Biên tập viên ghi chú: AI đang thâm nhập vào doanh nghiệp, nhưng vấn đề thực sự không phải là 'có nên sử dụng agent hay không', mà là liệu những agent này có thể hiểu được chính công ty hay không.
Bài viết này lấy 100 ngày sau khi tác giả gia nhập Ramp làm manh mối, thảo luận một vấn đề cốt lõi hơn: một công ty vận hành tốc độ cao không thể chỉ dựa vào nhân viên mới đọc tài liệu chậm rãi, hỏi đồng nghiệp, bổ sung ngữ cảnh, cũng không thể để mỗi công cụ AI hoạt động riêng lẻ. Điều thực sự quan trọng là xây dựng một 'bộ não công ty' được cập nhật liên tục, lắng đọng các cuộc họp, tài liệu, thảo luận Slack, phản hồi khách hàng và quyết định sản phẩm, để nhân viên mới và agent đều có thể xuất phát từ cùng một bộ ngữ cảnh.
Khi ngữ cảnh được hệ thống hóa, việc nhập môn không còn chỉ là một quá trình thích nghi dài dằng, AI cũng không còn chỉ là những công cụ cô lập. Giá trị của AI doanh nghiệp, cuối cùng có thể không nằm ở việc triển khai bao nhiêu agent, mà ở việc công ty có thể thiết lập trước một nền tảng kiến thức đáng tin cậy, dễ đọc, có thể tái sử dụng hay không.
Dưới đây là nội dung gốc:
Trong cuộc thi tiếp sức 4×100 mét, thắng thua thường không được quyết định bởi toàn bộ quãng đường, mà bị nén lại trong một khu vực trao gậy dài 20 mét. Vận động viên phải hoàn thành việc trao gậy trong trạng thái tốc độ cao: người nhận gậy xuất phát quá sớm, gậy sẽ rơi xuống đất; xuất phát quá muộn, người trao gậy buộc phải giảm tốc, cả đội cũng sẽ mất lợi thế trong tích tắc. Nếu bản thân động tác trao gậy không đủ chính xác – vị trí tay, góc độ, thời cơ, bất kỳ khâu nào sai sót – kết quả cũng có thể là rơi gậy.
Một đội có thể sở hữu vận động viên nhanh nhất toàn trường, nhưng vẫn thua trong 20 mét đó. Tốc độ quan trọng, việc trao gậy cũng quan trọng. Điều thực sự quyết định thắng thua, là cả hai có thể đồng thời thành lập hay không.
Mỗi lần bàn giao vị trí tôi từng thấy, về bản chất đều giống một cuộc thi tiếp sức, chỉ có điều một trong những vận động viên vẫn đang ở trên bàn đạp xuất phát. Nhân viên mới thứ Hai nhập môn, mọi thứ bắt đầu từ con số 0; nhưng tổ chức sẽ không vì thế mà giảm tốc, vẫn vận hành về phía trước với nhịp độ cũ. Vì vậy, nhân viên mới chỉ có thể dựa vào việc đọc tài liệu, ẩn mình trong Slack, lặp đi lặp lại vài câu hỏi giống nhau, rồi dành thêm ba tháng để nắm rõ mô hình vận hành của tổ chức, cho đến khi bản thân cuối cùng trở nên 'hữu ích'.
Chúng ta thường coi khoảng cách này là vấn đề thời gian, như thể chỉ cần đủ lâu, nhân viên mới tự nhiên sẽ theo kịp. Nhưng thực tế không phải vậy. Khoảng cách này sẽ được hệ thống giải quyết, hoặc sẽ tiếp tục tồn tại.
Ngữ cảnh, mới là hệ thống bàn giao thực sự của tổ chức
Tôi gia nhập Ramp khoảng 100 ngày. Trước đó, tôi đã làm việc ở Plaid năm năm, quen thuộc với từng sản phẩm, từng câu chuyện khách hàng, và bối cảnh đằng sau mỗi quyết định. Tôi có thể kể những câu chuyện này mà không cần suy nghĩ. Nhưng khi đến Ramp, tôi gần như không biết gì về tất cả những điều này.
Mà cốt lõi của tiếp thị sản phẩm, chính là kể chuyện. Nếu bạn không biết các nhân vật, tình tiết và nguyên nhân kết quả trong câu chuyện, bạn không thể thực sự kể tốt câu chuyện đó.
Từ ngày đầu tiên, mục tiêu của tôi là xây dựng một tổ chức tiếp thị sản phẩm AI-native. Nhưng để làm được điều này trong tình trạng thiếu ngữ cảnh, trước tiên tôi phải mở rộng nền tảng kiến thức của mình – cũng chính là 'lớp ngữ cảnh' hỗ trợ tất cả công việc.
Ramp là một công ty nổi tiếng về tốc độ. Ở đây không có không gian cho 'từ từ bắt kịp vào quý sau'. Công ty mỗi tuần đều phát hành, lặp lại, thúc đẩy. Bạn hoặc là theo kịp nhịp độ, hoặc sẽ trở thành chi phí phát sinh trong vận hành của tổ chức.
Đồng thời, tôi còn đang trải qua một tầng nhập môn khác. Ramp đã nhanh, nhưng sự thay đổi của AI còn nhanh hơn, mà tôi phải đồng thời học hỏi một công ty mới và một môi trường làm việc mới. Tôi không phải kỹ sư, lần cuối cùng mở terminal là trong lớp học máy tính đại học. Nghĩa là, tôi vừa phải bổ sung ngữ cảnh tổ chức, vừa phải thích ứng với cách làm việc mới bằng AI, và hai việc này chồng chất lên nhau, khiến độ khó càng được khuếch đại.
Cuối cùng giúp tôi thoát khỏi áp lực này, không phải là hoàn thành một bài viết cụ thể nào, một lần ra mắt sản phẩm nào, hay một quy trình công việc nào, mà là coi chính 'ngữ cảnh' như một sản phẩm giao nộp. Chỉ cần lớp ngữ cảnh được xây dựng đúng, tất cả công việc tiếp theo sẽ trở nên chi phí thấp hơn.
Vì vậy, tôi bắt đầu xây dựng thứ gì đó thực sự có thể mở rộng: một hệ thống có thể giúp tôi bổ sung kiến thức nhanh chóng, giống như một wiki xuất sắc giúp nhà nghiên cứu. Đến tuần thứ ba, nó đã có thể dựa trên ghi chú của tôi để phác thảo nội dung; đến tuần thứ tám, nó đã có thể tóm tắt những cuộc họp tôi không tham dự. Việc học và bổ sung kiến thức không biến mất, nhưng khi hệ thống liên tục được lấp đầy, chi phí của chúng bắt đầu ngày một thấp hơn.
Phiên bản cá nhân của ý tưởng này, thực ra đã xuất hiện một thời gian. Karpathy, từng là trưởng bộ phận AI tại Tesla, thành viên sáng lập OpenAI, đã viết một bài vào tháng 4, mô tả thứ mà ông gọi là 'thư viện kiến thức LLM cá nhân': một thư mục chứa đầu vào thô, bao gồm luận văn, bài báo, bản ghi chép và ghi chú cá nhân; một LLM tạo wiki dựa trên những tài liệu này; rồi dùng trình chỉnh sửa như Obsidian làm giao diện front-end. Khi tài liệu tích lũy đến khoảng 100 bài viết, LLM có thể trả lời các câu hỏi phức tạp xung quanh kho ngữ liệu cá nhân, mà không cần các kỹ thuật truy xuất phức tạp.
Đánh giá của ông là: ở đây có cơ hội ra đời một sản phẩm mới thực sự xuất sắc, chứ không phải một đống tập lệnh tạm bợ.
Phiên bản cá nhân ngày nay đã tồn tại. Nhưng phiên bản công ty thì chưa. Đây chính là vấn đề.
Nói chung, những gì tôi xây dựng trong 100 ngày nhập môn đầu tiên là một hệ thống như vậy. Chúng đều chưa được tinh tế, nhưng cùng nhau tạo nên 'mô liên kết' bên trong tổ chức.
Cốt lõi là một kho Obsidian vault, được Claude đọc và ghi. Các bản ghi cuộc họp, tài liệu, quan điểm công khai và ghi chú cá nhân mà tôi từng tiếp xúc, đều sẽ vào thư viện kiến thức này. Khi tôi hỏi 'Geoff và tôi ba tuần trước đã quyết định gì về trang chủ', nó sẽ tìm câu trả lời từ kho vault này, chứ không dựa vào trí nhớ khái quát hóa của chính mô hình.
Để liên tục nhập nội dung vào vault này, Granola mặc định ghi lại mỗi cuộc họp, và lưu trữ bản ghi vào ban đêm. Vì vậy, cuộc họp tôi bỏ lỡ thứ Hai, đến thứ Tư đã có thể được truy vấn. Để những người khác trong công ty cũng có thể theo kịp, tôi chọn làm việc công khai – hầu hết nội dung tôi đang xây dựng, sẽ xuất hiện trước trên kênh #team-pmm hoặc kênh dự án phát hành liên quan, rồi mới vào tài liệu Notion. Bản thân quá trình xây dựng, chính là một cơ chế đồng bộ.
Trên vault này, còn có một thư viện kỹ năng được đặt tên nhỏ, agent có thể gọi khi cần. Một kỹ năng có thể tạo chương trình nghị sự dựa trên bốn cuộc họp gần đây nhất của tôi với một người nào đó; một kỹ năng khác có thể quét các động thái sản phẩm một tuần trong Slack và chuyển thành đề tài bài viết. Mỗi kỹ năng khoảng 200 dòng markdown, dùng để thay thế một loại công việc trước đây cần làm thủ công.
Ngoài ra, tôi còn xây dựng một lộ trình sản phẩm động dựa trên nền tảng ứng dụng nội bộ của Ramp. Nó đọc cùng một lớp ngữ cảnh, vì vậy nó không lỗi thời, vì ngay từ đầu nó đã không phải là tài liệu tĩnh. Còn có một bản tóm tắt buổi sáng gửi đến tin nhắn riêng Slack của tôi lúc 8 giờ sáng mỗi ngày: hôm qua đã triển khai gì, chỗ nào bị tắc, những việc nào cần tôi phản hồi. Những nội dung này đã được sắp xếp trong lúc tôi ngủ.
Nhìn riêng lẻ, những thứ này không có gì đáng kinh ngạc. Nhưng đặt chung lại, chúng đưa ra một câu trả lời có thể vận hành: nếu một công ty cũng sở hữu loại wiki mà Karpathy nói đến, nó sẽ như thế nào?
Bạn có thể gọi nó là wiki, biểu đồ, lớp ngữ cảnh, hay bộ não công ty. Tên không quan trọng, chức năng mới quan trọng. Nó phải có khả năng hấp thụ tất cả tín hiệu mà công ty đã tạo ra: các cuộc họp, thảo luận Slack, tài liệu, mã nguồn, bản ghi, cuộc gọi khách hàng và quyết định then chốt, và phải tiếp tục cập nhật mà không phụ thuộc vào việc bảo trì thủ công. Nó cũng phải trở thành thứ mà mỗi nhân viên mới, mỗi agent mới đọc đầu tiên trước khi bắt đầu làm việc.
Nếu ngày mai có một nhân viên mới nhập môn, ngày đầu tiên anh ta nên đọc gì? Nếu câu trả lời thực sự là một tài liệu Notion năm 2024, cộng với một liên kết Confluence đã hết hạn, thì về bản chất là đang để anh ta tiếp nhận gậy từ trạng thái đứng yên.
Từ công cụ đơn điểm đến bộ não công ty, khoảng trống thực sự của AI
Ngày nay, cách chính để AI thâm nhập doanh nghiệp, vẫn phụ thuộc vào các kỹ sư forward-deployed. Dù là OpenAI, Anthropic, hay các công ty tư vấn lớn, đều sẽ chọn xây dựng quy trình công việc cụ thể trên mô hình.
Những công việc này là có thật, cũng có giá trị. Nhưng chúng vẫn dừng lại ở 'thời đại chatbot' của AI doanh nghiệp: những công cụ hẹp được đóng gói xung quanh nhiệm vụ cụ thể, nhìn riêng lẻ thì hữu ích, nhưng lại không được kết nối với một hệ thống có thể tiếp tục sinh lãi kép.
'Bộ não công ty' thực sự vẫn chưa xuất hiện. Agent hỗ trợ khách hàng và agent nhập môn HR có thể được xây dựng riêng bởi các đội khác nhau vào các tháng khác nhau. Chúng không biết lẫn nhau đã quyết định gì trong cuộc họp toàn thể lần trước, không biết công ty hiểu thị trường của mình như thế nào, cũng không biết người phụ trách bán hàng đã đưa ra phán đoán gì trong buổi offsite quản lý lần trước. Mỗi agent chỉ là một chatbot có nhiệm vụ cụ thể, nhưng chúng không chia sẻ cùng một bộ não.
Đây chính là khoảng trống lớn nhất hiện nay. Và bên ngoài phòng thí nghiệm, hầu như không có mấy người đang xây dựng sản phẩm xoay quanh vấn đề này.
Nếu bạn vào năm 2026 muốn thành lập một đội ngũ hoặc sáng lập một công ty, trình tự thao tác đã khác với năm 2022. Viết tệp ngữ cảnh trước, rồi mới cài đặt công cụ. Ghi lại mỗi cuộc họp. Xây dựng wiki trước, rồi mới xây dashboard. Giao nộp kỹ năng, chứ không phải slide. Để nhân viên mới ngày thứ nhất đọc wiki, ngày thứ hai đã bắt đầu đóng góp nội dung cho nó. Tuyển dụng và thăng chức những người có thể để 'bộ não công ty' vận hành liên tục, cũng phải tái sử dụng những agent thực sự sẽ đọc bộ não công ty.
Ngữ cảnh không phải là dự án phụ. Nó là cơ sở hạ tầng khiến tất cả đầu tư AI thực sự sinh lợi.
Tôi hiện đang xây dựng một phần trong đó tại Ramp: wiki, thư viện kỹ năng, ứng dụng đọc từ cùng lớp ngữ cảnh, và cơ chế tổ chức liên tục nhập nội dung cho nó. Nó còn rất nhỏ, cũng rất sớm. Nếu bạn cũng đang thử xây dựng phiên bản cấp công ty ở nơi khác, tôi rất muốn trao đổi kinh nghiệm. Hữu ích hơn một bộ não đáng tin cậy, là hai bộ não xuất hiện trong cùng một căn phòng.
Quay lại cuộc thi tiếp sức. Điều kiện chiến thắng thực sự, không phải là trao gậy sạch nhất, cũng không phải là nhịp chạy nhanh nhất, mà là cả hai đồng thời xảy ra trong cùng một đoạn 20 mét.
Nhân viên mới đọc bộ não công ty, rồi bắt đầu chạy nước rút. Agent mới đọc bộ não công ty, rồi bắt đầu làm việc. Khách hàng mới kết nối bộ não công ty, rồi từ ngày đầu tiên đã bước vào trạng thái vận hành.
Khi từ 'ramp-up' không còn ý nghĩa, chúng ta sẽ biết mình đã làm đúng.
