Dựa trên tập podcast “The AI Industrial Revolution — Build your own factory” (Naval Podcast, đăng tại nav.al/industrial ngày 1/6/2026, dài 1 giờ 10 phút): cuộc trò chuyện giữa Naval Ravikant, Babak Nivi và ba nhà sáng lập đang làm việc ở tuyến đầu công nghệ — Guillermo Rauch (Vercel), Blake Scholl (Boom Supersonic) và Max Hodak (Science). Bản chuyển thể này dịch, phân tích và viết lại toàn bộ nội dung cho phù hợp với bối cảnh Việt Nam và thế giới hiện nay. Đây là tài liệu tiếp nối bản chuyển thể “Làm Giàu Không Dựa Vào May Mắn” — nên đọc bản đó trước.
Lời ngỏ — vì sao bạn, chứ không phải dân công nghệ, mới là người cần đọc bài này nhất
Bảy năm trước, trong “How to Get Rich”, Naval mô tả một hình ảnh khi đó còn nghe như khoa học viễn tưởng: “Đội quân robot đã ở đây rồi — chúng nằm trong các trung tâm dữ liệu. Vấn đề duy nhất là mệnh lệnh phải viết bằng ngôn ngữ máy.” Tập podcast này, ghi âm giữa năm 2026, chính là biên bản xác nhận rằng ràng buộc cuối cùng ấy đã sụp đổ: đội quân robot giờ hiểu tiếng người. Và những người ngồi trong cuộc trò chuyện — người xây máy bay siêu thanh, người xây giao diện não–máy, người xây hạ tầng đám mây — kể lại từ bên trong nhà máy của họ điều gì đang thực sự xảy ra.
Nghe qua, đây là câu chuyện của giới kỹ sư Silicon Valley. Nhưng đọc kỹ, bạn sẽ thấy gần như mọi tin quan trọng nhất trong bài đều là tin cho người không phải kỹ sư, thậm chí cho người đang đứng ngoài thị trường lao động:
Naval — người hai mươi năm không viết một dòng code — giờ “lập trình suốt ngày” bằng cách trò chuyện với AI. Max Hodak — lập trình viên từ bé — giờ không viết code nữa mà vẫn xây được cả kho phần mềm mình mơ ước từ lâu. Và nhân vật gây ngạc nhiên nhất tập podcast không phải kỹ sư nào cả, mà là cô nhân viên lễ tân kiêm nhận hàng ở nhà máy Boom Supersonic: trong một tuần cả công ty được yêu cầu “xây bất cứ thứ gì bằng AI”, cô đã tự động hóa chính công việc nhận hàng–gửi email của mình — và công ty dùng luôn sản phẩm đó.
Thông điệp xuyên suốt, nói bằng ngôn ngữ của bản chuyển thể trước: chiếc đòn bẩy mạnh nhất lịch sử vừa được trao tận tay từng cá nhân, không cần xin phép, không cần bằng cấp, không phân biệt tuổi. Câu hỏi không còn là “tôi có bị AI thay thế không?” mà là “tôi đứng ở phía nào: người dùng AI hay người không dùng AI?” — vì như Naval chốt ở cuối bài: “Đây là cuộc chơi giữa người-có-AI và người-không-có-AI.”
Phần I — Phân tích tổng quan
Bốn người trong cuộc trò chuyện là ai?
Naval Ravikant — nhà đầu tư, đồng sáng lập AngelList, tác giả tweetstorm “How to Get Rich”. Babak Nivi — đồng sáng lập AngelList, người dẫn chuyện. Guillermo Rauch — nhà sáng lập Vercel, công ty hạ tầng đám mây đang chuyển mình thành “đám mây AI cho thế giới của các agent”. Blake Scholl — nhà sáng lập Boom Supersonic, công ty chế tạo máy bay chở khách siêu thanh trong nhà máy của chính mình, kèm cả động cơ phản lực. Max Hodak — nhà sáng lập Science (trước đó đồng sáng lập Neuralink), đang chế tạo giao diện não–máy “lai sinh học”: nuôi nơ-ron sống trên nền silicon để phục hồi thị giác.
Điểm chung được Nivi nhấn ngay từ đầu: cả ba nhà sáng lập đều không lắp ráp sản phẩm từ linh kiện có sẵn — họ tự xây nhà máy của mình. Và cuộc trò chuyện không hỏi “các anh đang xây gì” mà hỏi “các anh đang học được gì về cách xây” — đúng tinh thần “kiến thức đặc thù nằm ở rìa” của How to Get Rich.
Luận điểm trung tâm: “Hãy xây nhà máy của riêng bạn”
Tiêu đề phụ của tập podcast là “Build your own factory” — và “nhà máy” ở đây mang nghĩa kép rất đắt. Nghĩa đen: Boom tự xây nhà máy máy bay, Science tự sở hữu xưởng đúc vi cơ điện tử. Nghĩa bóng — quan trọng hơn cho người đọc phổ thông: trong kỷ nguyên AI, giá trị của một người lao động trí óc không còn nằm ở sản phẩm anh ta làm ra, mà ở cỗ máy sản xuất anh ta dựng lên. Guillermo mở đầu bằng đúng ý này: trước kia đánh giá kỹ sư bằng câu “anh này giỏi ship sản phẩm B đến đâu”; giờ bằng câu “anh này có xây được cái nhà máy sản xuất ra các sản phẩm B đến Z hay không?”
Đây chính là “cách mạng công nghiệp” trong tiêu đề: giống như thế kỷ 19 chuyển thợ thủ công thành người vận hành máy móc, AI đang chuyển người lao động trí óc thành người thiết kế và huấn luyện dây chuyền sản xuất tri thức — dây chuyền chạy bằng các agent AI, hoạt động cả khi ta ngủ. Ai còn tự tay “dệt từng tấm vải” — viết từng dòng code, soạn từng trang tài liệu, làm từng báo cáo — sẽ cạnh tranh trực tiếp với máy dệt. Ai chuyển lên tầng thiết kế, ra đề, kiểm chứng và chịu trách nhiệm — sẽ được máy dệt nhân sức lên trăm lần.
Bản đồ nội dung: bốn phần của cuộc trò chuyện
Phần 1 — “Lãng phí token, tiết kiệm thời gian”: AI đã thay đổi nghề phần mềm ra sao; triết lý dùng AI “thô bạo” của Naval; các mô hình đã “tốt nghiệp” từ kỹ sư tập sự lên kỹ sư trưởng. Phần 2 — “Vibe-coding phần cứng”: AI tràn từ phần mềm sang chế tạo máy bay, chip, thiết bị y tế; ván cược mã nguồn mở của Trung Quốc; con người trở thành người kiểm chứng. Phần 3 — “Biên giới pháp quy”: AI đảo ngược bài toán thủ tục – giấy phép; cuộc tranh luận nảy lửa về quản lý y tế, câu chuyện tự cứu mình của một nhà sáng lập ung thư giai đoạn cuối. Phần 4 — “Công ty tự vận hành”: hạ tầng tự sửa lỗi, tuần lễ AI toàn công ty, tranh luận “trí thông minh hay tính chủ động”, nghệ thuật là gì khi AI làm được mọi thứ, và vì sao tương lai thuộc về “rất nhiều đội nhóm rất nhỏ”.
Vì sao bài này quan trọng với Việt Nam — ba lý do
Thứ nhất, Việt Nam là nước sản xuất phần cứng. Cả tập podcast xoay quanh việc AI xóa điểm yếu phần mềm cho người làm phần cứng — và Naval phân tích thẳng: Trung Quốc dồn lực cho mô hình AI nguồn mở chính vì họ có ưu thế phần cứng, chuỗi cung ứng; nếu “phần mềm sinh ra theo yêu cầu” thì điểm yếu trước Silicon Valley biến mất. Logic đó áp nguyên cho Việt Nam — công xưởng đang đón dòng dịch chuyển “Trung Quốc + 1”: hàng chục nghìn nhà xưởng, doanh nghiệp gia công của ta xưa nay thua ở phần mềm, thương hiệu, quy trình số — nay có thể “sinh phần mềm theo yêu cầu” y như đối thủ. Cửa sổ này mở cho cả hai phía biên giới; ai học dùng nhanh hơn, người đó hưởng.
Thứ hai, cấu trúc “rất nhiều đội nhóm rất nhỏ” là cấu trúc bẩm sinh của kinh tế Việt Nam. Việt Nam có hơn 5 triệu hộ kinh doanh và doanh nghiệp siêu nhỏ. Khi hai kỹ sư thiết kế được cả một động cơ phản lực, thì một xưởng gỗ 5 người, một tiệm may 3 người, một văn phòng dịch vụ 2 người cũng vận hành được những quy trình trước kia cần phòng ban. Cuộc cách mạng này, khác các cuộc trước, không đòi nhà máy nghìn tỷ làm vé vào cửa.
Thứ ba, phần thưởng đang dịch chuyển từ bằng cấp sang phán đoán — chủ đề chạm thẳng vào người Việt trung niên. Naval nói toạc: những ai chỉ có “chuyên môn học thuộc” — thuật ngữ, quy trình, giáo trình — sẽ bị AI cắt xuyên qua; những ai có trực giác, khiếu thẩm định và phán đoán tích lũy từ thực chiến sẽ được AI nhân sức. Hai mươi năm kinh nghiệm của bạn nằm ở vế nào, phần III sẽ phân tích kỹ.
Một lưu ý về tính khách quan trước khi vào nội dung
Khác với “How to Get Rich” thiên về nguyên tắc cá nhân, tập này có nhiều đoạn các diễn giả tranh luận chính sách công (quản lý nhà nước, y tế, so sánh quốc gia) với quan điểm tự do thị trường rất đậm — và chính trong bài, Max Hodak nhiều lần phản biện lại Naval và Blake. Bản chuyển thể dịch trung thực các quan điểm đó như là quan điểm của người nói, giữ nguyên phần phản biện, và ở các mục liên hệ Việt Nam sẽ ghi rõ đâu là tranh luận còn mở. Người đọc nên xem đây là tư liệu tham khảo tư duy, không phải kết luận chính sách.
Phần II — Toàn bộ nội dung, dịch và viết lại cho Việt Nam 2026
PHẦN 1 CỦA CUỘC TRÒ CHUYỆN: LÃNG PHÍ TOKEN, TIẾT KIỆM THỜI GIAN
1. Nhà máy phần mềm AI — từ kỹ sư 10x đến kỹ sư 1.000x
Guillermo Rauch mở màn bằng khái niệm ông tự nhận là “bị ám ảnh”: nhà máy phần mềm. Trước kia, kỹ sư đi làm là để trực tiếp giao nộp sản phẩm, và cả công ty xoay quanh câu hỏi “người A giỏi làm ra sản phẩm B đến đâu”. Giờ tiêu chí đánh giá đã đổi hẳn: “anh có tạo ra được cái nhà máy sẽ sản xuất hàng loạt các sản phẩm B đến Z không?” — tức không làm sản phẩm nữa, mà làm cỗ máy đẻ ra sản phẩm.
Từ đó, khoảng cách giữa người giỏi và người thường nới rộng chưa từng thấy. Giới công nghệ từng cãi nhau về “kỹ sư 10x” (giỏi gấp 10 người thường) — Naval kể ông từng “ăn gạch” trên Twitter vì khẳng định điều này, bởi nó ngược với triết lý ai-cũng-như-ai. Nhưng theo cả nhóm, trong các lĩnh vực trí tuệ và số, khoảng cách thật sự là 100x, 1.000x, và xưa nay vẫn thế: Satoshi (người tạo Bitcoin), Notch (một mình viết Minecraft), Brendan Eich (cha đẻ JavaScript), John Carmack. Chưa kể, Naval bồi thêm: chọn đúng việc để làm so với chọn sai việc là khác biệt vô hạn — không phải vì giỏi code hơn, mà vì phán đoán tốt hơn về việc gì đáng làm ngay từ đầu.
Đáng chú ý cho nhà quản lý: cả nhóm cảnh báo về “bảng xếp hạng token” — các sếp khoe “đội tôi toàn kỹ sư 100x, nhìn lượng token AI chúng tôi đốt mà xem”. Blake ví nó với thói đo năng suất bằng số dòng code ngày xưa: đo lượng tiêu thụ không bao giờ là đo giá trị.
Liên hệ Việt Nam: nguyên lý “đừng nộp sản phẩm, hãy xây nhà máy” áp dụng cho mọi nghề văn phòng, không riêng lập trình. Người làm kế toán có thể tiếp tục làm từng báo cáo — hoặc dựng bộ quy trình AI tự kết xuất báo cáo cho hàng chục khách. Người làm nội dung có thể viết từng bài — hoặc xây “dây chuyền” nghiên cứu–dàn ý–bản nháp–biên tập mà mình chỉ đứng ở khâu tinh chỉnh cuối. Trong nền kinh tế dịch vụ giá rẻ của Việt Nam, nơi cạnh tranh bằng “lấy công làm lãi” đang bị AI ép giá từng ngày, chuyển từ người làm sang người xây dây chuyền là con đường thoát duy nhất khỏi cuộc đua xuống đáy.
2. “Lãng phí token, tiết kiệm thời gian” — triết lý dùng AI thô bạo của Naval
Đây là câu đắt nhất Phần 1, và là tin vui cho tất cả những ai sợ mình “không rành công nghệ”. Trong khi dân mạng đua nhau sưu tầm thủ thuật — dùng công cụ này, khung nhắc lệnh kia, chế độ lập kế hoạch nọ — Naval thú nhận ông bỏ qua tất cả: “Tôi mặc định mô hình sẽ giỏi lên nhanh hơn tốc độ tôi học cách dùng nó. Nó sẽ hiểu tôi nhanh hơn tôi hiểu nó.”
Cách dùng của ông thô đến mức tự trào: gõ ngày càng ít chữ, ném cùng một bài toán cho ba mô hình khác nhau (Codex, Claude, Gemini) chạy đua, sai thì bắt làm lại. Nguyên tắc gói trong một câu: “Cứ lãng phí token để tiết kiệm thời gian. Đừng nhìn vào token — hãy nhìn vào thời gian của bạn và kết quả cuối cùng.” Vì dù các mô hình có vẻ đắt đến đâu, chúng vẫn rẻ hơn con người rất nhiều — và rẻ hơn vô hạn so với giờ đời của chính bạn. Code chúng viết có thể xấu? Không sao: đến lúc cần hoàn thiện, lại ném thêm token bảo chúng tự rà, tự viết lại.
Naval chỉ chừa một ngoại lệ: nếu bạn đang làm việc ở đỉnh sáng tạo của nhân loại — cỡ nhà toán học Terence Tao — thì mới cần cộng tác tỉ mỉ, nâng niu từng tương tác với mô hình. “Còn tôi thì chưa ở đẳng cấp đó trong nghề phần mềm” — người sáng lập AngelList nói.
Max Hodak thêm một quan sát quan trọng: ở thời điểm hiện tại, AI phản chiếu lại trình độ của người dùng trong lĩnh vực đó — người giỏi nghề vắt ra kết quả cấp cao, người non nghề nhận về kết quả non. Nhưng ông cũng dự đoán điều này sẽ nhạt dần khi mô hình thông minh lên: càng về sau càng “bỏ vào ít, lấy ra nhiều”.
Liên hệ cho người mới bắt đầu ở Việt Nam: hai bài học thực dụng. Một — đừng để “chưa học prompt” thành cớ trì hoãn: người dùng AI nhiều nhất trong phòng này dùng nó như dùng người giúp việc lì lợm, không phải như phù thủy niệm chú; cứ giao việc, chê, bắt làm lại. Hai — đừng tiếc vài trăm nghìn tiền thuê bao: người Việt có thói quen xài bản miễn phí, nhưng theo đúng phép tính của Naval, gói AI trả phí là món nhân công rẻ nhất từng tồn tại trong lịch sử lao động — chưa bao giờ bạn thuê được “một đội trợ lý làm việc 24/7” với giá một bữa lẩu mỗi tháng. Tiếc token là tiếc nhầm chỗ; thứ duy nhất đáng tiếc là thời gian.
3. Khi mô hình quay lại chỉ dẫn con người — AI đã “tốt nghiệp” kỹ sư trưởng
Guillermo mô tả bước ngoặt xảy ra gần đây: trước kia, đưa yêu cầu là mô hình “cắm đầu chạy” theo kiểu đoán chữ tiếp theo. Giờ, chưa cần ai bảo, nó quay lại hỏi ngược: “Yêu cầu của anh có ba hướng giải quyết, đây là bảng đánh đổi từng hướng.” Ông kết luận: “Các mô hình đã tốt nghiệp. Chúng từng là kỹ sư tập sự. Giờ chúng là kỹ sư trưởng” — thứ thay đổi thái độ của chính ông: từ sai bảo sang tôn trọng như một đồng nghiệp trí tuệ để tranh luận qua lại. (Kèm ghi chú hài hước: thỉnh thoảng chúng vẫn “chém gió” — dự đoán sai bét thời gian và chi phí.)
Max mô tả cụ thể hơn ranh giới còn lại của con người: các quyết định kiến trúc — chọn công nghệ nào, đánh đổi cái gì. AI đề xuất được, nhưng người có kinh nghiệm nhìn vào sẽ nói “không, chỗ này tôi muốn dùng cái kia” — và chính những cú nắn nhỏ đó quyết định chất lượng đầu ra. Naval gọi tên nó: “taste và judgment” — khiếu thẩm định và phán đoán.
Nhưng Guillermo kết mục bằng câu hỏi lạnh gáy: hiện con người vẫn là bên “hoàn thiện” cho mô hình — đến bao giờ thì ngược lại? Đã có lúc agent quay sang sai ông: “Anh đi lấy cho tôi cái API key này, việc đó chỉ anh làm được.” Naval cho rằng rào cản này chỉ là tạm thời: rồi mọi dịch vụ sẽ có cổng cho agent tự thao tác, tự thanh toán — “người ta đang xây những thứ đó rồi.”
Liên hệ: với người ngoài ngành, chi tiết đáng nhớ nhất là AI bây giờ biết trình bày bảng đánh đổi. Nghĩa là bạn không cần biết trước các phương án — cứ hỏi: “Tôi muốn mở dịch vụ X ở Việt Nam, có những cách nào, ưu nhược từng cách?” và nhận về thứ trước kia phải trả tiền tư vấn mới có. Kỹ năng của thời này không phải biết đáp án mà là biết chất vấn bảng đánh đổi — và 20 năm va vấp nghề nghiệp của bạn chính là vốn để chất vấn.
4. Phần mềm “thuần túy” đã chết? — và nền kinh tế của những viên gạch
Naval đặt câu hỏi khiêu khích: khi mô hình đã “nói tiếng người” — hiểu cả tiếng Anh lôm côm, mơ hồ — thì nghề kỹ sư phần mềm thuần túy có còn lý do tồn tại? Xưa ta phải học ngôn ngữ máy để nói chuyện với máy; giờ máy học ngôn ngữ ta. Vậy “hào nước” (moat — lợi thế phòng thủ) của nhà sáng lập nằm đâu? Phần cứng bỗng thành món hời: trước kia làm phần cứng đã khó, kèm thêm đội phần mềm là quá sức; giờ phần mềm “sinh theo yêu cầu”. Có lẽ nghề phần mềm mới là huấn luyện, tinh chỉnh mô hình. Còn phần mềm cổ điển — có đáng đầu tư nữa không?
Guillermo phản biện bằng khái niệm “nền kinh tế viên gạch” (Building Block Economy — từ bài viết của Mitchell Hashimoto): agent không nên và sẽ không “phát minh lại vũ trụ từ nguyên lý đầu” mỗi lần làm việc — không ai muốn AI tự chế lại hệ thống xếp hàng tin nhắn mỗi khi cần gửi email. Giá trị nằm ở những viên gạch hạ tầng chuẩn hóa, tái sử dụng mà mọi agent lắp vào. Ông ví phần mềm có sẵn như “bộ nhớ đệm token”: không ai đốt nghìn tỷ token để tái tạo thứ đã tồn tại; luôn có điểm khởi đầu để “rẽ nhánh” từ đó. Như xa lộ và luật giao thông: tự chế riêng cho mình có thể “tối ưu” hơn, nhưng giá trị của việc cùng dùng chung một chuẩn lớn hơn nhiều.
Liên hệ Việt Nam: cuộc tranh luận này là bản đồ cơ hội cho dân công nghệ Việt đang hoang mang trước AI. Phần “chết” là gia công code thuần túy theo đặc tả — mảng xuất khẩu phần mềm tỷ đô của Việt Nam đứng ngay tâm bão, vì khách hàng Nhật, Mỹ giờ tự “sinh” được phần mà họ từng thuê ta viết. Phần “sống”, theo chính logic trong bài: (a) làm viên gạch — công cụ, dịch vụ nền mà các agent cần gọi đến, đặc biệt gạch đặc thù thị trường Việt: hóa đơn điện tử, kê khai thuế, kết nối ngân hàng, logistics nội địa; (b) làm người lắp gạch có phán đoán — hiểu nghiệp vụ của khách sâu đến mức biết bảo AI lắp cái gì cho đúng. Cả hai đều dịch chuyển giá trị từ “biết viết code” sang “biết nghiệp vụ” — lần nữa, lợi thế nghiêng về người có thâm niên.
5. Bạn không còn bị kẹt nữa — lời chứng của hai người “bỏ nghề code”
Mục này nên đọc như một cặp lời chứng trước tòa, vì nó phá tan lý do lớn nhất khiến người ngoài ngành không dám đụng vào việc xây phần mềm.
Lời chứng thứ nhất — Max Hodak, người mê code từ bé, từng cày 20 tiếng liền vì vui: “Tôi đã lâu lắm không viết một dòng code nào. Nhưng từ tháng 12 đến giờ, tôi xây được một lượng phần mềm khổng lồ mà tôi dùng hằng ngày — toàn những dự án tôi mơ ước hàng năm trời. Tôi không viết dòng nào trong đó. Và tôi không hình dung nổi việc quay lại viết code bằng tay.”
Lời chứng thứ hai — Naval: “Tôi đi từ hai mươi năm không viết code đến chỗ code suốt ngày — thông qua agent. Hóa ra chỉ cần hiểu các nguyên lý cơ bản là đi được rất xa. Lý do tôi bỏ code ngày xưa là không có thời gian học ngôn ngữ mới nhất, kiến trúc mới nhất, lắp ráp hạ tầng — riêng việc khởi động đã trần ai.”
Và Max chỉ ra đúng cái nút vừa được tháo: ngày xưa học lập trình, bạn có thể tiến ngon lành rồi đột nhiên kẹt cứng ở một lỗi vặt vô hạn định — cái sự “kẹt” đó từng được coi là hiển nhiên, “khó chịu là một phần của nghề, phải thế mới học được”. “Giờ, với agent, bạn đơn giản là không bị kẹt nữa.” Guillermo bổ sung điều kiện đủ: người thành công với cách làm này là người hiểu các mảnh ghép khớp nhau thế nào — dữ liệu chảy ra sao, đầu vào đầu ra là gì — như một trưởng nhóm giỏi xưa nay vẫn “vibe-code qua nhân viên”: truyền ý định, truyền kinh nghiệm, để người khác chạy. Giờ thay nhân viên bằng agent.
Liên hệ cho bạn — người 40+: hãy đọc lại tiểu sử hai nhân chứng: một người bỏ code 20 năm, một người thôi không code nữa — cả hai đang xây phần mềm nhiều hơn bao giờ hết. Rào cản đã đổ không phải là rào cản kỹ thuật mà là rào cản tâm lý: “tôi già rồi, không học kịp bọn trẻ”. Sự thật năm 2026: bạn không cần học cái bọn trẻ mất 4 năm đại học để học; bạn cần cái mà chính Guillermo mô tả — biết việc, biết ý định, biết yêu cầu đầu ra — rồi truyền nó cho agent y như trưởng phòng giao việc cho nhân viên. Bạn đã làm trưởng phòng, làm cha mẹ, làm người giao việc cả chục năm. Kỹ năng nền đã có; chỉ đối tượng nhận việc là mới.
PHẦN 2 CỦA CUỘC TRÒ CHUYỆN: VIBE-CODING PHẦN CỨNG
6. “Vibe-code” một cánh tuabin — hai kỹ sư thiết kế cả động cơ phản lực
Đến lượt Blake Scholl kể chuyện từ nhà máy máy bay siêu thanh — và đây là đoạn khiến “cách mạng công nghiệp” trong tiêu đề hiện hình rõ nhất.
Bí mật xấu hổ của ngành chế tạo, theo Blake: phần lớn kỹ thuật phần cứng xưa nay chạy trên… Excel — những bảng tính phức tạp khủng khiếp nằm rải rác trên laptop từng kỹ sư, không quản lý phiên bản, không kiểm thử tự động; kỹ sư khí động học chuyển kết quả cho kỹ sư kết cấu bằng cách gửi file qua email. “Đó là thập niên 1990. Kinh khủng.” Boom từ ngày đầu đã cố phần-mềm-hóa các quy trình đó để giảm chi phí mỗi vòng lặp thiết kế, nhưng tiến độ ì ạch — “không bao giờ đủ tiền thuê đủ kỹ sư phần mềm.”
AI thay đổi tất cả bằng một mô hình phân công mới: kỹ sư phần mềm thiết kế kiến trúc hệ thống (vì họ hiểu hệ thống, thuật toán, phân tách vai trò), còn kỹ sư phần cứng tự “vibe-code” phần việc của mình (vì họ hiểu máy móc). Kết quả bằng con số: thiết kế một cánh tuabin — vốn phải tính cho cả trạng thái nguội lẫn trạng thái nóng nở ra khi vận hành, đổi qua lại giữa khí động và kết cấu — trước kia tốn một kỹ sư một ngày cho một cánh, một phép phân tích; một động cơ phản lực có cỡ nghìn cánh. Giờ: đổi hình học cánh và xem kết quả kết cấu lẫn khí động ngay lập tức. Chốt hạ: “Hai kỹ sư thiết kế được cả một động cơ phản lực.”
Guillermo rút hệ quả cho ngành phần mềm doanh nghiệp: kỷ nguyên startup bán “công cụ cộng tác cho kỹ sư phần cứng” chấm dứt — các công ty giờ tự code đúng công cụ mình cần, đúng lúc cần. Cả bảng tính cũng “xong đời”: Excel từng thắng vì không ai làm nổi phần mềm tùy biến; nay phần mềm tùy biến sinh ra theo yêu cầu. Max xác nhận: ông đã chuyển gần hết từ Excel sang mô hình Python mô phỏng được tin cậy — và dự đoán trong chính năm 2026, AI sẽ sinh được cả bản vẽ cơ khí (file STEP) và thiết kế mạch in (PCB) — tức cách mạng lan từ phần mềm sang kỹ thuật cơ khí, điện tử.
Liên hệ Việt Nam: Hãy thay “cánh tuabin” bằng những sản phẩm gần gũi hơn — một bộ bàn ghế gỗ mỹ nghệ của làng nghề Đồng Kỵ, một lô hàng dệt may xuất khẩu từ Nam Định, hay một đơn hàng gia công cơ khí chính xác tại Bình Dương. Hàng chục nghìn nhà xưởng Việt vẫn đang vận hành đúng “thập niên 1990” mà Blake mô tả: báo giá bằng Excel truyền tay qua Zalo, tính toán khối lượng thủ công, kinh nghiệm thiết kế nằm hoàn toàn trong đầu ông thợ cả. Bài học không phải “mua phần mềm ERP đắt tiền” (mô hình đó đang chết, như Guillermo nói) mà là: một người hiểu nghề + AI = tự dựng công cụ cho chính xưởng mình. Người con kế nghiệp một xưởng cơ khí, hay chính người thợ cả 45 tuổi chịu khó học “giao việc cho agent”, giờ làm được điều mà trước kia phải thuê cả công ty phần mềm — và đó là kiến thức đặc thù nhân với đòn bẩy, đúng công thức của How to Get Rich.
7. Mã nguồn mở cộng hưởng lợi thế Trung Quốc — ván cờ địa chính trị của phần mềm sinh theo yêu cầu
Naval phân tích một nước cờ lớn: vì sao Trung Quốc dồn toàn lực cho các mô hình AI nguồn mở (DeepSeek, Qwen…)? Vì họ nắm ưu thế phần cứng tuyệt đối — chuỗi cung ứng, linh kiện, nhà máy. Điểm yếu duy nhất trước Silicon Valley là phần mềm. Logic của Bắc Kinh, theo Naval: “Nếu phần mềm có thể sinh ra theo yêu cầu, thì bất lợi của ta biến mất.” Mô hình nguồn mở phát miễn phí giúp cả hệ sinh thái phần cứng của họ — từ đại xưởng đến “mấy món đồ chơi linh tinh mua trên mạng về vọc ngày thứ Bảy” — bỗng có phần mềm tử tế đi kèm. (Ông cũng ghi nhận các lý do khác: họ đang đuổi theo, chưng cất mô hình, gom tài nguyên; và mỉa mai rằng toàn bộ “khí thế nguồn mở” của thế giới lại đến từ Trung Quốc, trong khi OpenAI… không open.)
Guillermo đẩy luận điểm lên tầm sống còn quốc gia: “Nếu bạn tụt hậu trong năng lực sinh phần mềm, bạn tụt hậu trong năng lực sinh ra mọi thứ” — vì trong mọi mắt xích của chuỗi chế tạo hiện đại đều cần sinh phần mềm.
Nhưng khi Guillermo hỏi thẳng “ai ở đây dùng mô hình Trung Quốc không?” thì câu trả lời thực tế lại thú vị: Naval — không; và mục tiếp theo giải thích vì sao.
Liên hệ Việt Nam: đây là mục đáng đọc chậm nhất với góc nhìn quốc gia. Việt Nam ở vị trí “kép”: vừa là người hưởng lợi của mô hình nguồn mở giá rẻ (doanh nghiệp Việt chạy được AI mạnh mà không lệ thuộc ngân sách lớn), vừa là đối thủ cạnh tranh trực tiếp của chính hệ sinh thái phần cứng Trung Quốc đang được AI chắp cánh. Câu của Guillermo đặt ra câu hỏi chiến lược cho cả nền sản xuất Việt: khi đối thủ “sinh phần mềm theo yêu cầu” cho từng món hàng xuất xưởng, hàng Việt cạnh tranh bằng gì? Ở tầm cá nhân và doanh nghiệp nhỏ, kết luận thực dụng: nguồn mở hay đóng không quan trọng bằng việc bắt đầu dùng — công cụ mạnh nhất lịch sử đang được phát không hoặc gần như không, và phía bên kia biên giới người ta dùng nó theo chiến lược quốc gia.
8. Luôn chọn mô hình thông minh nhất — “trí thông minh là món tốt tuyệt đối”
Naval kể cuộc tranh cãi trong bữa tối: có người cho rằng 97% công việc cứ dùng mô hình rẻ (như DeepSeek), chỉ việc khó mới xài mô hình xịn. Naval không đồng ý, và lập luận của ông đáng chép lại nguyên văn cho mọi người đang phân vân chọn gói AI:
“Trí thông minh là món tốt không pha tạp — bạn luôn muốn nhiều hơn. Khi các mô hình này sai, bạn không biết là nó sai. Và nó luôn rẻ hơn người thật. Với lượng đòn bẩy tôi sắp đổ vào quyết định đó — vốn, code, con người, marketing — tôi muốn quyết định đúng mọi lần. Khi hai mô hình cho hai đáp án mà tôi không tự biết đáp án nào đúng, tôi sẽ nghe theo mô hình thông minh hơn — và dần dần tôi sẽ thôi hỏi mô hình kém hơn.”
Hệ quả ông tự thừa nhận là đáng lo: logic này dẫn tới độc quyền hoặc thiểu số độc quyền AI — kẻ dẫn đầu hút hết người dùng. Guillermo, người nắm dữ liệu thực từ cổng AI của Vercel, xác nhận một nửa: phần đỉnh bị “trí tuệ tuyến đầu” thống trị tuyệt đối; nhưng có ngách cho mô hình rẻ-mà-ổn ở các việc công nghiệp quy mô lớn (hỗ trợ khách hàng, tự động hóa trình duyệt) — nơi tỷ lệ giá/hiệu năng thắng. Còn để đẩy biên giới — sáng tạo thứ mới — “chỉ có hai ba mô hình đỉnh, và mô hình Trung Quốc chắc chắn chưa có mặt.”
Liên hệ thực dụng: quy tắc rút gọn cho cá nhân và doanh nghiệp nhỏ Việt Nam: việc lặp lại hàng loạt (trả lời khách quen thuộc, phân loại, tóm tắt) — dùng đồ rẻ; việc quyết định có đòn bẩy (chiến lược, hợp đồng, sản phẩm, nội dung đại diện thương hiệu) — luôn dùng đồ tốt nhất, vì như Naval nói, cái giá đắt nhất là cái sai mà bạn không biết là sai. Một quyết định hỏng do “tiết kiệm vài chục nghìn tiền AI” là phiên bản 2026 của “tham bát bỏ mâm”.
9. Phần mềm vẫn cần bàn tay — tích hợp dọc và chuyện AI “thuộc lòng” cả rừng quy chuẩn
Max Hodak kéo mọi người về mặt đất: có những thứ không mua được, nên phải tự làm. Science luôn ưu tiên mua ngoài khi có nhà cung cấp tốt (bo mạch PCB “gần như miễn phí, mua bao nhiêu cũng có từ châu Á”), nhưng sản phẩm của họ — thiết bị cấy ghép — càng tiến gần tới “một khối vật chất liên kết cộng hóa trị duy nhất” càng tốt: nhỏ hơn, ít tốn điện hơn, bền hơn. Linh kiện như thế không tồn tại trên thị trường — nên công ty phải sở hữu cả một xưởng đúc MEMS (vi cơ điện tử) riêng. Đổi mới thật sự vượt ra ngoài việc “ráp đồ mua sẵn” — và cái giá của nó là tích hợp dọc.
Ông thẳng thắn về giới hạn của AI trong thế giới vật chất: “Phần mềm rồi sẽ thông minh hơn ta, nhưng nếu nó không làm ra được đồ vật, đó là ranh giới thật.” Nghịch lý thú vị nhất: tác động lớn nhất của AI bên trong công ty ông cho đến nay không nằm ở phòng thí nghiệm mà ở phòng pháp chế — trước kia, câu hỏi “muốn nâng cấp sản phẩm này thì phải tuân thủ tiêu chuẩn nào trong hàng nghìn tiêu chuẩn ISO” cần cả một đội ngũ chuyên trách làm việc nhiều tháng; giờ “AI đơn giản là biết.”
Liên hệ Việt Nam: hai bài học ngược chiều nhau mà đều quý. Một, cho giới sản xuất: lợi thế cạnh tranh dài hạn vẫn nằm ở năng lực làm ra vật thật — thứ Việt Nam có nền (nhân công kỹ thuật, xưởng, vị trí chuỗi cung ứng) — vì “phần mềm vẫn cần bàn tay”; AI không thay được xưởng, nó chỉ làm xưởng chạy khôn hơn. Hai, cho dân văn phòng và doanh nghiệp nhỏ: hãy để ý nơi AI tạo tác động lớn nhất ở một công ty công nghệ não bộ lại là… giấy tờ tuân thủ. Ở Việt Nam — đất nước của giấy phép con, hồ sơ thầu, tiêu chuẩn kỹ thuật, thủ tục hải quan — khối lượng “việc giấy” còn dày hơn thế. Ai thành thạo dùng AI xử lý đúng mảng giấy tờ chuyên ngành của mình (đấu thầu, môi trường, PCCC, hải quan, y tế…) đang cầm một nghề dịch vụ mới toanh chưa nhiều người nhận ra.
10. Con người trở thành người kiểm chứng — cuộc “thăng chức” cưỡng bức của cả một thế hệ nghề
Mục này là trái tim của cả tập podcast xét về ý nghĩa lao động — và là mục quan trọng nhất với người đọc trung niên.
Naval nhận ra ông đã lâu không nhờ luật sư soạn các văn bản cơ bản — NDA, thỏa thuận, tra cứu — “các việc luật cơ bản cũng đi rồi.” Cách ông diễn đạt số phận nghề nghiệp đáng đóng khung: “Kỹ sư tập sự vừa được thăng chức lên kỹ sư chính — còn phần việc tập sự thì agent nhận. Cũng vậy, bạn có thể nói ‘trợ lý luật vừa bị sa thải’, hoặc nói ‘trợ lý luật vừa được thăng chức lên luật sư chính, giờ họ có thời gian tư duy về luật.’” Hai cách nói, một sự thật: phần “làm” bị lấy đi, phần “chịu trách nhiệm về cái được làm” ở lại và tăng giá.
Guillermo mô tả nghề mới đó trong thực tế: vấn đề lớn nhất hiện nay là “núi mì sợi” code AI đổ về chờ duyệt. Chuẩn mới không phải “đã đọc từng dòng” mà là “tôi hiểu hệ quả của thay đổi này và tôi ký tên chịu trách nhiệm” — bằng cách xây bộ kiểm thử, mô phỏng, chứng minh an toàn đủ tin cậy để dám cho chạy thật. Ai đó vẫn phải là người “bị dựng dậy lúc nửa đêm nếu hệ thống sập”. Và ông cảnh báo cú lừa của sự dễ dãi: tạo phần mềm từ số không giờ quá dễ — “nhưng nghĩ về một nghìn ngày sau đi: phần mềm của anh có còn an toàn, có ai bảo trì, anh còn thiết tha đổ token nuôi nó không?”
Naval khái quát thành định luật: “Con người đang trở thành người kiểm chứng (verifiers).” Chức năng cũ của luật sư, kỹ sư, nhân viên vận hành dịch chuyển thành: rà soát cả chồng công việc máy làm, phán “cái này về cơ bản đúng, tôi đứng sau lưng nó, có chuyện tôi chịu.”
Liên hệ cho bạn: ghép mục này với “Đón nhận trách nhiệm” của How to Get Rich sẽ thấy bức tranh hoàn chỉnh: AI làm được việc nhưng không nhận được trách nhiệm — vì trách nhiệm cần một con người có tên tuổi, có uy tín để mất, có kinh nghiệm để thẩm định. Nghề “người kiểm chứng” đòi đúng hai thứ: biết thế nào là đúng (đến từ thâm niên) và dám ký tên (đến từ chính trực). Cả hai đều là tài sản của tuổi 40+, không phải của tuổi 22. Cụ thể ở Việt Nam: kế toán trưởng kiểm chứng sổ sách AI làm cho chục doanh nghiệp nhỏ; kỹ sư xây dựng kiểm chứng hồ sơ thiết kế AI dựng; biên tập viên kỳ cựu kiểm chứng nội dung AI viết cho các nhãn hàng — mô hình nghề giống nhau: máy sản xuất, người bảo chứng, chữ ký tính tiền.
PHẦN 3 CỦA CUỘC TRÒ CHUYỆN: BIÊN GIỚI PHÁP QUY
11. Cuộc đua “Nữ hoàng Đỏ” về thủ tục — khi giấy tờ tuân thủ được sinh ra trong vài phút
Blake kể từ kinh nghiệm chứng nhận máy bay: một trong cả “tỷ” việc phải làm là chứng minh máy bay chịu được sét đánh — riêng tài liệu tuân thủ cho bài thử này dài cỡ 200 trang. Cách làm cổ điển: thuê một kỹ sư “không cần xuất sắc, chỉ cần chịu ngồi” gõ 200 trang trong vài tháng. Và thảm họa thật sự nằm ở chỗ: nếu sau đó bạn sửa thiết kế máy bay — muốn khóc, vì lại thêm vài tháng làm lại chồng giấy.
Boom đã xây hệ thống AI (RAG — truy xuất kèm sinh văn bản) cho phép “prompt xuyên qua toàn bộ đống việc đó trong vài phút”. Blake phân tích ba tầng hiệu ứng, mỗi tầng sâu hơn tầng trước: tầng một — tiết kiệm thời gian; tầng hai — vì sửa đổi chỉ tốn vài phút thay vì vài tháng, người ta trở nên dám thay đổi thiết kế — tức chi phí của mỗi vòng lặp cải tiến sụp đổ; tầng ba — không cần tuyển “kỹ sư gõ giấy” nữa, chỉ giữ một nhóm nhỏ thật sáng tạo lặp thật nhanh. “Theo một nghĩa nào đó, toàn bộ gánh nặng pháp quy — thứ giết chết khả năng cải tiến — rơi rụng đi.”
Max bồi thêm một góc nhìn ông cho là “bị kể thiếu” trong câu chuyện AI: đừng vơ đũa rằng mọi quy định là xấu — “thành phố không ngạt khói bụi là điều tuyệt vời; bơi được dưới sông là điều tuyệt vời — nhiều quy định chính là tiến bộ.” Vấn đề không nằm ở nội dung quy định mà ở ma sát: con người khổ sở để hiểu và tuân thủ chúng, và mỗi lần trao đổi công văn với cơ quan nhà nước là chờ hàng tháng. Nếu AI làm cho sự tuân thủ trở nên không còn ma sát, ta giữ được cái lợi của quy định mà bỏ được cái giá của nó. Guillermo thậm chí lật hẳn góc nhìn: quy định hợp lý chính là… bộ kiểm thử (test suite) cho agent — “Blake, hãy làm cả thế giới bay siêu thanh; điều kiện nghiệm thu là vượt qua toàn bộ các quy chuẩn này.” Không có nó, “ta sẽ ship đồ rác thẳng lên trời.”
Naval kết bằng hình ảnh tương lai vừa hài vừa thật: rồi cơ quan quản lý cũng sẽ “phun token lại” — hai bên đấu nhau bằng agent, một cuộc đua Nữ hoàng Đỏ (chạy hết sức chỉ để đứng yên tại chỗ). Ông dự báo cả nguy cơ: các cơ quan công quyền vốn chậm ứng dụng AI sẽ bị giới khởi nghiệp “dội bom” hồ sơ đến nghẽn — thời gian phê duyệt có khi dài ra trước khi ngắn lại.
Liên hệ Việt Nam: người Việt làm kinh doanh không cần ai giải thích “gánh nặng thủ tục” — hồ sơ đấu thầu nghìn trang, giấy phép con chồng chéo, báo cáo định kỳ cho năm bảy đầu mối. Bài học của Blake vì thế ứng nghiệm gần như nguyên xi: cá nhân/doanh nghiệp nào AI-hóa được khâu giấy tờ của ngành mình sẽ giải phóng năng lực cải tiến cho chính sản phẩm. Và dự báo “Nữ hoàng Đỏ” cũng đáng để ý ở tầm chính sách: Việt Nam đang đẩy mạnh chính phủ số và cải cách thủ tục — nếu cơ quan quản lý dùng AI xử lý hồ sơ nhanh ngang tốc độ doanh nghiệp dùng AI nộp hồ sơ, cả nền kinh tế thắng; nếu lệch pha, đúng như Naval nói, hàng đợi sẽ chỉ dài thêm.
12. Vì sao y tế gần như không có đổi mới — và sự bất đối xứng chết người của các cơ quan cấp phép
Từ chuyện thủ tục, cuộc trò chuyện rẽ vào vùng gai góc nhất: y tế. Naval chỉ ra một sự thật cay đắng về thung lũng Silicon: hai đột phá công nghệ lớn nhất thập kỷ qua — AI và trước đó là crypto — đều nằm trong miền toán học, vì đó là miền cuối cùng chưa bị quản lý chặt. Đổi mới trong thế giới vật chất — thuốc, thiết bị, hạ tầng — bị rào cản cấp phép đè nghẹt; các quy định chồng chéo, mâu thuẫn nhau giữa các cấp, thực thi tùy tiện. Blake góp dẫn chứng nhức nhối: vụ Boeing 737 MAX — một cảm biến duy nhất có toàn quyền điều khiển góc chúc ngóc của máy bay, “không thực tập sinh nào dại đến mức nghĩ đó là ý hay” — vẫn lọt qua toàn bộ hệ thống chứng nhận. “Mấy thứ này không làm ta an toàn hơn, chỉ làm ta chậm hơn.”
Nhưng Max — người làm thiết bị y tế cấy vào não người — kéo phanh: đừng quá dễ dãi khi đổ hết cho cơ quan quản lý. Vấn đề sâu hơn: cấu trúc động lực bất đối xứng. Cơ quan cấp phép duyệt mười loại thuốc quan trọng — không ai khen; một bệnh nhân tử vong — bị lôi ra điều trần. Blake đúc thành công thức: “Duyệt nhầm một thứ tồi — sự nghiệp chấm dứt. Chặn nhầm một thứ tốt — không ai hay biết.” Hệ quả là sự trì trệ có hệ thống, không phải do cá nhân nào xấu. Và Max chỉ ra tầng cuối cùng: cấu trúc đó phản ánh chính cử tri — xã hội sợ rủi ro nhìn thấy được hơn tiếc cơ hội vô hình. Naval đồng tình bằng quan sát chua chát: ta thích đổ lỗi cho chính khách, nhưng họ do dân bầu; thay người này sẽ có người tương tự thế chỗ. Người Pháp không “nhìn thấy” 57% GDP chảy qua nhà nước — họ chỉ thấy mình nghèo hơn người Mỹ một chút mà không rõ vì sao.
Liên hệ và cân bằng: đây là phần quan điểm tự do thị trường đậm nhất của bài — người đọc Việt Nam nên tiếp nhận nó như một khung phân tích hơn là kết luận. Điều đáng mang về không phải “bỏ hết quản lý” (chính Max phản đối điều đó ngay trong bài) mà là khái niệm bất đối xứng động lực — một công cụ tư duy soi được rất nhiều thứ ở Việt Nam: vì sao cán bộ “sợ trách nhiệm, đùn đẩy, không dám quyết” (đã thành cụm từ chính thức trong các văn kiện gần đây); vì sao bệnh viện công thiếu thuốc, thiếu vật tư sau các đợt siết đấu thầu — không phải vì ai ác ý, mà vì người ký chịu rủi ro cá nhân khi duyệt còn tổn thất do không duyệt thì “không ai hay biết”. Hiểu cơ chế này giúp bạn bớt phẫn nộ vô ích và đoán đúng hơn hành vi của mọi hệ thống mình phải làm việc cùng.
13. Cần một cuộc thí nghiệm 50 bang đúng nghĩa — và ý tưởng “đặc khu đổi mới”
Naval mơ một nước Mỹ nơi 50 bang thật sự khác nhau về quy định và thuế — để dân chúng “bỏ phiếu bằng chân” và các mô hình tốt thắng bằng chứng cứ: tưởng tượng người bệnh ung thư có thể đến một bang “vùng thí nghiệm” thử mọi liệu pháp đang được phát triển, với nguyên tắc người mua tự cân nhắc. Blake phát triển thành ý tưởng đặc khu đổi mới kiểu opt-in (tự nguyện tham gia): các “vùng YIMBY” nơi ai đồng thuận thì vào, thử luật khác, cách thực thi khác — “vô tội cho đến khi chứng minh có tội” thay vì “có tội cho đến khi được cấp phép” — rồi đo kết quả cả về đổi mới lẫn an toàn, cái gì thành công thì lan ra.
Max — lần nữa đóng vai người phản biện am tường — chỉ ra giới hạn: với dược phẩm, đặc khu không giải quyết được gốc rễ, vì (a) muốn điều trị vẫn cần thuốc chuẩn lâm sàng mà chỉ chủ sở hữu trí tuệ đang chạy thử nghiệm mới có, họ không dại gì đưa ra; (b) cơ quan quản lý toàn cục vẫn có thể “suy diễn bất lợi” nếu ca chữa ngoài luồng gặp sự cố — làm hỏng cả chương trình thử nghiệm của hãng thuốc. Giải pháp của ông mang tính “kỹ thuật lập pháp” tinh vi hơn: cấm cơ quan quản lý suy diễn chéo giữa các mục đích sử dụng khác nhau — “có những cách tăng tốc đổi mới rất mạnh chỉ bằng chạm nhẹ vào quy định, ngăn nỗi hoang tưởng chi phối quyết định.”
Liên hệ Việt Nam: nghe “đặc khu thí nghiệm” tưởng xa, hóa ra gần: Việt Nam đã và đang đi đúng hướng này theo cách của mình — cơ chế đặc thù cho TP.HCM, trung tâm tài chính quốc tế được quy hoạch cho TP.HCM và Đà Nẵng, sandbox cho fintech, nghị quyết riêng cho khoa học công nghệ. Bài học đáng giá nhất từ cuộc tranh luận: đặc khu chỉ chạy khi giải quyết đúng nút thắt động lực (ai chịu rủi ro khi cho phép?) chứ không chỉ vẽ ranh giới địa lý. Với cá nhân người đọc: các “vùng thử nghiệm” của đời bạn cũng vậy — muốn thử nghề mới, đừng thử kiểu đặt cược cả nhà (rủi ro toàn cục), hãy tạo “đặc khu” nhỏ: một dự án phụ, một nhóm khách thí điểm, nơi thất bại được phép xảy ra mà không “suy diễn bất lợi” lên cả cuộc đời.
14. “FDA của Trung Quốc đang thắng FDA của Mỹ” — bài toán chi phí đưa sản phẩm ra thị trường
Guillermo hỏi: có mô hình nào tốt hơn FDA không? Max đưa hai dữ kiện. Một: châu Âu dùng hệ thống “notified bodies” — các tổ chức tư nhân được nhà nước ủy quyền chứng nhận (tàu, máy bay, thiết bị y tế); nhờ có cạnh tranh và tuyển được người, tầng rà soát có động lực tốt hơn và đông nhân lực hơn hẳn. Hai — gây sốc hơn: thiết bị giao diện não–máy cấy ghép duy nhất đã được cấp phép và được chi trả trên thế giới hiện nay là ở Trung Quốc. Cơ quan quản lý dược–thiết bị của họ “đang tự tư duy”, chi phí đưa một sản phẩm y tế ra thị trường thấp hơn hẳn, thử nghiệm trên người và trên thị trường dễ hơn. “Nếu không cẩn thận, họ sẽ khiến chúng ta hụt hơi.”
Từ đó Max trình bày luận điểm kinh tế học tâm huyết nhất của ông trong bài: so sánh y tế với điện thoại. Hai mươi năm qua, laptop và điện thoại rẻ đi — nên người ta mua nhiều hơn, tổng chi tiêu tăng, cả ngành lẫn người dùng đều thắng. Y tế thì ngược lại: vì cơ chế chi trả qua bảo hiểm/ngân sách, “cái xô tiền” mua y tế gần như cố định — có thêm công nghệ tốt mấy thì xô cũng không nở ra. Nếu hai năm nữa nhân loại chi gấp mười cho AI, đó là tin mừng; nếu chi gấp mười cho y tế, đó là thảm họa ngân sách. Lối ra, theo ông, không phải cải cách bảo hiểm mà là kéo chi phí đưa sản phẩm ra thị trường xuống — để một liệu pháp giá 100.000 đô thành 10.000 đô, mua được bằng thẻ tín dụng, trả góp “như mua xe” — và đó chính là điều Trung Quốc đang làm.
Liên hệ Việt Nam: đặt Việt Nam vào bản đồ này thấy vị trí thú vị: giá dịch vụ y tế Việt Nam thuộc loại thấp, tay nghề một số mảng (nha khoa, thẩm mỹ, phẫu thuật theo yêu cầu) đã hút “du lịch y tế” từ Việt kiều và người nước ngoài — tức ta vô tình có sẵn một phần của mô hình “chi phí thấp, người mua tự trả” mà Max mô tả. Đồng thời, bảo hiểm y tế toàn dân của ta lại đối mặt đúng bài toán “cái xô cố định” khi dân số già hóa nhanh bậc nhất châu Á. Cuộc tranh luận này không cho đáp án sẵn, nhưng cho đúng bộ câu hỏi mà Việt Nam sẽ phải trả lời trong thập kỷ tới.
15. Y tế — “nền bao cấp thu nhỏ trong lòng thị trường”, và câu chuyện N-of-1 của Sid
Naval dùng phép ví von sắc lẹm: hãy tưởng tượng đi ăn nhà hàng mà không ai trả tiền tại chỗ — cuối tháng gom hóa đơn gửi cho hãng bảo hiểm hoặc nhà nước thanh toán. Kết quả tất yếu: xếp hàng dài trước quán ngon, quán dở vẫn sống nhăn, chất lượng không cải thiện, chờ đợi triền miên. “Đó là vận hành một xã hội bao cấp thu nhỏ bên trong một xã hội thị trường — và đó chính xác là cách ta đang làm y tế.” (Người Việt từng sống thời tem phiếu sẽ hiểu phép ví von này bằng da thịt hơn bất kỳ độc giả Mỹ nào.) Ông chỉ ra các ngoại lệ chứng minh quy luật: những mảng y tế mà người bệnh tự trả tiền — mắt (LASIK), nha khoa, thẩm mỹ — đều tiến bộ nhanh và giá giảm rõ, vì có vòng phản hồi “người mua bỏ phiếu bằng tiền”. Ông thậm chí đề xuất một phương án gây tranh cãi (tự nhận là “chạm vào đường ray điện”): lấy 20% thu nhập năm làm mức tự chi trả y tế — người vô gia cư là 0 đồng, người giàu là hàng triệu đô — phần vượt do bảo hiểm/nhà nước lo; như thế vừa bảo vệ người nghèo vừa tạo ra thị trường tư thật sự.
Rồi đến câu chuyện người thật khiến cả cuộc tranh luận chính sách bỗng có máu thịt: Sid (nhà sáng lập GitLab) — IPO thành công vang dội thì nhận chẩn đoán ung thư hiếm. Điều trị chuẩn cạn kiệt, bác sĩ buông: “Chúng tôi hết cách.” Sid tự cầm lấy việc chữa bệnh của mình: huy động khoa học tuyến đầu, từ hoàn cảnh của ông đã sinh ra sáu bảy công ty mới, và thang điều trị của ông giờ có hai ba chục loại thuốc. Ông vẫn sống, vượt xa tiên lượng — Guillermo xác nhận “mới gặp hôm nọ, anh ấy khỏe.” Max gọi đây là y học N-of-1 (thử nghiệm lâm sàng cỡ mẫu = 1 người): ở cận trên — khi có nguồn lực, có chủ động, không vướng bảo hiểm — “những kết cục điên rồ là khả thi”, và chính các ca này sẽ thành nguồn nghiên cứu quý cho y học đại trà.
Guillermo khép lại bằng ý nghĩa nhân văn nhất — và buồn nhất: mô hình Sid đòi hỏi người bệnh phải có tính chủ động khổng lồ đúng vào lúc họ yếu ớt nhất. Bạn ông mất vì ung thư — “điều cuối cùng một người đang chết dần theo tuần muốn làm là ngồi nghiên cứu y học N-of-1.” Đây, ông nói, là nơi AI phải tỏa sáng: dân chủ hóa khả năng tự tìm hiểu ấy — cho những người không có tiền của Sid nhưng giờ có một cỗ máy đọc được toàn bộ y văn nhân loại trong túi áo.
Liên hệ Việt Nam: không cần bê nguyên cuộc tranh luận chính sách Mỹ về đây; điều chuyển giao được ngay là tầng cá nhân: người Việt vốn có truyền thống tự lo sức khỏe theo nghĩa xấu (tự mua kháng sinh, chữa mẹo, tin quảng cáo thực phẩm chức năng) — AI mở ra cơ hội tự lo theo nghĩa tốt: đọc hiểu kết quả xét nghiệm, chuẩn bị câu hỏi trước khi gặp bác sĩ, đối chiếu phác đồ, tra tương tác thuốc. Nguyên tắc dùng đúng: AI là trợ lý nghiên cứu của bệnh nhân, không phải người kê đơn thay bác sĩ — dùng nó để hỏi bác sĩ câu hỏi hay hơn, không phải để bỏ qua bác sĩ.
PHẦN 4 CỦA CUỘC TRÒ CHUYỆN: CÔNG TY TỰ VẬN HÀNH
16. Hạ tầng tự vận hành — và cuộc săn lỗ hổng bằng mười nghìn agent
Nivi hỏi: trong công ty các anh, bao nhiêu phần mềm đang tự chạy? Câu trả lời của Guillermo cho thấy “công ty tự vận hành” không còn là viễn tưởng. Tại Vercel, phần lớn hạ tầng đã tự trị: mọi chỉ số bất thường (chậm đi, nhanh lên, đổi lưu lượng) tự kích hoạt cảnh báo, một agent tự điều tra, tự quyết có mở “sự cố” hay không; nếu có, con người mới được gọi vào — và agent đã dọn sẵn phương án xử lý “bưng trên khay bạc”. Ranh giới duy nhất họ còn giữ: chưa cho agent tự tay sửa hệ thống đang chạy thật.
Ấn tượng hơn là an ninh mạng: công cụ deepsec (đã mở mã nguồn) chạy mười nghìn agent song song rà toàn bộ kho mã — tìm ra khối lượng lỗ hổng tương đương nhiều quý làm việc của các đội chuyên gia, trong vài ngày, tốn 14.000 đô tiền token. Trong bối cảnh an ninh mạng đang thành “cơn ác mộng” (quá nhiều lỗ hổng, đối thủ quá mạnh), đầu tư phòng thủ kiểu này từ chỗ xa xỉ thành bắt buộc.
Naval góp ví dụ ở quy mô một người — và đây mới là ví dụ đáng nhớ cho người đọc phổ thông: ứng dụng ông tự “vibe-code” có hệ thống nhận báo lỗi từ người dùng thử; một tiến trình nền tự gom báo cáo, tự phân tích, tự sửa lỗi, rồi gửi cho ông bản dựng mới để duyệt trước khi phát hành. Ông đùa: cứ đà này sẽ có ứng dụng “do chính người dùng xây” — có thể thành cái “xe hơi của Homer Simpson” (món đồ lắp mọi tính năng vô dụng), nhưng riêng việc tự sửa lỗi thì hoàn toàn khả thi.
Liên hệ Việt Nam: đừng để chữ “hạ tầng” đánh lừa rằng chuyện này chỉ dành cho tập đoàn. Phiên bản Việt Nam của “hạ tầng tự vận hành” cho một doanh nghiệp nhỏ: đơn hàng tự đổ vào bảng tính, tin nhắn khách tự được phân loại và soạn trả lời nháp, báo cáo doanh thu tự tổng hợp cuối ngày, bất thường (tồn kho, chi phí tăng vọt) tự bắn cảnh báo về điện thoại chủ. Từng mảnh đều làm được bằng công cụ phổ thông + AI, với chi phí của một người chịu ngồi ráp trong vài buổi tối. “Công ty tự vận hành” bắt đầu từ “cái tiệm tự vận hành.”
17. Việc của bạn là huấn luyện agent — tuần lễ AI và cô lễ tân ở nhà máy máy bay
Đây là mục người đọc phổ thông nên đọc kỹ nhất toàn bài. Blake làm một thí nghiệm quản trị táo bạo: dừng toàn bộ công việc dự án của cả công ty trong một tuần, yêu cầu mọi người — “từ lễ tân đến kỹ sư” — xây bất cứ thứ gì họ cho là quan trọng nhất, chỉ với hai điều kiện: phải dùng AI, và cuối tuần phải trình diễn trước toàn công ty.
Ông dự đoán sẽ nhận về nhiều dự án vớ vẩn và lác đác vài thứ hữu ích. Kết quả ngược hẳn: rất nhiều dự án “xoay chuyển cục diện”, rất ít thứ vớ vẩn — hai ba dự án đủ sức đổi hướng cả công ty. Và người khiến ông kinh ngạc nhất: nhân viên tiếp nhận hàng hóa — người mà việc hằng ngày là dỡ kiện hàng khỏi xe tải và gửi email báo “đồ của anh đã về kho” — đã tự xây hệ thống tự động hóa chính việc đó. Công ty dùng luôn.
Bài học Blake rút ra chạm đến bản chất của sáng tạo: ai cũng mang trong đầu một ý tưởng làm thế giới quanh mình tốt hơn, nhưng ý tưởng thô đầu tiên thường dở, và trước kia họ không có cách nào đi từ ý tưởng đến vật thật để mà nhìn thấy, phản ứng, sửa dần. AI trao cho họ chính cái cầu đó — cho một tuần, và cuối tuần thứ họ dựng ra “có nghĩa lý thật sự”.
Guillermo khái quát thành câu định nghĩa lại nghề nghiệp của cả một thời đại: “Làm sao xây dựng một lực lượng lao động không trực tiếp làm việc nữa — toàn bộ việc của họ là huấn luyện con agent làm việc đó thay họ?” Thế hệ mới vào công ty đã tự hiểu: việc của mình không phải là làm cái việc đó, mà là dạy máy làm cái việc đó. Naval đẩy đến tận cùng triết lý ông theo đuổi từ How to Get Rich: bản thân ông “không còn gì để tự động hóa” trong công việc — và đó là đích đến cho mọi người: tự động hóa hết phần lặp lại, để bản thân luôn làm việc trong vùng sáng tạo và hứng thú tối đa — “bạn không cần nghĩ ra cái mới mỗi ngày; thỉnh thoảng một cái, và nó thành điểm tựa đòn bẩy.”
Liên hệ cho bạn: câu chuyện cô lễ tân là liều thuốc giải cho mặc cảm “tôi không phải dân kỹ thuật”. Người hiểu quy trình nhận hàng nhất công ty không phải kỹ sư — là người làm nó mỗi ngày. Tương tự: người hiểu nhất quy trình đối chiếu công nợ, chăm khách cũ, soạn hồ sơ thầu, chấm công tính lương ở các công ty Việt Nam là những nhân viên “thường” đã làm nó mười lăm, hai mươi năm — tức là bạn. Mỗi quy trình bạn từng thạo là một “con agent” đang chờ được bạn huấn luyện. Bài tập cụ thể nằm ở Phần III.
18. “Chúa tể những chiếc nhẫn” tiếp theo — trí thông minh, tính chủ động, và trò giải trí có sản phẩm thật
Max nêu công thức gây tranh luận: xưa kia thành quả một người = 70% trí thông minh + 30% tính chủ động (agency); từ nay tỷ lệ lật ngược — 70% chủ động, 30% thông minh — và sẽ còn nghiêng nữa khi máy thông minh lên. Naval phản pháo nghịch nhĩ: 99% thông minh, 1% chủ động — vì agent sẽ gánh luôn phần chủ động: ông đã có lúc hỏi ngược AI “tôi nên xây tính năng gì tiếp? Tự đi xem log đi.” Max làm rõ: ông nói về phần thành quả chia cho con người — người hợp thời nhất là người mở Claude ra và nghĩ “mình nên xây gì?” thay vì mở YouTube ra xem.
Từ đó lộ ra một quan sát xã hội học thú vị: Naval bỏ hẳn nhóm chơi game bắn súng — thời gian đó chuyển sang vibe-coding, “vui hơn, vòng phản hồi chặt không kém, mà cuối buổi có một thứ thật.” Số người viết code có lẽ đã tăng 100 lần (từ 0,01% lên 1% dân số) — nhưng 99% còn lại vẫn nghĩ đó là hộp đen và không bao giờ thử. Đám đông phổ thông mới chỉ chạm vào AI qua ảnh và video — vui, nhưng chưa phải công cụ tạo tài sản.
Rồi cuộc trò chuyện bay xa: Max cược với Andrej Karpathy về năm mà ta “thả một cuốn sách vào, nhận về một bộ phim” — và tin rằng đến 2030 sẽ có hàng tá phiên bản “Chúa tể những chiếc nhẫn” do người hâm mộ tự làm lại theo ý mình; giấc mơ riêng của ông: đưa ba cuốn cuối của bộ tiểu thuyết The Expanse (phần chưa được dựng phim) vào máy và “sinh ba mùa cuối”.
Liên hệ: hai ý mang về. Một, câu hỏi “thông minh hay chủ động” có đáp án thực dụng cho người đang mất phương hướng: trong kỷ nguyên máy-thông-minh-sẵn, thứ khan hiếm còn lại đúng là cái gan mở máy ra và bắt đầu — nghĩa là cuộc chơi nghiêng về phía tính cách, không phải IQ hay bằng cấp; “chủ động” là kỹ năng rèn được ở mọi tuổi. Hai, quan sát “0,01% lên 1%, còn 99% đứng ngoài” là bản đồ cơ hội: lợi thế không thuộc về người giỏi nhất thế giới, mà thuộc về người chịu bước vào sớm hơn 99% xung quanh mình — và ở Việt Nam, trong ngành của bạn, tỷ lệ người trung niên thực sự biết “giao việc cho agent” hiện gần 0.
19. Nghệ thuật là gì, khi máy làm được mọi thứ? — và câu hỏi AI có ý tưởng mới được không
Phần trò chuyện trừu tượng nhất nhưng chứa câu trả lời cho nỗi băn khoăn sâu nhất: rốt cuộc con người còn lại gì?
Max — người “AGI tối đa” — cảnh cáo lạnh lùng: “Nếu căn tính của bạn xây trên việc mình thông minh và sáng tạo cỡ nào, bạn sẽ có quãng thời gian tồi tệ.” Định nghĩa nghệ thuật của ông thuần kỹ thuật: hành vi có ý nghĩa nằm ngoài phân phối dữ liệu — thứ gây bất ngờ và làm quỹ đạo cuộc đời người xem đổi hướng; theo định nghĩa đó, cả một nước cờ quân sự hay “Nước đi 37” của AlphaGo cũng là nghệ thuật, và máy sẽ làm được.
Naval giữ phía bên kia bằng hai lập luận. Thứ nhất, ý định: nghệ thuật là “một người cảm điều gì đó và muốn bạn cảm được nó” — cùng một bức ảnh đẹp, do người chụp hay máy sinh ra từng pixel giống hệt, mang nghĩa khác nhau, vì nghĩa nằm ở chỗ có một ai đó đứng sau. Thứ hai, ngoài-phân-phối đích thực: khi OpenAI cho cả thế giới “Ghibli hóa” ảnh của mình, phong cách Ghibli chết về mặt nghệ thuật — “đã nằm trong phân phối, hết bất ngờ, hết giá trị nghệ thuật.” Con người kiểu Kurt Gödel — bước ra ngoài hệ hình thức để bẻ gãy chính nó bằng định lý bất toàn — là thứ ông cược AI chưa với tới. Còn về câu hỏi nền tảng “AI có ý tưởng mới được không”, hai người gặp nhau ở một điểm cân bằng: máy có thể đang chạm rìa (trong toán — miền đóng), nhưng năng lực “cắt xuyên không gian vô hạn một cách có nghĩa” — sáng tạo không nhờ tung xúc xắc — hiện vẫn của con người. Kết luận của Naval: “Người không có AI — quên đi. AI không có người — chưa tới. Người cộng AI — đó là kỷ nguyên ta đang sống, và tôi cược nó kéo dài hơn người ta tưởng.”
Liên hệ: với người làm nội dung, làm nghề sáng tạo ở Việt Nam đang hoảng vì “AI viết được hết rồi”: chú ý chi tiết Guillermo nhận xét mọi website do Claude dựng đều trông giống nhau — phông chữ ấy, màu nâu kem ấy — nhìn phát biết “đồ máy”. Đó chính là “trong phân phối”. Thứ giữ giá trong 5 năm tới là thứ máy không lấy từ đâu ra được: trải nghiệm thật, câu chuyện thật, ý định thật của một con người cụ thể — đúng điều bản chuyển thể trước đã nói ở mục “Thoát cạnh tranh bằng cách là chính mình”. AI hạ giá mọi nội dung chung chung về 0 — và bằng chính việc đó, nó tăng giá phần con-người-thật trong nội dung của bạn.
20. Rất nhiều đội nhóm rất nhỏ — vì sao năng suất tăng lại thuê người nhiều hơn, và ngày hội của dân generalist
Mục cuối cùng trả lời trực diện câu hỏi ai cũng né: việc làm sẽ ra sao?
Naval đi ngược đám đông bằng kinh tế học căn bản: năng suất tăng thì xã hội giàu lên và người ta thuê nhiều người hơn, không phải ít đi — ông giờ muốn tuyển người “giỏi AI, thông minh, sáng tạo” hơn bao giờ hết, vì mỗi người như thế mang lại lượng đòn bẩy khổng lồ. Guillermo mô tả cấu trúc mới: Vercel giờ tuyển ở hai đầu — người rất trẻ và người rất dày dạn, miễn là nhanh thích nghi và giỏi làm việc với agent; và tương lai là “một số lượng rất lớn các đội nhóm rất nhỏ.” Ông xử lý thẳng nỗi sợ phổ biến: người chỉ nhìn hiệu ứng bậc một sẽ nói “hai người làm được động cơ phản lực thay vì một nghìn người — vậy 998 việc làm biến mất”; nhưng hiệu ứng bậc hai là “ta sẽ làm ra rất nhiều loại động cơ khác nhau” — bùng nổ khởi nghiệp, bùng nổ nhà sáng lập, bùng nổ số đội nhóm.
Và đoạn kết của Naval như viết để dán lên tường: AI cung cấp trí thông minh nền và “cắt xuyên qua rừng thuật ngữ”; agent cung cấp tính chủ động; còn lại cho con người là sáng tạo, khiếu thẩm định — và “bạn không cần bỏ hai mươi năm học một nghề rồi mới được đóng góp nữa. Rào cản đó sụp xuống nghĩa là dân generalist đang có ngày hội.” Ông nói thêm câu buồn cho một số người, mừng cho số khác: những ai bám vào “chuyên gia, bằng cấp, nguồn trích dẫn” đang là phía chịu thiệt, vì chuyên môn thuộc lòng giờ rẻ mạt; nếu tấm bằng tiến sĩ của bạn chỉ giúp bạn nhớ thuật ngữ và giàn giáo lý thuyết — AI cắt xuyên qua nó; nếu nó rèn cho bạn trực giác, khiếu và phán đoán — nó vẫn nguyên giá. Câu chốt của cả tập podcast: máy tính từng được gọi là “xe đạp cho trí óc” — giờ là chiếc xe đạp được gắn động cơ phản lực. “Đây là cuộc chơi người-có-AI đấu với người-không-có-AI. Điều tốt nhất bạn có thể làm cho chính mình là trở nên thật giỏi với các công cụ này — và luôn biết rìa của chúng nằm ở đâu. Mà cái rìa đó thì đang di chuyển.”
Liên hệ Việt Nam: “rất nhiều đội nhóm rất nhỏ” nghe như mô tả sẵn cấu trúc kinh tế Việt Nam — hơn 5 triệu hộ kinh doanh, doanh nghiệp gia đình, nhóm nghề tự do. Cuộc cách mạng này hiếm hoi ở chỗ hợp với tạng của ta: không cần tổ chức nghìn người, cần triệu đội nhóm 2–5 người biết dùng đòn bẩy. Còn “ngày hội của generalist” là tin riêng cho người Việt trung niên: sự nghiệp điển hình ở Việt Nam vốn không chuyên sâu kiểu phương Tây — một đời đi làm ta kiêm đủ thứ: kỹ thuật kiêm kinh doanh, kế toán kiêm nhân sự, quản lý kiêm đối ngoại. Thứ từng bị coi là “không có chuyên môn mũi nhọn” nay hóa ra là cấu hình generalist mà thời đại AI trả giá cao nhất — miễn là gắn thêm được một kỹ năng: điều khiển đội quân agent.
Phần III — Viết riêng cho bạn: cuộc cách mạng này có nghĩa gì với người ngoài 40 đang bắt đầu lại
Phần này không có trong bản gốc. Nó ghép nội dung tập podcast vào đúng hoàn cảnh của một người Việt ngoài 40, hướng nội, đang không có việc làm và tìm hướng đi — tiếp nối lộ trình đã vẽ trong bản chuyển thể “Làm Giàu Không Dựa Vào May Mắn”.
Đọc lại tập podcast này như một bản tin việc làm — cho chính bạn
Lột bỏ các thuật ngữ, tập podcast chứa năm mẩu tin tuyển dụng của thời đại mới, và bạn đủ điều kiện ứng tuyển cả năm:
Tin thứ nhất — nghề “người kiểm chứng” (mục 10): máy sản xuất hàng loạt, thị trường khát người đủ thâm niên để nhìn ra cái sai và đủ uy tín để ký tên bảo chứng. Vốn liếng yêu cầu: 15–20 năm kinh nghiệm thực chiến trong một ngành — đúng thứ bạn có, đúng thứ người trẻ và máy đều không có.
Tin thứ hai — nghề “người huấn luyện agent” (mục 17): mọi quy trình bạn từng làm thạo đều đang chờ được dạy lại cho máy. Cô lễ tân ở Boom không có bằng kỹ sư; cô có thứ quý hơn — sự am hiểu quy trình từ bên trong. Bạn đang giữ trong đầu hàng chục quy trình như thế.
Tin thứ ba — nghề “người lắp gạch có phán đoán” (mục 4): doanh nghiệp nhỏ Việt Nam không cần người viết code, cần người hiểu nghiệp vụ của họ đủ sâu để bảo AI lắp đúng công cụ cho họ. Cầu nối nghiệp vụ–công nghệ này là vị trí sinh ra cho dân generalist trung niên.
Tin thứ tư — nghề “người khai thác việc giấy” (mục 9, 11): ở đất nước của hồ sơ và thủ tục, ai AI-hóa được mảng giấy tờ chuyên ngành mình thông thạo — thầu, hải quan, PCCC, môi trường, lao động — đang sở hữu một dịch vụ mà mọi doanh nghiệp trong ngành đều cần và chưa mấy ai cung cấp.
Tin thứ năm — nghề “người kể chuyện thật” (mục 19): AI ép giá mọi nội dung chung chung về 0 và qua đó thổi giá phần con-người-thật lên. Hai mươi năm va vấp của bạn là kho “ngoài phân phối” mà không mô hình nào sinh ra được.
Để ý điểm chung: không tin nào tuyển “người trẻ, nhanh, rẻ”. Cả năm tin đều tuyển phán đoán, thâm niên, uy tín và sự am hiểu từ bên trong — bảng giá trị đã lật ngược so với thị trường lao động vừa sa thải bạn.
Ba việc nên làm ngay — nối vào lộ trình 12 tháng của bản trước
Một: nâng “học dùng AI” từ mục tiêu phụ thành kỹ năng trục. Bản chuyển thể trước xếp việc này vào tháng 3–4 của lộ trình; tập podcast này cho thấy nó là tiền đề của mọi thứ khác — “cuộc chơi người-có-AI đấu với người-không-có-AI”. Cách học đúng, theo chính Naval (mục 2): đừng sưu tầm khóa học và thủ thuật — cứ giao việc thật, mỗi ngày. Lấy một gói AI tốt nhất trong khả năng (đây là khoản đầu tư, không phải chi tiêu), rồi mang mọi việc trong ngày ra giao: soạn thư, tính toán phương án, tra cứu quy định, phân tích một bản hợp đồng, dựng một trang giới thiệu dịch vụ. Chê nó, bắt làm lại, như với một trợ lý mới. Ba tuần “thô bạo” như thế thắng ba tháng học lý thuyết prompt.
Hai: làm “tuần lễ Boom” của riêng mình. Sao chép thí nghiệm của Blake ở quy mô một người: dành trọn một tuần, chọn một quy trình bạn từng làm thạo nhất trong nghề cũ — đối chiếu công nợ, làm báo giá, soạn hồ sơ, chăm khách cũ — và cùng AI dựng phiên bản tự động/bán tự động của nó. Không cần đẹp, cần chạy. Cuối tuần “trình diễn” cho một người quen trong nghề xem. Đây vừa là bài học nhanh nhất về năng lực của công cụ, vừa có thể — như ở Boom — thành sản phẩm đầu tiên bạn bán được: quy trình khiến một chủ doanh nghiệp nhỏ thốt lên “làm cho xưởng anh cái này đi” chính là đơn hàng đầu tiên.
Ba: chuyển một phần giờ giải trí thành giờ “vibe-building”. Gợi ý từ chính Naval (mục 18): ông thay giờ chơi game bằng giờ xây đồ chơi thật — “vui hơn, mà cuối buổi có một thứ thật.” Với người hướng nội, đây là hình thức làm việc dễ chịu hiếm có: một mình, yên tĩnh, nhịp riêng, đối thoại với máy không tốn năng lượng xã giao, và mỗi buổi tối kết thúc bằng một vật phẩm nhìn thấy được — liều thuốc trực tiếp cho cảm giác mất phương hướng, vốn nuôi bằng những ngày trôi qua không dấu vết.
Ba cạm bẫy mới — phiên bản AI của những cạm bẫy cũ
Một — bẫy sưu tầm công cụ: học hết tool này đến tool kia, theo dõi chục kênh “mẹo AI”, không xây gì cả. Naval đã chỉ lối (mục 2): mô hình giỏi lên nhanh hơn tốc độ bạn học mẹo; đừng đầu tư vào mẹo, đầu tư vào việc thật được giao cho máy. Phiên bản AI của “bẫy im lặng” trong bản trước.
Hai — bẫy nội dung máy sinh trăm phần trăm: thấy AI viết nhanh, đăng ào ạt nội dung không có mình trong đó. Mục 19 đã tuyên án loại nội dung này: “trong phân phối” — nhìn phát biết đồ máy, giá trị bằng 0, và đốt luôn thứ quý nhất bạn có là uy tín tên thật. Công thức đúng: chuyện thật của bạn × máy lo phần vỏ — không bao giờ ngược lại.
Ba — bẫy “khóa học AI đổi đời”: cơn sốt nào ở Việt Nam cũng đẻ ra lớp người bán vé — các khóa “làm chủ AI kiếm trăm triệu/tháng” đang nhắm thẳng vào người trung niên hoang mang. Lời Naval trong How to Get Rich vẫn nguyên hiệu lực: không có làm-giàu-cấp-tốc; ai bán sự cấp tốc, người đó giàu bằng tiền của bạn. Mọi thứ cần học đều nằm trong việc dùng thật — chi phí gần bằng 0.
Lời cuối — nhà máy của đời bạn
Tiêu đề phụ của tập podcast là “Build your own factory” — hãy xây nhà máy của chính mình. Bảy năm trước, Naval bảo của cải là “tài sản làm việc trong lúc bạn ngủ” và đội quân robot đã nằm sẵn trong các trung tâm dữ liệu chờ người ra lệnh. Hôm nay, ba nhà sáng lập ngồi xác nhận: đội quân ấy đã hiểu tiếng người, giá thuê rẻ hơn bất kỳ nhân công nào trong lịch sử, và những người vận hành nó hiệu quả nhất hóa ra không phải thần đồng lập trình — mà là một nhà đầu tư bỏ code hai mươi năm, một nhà sáng lập thôi không code nữa, và một cô nhân viên nhận hàng.
Nhà máy của đời bạn không cần vốn nghìn tỷ hay tuổi đôi mươi. Nó cần đúng ba thứ mà lúc này bạn đang có nhiều hơn bất kỳ giai đoạn nào của cuộc đời: kho kiến thức đặc thù hai mươi năm, quỹ thời gian trống, và một lý do đủ lớn để bắt đầu lại. Dây chuyền thì đã có người khác xây xong — nó đang nằm trong màn hình trước mặt bạn, chờ ca trưởng đầu tiên đến nhận việc.
Nguồn và ghi chú về bản chuyển thể
Bản gốc: “The AI Industrial Revolution” — Naval Podcast, đăng tại nav.al/industrial ngày 1/6/2026 (bản đầy đủ 1:10:02, kèm 20 phút tư liệu mới ở cuối), với sự tham gia của Naval Ravikant, Babak Nivi, Guillermo Rauch (Vercel), Blake Scholl (Boom Supersonic) và Max Hodak (Science). Có trên X, Apple Podcasts, Spotify, YouTube và Substack.
Ghi chú trung thực về phạm vi: khác với bản chuyển thể “Làm Giàu Không Dựa Vào May Mắn” (nguồn bị cắt một phần), bản này được dịch và viết lại từ toàn văn trang gốc, không thiếu mục nào. Thứ tự các mục trong Phần II bám theo đúng cấu trúc bốn phần của bản gốc. Toàn bộ các đoạn “Liên hệ Việt Nam”, phần phân tích tổng quan và Phần III là phần chuyển thể, không có trong nguyên tác. Các quan điểm về chính sách công (pháp quy, y tế, so sánh quốc gia) trong Phần 3 của cuộc trò chuyện là quan điểm riêng của các diễn giả — bản chuyển thể giữ nguyên cả các ý phản biện lẫn nhau giữa họ để người đọc tự cân nhắc.
Đây là tài liệu tham khảo về tư duy, không phải khuyến nghị đầu tư, tư vấn pháp lý hay y tế.