Bài 3 - Domain Expertise × AI: Phương trình mà người trẻ giỏi công nghệ không có
Cách đây vài tháng, một mentee của tôi là dân tài chính nói rằng: “Em dùng AI cũng bình thường, không mê lắm.”
Tôi nói: “Vậy thì em hãy thử thay đổi cách tiếp cận.”
Một tháng sau, bạn ấy nói rằng rất vui vì càng chat thì ChatGPT càng thông minh. Từ người dùng AI đơn thuần như công cụ tìm kiếm Google, bạn ấy đã thay đổi và ứng dụng trực tiếp vào cải thiện công việc FP&A (Financial Planning & Analysis).
Vấn đề không phải ở AI. Vấn đề là ở tư duy tiếp cận.
Hầu hết người làm tài chính tiếp cận AI theo kiểu “học công cụ” - đọc vài tutorial, học copy-paste vài cái prompt cơ bản, rồi cố nhét vào công việc. Kết quả là toàn ra những câu lệnh generic (chung chung) kiểu: “Phân tích BCTC này giúp tôi” rồi nhận về những gạch đầu dòng mơ hồ, hàn lâm và không dùng được vào thực tế.
Tôi đã chỉ cho bạn mentee đó 3 tư duy cần thay đổi ngay lập tức trước khi đi học bất kỳ kỹ thuật viết prompt nào.
Tư duy 1: “AI First”, không phải “Search First”
Thói quen của dân tài chính khi nhận nhiệm vụ mới là gì? Mở Google, đọc 5-10 bài tài liệu, mở file Excel, tổng hợp tin tức rồi mới bắt đầu vào việc. Giai đoạn chuẩn bị dữ liệu này thường ngốn mất từ 2 đến 4 tiếng đồng hồ.
AI First có nghĩa là đặt câu hỏi ngay từ đầu: “Phần nào của dự án/công việc này AI có thể xử lý giúp mình?”
Tôi thường ra đầu bài cho mentee ngay buổi đầu tiên là hãy gác lại chuyện kỹ thuật, thử suy nghĩ về việc mình sẽ ứng dụng AI như thế nào vào cá nhân và công việc của phòng ban. Gợi ý của tôi là cứ vào thẳng ChatGPT hỏi xem: “AI hiện tại có thể hỗ trợ được các Use Case mảng nào của một CFO công ty…”
Tư duy 2: “Đóng gói não bộ”, không phải nhập liệu
Đây là lằn ranh phân biệt giữa người mới và người có kinh nghiệm dùng AI. Hãy lấy một ví dụ thực tế khi thị trường có biến động mạnh - tin chiến tranh tác động đến giá dầu:
- Người mới sẽ hỏi: “Chiến tranh Iran ảnh hưởng đến giá xăng ở Việt Nam như thế nào?”
- Người có kinh nghiệm sẽ hỏi: “Tôi là CFO công ty vận tải logistics, đội xe 20 chiếc chạy giao hàng nội thành mỗi ngày. Xăng chiếm 40% chi phí vận hành. Hãy cho tôi biết 3 kịch bản có thể xảy ra với giá xăng trong 1 tháng tiếp theo (sau sự kiện chiến tranh Iran). Hãy giúp tôi đánh giá các kịch bản, tính toán tổng chi phí tăng thêm mỗi tháng là bao nhiêu và đề xuất 3 giải pháp tôi có thể triển khai ngay trong tuần này để bảo vệ biên lợi nhuận.”
Cùng một sự kiện, cùng một công cụ AI, nhưng mở ra hai mức độ kết quả (Output) hoàn toàn khác nhau.
20 năm kinh nghiệm của bạn không hề bị AI thay thế. Nó biến thành “linh hồn” của Prompt. Người biết “đóng gói” kinh nghiệm chuyên môn vào trong câu hỏi sẽ ra được luồng phân tích xuất sắc mà nhóm người trẻ rành công nghệ nhưng thiếu độ sâu nghề nghiệp không bao giờ chạm tới được.
Tư duy 3: “Onboard đồng nghiệp mới”, không phải ra lệnh cho máy móc
Sai lầm lớn nhất tôi thấy là người ta nghĩ AI giống như một phiên bản Google nâng cấp - gõ câu hỏi là nhả đáp án.
Thực tế, AI giống hệt một bạn Trợ lý siêu cấp và cực kỳ thông minh nhưng… vừa mới ngày đầu tiên đi làm (day 1). Nhân sự này đọc hết mọi sách giáo khoa kinh tế, thuộc làu mọi thông tư lý thuyết, nhưng không hề biết gì về công ty của bạn, luồng chạy tiền của khách hàng, hay khẩu vị rủi ro của ban giám đốc.
Khi bạn giao việc cho một nhân sự mới, bạn phải nói rõ họ cần làm gì, cung cấp cho họ bối cảnh, gửi file tài liệu đầu vào, và giải thích tiêu chuẩn kết quả mong muốn thì mới có kết quả tốt. Với AI cũng y hệt như vậy!
Đừng ra lệnh cộc lốc: “Phân tích BCTC này giúp tôi.”
Mà hãy giao việc (Onboard): “Tôi cần đánh giá khả năng thanh toán ngắn hạn của công ty này để quyết định có nên duyệt hạn mức cho vay 50 tỷ hay không. Hãy phân tích chỉ số thanh khoản, vòng quay hàng tồn kho, và kỳ thu tiền bình quân. So sánh với chuẩn ngành F&B. Chỉ ra các Red flags nếu có và lập luận.”
Lời kết
Tôi không dạy thủ thuật prompt. Tôi dạy tư duy đặt câu hỏi đúng từ góc nhìn của dân số học.
Bởi vì AI chỉ thực sự phá vỡ giới hạn bản thân khi bạn biết cách vận dụng 20 năm kinh nghiệm sương máu của chính mình làm nguyên liệu đầu vào.
Sources
- Kiến thức thực tiễn và quan điểm từ kinh nghiệm cá nhân và các tình huống FP&A thực tế.