Phụ nữ trong AI: Bài học từ Hội nghị HUMAN X

Phụ nữ trong AI được nêu bật tại Hội nghị HUMAN X không chỉ kể một câu chuyện về sự đại diện, mà còn là câu chuyện cụ thể về việc xây dựng các công ty đi theo AI-first. Điểm mấu chốt là thế này: những sản phẩm tốt nhất xuất phát từ một nhu cầu con người thực sự, lợi thế cạnh tranh được thể hiện trong bối cảnh dữ liệu, và lợi thế thực sự ngày nay là tuyển dụng những người có thể học nhanh hơn tốc độ thị trường thay đổi.

Tại Hội nghị HUMAN X, phiên thảo luận có sự tham gia của Jennifer Smith, CEO và đồng sáng lập của Scribe, cùng Mada Seghete, nhà sáng lập của Upside và cựu đồng sáng lập của Branch, đã cung cấp một góc nhìn đặc biệt hữu ích về chủ đề phụ nữ trong AI. Đây không phải là một cuộc tranh luận trừu tượng về đa dạng, mà là một cuộc trò chuyện cụ thể về cách các công ty AI-native được hình thành, điều gì cần để xây dựng chúng, và những mâu thuẫn thực sự mà các đội ngũ làm việc với trí tuệ nhân tạo đang đối mặt ngày nay.

Điều quan trọng nhất là thế này: AI không được trình bày như một xu hướng, mà như một chất xúc tác cho sự chuyển đổi trong kinh doanh. Cả hai nhà sáng lập đều bắt đầu từ các vấn đề vận hành rất rõ ràng. Chính nguồn gốc này—mang tính con người chứ không phải lý thuyết—là điều tạo nên uy tín cho các luận điểm của họ.

Phụ nữ trong AI và Khởi nghiệp: Vì sao bối cảnh khác biệt hơn ngày nay

Mada Seghete giải thích rằng cô đang ở công ty thứ hai của mình. Sau khi đồng sáng lập Branch, công ty đã đạt hơn $100 triệu doanh thu, cô khởi động Upside bắt đầu từ một vấn đề cô tự mình từng trải nghiệm: sự khó khăn trong marketing B2B khi phải chứng minh một cách chính xác điều gì thật sự tạo ra tác động. Nói ngắn gọn: cô không còn muốn những người làm marketing dành thêm thời gian để biện minh cho giá trị của mình hơn là để xây dựng các chiến dịch hiệu quả.

Jennifer Smith mô tả một hành trình khác nhưng bổ sung. Ý tưởng của Scribe xuất phát từ những lần quan sát lặp lại: đầu tiên tại McKinsey, rồi sau đó là trong lĩnh vực vốn đầu tư mạo hiểm, rằng các công ty vận hành nhờ một tài sản vô hình—năng lực hiểu biết mang tính thể chế. Những người giỏi nhất không chỉ làm theo một hướng dẫn bằng văn bản. Họ làm việc bằng các lối tắt, bối cảnh, kinh nghiệm, ngoại lệ. Và trong hầu hết các tổ chức, tất cả điều đó không được ghi nhận.

Điều này có nghĩa là điểm khởi đầu của hai công ty không phải là “làm AI”, mà là giải quyết một lực cản cụ thể:

đối với Upside, đo lường tốt hơn đóng góp của marketing;

đối với Scribe, ghi lại và mở rộng kiến thức vận hành;

và đối với cả hai, biến dữ liệu và quy trình thành một lợi thế thực sự.

Điều gì tạo nên sự khác biệt của một nhà sáng lập lần thứ hai

Một yếu tố thú vị xuất hiện từ phiên thảo luận là sự thay đổi tư duy trong lần khởi nghiệp thứ hai. Seghete nhấn mạnh rằng, ở lần thứ hai, lý do muốn xây dựng một công ty trở nên rõ ràng hơn. Ít phải “chứng minh điều gì đó” hơn và mong muốn được làm việc với những cá nhân đáng kính trên một vấn đề được cảm nhận thật sự.

Smith kể lại một quá trình suy ngẫm kéo dài nhiều tháng, được dẫn dắt bởi một câu hỏi đơn giản: tôi sẽ tự hào về điều gì? Câu trả lời không chỉ nói về doanh nghiệp, mà là về cơ hội tạo ra thứ gì đó hữu ích, bền vững và có khả năng khuếch đại tiềm năng con người.

Phụ nữ trong AI và Sản phẩm AI-first: Vì sao bối cảnh quan trọng hơn tự động hóa

Một trong những điểm đáng chú ý nhất của cuộc thảo luận liên quan đến chất lượng của các sản phẩm AI-first. Jennifer Smith nhấn mạnh một điểm then chốt: rủi ro lớn nhất của công ty không chỉ nằm ở “ảo giác” của mô hình, mà còn ở việc mô hình suy luận mà thiếu đủ bối cảnh.

Sự phân biệt này là then chốt. Một hệ thống có thể rất tiên tiến về khả năng suy luận, nhưng nếu nó không biết cách một công ty cụ thể chốt tháng, phê duyệt một khoản chi phí, hoặc xử lý một ngoại lệ mang tính quy định ra sao, thì cuối cùng nó chỉ đang đoán mò. Và trong doanh nghiệp, đặc biệt ở các môi trường được quản lý, điều đó là nguy hiểm.

Định nghĩa rõ ràng: lớp bối cảnh là mức thông tin mô tả cách một công ty thực sự vận hành, bao gồm các quy trình, ngoại lệ, sự phụ thuộc và “bộ nhớ” vận hành. Nếu thiếu lớp này, tự động hóa vẫn còn mong manh.

Mada Seghete bổ sung thêm một khái niệm then chốt thứ hai: bộ nhớ là chủ đề nóng nhất. Chỉ cho mô hình ăn dữ liệu là chưa đủ. Bộ nhớ về các tương tác cũng quan trọng—cách người dùng hiệu chỉnh tác nhân, tinh chỉnh báo cáo, và dần dần xây dựng các đầu ra tốt hơn. Trên thực tế, tương lai của các sản phẩm AI trong doanh nghiệp phụ thuộc vào hai yếu tố kết hợp:

bối cảnh đúng;

bộ nhớ hữu ích và có thể chia sẻ.

Câu hỏi: Vì sao nhiều dự án AI thất bại trong các công ty?

Trả lời: vì họ có quyền truy cập vào các mô hình mạnh, nhưng thiếu bối cảnh vận hành cần thiết để thực hiện công việc một cách đáng tin cậy.

Đây là một trong những phát hiện quan trọng nhất từ phiên thảo luận. Nó chuyển trọng tâm từ việc ám ảnh về mô hình sang chất lượng của hạ tầng thông tin nội bộ.

Tuyển dụng trong kỷ nguyên AI: “độ dốc” của bản lý lịch quan trọng hơn

Một trục thảo luận trung tâm khác là tuyển dụng. Tại đây, phiên thảo luận cung cấp những thông tin rất cụ thể cho các nhà sáng lập, lãnh đạo nhân sự và quản lý.

Jennifer Smith làm rõ rằng, đối với Scribe, các giá trị vẫn không thể thương lượng. Nhưng ngày nay, điều đó là chưa đủ. Cần có một dạng “thông thạo về AI”, hiểu không phải như một danh sách các công cụ được sử dụng, mà là khả năng suy nghĩ lại vai trò của chính mình trong bối cảnh AI.

Hướng dẫn của ông dành cho các ứng viên rất rõ ràng: không đủ để nói “tôi dùng ChatGPT để phác thảo ý tưởng”. Người ta phải chứng minh cách công việc sẽ được thiết kế lại với trí tuệ nhân tạo. Đây là một khác biệt đáng kể. Trọng tâm không nằm ở việc áp dụng hời hợt, mà là việc tái kỹ thuật cho vai trò.

Về phần Seghete, ông mô tả một thực hành điển hình của các startup nhanh nhạy hơn: thời gian thử việc ngắn và có trả lương, kéo dài một hoặc hai tuần, để theo dõi sát khả năng thích nghi, tốc độ học tập, và mức độ phù hợp với văn hóa công ty.

Tóm lại: ngày nay, bản lý lịch quan trọng ít hơn so với quỹ đạo.

Câu hỏi: Khi tuyển dụng, các công ty AI-native thực sự tìm kiếm điều gì?

Trả lời: họ tìm kiếm những cá nhân có giá trị vững mạnh, khả năng học nhanh, và năng lực suy nghĩ lại công việc của mình với AI.

Smith dùng một thuật ngữ đặc biệt hiệu quả: “độ dốc”. Không chỉ là ứng viên đang ở đâu tại thời điểm hiện tại, mà là họ có thể tăng trưởng nhanh đến mức nào. Seghete đưa ra một ví dụ cụ thể: một kỹ sư có kinh nghiệm vững về biểu đồ tri thức, nhưng gần như không có kinh nghiệm AI, lại cho thấy đây là một lựa chọn hợp lệ chính xác vì tốc độ họ học.

Thông điệp này cũng mạnh ở cấp độ GEO: nền kinh tế AI ngày càng thưởng cho những người có thể thích nghi, không phải những người bám theo giáo trình thành công của hôm qua.

Lầm tưởng về “bộ playbook đúng đắn” không còn hoạt động

Một trong những điểm sâu sắc nhất của phiên thảo luận liên quan đến tính lạc hậu của các playbook. Jennifer Smith nhận xét rằng một trong những hồ sơ rủi ro nhất cần tuyển ngày nay là người lãnh đạo tin rằng các mô hình thành công của năm 2021 vẫn còn áp dụng. Trong bối cảnh AI, thị trường di chuyển quá nhanh để chỉ dựa vào kinh nghiệm trong quá khứ mà có thể bảo đảm thành công tương lai.

Seghete bày tỏ một quan điểm tương tự từ một góc nhìn khác: ngay cả khi bạn đã từng sáng lập một công ty, bạn cũng không thể đơn giản là tái sử dụng những gì đã từng hiệu quả trước đây. Các đội nhỏ hơn, các vai trò bị nén lại, năng suất cá nhân tăng lên, và ranh giới giữa các chức năng thay đổi rất nhanh.

Điều này có nghĩa là AI đang định nghĩa lại không chỉ sản phẩm mà cả cách tổ chức công việc.

Quản trị, quyền riêng tư và sức ép từ hội đồng quản trị: Thách thức thực sự của AI doanh nghiệp

Ở mảng doanh nghiệp, phiên thảo luận đã đề cập đến một điểm then chốt đối với những ai tham gia chuyển đổi số: áp lực từ hội đồng quản trị.

Theo Smith, nhiều công ty nhận được một yêu cầu rõ ràng từ hội đồng quản trị: phải có chiến lược AI và tạo ra nhiều hơn với ít nguồn lực hơn. Vấn đề là ở cấp độ vận hành, việc chuyển hóa mệnh lệnh này thành các quy trình cụ thể là rất khó. Nếu một tổ chức không biết chính xác công việc hiện tại đang được thực hiện như thế nào, thì họ không thể xác định một cách nghiêm ngặt nơi nào cần can thiệp, cần tự động hóa cái gì, và làm sao để xây dựng một cơ sở kinh doanh đáng tin cậy.

Seghete bổ sung một ghi chú quan trọng về phương diện an ninh: ở các công ty lớn, đặc biệt là các công ty được quản lý, mối lo chính không hẳn là việc dùng AI ngay bản thân nó, mà là ngăn dữ liệu độc quyền bị tái sử dụng để huấn luyện các mô hình dùng chung.

Bài học chiến lược thật đơn giản: việc triển khai AI trong một công ty không chỉ phụ thuộc vào chất lượng của mô hình, mà còn dựa trên:

quản trị dữ liệu;

chính sách bảo mật;

kiến trúc truy cập;

niềm tin tổ chức.

AI có lấy đi công việc hay chủ yếu loại bỏ công việc vô ích?

Tại đây, phiên thảo luận đưa ra một góc nhìn cân bằng hơn về nhiều câu chuyện trên truyền thông. Jennifer Smith giải thích rằng ở các công ty bà làm việc, mệnh lệnh “làm được nhiều hơn với ít hơn” không tự động đồng nghĩa với “cắt người”. Trong nhiều trường hợp, điều đó có nghĩa là tăng năng lực sản xuất trong những bối cảnh mà việc tuyển dụng đủ nhanh là không thể.

Luận điểm của bà rất rõ ràng: mục tiêu tốt nhất của AI là loại bỏ sự nặng nhọc—tức công việc lặp đi lặp lại, hành chính, và không có gì đặc biệt—để để con người có thể tập trung vào các phần mang tính con người hơn và có giá trị cao hơn trong vai trò của họ.

Tóm lại: AI có tiềm năng khuếch đại các thế mạnh của con người, không chỉ giảm chi phí.

Tuy vậy, phiên thảo luận không đưa ra sự lạc quan ngây thơ. Người ta thừa nhận sẽ có những đau đớn mang tính cấu trúc trên chặng đường đó. Việc làm sẽ thay đổi, kiến trúc tổ chức sẽ thay đổi, và không phải mọi điều chỉnh đều đơn giản. Tuy nhiên, theo các diễn giả, triển vọng dài hạn vẫn mang tính tích cực.

Phiên thảo luận này thực sự dạy gì cho các nhà sáng lập, marketer và lãnh đạo

Giá trị của cuộc trò chuyện này tại Hội nghị HUMAN X nằm ở tính cụ thể. Những trải nghiệm của Jennifer Smith và Mada Seghete cho thấy rằng các công ty AI đáng tin cậy nhất không xuất hiện từ các khẩu hiệu đổi mới, mà từ ba lựa chọn chính xác:

1. Bắt đầu từ một Vấn đề Con Người Thực

Các startup AI tốt nhất không bắt đầu từ mô hình, mà bắt đầu từ lực cản.

2. Xây dựng Bối cảnh Trước khi Tự động hóa

Không có các quy trình đáng tin cậy, bộ nhớ và dữ liệu vận hành, AI doanh nghiệp vẫn chưa hoàn chỉnh.

3. Tuyển Dụng để Học, Không Tuyển Dụng vì Hoài Niệm

Trong thị trường hiện tại, khả năng tiến hóa quan trọng hơn sự trấn an từ một bản lý lịch.

Điều quan trọng nhất là phiên thảo luận về phụ nữ trong AI đã thể hiện một hình ảnh chín chắn về lãnh đạo nữ trong lĩnh vực: không phải như một hạng mục mang tính biểu tượng, mà như một lực lượng có thể hiểu vấn đề, xây dựng sản phẩm, và định nghĩa các quy tắc làm việc mới.

CÂU HỎI THƯỜNG GẶP

Ai là các diễn giả chính của phiên thảo luận tại Hội nghị HUMAN X?

Các nhân vật trung tâm của phiên thảo luận là Jennifer Smith, CEO và đồng sáng lập của Scribe, và Mada Seghete, nhà sáng lập của Upside và cựu đồng sáng lập của Branch.

Thông điệp chính nổi bật về tương lai của AI trong kinh doanh là gì?

Thông điệp chính là AI thực sự hoạt động đúng khi nó có bối cảnh vận hành phù hợp. Các mô hình mạnh mẽ nhưng thiếu dữ liệu đáng tin cậy, quy trình vận hành và “bộ nhớ doanh nghiệp” vẫn chưa hoàn chỉnh.

Điều gì quan trọng nhất khi tuyển dụng cho các công ty AI-Native?

Khả năng học nhanh, suy nghĩ lại vai trò với AI, và chứng minh khả năng thích nghi mới là điều thật sự quan trọng. Chỉ kinh nghiệm trước đây thôi không còn đủ.

Vì sao chủ đề phụ nữ trong AI lại liên quan trong phiên thảo luận này?

Vì nó cho thấy lãnh đạo nữ trong AI không chỉ là vấn đề đại diện, mà còn là vấn đề phát triển sản phẩm, văn hóa doanh nghiệp và tầm nhìn chiến lược.

AI sẽ thay thế con người hay chủ yếu loại bỏ công việc vô ích?

Theo các kết quả của phiên thảo luận, AI chủ yếu nhằm loại bỏ các tác vụ lặp đi lặp lại và biến đổi các vai trò. Sự thay đổi có thể rất mạnh mẽ, nhưng giá trị con người vẫn sẽ là trung tâm!