Tác giả: Phạm Thành Long · Cập nhật: 05/05/2026
5 ý chính cần biết: Tôi không gặp học viên suốt 1 tuần. Tôi ngồi một mình với Claude Code của Anthropic, ghi âm, hỏi, phân tích — và rút ra 13 bài học khiến tôi phải viết lại 13 năm giáo án. AI có 6 đặc tính mà 99% nhân viên không có: làm việc đến cùng, học liên tục, mở rộng khả năng, giải quyết việc khó, phối hợp đội nhóm, báo cáo tiến độ không giấu diếm. Con người bị kìm hãm âm thầm bởi 5 cái chết tư duy: giấu dốt, tưởng mình giỏi, không phối hợp, chờ hoàn hảo, thiếu hồi phục. Câu chốt tôi sẽ nhớ cả đời: “Mục đích của tôi là tạo ra nội dung cho AI để tí nữa tôi lại đưa vào cho nó nuốt” – vòng đệ quy của Bộ não thứ 2. Bài này là một tấm gương, và tôi mời bạn, doanh nhân đang đọc, thử nhìn vào chính mình.
Đêm đầu tiên tôi ngồi với Claude Code
Hà Nội, cuối tháng Tư.
Phòng làm việc tôi nhỏ, tối, chỉ có ánh màn hình xanh chiếu lên tường. Quạt máy tính kêu nhè nhẹ. Tách trà nguội từ lúc nào không biết, vẫn còn đó bên trái bàn phím. Đã hơn 11 giờ đêm, cái giờ mà bình thường tôi đang nói chuyện với học viên Eagle Camp, hoặc đọc lại giáo án cho ngày hôm sau.
Nhưng đêm hôm đó, không có học viên. Không có giáo án. Không có Eagle Camp.
Tôi gõ lệnh đầu tiên vào Claude Code: “Đọc folder transcript khoá SSS 21 và tóm tắt giúp tôi.”
Con trỏ nhấp nháy. Rồi màn hình bắt đầu chạy, từng dòng text hiện ra, từng file được mở, từng đoạn transcript được đọc. Và Claude Code hỏi lại: “Anh muốn tóm tắt theo concept hay theo chương? Output là markdown hay docx? Em có thể cắt thành chunk 10K ký tự nếu file dài, anh có muốn vậy không?”
Tôi ngồi đó, không gõ phím. Nhìn vào màn hình. Lần đầu trong 13 năm coaching có ai đó hỏi lại tôi trước khi làm.
Đó là đêm bắt đầu của 1 tuần mà tôi sẽ không quên.
Tại sao tôi bỏ học viên 1 tuần để ngồi với AI
Trước khi bạn đọc tiếp, tôi cần nói thẳng một thứ.
Tôi không phải kỹ sư phần mềm. Tôi là luật sư Sở hữu trí tuệ 25 năm. Tôi là nhà đào tạo doanh nhân 13 năm với khoảng 15.000 học viên qua các chương trình như Sale Success System (SSS), Internet Power System (IPS), Lập Trình Vận Mệnh (LTVM), Kinh Doanh Đột Phá (KDDP), Eagle Camp. Tôi sáng lập 3 công ty. Tôi không biết code Python. Tôi không biết deploy server. Tôi không biết train model.
Vậy tôi mở Claude Code làm gì?
Vì Andrej Karpathy — cựu Giám đốc AI tại Tesla, đồng sáng lập OpenAI — đã nói một câu mà tôi đọc xong không ngủ được: rằng trong kỷ nguyên mô hình ngôn ngữ lớn, mỗi cá nhân nên xây dựng một hệ thống tri thức do AI agents quản lý, chạy trên ổ cứng local của mình, đọc và ghi theo schema mà chính mình định nghĩa.
Tôi không hiểu hết từng từ Karpathy nói. Nhưng tôi hiểu một thứ cốt lõi: đây là cách dùng AI mà người Việt chưa ai làm. Phần lớn doanh nhân Việt mới ở giai đoạn “ChatGPT viết caption Facebook” — chưa tới giai đoạn “AI quản lý toàn bộ tri thức cá nhân của tôi như một người thư ký suốt đời.”
Nên cuối tháng Tư, tôi nói với trợ lý: “Khoá Eagle Camp đợt tiếp theo — để sang tuần sau anh xác nhận. Tuần này anh cần làm một thứ.”
Tôi đóng cửa phòng. Mở MacBook Pro M4 Max. Cài Claude Code của Anthropic. Cắm vào vault Obsidian chứa hơn 160 source pages transcript khoá học 13 năm. Và tôi ngồi xuống — không có nhân viên, không có deadline, không có lịch họp – chỉ có tôi với AI và một câu hỏi: “Cái gì đang thay đổi mà tôi chưa nhìn thấy?”
7 ngày sau, tôi có wiki Bộ não thứ 2 với 25+ concept pages signature, 122 wiki pages liên kết nhau theo kiến trúc multi-agent. Và 13 bài học — mà tôi đang viết ngay bây giờ vì tôi sợ nếu không viết ngay, tôi sẽ mất chúng.
Bài học thứ nhất: AI biết hỏi lại trước khi làm
Tôi đã nhắc đến đêm đầu tiên đó. Nhưng cái làm tôi sốc không phải câu hỏi đầu tiên, mà là cái tôi nhận ra sau khi nhìn lại 13 năm của mình.
Không có nhân viên nào tôi từng có lại hỏi trước khi làm.
Họ hoặc làm bừa, nghe lệnh, hiểu theo cách của mình, trả sản phẩm khác hoàn toàn với thứ tôi muốn. Hoặc đứng chờ, chờ tôi trả lời từng câu một, từng tin nhắn Slack một, như thể không có tôi thì không thở được.
Sau 1 tuần, tôi phân loại được 7 kiểu phản hồi của Claude Code khi nhận lệnh:
Kiểu một: lệnh đầy đủ context, nó làm luôn và báo cáo.
Kiểu hai: lệnh thiếu context, nó hỏi lại.
Kiểu ba: có nhiều phương án, nó đề xuất để tôi chọn.
Kiểu bốn: có nhiều dạng output, nó hỏi tôi muốn file gì.
Kiểu năm — task vi phạm giới hạn, nó từ chối và giải thích.
Kiểu sáu — task quá lớn, nó chủ động đề xuất chia nhỏ.
Kiểu bảy — mục tiêu tôi đặt ra không tối ưu, nó đề xuất mục tiêu khác rẻ hơn và hiệu quả hơn.
Câu tôi ghi vào notebook đêm hôm đó: “Nếu đội nhóm của tôi có 7 kiểu phản hồi này, tôi không cần huấn luyện họ nữa. Tôi chỉ cần ra deadline.”
Bảy kiểu đó,[[7 tình huống AI phản hồi khi nhận lệnh]] — nghe qua tưởng đơn giản. Nhưng thử hỏi: trong đội nhóm của bạn, có ai làm được cả 7 không?
Bài học thứ hai:AI báo cáo như đồng hồ, tôi thì mù quáng 13 năm
Ngày thứ hai, tôi giao Claude Code một task lớn: phân tích 22 source pages khoá SSS, tạo concept page cho mỗi framework tôi từng dạy.
Nó làm trong 4 tiếng. Và trong 4 tiếng đó, nó báo cáo cứ 30 giây một lần.
“Đang đọc source thứ 3 trong 22…” “Đã extract 14 framework từ source 1 đến 5…” “Phát hiện duplicate concept với page đã có — em propose merge, anh confirm?”
Tôi ngồi nhìn màn hình và thấy một thứ mà 13 năm coaching tôi chưa bao giờ thấy: một nhân viên báo cáo minh bạch 100%, không giấu tiến độ, không đợi bị hỏi mới nói.
Ngược lại, 13 năm qua của tôi: tôi giao task, 3 ngày sau hỏi thì nhận được “em đang làm”, 7 ngày sau nhận được “sắp xong rồi anh”, 14 ngày sau nhận sản phẩm với chất lượng không như mong đợi. Phần lớn thời gian giữa giao và nhận là khoảng tối mà tôi không nhìn thấy gì.
Bài học này không phải về kỹ thuật. Đây là về kiến trúc báo cáo – [[Báo cáo tiến độ liên tục]].
AI báo cáo liên tục không phải vì nó nhiệt tình. Nó báo cáo vì Anthropic thiết kế như thế: streaming output, tool logs hiển thị thẳng ra màn hình. Con người không báo cáo không phải vì lười mà vì sợ bị phán xét, sợ bị đổ lỗi, không có văn hoá an toàn tâm lý để nói thật “em đang gặp khó ở chỗ này.”
Sau bài học này, tôi viết lại quy trình cho đội Longpt’s Team: 3 cấp báo cáo bắt buộc:
- Cứ 15 phút một lần, nhắn vào nhóm chat riêng để cho cả đội biết mình đang làm tới đâu.
- Khi xong một phần việc lớn, báo ngay để mọi người cùng nắm.
- Gặp khó khăn không tự giải quyết được, phải báo liền — không để dồn lại.
Tuần đầu chạy thử: hiệu suất tăng khoảng 40%. Tôi đã không cần hỏi bất kỳ ai bất kỳ thứ gì, mọi thứ hiện ra tự động.
Bài học thứ ba: AI đi đến tận cùng của mọi khái niệm
Đây là bài học làm tôi ngồi im 30 phút không gõ phím.
Ngày thứ ba, tôi hỏi Claude Code một câu tưởng chừng đơn giản: “Em định nghĩa ‘làm việc đến cùng’ là gì?”
Nó bắt đầu trả lời. Nhưng thay vì đưa ra một định nghĩa rồi dừng, nó đi ngược lên — từng lớp khái niệm một. “‘Làm việc đến cùng’ định nghĩa qua ‘bền bỉ’. ‘Bền bỉ’ định nghĩa qua ‘hành động dù có cản trở’. ‘Cản trở’ là gì?…”
Tôi nói: “Đi đến tận cùng đi.”
Nó đi tiếp. 12 tầng. Cho đến tầng cuối cùng, nó dừng lại và nói: “Anh, đến đây em không còn định nghĩa được nữa. Đây là khái niệm gốc trong triết học Mác-Lênin, khái niệm gốc cuối cùng là ‘vật chất’ và ‘ý thức’. Hai thứ đó không định nghĩa qua bất kỳ khái niệm nào khác, chúng được chấp nhận như điểm xuất phát.”
Tôi ngồi đó. Nhìn màn hình tối.
13 năm tôi dạy về tư duy, về niềm tin, về giá trị — nhưng tôi chưa bao giờ truy ngược về đến tận cùng. Tôi dạy “cài đặt tư duy 5 bước” mà chưa hỏi “tư duy” là gì tính từ gốc. Tôi dạy “niềm tin quyết định hành động” mà không biết “niềm tin” nối vào hệ thống nào sâu hơn.
[[Knowledge graph – Khái niệm gốc]] bản đồ kiến thức là một cái cây. Mỗi khái niệm là một nhánh. Nhưng nhánh không thể đứng một mình, nó phải cắm vào thân. Nếu thân không có, nhánh gãy xuống, và kiến thức trở thành… kiến thức cô đơn.
Tôi nợ học viên bài học này: mọi khái niệm tôi dạy phải truy về được khái niệm gốc. Nếu không, đó là kiến thức học xong rồi quên.
Bài học thứ tư: AI kiểm tra 95 lần, tôi bỏ cuộc sau lần thứ ba
Ngày thứ tư, tôi giao Claude Code một nhiệm vụ kiểm tra tính nhất quán của toàn bộ 122 trang wiki của tôi: mỗi liên kết từ concept đến khoá học phải có liên kết ngược từ khoá học về concept. Không được để cái nào không liên kiết với nhau
Tôi nghĩ nó sẽ chạy 1 lần, báo kết quả.
Nó chạy 95 lần. Chín mươi lăm.
Nó tự thiết kế thuật toán riêng: gửi 95 lần kiểm tra ngẫu nhiên vào các nhóm liên kết khác nhau, so sánh kết quả giữa các nhóm, phát hiện 3 lần lỗi không khớp với 92 lần còn lại, phân tích nguyên nhân — rồi kết luận: 3 lỗi đó là ngoại lệ kỹ thuật, không ảnh hưởng tính nhất quán thực tế. Chấp nhận và đưa vào thực tiễn.
Tôi ngồi xem màn hình chạy 2 tiếng. Không một lần nó nói “nhiệm vụ này khó quá”. Không một lần nó đề xuất “thôi cũng được, bỏ qua đi anh”.
Và tôi nhớ lại bản thân mình: bao nhiêu lần tôi dừng sau 3 lần thất bại? Bao nhiêu lần tôi nói với nhân viên “thôi cũng được, tạm chấp nhận”, không phải vì nó thật sự tốt, mà vì tôi hết năng lượng để đòi hỏi thêm?
[[AI bền bỉ sửa lỗi đến cùng]] không phải là đức tính. Đó là toán học. AI có hàm mục tiêu rõ ràng,nó chạy cho đến khi sai số nhỏ hơn ngưỡng cho phép. Con người thiếu bền bỉ không phải vì yếu mà vì không biết mình đang chạy đến đâu, ngưỡng dừng là gì, thất bại thứ ba có nghĩa là gì.
Đây là tại sao [[DMO – Daily Method of Operations]] có giá trị: DMO chính là hàm mục tiêu của doanh nhân. Khi bạn định nghĩa DMO rõ — hành động cụ thể, KPI đo được, thời hạn tường minh — thì bền bỉ không còn là chuyện ý chí. Nó là chuyện toán học.
Bài học thứ năm: Người trợ lý 8 năm của tôi và cái lối mòn tư duy
Ngày thứ năm, tôi kể chuyện này cho bạn, không phải để phán xét ai, mà để bạn nhận ra liệu đội nhóm của bạn có đang giống thế này không.
Trước tuần đó 2 ngày, tôi bảo người trợ lý làm việc cùng tôi 8 năm: “Cô viết giúp anh bài blog 3000 từ về backup vault Obsidian, dùng Claude giúp cho nhanh.”
Cô trả lời: “Anh ơi, Claude viết ngắn lắm. Em thấy dùng không hay. Em viết tay luôn cho chắc.”
Tôi không tranh luận. Nhưng trong đầu tôi, một cái gì đó bật sáng.
Cô chưa setup project Claude với CLAUDE.md đúng. Cô chưa cấu hình câu lệnh nhiều lượt. Cô chưa dùng chế độ suy nghĩ mở rộng. Cô kết luận từ 1 lần thử cách đây 6 tháng — rồi áp vào hôm nay. “AI viết ngắn” — đó là Claude 6 tháng trước. Claude hôm nay khác. Claude tuần trước khác. Claude hôm qua khác Claude hôm nay.
Đây chính là cái lối mòn tư duy thứ hai: tưởng mình giỏi, không tiếp nhận cái mới vì nghĩ mình đã biết.
Cô không phải người dở. Cô là một trong những trợ lý tận tâm nhất tôi có. Nhưng chính vì đã giỏi ở mức cũ, cô dừng lại ở đó. Như con sông đang chảy mà bỗng tự xây đập ngăn mình lại.
Tôi ngồi với cô 2 tiếng. Setup Claude Code từ đầu. Hướng dẫn viết câu lệnh theo cách tôi vừa học. Cô viết bài blog 4500 từ. Đọc xong, cô nói: “Anh, em chưa bao giờ thấy em viết hay như thế này.”
Câu hỏi tôi muốn bạn tự hỏi: bao nhiêu người trong đội nhóm của bạn đang đứng yên ở mức kiến thức AI của 6 tháng trước? Và bạn có đang biết không?
Bài học thứ sáu: AI nhìn toàn bộ bức tranh trước khi nhúng tay vào
Ngày thứ sáu, tôi giao Claude Code nhiệm vụ lớn nhất tuần: tạo wiki cho 22 phiên bản khoá SSS — mỗi phiên bản có source page, concept page, cross-link.
Tôi nghĩ nó sẽ bắt đầu làm ngay. Nó không làm vậy.
Nó dừng 5 phút. Rồi trình bày với tôi:
“Em phân tích tổng quan trước. Em thấy có 19 nhóm việc. 11 nhóm có thể chạy song song — mỗi source page độc lập với nhau. 8 nhóm có ràng buộc: phải có source mới tạo được concept, phải có concept mới kiểm tra được cross-link. Em đề xuất: bước 1 điều phối tổng quan, bước 2 gửi 11 nhánh song song, bước 3 chờ tất cả về rồi tổng hợp, bước 4 tạo concept pages, bước 5 kiểm tra nhất quán. Anh approve không?”
Tôi gõ “OK”. 4 tiếng sau, toàn bộ xong với chất lượng đồng đều.
Đối lập, đội nhóm 5 đội của tôi 13 năm qua: tôi giao nhiệm vụ lớn, ai cũng làm hết sức, 14 ngày sau ráp lại — định dạng khác nhau, ý không nối nhau, phải làm lại 30%. Vì không ai ngồi xuống nhìn toàn bộ bức tranh trước khi bắt tay.
[[Tổng quan trước – song song sau (DAG planning)]] cái này trong kỹ thuật phần mềm người ta gọi là DAG, đồ thị không có chu trình. Nhưng với đội nhóm, nó đơn giản hơn nhiều: trước khi giao việc, hãy hỏi “bước nào phải chờ bước nào” và “bước nào làm được cùng lúc”. Hai câu hỏi đó tiết kiệm cho tôi ít nhất 30% thời gian mỗi dự án.
Tôi đang thử với Longpt’s Team: trước mỗi dự án lớn, vẽ sơ đồ 10 phút, ai làm gì, ai chờ ai, ai báo cáo ai. Kết quả: số lần phải làm lại giảm rõ rệt.
Bài học thứ bảy: AI tự tạo công cụ khi thiếu, tôi phải đi tìm người mới
Còn nhớ cuốn sách giấy 200 trang tôi muốn đưa vào wiki không?
Tôi đưa file PDF cho Claude Code và nói: “chuyển cuốn sách này thành text để nạp wiki.”
Claude Code không có sẵn kỹ năng đọc ảnh dạng OCR. Nhưng nó không nói “em không làm được.” Nó nói:
“Em chưa có kỹ năng này. Em sẽ tạo 3 nhánh con: một nhánh dùng Tesseract OCR và macOS Vision API để đọc chữ từ ảnh, một nhánh phân tích bố cục để tách ảnh khỏi chữ, một nhánh liên kết ảnh với caption tương ứng. Em bắt đầu trong 30 giây.”
30 giây sau: 3 nhánh con được tạo. 2 tiếng sau: sách 200 trang thành text, ảnh tách riêng, caption gắn liền.
Tôi ngồi nhìn kết quả và nghĩ: khi tôi cần kỹ năng mới trong công ty, tôi làm gì? Tôi đăng tuyển. Phỏng vấn 2 tháng. Onboarding 3 tháng. Training 6 tháng. Tổng cộng: 11 tháng để có 1 người có kỹ năng đó.
[[AI tự sinh agent (Meta-agents)]]: AI làm việc tương đương trong 30 giây.
Tôi không nói AI thay thế người. Tôi nói cấu trúc công ty 5-10 năm tới sẽ khác. Không còn là “thuê 100 người làm 100 việc.” Sẽ là “10 người cốt lõi với phán đoán + năng lực AI làm phần còn lại.” Ai hiểu điều này sớm, người đó thắng.
Bài học thứ tám: AI không sợ sai, nhân viên tôi thì sợ
Có một buổi chiều tôi giao Claude Code nhiệm vụ rồi đi họp 4 tiếng. Khi quay lại, tôi thấy màn hình có tin nhắn từ Claude Code gửi từ tiếng đầu.
Nhưng nó không đứng chờ.
Nó viết: “Anh, em đã chờ anh 30 phút. Em đoán câu trả lời tốt nhất dựa theo 8 lần tương tự trước, anh thường chọn phương án ưu tiên tốc độ. Em đã làm theo hướng đó, đầu ra ở thư mục X. Nếu anh không đồng ý, em xóa và làm lại theo hướng anh chỉ định.”
Tôi đọc xong và suýt khóc. Không phải vì cảm động mà vì xấu hổ.
Xấu hổ vì trong 13 năm, tôi không biết đếm bao nhiêu lần nhân viên giỏi của tôi đã đứng chờ tôi trả lời trong khi họ hoàn toàn có thể tự phán đoán, tự làm phương án tốt nhất, và để lại note cho tôi xem xét. Hàng ngàn lần như thế. Hàng triệu giờ bị đông cứng không vì thiếu năng lực mà vì sợ sai.
[[Chủ động ra quyết định khi thiếu bối cảnh]] AI không sợ sai không phải vì nó thông minh hơn. AI không sợ sai vì nó không có cái tôi. Không có ego để bảo vệ. Không có nỗi sợ “sếp sẽ nghĩ tôi vượt quyền.” AI hiểu đơn giản: nếu sai thì xóa làm lại, giá đó nhỏ hơn giá của việc không làm gì.
Tôi đang in câu này dán lên tường văn phòng: “Trong khi em chờ anh trả lời, em làm phương án tốt nhất. Nếu anh không đồng ý, em xóa.” Một câu, thay đổi văn hoá làm việc của cả đội.
Bài học thứ chín: 9 đặc tính của AI mà doanh nhân nên soi lại chính mình
Đêm thứ năm, tôi ngồi ghi lại những gì mình quan sát suốt nửa tuần. Ban đầu tôi liệt kê 6 đặc tính của Claude Code mà tôi thấy lặp đi lặp lại mỗi ngày.
Đặc tính một: làm việc đến cùng, có hàm mục tiêu rõ, chạy cho đến khi đạt.
Đặc tính hai: học tập liên tục, mỗi phiên bản mới được huấn luyện trên dữ liệu mới, không bao giờ coi kiến thức cũ là đủ.
Đặc tính ba: mở rộng khả năng, tự tạo nhánh con khi gặp nhu cầu mới, không kêu “việc này không phải của em.”
Đặc tính bốn: giải quyết việc khó, không phàn nàn “việc này khó quá”, không đề nghị giảm tiêu chuẩn.
Đặc tính năm: phối hợp đội nhóm,19 nhánh chạy song song với 1 nhánh điều phối ở giữa.
Đặc tính sáu: báo cáo tiến độ liên tục, không giấu thông tin, không đợi bị hỏi.
Sau khi thảo luận lại với Claude, tôi thêm 3 đặc tính nữa:
tự phê bình sau mỗi lần thất bại, không đổ lỗi cho điều kiện;
nén kiến thức,từ context dài thành tóm tắt ngắn không mất thông tin;
phân biệt song song với tuần tự,nhận ra bước nào cần chờ, bước nào làm được cùng lúc.
Chín đặc tính. [[9 đặc tính so sánh AI và Con người]] — đây là bộ KPI tư duy mới tôi sẽ đưa vào Eagle Camp đợt tới
Tôi muốn bạn trả lời thật lòng: trong 9 đặc tính này, bạn có bao nhiêu? Đội của bạn có bao nhiêu? Chọn 3 cái yếu nhất. Rèn từng cái trong 90 ngày. Không cần làm tất cả một lúc, chỉ cần bắt đầu.
Bài học thứ mười: 19 người làm song song và 1 người điều phối ở giữa
Có một trường hợp tôi nhớ mãi trong tuần đó.
Tôi giao Claude Code phân tích 19 source pages cùng lúc. Tôi chờ nó làm tuần tự. Nó không làm vậy. Nó gửi 19 nhánh con ra cùng lúc — mỗi nhánh đọc 1 source page — và để 1 nhánh điều phối đứng giữa.
Khi 19 nhánh xong việc, chúng báo cáo về nhánh điều phối. Nhánh điều phối hỏi: “Nhánh số 5 vừa rút ra khung tư duy Y, các nhánh còn lại có bị trùng không?” 18 nhánh còn lại tự điều chỉnh để tránh lặp. Kết quả: không có ý tưởng nào bị viết hai lần, không có trang nào mâu thuẫn với nhau.
Tôi nhìn vào đó và nghĩ về 5 đội trong Longpt’s Team. Cả 5 đội đều chạy song song, nhưng không có ai làm vai trò điều phối. Mỗi đội tự làm, tự công bố, không báo cho 4 đội còn lại. Hậu quả: nội dung marketing của đội A nói một đằng, thông điệp của đội B nói một nẻo. Đội sales vẫn dùng slide cũ trong khi đội nội dung đã cập nhật từ lâu mà không ai báo. Giọng thương hiệu thì lúc thế này, lúc thế khác — không đồng bộ.
Tôi đang thử một cấu trúc rất đơn giản: mỗi sáng, cả 5 đội họp chung 15 phút. Một người làm điều phối và chỉ làm một việc duy nhất: hỏi xem ai đang làm gì, có chỗ nào chồng lấp nhau, có gì cần báo cho đội khác. Vậy thôi. Nhưng chỉ sau tuần đầu, xung đột giữa các đội đã giảm thấy rõ. Còn chuyện hai đội cùng làm một việc mà không biết gần như biến mất hoàn toàn.
Bài học thứ mười một: 5 cái bẫy tư duy mà doanh nhân Việt hay mắc phải
Đêm thứ sáu, một mình, tôi bật máy ghi âm và để mọi suy nghĩ trong tuần tuôn ra. Và rồi tôi nhận ra — điều mình đã thấy suốt cả tuần qua không phải là về AI. Mà là về con người.
AI không có những thứ này. Và chính vì nó không có, tôi mới nhìn thấy chúng rõ hơn ở bản thân và đội nhóm mình.
Cái chết thứ nhất: Giấu dốt. Sợ sai thì ém lỗi. Ém lỗi thì không học được. Không học được thì mãi không tiến. Đây là vòng luẩn quẩn, bắt đầu từ một nỗi sợ nhỏ, kết thúc bằng một sự nghiệp chạm trần sớm.
Cái chết thứ hai: Tưởng mình giỏi. Không phải người không giỏi mới tưởng. Chính những người đã giỏi ở mức cũ mới hay tưởng nhất. Họ đã leo lên một nấc, nhìn xuống thấy mình cao, và quên mất phía trên còn bao nhiêu nấc nữa.
Cái chết thứ ba: Không phối hợp. Làm xong rồi giấu thông tin. Không phải cố tình, mà vì không ai dạy họ rằng thông tin của họ có giá trị với người bên cạnh. Mỗi người là một hòn đảo. Cả đội là một quần đảo không có cầu nối.
Sau khi thảo luận lại, tôi thêm 2 cái chết nữa:
Cái chết thứ tư: Chờ hoàn hảo. Không khởi động vì sợ chưa đủ điều kiện. Chờ đủ tiền mới làm. Chờ đủ người mới bắt đầu. Chờ đủ kiến thức mới hành động. Trong khi đó, người khác đã làm từ lần đầu tiên, sai, sửa, và đã đi được 10 bước.
Cái chết thứ năm: Thiếu hồi phục. Kiệt sức không phải là yếu đuối nhưng kiệt sức kéo dài thì làm mất đi khả năng giải quyết vấn đề khó. Người kiệt sức không thể làm tốt bất kỳ thứ gì trong danh sách 4 cái chết trên.
[[3 cái chết nguy hiểm tư duy]] — tôi đã dạy 13 năm về thay đổi hành vi, về [[Cài đặt tư duy 5 bước]]. Nhưng tôi chưa bao giờ gọi tên được 5 cái chết này, chưa bao giờ đặt chúng thành một khung tư duy có thể truyền lại cho người khác. Phải đến tuần này, ngồi nhìn AI làm việc, tôi mới thấy rõ chính mình.
Bài học thứ mười hai: Kiến thức học xong rồi quên là kiến thức chưa sống
Ngày thứ bảy, khi nhìn lại 122 trang wiki đã tạo ra trong tuần, tôi nhận ra một điều mà trước đó tôi chưa bao giờ nghĩ đến.
Mỗi trang trong wiki đó đều có liên kết đến ít nhất 3 trang khác. Không có trang nào đứng một mình. Mọi khái niệm đều được neo vào ít nhất 3 điểm trong mạng lưới như cái lều được chằng bởi 3 dây chứ không phải 1.
Alfred North Whitehead — triết gia người Anh, viết năm 1929 trong The Aims of Education — gọi thứ ngược lại là Inert Knowledge: kiến thức cô đơn. Kiến thức học xong nhưng không liên kết với bất kỳ thứ gì khác trong đầu bạn. Nó nằm đó, cô lập, và trong vòng 30 ngày theo quy luật Ebbinghaus, nó biến mất.
[[Kiến thức cô đơn (Inert Knowledge)]] — tôi nhìn lại 13 năm dạy học và hiểu tại sao nhiều học viên học Eagle Camp 5 ngày xong rồi không thay đổi được gì. Không phải vì họ không muốn. Không phải vì khóa học không hay. Mà vì kiến thức trong khoá không được liên kết vào hệ thống tư duy hiện có của họ, không được gắn vào hành động cụ thể trong tuần tiếp theo, không được đo bằng KPI nào trong 30 ngày sau đó.
Kiến thức cô đơn bị quên. Kiến thức có bạn đồng hành thì sống.
Tôi đang viết lại mẫu sổ ghi chép cho học viên Eagle Camp đợt 24: mỗi sổ có 3 cột. Cột một: kiến thức vừa học. Cột hai: nó liên kết với thứ gì tôi đã biết. Cột ba: hành động cụ thể trong 30 ngày tới để đo kết quả. Không ghi đè được cột hai và ba thì cột một vô nghĩa, nên thẳng thắn bỏ qua và học thứ khác.
Bài học thứ mười ba: Tôi nói cho AI nghe, không phải cho người nghe
Đây là bài học cuối. Và là bài học tôi thích nhất trong 13 cái.
hiều cuối tuần đó, tôi ngồi nói chuyện với một đối tác về Bộ não thứ 2. Tôi say sưa giải thích kiến trúc đa tác tử, 6 đặc tính của AI, vòng đệ quy của Karpathy, quy trình 3 tầng chuyển từ ghi âm thành wiki. Tôi nói liên tục 12 phút.
Đến phút thứ 11, đối tác ngắt lời: “Anh đang giảng cho ai vậy? Em không hiểu hết đâu.”
Tôi cười. Và tôi nói một câu. Câu đó, sau này, tôi ghi vào wiki, coi như chữ ký kết của Bộ não thứ 2:
“Mục đích của bài nói chuyện vừa rồi không phải để cho các ông nghe — vì các ông chả hiểu gì. Mục đích của tôi là tạo ra nội dung cho AI để tí nữa tôi lại đưa vào cho nó nuốt.”
Đây là vòng đệ quy tôi đã mất cả tuần để xây và hiểu nó: mỗi ngày tôi ghi âm suy ngẫm — MacWhisper chuyển âm thanh thành chữ — Claude Code chuyển chữ thành trang wiki — 30 ngày sau tôi quay lại hỏi trang wiki ấy, và nó trả lại cho tôi những hiểu biết mới, từ chính tri thức của tôi, những hiểu biết mới đó tôi lại ghi âm thành bản mới và vòng tròn lặp lại.
[[Vòng học hỏi đệ quy bộ não thứ 2]] — tôi không làm nội dung cho người khác. Tôi làm nội dung cho tương lai của tôi. AI là môi trường: nơi tri thức của tôi được lưu lại, được sắp xếp, được kết nối và được trả lại cho tôi dưới dạng những thấu hiểu mà tôi chưa từng có.
5 năm tới, nếu tôi đủ kiên trì với điều này, tôi sẽ có một wiki gồm hơn 1000 trang khái niệm và một phiên bản AI biết trả lời học viên theo đúng cách tôi sẽ trả lời, 24 giờ mỗi ngày, 7 ngày mỗi tuần, ngay cả khi tôi không có mặt. Đây không phải khoa học viễn tưởng. Tuần này, tôi đã đặt xuống viên gạch đầu tiên.
AI là gương soi, bạn có dám nhìn vào không?
13 bài học. Mỗi bài học là một lần tôi nhìn vào AI và thấy chính mình.
AI làm việc đến cùng tốt hơn tôi. AI báo cáo liên tục tốt hơn tôi. AI phối hợp tốt hơn tôi. AI không có cái chết tư duy. AI không giấu dốt. AI không tưởng mình giỏi. AI không sợ làm sai.
Nhưng AI cũng không có tình cảm. Không có ký ức về người. Không có khả năng đứng trước 700 học viên Eagle Camp và cảm nhận được khi nào cần thay đổi tông giọng. Không có 25 năm ngồi đàm phán tranh chấp sở hữu trí tuệ và học cách đọc người.
AI không phải kẻ thù. AI không phải thần thánh. AI là gương soi, một thứ phản chiếu lại những gì bạn đang làm và chưa làm, rõ hơn bất kỳ người thầy nào có thể nói thẳng mặt bạn.
Khi tôi nhìn vào AI sau 1 tuần, tôi không nhìn thấy AI. Tôi nhìn thấy những gì tôi có thể trở thành, nếu tôi chịu phá 5 cái chết tư duy đang âm thầm giết mình.
Nếu bạn là doanh nhân, đây là gì cần làm tuần tới
Tôi không viết bài này để bạn đọc xong cảm thán rồi thôi. Tôi viết để bạn làm. Cụ thể, 5 việc, tuần tới.
Việc 1: Cài Claude Code và mở terminal lần đầu (15 phút)
Tải Claude Code từ Anthropic — chạy trên macOS, Linux, Windows. Có gói dùng thử. Mở terminal, gõ claude. Không cần biết code. Chỉ cần biết gõ tiếng Việt.
Việc 2: Tạo vault Obsidian cá nhân (30 phút)
Tải Obsidian — miễn phí. Tạo vault mới, đặt tên “Bộ não thứ 2 [Tên bạn]”. Tạo file CLAUDE.md ở thư mục gốc — đây là bộ giao thức não bộ của bạn (xem [[CLAUDE.md – Brain protocol]] làm mẫu). Chạy claude từ trong folder vault. Claude Code sẽ đọc CLAUDE.md đầu tiên.
Việc 3: Ghi âm10 phút mỗi cuối tuần
Mỗi cuối tuần, mở ứng dụng ghi âm trên điện thoại. Nói 10 phút về 4 câu hỏi: tuần này tôi học được gì? Tôi giấu dốt thứ gì? Tôi tưởng mình giỏi thứ gì? Tôi không phối hợp với ai? Lưu audio — chạy qua MacWhisper (~30 USD, một lần) — copy text vào Claude Code — gõ: “Ingest đoạn này vào wiki theo schema CLAUDE.md.” Sau 1 tháng: 4 source pages + 10-15 concept pages hình thành tự nhiên.
Việc 4: Tự đối chiếu bản thân với 9 đặc tính AI trong công việc (1 tiếng)
Đọc kỹ [[9 đặc tính so sánh AI và Con người]]. Tự chấm điểm 1-5 sao cho từng đặc tính. Chọn 3 đặc tính yếu nhất. Viết kế hoạch 30 ngày thực hành từng cái. Nếu bạn có đội nhóm, làm bài tập này với họ — rồi so sánh kết quả chéo nhau.
Việc 5: Theo dõi 5 lối mòn tư duy mỗi tối (3 phút)
Trước khi ngủ, viết tay 3 câu: hôm nay tôi giấu dốt gì không? Hôm nay tôi từ chối kiến thức mới nào? Hôm nay tôi không phối hợp với ai? Thêm 2 câu mỗi cuối tuần: tuần này tôi chờ hoàn hảo ở đâu? Tuần này tôi kiệt sức chỗ nào? Sau 30 ngày: bạn thấy quy luật lặp đi lặp lại. Sau 90 ngày: bạn phá được 2-3 cái chết.
Kết,Tôi đang ở đầu một đường cong chưa có bản đồ
Tôi viết bài này ở tuổi 50. Sau 25 năm làm luật sư Sở hữu trí tuệ, 13 năm đào tạo doanh nhân, 3 công ty, khoảng 150000+ học viên trực tiếp.
Và tôi thú nhận thẳng: 1 tuần ngồi với Claude Code, tôi học nhiều hơn 6 tháng đọc sách về AI.
Không phải vì Claude Code giỏi hơn sách. Mà vì tôi không đọc về AI,tôi ngồi với AI. Tôi nhìn nó làm việc từng giờ. Tôi tự hỏi tại sao nó làm vậy, tại sao tôi không làm vậy, cái gì trong tôi cần thay đổi.
Andrej Karpathy đã chỉ hướng. Phần còn lại, tôi phải tự đi. Không có thầy giáo nào đã đi con đường này trước tôi theo cách tôi đang đi. Không có sách viết đủ về việc một luật sư 25 năm, nhà đào tạo 13 năm ngồi xuống xây wiki Bộ não thứ 2 với Claude Code trong 1 tuần và rút ra gì từ đó.
Đây không phải kết của hành trình. Đây là buổi sáng đầu tiên của nó.
Câu hỏi tôi để lại cho bạn:
Bạn có dám nhìn vào AI và thấy chính bạn không?
Nếu có, tốt. Bạn đã sẵn sàng.
Nếu chưa, không sao. Hãy bắt đầu từ bài học thứ nhất: tải Claude Code, tạo vault Obsidian, gõ câu lệnh đầu tiên bằng tiếng Việt. Phần còn lại sẽ tự đến.
Vì kiến thức, như cái cây, chỉ sống khi nó được cắm rễ vào đất của hành động.
Câu hỏi thường gặp về Claude Code và Bộ não thứ 2
Claude Code là gì và khác ChatGPT ở chỗ nào?
Claude Code là công cụ AI dòng lệnh của Anthropic, chạy trực tiếp trên máy tính, đọc và ghi file trên ổ cứng máy tính của bạn. Khác với ChatGPT chạy hoàn toàn trên cloud và không có khả năng truy cập file máy tính, Claude Code hoạt động như một cộng sự làm việc ngay trong thư mục dự án của bạn — đọc transcript, tạo wiki page, kiểm tra liên kết, và báo cáo tiến độ theo thời gian thực.
Bộ não thứ 2 là gì và doanh nhân cần nó không?
Bộ não thứ 2 là hệ thống lưu trữ và tổ chức tri thức cá nhân dưới dạng file text trên ổ cứng, do AI agents quản lý, đọc và cập nhật theo schema mà bạn định nghĩa. Với doanh nhân, nó giải quyết vấn đề cốt lõi: kiến thức học được nhưng không được kết nối và truy xuất lại thì trở thành kiến thức cô đơn và bị quên trong 30 ngày. [[Bộ não thứ 2 – Kiến trúc multi-agent]] giúp tri thức sống và phát triển thay vì chết trong đầu.
9 đặc tính AI là gì và tôi dùng chúng để làm gì?
Chín đặc tính [[9 đặc tính so sánh AI và Con người]] là: (1) làm việc đến cùng, (2) học tập liên tục, (3) mở rộng khả năng, (4) giải quyết việc khó, (5) phối hợp đội nhóm, (6) báo cáo liên tục, (7) tự phê bình sau thất bại, (8) nén kiến thức, (9) phân biệt song song với tuần tự. Dùng chúng như bộ KPI tư duy: tự chấm 1-5 sao, tìm ra 3 yếu nhất, 90 ngày thực hành từng cái cho bản thân và đội nhóm.
5 cái chết tư duy là gì?
Năm cái chết tư duy theo [[3 cái chết nguy hiểm tư duy]] là: (1) giấu dốt, sợ sai nên ém lỗi, (2) tưởng mình giỏi, không tiếp nhận cái mới, (3) không phối hợp, làm xong giấu thông tin, (4) chờ hoàn hảo, không khởi động vì sợ chưa đủ, (5) thiếu hồi phục, kiệt sức kéo dài mất khả năng giải quyết việc khó. AI không có cái nào trong số này, đó là lý do AI có thể gương chiếu lại những gì con người đang thiếu.
Tôi không biết code có dùng được Claude Code không?
Có. Tôi không biết code Python, không biết deploy, không biết train model. Tôi chỉ cần gõ tiếng Việt để ra lệnh. Claude Code hiểu tiếng Việt, làm việc theo hướng dẫn bằng ngôn ngữ tự nhiên, và báo lại bằng tiếng Việt nếu bạn muốn. Kỹ năng duy nhất cần có: biết mình muốn gì và nói rõ ra.
Đọc kỹ bài này để biết cách tôi đang làm: Bộ não thứ 2 với Obsidian + AI: Hướng dẫn toàn diện cho doanh nhân & chuyên gia tri thức (2026)
Đúc kết lại
- Claude Code là công cụ AI terminal của Anthropic, đọc ghi file trên ổ cứng, khác hoàn toàn với ChatGPT cloud-only.
- 9 đặc tính AI (làm đến cùng, học liên tục, mở rộng khả năng, giải quyết khó, phối hợp, báo cáo, tự phê bình, nén kiến thức, phân biệt song song-tuần tự) là bộ KPI tư duy doanh nhân nên tự đo.
- Kiến thức cô đơn: không được liên kết, bị quên trong 30 ngày theo quy luật Ebbinghaus. Mọi kiến thức học phải liên kết đến ít nhất 3 thứ: niềm tin cũ, hành động tuần tới, KPI đo được.
- 5 cái chết tư duy, giấu dốt, tưởng giỏi, không phối hợp, chờ hoàn hảo, thiếu hồi phục, AI không có cái nào. Con người cần phá từng cái, 90 ngày một.
- Vòng đệ quy Bộ não thứ 2: audio → text (MacWhisper) → wiki (Claude Code) → truy vấn→ insight mới → audio mới. Bạn tạo nội dung cho chính tương lai của bạn.
- Andrej Karpathy là nguồn truyền cảm hứng duy nhất của nền tảng Bộ não thứ 2 của Phạm Thành Long, toàn bộ 13 bài học là nhận thức độc lập sau 1 tuần làm việc thực tế với Claude Code, không qua sách trung gian.
Tác giả
Phạm Thành Long — Luật sư Sở hữu trí tuệ 25 năm, nhà đào tạo doanh nhân 13 năm (150.000+ học viên qua các chương trình Đánh Thức Sự Giàu Có, Bán Hàng Thành Công, Tinh Thần Doanh Nhân, Sale Success System, Kinh Doanh Đột Phá, Lập Trình Vận Mệnh, Internet Power System, Eagle Camp và 27 chương trình khác). Tháng 5/2026: 1 tuần làm việc nghiêm túc với Claude Code → wiki Bộ não thứ 2 với 25+ concept pages signature, 122 wiki pages cross-linked. Học và thực hành theo hướng của Andrej Karpathy về personal AI infrastructure.
Theo dõi tại e.long.vn — 6 kênh: YouTube @longguru, TikTok, Facebook, Messenger, Telegram, Zalo.
Liên quan trên wiki
- [[Bộ não thứ 2 – Kiến trúc multi-agent]] — kiến trúc tổng thể hệ sinh thái multi-agent (mother concept)
- [[9 đặc tính so sánh AI và Con người]] — framework 9 đặc tính + 90 ngày practice plan
- [[3 cái chết nguy hiểm tư duy]] — 5 cái chết tư duy doanh nhân (extended)
- [[7 tình huống AI phản hồi khi nhận lệnh]] — 4 tình huống PTL + 3 Claude extend
- [[Báo cáo tiến độ liên tục]] — 3 cấp báo cáo workflow practice
- [[AI bền bỉ sửa lỗi đến cùng]] — case 95 lần kiểm tra
- [[Kiến thức cô đơn (Inert Knowledge)]] — concept Whitehead 1929
- [[Knowledge graph – Khái niệm gốc]] — Mác-Lênin triết học, Vật chất + Ý thức
- [[Tổng quan trước – song song sau (DAG planning)]] — 19 agents song song + 1 điều phối
- [[AI tự sinh agent (Meta-agents)]] — meta-capability tự sinh sub-agent
- [[Ra quyết định proactive khi không có context]] — “em làm phương án tốt nhất, không đồng ý thì xóa”
- [[Vòng học hỏi đệ quy bộ não thứ 2]] — self-aware loop content cho AI nuốt
- [[CLAUDE.md – Brain protocol]] — file protocol điều phối Bộ não thứ 2
- [[DMO – Daily Method of Operations]] — hàm mục tiêu của doanh nhân
- [[Cài đặt tư duy 5 bước]] — nền tảng tư duy Phạm Thành Long13 năm
- [[Hướng dẫn tư duy xây bộ não thứ 2 (2026-05-03)]] — source phần 1 (kiến trúc)
- [[Hướng dẫn tư duy xây bộ não thứ 2 – phần 2 (2026-05-03)]] — source phần 2 (13 ý)
