Mở đầu — vì sao bài này quan trọng
Ở hai bài trước, bạn đã làm quen với bức tranh toàn cảnh các công cụ AI và cách dùng chúng cho công việc hằng ngày của PM, BA. Nhưng có một sự thật mà rất nhiều người bỏ qua: dùng AI thủ công từng lần một chỉ giúp bạn nhanh hơn 20–30%, còn dựng được workflow AI mới là lúc năng suất nhân lên gấp nhiều lần.
Hãy hình dung thế này. Mỗi sáng thứ Sáu, một PM ở công ty fintech tại TP.HCM phải mở JIRA, đọc lại toàn bộ sprint, copy từng ticket vào ChatGPT, nhờ tóm tắt, rồi dán kết quả vào email gửi sếp. Việc này ngốn khoảng 45 phút mỗi tuần, và tệ hơn là nó phụ thuộc vào việc người đó có nhớ làm hay không. Nghỉ phép một tuần là báo cáo biến mất.
Bây giờ hãy tưởng tượng cùng công việc đó nhưng chạy tự động: cứ 16h thứ Sáu, hệ thống tự kéo dữ liệu sprint, tự nhờ AI tóm tắt theo đúng format, tự gửi email — không cần ai chạm tay. Đó chính là AI workflow: sự kết hợp giữa tự động hóa (automation) và trí tuệ của mô hình ngôn ngữ (AI).
Bài học hôm nay sẽ dạy bạn cách suy nghĩ và thiết kế những workflow như vậy. Đây là kỹ năng nền tảng — bởi vì gần như mọi công cụ chuyên sâu ở các bài sau (Zapier, Make, n8n, AI agents...) đều dựa trên chính tư duy này. Nắm chắc bài 3, bạn sẽ học các bài kia nhanh hơn rất nhiều.
Khái niệm cốt lõi
AI workflow là gì?
Một AI workflow là một chuỗi các bước được nối với nhau, trong đó có ít nhất một bước sử dụng AI để hiểu, biến đổi hoặc tạo ra thông tin. Điểm khác biệt so với automation truyền thống (như một macro Excel) là: automation cũ chỉ làm được những việc có quy tắc cứng, còn AI workflow xử lý được cả những dữ liệu mờ, không cấu trúc — như văn bản tự do, email khách hàng, ghi chú cuộc họp.
Mọi AI workflow, dù đơn giản hay phức tạp, đều gồm bốn thành phần:
1. Trigger (điểm kích hoạt)
Đây là thứ khởi động workflow. Có ba loại phổ biến:
- Theo lịch (scheduled): chạy vào một thời điểm cố định, ví dụ "mỗi thứ Sáu 16h".
- Theo sự kiện (event-based): chạy khi có việc gì đó xảy ra, ví dụ "khi có email mới vào hộp thư support@".
- Thủ công (manual): bạn bấm nút để chạy, ví dụ khi cần tóm tắt nhanh một tài liệu.
2. Fetch / Input (lấy dữ liệu)
Workflow cần nguyên liệu để xử lý. Dữ liệu này có thể đến từ API (JIRA, Google Sheets, HubSpot), từ một file, từ nội dung email, hoặc từ chính điều bạn gõ vào. Đây là bước dễ bị bỏ qua nhưng lại quyết định chất lượng đầu ra: AI chỉ tốt bằng dữ liệu bạn đưa cho nó.
3. AI Process (bước xử lý bằng AI)
Trái tim của workflow. Ở đây bạn gửi dữ liệu cho mô hình kèm một prompt (chỉ dẫn) rõ ràng, để AI tóm tắt, phân loại, trích xuất, dịch, hay soạn thảo. Chất lượng của bước này phụ thuộc gần như hoàn toàn vào việc prompt của bạn viết có tốt hay không — cùng một dữ liệu, prompt khác nhau cho ra kết quả trời vực.
4. Output / Action (đầu ra và hành động)
Kết quả AI trả về phải đi đến đâu đó mới có giá trị: gửi thành email, ghi vào Google Sheet, đăng lên kênh Slack, tạo ticket mới. Một workflow không có action rõ ràng chỉ là một trò tiêu khiển.
Tư duy quan trọng: Chia để trị
Sai lầm lớn nhất của người mới là cố nhồi mọi thứ vào một prompt khổng lồ: "Đọc toàn bộ dữ liệu này, phân tích, tóm tắt, viết email, và gửi đi." Cách làm đúng là tách thành nhiều bước nhỏ, mỗi bước AI chỉ làm một việc. Việc này giúp bạn dễ kiểm tra ở đâu sai, dễ sửa, và cho kết quả ổn định hơn nhiều. Hãy nhớ nguyên tắc: một bước AI, một nhiệm vụ.
Human-in-the-loop (con người trong vòng lặp)
Với những workflow quan trọng — gửi email cho khách hàng, đăng nội dung công khai — đừng để AI tự động hoàn toàn ngay từ đầu. Hãy chèn một bước duyệt của con người: AI soạn draft, gửi vào Slack để bạn xem và bấm "duyệt" thì mới thực sự gửi đi. Đây là chốt an toàn cực kỳ quan trọng, đặc biệt trong giai đoạn đầu khi bạn chưa tin tưởng hệ thống.
Tình huống thực tế
Ví dụ 1: Weekly Report Generator tại một startup fintech Việt Nam
Quay lại câu chuyện mở đầu. Đội sản phẩm của một startup fintech ở TP.HCM (khoảng 25 người) mất trung bình 45 phút mỗi tuần chỉ để làm báo cáo sprint gửi ban lãnh đạo. Họ quyết định dựng một workflow:
1. Trigger: Mỗi thứ Sáu 16h (scheduled)
- Fetch: Kéo dữ liệu sprint từ JIRA qua API
(danh sách ticket đã done, đang làm, bị block)
- AI: Tóm tắt thành báo cáo 5 mục:
- Đã hoàn thành tuần này
- Điểm nghẽn cần ban lãnh đạo hỗ trợ
- Rủi ro cho sprint tới
- Chỉ số velocity so với tuần trước
- 3 ưu tiên tuần sau
- Output: Gửi Slack cho PM duyệt → PM bấm "OK" →
tự gửi email cho ban lãnh đạo
Diễn giải: Điểm hay ở đây là bước 4 có human-in-the-loop. PM vẫn đọc lướt và có thể chỉnh trước khi gửi, nhưng 90% công việc nặng nhọc — đọc, tổng hợp, viết — đã do AI làm.
Kết quả: Thời gian làm báo cáo giảm từ 45 phút xuống còn khoảng 5 phút (chỉ để duyệt). Quan trọng hơn: báo cáo không bao giờ bị quên, kể cả khi PM nghỉ phép. Sau 3 tháng, ban lãnh đạo nhận xét chất lượng báo cáo đồng đều hơn hẳn vì không còn phụ thuộc tâm trạng hay độ bận của người viết.
Bài học rút ra: Giá trị lớn nhất của workflow không chỉ là tiết kiệm thời gian, mà là sự nhất quán và không phụ thuộc con người.
Ví dụ 2: Phân loại và định tuyến email hỗ trợ tại một sàn TMĐT
Một công ty thương mại điện tử tầm trung (giả định tên ShopViet) nhận khoảng 300 email khách hàng mỗi ngày vào hộp support@. Trước đây một nhân viên phải ngồi đọc từng email và chuyển thủ công đến đúng bộ phận: đổi trả, thanh toán, vận chuyển, hay khiếu nại. Việc này mất khoảng 2 giờ mỗi ngày và thường trễ giờ cao điểm.
Họ dựng workflow:
1. Trigger: Khi có email mới vào support@ (event-based)
- Fetch: Lấy nội dung email + thông tin người gửi
- AI (b1): Phân loại email vào 1 trong 5 nhóm
+ đánh giá mức độ khẩn (thấp/trung/cao)
- AI (b2): Với email nhóm "khiếu nại" khẩn cao →
soạn sẵn một draft phản hồi xin lỗi
- Output: Chuyển email vào đúng folder của bộ phận
+ gắn nhãn mức độ khẩn
+ với draft phản hồi: để nhân viên duyệt rồi gửi
Diễn giải: Chú ý cách họ tách bước AI làm hai (b1 phân loại, b2 soạn draft). Nếu gộp làm một prompt, kết quả sẽ lộn xộn và khó kiểm soát. Chia nhỏ giúp mỗi bước làm tốt một việc.
Kết quả: Thời gian phân loại từ 2 giờ giảm còn gần như tức thời. Email khẩn cấp được nhận diện và xử lý trước, giúp thời gian phản hồi trung bình cho khiếu nại giảm từ 6 giờ xuống dưới 1 giờ.
Bài học rút ra: AI xử lý cực tốt dữ liệu không cấu trúc (email tự do) — đây là thứ automation truyền thống bó tay. Và luôn tách nhỏ các bước AI.
Ví dụ 3: Tổng hợp phản hồi khảo sát cho đội marketing
Một agency marketing tại Hà Nội thường chạy khảo sát cho khách hàng và nhận về hàng trăm câu trả lời dạng văn bản tự do (open-ended). Việc đọc và tổng hợp thủ công mất cả buổi, và mỗi người tổng hợp lại ra kết luận khác nhau.
Workflow của họ:
1. Trigger: Thủ công — bấm chạy khi khảo sát kết thúc
- Fetch: Đọc toàn bộ câu trả lời từ Google Sheet
- AI (b1): Với mỗi câu trả lời → gắn nhãn cảm xúc
(tích cực / trung tính / tiêu cực) + chủ đề chính
- AI (b2): Tổng hợp toàn bộ → báo cáo:
top 5 điểm khách khen, top 5 điểm phàn nàn,
kèm 2 câu trích dẫn tiêu biểu cho mỗi điểm
- Output: Ghi kết quả vào một sheet mới + gửi Slack
Diễn giải: Đây là kiểu workflow manual trigger — không phải mọi thứ đều cần tự động chạy theo lịch. Đôi khi bạn chỉ cần một nút bấm để làm nhanh việc lặp đi lặp lại.
Kết quả: Việc tổng hợp từ nửa ngày rút còn khoảng 10 phút, và quan trọng là các báo cáo có tiêu chí phân loại nhất quán giữa các dự án.
Bài học rút ra: Workflow không nhất thiết phải chạy tự động hoàn toàn — một manual trigger để bấm một phát ra kết quả cũng đã tiết kiệm hàng giờ.
Hướng dẫn từng bước
Dưới đây là quy trình để tự thiết kế một AI workflow đầu tiên, dù bạn dùng công cụ nào (Zapier, Make, n8n — sẽ học kỹ ở các bài sau).
Bước 1 — Chọn một việc lặp lại và tốn thời gian. Đừng bắt đầu bằng thứ phức tạp nhất. Hãy tìm một việc bạn làm ít nhất mỗi tuần một lần, mất trên 15 phút, và có tính lặp lại. Báo cáo, phân loại, tóm tắt là những ứng viên hoàn hảo.
Bước 2 — Vẽ workflow ra giấy trước. Ghi rõ 4 thành phần: Trigger gì? Lấy dữ liệu từ đâu? AI làm gì? Kết quả đi đâu? Đừng động vào công cụ nào cho tới khi bạn vẽ xong sơ đồ này. Đây là bước quan trọng nhất và cũng bị bỏ qua nhiều nhất.
Bước 3 — Chia bước AI thành các nhiệm vụ đơn. Nếu bước AI của bạn phải làm hơn một việc (ví dụ vừa phân loại vừa soạn thảo), hãy tách thành nhiều bước. Mỗi bước một prompt riêng.
Bước 4 — Viết prompt rõ ràng cho từng bước AI. Một prompt tốt gồm: vai trò (bạn là chuyên viên tổng hợp báo cáo), nhiệm vụ (tóm tắt dữ liệu sau thành 5 mục), định dạng đầu ra (dùng gạch đầu dòng, mỗi mục tối đa 2 câu), và dữ liệu. Càng cụ thể càng ổn định.
Bước 5 — Chạy thử bằng dữ liệu thật. Đưa vào 3–5 mẫu thật (không phải dữ liệu giả) và xem AI trả về gì. Điều chỉnh prompt cho tới khi kết quả đúng ý.
Bước 6 — Thêm chốt an toàn human-in-the-loop. Với mọi workflow có action ra bên ngoài (gửi email, đăng bài), hãy chèn bước duyệt của con người trước khi tự động hóa hoàn toàn.
Bước 7 — Bật chạy tự động và theo dõi. Cho workflow chạy thật, nhưng theo dõi sát trong 1–2 tuần đầu. Ghi lại những lần nó làm sai để tinh chỉnh.
Lỗi thường gặp & mẹo
Lỗi 1 — Nhồi tất cả vào một prompt khổng lồ. Đây là lỗi phổ biến nhất. Kết quả sẽ thiếu ổn định và khó biết chỗ nào sai. Mẹo: một bước AI chỉ làm một việc.
Lỗi 2 — Bỏ qua bước kiểm tra chất lượng dữ liệu đầu vào. Nếu dữ liệu kéo về đã lộn xộn, thiếu, hoặc sai, thì AI dù giỏi đến đâu cũng cho ra rác. Mẹo: kiểm tra kỹ bước Fetch trước khi lo tới bước AI.
Lỗi 3 — Tự động hóa 100% ngay từ ngày đầu. Rất nguy hiểm với các workflow gửi ra bên ngoài. Một email AI viết sai gửi thẳng cho khách hàng có thể gây hậu quả thật. Mẹo: luôn bắt đầu với human-in-the-loop, chỉ bỏ chốt duyệt khi đã tin tưởng sau vài tuần.
Lỗi 4 — Quên tính đến trường hợp lỗi. Điều gì xảy ra khi API JIRA sập, hoặc AI trả về định dạng sai? Workflow tốt cần có phương án dự phòng (gửi cảnh báo cho bạn thay vì im lặng thất bại). Mẹo: thêm một bước thông báo khi có lỗi.
Lỗi 5 — Không tính chi phí. Mỗi lần gọi AI đều tốn tiền (token). Một workflow chạy 300 email/ngày sẽ tốn khác hẳn workflow chạy 1 lần/tuần. Mẹo: ước lượng số lần gọi mỗi tháng trước khi triển khai (chi tiết về tối ưu chi phí sẽ có ở bài 46).
Mẹo vàng: Bắt đầu nhỏ. Một workflow đơn giản chạy được và tiết kiệm 30 phút mỗi tuần có giá trị hơn nhiều một workflow tham vọng mà không bao giờ chạy xong.
Bài tập thực hành
- Liệt kê 3 việc lặp lại trong công việc của bạn mất trên 15 phút mỗi lần và có tính lặp. Chọn ra một việc phù hợp nhất để làm workflow đầu tiên (gợi ý: tóm tắt, phân loại, hoặc báo cáo định kỳ là dễ nhất).
- Vẽ sơ đồ 4 thành phần cho việc bạn vừa chọn: Trigger là gì (lịch / sự kiện / thủ công)? Lấy dữ liệu từ đâu? AI làm gì (tách thành mấy bước)? Kết quả đi đâu?
- Viết prompt cho bước AI theo công thức: vai trò + nhiệm vụ + định dạng đầu ra. Sau đó mở ChatGPT hoặc Claude, dán một mẫu dữ liệu thật vào và chạy thử prompt đó. Ghi lại: kết quả có đúng ý không? Cần chỉnh gì?
- Xác định chốt human-in-the-loop: trong workflow của bạn, bước nào bắt buộc phải có người duyệt trước khi hành động? Vì sao?
Tóm tắt
- AI workflow = automation + AI. Sức mạnh thật sự của AI không nằm ở việc dùng thủ công từng lần, mà ở việc dựng thành quy trình tự động, nhất quán, không phụ thuộc con người.
- Mọi workflow gồm 4 thành phần: Trigger (kích hoạt), Fetch (lấy dữ liệu), AI Process (xử lý), Output/Action (đầu ra).
- Nguyên tắc cốt lõi: chia để trị — một bước AI chỉ làm một việc, để dễ kiểm tra và ổn định.
- Luôn có human-in-the-loop cho các workflow quan trọng, ít nhất trong giai đoạn đầu.
- Bắt đầu nhỏ, vẽ sơ đồ trước khi động vào công cụ, chạy thử bằng dữ liệu thật, và tính đến chi phí lẫn trường hợp lỗi.