Một buổi sáng mình đang soạn brief cho một campaign, nhờ ChatGPT viết thử một đoạn copy. Kết quả trông ổn - câu chữ mượt, cấu trúc đúng. Nhưng tone sai hoàn toàn. Mình phải dừng lại, giải thích lại về brand, về khách hàng mục tiêu, về giọng điệu mà brand đang dùng. AI viết lại. Vẫn chưa đúng. Lại giải thích thêm. Đến lúc brief xong thì mình đã dùng gần 30 phút chỉ để “dạy lại” AI những thứ mình đã biết từ đầu.
Đó là lúc mình nhận ra rằng vấn đề không phải AI không đủ thông minh. Vấn đề là AI đang thiếu context. Và việc bạn đang ở tầng nào trong 4 cấp độ ứng dụng AI, về cơ bản, là việc bạn đang giải quyết vấn đề context đó đến mức độ nào.
Framework: 4 tầng AI trong công việc
Khi nói đến ứng dụng AI trong công việc, phần lớn mọi người đang nghĩ về cùng một thứ - chat với AI để làm việc nhanh hơn. Nhưng đó chỉ là Tầng 1 trong một hệ thống có 4 tầng, và mỗi tầng giải quyết một bài toán khác nhau, với mức độ phức tạp và kết quả rất khác nhau.
4 cấp độ đó là:
- AI Copilot (tầng 1)
- AI Workflow Automation (tầng 2)
- AI Agent (tầng 3
- và Agentic AI (tầng 4)
Cách phân chia này không phải về độ “thông minh” của AI - mà về cách bạn tích hợp AI vào quy trình làm việc thực tế, và bạn đang giải quyết bài toán context ở độ sâu nào.`
Tầng 1: AI Copilot - Làm nhanh hơn, nhưng thiếu memory
AI Copilot là cách dùng AI phổ biến nhất hiện nay: mở ChatGPT, Claude, hoặc Gemini ra, chat, lấy kết quả, đóng lại. Tầng này cực kỳ hữu ích cho những tác vụ tức thời - soạn email, tóm tắt tài liệu, phân tích nhanh, brainstorm ý tưởng. Bạn tiết kiệm được thời gian đáng kể so với làm tay, và đây là lý do tầng này đang có hàng trăm triệu người dùng.
Nhưng giới hạn của Copilot xuất hiện ngay khi công việc đòi hỏi context sâu hơn. Mỗi cuộc hội thoại mới là một tờ giấy trắng - AI không nhớ brand của bạn, không biết tone of voice bạn đang xây dựng, không hiểu lịch sử project. Bạn phải giải thích lại từ đầu mỗi lần. Với những task đơn lẻ, điều này không quá tệ. Nhưng khi công việc phức tạp hơn - chẳng hạn cần viết 10 bài content giữ cùng một giọng điệu, hoặc cần AI hiểu sâu về một ngành hàng cụ thể - thì chi phí “dạy lại” AI mỗi lần bắt đầu trở nên rất đắt.
Tầng 2: AI Workflow Automation - Bớt click, vẫn thiếu context
Workflow Automation giải quyết bài toán tốc độ ở một level khác: thay vì chat với AI từng lần, bạn xây dựng những luồng tự động hóa - nhận dữ liệu đầu vào, phân loại, xử lý, tạo báo cáo, gửi email, cập nhật bảng tính. Nhân sự giảm được lượng công việc lặp lại đáng kể, và đây là điểm mạnh thực sự của tầng này.
Vấn đề là automation cũng thừa hưởng giới hạn context từ Tầng 1. Bạn có thể tự động hóa việc tóm tắt báo cáo hàng tuần, nhưng nếu báo cáo cần được viết theo tone phù hợp với từng đối tượng nhận - team product, ban giám đốc, hay khách hàng - thì automation thông thường không xử lý được sự khác biệt đó tốt. Workflow chạy đúng quy trình, nhưng thiếu cái hiểu về “ai đang đọc cái này và họ cần gì.” Kết quả là output đúng về mặt kỹ thuật nhưng thiếu chất lượng ở chiều sâu.
Vấn đề này càng rõ hơn với những task đòi hỏi context có tính cập nhật liên tục. Lấy ví dụ audit content: tuần này bạn chạy audit, workflow cần biết bài nào đã đăng tuần này, chỉ số ra sao, bài nào hoạt động tốt. Tuần sau muốn chạy tiếp, workflow lại cần dữ liệu của tuần này làm nền để so sánh và rút ra pattern. Nhưng không có cơ chế nào trong automation thông thường tự ghi nhớ và chuyển tiếp thông tin đó từ lần chạy này sang lần chạy kế tiếp - bạn phải đi input lại theo kiểu bán thủ công mỗi tuần. Trên giấy tờ thì là “tự động,” nhưng thực tế bạn vẫn đang làm khâu truyền context bằng tay. Automation xử lý tốt những quy trình tĩnh, nhưng với những thứ cần “nhớ” gì đó từ lần trước để làm tốt hơn lần sau, nó vẫn cần người đứng giữa.
Tầng 3: AI Agent - Giao việc, không chỉ chat
AI Agent là bước chuyển quan trọng nhất trong framework này. Thay vì bạn chat với AI, bạn giao việc cho AI - AI tự đọc ngữ cảnh, tự chọn công cụ phù hợp, tự thực hiện nhiều bước, và trả về kết quả của cả một đầu việc tương đối trọn vẹn. Với Claude Code hoặc Claude Cowork được setup đúng, Agent có thể tự đọc file brief, tự tìm thông tin liên quan, tự tạo output theo format yêu cầu, tất cả trong một lần trigger.
Điểm khác biệt với Tầng 1 và 2 là Agent bắt đầu có khả năng giữ context trong suốt quá trình làm việc, không chỉ trong một cuộc hội thoại. Đây là lý do mình thấy tầng này giải quyết được một phần bài toán brand context mà Copilot không làm được - nếu bạn đưa brand guidelines vào workspace và Agent được setup để đọc nó trước khi làm việc, kết quả khác hẳn. Nhưng giới hạn vẫn còn: khi task phức tạp đòi hỏi nhiều scope khác nhau chạy song song - vừa research, vừa viết, vừa review, vừa format - một Agent đơn lẻ bắt đầu đuối.
Tầng 4: Agentic AI - Nhiều Agent, một mục tiêu
Tầng cao nhất là nơi nhiều Agent phối hợp với nhau, mỗi Agent phụ trách một vai trò cụ thể. Một Agent chuyên research, một Agent chuyên viết, một Agent chuyên review và quality check, một Agent chuyên format và deliver. Chúng giao tiếp với nhau, chia sẻ context, và cùng hoàn thành một mục tiêu phức tạp mà không cần bạn phải điều phối từng bước.
Về mặt kỹ thuật, setup ở tầng này thường bao gồm workspace folder được tổ chức để AI đọc được toàn bộ context của project, GitHub làm version control để Agent tracking được lịch sử thay đổi, và Claude Code để triển khai các Agent đó vào quy trình thực tế. Đây là tầng có ROI cao nhất - nhưng cũng là tầng đòi hỏi nền tảng kỹ thuật rõ ràng nhất. Không phải plug and play, mà là infrastructure.
Tại sao hầu hết người dùng mắc kẹt ở Tầng 1 và 2?
Mình quan sát thấy phần lớn người dùng AI trong môi trường công việc ở Việt Nam đang ở Tầng 1, một số ít lên được Tầng 2. Lý do không phải vì họ không muốn nâng cấp - mà vì kiến thức về Tầng 3 và 4 còn rất tản mát và chưa được hệ thống hóa theo cách phù hợp với người không có background kỹ thuật.
Tầng 1 và 2 thì intuitive - bạn mở app ra, dùng, thấy kết quả ngay. Tầng 3 trở lên đòi hỏi bạn hiểu một số khái niệm về cách AI Agent hoạt động, biết cách setup workspace, biết cách viết prompt theo kiểu system instruction thay vì kiểu chat thông thường. Không phải không học được - nhưng đường học chưa được dọn sẵn. Và vì đây là thứ cần người có am hiểu setup lần đầu, nhiều người chờ đợi “có ai setup cho mình” thay vì tự học cách làm.
Điều đó cũng có nghĩa là những người chịu leo lên Tầng 3-4 đang có một lợi thế cạnh tranh thực sự so với phần còn lại - không phải vì AI của họ “thông minh hơn”, mà vì AI của họ đang làm việc trong một hệ thống có context, có quy trình, và có thể tự vận hành phần lớn những task tốn thời gian nhất.
Bạn đang ở tầng nào? Và tầng tiếp theo bạn muốn nâng cấp lên là gì? Nếu bạn đang ở Tầng 1-2 và muốn hiểu Tầng 3 trông như thế nào trong thực tế, mình sẽ viết chi tiết hơn về phần đó ở các bài sau.
Để lại comment hoặc nhắn mình trên LinkedIn nếu bạn có câu hỏi cụ thể về setup.
Cảm ơn bạn đã đọc bài viết trên NateCue Insights!