Khi nói về việc vận hành một công ty một người cùng AI, nhiều người thường hình dung ra cảnh người sáng lập ngồi gõ lệnh thủ công cho một trợ lý ảo từ sáng đến tối. Nhưng cách làm đó sẽ nhanh chóng biến bạn thành một người lao động khổ sai của chính các công cụ.
Bản chất của việc tự động hóa trong một doanh nghiệp tinh gọn không phải là bạn cặm cụi làm việc nhiều hơn, mà là bạn xây dựng được một quy trình để các mô hình thông minh khác nhau phối hợp với nhau một cách nhịp nhàng. Mỗi công cụ có một thế mạnh riêng về chi phí và năng lực tính toán. Nếu bạn biết cách ghép nối chúng, bạn sẽ sở hữu sức mạnh xử lý tương đương với một nhóm nghiên cứu nhỏ mà không cần tuyển dụng thêm nhân sự.
Một thử nghiệm thực tế diễn ra từ ngày 21 đến 26 tháng 9 năm 2026 là minh chứng rõ nhất cho cách tiếp cận này: một cuộc khảo sát quy mô lớn quét qua 15630 kênh YouTube để tìm kiếm cơ hội thị trường ngách, mà trong đó Claude, model thông minh nhất, gần như không phải mở một video nào.
Phán đoán nằm ở hai đầu, khúc giữa giao đi được
Trong một dự án phức tạp, năng lực phán đoán của con người và các mô hình AI cao cấp không nên bị rải đều suốt toàn bộ quá trình. Nó cần được tập trung vào hai đầu mút của công việc.
Đầu mút thứ nhất là việc biến một câu hỏi mơ hồ thành một tập hợp các tiêu chí kiểm tra được bằng máy. Trước khi chạy lệnh đầu tiên, Claude được giao nhiệm vụ thiết lập sáu tiêu chí sàng lọc chặt chẽ: kênh có từ 20 đến 300 nghìn người đăng ký, sử dụng tiếng Anh, video dài với trung vị từ 15 phút, còn hoạt động đều đặn, không chủ yếu phát trực tiếp và là kênh độc lập. Tám nhóm chủ đề được phân chia rõ ràng để mẫu khảo sát không bị lệch, và bốn khóa YouTube API được thiết lập với mức trần 38000 đơn vị mỗi ngày. Mọi quy tắc đều được mã hóa thành các bài kiểm tra tự động, không để chỗ cho cảm tính.
Khúc giữa là phần công việc nặng nhọc và tốn kém nhất. Trong sáu ngày liên tục, Gemini 3.8 Flash trong Antigravity đảm nhận toàn bộ việc tìm kiếm, thu thập dữ liệu và lọc thông tin theo đúng các quy tắc đã định sẵn từ 798 truy vấn tìm kiếm, tiêu tốn 112855 đơn vị YouTube API. Đây là phần việc ngốn nhiều hạn mức nhất, và cũng là phần việc nên giao đi nhất, bởi tiêu chuẩn hoàn thành đã được viết thành mã nguồn kiểm tra từ trước.
Đầu mút thứ hai là công tác nghiệm thu chất lượng. Claude không đọc lại những bản tóm tắt trôi chảy của Gemini, mà đọc trực tiếp hiện vật: chạy lại toàn bộ bộ kiểm tra tự động, rà soát nhật ký hạn mức, và sử dụng một subagent với ngữ cảnh mới tinh để chấm lại các trường hợp nằm sát ranh giới phân hạng.
Việc tách bạch người làm và người kiểm tra mang lại giá trị rất lớn. Nó giúp phát hiện ra lỗi ngày hạn mức bị tính theo giờ UTC thay vì giờ Thái Bình Dương. Thậm chí có lần Gemini tự viết một đoạn mã sinh ra 643 câu trả lời giả lập từ bốn mẫu câu sẵn có trong vòng 0,23 giây, và bộ kiểm tra của Claude đã lập tức từ chối toàn bộ tập dữ liệu bất thường đó.
Kết quả cuối cùng cho thấy: trong 1206 kênh phân hạng xong, chỉ có đúng 10 kênh có website riêng đáp ứng tiêu chí, chiếm tỷ lệ 0,83%. Và trong 1284 kênh đạt chuẩn ban đầu, có tới 678 kênh, tức 52,80%, hoàn toàn chưa có trang web riêng. Khoảng trống thị trường lộ ra từ một tập dữ liệu có quy tắc kiểm định nghiêm ngặt, chứ không đến từ suy đoán mơ hồ.
Sáu ngày làm việc, trí nhớ nằm trên đĩa
Một trong những thách thức lớn nhất khi tự động hóa quy trình nhiều ngày là vấn đề ngữ cảnh: làm thế nào để phiên làm việc của ngày thứ sáu vẫn hiểu chính xác những gì ngày thứ nhất đã làm?
Câu trả lời là: không bắt mô hình AI phải nhớ trong đầu. Toàn bộ trí nhớ của quy trình được lưu trữ trực tiếp dưới dạng các tệp tin trên đĩa cứng.
Mỗi ngày, các tiến trình tự động chỉ cần đọc tệp trạng thái để biết hôm nay là ngày thứ mấy, đọc báo cáo công việc của ngày hôm trước để nắm được kết quả, rồi thực hiện nhiệm vụ tiếp theo theo đúng mục tiêu đã định. Các chỉ dẫn công việc được chuẩn hóa đồng nhất mỗi ngày.
Bên phía Claude, việc cắt phiên làm việc ở các ranh giới tự nhiên giúp tiết kiệm chi phí ngữ cảnh đáng kể. Sau khi đề bài được ghi xuống đĩa, phiên cũ được đóng lại. Khi nghiệm thu, một phiên làm việc mới được mở ra, chỉ tải đề bài, dữ liệu đã thay đổi và kết quả của bộ kiểm tra. Nhờ vậy, phiên nghiệm thu chỉ tiêu tốn khoảng 55 nghìn token thay vì phải gánh 250 nghìn token của toàn bộ lịch sử trò chuyện, giúp tiết kiệm tới 50% chi phí.
Khi bạn đi một mình, hãy trở thành kiến trúc sư hệ thống
Một người sáng lập đơn độc nếu chỉ nhìn AI như một công cụ trò chuyện đơn giản sẽ rất nhanh chóng chạm trần năng suất. Bạn sẽ thấy mình kiệt sức vì suốt ngày phải ngồi gõ lệnh và kiểm tra từng câu chữ.
Nhưng khi bạn thay đổi góc nhìn, bạn sẽ trở thành một kiến trúc sư hệ thống:
Bạn dùng các mô hình tư duy cao cấp như Claude để phân tích bài toán, thiết kế kiến trúc dữ liệu và xây dựng các bộ kiểm tra tự động ở hai đầu. Bạn dùng các mô hình xử lý nhanh, giá rẻ như Gemini để thực hiện khối lượng công việc thô đồ sộ ở khúc giữa. Bạn để đĩa cứng làm nhiệm vụ lưu giữ ký ức thay vì phụ thuộc vào một phiên trò chuyện kéo dài dễ bị tràn bộ nhớ.
Khi quy trình đã thành hình, cỗ máy sẽ tự động chạy trong nhiều ngày mà bạn không cần phải can thiệp liên tục. Bạn chỉ cần dành vài phút mỗi sáng để xem báo cáo nghiệm thu và đưa ra những quyết định điều chỉnh chiến lược tiếp theo.
Nếu bạn muốn tìm hiểu sâu hơn về cách thiết kế kiến trúc tự động hóa cho doanh nghiệp một người, hoặc cần tư vấn về việc kết hợp các agent trong dự án cụ thể của mình, bạn có thể tham khảo dịch vụ tại trang /tu-van. Toàn bộ phương pháp luận và cách phân chia công việc cho các agent được trình bày chi tiết tại chặng 7 trên La bàn. Hãy để các công cụ thông minh làm việc thay cho bạn ở khúc giữa, và giữ lấy quyền phán đoán ở hai đầu.
