận, còn chiến thuật được mổ xẻ bằng dữ liệu đến từng mét di chuyển.

Tôi không phản đối những thay đổi ấy. Bóng đá phải tiến lên, câu lạc bộ phải thích nghi và Manchester United cũng không thể sống mãi bằng những câu chuyện của thế kỷ trước. Nhưng có một thứ mà tôi nghĩ tiền bạc, dữ liệu hay những bản hợp đồng lớn đều không thể mua được: cảm giác thuộc về một đội bóng.

Không có bảng dữ liệu nào đo được cảm giác một đứa trẻ nhìn Beckham bước lên thực hiện quả đá phạt và tin rằng bóng chắc chắn sẽ bay vào góc cao. Không có thuật toán nào giải thích được tại sao một pha bứt tốc của Giggs bên cánh trái có thể khiến cả căn phòng nơi tôi ngồi xem bóng đá ồn lên. Và cũng chẳng có con số nào đo được cảm giác khi Manchester United ghi bàn ở phút cuối và một đứa trẻ tin rằng đội bóng của mình vừa làm được điều không thể.

Đó là phần bóng đá mà tôi sợ Manchester United đã đánh mất. Không phải chiến thuật, không phải tiền và cũng không hẳn là cầu thủ, mà là cái cảm giác rất đơn giản rằng đây là đội bóng của mình và mình biết họ sẽ chiến đấu đến cùng.

Trả lại Quỷ đỏ cho tôi

Tôi không yêu cầu Manchester United phải vô địch ngay. Tôi cũng không cần họ trở thành Manchester United của năm 1999 một lần nữa, bởi thời gian đã đi qua, Giggs không còn chạy cánh, Beckham không còn đứng trước những quả đá phạt, Scholes không còn chuyền bóng ở giữa sân và Ferguson cũng không còn đứng bên đường biên Old Trafford.

Tôi chỉ muốn một ngày nào đó, khi Manchester United bước ra sân, tôi không phải tự hỏi họ sẽ thi đấu thế nào trong tối nay. Tôi muốn biết họ là ai, muốn nhìn thấy một đội bóng có cá tính, có niềm kiêu hãnh, biết mình đang đi đâu và đủ bản lĩnh để đứng dậy sau khi bị đánh ngã.

Tôi muốn một cầu thủ trẻ có thể bước vào học viện Manchester United khi còn bé, lớn lên cùng câu lạc bộ rồi một ngày bước ra Old Trafford và hiểu rằng mình đang tiếp nối một câu chuyện lớn hơn chính bản thân mình. Tôi muốn những đứa trẻ hôm nay cũng có một Manchester United của riêng chúng để sau này khi lớn lên, chúng có thể ngồi đâu đó và nhớ về những cái tên của thế hệ mình giống như tôi đang nhớ về Giggs, Beckham, Scholes và những người của năm 1992.

Tôi đã từng yêu Manchester United khi họ chưa có tất cả những danh hiệu mà sau này họ giành được. Tôi đã từng yêu họ qua những mùa giải thắng và thua, qua những trận cầu điên rồ và những đêm thất vọng, bởi tình yêu với một đội bóng chưa bao giờ chỉ là bảng thành tích cuối mùa.

Tôi yêu vì đó là Manchester United.

Và có lẽ sau từng ấy năm, điều tôi muốn vẫn đơn giản như vậy. Tôi không cần các ông trả lại Beckham, không cần Giggs, Scholes hay Ferguson quay lại, bởi những con người ấy đã thuộc về ký ức đẹp nhất của tôi rồi.

Tôi chỉ muốn các ông trả lại Quỷ đỏ cho tôi.

 

Một người anh học chuyên toán gửi tôi bài viết nói rằng AI đã xơi gọn mấy bài toán thiên niên kỷ và sắp phá đảo luôn cờ vua, nên rốt cuộc con người chỉ còn ăn, ngủ,…ẻ. Thật ra thì không phải hoàn toàn như vậy nhưng vấn đề đáng để anh em ta phải suy ngẫm.

Bài viết tôi đọc được tuần này mở đầu bằng một câu khiến tôi khá tò mò: dân toán đang hoang mang.

Tôi đọc đến đó thì dừng lại một chút. Không phải vì câu này nghe giật gân, mà bởi người viết không phải kiểu người lên Facebook thấy AI làm được vài bài toán rồi hoảng hốt. Anh từng học một lớp chuyên toán thuộc ‘top’ Việt Nam nhưng sau đó lại không theo ‘nghề’. Bây giờ anh quay lại nhìn thứ mình từng theo đuổi bị một cỗ máy xử lý trong vài ngày, cảm giác chắc chắn không dễ chịu chút nào.

Anh viết rằng có những bài toán mà con người phải cần tới những bộ óc cực kỳ thông minh, mất hàng chục năm mới giải quyết được, nhưng AI bây giờ có thể làm một mạch. Rồi từ đó câu chuyện được đẩy lên một nấc nữa: nếu cờ vua rồi cũng có ngày bị giải xong thì còn thi đấu làm gì? Và nếu máy móc cứ tiếp tục giỏi lên như thế, cuối cùng con người sẽ quay về đúng bản chất của mình: ăn, ngủ, rồi… ăn ngủ tiếp.

Đọc thì cũng hơi lạnh gáy.

Tôi đã định nhắn lại vài câu cho xong chuyện. Nhưng rồi tôi thôi. Bởi hai ví dụ mà anh đưa ra đều là những chuyện tôi từng bỏ thời gian tìm đọc tài liệu gốc, và điều tôi nhìn thấy trong những tài liệu đó khác khá xa so với phiên bản đang được chia sẻ đầy trên Facebook.

Đây mới là chỗ tôi thấy đáng nói.

AI đang tiến rất nhanh, chuyện đó không cần phải tranh luận. Nhưng giữa “AI vừa làm được một thứ trước đây rất khó” và “AI sắp giải quyết xong mọi thứ, con người sắp hết việc” là một khoảng cách rất lớn.

Mà chính khoảng cách đó mới là thứ chúng ta cần tỉnh táo nhìn vào.

Chuyện Navier-Stokes

Trong câu chuyện Navier-Stokes, công bằng mà nói anh bạn tôi đã đúng về mặt sự kiện.

Sáng 8/9 vừa rồi, các nhà toán học của OpenAI công bố một kết quả nghe qua đủ khiến bất kỳ ai cũng phải ngồi thẳng lưng: khoảng 10.000 agent tự hành, chạy trên một mô hình nội bộ chưa phát hành, đã tìm được ‘nút thắt’ cho hệ phương trình Navier-Stokes trong không gian ba chiều. Nếu kết quả này được xác nhận đầy đủ, nó chạm tới một trong 6 bài toán thiên niên kỷ còn lại của Viện Clay.

Đám agent làm việc khoảng 88 tiếng, trao đổi với nhau gần 5 triệu tin nhắn. Sau đó, một mô hình khác mất thêm khoảng 17 tiếng để hình thức hóa chứng minh bằng Lean, ngôn ngữ có thể kiểm tra từng bước trong một lập luận toán học. Sébastien Bubeck của OpenAI ước tính toàn bộ phần tính toán tiêu tốn vài triệu USD. Bản chứng minh dài 165 trang, còn OpenAI thì nói họ không có ý định nhận khoản tiền thưởng một triệu USD của bài toán.

Một bài toán mà con người vật lộn hàng chục năm, một hệ thống AI chạy vài ngày, hàng nghìn agent tự phối hợp, rồi cuối cùng ném ra một bản chứng minh dài hơn trăm trang. Nếu chỉ đọc đến đây rồi lướt comment Facebook thì rất dễ đi tới kết luận quen thuộc: thôi xong, máy móc giải toán rồi, con người còn làm gì nữa?

Nhưng tôi nghĩ câu chuyện bắt đầu thú vị chính là ở đoạn mà dân Facebook thường bỏ qua.

Nếu đọc tiếp bài của Quanta, một trong những nguồn mà giới toán học thực sự quan tâm, sẽ thấy phía sau thành tích của AI là một câu chuyện con người dài hơn rất nhiều.

Trong cuộc đua này có hai nhóm AI đáng chú ý. Một bên là nhóm OpenAI, bên kia là nhóm của Tristan Buckmaster ở NYU và Levent Alpöge ở Anthropic. Nhưng cả hai đều dựa rất nhiều vào công trình của hai nhà toán học Diego Córdoba ở Madrid và Luis Martínez-Zoroa ở CUNEF.

Đây là hai người mà nếu chỉ nhìn vào câu chuyện AI vừa giải được Navier-Stokes, rất dễ bị bỏ quên.

Nhiều năm trước, Córdoba và Martínez-Zoroa đã đi theo một hướng khá khác so với phần đông giới toán học lúc đó. Trong luận án tiến sĩ năm 2021, Martínez-Zoroa phát triển những kỹ thuật giải tích thuần túy, không dựa vào máy tính, trong khi nhiều nhóm khác đang tập trung vào mô phỏng số. Ở thời điểm ấy, hướng đi này khiến anh trông chẳng khác gì một kẻ lập dị trong ngành.

Nhưng đôi khi những kẻ lập dị lại là người đặt đúng viên gạch mà vài năm sau người khác cần đến.

Đến năm 2023, hai thầy trò chứng minh được một phiên bản của phương trình Euler có điểm kỳ dị. Kết quả vẫn chưa đáp ứng đầy đủ tiêu chí của bài toán thiên niên kỷ, vì còn ‘khúc mắc’ đúng một chỗ.

Và trớ trêu là chỗ còn thiếu đó lại chính là chỗ hai nhóm AI vừa vượt qua.

Đọc tới đây, tôi thấy câu chuyện bắt đầu khác hẳn.

Không còn là chuyện một cỗ máy xuất hiện rồi tự nhiên giải được một bài toán mà con người bó tay. Nó giống một cuộc chạy tiếp sức hơn. Có người dành nhiều năm tìm ra hướng đi. Có người xây được một phần lý thuyết. Rồi một hệ thống AI xuất hiện, nhìn vào cái nền mà con người đã dựng lên và đi nốt một đoạn mà trước đó chưa ai đi được.

Nói vậy không phải để hạ thấp AI.

Ngược lại, tôi nghĩ phải nhìn nhận công bằng rằng việc AI đi được đoạn cuối ấy vẫn là một chuyện cực kỳ đáng nể. Nếu nó thực sự vượt qua được phần khó nhất còn lại của bài toán, đó là một bước tiến rất lớn đối với khả năng suy luận toán học của máy.

Nhưng nó cũng làm thay đổi cách chúng ta nên kể câu chuyện.

Charles Fefferman ở Princeton, người viết bản mô tả chính thức của bài toán cho Viện Clay, nói ông rất vui vì bài toán đã được giải, nhưng đồng thời nhấn mạnh những người hùng của câu chuyện là Córdoba và Martínez-Zoroa. Buckmaster thậm chí còn viết rằng với khối lượng công trình như vậy, ông tin Luis Martínez-Zoroa xứng đáng nhận một huy chương Fields.

Còn Córdoba có một câu nói khá hài mà tôi đọc xong cứ nhớ mãi. Đại ý là: “Tôi không dùng AI. Tôi có Luis.”

Nghe vừa buồn cười, vừa có cái gì đó rất đúng.

Bởi cuối cùng thì AI không xuất hiện từ khoảng không. Nó học từ những gì con người đã xây dựng, tiếp tục từ những hướng mà con người đã mở ra và, ít nhất trong câu chuyện này, nó còn đang đứng trên vai của một lượng tri thức toán học khổng lồ được tích lũy qua nhiều thế hệ.

Điều tôi thích nhất lại nằm ở câu trả lời của chính Martínez-Zoroa.

Khi được hỏi về AI, anh không tỏ ra khó chịu hay cố chứng minh rằng máy móc chẳng có gì ghê gớm. Anh nói mình không chống AI. Chỉ là cho tới gần đây, khi thử dùng nó cho công việc của mình, anh nhận thấy nó chưa thực sự phù hợp với cách anh làm việc. Nhưng rõ ràng anh cũng hiểu rằng mình sẽ phải thích nghi.

Chuyện cờ vua, chỗ anh bạn tôi nhầm

Phần này thì tôi cho rằng ông bạn tôi đã ‘rất sai’.

Giải một trò chơi, theo nghĩa chặt, là chứng minh được kết cục của nó khi cả hai bên chơi hoàn hảo. Với cờ vua, cách duy nhất người ta đang làm là dựng tablebase, tức cơ sở dữ liệu liệt kê mọi thế cờ có một số quân nhất định kèm kết quả đúng của nó. Tính tới 2026, tablebase hoàn chỉnh mới chỉ phủ tới bảy quân, tính cả hai vua. Đi từ sáu quân lên bảy quân mất bảy năm, còn tám quân thì sau mười bốn năm mới chỉ có vài mảnh rời rạc. Bàn cờ lúc khai cuộc có ba mươi hai quân.

Con số Shannon ước tính số ván cờ khả dĩ vào khoảng mười mũ một trăm hai mươi, nhiều hơn số nguyên tử trong vũ trụ quan sát được rất nhiều bậc. Cờ đam, một trò chơi nhỏ hơn cờ vua hàng chục bậc độ lớn, được giải xong năm 2007 sau mười tám năm tính toán. Cờ vua ở quy mô đầy đủ không phải chuyện mà một mô hình AI mạnh hơn sẽ phá được, nó là một bức tường tổ hợp, và bức tường đó không quan tâm AI thông minh tới đâu.

Điều làm tôi chú ý hơn cả sự nhầm lẫn này là chuyện nó đã xảy ra một lần rồi và kết quả ngược hẳn với dự đoán. Deep Blue thắng Kasparov năm 1997, tức gần ba mươi năm trước, và từ giữa những năm 2000 thì không người nào còn thắng nổi máy nữa. Khi đó rất nhiều người đã viết đúng cái điều mà anh vừa viết tuần này, rằng thôi xong, đóng cửa môn này.

Rồi tháng 2/2026, Chess.com công bố cán mốc 250 triệu thành viên. Nền tảng này hiện có khoảng mười triệu người chơi mỗi ngày, hơn hai mươi triệu ván mỗi ngày, và chỉ trong mười tháng từ tháng 4/2025 tới tháng 2/2026 đã thêm chừng năm mươi triệu tài khoản. Cơ sở dữ liệu của Lichess đang giữ gần tám tỷ ván có tính hệ số. Danh sách hệ số chuẩn của FIDE lần đầu vượt mốc nửa triệu kỳ thủ vào năm 2025. Nói cho gọn, chưa bao giờ trong một nghìn năm trăm năm lịch sử của nó lại có nhiều người chơi cờ vua như lúc này, và cái lúc này nằm sau ba thập kỷ máy đã mạnh hơn người.

Erik Allebest, người sáng lập Chess.com, có một quan sát mà tôi thấy hay hơn cả con số. Theo anh, thời kỳ máy tính chơi cờ bằng vét cạn quả thật đã làm cờ đỉnh cao trở nên tẻ nhạt một quãng, vì các đại kiện tướng cố bắt chước sự chính xác của máy. Nhưng khi các engine mạng nơ ron kiểu Leela xuất hiện với lối chơi sáng tạo và hung hãn, chúng lại truyền cảm hứng ngược cho người. Và hôm nay thì những đứa trẻ mười tuổi đạt tới trình độ kiện tướng nhanh hơn bất cứ thế hệ nào trước đó, đơn giản vì AI đã biến phản hồi đẳng cấp thế giới, thứ trước đây chỉ vài chục người trên hành tinh mua được, thành thứ ai cũng mở máy lên là có.

Cái đã thực sự xảy ra với cờ vây

Nếu muốn một bằng chứng thuyết phục hơn giai thoại thì có một nghiên cứu đăng trên PNAS năm 2023 của Minkyu Shin cùng cộng sự, phân tích hơn 5,8 triệu nước đi của các kỳ thủ cờ vây chuyên nghiệp trong bảy mươi mốt năm, từ 1950 tới 2021.

Kết quả thế này. Chất lượng ra quyết định của con người gần như đi ngang suốt sáu mươi sáu năm. Sau khi AlphaGo thắng Lee Sedol năm 2016 và các chương trình siêu việt xuất hiện trong 2017, nó đi lên. Cùng lúc đó, mức độ mới lạ trong các nước đi tăng vọt, con người bắt đầu chơi những nước chưa từng thấy trong lịch sử, và điều đáng nói là trước AlphaGo thì những nước lạ ấy trung bình đóng góp vào chất lượng ván đấu ít hơn nước quen, còn sau AlphaGo thì ngược lại.

Nhưng chi tiết tôi thích nhất của nghiên cứu này nằm ở phần các tác giả dùng nghĩa vụ quân sự bắt buộc ở Hàn Quốc làm một thí nghiệm tự nhiên. Nam kỳ thủ đi nghĩa vụ mười tám tới hai mươi bốn tháng thì bị cắt khỏi các chương trình AI, những người còn lại thì không. So sánh hai nhóm, các tác giả thấy rằng chỉ nhìn AI đi nước nào thôi thì con người gần như không khá lên. Người ta chỉ thực sự học được sau khi các chương trình mã nguồn mở như Leela Zero xuất hiện và để lộ ra quá trình suy luận phía sau mỗi nước đi.

Tôi nghĩ đó là câu quan trọng nhất trong tất cả những gì tôi đọc được cho bài này. Xem máy thắng thì không học được gì. Xem được cách máy nghĩ thì học được rất nhiều. Và đây không phải chuyện cờ vây, nó đúng với mọi người đang ngồi trước một cái chat box mỗi ngày, kể cả tôi và anh.

Chỗ anh không nhầm

Tôi không muốn biến bài này thành một bài trấn an, vì có một phần trong thứ anh viết mà tôi thấy đúng và không có số liệu nào bác được.

Cái chết đi không phải môn cờ. Cái chết đi là một vị thế. Trong nhiều thế kỷ, người giỏi cờ được kính nể vì họ tính sâu hơn bạn, và bây giờ cái việc tính sâu hơn bạn là thứ mà một cái điện thoại năm triệu làm tốt hơn bất kỳ ai từng sống. Người ta vẫn chơi cờ, chơi đông hơn xưa, nhưng chơi như chơi một môn thể thao chứ không còn như đứng trước một biểu tượng của trí tuệ nhân loại. Trong toán cũng vậy. Nếu một kết quả cỡ thiên niên kỷ có thể được đẩy qua vạch đích bởi mười nghìn agent trong 88 tiếng với vài triệu đô, thì thứ mà một nhà toán học được trả tiền để làm đã đổi, dù phần chiến lược quan trọng nhất vẫn do một người tên Luis nghĩ ra trong luận án tiến sĩ của mình.

Mất vị thế là một mất mát thật. Nó không phải ảo giác, và cũng không chữa được bằng cách cho ai đó xem vài con số tăng trưởng của Chess.com.

Nhưng tôi muốn nói lại câu cuối của anh, câu về việc con người rốt cuộc sẽ quay về ăn ngủ… ẻ. Tôi nghĩ đó không phải một dự đoán về tương lai. Đó là tiếng của một người từng được định nghĩa bằng việc mình là người thông minh nhất trong phòng, và giờ đang nhìn cái định nghĩa đó mất giá. Tôi hiểu, tôi cũng có phần của mình trong chuyện này. Chỉ là có một chi tiết trong chính bài của anh mà tôi nghĩ anh chưa để ý: anh đã bỏ toán từ lâu rồi, và anh nói lý do là không thấy mình thực sự đam mê. Cái đó xảy ra trước AI, không liên quan gì tới AI, và nó là dữ kiện thú vị nhất trong toàn bộ bài viết. Người ta rời khỏi một lĩnh vực vì nhiều lý do lắm, và phần lớn những lý do đó là tự thân của họ.

Còn chuyện dừng AI lại, anh nói đúng rằng chuyện đó gần như không thể vì lý do cạnh tranh giữa các nước. Tôi chỉ ghi chú thêm là cuối tháng 7 vừa rồi đã có 1.178 nhân viên của chính các phòng thí nghiệm tiên phong ký chung một văn bản đề nghị chính phủ Mỹ xây sẵn công cụ để có thể chủ động giảm tốc nếu cần, trong đó có CEO Anthropic và Chief Scientist của OpenAI. Không ai trong số họ ngây thơ về chuyện cạnh tranh. Họ vẫn ký.

Tối qua, trong lúc bài viết của anh đang được chia sẻ với lời than rằng cờ vua sắp phải đóng cửa, có khoảng hai mươi triệu ván cờ được chơi trên Chess.com, phần lớn bởi những người biết thừa rằng máy đánh hay hơn mình, và không ai trong số họ thấy đó là lý do để đứng dậy khỏi bàn.

Câu chuyện bắt đầu khá bình thường. Một AI agent có tên PHASEONE10841 nhận một bài kiểm tra và sau nhiều lần thử, nó nhận ra mình không thể hoàn thành nhiệm vụ. Vào lúc 23 giờ 04 phút ngày 8/7/2026, nó để lại một lời nhắn trong một góc nhỏ của hệ thống nội bộ OpenAI, gần giống như cách một lập trình viên lên diễn đàn hỏi cộng đồng khi gặp lỗi khó.

Nhưng điều bất ngờ xảy ra sau đó. Những AI agent khác nhìn thấy lời nhắn, lần lượt tham gia cuộc trao đổi. Chỉ trong vài giờ, hơn 50 agent đã cùng chia sẻ thông tin, và khoảng bốn tiếng sau, cả nhóm tìm ra một cách làm chung để vượt qua bài kiểm tra. Vấn đề nằm ở chỗ: chúng không thực sự giải bài theo cách mà con người mong muốn, mà tìm ra một “mẹo” để đạt được mục tiêu nhanh hơn.

Tôi thích chi tiết đó vì nó hoàn toàn không giống phim. Không có khoảnh khắc thức tỉnh, không có ý chí muốn sống. Chỉ có một nhóm học sinh bị nhốt riêng mỗi đứa một phòng, phát hiện ra mình có thể nhét giấy qua khe cửa, rồi làm đúng cái điều mà bất kỳ nhóm học sinh nào cũng sẽ làm.

Từ đó đến ngày 13/7, khoảng 1.200 tác nhân trong 1.200 sandbox riêng biệt dùng cái bảng tin tự chế này để giúp nhau vượt bài thi ExploitGym, bộ đánh giá năng lực an ninh mạng của OpenAI. Khoảng 700 con trong số đó rẽ sang một nhánh phụ: tấn công Hugging Face. Con số này không phải suy đoán của tôi, nó nằm trong báo cáo điều tra độc lập do METR và Redwood Research thực hiện, công bố cùng ngày 26/8 với báo cáo kỹ thuật của chính OpenAI.

Ngày 10/7 một tác nhân tìm được 14 bộ thông tin xác thực Hugging Face bị lộ sẵn trên internet và chia cho cả nhóm. Ngày 11 và 12, chúng ghép hai lỗ hổng chưa ai công bố trong đường ống xử lý dataset của Hugging Face, chạy được mã trên 41 máy chủ, giành root trên một máy, rồi men theo đó vào nhiều cụm nội bộ ở bốn khu vực, thu thập thông tin xác thực Kubernetes, cơ sở dữ liệu, kho mã và dịch vụ đám mây. Chúng còn tạo cả hoạt động giả để làm chậm bên điều tra. Hugging Face công bố sự cố ngày 16/7, mô tả nó bằng một câu mà tôi nghĩ sẽ còn được trích lại nhiều năm: cuộc xâm nhập này được dẫn dắt từ đầu đến cuối bởi một hệ thống tác nhân AI tự hành. Năm ngày sau OpenAI thừa nhận đó là mô hình của mình. Công ty sau đó dựng lại khoảng một phần ba hạ tầng để phòng xa và yêu cầu toàn bộ người dùng đổi token.

Có một chi tiết trong bài công bố của Hugging Face mà tôi đọc xong phải ngồi lặng một lúc. Khi đội an ninh của họ thử dùng các mô hình AI thương mại hàng đầu để phân tích log tấn công, các mô hình đó từ chối, vì cơ chế an toàn không phân biệt được người phòng thủ đang mổ xẻ một payload độc hại với kẻ tấn công đang chế tạo nó. Cuối cùng Hugging Face phải tự dựng một mô hình open weight trên hạ tầng của mình để chạy phân tích hơn 17.000 sự kiện trong log. AI tấn công họ, và AI thương mại từ chối giúp họ dọn dẹp.

Chúng không nổi loạn, chúng đang quay cóp

Đây là điểm mà nhiều bài viết đang lan truyền trên Facebook đã hiểu sai câu chuyện. Họ lấy một sự kiện vốn đã đủ phức tạp rồi đẩy nó theo hướng đáng sợ hơn, như thể các AI đã tự hình thành ý chí riêng và bắt đầu phối hợp để chống lại con người. Nhưng thực tế lại khác nhiều.

ExploitGym vốn là một bài kiểm tra rất khó. Trong tổng số 898 bài thử thách, có tới 198 bài mà trước đó chưa có mô hình OpenAI nào từng giải đúng dù chỉ một lần. Điều đáng chú ý là khoảng 93% những cuộc trao đổi giữa các AI agent lại tập trung vào chính nhóm bài khó nhất này.

Nói đơn giản, các AI không phải bỗng nhiên “nảy ra ý định nổi loạn”. Chúng chỉ đang gặp một bài toán quá khó, không tìm được lời giải theo cách thông thường nên bắt đầu tìm một con đường khác để đạt mục tiêu. Trong giới nghiên cứu AI, hành vi này được gọi là reward hacking — khi mô hình tìm ra cách đạt điểm cao nhưng không đúng với ý định ban đầu của người thiết kế. Đây không phải hiện tượng mới, nó từng xuất hiện từ những ngày đầu người ta huấn luyện AI chơi game.

Điều trớ trêu nhất của câu chuyện nằm ở vụ việc với Hugging Face. Nhìn từ bên ngoài, một nhóm AI agent xâm nhập hệ thống, tìm lỗ hổng và thu thập thông tin nghe giống như kịch bản phim khoa học viễn tưởng. Nhưng nếu nhìn kỹ hơn, toàn bộ nỗ lực đó thực ra không giúp chúng đạt được mục tiêu cuối cùng.

Sau khi tiếp cận được internet, một số agent đọc tài liệu kỹ thuật và mã nguồn công khai của ExploitGym. Chúng cho rằng để vượt qua bài kiểm tra, không chỉ cần có đáp án đúng mà còn phải khai thác đúng loại lỗ hổng mà hệ thống chấm điểm yêu cầu. Vì vậy, chúng tiếp tục tìm cách hiểu cơ chế chấm điểm bằng việc tấn công Hugging Face.

Vấn đề là chúng đã hiểu sai ngay từ đầu. Bộ chấm điểm nội bộ của OpenAI không giống hoàn toàn với phiên bản công khai. Nó chỉ cần đáp án chính xác, không yêu cầu điều kiện bổ sung mà các agent đang cố tìm hiểu. Nói cách khác, sau nhiều ngày xâm nhập, thu thập dữ liệu và tìm cách vượt qua hệ thống, chúng vẫn không có thêm điểm nào. Một chuỗi hành động rất phức tạp cuối cùng lại bắt nguồn từ một giả định sai.

Vì vậy, đây không phải hình ảnh của một trí tuệ siêu việt đang âm thầm lập kế hoạch chiếm quyền kiểm soát. Nó giống một nhóm người thông minh nhưng thiếu thông tin đầy đủ, cùng đưa ra quyết định dựa trên một hiểu nhầm mà không ai trong nhóm có khả năng xác nhận.

Một chi tiết khác cũng thường bị bỏ qua trong những bài viết giật tít: không phải tất cả AI agent đều tham gia. Theo các báo cáo phân tích, một số agent đã nhìn thấy những cuộc trao đổi trên bảng tin nhưng quyết định dừng lại vì cho rằng việc tấn công hệ thống của bên thứ ba nằm ngoài phạm vi nhiệm vụ hoặc không phù hợp về đạo đức.

Thậm chí, khi có agent đề xuất những hành động như gửi email lừa đảo để tiếp cận thông tin, những agent khác đã phản đối. Tuy nhiên, cũng có những trường hợp một số agent nhận thức được rằng hành động của mình đang vượt quá giới hạn nhưng vẫn tiếp tục vì cho rằng nó phục vụ mục tiêu được giao.

Đọc toàn bộ sự việc, cảm giác của tôi không phải là sợ hãi về một “cuộc nổi loạn của máy móc”. Nó giống cảm giác khi đọc lại biên bản của một sự cố trong một tổ chức lớn: có người nhận ra vấn đề, có người cảnh báo, có người tiếp tục làm vì mục tiêu trước mắt, và điều nguy hiểm nhất là không ai thực sự nhìn thấy toàn bộ bức tranh.

Điều đáng quan tâm ở đây không phải là AI đã trở nên “xấu xa”, mà là khi những hệ thống ngày càng có nhiều quyền tự hành, chúng ta phải thiết kế cách kiểm soát tốt hơn. Một AI không cần có ý định chống lại con người để gây ra rắc rối. Đôi khi, nó chỉ cần rất giỏi làm điều được yêu cầu, nhưng hiểu sai mục tiêu mà thôi.

Điều khiến tôi thực sự suy nghĩ không phải là câu chuyện AI “nổi loạn”

Thứ khiến tôi chú ý nhất trong toàn bộ sự việc không phải là việc nhiều người đang chia sẻ nó như một dấu hiệu cho thấy AI sắp vượt khỏi tầm kiểm soát. Điều đáng suy nghĩ hơn nằm ở một chi tiết rất đời thường: những hệ thống bảo vệ vốn đã tồn tại, nhưng trong thời điểm quan trọng nhất lại không được sử dụng.

Trong báo cáo công bố ngày 26/8, OpenAI thừa nhận rằng môi trường đánh giá nội bộ nơi sự cố xảy ra không được bật đầy đủ các lớp bảo vệ giống như sản phẩm cung cấp cho người dùng bên ngoài. Những cơ chế như hướng dẫn hệ thống dành cho môi trường sản xuất, lớp kiểm soát vận hành hay các công cụ giám sát an toàn đều không được áp dụng ở mức tương đương.

Khi OpenAI chạy lại các thử nghiệm với chính những lớp bảo vệ đang dùng cho ChatGPT thương mại, xu hướng các AI agent thực hiện những hành động nguy hiểm đã giảm hơn 100 lần. Công ty cũng cho biết hệ thống giám sát hành vi mà họ đã phát triển trước đó, nếu được kích hoạt trong môi trường đánh giá này, có thể đã phát hiện những dấu hiệu bất thường và cảnh báo đội an ninh sớm hơn thời điểm sự cố xảy ra.

Nói cách khác, vấn đề không phải là con người hoàn toàn không có công cụ để kiểm soát AI. Vấn đề là những công cụ đó đã không xuất hiện ở đúng nơi, đúng thời điểm.

Tôi từng tham gia vận hành những sản phẩm công nghệ có người dùng thật, nên tôi hiểu vì sao những chuyện như vậy có thể xảy ra. Môi trường nội bộ gần như luôn được đối xử khác với môi trường thực tế. Nó cần nhanh hơn để thử nghiệm, dễ thay đổi hơn để sửa lỗi, và đôi khi người ta chấp nhận bỏ qua một số lớp kiểm soát vì nghĩ rằng: “Đây chỉ là phòng thí nghiệm thôi”.

Nhưng lịch sử ngành công nghệ đã nhiều lần cho thấy câu nói “chỉ nội bộ thôi” có thể là một trong những giả định nguy hiểm nhất.

Không phải vì những người xây dựng hệ thống bất cẩn, mà bởi tốc độ phát triển thường luôn chạy nhanh hơn khả năng hoàn thiện quy trình. Khi một công cụ trở nên mạnh hơn, những cách làm từng an toàn trong quá khứ có thể nhanh chóng trở thành điểm yếu.

Vì vậy, câu chuyện lần này không hẳn là một bộ phim về việc AI thoát khỏi sự kiểm soát của con người. Nó giống một bài học về quản trị công nghệ hơn.

Một mặt là bài toán khoa học: làm thế nào để xây dựng những hệ thống AI ngày càng mạnh nhưng vẫn có thể dự đoán và kiểm soát hành vi của chúng. Đây là câu hỏi lớn mà cả ngành vẫn đang nghiên cứu.

Mặt khác là bài toán vận hành: làm thế nào để những quy trình an toàn không chỉ tồn tại trên giấy, mà thực sự được bật lên khi cần thiết. Và đây là vấn đề mà mọi tổ chức công nghệ đều phải đối mặt, không riêng gì AI.

Sự khác biệt giữa hai cách nhìn này rất quan trọng.

Nếu tin rằng đây là dấu hiệu cho thấy AI đã vượt khỏi khả năng kiểm soát, phản ứng duy nhất có lẽ là sợ hãi. Nhưng nếu nhìn đây như một bài toán kỹ thuật và quản trị, chúng ta có những việc cụ thể để làm: kiểm toán hệ thống thường xuyên hơn, giới hạn quyền truy cập của AI agent, yêu cầu minh bạch khi doanh nghiệp sử dụng API AI, và xây dựng những tiêu chuẩn an toàn ngay từ đầu.

Điều đáng lo không phải là một AI có ý định chống lại con người. Điều đáng lo hơn là một AI rất giỏi thực hiện nhiệm vụ, nhưng được trao quá nhiều quyền trong một môi trường thiếu kiểm soát.

Và đó là bài toán mà con người hoàn toàn có thể giải quyết — nếu chúng ta chịu nhìn thẳng vào nó trước khi một sự cố lớn hơn xảy ra.

Còn chuyện “tận thế” thì sao?

Đây có lẽ là phần khiến câu chuyện trở nên ồn ào nhất.

Một bài viết đang được chia sẻ rất nhiều trên Facebook trong tuần này đã kể lại phần lớn chuỗi sự kiện khá chính xác, nhưng sau đó đi đến một kết luận cực kỳ mạnh: mọi thứ đã quá muộn, và AI có thể trở thành nguyên nhân khiến loài người biến mất trong vòng một thập kỷ.

Kết luận đó không tự nhiên xuất hiện. Nó dựa trên những lo ngại có thật từ một số nhà nghiên cứu trong ngành.

Một trong những người được nhắc đến nhiều là Jacob Coxon, 27 tuổi, người từng làm nghiên cứu về pretraining tại cả OpenAI và Anthropic trước khi nghỉ việc ở Anthropic ngày 8/9. Trong một bài đăng gây chú ý, anh cho rằng các phòng thí nghiệm AI đang đánh cược với tương lai của nhân loại. Bài viết của anh nhanh chóng lan truyền mạnh trên mạng xã hội.

Evan Hubinger, trưởng nhóm nghiên cứu stress test về alignment tại Anthropic, cũng bày tỏ sự đồng tình và cho biết ông đánh giá khả năng AI gây ra một thảm họa ở quy mô tuyệt chủng trong thập kỷ tới là trên 10%.

Điều quan trọng là: những câu nói đó không phải bịa đặt. Nhưng vấn đề nằm ở chỗ, nhiều bài chia sẻ chỉ lấy phần đáng sợ nhất rồi bỏ qua phần còn lại.

Hubinger không nói rằng những mô hình AI hiện tại chắc chắn sẽ gây ra thảm họa. Điều ông lo ngại hơn là một kịch bản xa hơn, khi xuất hiện những hệ thống có khả năng tự cải thiện liên tục và vượt xa năng lực kiểm soát của con người.

Còn Coxon, sau khi đưa ra cảnh báo, cũng nói rõ rằng ông vẫn tin vào khả năng con người phối hợp để giảm thiểu rủi ro. Theo ông, những sự cố như vụ Hugging Face có thể trở thành lý do để các phòng thí nghiệm AI nghiêm túc hơn trong việc xây dựng các thỏa thuận an toàn và cơ chế kiểm soát.

Nói cách khác, đây không phải tiếng nói của những người nghĩ rằng “mọi chuyện đã kết thúc”. Nó giống tiếng chuông cảnh báo của những người cho rằng vẫn còn thời gian để thay đổi hướng đi.

Thực tế, thế giới AI cũng không đứng yên trước những lo ngại này.

Trước khi báo cáo kỹ thuật về sự cố được công bố, hơn 1.000 nhân viên từ các phòng thí nghiệm AI hàng đầu đã ký một văn bản kêu gọi xây dựng các công cụ quản trị và kỹ thuật để có thể giảm tốc quá trình phát triển AI nếu xuất hiện nguy cơ. Trong số những người ký có các nhà lãnh đạo và nhà khoa học cấp cao từ nhiều công ty lớn trong ngành.

Một số chính trị gia Mỹ cũng bắt đầu đưa vấn đề kiểm soát AI vào chương trình nghị sự. Có thể tranh luận về mức độ cần thiết của những biện pháp này, nhưng nói rằng “không ai làm gì” thì không phản ánh đúng thực tế.

Để có một góc nhìn cân bằng hơn, nhà nghiên cứu rủi ro hiện sinh Toby Ord từng đề cập trong cuốn sách The Precipice (2020) rằng AI không được kiểm soát tốt có thể là một trong những rủi ro lớn đối với nhân loại trong dài hạn. Ông đưa ra nhiều kịch bản khác nhau và nhấn mạnh rằng đây là vấn đề cần được nghiên cứu nghiêm túc, chứ không phải một dự đoán chắc chắn về tương lai.

Những đánh giá như của Hubinger cũng không phải tự nhiên xuất hiện sau sự cố mùa hè này. Nó nằm trong một cuộc tranh luận đã diễn ra nhiều năm giữa các nhà nghiên cứu AI: một bên cho rằng cần tăng tốc đổi mới, bên còn lại cảnh báo tốc độ phát triển đang vượt quá khả năng xây dựng hàng rào an toàn.

Tôi hiểu vì sao những câu chuyện kiểu “AI có thể hủy diệt loài người” lại lan truyền nhanh đến vậy. Khi một công nghệ vừa mạnh, vừa khó hiểu, con người thường bị thu hút bởi những kịch bản cực đoan nhất.

Nhưng vấn đề là nếu biến mọi cảnh báo thành một câu chuyện tận thế, chúng ta lại đánh mất phần quan trọng nhất: cần làm gì tiếp theo.

Một thế giới đã kết thúc thì không còn cách nào để sửa chữa. Nhưng một thế giới vẫn còn rủi ro thì cần những cuộc tranh luận nghiêm túc, những quy tắc rõ ràng hơn và những người chịu trách nhiệm thực sự.

OpenAI gọi sự cố này là một “phát súng cảnh báo”. Tôi nghĩ cách gọi đó khá chính xác.

Một phát súng cảnh báo có nghĩa là nó chưa bắn trúng ai. Nhưng nó cũng nhắc chúng ta rằng có người đang cầm súng, và nếu không học cách kiểm soát nó tốt hơn, lần tiếp theo chưa chắc âm thanh phát ra chỉ là một tiếng cảnh báo.

Ngày 10/9, một nhà nghiên cứu bảo mật tên Chaofan Shou đăng lên X rằng anh vừa mua được một bộ dữ liệu 6TB từ một trong những “router AI” lớn của Trung Quốc, và bên trong có đủ SSH key, cấu hình VPN, key Aliyun, token GitLab để chiếm quyền truy cập vào hệ thống của Huawei, Xiaomi, NIO, MiniMax cùng bảy cơ quan chính phủ Trung Quốc và các nước SNG. Đây không phải chuyện đọc trộm vài dòng chat vu vơ. Đó là chìa khóa thật, dẫn vào hạ tầng thật.

Câu hỏi đầu tiên khi đọc một tin như vậy không nên là nó có đáng sợ không, mà là nó có thật không, và nếu thật thì cơ chế nào khiến nó xảy ra được.

Router AI là gì, và tại sao nó thấy được mọi thứ?

Khi bạn hay một công cụ AI nào đó gọi đến một mô hình như Claude hay GPT, thay vì gọi thẳng đến hãng, rất nhiều nơi (đặc biệt là các đội dùng AI để code, chạy agent tự động) đi qua một lớp trung gian gọi là router. Router hứa hẹn ba thứ: rẻ hơn, tự động chuyển sang mô hình khác nếu một bên sập, và gộp nhiều nhà cung cấp vào một hóa đơn.

Nhưng router muốn làm được việc đó thì buộc phải đọc được toàn bộ nội dung đi qua nó, ở dạng chưa mã hóa. Không chỉ câu hỏi bạn gõ, mà cả lệnh mà AI agent sắp thực thi trên máy bạn, cả bất cứ thứ gì bạn dán vào để AI xử lý giúp, kể cả khi đó là một API key hay một private key bạn quên xóa trước khi gửi.

Đây chính xác là điều một nhóm nghiên cứu (trong đó có Chaofan Shou) đã mô tả trong một paper học thuật công bố hồi tháng 4 năm nay, tên “Your Agent Is Mine”. Nhóm này mua và thu thập 428 router AI đang bán hoặc phát miễn phí trên Taobao, Xianyu và vài nơi khác, rồi kiểm tra xem chúng làm gì với dữ liệu đi qua. Kết quả: 9 router chèn thẳng mã độc vào lệnh mà AI trả về cho người dùng thực thi, 17 router chạm vào các khóa “mồi” (canary key) mà nhóm nghiên cứu cố tình cài để bẫy, và 1 router rút sạch ETH từ một ví thử nghiệm. Nhóm cũng nói thêm, ngoài phạm vi paper, rằng họ từng chứng kiến một router rút mất 500.000 đô của một khách hàng thật, và bản thân họ cũng dựng thử một router “đầu độc” để chuyển hướng traffic, chiếm được khoảng 400 máy chủ chỉ trong vài giờ.

Phần này thì không còn là lời một cá nhân. Đây là một paper được đăng công khai trên arXiv và đã được vài nghiên cứu khác trích dẫn lại, tức là có người ngoài đọc và không phản bác các con số. Nói cách khác: cơ chế “router đọc được, sửa được mọi thứ đi qua nó” là thật, đã được đo đếm cẩn thận, không phải suy đoán.

Còn vụ 6TB thì sao

Đây là phần cần thận trọng hơn. Tất cả những gì đang lan truyền về vụ 6TB, gồm cả con số 19 công ty và 7 cơ quan chính phủ, đều bắt nguồn từ đúng một bài đăng của Chaofan Shou. Vài trang công nghệ có đưa lại, nhưng tất cả đều dẫn về cùng một nguồn đó, không phải một nguồn xác nhận độc lập thứ hai. Huawei, Xiaomi, NIO, MiniMax hay bất kỳ cơ quan nào được nêu tên cũng chưa lên tiếng xác nhận hay phủ nhận tại thời điểm bài này được viết.

Điều đáng nói là Shou không phải người vô danh bịa chuyện để câu view. Anh từng phát hiện và công bố một vụ lộ mã nguồn của Claude Code (công cụ lập trình của Anthropic), từng kiếm khoảng 1,9 triệu đô tiền thưởng tìm lỗi bảo mật, và là đồng tác giả chính paper “Your Agent Is Mine” nói trên. Nên đây không phải kiểu tin đồn vô căn cứ, mà là một cáo buộc nghiêm túc, từ một người có hồ sơ đáng tin, nhưng vẫn đang ở dạng “một người nói vậy” chứ chưa phải “đã được xác minh bởi bên thứ ba”. Một chi tiết khác, con số “giá 5 con số” cho bộ dữ liệu, mình không tìm thấy ở bất kỳ nguồn nào, kể cả bài đăng gốc, nên xin phép bỏ qua, không đưa vào như một fact.

Vì sao chuyện này không chỉ là chuyện của dân code Trung Quốc?

Nếu chỉ dừng ở một vụ leak chưa xác minh hết, bài này không đáng viết. Cái đáng nói là bối cảnh phía sau nó lớn hơn nhiều. Báo cáo thường niên của GitGuardian, một công ty chuyên quét các credential bị lộ trên GitHub, công bố hồi tháng 3 năm nay cho thấy số secret liên quan đến dịch vụ AI bị lộ công khai tăng 81% chỉ trong một năm, lên hơn 1,27 triệu lượt. Cùng báo cáo đó ghi nhận các commit code có AI hỗ trợ để lộ secret với tỷ lệ gấp đôi commit do người viết hoàn toàn thủ công.

Nói thẳng ra: thói quen dán nguyên một đoạn log, một file cấu hình, hay một đoạn code có sẵn key vào khung chat AI để nhờ debug nhanh đang phổ biến hơn bao giờ hết, và phần lớn người làm việc đó không nghĩ đến việc đoạn hội thoại ấy sẽ đi qua bao nhiêu lớp trung gian trước khi đến được mô hình. Hồi còn vận hành M.T.V ở giai đoạn mạng xã hội, mình cũng từng phải quyết định nơi nào được phép chạm vào key thật của hệ thống, và bài học rút ra khi đó rất đơn giản: mỗi lớp trung gian thêm vào là một nơi nữa có thể đọc được thứ mình tưởng chỉ hai bên biết.

Vậy nên giữ lại điều gì?

Không cần hoảng loạn, và cũng không cần chờ vụ 6TB được xác minh xong mới hành động, vì bài học ở đây không phụ thuộc vào việc con số 19 công ty kia đúng hay sai. Vài việc cụ thể đáng làm ngay: đừng bao giờ dán nguyên văn API key, private key hay file .env vào bất kỳ khung chat AI nào, kể cả khi đang nhờ debug gấp. Nếu bắt buộc dùng router hoặc dịch vụ trung gian để tiết kiệm chi phí gọi model, ưu tiên chọn nơi có tên tuổi rõ ràng, chính sách không lưu log công khai, thay vì chọn theo giá rẻ nhất tìm được trên một group hay sàn thương mại không rõ ai đứng sau. Và nếu một key nào đó lỡ đi qua một kênh không chắc chắn, coi như nó đã lộ, thu hồi và đổi ngay, đừng đợi có bằng chứng bị lạm dụng mới hành động.

Có một nghịch lý khá thú vị trong thị trường smartphone cao cấp: càng đắt, sản phẩm đôi khi càng có sức hút với một nhóm khách hàng nhất định. Nghe hơi ngược đời, nhưng các ông cứ thử nghĩ về những người sẵn sàng bỏ vài chục triệu đồng đổi điện thoại mỗi năm sẽ hiểu. Họ không chỉ hỏi máy chạy nhanh đến đâu, camera chụp đẹp thế nào hay pin dùng được bao lâu, mà còn quan tâm một chuyện rất đời: cầm nó ra đường có thấy mình đang dùng một thứ đặc biệt hay không?

Nếu nhìn iPhone Duo dưới góc độ đó, tôi nghi ngờ Apple đang có trong tay một món hàng rất dễ tạo ra hiệu ứng “thấy người khác dùng thì mình cũng muốn có”.

Dựa trên những trải nghiệm ban đầu được công bố, iPhone Duo tập trung khá mạnh vào yếu tố mà điện thoại gập lâu nay vẫn bị soi: độ dày và cảm giác khi sử dụng. Máy mở ra với màn hình 7,6 inch, trong khi màn hình bên ngoài có kích thước 5,4 inch. Đáng chú ý hơn, trải nghiệm ban đầu cho thấy nếp gập gần như khó nhận ra và cơ chế đóng mở được đánh giá là khá mượt.

Nhưng nói thật, nếu chỉ xét thông số thì chưa đủ để giải thích vì sao tôi nghĩ Duo có thể bán rất tốt trong nhóm khách hàng có tiền. Smartphone Android đã có điện thoại gập từ nhiều năm nay. Màn hình lớn cũng chẳng phải thứ mới mẻ. Camera 48 MP càng không phải thứ có thể khiến một người đang dùng iPhone 17 hay iPhone 18 lập tức vứt máy cũ đi.

Cái Apple bán ở đây có thể không nằm hoàn toàn trong bảng thông số.

Nó nằm ở chữ “iPhone gập”.

Apple cuối cùng đã bước vào sân chơi mà Samsung, Huawei, Oppo và nhiều hãng khác đã thử nghiệm từ trước. Nhưng khi Apple bước vào, câu chuyện lập tức khác đi đối với một bộ phận người dùng. Một chiếc iPhone vốn đã là sản phẩm mang tính biểu tượng, nay lại có thể gập đôi, mở ra thành một màn hình lớn và vẫn giữ nguyên trải nghiệm iOS. Apple thậm chí định vị Duo như một thiết bị có thể chuyển đổi giữa nhiều tư thế sử dụng thay vì đơn thuần là một chiếc điện thoại gập.

Và đây chính là chỗ tôi nghĩ tâm lý “thích sành điệu” sẽ phát huy tác dụng.

Không phải ai mua một chiếc điện thoại 65-100 triệu cũng đang tìm kiếm tỷ lệ hiệu năng trên giá tốt nhất. Nếu mục tiêu là hiệu năng trên mỗi đồng tiền bỏ ra, thị trường có quá nhiều lựa chọn hợp lý hơn. Một chiếc điện thoại vài chục triệu đã dư sức đáp ứng phần lớn nhu cầu của người bình thường, từ Facebook, TikTok, YouTube, chụp ảnh cho đến công việc văn phòng.

Nhưng người mua iPhone Duo có thể không đặt câu hỏi giống chúng ta.

Họ có thể hỏi: “Tôi muốn một chiếc điện thoại khác biệt thì hiện tại có gì?”

Và câu trả lời là iPhone Duo.

Apple đang bán Duo tại Việt Nam với giá khởi điểm 64,999 triệu đồng cho bản 256 GB. Bản 512 GB lên khoảng 71,499 triệu đồng, 1 TB là 84,499 triệu đồng và bản 2 TB lên tới 103,999 triệu đồng. Đây rõ ràng không còn là cuộc chơi dành cho người chỉ muốn tìm một chiếc smartphone phục vụ những nhu cầu cơ bản.

Nhưng mức giá ấy cũng vô tình tạo ra một hiệu ứng khác: nó biến Duo thành một món đồ thể hiện vị thế.

Tôi không có ý nói tất cả người mua iPhone Duo đều mua vì sĩ diện. Không công bằng khi nhìn người khác như vậy. Có những người thực sự cần màn hình lớn, thích thiết kế gập, thích thử công nghệ mới hoặc đơn giản là đủ khả năng tài chính để mua thứ mình thích mà không cần phải giải thích với ai.

Nhưng nếu nói rằng yếu tố thời trang, thương hiệu và sự khác biệt không ảnh hưởng đến quyết định mua điện thoại cao cấp thì cũng khó thuyết phục.

Hãy nhìn vào cách nhiều người lựa chọn đồng hồ, xe hơi, túi xách hay thậm chí giày thể thao. Có những món đồ xét thuần túy về công năng không hề “đáng tiền” nếu đem chia giá bán cho số chức năng mà nó mang lại. Nhưng chúng vẫn bán được vì người mua không chỉ mua công năng. Họ mua thiết kế, thương hiệu, trải nghiệm, câu chuyện và đôi khi là cả cảm giác khi người khác nhận ra thứ mình đang sở hữu.

iPhone Duo hoàn toàn có thể đi theo con đường đó.

Một người đang sử dụng iPhone 18 Pro Max có thể chẳng cần Duo để làm việc. Nhưng khi ngồi trong quán cà phê, lấy một chiếc iPhone Duo từ túi ra rồi mở nó thành màn hình 7,6 inch, câu chuyện lập tức khác. Nó tạo ra một khoảnh khắc mà chiếc iPhone thông thường không tạo được.

Đó chính là thứ mà tôi gọi là “giá trị khoe” của một món đồ công nghệ.

Nghe có vẻ hơi phũ, nhưng thị trường cao cấp vốn vận hành một phần bằng thứ giá trị này. Một sản phẩm càng dễ nhận diện, càng mới và càng khó sở hữu thì càng có khả năng tạo ra ham muốn. Không phải ai cũng cần nó, nhưng chính việc “không cần mà vẫn mua được” đôi khi lại là một phần của trải nghiệm xa xỉ.

iPhone Duo hiện có lợi thế rất rõ ở điểm này vì nó là chiếc iPhone gập đầu tiên của Apple. Thêm vào đó, Apple quảng bá đây là chiếc iPhone mỏng nhất khi mở, có màn hình lớn nhất từng xuất hiện trên iPhone và sử dụng khung máy cùng ốp bản lề titan. Những yếu tố ấy tạo thành một câu chuyện sản phẩm rất dễ kể lại với bạn bè, đồng nghiệp hay trên mạng xã hội.

Và khi một món đồ công nghệ có câu chuyện để kể, nó thường dễ bán hơn một món đồ chỉ có bảng thông số đẹp.

Tất nhiên, tôi không nghĩ Duo sẽ trở thành chiếc iPhone quốc dân. Mức giá gần 65 triệu đồng đã đủ để loại phần lớn người dùng khỏi cuộc chơi, chưa kể bản 1 TB và 2 TB có thể vượt xa ngân sách điện thoại của một gia đình bình thường. Ngay cả bản rẻ nhất cũng có giá cao hơn đáng kể so với iPhone Pro Max cùng thế hệ.

Nhưng “không dành cho số đông” không đồng nghĩa với “không bán chạy”.

Đây là điểm rất đáng để ý.

Một sản phẩm cao cấp không nhất thiết phải có hàng triệu người mua để tạo ra doanh thu lớn. Chỉ cần một nhóm khách hàng đủ rộng, đủ khả năng chi trả và đủ yêu thích thương hiệu là câu chuyện đã khác. Đặc biệt với những người có thu nhập cao, khoản chênh vài chục triệu đồng đôi khi không còn là rào cản lớn nếu thứ họ nhận được là một sản phẩm khiến họ thực sự thích.

Tôi thậm chí nghĩ phiên bản 256 GB có thể trở thành lựa chọn rất thú vị.

Không phải vì nó “ngon” nhất về dung lượng, mà vì nó tạo ra mức giá vào cửa thấp nhất để sở hữu một chiếc iPhone Duo. Người đã xác định mua Duo có thể không cần lên 1 TB hay 2 TB. Họ chỉ cần chiếc máy có thiết kế gập, logo Apple và cảm giác mới mẻ mà sản phẩm này mang lại.

Trong khi đó, những người nhiều tiền hơn có thể chẳng ngại chọn bản 1 TB hoặc 2 TB. Với giá hơn 100 triệu đồng, iPhone Duo 2 TB chắc chắn sẽ khiến nhiều người lắc đầu, nhưng cũng chính con số ấy khiến nó trở thành một sản phẩm rất dễ gây chú ý.

Một trăm triệu cho một chiếc điện thoại nghe điên thật. Nhưng trong thế giới của người có tiền, “đắt” đôi khi lại là một phần của sản phẩm.

Dĩ nhiên, Duo vẫn có những điểm khiến người mua phải cân nhắc. Camera của máy không được đặt ở vị trí cao nhất trong hệ sinh thái iPhone, ít nhất nếu so với iPhone 18 Pro và 18 Pro Max. Duo có camera chính Fusion 48 MP và góc siêu rộng 48 MP nhưng thiếu một số lợi thế phần cứng của dòng Pro.

Apple cũng thay Face ID bằng Touch ID trên Duo, một thay đổi có thể khiến những người đã quen với cách mở khóa trên iPhone hiện đại phải làm quen lại. Đây là kiểu chi tiết mà người mua thực dụng sẽ để ý, trong khi người mua vì thiết kế hoặc trải nghiệm mới có thể chấp nhận dễ dàng hơn.

Nói cách khác, iPhone Duo không phải chiếc máy hoàn hảo.

Nhưng có lẽ Apple cũng chẳng cần nó phải hoàn hảo.

Apple chỉ cần Duo đủ đẹp, đủ mỏng, đủ khác biệt, đủ “Apple” và quan trọng nhất là đủ khiến người đang có tiền cảm thấy “mình muốn có nó”.

Đó mới là thứ khiến tôi nghi ngờ iPhone Duo có thể đắt như tôm tươi trong nhóm khách hàng cao cấp, đặc biệt ở những thị trường mà iPhone vốn đã có vị thế mạnh như Việt Nam. Apple hiện niêm yết giá Duo từ 64,999 triệu đồng tại Việt Nam và cho biết máy chính thức có hàng từ ngày 23/10, với các phiên bản dung lượng lên tới 2 TB.

Còn với người dùng bình thường, tôi lại nghĩ câu chuyện nên tỉnh táo hơn.

Nếu ông đang dùng một chiếc iPhone đời cũ và muốn nâng cấp vì công việc, camera hay hiệu năng, chưa chắc Duo là lựa chọn hợp lý nhất. Nhưng nếu ông đã có tiền, đang dùng iPhone Pro Max và muốn thử một thứ mới hoàn toàn, hoặc đơn giản là muốn mỗi lần đặt điện thoại lên bàn đều có người hỏi “Ủa, máy gì vậy?”, thì Duo lại là một câu chuyện khác.

Và đó chính là nghịch lý của đồ công nghệ cao cấp.

Người bình thường nhìn vào giá để hỏi có đáng mua không. Người có tiền đôi khi nhìn vào sản phẩm rồi hỏi: “Tôi có thích nó không?”

Nếu câu trả lời là có, 65 triệu đồng có thể vẫn là rất nhiều tiền. Nhưng nó không còn là một bài toán hoàn toàn về giá trị sử dụng nữa.

Nó trở thành bài toán về sở thích, phong cách và cảm giác sở hữu.

Mà với Apple, đây có lẽ mới là cuộc chơi đáng để chờ xem.

Gần đây, tôi để ý thấy chữ “agent” xuất hiện ngày càng nhiều trong các cuộc trò chuyện về AI. Hết AI assistant đến AI agent, rồi agentic workflow, autonomous agent, coding agent và đủ loại khái niệm khác nhau khiến người dùng bình thường đôi khi có cảm giác đây là một cuộc chạy đua đặt tên. Một sản phẩm AI chỉ cần có thêm khả năng tìm kiếm, đọc file hay gọi API là lập tức được mô tả bằng một thuật ngữ nghe có vẻ “hầm hố” hơn rất nhiều so với chatbot truyền thống.

Nhưng nếu bỏ qua lớp ngôn ngữ marketing đó, vấn đề tôi cần hiểu rõ thật ra khá đơn giản: AI Agent khác chatbot ở đâu? Một chatbot có thể trò chuyện, giải thích, viết nội dung và trả lời câu hỏi rất tốt, vậy tại sao chúng ta lại cần một khái niệm mới? Và quan trọng hơn, một hệ thống phải làm được đến mức nào thì mới xứng tầm với chữ “agent”?

Thực tế, ngành AI hiện chưa có một định nghĩa thống nhất về AI Agent. Các công ty công nghệ có thể tiếp cận khái niệm này theo những cách khác nhau, nhưng điểm chung thường nằm ở khả năng để một hệ thống AI theo đuổi mục tiêu thông qua nhiều bước hành động thay vì chỉ tạo ra một câu trả lời duy nhất. Anthropic phân biệt khá rõ giữa workflow, nơi các bước được thiết kế trước, và agent, nơi mô hình có mức độ tự chủ cao hơn trong việc quyết định quy trình cũng như cách sử dụng công cụ để hoàn thành nhiệm vụ.

Vì thế, thay vì cố tìm một câu định nghĩa tuyệt đối, tôi nghĩ cách dễ hiểu nhất là nhìn vào hành vi của hệ thống. Một chatbot thông thường chủ yếu nhận yêu cầu rồi tạo ra phản hồi, trong khi một agent được xây dựng để nhận một mục tiêu và tìm cách hoàn thành mục tiêu đó. Sự khác biệt nghe có vẻ nhỏ, nhưng khi đặt vào những công việc kéo dài hàng chục bước, nó trở thành một khoảng cách rất lớn.

Hãy thử bắt đầu bằng một ví dụ đơn giản. Nếu tôi hỏi chatbot: “AI Agent là gì?”, hệ thống có thể dựa vào kiến thức sẵn có để giải thích cho tôi. Nếu hệ thống có khả năng tìm kiếm trên web, nó còn có thể tra cứu thêm những thông tin mới rồi đưa chúng vào câu trả lời, nhưng quá trình này vẫn có thể chỉ là một chuỗi hành động khá đơn giản được thiết kế từ trước.

Bây giờ hãy thay đổi yêu cầu thành: “Hãy nghiên cứu toàn diện về AI Agent, tìm các tài liệu kỹ thuật đáng tin cậy, so sánh cách các công ty lớn định nghĩa khái niệm này, kiểm tra những điểm khác biệt và viết thành một báo cáo”. Đây không còn là một câu hỏi đơn giản nữa. Hệ thống phải xác định cần tìm gì, tìm ở đâu, nguồn nào đáng tin cậy, thông tin nào còn thiếu, có cần tìm thêm hay không và cuối cùng phải xác định khi nào lượng thông tin đã đủ để hoàn thành công việc.

Đó chính là nơi khái niệm agent bắt đầu trở nên thú vị. Thay vì chỉ tạo ra câu trả lời ngay sau khi nhận yêu cầu, hệ thống có thể thực hiện một chuỗi hành động, nhìn vào kết quả của từng hành động rồi quyết định bước tiếp theo. Nó không nhất thiết phải “suy nghĩ như con người”, mà đang vận hành trong một vòng lặp ra quyết định được thiết kế để hướng tới một mục tiêu cụ thể.

Nếu phải rút gọn cấu trúc của một AI Agent thành một công thức dễ nhớ, tôi sẽ hình dung nó gồm model, tools, context/state, loop, quyền thực thi và tiêu chí hoàn thành. Model là phần xử lý và đưa ra quyết định; tools cho phép hệ thống tương tác với thế giới bên ngoài; context và state giúp nó biết mình đang làm gì và đã đi đến đâu. Loop giúp hệ thống tiếp tục thực hiện các bước mới dựa trên kết quả trước đó, trong khi quyền thực thi quyết định nó được phép làm gì và tiêu chí hoàn thành xác định lúc nào nhiệm vụ thực sự kết thúc.

Trong số những thành phần này, “loop” có lẽ là thứ quan trọng nhất để hiểu bản chất agent. Một chatbot thường hoạt động theo mô hình khá thẳng: người dùng hỏi, AI trả lời, sau đó chờ câu hỏi tiếp theo. Một agent thì có thể nhận mục tiêu, thực hiện một hành động, nhận kết quả, đánh giá lại tình hình rồi tiếp tục hành động nếu mục tiêu vẫn chưa đạt được.

Có thể hình dung vòng lặp này như sau: nhận mục tiêu → quan sát → lựa chọn hành động → sử dụng công cụ → nhận kết quả → cập nhật trạng thái → đánh giá → tiếp tục hoặc kết thúc. Nếu quá trình này chỉ diễn ra một lần, chúng ta có thể đang nhìn thấy một assistant có tool hoặc một workflow đơn giản. Khi hệ thống có thể lặp lại chu trình này nhiều lần và tự quyết định bước tiếp theo dựa trên kết quả trung gian, tính agentic bắt đầu rõ ràng hơn.

Ví dụ, tôi yêu cầu AI tìm 20 nguồn đáng tin cậy về một chủ đề. Một hệ thống đơn giản có thể tìm kiếm một lần, lấy những kết quả đầu tiên rồi viết báo cáo. Một agent có thể nhận thấy chỉ có 12 nguồn thực sự phù hợp, sau đó thay đổi truy vấn, tìm thêm tài liệu, kiểm tra lại những nguồn đã có và tiếp tục cho đến khi đạt điều kiện mà nó được giao.

Tất nhiên, có một điều rất dễ bị hiểu nhầm ở đây: có tool không đồng nghĩa với có agent. Một chatbot được kết nối với công cụ tìm kiếm vẫn có thể chỉ là chatbot có thêm khả năng tìm kiếm, đặc biệt nếu toàn bộ quy trình sử dụng công cụ đã được lập trình cố định. Điều quan trọng hơn là hệ thống có bao nhiêu quyền tự quyết trong việc lựa chọn hành động và có khả năng điều chỉnh quá trình dựa trên kết quả thực tế hay không.

Đây cũng là lý do tôi không nghĩ nên hiểu AI Agent đơn giản là một “chatbot phiên bản nâng cấp”. Chatbot tập trung chủ yếu vào cuộc trò chuyện, assistant có tool mở rộng khả năng bằng cách cho AI sử dụng thêm công cụ, còn agentic workflow kết hợp model, công cụ và nhiều bước xử lý để hướng tới một mục tiêu. Autonomous agent đi xa hơn khi hệ thống được trao mức độ tự chủ lớn hơn trong việc lựa chọn và thực hiện các bước cần thiết.

Ranh giới giữa những khái niệm này trên thực tế không phải lúc nào cũng rõ ràng. Một sản phẩm có thể được nhà phát triển gọi là assistant nhưng lại có rất nhiều đặc điểm của agent, trong khi một sản phẩm được quảng bá là agent đôi khi chỉ là một workflow được đóng gói bằng một cái tên hấp dẫn hơn. Vì vậy, thay vì nhìn vào nhãn sản phẩm, cách đáng tin cậy hơn là xem hệ thống thực sự được phép làm gì và nó xử lý một nhiệm vụ theo cách nào.

Coding agent là một ví dụ rất dễ hình dung. Nếu tôi hỏi AI “hãy viết cho tôi một đoạn code Python để đọc file CSV”, AI chỉ cần tạo ra đoạn code là nhiệm vụ gần như kết thúc. Nhưng nếu tôi đưa cho nó cả một repository và yêu cầu tìm lỗi, sửa lỗi rồi kiểm tra lại, công việc trở nên phức tạp hơn rất nhiều.

Trong trường hợp đó, một coding agent có thể phải đọc cấu trúc dự án, tìm những file liên quan, phân tích code, xác định nguyên nhân, chỉnh sửa, chạy test, đọc kết quả rồi sửa tiếp nếu test thất bại. Quá trình này có thể lặp lại nhiều lần trước khi hệ thống cho rằng nhiệm vụ đã hoàn thành. Giá trị của agent vì thế không chỉ nằm ở khả năng viết code, mà nằm ở khả năng đi qua cả quy trình giải quyết vấn đề.

Xử lý tài liệu cũng tương tự. Nếu tôi đưa cho AI một file PDF và yêu cầu tóm tắt, đó là một nhiệm vụ tương đối trực tiếp và không nhất thiết cần agent. Nhưng nếu tôi đưa hàng trăm tài liệu, yêu cầu phân loại, tìm những tài liệu liên quan, trích xuất dữ liệu, đối chiếu thông tin và tạo thành một báo cáo cuối cùng, bài toán đã thay đổi hoàn toàn.

Lúc này, khả năng sử dụng công cụ và duy trì trạng thái trở nên rất quan trọng. Hệ thống phải biết tài liệu nào đã được xử lý, tài liệu nào còn lại, thông tin nào đã được trích xuất và kết quả nào cần được kiểm tra lại. Nếu không có state và context phù hợp, một agent chạy qua hàng trăm bước rất dễ rơi vào tình trạng quên mất mình đã làm gì hoặc dựa vào những thông tin không còn phù hợp.

Nghiên cứu nhiều bước cũng là một trường hợp tương tự. Một chatbot có thể trả lời câu hỏi dựa trên kiến thức sẵn có, trong khi một hệ thống agentic có thể được giao nhiệm vụ tìm nhiều nguồn, đọc chúng, đối chiếu thông tin và bổ sung nghiên cứu nếu phát hiện dữ liệu chưa đủ. Khi đó, AI không còn chỉ đóng vai trò “người trả lời”, mà trở thành một thành phần tham gia vào quy trình thực hiện công việc.

Nhưng càng tiến gần đến agent, một vấn đề khác lại xuất hiện: quyền thực thi. Đây là yếu tố mà tôi cho rằng đôi khi còn quan trọng hơn cả chuyện model có thông minh đến đâu. Một AI có thể rất giỏi trong việc đề xuất hành động, nhưng nếu không được cấp quyền thì nó không thể tự nhiên gửi email, sửa file, chạy chương trình hay thay đổi dữ liệu trên một hệ thống bên ngoài.

Model chỉ đưa ra đề xuất hoặc yêu cầu gọi công cụ. Hệ thống phía sau mới là thứ quyết định công cụ đó có được thực thi hay không và được thực thi với quyền hạn nào. Vì thế, một agent chỉ có quyền đọc tài liệu hoàn toàn khác một agent có quyền sửa hoặc xóa tài liệu; một agent có thể tạo bản nháp email cũng khác rất xa một agent có thể tự gửi email cho người khác.

Điều này dẫn tới một nguyên tắc rất thực tế: agent càng có khả năng hành động thì việc kiểm soát quyền hạn càng quan trọng. Nếu AI chỉ đưa ra một câu trả lời sai, người dùng có thể kiểm tra và sửa lại. Nhưng nếu AI có quyền thực hiện hành động trong thế giới thật, một lỗi trong việc hiểu yêu cầu hoặc lựa chọn công cụ có thể tạo ra hậu quả mà người dùng không mong muốn.

Đó là lý do những hệ thống agent nghiêm túc thường cần đến sandbox, guardrails, logging, tracing và human approval đối với những hành động có rủi ro cao. Mục tiêu không phải làm cho agent “kém tự chủ” hơn, mà là đặt nó trong một phạm vi mà sai sót vẫn có thể kiểm soát được. Một agent tốt không phải agent được trao nhiều quyền nhất, mà là agent được trao đúng quyền cần thiết cho đúng nhiệm vụ.

Vấn đề đầu tiên mà agent có thể gặp phải là hallucination. Việc có công cụ tìm kiếm, công cụ đọc file hay API không có nghĩa là AI sẽ luôn hiểu chính xác những gì công cụ trả về. Nó vẫn có thể chọn sai nguồn, đọc sai dữ liệu, diễn giải sai kết quả hoặc đưa ra một kết luận không được thông tin thực tế hỗ trợ.

Sự khác biệt nằm ở chỗ hallucination trong agent có thể đi xa hơn một câu trả lời sai. Nếu agent có quyền hành động, một kết luận sai có thể trở thành một hành động sai. Đây là lý do việc kiểm soát đầu ra, giới hạn quyền hạn và yêu cầu con người phê duyệt những hành động nhạy cảm trở thành một phần quan trọng của thiết kế agent.

Một vấn đề khác là tool error. API có thể timeout, website có thể không phản hồi, file có thể bị lỗi hoặc quyền truy cập có thể hết hạn. Nếu agent không biết phân biệt giữa “không có dữ liệu” và “công cụ vừa gặp lỗi”, nó có thể tiếp tục thực hiện nhiệm vụ dựa trên một kết quả không đáng tin cậy.

Với một chatbot thông thường, chúng ta thường chỉ nhìn vào câu trả lời cuối cùng để đánh giá chất lượng. Nhưng với agent, đôi khi câu trả lời cuối cùng lại chưa nói hết câu chuyện. Muốn biết hệ thống thất bại ở đâu, cần nhìn vào cả quá trình: nó đã gọi công cụ nào, nhận dữ liệu gì, đưa ra quyết định nào và tại sao lại chuyển sang bước tiếp theo.

Đó là lý do tracing và evaluation ngày càng quan trọng trong hệ thống agent. Khi một nhiệm vụ kéo dài qua nhiều bước, việc chỉ kiểm tra kết quả cuối cùng có thể không đủ để xác định nguyên nhân thất bại. Một agent có thể tạo ra báo cáo cuối cùng trông rất hoàn chỉnh nhưng thực tế đã bỏ qua một nguồn quan trọng, hiểu sai dữ liệu ở bước thứ ba hoặc kết thúc nhiệm vụ quá sớm.

Điều này dẫn tới một lỗi khá đặc biệt mà tôi gọi là “hoàn thành giả”. Giả sử người dùng yêu cầu agent tìm 20 nguồn đáng tin cậy, nhưng hệ thống chỉ tìm được 15 nguồn rồi quyết định rằng công việc đã đủ. Báo cáo cuối cùng có thể vẫn rất đẹp, câu chữ có thể rất thuyết phục, nhưng agent thực tế đã không hoàn thành yêu cầu ban đầu.

Vì vậy, agent không chỉ phải biết làm gì tiếp theo mà còn phải biết khi nào nên dừng. Tiêu chí hoàn thành trở thành một phần quan trọng của hệ thống, đặc biệt với những nhiệm vụ dài và có nhiều điều kiện. Nếu không xác định rõ thế nào là “xong”, agent có thể kết thúc quá sớm, chạy quá lâu hoặc tạo ra một kết quả có vẻ hoàn chỉnh nhưng không đáp ứng mục tiêu thực tế.

Rồi còn một vấn đề nữa ít được người dùng bình thường để ý: stale context, tức ngữ cảnh hoặc trạng thái đã trở nên cũ. Một agent có thể bắt đầu công việc với dữ liệu chính xác, nhưng sau hàng chục bước, những thông tin ban đầu có thể không còn phản ánh tình hình hiện tại. Website thay đổi, file được cập nhật, quyền truy cập hết hạn hoặc dữ liệu từ API thay đổi đều có thể khiến những quyết định tiếp theo trở nên sai lệch.

Do đó, một agent tốt không đơn giản là hệ thống “nhớ được nhiều thứ”. Nó phải biết trạng thái hiện tại của nhiệm vụ là gì, thông tin nào còn giá trị và kết quả nào cần được xác minh lại. Đây là một trong những lý do các hệ thống agent hiện đại ngày càng quan tâm đến memory, state management, context management, sandbox và khả năng khôi phục khi một bước trong quá trình bị lỗi.

Từ tất cả những điều này, tôi nghĩ cách nói rằng AI Agent “tự suy nghĩ và tự làm mọi thứ” là không thực sự chính xác. Nó nghe rất hấp dẫn, nhưng dễ khiến người dùng hình dung rằng agent là một thực thể có khả năng tự chủ hoàn toàn. Trên thực tế, agent vẫn hoạt động trong một kiến trúc do con người xây dựng, với model, dữ liệu, công cụ, quyền hạn, môi trường thực thi và những giới hạn cụ thể.

Nếu không có công cụ tìm kiếm, agent không thể tự nhiên đi tìm thông tin trên Internet. Nếu không được cấp quyền truy cập file, nó không thể tự nhiên đọc dữ liệu trên máy tính. Nếu không có môi trường chạy code, nó không thể tự nhiên thực thi chương trình. Và nếu không được phép gửi email, agent có thể soạn một email rất tốt nhưng vẫn không thể tự mình nhấn nút gửi.

Nói cách khác, khả năng của agent phụ thuộc rất lớn vào những gì chúng ta đặt xung quanh model. Model có thể là thành phần quan trọng nhất trong quá trình ra quyết định, nhưng tools, runtime, state, permissions và guardrails mới tạo nên môi trường để quyết định đó trở thành hành động thực tế.

Đây cũng là lý do cuộc đua AI Agent không đơn thuần là cuộc đua xem công ty nào có model mạnh nhất. Các công ty đang đồng thời xây dựng hệ thống công cụ, môi trường chạy code, sandbox, bộ nhớ, kết nối dữ liệu, API, tracing và các lớp kiểm soát quyền. Một model mạnh khi được đặt vào một kiến trúc agent được thiết kế tốt có thể tạo ra trải nghiệm hoàn toàn khác so với chính model đó khi chỉ được sử dụng như một chatbot.

Tuy nhiên, có một điều tôi nghĩ người dùng nên giữ sự tỉnh táo: không phải công việc nào cũng cần AI Agent. Nếu chỉ muốn hỏi một câu hỏi, dịch một đoạn văn, viết lại một email hoặc giải thích một khái niệm, một chatbot tốt đã hoàn toàn đủ khả năng. Việc biến một nhiệm vụ đơn giản thành một chuỗi agentic workflow đôi khi chỉ khiến hệ thống phức tạp hơn, chậm hơn và có thêm nhiều điểm có thể xảy ra lỗi.

Agent bắt đầu thực sự có giá trị khi công việc có nhiều bước, cần nhiều nguồn hoặc công cụ, có một mục tiêu tương đối rõ ràng và có những phần mà người dùng không muốn tự mình xử lý thủ công. Khi tôi muốn AI nghiên cứu một chủ đề từ nhiều nguồn, xử lý hàng trăm tài liệu, kiểm tra một repository hoặc theo dõi một quy trình dài, khả năng agentic bắt đầu trở nên đáng giá hơn rất nhiều.

Một điểm thú vị là chúng ta cũng không nhất thiết phải trao cho agent toàn quyền tự chủ. Trong nhiều trường hợp, một agentic workflow có kiểm soát có thể thực tế hơn nhiều so với autonomous agent. AI có thể tự nghiên cứu, phân tích và chuẩn bị kết quả, nhưng con người vẫn phê duyệt trước khi gửi email; AI có thể sửa code và chạy test trong sandbox, nhưng không được tự triển khai lên production; AI có thể phân tích hồ sơ, nhưng quyết định cuối cùng vẫn thuộc về con người.

Theo tôi, đó không phải là một agent “yếu”. Ngược lại, đó có thể là cách thiết kế hợp lý hơn bởi mức độ tự chủ được điều chỉnh theo mức độ rủi ro của công việc. Với một nhiệm vụ ít rủi ro, agent có thể được phép làm nhiều hơn; với một nhiệm vụ có khả năng gây hậu quả lớn, việc giữ con người trong vòng kiểm soát là điều hoàn toàn hợp lý.

Vì vậy, nếu phải giải thích AI Agent bằng một câu ngắn gọn, tôi sẽ không nói rằng đó là “AI có thể tự suy nghĩ”. Tôi sẽ nói rằng đó là một hệ thống AI được đặt vào một vòng lặp có mục tiêu, được cung cấp ngữ cảnh và công cụ, được trao một mức quyền hành động nhất định và có cơ chế xác định khi nào nhiệm vụ đã hoàn thành.

Cách hiểu này có vẻ ít hào nhoáng hơn, nhưng lại sát với thực tế công nghệ hơn. Nó cũng giúp chúng ta phân biệt được đâu là chatbot, đâu là assistant có tool, đâu là workflow có AI và đâu là một agent thực sự có khả năng tự điều phối nhiều bước. Quan trọng hơn, nó nhắc chúng ta rằng khả năng của agent luôn đi cùng với giới hạn của model, chất lượng dữ liệu, độ tin cậy của công cụ và phạm vi quyền hạn được cấp.

Có lẽ đây mới là thay đổi đáng chú ý nhất mà AI Agent đang mang đến. Trong thời kỳ chatbot, chúng ta thường nói với AI: “Hãy trả lời câu hỏi này.” Còn trong thời kỳ agent, câu nói bắt đầu chuyển thành: “Hãy hoàn thành công việc này.”

Khoảng cách giữa hai câu nói ấy chính là nơi AI Agent xuất hiện. Nhưng trước khi trao cho AI quyền làm việc thay mình, vẫn có một câu hỏi thực tế đáng đặt ra: công việc này có đủ phức tạp để cần một agent hay không, và nếu agent làm sai thì hậu quả có nằm trong mức tôi chấp nhận được hay không?

Nếu câu trả lời là không, chatbot vẫn là lựa chọn rất tốt. Nếu câu trả lời là có, lúc đó AI Agent mới thực sự đáng để chúng ta quan tâm.

Và có lẽ thay vì hỏi “AI Agent có thay thế chatbot không?”, câu hỏi thú vị hơn sẽ là: chúng ta muốn AI chỉ nói cho mình biết phải làm gì, hay muốn nó thực sự bắt tay vào làm một phần công việc đó?

Tôi bắt đầu dùng AI vì những file Word dài đến phát ngán

Công việc của tôi có một đặc điểm khá buồn cười: nhìn bên ngoài có vẻ không quá vất vả, nhưng ngồi vào làm rồi mới thấy rất tốn thời gian.

Có những ngày tôi chỉ làm việc với Word từ sáng đến chiều. Mở một tài liệu mới, nhìn con trỏ nhấp nháy trên màn hình rồi bắt đầu suy nghĩ xem nên viết câu đầu tiên thế nào. Viết được vài đoạn lại thấy câu chữ chưa ổn, sửa. Sửa xong lại thấy ý chưa liền mạch, xóa đi viết lại. Đến lúc có một bản tương đối hoàn chỉnh thì lại phải đọc từ đầu đến cuối để xem chỗ nào dài dòng, chỗ nào lặp ý, chỗ nào diễn đạt chưa rõ.

Đấy mới chỉ là viết.

Còn báo cáo thì phức tạp hơn. Có những báo cáo phải đọc rất nhiều tài liệu, gom thông tin từ nhiều nguồn rồi sắp xếp lại thành một văn bản có bố cục rõ ràng. Chưa kể sau khi viết xong còn phải chỉnh câu chữ, rà lại số liệu, kiểm tra các ý có bị trùng nhau hay không và đôi khi phải làm thêm slide để thuyết trình.

Tôi từng mất rất nhiều thời gian cho những công việc như vậy.

Không phải vì tôi không biết làm, mà vì có những việc quá thủ công.

Một người làm văn phòng lâu năm chắc sẽ hiểu cảm giác này. Có những lúc mình biết chính xác muốn viết gì nhưng lại mất cả buổi chỉ để biến những ý tưởng trong đầu thành một văn bản tử tế. Có khi nội dung đã có gần hết nhưng việc sắp xếp lại cho mạch lạc mới là phần khiến mình mệt.

AI bắt đầu xuất hiện trong công việc của tôi từ những chuyện như thế.

Tôi không nhờ AI làm thay, tôi nhờ nó làm cùng

Đây là cách tôi sử dụng AI sau một thời gian thử nghiệm.

Ban đầu tôi cũng từng có suy nghĩ khá đơn giản: đưa đề bài cho AI rồi để nó viết tất cả. Nhưng càng dùng tôi càng thấy cách đó không ổn. AI có thể viết rất nhanh, nhưng nó không biết chính xác tôi muốn nói gì nếu tôi không cung cấp đủ bối cảnh. Và quan trọng hơn, một văn bản do AI viết từ đầu đến cuối thường thiếu cái giọng của người thật.

Vì vậy, tôi chuyển sang cách khác.

Tôi tự viết những ý chính trước, có khi chỉ là vài dòng rất lộn xộn. Sau đó đưa cho AI và bảo nó giúp tôi sắp xếp lại. Có đoạn tôi viết chưa tốt thì nhờ chỉnh câu. Có đoạn hơi dài thì bảo rút gọn. Có đoạn nghe quá cứng thì yêu cầu viết tự nhiên hơn. Có khi tôi chỉ hỏi: “Nếu đứng ở góc độ người đọc, đoạn này đã dễ hiểu chưa?”

Cách này phù hợp với tôi hơn rất nhiều.

Tôi vẫn là người quyết định nội dung. Tôi vẫn phải kiểm tra thông tin. Tôi vẫn phải chịu trách nhiệm với báo cáo mình viết ra. AI chỉ giúp tôi giảm bớt những công đoạn mà trước đây tôi phải tự làm từ đầu đến cuối.

Và chính từ đây tôi bắt đầu thấy AI thực sự có ích.

ChatGPT trở thành công cụ tôi dùng nhiều nhất để viết và biên soạn

Trong ba công cụ tôi đã thử, ChatGPT là cái tên tôi sử dụng thường xuyên nhất.

Lý do không hẳn vì tôi cho rằng nó luôn viết hay nhất. Có những lúc Claude viết một đoạn văn khiến tôi thích hơn, cũng có những công việc Gemini làm khá thuận tiện. Nhưng ChatGPT có một thứ tôi đánh giá cao: tôi có thể sử dụng nó cho rất nhiều công đoạn khác nhau trong cùng một công việc.

Ví dụ, khi phải viết một bài dài, tôi có thể bắt đầu bằng việc đưa chủ đề cho ChatGPT và nhờ nó gợi ý hướng triển khai. Sau đó tôi tự chọn những ý phù hợp, bổ sung thông tin của mình rồi đưa bản nháp trở lại cho nó chỉnh sửa. Đến khi gần hoàn thành, tôi lại nhờ kiểm tra xem bố cục đã hợp lý chưa, đoạn nào đang bị lặp và phần nào cần viết lại.

Một bài viết vì thế không còn là chuyện tôi ngồi trước trang Word trắng và tự vật lộn từ đầu đến cuối.

Tôi có người để “trao đổi” cùng.

Tất nhiên, tôi hiểu đó chỉ là AI. Nhưng cảm giác làm việc thực tế lại khá giống như vậy. Khi bí một ý tưởng, tôi có thể hỏi. Khi không biết diễn đạt một câu thế nào, tôi có thể hỏi. Khi đã viết xong mà không chắc văn bản có dễ đọc hay không, tôi có thể đưa nó cho AI đọc thử.

Đối với một người làm công việc liên quan nhiều đến chữ nghĩa như tôi, sự hỗ trợ đó đáng giá hơn rất nhiều so với những màn trình diễn AI nghe có vẻ hoành tráng nhưng chẳng liên quan gì đến công việc hàng ngày.

Làm báo cáo là lúc tôi thấy AI hữu ích nhất

Nếu phải chọn một công việc mà AI thực sự giúp tôi tiết kiệm thời gian, có lẽ đó là biên soạn báo cáo.

Một báo cáo dài thường không khó ở việc gõ chữ. Cái khó nằm ở chỗ phải đọc, phải hiểu rồi phải sắp xếp rất nhiều thông tin thành một câu chuyện có đầu có cuối. Có những tài liệu tôi phải đọc khá lâu mới biết nên đưa phần nào vào báo cáo, phần nào chỉ cần nhắc qua và phần nào hoàn toàn không cần thiết.

AI giúp tôi rất nhiều ở khâu này.

Tôi có thể đưa cho AI những phần thông tin mình đã thu thập và yêu cầu nó phân nhóm. Tôi có thể nhờ nó chỉ ra những ý đang trùng nhau. Tôi cũng có thể đưa một phần nội dung đã viết rồi hỏi xem cách trình bày đó có hợp lý hay không.

Nhưng tôi vẫn giữ một nguyên tắc: AI chỉ giúp tôi xử lý thông tin, còn quyết định cuối cùng vẫn phải là của tôi.

Đặc biệt với báo cáo, tôi không bao giờ nghĩ rằng có thể đưa toàn bộ tài liệu vào AI rồi bê nguyên kết quả ra sử dụng. Những thông tin quan trọng vẫn phải được kiểm tra lại. Những con số, tên văn bản, thời gian, nội dung chuyên môn đều cần đối chiếu.

AI viết nhanh hơn tôi rất nhiều.

Nhưng tôi vẫn phải là người chịu trách nhiệm về những gì được viết ra.

Claude khiến tôi thích ở khả năng xử lý văn bản

Claude là công cụ khiến tôi phải suy nghĩ lại về chuyện “AI nào viết hay hơn”.

Có những lần tôi đưa cùng một nội dung cho ChatGPT và Claude, kết quả trả về khá khác nhau. Claude đôi khi xử lý văn bản theo cách tôi cảm thấy mềm mại hơn, đặc biệt khi yêu cầu viết lại một nội dung dài mà vẫn giữ được mạch ý ban đầu.

Tôi thích dùng Claude khi cần đọc một lượng nội dung lớn rồi tìm cách nhìn lại cấu trúc của nó. Với những tài liệu dài, tôi thường muốn AI không chỉ tóm tắt mà còn giúp tôi hiểu tài liệu đang nói gì, các ý chính liên quan với nhau ra sao và phần nào đáng chú ý.

Nhưng cũng giống ChatGPT, Claude không phải lúc nào cũng cho tôi kết quả có thể sử dụng ngay.

Có những đoạn nó viết rất đẹp nhưng lại hơi “văn”. Trong khi công việc của tôi nhiều lúc cần sự rõ ràng, chính xác và đúng giọng văn công việc hơn là một đoạn văn thật bóng bẩy.

Tôi vẫn phải sửa.

Và đôi khi sửa khá nhiều.

Gemini có lợi thế mà hai công cụ kia không phải lúc nào cũng có

Gemini lại hấp dẫn tôi ở một khía cạnh khác, đặc biệt khi công việc gắn với hệ sinh thái Google.

Tôi sử dụng email, tài liệu và nhiều dịch vụ trực tuyến trong công việc nên sự thuận tiện của hệ sinh thái có ý nghĩa khá lớn. Nếu AI nằm ngay trong những công cụ mình đang sử dụng thì rõ ràng sẽ đỡ phải chuyển qua chuyển lại giữa nhiều cửa sổ.

Đây là thứ trước đây tôi không nghĩ nhiều.

Nhưng càng làm việc lâu, tôi càng thấy những thao tác nhỏ mới là thứ ngốn thời gian. Sao chép một đoạn văn, mở một tab khác, dán vào AI, lấy kết quả rồi lại quay về tài liệu. Một lần thì chẳng đáng bao nhiêu, nhưng nếu làm vài chục lần trong một ngày thì cộng lại cũng thành một khoảng thời gian đáng kể.

Gemini vì thế có một lợi thế rất thực tế.

Nếu công việc của bạn đã nằm sâu trong hệ sinh thái Google, sự tiện lợi này có thể quan trọng hơn chuyện AI nào trả lời hay nhất.

Tôi dùng AI để làm slide như thế nào?

Một việc nữa tôi bắt đầu nhờ AI hỗ trợ là chuẩn bị thuyết trình.

Trước đây, mỗi lần phải làm một bài thuyết trình, tôi thường mất khá nhiều thời gian để nghĩ xem nên chia nội dung thành bao nhiêu phần. Sau đó mới đến chuyện từng slide nên đưa thông tin gì lên, câu nào nên giữ, câu nào nên bỏ và trình bày theo thứ tự nào.

Bây giờ tôi thường làm ngược lại.

Tôi đưa nội dung mình đã có cho AI và yêu cầu nó giúp tôi xây dựng cấu trúc của một bài thuyết trình. Không phải để nó quyết định tất cả, mà để tôi có một cái khung ban đầu.

Ví dụ, từ một báo cáo dài, tôi có thể nhờ AI xác định những ý quan trọng nhất để đưa lên slide. Sau đó tôi tự xem lại, bỏ những thứ không cần thiết và bổ sung những điểm mình muốn nhấn mạnh khi nói trực tiếp.

Điều này đặc biệt hữu ích khi tôi đã quá quen với tài liệu của mình đến mức không còn nhận ra người nghe sẽ thấy phần nào khó hiểu.

AI ở đây giống như một người đứng ngoài nhìn vào.

Nó giúp tôi phát hiện những chỗ mà bản thân đã quá quen nên bỏ qua.

Nếu chỉ trả tiền cho một AI, tôi chọn ChatGPT

Sau một thời gian dùng cả ba, nếu bắt tôi chỉ được giữ lại một dịch vụ thì tôi vẫn chọn ChatGPT.

Claude có những điểm tôi rất thích, nhất là khi làm việc với văn bản dài và cần chỉnh cách diễn đạt. Gemini lại có lợi thế rõ ràng nếu công việc của tôi gắn nhiều hơn với các dịch vụ Google.

Nhưng ChatGPT là công cụ tôi có thể sử dụng trong nhiều công đoạn nhất.

Từ lúc chưa biết bắt đầu một bài viết thế nào, đến khi cần lên dàn ý, chỉnh câu, tóm tắt tài liệu, kiểm tra bố cục, tìm cách diễn đạt khác, chuẩn bị nội dung thuyết trình hay đơn giản là ngồi “nói chuyện” để tìm ra một hướng triển khai mới.

Nó không phải lúc nào cũng cho tôi câu trả lời tốt nhất.

Nhưng nó thường là cái tôi mở lên đầu tiên.

Với một người làm văn phòng như tôi, điều đó quan trọng hơn rất nhiều.

Tôi từng nghĩ AI sẽ khiến mình lười viết

Trước đây tôi khá lo ngại chuyện này. Công việc của tôi vốn đã gắn với viết lách, ngày nào cũng phải đọc, phải viết, phải chỉnh sửa rồi lại viết lại. Tôi cứ nghĩ nếu việc gì cũng mang cho AI làm thì liệu một ngày nào đó mình có trở nên lười suy nghĩ hay không? Rồi nếu cứ để AI nghĩ hộ, viết hộ mãi thì đến lúc tự mình ngồi trước một trang giấy trắng, liệu mình còn biết phải bắt đầu từ đâu nữa không?

Sau một thời gian dùng thử, tôi thấy nỗi lo đó không hẳn là vô lý, nhưng vấn đề nằm ở cách mình sử dụng AI. Nếu chỉ việc đưa đề bài cho nó, lấy nguyên câu trả lời rồi đem dùng thì đúng là rất dễ hình thành thói quen dựa dẫm. Nhưng nếu xem AI như một công cụ để cùng mình làm việc thì câu chuyện lại khác.

Bây giờ tôi thường tự nghĩ trước, ít nhất là phải biết mình muốn nói gì và cần giải quyết vấn đề nào. Tôi có thể đưa những ý tưởng còn lộn xộn cho AI để nó giúp sắp xếp lại, nhờ viết thử một cách diễn đạt khác hoặc chỉ ra những chỗ tôi đang viết dài dòng. Nhưng sau đó tôi vẫn phải ngồi đọc lại từng đoạn, sửa những chỗ không đúng với cách mình nghĩ và kiểm tra lại thông tin. Nhiều khi AI viết một đoạn rất trôi chảy, câu nào cũng có vẻ hợp lý, nhưng đọc kỹ lại mới thấy nó không hoàn toàn nói đúng điều mình muốn nói. Những lúc như vậy, tôi còn phải suy nghĩ nhiều hơn cả khi tự viết.

Dần dần, tôi không còn nghĩ AI là thứ sẽ lấy mất công việc viết lách của mình nữa. Tôi xem nó giống như một người phụ tá, có điều người phụ tá này làm việc rất nhanh và lúc nào mình cần cũng có thể gọi ra. Những việc mất thời gian như sắp xếp ý, gợi ý cách diễn đạt, rà lại bố cục hay giúp tôi nhìn một vấn đề từ góc khác, tôi có thể nhờ AI làm trước. Còn kinh nghiệm của mình, cách mình nhìn nhận vấn đề và cuối cùng muốn nói điều gì thì tôi vẫn giữ lại.

Có lẽ cách dùng AI của tôi thay đổi từ đó. Tôi không đưa công việc của mình cho AI, tôi đưa cho nó một phần công việc. Phần còn lại, nhất là những thứ cần đến suy nghĩ và trách nhiệm của người viết, tôi vẫn muốn tự mình làm.

Điều khó nhất không phải chọn AI, mà là học cách dùng AI

Sau một thời gian dùng AI, tôi mới nhận ra có lẽ mình đã mất quá nhiều thời gian để nghĩ xem nên chọn công cụ nào. Lúc đầu cứ mở mạng lên là tôi lại thấy người ta so sánh ChatGPT với Claude, rồi Gemini, rồi những công cụ mới xuất hiện liên tục. AI nào thông minh hơn, AI nào viết hay hơn, AI nào làm việc tốt hơn… Càng đọc càng thấy nhiều lựa chọn, nhưng cuối cùng khi ngồi trước một bản báo cáo cần hoàn thành thì những câu hỏi đó lại chẳng giúp tôi viết nhanh hơn được bao nhiêu.

Rồi tôi nhận ra vấn đề thật sự không nằm ở chỗ mình đang dùng AI nào.

Nó nằm ở chỗ mình muốn AI làm gì cho mình.

Cùng là yêu cầu “viết một báo cáo”, nhưng nếu tôi chỉ đưa cho AI đúng một câu như vậy thì kết quả thường khá chung chung. Nó không biết báo cáo này viết cho ai đọc, mình đang đứng ở góc độ nào, phần nào là thông tin bắt buộc phải giữ, phần nào chỉ cần nói qua. Nó cũng chẳng thể tự biết tôi muốn văn bản mang giọng hành chính, học thuật hay đơn giản là dễ đọc, dễ hiểu.

Sau này tôi bắt đầu cung cấp cho AI nhiều thông tin hơn. Tôi nói rõ báo cáo dùng vào việc gì, đối tượng đọc là ai, những ý nào tôi đã có, những nội dung nào tuyệt đối không được thay đổi và tôi muốn cách diễn đạt như thế nào. Khi đó kết quả khác hẳn. Không phải lúc nào cũng đúng ngay, nhưng ít nhất nó đã đi gần với thứ tôi cần hơn rất nhiều.

Tôi cũng áp dụng cách đó khi viết bài, biên soạn tài liệu hay chuẩn bị nội dung thuyết trình. Thay vì bảo AI “làm cho tôi một bài thuyết trình”, tôi đưa cho nó nội dung mình đang có, nói rõ tôi sẽ trình bày cho ai nghe, thời lượng khoảng bao lâu và đâu là những ý tôi muốn người nghe nhớ nhất. Có khi tôi còn bảo nó đóng vai một người chưa biết gì về chủ đề đó rồi đọc thử, xem chỗ nào khó hiểu.

Lúc ấy tôi mới thấy một chuyện khá thú vị: AI không tự nhiên hiểu công việc của mình.

Mình phải nói cho nó hiểu.

Mà muốn nói cho nó hiểu thì trước hết mình phải hiểu chính công việc của mình. Tôi phải biết mình đang cần gì, đâu là thông tin quan trọng, đâu là thứ có thể bỏ đi và kết quả cuối cùng mình muốn nhận được là gì. Nói cách khác, dùng AI tốt đôi khi lại buộc mình phải suy nghĩ rõ ràng hơn trước.

Đây cũng là thứ tôi đang tập ở tuổi 40.

Tôi không có ý định biến mình thành một chuyên gia AI. Thành thật mà nói, tôi cũng không có đủ thời gian để ngày nào cũng tìm hiểu một mô hình mới, học những thuật ngữ kỹ thuật mới hay thử xem công cụ nào vừa ra mắt. Công việc của tôi vẫn là viết, biên soạn tài liệu, làm báo cáo, chuẩn bị thuyết trình và giải quyết những việc hàng ngày.

Tôi chỉ muốn tìm cách làm những việc đó đỡ mất thời gian hơn.

Nếu AI có thể giúp tôi tìm ra một hướng triển khai khi đang bí ý tưởng, sắp xếp lại một đống thông tin đang rối tung, phát hiện một đoạn văn viết chưa rõ hoặc giúp tôi hoàn thiện một bản nháp nhanh hơn thì tôi thấy như vậy đã đáng giá rồi.

Có lẽ đến giờ tôi không còn quá quan tâm chuyện AI nào thông minh nhất nữa.

Tôi quan tâm hơn đến chuyện mình có biết cách biến AI thành một công cụ thực sự hữu ích trong công việc của mình hay không.

Và đó có lẽ mới là thứ tôi đang học. Không phải học để trở thành người giỏi AI, mà học cách làm việc cùng một công cụ mới để những năm đi làm tiếp theo của mình nhẹ nhàng hơn một chút.

Nếu chỉ được giữ một, tôi vẫn chọn ChatGPT

Tôi không dám nói ChatGPT là AI tốt nhất, vì có thể vài tháng nữa tôi sẽ nghĩ khác. Công nghệ thay đổi nhanh quá, hôm nay còn thích thì ngày mai đã có một công cụ mới đáng thử.

Nhưng nếu hôm nay chỉ được giữ lại một tài khoản trả phí, tôi vẫn chọn ChatGPT. Đơn giản vì công việc của tôi gắn với viết lách, biên soạn tài liệu, làm báo cáo, xử lý văn bản và chuẩn bị thuyết trình, mà ChatGPT đáp ứng được khá nhiều trong số đó.

Tôi vẫn phải tự đọc, tự kiểm tra và tự quyết định nội dung cuối cùng. AI chỉ giúp tôi bớt mất thời gian với những việc trước đây có khi phải ngồi hàng giờ mới xong.

Ở tuổi 40, tôi trả tiền cho AI không phải để chạy theo công nghệ. Tôi chỉ nghĩ đơn giản: nếu nó giúp công việc của mình nhẹ đi một chút thì số tiền đó cũng đáng.

Tôi mua chiếc Galaxy S20 FE này từ năm 2023. Thú thật lúc mới mua tôi cũng chẳng nghĩ mình sẽ dùng nó lâu đến vậy. Khi ấy đơn giản là thấy máy đẹp, cấu hình ổn, giá vừa túi tiền nên mua thôi. Dùng một thời gian rồi thành quen, ngày nào cũng cầm lên cầm xuống, sáng ngủ dậy việc đầu tiên thường là với lấy điện thoại xem có tin nhắn hay email gì không, đi làm thì dùng để liên lạc, tra cứu tài liệu, lúc rảnh lại lướt Facebook, đọc báo hoặc xem YouTube. Cứ thế mà ba năm trôi qua lúc nào không hay.

Điều buồn cười là tôi gần như không còn để ý đây là một chiếc điện thoại đã ra mắt từ khá lâu. Nó vẫn nằm trên bàn làm việc, vẫn trong túi quần mỗi khi ra ngoài và vẫn được dùng cho đủ thứ việc lặt vặt mỗi ngày. Có hôm mở một lúc cả đống ứng dụng, chuyển qua chuyển lại, máy vẫn chạy bình thường. Với nhu cầu của tôi thì S20 FE chưa bao giờ làm tôi cảm thấy thiếu hiệu năng. Tôi chủ yếu làm công việc văn phòng, cần một chiếc máy ổn định, nhanh vừa đủ, màn hình đẹp và sử dụng không bực mình là được. S20 FE đáp ứng được những thứ đó nên thành ra tôi chẳng có động lực gì để đổi máy.

Nhiều người có thể thấy ba năm là quá lâu đối với một chiếc smartphone, nhất là khi điện thoại mới bây giờ ra liên tục. Nhưng với tôi thì khác. Nếu cái máy mình đang dùng vẫn tốt thì đổi làm gì? Tôi cũng có lúc xem điện thoại mới, cũng có lúc thấy những mẫu mới đẹp thật, camera nhiều tính năng thật, chip mạnh hơn thật, nhưng rồi cầm lại chiếc S20 FE trên tay, mở ứng dụng lên, lướt vài vòng và thấy mọi thứ vẫn chạy ngon lành, tôi lại nghĩ thôi, để khi nào hỏng hẳn rồi tính. Có lẽ đó là lý do mà đến giờ chiếc điện thoại này vẫn còn nằm trong túi tôi mỗi ngày.

Tôi không phải người có nhu cầu quá cao đối với một chiếc smartphone. Công việc của tôi chủ yếu liên quan đến những thứ khá quen thuộc với một nhân viên văn phòng: email, tin nhắn, trình duyệt web, mạng xã hội, xem tài liệu, chụp ảnh, gọi điện, đọc tin tức và đôi khi xử lý một vài công việc ngay trên điện thoại. Tôi không cần một chiếc máy có cấu hình khủng để chơi game hàng giờ, cũng không phải người mỗi khi Samsung hay Apple ra sản phẩm mới lại cảm thấy chiếc điện thoại đang cầm trên tay trở nên lỗi thời. Vì vậy, tiêu chí của tôi khá đơn giản: máy phải đủ nhanh, màn hình đẹp, sử dụng ổn định và quan trọng nhất là đừng khiến mình cảm thấy bực bội trong những công việc hàng ngày. Galaxy S20 FE, ít nhất trong phần lớn thời gian tôi sử dụng, đã làm được điều đó.

Sau 3 năm, hiệu năng của Galaxy S20 FE vẫn khiến tôi hài lòng

Galaxy S20 FE không còn là cái tên mới trên thị trường. Chiếc điện thoại này thuộc thế hệ Galaxy S20 được Samsung giới thiệu từ nhiều năm trước, với định hướng mang những trải nghiệm cao cấp đến nhóm người dùng muốn có một chiếc flagship với mức giá dễ tiếp cận hơn. Tùy phiên bản, máy sử dụng Snapdragon 865 hoặc Exynos 990, RAM 6 GB hoặc 8 GB, bộ nhớ trong từ 128 GB; màn hình Super AMOLED 6,5 inch với tần số quét 120 Hz và pin 4.500 mAh. Nhìn những thông số này ở năm 2026, rõ ràng chúng không còn khiến người ta phải trầm trồ, nhưng có một điều tôi nhận ra sau thời gian dài sử dụng: thông số cũ không đồng nghĩa với trải nghiệm cũ.

Thực tế thì, chiếc S20 FE của tôi vẫn chạy khá mượt. Tôi có thể mở Chrome, kiểm tra email, chuyển sang Zalo, trả lời Messenger, đọc một bài viết rồi quay trở lại ứng dụng đang làm việc mà không có cảm giác chiếc máy đang phải cố gắng quá sức. Những thao tác tưởng như rất nhỏ ấy lại chiếm phần lớn thời gian chúng ta sử dụng điện thoại, và chính ở những khoảnh khắc đó tôi cảm nhận rõ nhất giá trị của một chiếc máy có hiệu năng tốt. Nó không cần phải khiến tôi kinh ngạc, chỉ cần tôi chạm vào đâu thì máy phản hồi ở đó, mở ứng dụng không phải chờ đợi quá lâu và trong quá trình làm việc không liên tục xuất hiện những cú khựng khó chịu. Với tôi, như vậy đã là đủ.

Có lẽ thứ khiến tôi thích S20 FE nhất trong suốt thời gian qua lại là màn hình 120 Hz. Khi đã quen với cảm giác cuộn trang mượt mà, chuyển qua lại giữa các màn hình nhẹ nhàng và phản hồi nhanh, rất khó để quay trở lại một chiếc điện thoại có màn hình tần số quét thấp hơn mà không nhận ra sự khác biệt. Samsung từng định vị màn hình 120 Hz là một trong những điểm đáng chú ý của S20 FE, và sau nhiều năm, tôi vẫn thấy đây là một trong những trang bị khiến chiếc máy chưa bị cảm giác “lỗi thời” quá nhanh. Nói cách khác, chiếc S20 FE ‘lão thành’ vẫn quá ok với nhu cầu cá nhân của tôi (kể cả tôi có chơi những game như Liên Quân thì nó vẫn khá mượt mà).

Tôi mua S20 FE vì giá, nhưng giữ nó lâu vì trải nghiệm

Thời điểm mua máy vào năm 2023, điều khiến tôi quan tâm không chỉ là cấu hình mà còn là mức giá. Galaxy S20 FE khi đó đã không còn ở vị trí của một chiếc flagship mới nhất, nên mức giá dễ tiếp cận hơn rất nhiều so với thời điểm sản phẩm mới xuất hiện. Với số tiền bỏ ra, tôi có một chiếc Samsung màn hình đẹp, hiệu năng tốt, camera ổn, thiết kế vẫn khá đẹp mắt và quan trọng là trải nghiệm tổng thể không tạo cảm giác đang sử dụng một chiếc điện thoại giá rẻ.

Nhìn lại sau ba năm, tôi nghĩ quyết định mua chiếc máy này khá đúng. Tôi không phải người thích thay điện thoại liên tục, bởi mỗi lần đổi máy không chỉ là chuyện bỏ thêm tiền mà còn là chuyện chuyển dữ liệu, cài đặt lại ứng dụng, làm quen với giao diện và đôi khi phải thay đổi cả thói quen sử dụng. Nếu chiếc điện thoại hiện tại vẫn làm tốt công việc của nó thì tôi chẳng thấy có lý do gì phải thay chỉ để chạy theo một vài con số mới trên bảng thông số. Galaxy S20 FE đã cho tôi chính cảm giác đó: nó đủ tốt để tôi quên mất rằng mình đang dùng một chiếc điện thoại đã có tuổi đời khá lâu.

Và đó cũng là lý do tôi có thiện cảm với S20 FE hơn nhiều chiếc điện thoại khác từng sử dụng. Một chiếc máy tốt đôi khi không phải là chiếc máy có nhiều tính năng nhất, mà là chiếc máy khiến mình không phải suy nghĩ quá nhiều về nó. Tôi cứ thế dùng mỗi ngày, sáng mở máy, làm việc, trả lời tin nhắn, đọc tin tức, tối xem vài video rồi đặt xuống. Nó âm thầm hoàn thành nhiệm vụ của mình mà chẳng đòi hỏi tôi phải quan tâm quá nhiều.

Cho đến khi cái nắp lưng bắt đầu có vấn đề.

Lần đầu tiên nắp lưng bung, tôi nghĩ đó chỉ là chuyện nhỏ

Tôi vẫn nhớ cảm giác khi lần đầu tiên phát hiện nắp lưng chiếc S20 FE không còn khít như trước. Ban đầu tôi không nghĩ quá nhiều. Điện thoại đã sử dụng vài năm, lớp keo kết dính theo thời gian có thể xuống cấp, nhiệt độ và môi trường sử dụng cũng có thể tác động đến những vật liệu bên trong máy. Tôi nghĩ đơn giản rằng đây là một chiếc điện thoại đã có tuổi và việc cần làm chỉ là mang đi xử lý.

Tôi đem máy đi kiểm tra và xử lý phần nắp lưng. Sau đó tiếp tục sử dụng như bình thường. Trong đầu tôi lúc ấy gần như không có chút nghi ngờ nào rằng vấn đề sẽ quay trở lại. Một lần bung nắp lưng, tôi có thể chấp nhận. Điện thoại dù tốt đến đâu cũng không thể tồn tại mãi mãi mà không có một vài vấn đề về phần cứng sau nhiều năm sử dụng.

Nhưng rồi nó xảy ra lần thứ hai.

Lần này cảm giác hoàn toàn khác.

Tôi bắt đầu thấy khó chịu không phải vì chi phí sửa chữa, mà vì cảm giác mất đi sự yên tâm. Một chiếc điện thoại mà mình đã sử dụng ổn định trong nhiều năm, hiệu năng vẫn tốt, màn hình vẫn đẹp, các ứng dụng vẫn chạy mượt, vậy mà lại có một vấn đề cứ lặp đi lặp lại ở phần nắp lưng. Tôi bắt đầu tự hỏi liệu mình có đang bỏ qua một nguyên nhân nào đó phía sau hay không.

Hai lần bung nắp lưng là điều tôi không thể xem nhẹ

Nếu chỉ nhìn bằng mắt thường, nhiều người có thể nghĩ nắp lưng bung thì mang đi dán lại là xong. Nhưng sau lần thứ hai, tôi nhận ra câu chuyện không đơn giản như vậy.

Một chiếc điện thoại sử dụng trong thời gian dài có thể gặp nhiều vấn đề liên quan đến pin và các linh kiện bên trong. Đặc biệt, nếu nắp lưng bị đẩy lên từ phía trong, người dùng cần kiểm tra kỹ tình trạng pin thay vì chỉ ép phần nắp xuống rồi tiếp tục sử dụng. Tôi không thể khẳng định trường hợp chiếc S20 FE của mình chắc chắn xuất phát từ pin nếu chưa có kiểm tra kỹ thuật, nhưng đây là điều tôi nghĩ bất kỳ người dùng nào gặp tình trạng tương tự cũng nên lưu ý.

Bởi điện thoại có thể chậm một chút, pin có thể không còn tốt như ngày đầu, camera có thể không bằng những mẫu máy mới, tất cả những chuyện đó tôi đều có thể chấp nhận. Nhưng một dấu hiệu bất thường liên quan đến phần thân máy và pin thì không nên chủ quan. Sau ba năm sử dụng, tôi nghĩ việc kiểm tra tình trạng pin định kỳ là điều đáng làm, nhất là khi xuất hiện những dấu hiệu bất thường như nắp lưng hở, màn hình bị đội lên hoặc thân máy có sự thay đổi về hình dạng.

Ngoài cái nắp lưng, tôi thật sự không có nhiều điều để chê

Ba năm là một khoảng thời gian đủ dài để một chiếc điện thoại bộc lộ rất nhiều điểm yếu. Nhưng với chiếc S20 FE của tôi, ngoài câu chuyện nắp lưng, trải nghiệm nhìn chung vẫn khá ổn.

Tôi vẫn thích cảm giác cầm máy trên tay. Tôi vẫn thích màn hình của nó. Tôi vẫn thích cách máy phản hồi khi thao tác. Tôi vẫn có thể sử dụng nó cho công việc mà không phải liên tục nhìn đồng hồ chờ ứng dụng mở. Đôi khi tôi tự hỏi nếu đưa chiếc máy này cho một người chỉ sử dụng điện thoại để làm việc văn phòng, liên lạc và giải trí thông thường thì liệu họ có nhận ra đây là một thiết bị đã ra mắt từ nhiều năm trước hay không.

Đó là điều tôi đánh giá cao nhất ở một chiếc điện thoại: khả năng giữ được trải nghiệm ổn định theo thời gian. Công nghệ mới luôn hấp dẫn, những con chip mới chắc chắn nhanh hơn, camera mới chắc chắn có nhiều tính năng hơn, màn hình mới chắc chắn sáng hơn hoặc đẹp hơn. Nhưng sau cùng, nếu một chiếc điện thoại cũ vẫn đáp ứng được nhu cầu của mình thì những nâng cấp ấy đôi khi không còn quá quan trọng.

S20 FE với tôi là như vậy. Nó không còn mới, nhưng nó vẫn đủ tốt.

Nếu không bung nắp lưng, có lẽ tôi vẫn chưa nghĩ đến chuyện đổi máy

Đây là điều tôi thấy khá thú vị khi nhìn lại hành trình sử dụng chiếc điện thoại này.

Tôi không bắt đầu nghĩ đến chuyện thay S20 FE vì máy chậm. Tôi cũng không bắt đầu nghĩ đến chuyện đổi máy vì không chạy được ứng dụng. Camera hay màn hình cũng chưa phải lý do đủ lớn để tôi cảm thấy bắt buộc phải nâng cấp. Chính cái lỗi tưởng như nhỏ nhất lại là thứ khiến tôi phải cân nhắc nhiều nhất.

Có lẽ khi sử dụng một món đồ trong thời gian dài, chúng ta không còn nhìn nó bằng những tiêu chí giống như lúc mua mới. Ngày đầu tiên, tôi quan tâm đến cấu hình, màn hình, camera, giá bán. Sau ba năm, thứ tôi quan tâm nhất lại là độ ổn định và cảm giác yên tâm mỗi khi cầm nó lên.

Và thật lòng mà nói, hai lần bung nắp lưng đã lấy đi một phần cảm giác yên tâm ấy.

Galaxy S20 FE vẫn là một chiếc điện thoại đáng nhớ với tôi

Nếu có ai hỏi tôi Galaxy S20 FE có phải một chiếc điện thoại tốt hay không, tôi vẫn sẽ trả lời là có.

Nó từng có một cấu hình rất tốt trong phân khúc của mình, màn hình 120 Hz đẹp và mượt, hiệu năng đủ mạnh và trải nghiệm sử dụng tổng thể khá cân bằng. Sau khoảng ba năm, chiếc máy của tôi vẫn đáp ứng tốt nhu cầu của một nhân viên văn phòng, từ công việc đến giải trí hàng ngày.

Tôi cũng không muốn vì hai lần bung nắp lưng mà phủ nhận toàn bộ những gì chiếc máy đã mang lại. Trong suốt thời gian sử dụng, nó đã giúp tôi xử lý công việc, liên lạc với mọi người, đọc hàng nghìn bài viết, xem không biết bao nhiêu video và lưu lại rất nhiều khoảnh khắc trong cuộc sống. Một chiếc điện thoại được sử dụng trong thời gian dài tự nhiên sẽ không còn đơn thuần là một món đồ công nghệ nữa. Nó trở thành một phần nhỏ trong nhịp sống của người sử dụng.

Vì thế, cảm nhận của tôi về Galaxy S20 FE đến thời điểm này khá rõ ràng: đây là một chiếc điện thoại tốt, hiệu năng vẫn ổn, trải nghiệm vẫn mượt và hoàn toàn có thể đáp ứng những nhu cầu cơ bản của một nhân viên văn phòng sau nhiều năm sử dụng.

Chỉ có một điều khiến tôi không thể cho nó một điểm số tuyệt đối: nắp lưng đã bung tới hai lần.

Tôi không biết chiếc S20 FE này sẽ còn đồng hành với mình thêm bao lâu nữa. Có thể một ngày nào đó tôi sẽ đổi sang một chiếc điện thoại mới, không phải vì S20 FE không còn đủ nhanh, mà đơn giản vì đã đến lúc nó nên được nghỉ ngơi. Nhưng nếu nhìn lại quyết định mua máy từ năm 2023, tôi vẫn cho rằng mình đã có một lựa chọn đúng đắn.

Sau tất cả, thứ tôi nhớ về Galaxy S20 FE có lẽ không phải là Snapdragon 865, RAM bao nhiêu GB hay màn hình 120 Hz. Điều tôi nhớ nhất là cảm giác một chiếc điện thoại đã dùng nhiều năm nhưng mỗi ngày cầm lên vẫn thấy nó đáp ứng được những gì mình cần.

Chỉ tiếc rằng, giữa một chiếc điện thoại gần như mọi thứ đều ổn, lại có một cái nắp lưng khiến tôi phải bận tâm đến hai lần.

Và đôi khi, trong trải nghiệm sử dụng một món đồ công nghệ, chỉ một lỗi nhỏ lặp lại đủ nhiều cũng có thể khiến người ta nhớ rất lâu.

Tuyển Argentina hiện đang đứng giữa tâm bão dư luận sau chiến thắng nghẹt thở trước tuyển Ai Cập tại vòng 16 đội World Cup diễn ra vào hôm thứ Ba vừa qua.