Khi chúng ta làm việc với AI có một mô hình rất quen thuộc: nhập prompt → nhận câu trả lời → chuyển sang việc khác. Không ai kiểm tra lại, cũng không ai thực sự suy nghĩ về lý do đằng sau kết quả đó.

Tuy nhiên, các công ty đang tạo ra những sản phẩm đột phá lại làm theo việc cách hoàn toàn khác. Họ xây dựng môi trường nơi con người và AI cùng tham gia vào quá trình ra quyết định. AI đưa ra lựa chọn, phát hiện mẫu, cảnh báo những điểm cần chú ý và 'giải thích cách nó làm'. Con người sau đó kiểm tra, bổ sung bối cảnh và đưa ra quyết định cuối cùng. Không bên nào chỉ đơn giản ra lệnh cho bên còn lại — mà là hợp tác thực sự.

AI + con người: Những ví dụ thực tế

Trong khoa học và y tế

Hệ thống AlphaFold có thể dự đoán cấu trúc protein — công việc vốn mất nhiều năm trong phòng thí nghiệm — chỉ trong vài giờ. Tuy nhiên, việc hiểu ý nghĩa của những cấu trúc này và quyết định thí nghiệm tiếp theo vẫn cần đến con người.

Công ty công nghệ sinh học Insilico Medicine còn đi xa hơn. Thay vì mất 4–5 năm để tìm ra một hợp chất tiềm năng, họ dùng AI để tạo và sàng lọc hàng nghìn phân tử. Sau đó, các nhà hóa học sẽ chọn ra những ứng viên tốt nhất, tinh chỉnh và kiểm chứng. Kết quả là thời gian rút xuống chỉ còn khoảng 18 tháng.

Trong lĩnh vực chẩn đoán bệnh, PathAI phân tích mẫu mô để phát hiện ung thư, sau đó bác sĩ kiểm tra lại và đưa ra kết luận cuối cùng. Một nghiên cứu cho thấy độ chính xác đạt 99,5%, cao hơn so với 96% khi bác sĩ làm việc một mình. Đồng thời, thời gian xử lý cũng giảm đáng kể.

Điểm chung rất rõ ràng: AI giỏi phát hiện mẫu với tốc độ và quy mô lớn. Con người giỏi đánh giá và đặt chúng vào đúng bối cảnh.

Trong kinh doanh

AI có thể làm trong vài giờ những việc trước đây mất hàng tuần, như phân tích hợp đồng, đánh giá rủi ro hay xử lý dữ liệu lớn. Nhưng quyết định cuối cùng vẫn thuộc về con người.

Ví dụ, JPMorgan Chase từng mất 360.000 giờ mỗi năm để rà soát hợp đồng. Họ phát triển hệ thống COiN sử dụng AI để đọc và trích xuất thông tin chỉ trong vài giây. Tuy nhiên, luật sư vẫn là người kiểm tra và đưa ra quyết định cuối cùng. Kết quả là giảm 80% lỗi tuân thủ và tiết kiệm rất nhiều thời gian.

Tương tự, BlackRock sử dụng nền tảng Aladdin để phân tích rủi ro trên quy mô toàn cầu. AI xử lý dữ liệu, còn các nhà quản lý danh mục đầu tư đưa ra quyết định. Nhờ đó, việc phân tích rủi ro từ vài ngày đã chuyển sang gần như thời gian thực, và hiệu suất đầu tư cũng được cải thiện.

Công cụ AI nào hỗ trợ cộng tác tốt?

Không phải công cụ AI nào cũng phù hợp cho làm việc nhóm với con người. Điểm khác biệt nằm ở việc chúng có 'giải thích được cách làm' hay không.

Các công cụ như ChatGPT hay Claude cho phép trao đổi hai chiều, phản biện và làm rõ vấn đề.

In research, platforms like Perplexity or Elicit provide clear citations for users to verify.

In programming, GitHub Copilot or Cursor allows you to preview changes before applying them.

The common thread among these tools is that they are transparent, allow for verification, and don't force you to accept the results.

There are three important factors to consider, including:

• Result: faster, more accurate, or not?
• Process: Do you actually double-check or just accept?
• Experience: Do you understand why the AI ​​produced that result?

If you always accept the first answer, that's not collaboration—it's just 'nodding in agreement'.

How to work effectively with AI

Teams that effectively leverage AI often share a few common principles. They clearly define roles: AI proposes solutions, humans make the decisions.

They always have a 'pause point' to double-check before moving on to the next step. No complicated process is needed; just take a minute to ask yourself: 'Why did the AI ​​choose this approach?'

Additionally, they prioritize transparent tools—where the code, data source, or logic can be viewed.

Equally important is to occasionally work without AI, to ensure you retain your core competencies.

The working model between humans and AI is changing very rapidly. AI is no longer just an execution tool, but has become a 'colleague' that offers suggestions and supports decision-making.

Teams that know how to collaborate with AI will work more efficiently, detect errors earlier, and make better decisions. Conversely, those who are either overly reliant on AI or fail to utilize it properly will gradually fall behind. The key isn't whether or not to use AI, but how you work with it.