Bây giờ là 2 giờ sáng. Tôi đang nhìn bốn cửa sổ chạy song song trên màn hình. Một cửa sổ đang xử lý tài liệu khách hàng. Một cửa sổ đang sửa mã. Một cửa sổ đang bắt kịp các tin nhắn Slack chưa đọc. Cửa sổ thứ tư mắc kẹt ở giới hạn tốc độ API, chờ tôi đưa ra quyết định. Tôi không còn đang dùng AI. Tôi đang quản lý AI — như một quản đốc nhà máy đi tuần lúc hai giờ sáng.
Hai tháng trước, tôi nghĩ mình đã chạm tới trần của những gì AI có thể làm cho mình. Tôi đã dùng nó hằng ngày từ thời GPT-3.5 — hai năm trò chuyện, một người để phản biện thông minh hơn, vậy thôi. Rồi việc trò chuyện dừng lại và việc quản lý bắt đầu. Vực sâu giữa hai chế độ đó — trò chuyện với AI và thật sự làm việc cùng AI — hóa ra là lần vượt qua quan trọng nhất trong sự nghiệp của tôi. Đây là bản ghi chép từ phía bên kia, bao gồm cả những thất bại.
Cái trần tôi tự dựng lên
Tôi không phải người ngoài cuộc với AI. Tôi điều hành một công ty đã hoàn toàn đón nhận nó. Tôi đã viết Python, làm việc với API, theo dõi các nghiên cứu. Tôi dùng AI nhiều lần mỗi ngày — soạn memo, kiểm tra sức bền của chiến lược, chuẩn bị cho các cuộc họp.
Chính sự thoải mái đó lại là cái bẫy.
Bởi điều tôi đang làm — tất cả những điều đó — chỉ là trò chuyện. Mở một tab, đặt câu hỏi, nhận câu trả lời, đóng tab. Lần sau lại bắt đầu từ đầu. Tôi dùng AI theo cách hầu hết lãnh đạo dùng nó: như một trợ lý thông minh để trò chuyện, chứ không phải một đồng nghiệp để làm việc cùng. Trên đường đó, tôi cũng thử các sản phẩm agent đóng gói sẵn. Manus có thể giữ bản tóm tắt và theo dõi ngữ cảnh qua nhiều phiên — hữu ích cho bài thuyết trình, nhưng cách tương tác vẫn là: tôi chỉ dẫn, nó thực hiện, từng bước một.
Tôi biết về các copilot lập trình — GitHub Copilot và những công cụ tương tự. Nhưng tôi là CEO, không phải kỹ sư. Tôi từng viết đủ mã để tự gây rắc rối, nhưng chưa đủ để làm việc hiệu quả. Ý nghĩ phải ngồi trong một IDE khiến tôi có cảm giác như đang đi lùi trong sự nghiệp. Một cách vô thức, tôi đã xếp công cụ vào từng ngăn: cái này dành cho lập trình viên, cái kia dành cho nhà quản lý. Cái trần đó không phải do công cụ áp đặt. Chính tôi đã dựng nó lên. Tôi đã tự quyết định thứ gì là “dành cho người như tôi” rồi ngừng nhìn xa hơn.
Cảm giác khi bức tường sụp xuống
CTO của chúng tôi thúc tôi thử Cursor. Một IDE — công cụ của lập trình viên. Tôi đã nhiều năm không viết mã một cách nghiêm túc. Nhưng sự tò mò đã thắng.
Cursor không quan tâm chức danh của bạn là gì. Bạn mô tả điều mình muốn bằng tiếng Anh đơn giản, và nó xây dựng — không phải tự hoàn thành vài dòng, mà thật sự dựng nên sản phẩm. Với một người luôn đứng cách lớp triển khai một bước, có thể viết đặc tả nhưng chưa từng tự xây, cảm giác ấy giống như một bức tường đổ xuống. Lần đầu tiên, tôi có thể chạm vào tầng triển khai.
Sau đó anh ấy đẩy tôi đến Claude Code — agent AI dòng lệnh của Anthropic — và một cánh cửa khác bật mở.
Cursor là một copilot thông minh — bạn vẫn đang cầm lái, từng dòng một. Claude Code là một đồng nghiệp. Tôi mô tả mục tiêu. Nó suy luận qua vấn đề, hỏi câu hỏi làm rõ, viết mã, chạy kiểm thử, sửa những gì hỏng. Nó giữ cả dự án trong đầu — những tệp nào tồn tại, chúng kết nối với nhau ra sao, hôm qua chúng tôi đã xây gì. Vai trò của tôi chuyển từ viết sang rà soát. Nút thắt chuyển từ năng lực kỹ thuật của tôi sang hai việc hoàn toàn khác: tôi có diễn đạt đủ rõ điều mình muốn hay không, và tôi có đánh giá đủ tốt kết quả nhận lại hay không.
Hóa ra hai kỹ năng đó chính là kỹ năng của CEO. Tôi từng tự nhủ rằng công cụ lập trình không dành cho mình. Điều tôi chưa nhận ra là công cụ đã dịch chuyển đến đúng nơi tôi đang đứng.
Rồi tôi phát hiện OpenClaw — một framework đa agent mã nguồn mở — và mặt sàn lại sụp xuống lần nữa.
Từ Manus đến Cursor, rồi Claude Code, rồi OpenClaw. Toàn bộ tiến trình mất khoảng ba đến bốn tuần, một đường cong tăng tốc: mỗi bước nhảy đều nhanh hơn và sâu hơn bước trước. Đến cuối cùng, tôi không còn dùng một công cụ AI đơn lẻ. Tôi đang vận hành một hệ thống.
Đường cong tăng tốc: mỗi bước nhảy đều nhanh hơn và sâu hơn bước trước
Phía bên kia
Đây là hình ảnh phía bên kia của vực sâu đó — và có lẽ một tháng nữa nó sẽ lại khác:
Tôi vận hành hai lớp. OpenClaw là lớp luôn bật. Nó nằm trên một máy chủ đám mây, giám sát Slack của công ty và xử lý nhịp vận hành của doanh nghiệp: tóm tắt cập nhật từ đội ngũ, thực thi các quy trình tiếp cận khách hàng, theo dõi yêu cầu của khách hàng, nhắc đội ngũ về hạn chót. Nó gom những mảnh rời rạc giữa con người, công cụ và kênh liên lạc — những mảnh mà trước đây không ai có thời gian nối lại.
Claude Code là lớp tập trung sâu. Khi tôi cần suy nghĩ kỹ về một việc — viết bài này, thiết kế một quy trình làm việc mới, gỡ lỗi chính OpenClaw — tôi ngồi trong Claude Code. OpenClaw là sàn nhà máy; Claude Code là bàn làm việc.
Tái cấu trúc cho agent: các tệp markdown đóng vai trò tài liệu briefing để AI hiểu dự án
Sự phân tách này quan trọng vì các công cụ AI khác nhau thật sự có thế mạnh khác nhau — mô hình khác nhau, bộ nhớ khác nhau, mức tự chủ khác nhau. Việc xác định agent nào nên nhận nhiệm vụ nào tự nó đã là một kiểu công việc mới, và tôi vẫn đang học. Nhưng trọng tâm không nằm ở các công cụ cụ thể. Trọng tâm là tôi đã chuyển từ hỏi AI sang vận hành các hệ thống AI — và khác biệt đó không phải là thay đổi tuyến tính. Nó là thay đổi về cấu trúc.
Cảm giác thực tế là gì
Đây là những gì đã thay đổi:
Trước và sau: những thay đổi cụ thể trong sáu mảng công việc của CEO
Tiết kiệm thời gian là có thật — những việc trước đây mất một đến hai tuần giờ chỉ mất một giờ. Nhưng tốc độ không phải điểm chính. Là CEO, bạn luôn có nhiều việc phải làm hơn năng lực xử lý của mình. Nhiều nhiệm vụ nằm trong một vùng giữa khó xử: đáng làm, nhưng không đủ lớn để tuyển thêm một người. Vì thế chúng đơn giản là không được làm — cập nhật cho cổ đông bị đẩy lùi, nghiên cứu khách hàng tiềm năng vẫn hời hợt, các bước theo dõi sau cuộc gặp bị trượt. AI không chỉ làm công việc hiện tại của tôi nhanh hơn. Nó khiến những việc từng rơi qua kẽ hở thật sự được hoàn thành.
Và việc vượt qua vực sâu đó mở ra một cánh cửa tôi không ngờ: cánh cửa đi vào chính AI. Tôi dùng trò chuyện bằng giọng nói với AI khi đi bộ, trên taxi, giữa các cuộc họp — một ý tưởng tôi nói ra khi đang băng qua đường đã trở thành bản đặc tả khi tôi ngồi xuống. Nhờ làm việc với agent hằng ngày, tôi trực tiếp chạm vào tuyến đầu — chuyển đổi giữa các mô hình nền tảng (Claude, Gemini, Qwen, Kimi), xây dựng RAG pipeline, vật lộn với hệ thống bộ nhớ của agent. Không phải đọc về chúng. Mà dùng chúng. Nỗi lo bị tụt lại phía sau trong AI — cảm giác mọi lãnh đạo đang mang lúc này — biến mất. Không phải vì tôi biết mọi thứ, mà vì tôi có một thiết lập cho phép mình chạm vào mọi thứ.
Điều này có ý nghĩa gì nếu bạn điều hành một văn phòng gia đình?
Bạn không quản lý mã. Bạn quản lý tài sản nhiều thế hệ, các động lực gia đình phức tạp và dữ liệu nhạy cảm về quy định. Sự thận trọng của bạn với tự động hóa là có cơ sở — một chỉ dẫn sai có thể ảnh hưởng đến cách sắp xếp tài sản qua nhiều thế hệ, một vụ rò rỉ dữ liệu có thể phá hủy danh tiếng của gia đình. Nhưng thận trọng không đồng nghĩa với né tránh.
Công việc cốt lõi của một văn phòng gia đình, về gốc rễ, là: thu thập thông tin phân mảnh, tổng hợp hiểu biết, đưa ra phán đoán, thực thi, xác minh. Từ hợp nhất vị thế tài sản qua nhiều ngân hàng lưu ký, đến dự báo dòng tiền của quỹ PE, đến tùy chỉnh báo cáo cho từng thành viên gia đình — bao nhiêu phần trong đó là lắp ráp dữ liệu lặp đi lặp lại, và bao nhiêu phần là ra quyết định thật sự?
AI sẽ không quyết định phân bổ tài sản thay bạn hay bảo bạn nên tin nhà quản lý quỹ nào. Nhưng nó có thể đưa cho bạn một bức tranh danh mục hoàn chỉnh trên nhiều ngân hàng lưu ký mười lăm phút trước cuộc họp, và đánh dấu những điều khoản then chốt cùng yếu tố rủi ro bị chôn trong tài liệu thẩm định trước khi bạn uống xong ly cà phê. Ranh giới quan trọng nằm giữa xử lý thông tin có thể tự động hóa và phán đoán phải ở lại với con người. Khi bạn vẽ rõ ranh giới đó, bánh đà bắt đầu quay — và khoảng cách giữa những người đã vượt qua với những người chưa vượt qua sẽ nới rộng rất nhanh.
Phần không ai cảnh báo bạn
Đó là phiên bản màu hồng. Đây là phần còn lại.
Việc thiết lập hệ thống sẽ nuốt chửng bạn. Những nhiệm vụ tôi mô tả giờ tốn ít thời gian hơn. Nhưng xây dựng và duy trì hệ thống khiến chúng nhanh hơn lại là một công việc mới, diễn ra liên tục. Tôi đổi thời gian làm từng nhiệm vụ lấy thời gian xây hạ tầng — và với tôi, kết quả ròng rõ ràng là tích cực. Nhưng tôi có động lực, nền tảng kỹ thuật và thời gian để đốt vào việc đó. Với đa số người, điều này sẽ không đúng.
Thế giới không được xây cho agent. CAPTCHA, xác thực hai yếu tố, phiên đăng nhập hết hạn, PDF, bảng tính cũ, giới hạn tốc độ API được thiết kế cho tốc độ của con người — mỗi lần một agent đâm vào một bức tường như vậy, bạn là người phải tìm đường vòng. (Sự ma sát này cũng là một cơ hội khổng lồ — kể cả với những công ty như chúng tôi. Rào cản chính là mô hình kinh doanh.) Và các agent tự xây không phải sản phẩm hoàn chỉnh. Chúng là LEGO — bộ nhớ, báo cáo, điều phối nhiệm vụ, quyền truy cập, giám sát, xử lý lỗi, tích hợp công cụ — mỗi khối đều đòi hỏi quyết định, nhiều khối đòi hỏi phán đoán kỹ thuật. Việc đó không bao giờ kết thúc, vì các mô hình, API và công cụ nền tảng thay đổi chỉ sau vài tuần.
Dù những agent mới nhất hiểu tiếng Anh thông thường, bạn vẫn phải dẫn dắt và can thiệp khi lập luận của chúng đi chệch hướng.
Gần đây tôi bắt đầu xây một hệ thống bộ nhớ ba lớp cho OpenClaw: bộ nhớ thời gian thực, bộ nhớ hằng ngày, bộ nhớ hằng tuần. Nghe gọn gàng, đúng không? Tôi để Claude Code đọc một chồng bài nghiên cứu và thiết kế kiến trúc. Nó tạo ra một kế hoạch trông kỹ lưỡng và hoàn chỉnh. Tôi thở phào, nghĩ rằng việc này đã xong.
Nó không chạy.
Tôi nhờ một phiên Claude thứ hai rà soát kiến trúc. Nó tìm ra các vấn đề về cấu trúc. Tôi sửa. Nó lại hỏng. Tôi mở Codex — agent lập trình của OpenAI — để có thêm một cặp mắt mới. Nó phát hiện các trường hợp biên mới mà tôi đã bỏ sót. Sửa xong những điểm đó. Rồi OpenClaw phát hành một phiên bản mới, ghi đè lên đoạn mã tôi đã chỉnh sửa suốt nhiều ngày. Trở lại vạch xuất phát.
Phần phi lý nhất: Claude và Codex đôi khi đưa vào lỗi gõ chữ — không phải lỗi lập luận, chỉ là lỗi chính tả trong những chỉ dẫn chúng viết cho chính mình. Những lỗi tầm thường này làm thời gian săn lỗi của tôi tăng gấp đôi, vì bạn luôn giả định có thứ gì đó căn bản đang hỏng, rồi dành hàng giờ nhìn vào bức tranh lớn trước khi phát hiện một từ thiếu mất một chữ cái.
Bốn hoặc năm ngày của vòng lặp này: sửa, hỏng, sửa, hỏng — cảm giác như chạy tại chỗ. Cuối cùng, tôi phải kéo các phần quan trọng ra và tự rà soát từng dòng. Điều này xa với “tiết kiệm thời gian nhờ AI” đến mức không thể xa hơn.
Hệ thống bộ nhớ giờ đã hoạt động, có lẽ trong tám mươi đến chín mươi phần trăm thời gian. Bộ nhớ thời gian thực vẫn thỉnh thoảng ném lỗi, nhưng ít nhất các agent đã ghi lại đủ lịch sử tự sửa của chính chúng để tôi truy vết điều gì đã sai. Vẫn còn lỗi không? Có. Tôi có khá tự tin rằng ba lớp đang trụ được không? Phần lớn là có. Cầu may vậy.
Công cụ chưa bao giờ dễ tiếp cận hơn. Phán đoán cần để dùng chúng cho tốt chưa bao giờ khan hiếm hơn.
Claude Code đang hoạt động — “làm việc với AI” thật sự trông như thế nào
Rồi còn chuyện nó làm gì với bạn. Trong khoảng hai tuần, tôi thật sự thấy ngộp thở. Các agent liên tục xin quyền, hỏi tôi ra quyết định, tạo ra đầu ra nhanh hơn tốc độ tôi có thể rà soát. Tôi làm việc đến 2-3 giờ sáng mỗi đêm — không phải vì phải làm, mà vì tôi không thể dừng. Tôi bắt đầu gọi nó là giới hạn tốc độ token của con người: nút thắt trong hệ thống không còn là máy. Đó là bạn.
Và nó móc bạn vào. Các nhà nghiên cứu phát hiện bản chất không xác định của phản hồi AI kích hoạt các đường dẫn dopamine tương tự máy đánh bạc — phần thưởng biến thiên khiến bạn tiếp tục với tay tới cú kích thích tiếp theo. Một nghiên cứu HBR trong tháng này xác nhận mô hình đó: “Các công cụ AI không giảm bớt công việc — chúng liên tục làm công việc tăng cường độ.”
Có một cảnh trong The Matrix khi Neo tỉnh dậy và nhận ra mình đã bị cắm vào một hệ thống, tạo ra sản lượng mà anh từng nghĩ là cuộc đời của chính mình. Sự so sánh không hoàn toàn chính xác, nhưng cảm giác thì quen thuộc đến khó chịu. Nhà tham vấn của tôi nói đơn giản hơn: “Anh nói với tôi AI lẽ ra phải giải phóng thời gian cho anh. Vậy tại sao anh lại căng thẳng hơn trước?”
Tôi nghi đây là một trong những câu hỏi hiện sinh của làn sóng AI — không phải công nghệ có hoạt động hay không, mà là nó làm gì với những người dùng nó giỏi nhất. Điều này lớn hơn trải nghiệm cá nhân của tôi. Tôi vẫn đang tìm cách sống bên trong nó. Nếu bạn đi xuống con đường này, bạn cũng sẽ phải tự tìm ra.
Nếu bạn bắt đầu bây giờ
Nếu bạn cảm thấy AI còn nhiều hơn những gì bạn đang nhận được từ nó, bạn đúng. Điều tôi đã không nhận ra là AI đã tự thu hẹp khoảng cách từ phía của nó — công cụ đã tốt lên quá nhiều, quá nhanh, đến mức bạn có thể chỉ còn cách một bước chuyển về chất mà không hề biết. Chọn một nhiệm vụ bạn thật sự quan tâm. Cho AI ngữ cảnh thật. Để niềm tin được xây dần từ đó. Sự hoài nghi sẽ không biến mất — nó chỉ đổi hình dạng — và khoản học phí vẫn tiếp tục được thu. Nhưng lợi ích là có thật.
Ranh giới giữa trò chuyện với AI và làm việc cùng AI đang rộng ra. Angelo Robles, người đã làm việc với hơn một trăm gia đình tỷ phú, nói thẳng: “Điều trước đây cần hai mươi nhân viên, giờ chỉ cần một hoặc hai người với AI.” Tôi đã vượt qua hai tháng trước. Việc đó lộn xộn, kiệt sức và còn dang dở — tôi suýt làm mình kiệt quệ. Tôi không viết bài này từ đỉnh núi. Tôi viết từ giữa sườn dốc, khi vẫn đang hụt hơi.
Nhưng tôi sẽ không quay lại.
Trong vài bài tiếp theo, tôi sẽ đi sâu hơn — dữ liệu cứng về các agent AI, cách đội ngũ của tôi dùng những công cụ này hằng ngày, và cách chúng tôi đang suy nghĩ lại sản phẩm của Canopy tại giao điểm giữa AI và quản lý tài sản. Nhưng nếu chỉ lấy một điều từ bài này: vực sâu đó có thể vượt qua. Nó bắt đầu bằng một nhiệm vụ.
Mu Chen là CEO của Canopy, phục vụ hơn 60 văn phòng gia đình và khách hàng UHNW trên toàn cầu, theo dõi hơn USD 90 tỷ tài sản. Ông cũng là giảng viên khách mời tại Tsinghua PBCSF. Ông viết về giao điểm tuyến đầu giữa AI và quản lý tài sản tại Amongst Families.
[1] M. Karen Shen & Dongwook Yoon, “The Dark Addiction Patterns of Current AI Chatbot Interfaces”, CHI 2025
[2] Aruna Ranganathan & Xingqi Maggie Ye, “AI Doesn’t Reduce Work — It Intensifies It”, Harvard Business Review, February 2026
[3] Angelo Robles, Family Office Association
