Mở đầu — vì sao bài này quan trọng
Bạn đang xây dựng sản phẩm AI trong một khoảng thời gian đặc biệt của lịch sử công nghệ. Những quyết định kiến trúc bạn đưa ra hôm nay — chọn model nào, thiết kế luồng tương tác ra sao, đặt cược vào tính năng gì — sẽ sống hoặc chết dựa trên việc bạn đọc đúng hay sai xu hướng của 3-4 năm tới.
Hầu hết sản phẩm thất bại không phải vì làm dở, mà vì làm đúng cho một thế giới đã không còn tồn tại. Năm 2015, có rất nhiều startup xây "trợ lý ảo dạng chatbot theo kịch bản" (rule-based) rất công phu — rồi bị GPT-3.5 xóa sổ chỉ sau một đêm. Câu hỏi sinh tử không phải "sản phẩm của tôi có tốt không?" mà là "sản phẩm của tôi có còn ý nghĩa khi năng lực của model nhảy vọt gấp 10 lần không?".
Bài học này không phải để bạn "dự đoán tương lai" như một nhà tiên tri — đó là việc bất khả thi. Mục tiêu của chúng ta khiêm tốn và thực dụng hơn nhiều: nhận diện những xu hướng có nền tảng vững, hiểu vì sao chúng xảy ra, và từ đó ra quyết định sản phẩm ít bị lỗi thời. Chúng ta sẽ tập trung vào giai đoạn 2026-2030 — đủ xa để thấy được hướng đi, đủ gần để bạn còn kịp hành động.
Đây là bài áp chót của khóa, mang tính "nhìn về phía trước". Nó không dạy bạn cách build một thứ cụ thể (những bài trước đã làm điều đó), mà dạy bạn cách đặt cược đúng cho tương lai gần.
Khái niệm cốt lõi
Để nhìn về 2026-2030, tôi sẽ tổ chức bức tranh quanh bốn xu hướng lớn có nền tảng vững chắc nhất. Với mỗi xu hướng, điều quan trọng không phải là "nó có xảy ra không" mà là "nó thay đổi cách bạn thiết kế sản phẩm như thế nào".
Xu hướng 1: Agentic everywhere — từ giao diện thao tác sang giao diện mục tiêu
Đây là chuyển dịch nền tảng nhất. Trong 20 năm qua, phần mềm được thiết kế quanh mô hình "người dùng thao tác từng bước": để đặt một chuyến đi, bạn phải mở app, tìm chuyến bay, lọc theo giá, chọn ghế, thêm khách sạn, thanh toán. Con người làm việc điều phối; phần mềm chỉ là công cụ thực thi từng lệnh nhỏ.
Đến 2026-2030, mô hình này đảo ngược. Người dùng phát biểu mục tiêu ("Đặt cho tôi chuyến đi Đà Nẵng 3 ngày cuối tháng, ngân sách 8 triệu, gần biển") và agent tự lo phần điều phối — gọi nhiều API, so sánh phương án, xử lý ngoại lệ, và chỉ quay lại hỏi khi thực sự cần quyết định của con người. Đây gọi là chuyển từ thao tác-first (action-based) sang mục tiêu-first (goal-based) interaction.
Điều này không có nghĩa mọi app biến thành ô chat. Ý nghĩa sâu hơn: lớp giá trị dịch chuyển. Trước đây giá trị nằm ở giao diện đẹp giúp con người thao tác nhanh. Từ nay giá trị nằm ở việc agent thực thi trọn vẹn một tác vụ nhiều bước thay con người — bao gồm cả những bước lằng nhằng mà không ai muốn làm.
Với người làm sản phẩm, điều này đặt ra câu hỏi mới: sản phẩm của bạn cung cấp công cụ hay cung cấp kết quả? Nếu bạn đang bán công cụ (một dashboard, một bộ filter), hãy tự hỏi: khi agent có thể tự thao tác các công cụ đó thay người dùng, giá trị của bạn còn nằm ở đâu? Câu trả lời thường là: ở dữ liệu độc quyền, ở quyền truy cập vào hành động (thanh toán, đặt chỗ, ghi nhận giao dịch), và ở độ tin cậy của việc thực thi.
Xu hướng 2: Chi phí sụp đổ, năng lực nhảy vọt — và hệ quả chiến lược
Giá cho mỗi triệu token đã giảm hàng chục lần chỉ trong hai năm, và xu hướng này sẽ tiếp tục. Đồng thời, năng lực suy luận (reasoning) tăng mạnh. Hệ quả với sản phẩm là hai chiều và không hiển nhiên:
Thứ nhất, những tính năng hôm nay "quá đắt để làm" sẽ trở nên miễn phí thực tế trong 2-3 năm. Nếu ý tưởng của bạn bị chặn vì chi phí inference, đừng vội bỏ — hãy tính xem nó sẽ khả thi khi giá giảm 10 lần.
Thứ hai, và quan trọng hơn: những gì hôm nay là "sản phẩm" ngày mai có thể chỉ là "tính năng của model". Đây là cái bẫy chết người. Rất nhiều startup 2023-2024 xây các sản phẩm mỏng kiểu "GPT wrapper" — tóm tắt PDF, viết email — rồi bị chính OpenAI/Anthropic nuốt khi model gốc tự làm được. Đây là bài học về "model tiến hóa nuốt sản phẩm" mà bạn phải luôn cảnh giác.
Xu hướng 3: Đa mô hình, chuyên biệt hóa và mô hình mở lên ngôi
2026-2030 sẽ không có "một model để thống trị tất cả". Thay vào đó là hệ sinh thái đa dạng: model lớn đắt tiền cho tác vụ khó, model nhỏ rẻ chạy trên thiết bị cho tác vụ đơn giản, model mở (open weight) tự host cho nhu cầu riêng tư và kiểm soát chi phí. Sản phẩm thông minh sẽ định tuyến (routing) động: câu hỏi dễ dùng model rẻ, câu khó mới đẩy lên model mạnh.
Với bối cảnh Việt Nam, điều này đặc biệt quan trọng: model mở tiếng Việt và model nhỏ chạy on-device sẽ mở ra cả một lớp sản phẩm mới cho những use case nhạy cảm về dữ liệu (y tế, tài chính) mà trước đây không dám gửi dữ liệu ra API nước ngoài.
Xu hướng 4: Niềm tin, an toàn và tuân thủ trở thành yếu tố cạnh tranh
Khi agent tự thực thi hành động (chi tiền, gửi email, sửa dữ liệu), rủi ro tăng theo cấp số nhân. Giai đoạn 2026-2030, niềm tin (trust) chuyển từ "điểm cộng" thành "điều kiện sống còn". Sản phẩm nào chứng minh được độ tin cậy, minh bạch trong hành động, và tuân thủ pháp lý (EU AI Act, Nghị định 13 tại Việt Nam) sẽ thắng những sản phẩm chỉ "thông minh nhưng khó tin".
Tình huống thực tế
Ví dụ 1: Từ app đặt vé sang agent du lịch — một startup Đông Nam Á
Hãy hình dung Traveloka hoặc một startup du lịch Việt như "Vivu" (giả định). Mô hình 2024 của họ là app truyền thống: người dùng tự tìm chuyến bay, tự lọc khách sạn, tự ghép lịch trình. Chuyển đổi (conversion) rơi rớt nặng ở bước ghép nhiều thành phần — trung bình người dùng phải qua 14 màn hình để hoàn tất một chuyến đi trọn gói, và 60% bỏ cuộc giữa chừng.
Đội sản phẩm quyết định đặt cược vào xu hướng agentic. Họ xây một luồng mới: người dùng gõ "Cho vợ chồng tôi đi Phú Quốc 4 ngày dịp lễ 30/4, ngân sách 15 triệu, muốn resort yên tĩnh". Agent gọi song song các API chuyến bay, khách sạn, đưa ra 3 phương án trọn gói kèm giải thích ("phương án này rẻ hơn 2 triệu nhưng bay sớm 6h"). Người dùng chỉ cần chọn và xác nhận thanh toán.
Kết quả giả định nhưng hợp lý: tỷ lệ hoàn tất chuyến đi trọn gói tăng từ 40% lên 68%, và giá trị đơn hàng trung bình tăng vì agent chủ động đề xuất cả gói (bay + ở + đưa đón) thay vì để người dùng chỉ mua vé lẻ.
Bài học rút ra: Giá trị không nằm ở "chat cho ngầu" mà ở việc agent làm giúp phần điều phối nhiều bước mà con người ngại làm. Điều quan trọng là họ không vứt bỏ giao diện cũ — người dùng vẫn có thể xem chi tiết, chỉnh tay từng thành phần. Agent là lớp trên, không phải lớp thay thế.
Ví dụ 2: Startup "wrapper" bị model nuốt — bài học đau
Năm 2023, có một làn sóng sản phẩm dạng "tóm tắt hợp đồng bằng AI". Một startup — gọi là ContractSum — huy động được vốn hạt giống nhờ demo ấn tượng: upload PDF hợp đồng, nhận về bản tóm tắt các điều khoản rủi ro. Sản phẩm mỏng, về bản chất là một prompt khéo léo bọc quanh API.
Đến khi các model nền tảng nâng cấp khả năng đọc file dài và suy luận pháp lý ngay trong giao diện gốc, người dùng bắt đầu tự hỏi: "Tại sao tôi phải trả tiền cho ContractSum khi tôi tự upload PDF vào chatbot cũng ra kết quả tương đương?". Doanh thu bào mòn dần trong 12 tháng.
Đối chiếu: một startup khác cùng lĩnh vực — gọi là Harvey (đã phân tích ở Bài 36) — không dừng ở lớp prompt mỏng. Họ xây dữ liệu án lệ độc quyền, tích hợp sâu vào quy trình của các hãng luật, có kiểm soát chất lượng và tuân thủ nghiêm ngặt. Model nền tảng mạnh lên giúp họ, không giết họ, vì moat của họ nằm ở lớp dữ liệu và quy trình chứ không ở prompt.
Bài học rút ra: Trong 2026-2030, hãy tự kiểm tra sản phẩm bằng câu hỏi: "Nếu model nền tảng mạnh gấp đôi, tôi được lợi hay bị nuốt?". Nếu câu trả lời là "bị nuốt", giá trị của bạn quá mỏng. Hãy xây moat ở lớp mà model không tự có: dữ liệu độc quyền, tích hợp workflow sâu, quyền truy cập hành động, niềm tin và tuân thủ.
Ví dụ 3: Model mở và on-device cho dữ liệu nhạy cảm ở Việt Nam
Một phòng khám tư nhân tại TP.HCM muốn dùng AI để soạn thảo tóm tắt bệnh án và trả lời câu hỏi thường gặp của bệnh nhân. Vấn đề: dữ liệu bệnh án cực kỳ nhạy cảm, và Nghị định 13/2023 về bảo vệ dữ liệu cá nhân khiến việc gửi dữ liệu này ra API nước ngoài trở nên rủi ro pháp lý.
Giải pháp 2023 là bất khả thi về chi phí — tự host model đủ mạnh cần hạ tầng GPU đắt đỏ. Nhưng đặt cược vào xu hướng model mở và model nhỏ, đến 2026 phòng khám có thể chạy một model mở cỡ vừa, fine-tune tiếng Việt y khoa, ngay trên một server nội bộ với chi phí phần cứng vài trăm triệu — trong tầm với. Dữ liệu không rời khỏi phòng khám, tuân thủ pháp lý được đảm bảo, và chi phí vận hành trên mỗi truy vấn gần như bằng không sau đầu tư ban đầu.
Bài học rút ra: Đừng đóng khung khả thi của sản phẩm bằng ràng buộc chi phí và năng lực của hôm nay. Xu hướng model mở + chi phí giảm mở ra cả một lớp sản phẩm cho các ngành nhạy cảm dữ liệu — nơi thị trường Việt Nam có lợi thế riêng vì hiểu bối cảnh pháp lý và ngôn ngữ địa phương.
Hướng dẫn từng bước
Đây là quy trình thực dụng để đưa "tư duy tương lai" vào quyết định sản phẩm cụ thể, thay vì chỉ đọc xu hướng cho vui.
Bước 1 — Định vị sản phẩm trên trục "công cụ vs kết quả". Viết ra một câu: sản phẩm của tôi cung cấp cho người dùng một công cụ để họ tự làm hay một kết quả đã hoàn thành? Với xu hướng agentic, hãy nghiêng dần về phía kết quả cho những tác vụ nhiều bước, lặp đi lặp lại.
Bước 2 — Chạy bài kiểm tra "model mạnh gấp đôi". Tưởng tượng model nền tảng bạn đang dùng mạnh gấp đôi và rẻ đi 10 lần vào năm sau. Sản phẩm của bạn được hưởng lợi hay bị nuốt? Nếu bị nuốt, đây là tín hiệu đỏ — bạn cần dịch chuyển giá trị xuống lớp sâu hơn (dữ liệu, tích hợp, hành động, niềm tin).
Bước 3 — Xác định moat không phụ thuộc model. Liệt kê những thứ bạn có mà model không tự tạo được: dữ liệu người dùng độc quyền, tích hợp sâu vào quy trình khách hàng, quyền truy cập hành động (thanh toán, đặt chỗ), thương hiệu và niềm tin, hiểu biết bối cảnh địa phương. Đầu tư vào những thứ này, không phải vào prompt.
Bước 4 — Thiết kế kiến trúc "không khóa cứng vào một model". Dùng lớp trừu tượng (abstraction) để có thể đổi model dễ dàng, và chuẩn bị cho routing đa model. Đừng đặt cược toàn bộ vào một nhà cung cấp duy nhất.
Bước 5 — Đưa niềm tin và tuân thủ vào từ đầu. Khi sản phẩm chuyển sang agentic (tự thực thi hành động), thiết kế cơ chế con người xác nhận (human-in-the-loop) cho các hành động rủi ro, log minh bạch mọi hành động của agent, và rà soát tuân thủ Nghị định 13, EU AI Act nếu phục vụ thị trường liên quan.
Bước 6 — Lên lịch rà soát định kỳ. Xu hướng thay đổi nhanh. Đặt lịch mỗi quý xem lại các giả định của bạn về năng lực và chi phí model. Đây không phải việc làm một lần rồi quên.
Lỗi thường gặp & mẹo
Lỗi 1 — Nhầm "biết xu hướng" với "chạy theo hype". Đọc xu hướng agentic không có nghĩa là biến mọi thứ thành ô chat. Rất nhiều đội vội vàng nhét chatbot vào mọi góc app rồi làm hỏng trải nghiệm. Mẹo: chỉ dùng giao diện mục tiêu ở nơi tác vụ thực sự nhiều bước và lằng nhằng; giữ giao diện thao tác truyền thống ở nơi nó vốn đã tốt.
Lỗi 2 — Xây moat trên prompt. Prompt khéo không phải là tài sản bền vững. Bất kỳ ai cũng sao chép được, và model tự mạnh lên sẽ vô hiệu hóa nó. Mẹo: luôn tự hỏi "lớp nào của tôi model không tự có?".
Lỗi 3 — Khóa cứng vào một model duy nhất. Đội đặt cược toàn bộ vào một model rồi mắc kẹt khi giá tăng hoặc có model tốt hơn. Mẹo: thiết kế để đổi model chỉ tốn một dòng cấu hình.
Lỗi 4 — Bỏ qua bối cảnh địa phương. Nhiều đội Việt Nam sao chép nguyên xu hướng Mỹ mà quên lợi thế sân nhà: hiểu tiếng Việt, hiểu pháp lý Việt, hiểu hành vi người dùng Việt. Mẹo: xu hướng model mở + on-device là cơ hội lớn cho sản phẩm phục vụ ngành nhạy cảm dữ liệu trong nước.
Lỗi 5 — Dự đoán quá xa và quá chi tiết. Không ai đoán chính xác 2030. Mẹo: đặt cược vào hướng (chi phí giảm, năng lực tăng, agentic lên ngôi) chứ đừng đặt cược vào mốc thời gian cụ thể của một tính năng cụ thể.
Mẹo tổng quát: Hãy "xây cho hôm nay, kiến trúc cho ngày mai". Sản phẩm phải hữu ích ngay bây giờ với năng lực model hiện tại, nhưng kiến trúc phải sẵn sàng hưởng lợi khi model mạnh lên — thay vì bị nó nuốt.
Bài tập thực hành
- Bài kiểm tra "model mạnh gấp đôi". Lấy chính sản phẩm (hoặc ý tưởng sản phẩm) bạn đang làm. Viết một đoạn ngắn trả lời: nếu model nền tảng mạnh gấp đôi và rẻ đi 10 lần vào năm sau, sản phẩm của bạn được lợi hay bị nuốt? Nếu bị nuốt, hãy đề xuất ít nhất 2 cách dịch chuyển giá trị xuống lớp sâu hơn.
- Chuyển một luồng thao tác sang luồng mục tiêu. Chọn một tác vụ nhiều bước trong sản phẩm bạn biết (đặt hàng, tạo báo cáo, lên lịch...). Phác thảo cả phiên bản thao tác-first hiện tại (liệt kê từng bước người dùng phải làm) và phiên bản mục tiêu-first (người dùng phát biểu mục tiêu, agent lo phần còn lại). Ghi rõ những bước nào vẫn cần con người xác nhận và vì sao.
- Vẽ bản đồ moat. Liệt kê 5 thành phần tạo giá trị trong sản phẩm của bạn. Với mỗi thành phần, đánh dấu: model nền tảng có thể tự làm được không? Từ đó xác định đâu là moat thật (model không tự có) và đâu là phần dễ bị nuốt.
- Kịch bản Việt Nam. Chọn một ngành nhạy cảm dữ liệu ở Việt Nam (y tế, tài chính, giáo dục). Đề xuất một sản phẩm AI mà xu hướng model mở + on-device 2026-2030 mở ra nhưng hôm nay chưa khả thi. Nêu rõ ràng buộc pháp lý (Nghị định 13) mà sản phẩm giải quyết.
Tóm tắt
Giai đoạn 2026-2030 được định hình bởi bốn xu hướng có nền tảng vững: agentic everywhere (chuyển từ giao diện thao tác sang giao diện mục tiêu — người dùng nói mục tiêu, agent lo thực thi); chi phí sụp đổ và năng lực nhảy vọt (mở ra tính năng mới nhưng cũng khiến model nền tảng nuốt các sản phẩm mỏng); đa mô hình và mô hình mở lên ngôi (routing động, on-device, tự host cho dữ liệu nhạy cảm); và niềm tin, an toàn, tuân thủ trở thành yếu tố cạnh tranh sống còn.
Điều quan trọng nhất bạn mang về không phải là một lời tiên tri, mà là một bộ công cụ tư duy: chạy bài kiểm tra "model mạnh gấp đôi" cho mọi quyết định, xây moat ở lớp mà model không tự có, kiến trúc để đổi model dễ dàng, và tận dụng lợi thế bối cảnh Việt Nam ở những ngành nhạy cảm dữ liệu. Hãy xây cho hôm nay, nhưng kiến trúc cho ngày mai — để năng lực AI ngày càng mạnh trở thành gió xuôi cho bạn, chứ không phải cơn sóng nhấn chìm bạn.