Trong Thời đại Trí tuệ Nhân tạo, làm thế nào để Không còn Cần phải "Bắt đầu lại từ Đầu" khi Bắt đầu làm việc

原文标题：Ứng dụng trong Era AI: 100 Ngày Đầu Tiên của Tôi tại Ramp
原文作者：@danbeksha
Dịch: Peggy, BlockBeats

Biên tập viên chú thích: AI đang gia nhập doanh nghiệp, nhưng vấn đề thực sự không phải là "có nên sử dụng agent" mà là những agent này có thể hiểu về công ty hay không.

Bài viết này lấy việc tác giả gia nhập Ramp sau 100 ngày làm dấu hiệu, thảo luận về một vấn đề sâu hơn: Một công ty vận hành nhanh chóng không thể chỉ dựa vào việc nhân viên mới từ từ đọc tài liệu, hỏi đồng nghiệp, bổ sung ngữ cảnh, cũng như không thể để mỗi công cụ AI mỗi cái một trận. Điều quan trọng thực sự là xây dựng một "trí óc tập trung" liên tục cập nhật, đưa các cuộc họp, tài liệu, thảo luận trên Slack, phản hồi từ khách hàng và quyết định về sản phẩm trở thành bản chất, để nhân viên mới và agent đều có thể bắt đầu từ cùng một bối cảnh.

Khi ngữ cảnh được hệ thống hóa, việc gia nhập không còn chỉ là quá trình thích nghi dài dòng, và AI cũng không còn chỉ là các công cụ cô lập. Giá trị của AI doanh nghiệp, cuối cùng có thể không phải là việc triển khai bao nhiêu agent, mà là khả năng của công ty xây dựng một cơ sở kiến thức đáng tin cậy, dễ đọc, có thể tái sử dụng trước hết.

Dưới đây là bản gốc:

Trong cuộc chạy đua tiếp sức 4×100 m, chiến thắng thường không phải được quyết định bởi quãng đường toàn bộ, mà được nén lại trong một phần đường truyền 20 m. Người chạy phải thực hiện việc truyền giao ở tốc độ cao: Người nhận giao đấu bắt đầu quá sớm, giao đấu sẽ rơi xuống đất; bắt đầu quá muộn, người truyền giao sẽ phải giảm tốc độ, toàn đội cũng sẽ mất lợi thế trong khoảnh khắc. Nếu hành động truyền giao chính xác không đủ — vị trí tay, góc độ, hoặc thời điểm — kết quả cũng có thể là mất đấu.

Một đội có thể có VĐV nhanh nhất trên toàn bộ sân, nhưng vẫn thua trong 20 m đó. Tốc độ quan trọng, truyền giao cũng quan trọng. Điều quyết định thực sự giữa thắng và thua, là cả hai điều này có thể tồn tại cùng một lúc hay không.

Mọi lần truyền giao công việc mà tôi đã trải qua, theo bản chất đều giống như một cuộc đua tiếp sức, chỉ là một VĐV vẫn đứng trên bức xuất phát. Nhân viên mới bắt đầu vào ngày thứ Hai, mọi thứ bắt đầu từ con số không; nhưng tổ chức không chậm lại vì điều đó, vẫn tiếp tục tiến về phía trước với nhịp độ ban đầu. Vì vậy, người mới chỉ có thể dựa vào việc đọc tài liệu, theo dõi ẩn danh trên Slack, hỏi đi hỏi lại một vài câu hỏi, và sau đó mất ba tháng để hiểu rõ mẫu hoạt động của tổ chức, cho đến khi bản thân cuối cùng trở nên "hữu ích".

Chúng ta thường coi khoảng cách này như là vấn đề thời gian, như thể chỉ cần đủ lâu thì người mới sẽ tự nắm bắt. Nhưng thực tế không phải như vậy. Khoảng cách này hoặc sẽ được hệ thống giải quyết, hoặc sẽ tiếp tục tồn tại.

Bối cảnh là hệ thống truyển đạt thực sự của tổ chức

Tôi đã tham gia Ramp khoảng 100 ngày. Trước đó, tôi đã làm việc tại Plaid trong năm năm, quen thuộc với từng sản phẩm, từng câu chuyện khách hàng và nguyên nhân đằng sau mỗi quyết định. Tôi có thể nói ra những câu chuyện đó mà không cần suy nghĩ. Nhưng khi đến Ramp, tôi hầu như không biết gì về những điều đó.

Và lõi của tiếp thị sản phẩm chính là kể câu chuyện. Nếu bạn không biết về các nhân vật, cốt truyện và hậu quả, bạn sẽ không thể kể câu chuyện đó một cách thực sự.

Từ ngày đầu tiên, mục tiêu của tôi là xây dựng một tổ chức tiếp thị sản phẩm AI-native. Nhưng để làm được điều đó trong hoàn cảnh thiếu bối cảnh, tôi trước tiên phải mở rộng kiến thức của chính mình - cũng chính là "lớp bối cảnh" hỗ trợ tất cả công việc.

Ramp là một công ty nổi tiếng về tốc độ. Không có không gian để "bắt kịp vào quý sau". Công ty tung ra sản phẩm, cập nhật và tiến triển hàng tuần. Bạn entweder folgst dem Rhythmus, oder du wirst zu einer zusätzlichen Betriebskosten der Organisation.

Cùng lúc đó, tôi cũng đang trải qua một lớp onboarding khác. Ramp đã nhanh, nhưng AI thay đổi nhanh hơn, và tôi phải học về một công ty mới và môi trường làm việc mới. Tôi không phải là một kỹ sư, lần cuối cùng tôi mở terminal là khi tôi còn học đại học môn tin học. Nghĩa là, tôi phải bù đắp bối cảnh tổ chức, đồng thời thích nghi với cách làm việc AI mới, và hai điều này đi đôi với nhau, làm tăng khó khăn lên một cách đáng kể.

Cái cuối cùng giúp tôi thoát khỏi áp lực này không phải là hoàn thiện một bài viết cụ thể, một lần ra mắt sản phẩm, hay một quy trình làm việc nào đó, mà chính là việc coi "bối cảnh" chính là sản phẩm cuối cùng. Chỉ cần lớp bối cảnh được xây dựng đúng đắn, tất cả các công việc sau này sẽ trở nền tảng chi phí thấp hơn.

Vì vậy, tôi bắt đầu xây dựng điều thực sự mở rộng: một hệ thống có khả năng mở rộng giống như một wiki xuất sắc giúp người nghiên cứu, giúp tôi nhanh chóng nắm bắt kiến thức. Đến tuần thứ ba, nó đã có thể soạn thảo nội dung dựa trên ghi chú của tôi; đến tuần thứ tám, nó đã có thể tóm tắt các cuộc họp mà tôi không tham dự. Việc học và bù đắp vẫn còn, nhưng khi hệ thống ngày càng được điền vào, chi phí của chúng bắt đầu giảm.

Phiên bản cá nhân của ý tưởng này, thực sự đã xuất hiện trong một thời gian dài. Andrei Karpathy, người từng là trưởng nhóm AI tại Tesla, một trong những thành viên sáng lập của OpenAI, đã viết một bài viết vào tháng 4, mô tả cái mà ông gọi là "kho tri thức cá nhân LLM": một thư mục chứa đầu vào gốc, bao gồm bài báo, bài viết, bản ghi âm và ghi chú cá nhân; một LLM tạo wiki trên cơ sở các nguồn liệu này; và sau đó sử dụng một trình soạn thảo như Obsidian làm giao diện người dùng. Khi dữ liệu tích lũy lên khoảng 100 bài viết, LLM có thể trả lời các câu hỏi phức tạp xung quanh kho tri thức cá nhân mà không cần kỹ năng tìm kiếm phức tạp.

Ông ấy đã đánh giá rằng: Đây là cơ hội để tạo ra một sản phẩm mới thật sự xuất sắc, thay vì một cụm script tạ temporary.

Bản cá nhân đã tồn tại từ hôm nay. Nhưng bản doanh nghiệp thì chưa. Đó chính là vấn đề.

Nói chung, hệ thống mà tôi đã xây dựng trong 100 ngày đầu tiên là như vậy. Chúng vẫn chưa được tinh chỉnh kỹ lưỡng, nhưng cùng nhau tạo nên một "nền tảng liên kết" bên trong tổ chức.

Trung tâm là một Obsidian vault, được Claude đọc và ghi. Bất kỳ buổi họp được ghi âm, tài liệu, quan điểm công khai và ghi chú cá nhân mà tôi đã tiếp xúc, tất cả đều sẽ được đưa vào cỗ máy tri thức này. Khi tôi hỏi "Geoff và tôi cách đây ba tuần đã quyết định điều gì về trang chủ", nó sẽ tìm câu trả lời từ cỗ máy này, chứ không phải phụ thuộc vào bộ nhớ tổng quát của chính mình.

Để tiếp tục cung cấp nội dung cho cỗ máy này, Granola sẽ mặc định ghi âm mọi cuộc họp và lưu trữ bản ghi âm vào ban đêm. Vì vậy, cuộc họp mà tôi lỡ vào thứ Hai đã có thể được truy vấn vào thứ Tư. Để cho phép mọi người trong công ty cũng theo kịp, tôi chọn công khai công việc — hầu hết nội dung mà tôi đang xây dựng sẽ xuất hiện trước trong #team-pmm hoặc kênh dự án tương ứng, trước khi đưa vào tài liệu Notion. Quy trình xây dựng chính là một cơ chế đồng bộ.

Ở trên cỗ máy này, còn có một thư viện kỹ năng nhỏ, mà agent có thể triệu gọi theo nhu cầu. Một kỹ năng có thể tạo ra agenda dựa trên bốn cuộc họp gần đây nhất giữa tôi và một người nào đó; một kỹ năng khác có thể quét các diễn biến sản phẩm trong Slack suốt một tuần và chuyển đổi thành chủ đề bài viết. Mỗi kỹ năng có khoảng 200 dòng markdown, được sử dụng để thay thế một loại công việc trước đây cần phải thực hiện bằng tay.

Ngoài ra, tôi cũng đã xây dựng một bản đồ sản phẩm động dựa trên nền tảng ứng dụng nội bộ của Ramp. Nó đọc từ cùng một lớp ngữ cảnh, vì vậy nó sẽ không hết hạn, vì nó không phải là một tài liệu tĩnh từ đầu. Còn có một bản tóm tắt buổi sáng được gửi vào hộp thư riêng Slack của tôi mỗi sáng lúc 8 giờ: cái gì đã được triển khai hôm qua, nơi nào đang bị kẹt, những điều nào cần phản hồi từ tôi. Những nội dung này đã được sắp xếp trong khi tôi đang ngủ.

Riêng lẻ, những thứ này không có gì đặc biệt. Nhưng khi kết hợp lại, chúng tạo ra một câu trả lời có thể chạy được: Nếu một công ty cũng có wiki như Karpathy đã nói, nó sẽ như thế nào?

Bạn có thể gọi nó là wiki, đồ thị, lớp ngữ cảnh, hoặc trí não công ty. Tên không quan trọng, chức năng mới quan trọng. Nó phải có khả năng hấp thụ tất cả các tín hiệu mà công ty đã tạo ra: cuộc họp, thảo luận trong Slack, tài liệu, mã nguồn, bản ghi âm cuộc trò chuyện, cuộc gọi từ khách hàng và các quyết định quan trọng, và tiếp tục cập nhật mà không cần phải dựa vào việc duy trì thủ công. Nó cũng phải là điều mà mỗi nhân viên mới, mỗi agent mới phải đọc trước khi bắt đầu làm việc.

Nếu ngày mai có một nhân viên mới gia nhập, anh ta nên đọc điều gì vào ngày đầu tiên? Nếu câu trả lời thật sự là một tài liệu Notion của năm 2024, kèm theo một liên kết Confluence đã lỗi thời, thì về bản chất là đang yêu cầu anh ấy tiếp nhận từ tình trạng tĩnh.

Từ Công Cụ Đơn Điểm đến Não Bộ, Lỗ Hổng Thực Sự của AI

Hôm nay, cách chính thức AI gia nhập doanh nghiệp vẫn phụ thuộc vào các kỹ sư triển khai trực tiếp. Cho dù là OpenAI, Anthropic, hay các công ty tư vấn lớn, họ đều chọn xây dựng các luồng công việc cụ thể trên mô hình.

Những công việc này là thực tế và có giá trị. Nhưng chúng vẫn dừng lại ở "thời đại chatbot của AI doanh nghiệp": các công cụ hẹp được đóng gói xung quanh nhiệm vụ cụ thể, hữu ích khi xem mỗi cái riêng lẻ, nhưng chúng không được kết nối vào một hệ thống có thể tạo ra lợi ích kéo dài.

Thực sự, "Não Bộ của công ty" vẫn chưa xuất hiện. Agent hỗ trợ khách hàng và Agent onboard nhân sự có thể được xây dựng trong các tháng khác nhau bởi các đội ngũ khác nhau. Chúng không biết quyết định toàn bộ công ty đã đưa ra quyết định gì lần cuối, không biết công ty như thế nào hiểu về thị trường của mình, cũng không biết người phụ trách bán hàng đã đưa ra những suy luận gì trong lần đi offsite của Ban lãnh đạo trước đó. Mỗi agent chỉ là một chatbot có trách nhiệm cụ thể, nhưng chúng không chia sẻ cùng một não bộ.

Đây chính là khoảng cách lớn nhất hiện tại. Và ngoài phòng thí nghiệm, hầu như không có nhiều người đang xây dựng sản phẩm xung quanh vấn đề này.

Nếu vào năm 2026 bạn muốn xây dựng một nhóm hoặc thành lập một công ty, thứ tự hoạt động đã khác so với năm 2022. Đầu tiên là viết tài liệu ngữ cảnh, sau đó là cài đặt công cụ. Ghi chép mỗi cuộc họp. Đầu tiên xây dựng wiki, sau đó xây dựng bảng điều khiển. Chuyển giao kỹ năng, chứ không phải trình chiếu slide. Để nhân viên mới đọc wiki vào ngày đầu tiên và ngày thứ hai bắt đầu đóng góp nội dung cho nó. Tuyển dụng và thăng chức những người có thể làm cho "Não Bộ công ty" tiếp tục hoạt động và tái sử dụng những agent thực sự có khả năng đọc bộ óc công ty.

Ngữ cảnh không phải là dự án phụ. Nó là cơ sở hạ tầng giúp mọi đầu tư AI thực sự tạo ra lợi nhuận.

Hiện tại, tôi đang xây dựng một phần của điều đó tại Ramp: wiki, thư viện kỹ năng, ứng dụng đọc thông tin từ cùng một tầng ngữ cảnh, và cơ chế tổ chức liên tục đưa thông tin vào đó. Nó vẫn nhỏ và vẫn đang sớm. Nếu bạn đang cố gắng xây dựng bản sao cấp doanh nghiệp ở nơi khác, tôi rất muốn trao đổi kinh nghiệm. Có hai "não Bộ" xuất hiện trong cùng một phòng chứ không chỉ là một bộ óc đáng tin cậy.

Quay trở lại cuộc đua giao đổi. Điều kiện chiến thắng thực sự không phải là việc trao đổi sạch sẽ nhất, cũng không phải là chạy nhanh nhất, mà là cả hai xảy ra đồng thời trong cùng một đoạn đường dài 20 mét.

Nhân viên mới đọc được bộ não của công ty, sau đó bắt đầu chạy nước rút. Nhân viên mới đọc được bộ não của công ty, sau đó bắt đầu làm việc. Khách hàng mới truy cập vào bộ não của công ty, sau đó từ ngày đầu tiên đã bắt đầu hoạt động.

Khi từ "ramp-up" không còn ý nghĩa nữa, chúng ta biết mình đã làm đúng.

[Link gốc]

Chào mừng bạn tham gia cộng đồng chính thức của BlockBeats:

Nhóm Telegram đăng ký: https://t.me/theblockbeats

Nhóm Telegram thảo luận: https://t.me/BlockBeats_App

Tài khoản Twitter chính thức: https://twitter.com/BlockBeatsAsia