1. Việc làm mãi không hết, mà lại chẳng muốn nó hết
Bình thường ai cũng nghĩ: AI giúp làm việc nhanh hơn thì con người sẽ rảnh hơn.
Nhưng khi thật sự có thể lần lượt giao cho AI từ tìm hiểu, bàn ý tưởng, viết yêu cầu, làm sản phẩm, sửa lỗi đến kiểm tra, đôi khi chuyện lại diễn ra ngược lại.
Thời gian rảnh không dùng để nghỉ, mà mình bắt đầu tự đẻ ra việc mới: "Vậy thì làm luôn cái này được", "cái kia cũng sửa cho tốt hơn được", "nối cái này với cái kia chắc vui lắm".
Mà cũng chẳng thấy cực. Đi dạo thì nảy ra ý. Đi chơi cũng nảy ra ý. Mở điện thoại nói chuyện với AI, biến ý tưởng thành bản yêu cầu, rồi chuyển cho AI viết code. Về đến nhà là đã có gì đó chạy được rồi.
Cảm giác không phải công việc đang ăn mòn cuộc sống, mà giống như cả thế giới thật biến thành bản đồ để đi "farm" ý tưởng.
Và khác biệt lớn nhất: game thường có nội dung cuối game do nhà phát triển chuẩn bị sẵn, còn trò chơi này thì mình tự thêm nội dung cuối game được.
Đúng là một viên kẹo cao su nhai cả đời không hết vị.
2. Đến giới hạn 5 tiếng cũng chỉ như thời gian hồi chiêu, không phải "hết game"
Ở các gói trả phí của Claude, giới hạn sử dụng theo phiên được đặt lại sau mỗi 5 tiếng, ngoài ra còn có giới hạn theo tuần riêng. Hạn mức tuần được đặt lại vào một thời điểm cố định được gán cho từng tài khoản.[1]
Điều thú vị là chạm giới hạn không còn nhất thiết có nghĩa là "hôm nay nghỉ".
Nếu đã chia nhỏ công việc đủ tốt, một phiên dừng thì mình chuyển sang việc khác không liên quan. Hoặc đợi đặt lại rồi làm tiếp. Giới hạn trở nên giống thanh thể lực hay thời gian hồi chiêu trong game.
Tất nhiên đây không phải chuyện lách điều khoản hay giới hạn của dịch vụ nào. Mà là trong phạm vi được phép, chia việc thành những phần độc lập, rồi tận dụng lúc chờ để sắp xếp việc nào phải chờ việc nào, hoặc nghĩ dự án tiếp theo.
Kết quả là trong đầu mình đổi từ "AI dừng rồi" sang "anh thợ này đang nghỉ giải lao, vậy chạy dây chuyền khác trước đã".
3. Định luật Parkinson mở rộng từ "thời gian" sang "ý tưởng"
Định luật Parkinson thường được tóm lại là "công việc sẽ phình ra cho đến khi lấp đầy thời gian có sẵn". Câu này bắt nguồn từ một bài tiểu luận châm biếm năm 1955, về sau cũng có nghiên cứu kiểm chứng ở cấp độ cá nhân.[2]
Sang thời AI, quy luật này biến dạng một chút.
Trước đây có 8 tiếng thì một việc có thể kéo dài đủ 8 tiếng. Nếu AI rút phần việc thật xuống còn 1 tiếng, cũng chưa chắc 7 tiếng còn lại sẽ trống trơn.
Trong 7 tiếng đó, mình có thể:
- phát hiện vấn đề mới
- nghĩ ra tính năng thêm
- tính chuyện kết nối với dịch vụ khác
- nâng tiêu chuẩn chất lượng
- hồi sinh những ý tưởng từng bỏ vì quá tốn kém
Tức là không chỉ việc cũ phình ra lấp chỗ trống, mà chính việc mới cũng nảy mầm từ khoảng thời gian rảnh ra.
AI càng nhanh, khả năng "nghĩ ra" của con người càng trở thành dây chuyền sản xuất mới.
4. Năng suất tăng thì việc cũng tăng: kiểu hiệu ứng bật lại của nghịch lý Jevons
Chỗ này giống với nghịch lý Jevons và cái gọi là hiệu ứng bật lại.
Vốn dĩ đây là chuyện hiệu quả năng lượng: khi hiệu quả tăng, chi phí dùng trên mỗi đơn vị giảm, người ta dùng nhiều hơn, và phần tiết kiệm kỳ vọng có thể bị triệt tiêu một phần hoặc toàn bộ. Tuy vậy, mức độ xảy ra khác nhau tùy lĩnh vực và điều kiện, chưa thể khẳng định lúc nào cũng có "tác dụng ngược" mạnh.[3]
Đem nguyên nó áp vào công việc với AI như một định luật khoa học thì hơi thô, nhưng làm phép so sánh thì rất trúng.
Nếu làm một thứ mất 3 ngày, 10 ý tưởng mình bỏ 9.
Nếu làm một thứ chỉ cần 30 phút giao việc và duyệt lại, 9 ý tưởng đó sống lại.
Vậy là không phải "năng suất tăng 10 lần nên việc còn một phần mười", mà là "làm luôn cả những việc trước đây không đáng công".
Chi phí làm ra càng rẻ, nhu cầu ý tưởng càng mở rộng.
AI vừa là cỗ máy xóa bớt việc, vừa có thể là cỗ máy đẻ ra việc.
5. Sao lại vui đến vậy: được tự chọn, thấy mình giỏi lên, phản hồi nhanh
Thuyết tự quyết (Self-Determination Theory) cho rằng có ba thứ rất quan trọng với động lực và hạnh phúc: cảm giác được tự chọn, cảm giác mình làm được, và sự gắn kết với người khác. Nhất là cảm giác "mình tự chọn" và "mình đang giỏi lên" gắn liền với động lực chất lượng cao.[4][5]
Lý do dự án cá nhân dùng AI dễ biến thành game trùng khớp với điều này.
Không phải điền vào file Excel ai đó đưa cho.
Mình tự quyết "cái này nghe hay đấy".
Vài phút là chốt xong yêu cầu.
Vài chục phút sau đã có thứ chạy được.
Hỏng thì sửa.
Cách sửa đó cứ thế phát huy tác dụng mãi về sau.
Vòng lặp này liên tục trả về cảm giác tự chủ, cảm giác tiến bộ và phản hồi rõ ràng với tần suất cao.
Thanh kinh nghiệm trong game là một con số.
Còn thanh kinh nghiệm khi làm với AI là đồ thật: "hôm qua chưa làm được, hôm nay đã tự chạy rồi".
Thế thì nghiện là phải.
6. Vì sao còn cuốn hơn game: nội dung cuối game tự mình làm ra
Game thường dù to cỡ nào cũng là thế giới nhà phát triển dựng sẵn.
Hạ trùm cuối. Gom đủ đồ. Cày nội dung khó nhất. Rồi sẽ đến lúc "hết việc để làm".
Với dự án cá nhân dùng AI, đúng lúc đó mình tự thêm nhiệm vụ mới.
Làm xong trang web.
Thì làm bản nhiều ngôn ngữ.
Xong bản nhiều ngôn ngữ.
Thì đưa ra cho mọi người thấy.
Đưa ra rồi.
Thì đo phản ứng.
Đo rồi.
Thì để hệ thống tự nghĩ dự án tiếp theo từ phản ứng đó.
Tự động hóa luôn khâu nghĩ dự án rồi.
Thì mở rộng sang âm thanh, video, thị trường khác, sản phẩm khác.
Mỗi lần đạt điều kiện phá đảo, chính người chơi lại tự làm thêm một bản DLC.
Kiểu này cực hợp với cái vui "xây hệ thống" của Minecraft hay Factorio, chỉ khác là ngoài đời thật, hệ thống mình xây tác động đến độc giả, khách hàng, doanh thu, kiến thức và giờ làm việc thật.
Thứ nhận về không phải tiền trong game, mà là phản hồi từ thế giới thật.
Nên vị mãi chẳng nhạt.
7. Chức vụ tự thăng: từ quản lý dự án lên chủ sản phẩm, rồi thành sếp
Lúc đầu mình làm như một người quản lý dự án:
"Việc này làm sao cho xong?" "Đang tắc ở đâu?" "Ai làm việc gì?"
Sau đó thành kiểu quản lý sản phẩm hay chủ sản phẩm (product owner):
"Nên làm cái gì?" "Người dùng nhận được gì?" "Cải tiến nào làm trước?"
Rồi khi AI ôm luôn việc chia nhỏ, phân công, làm sản phẩm và kiểm tra vòng đầu, câu hỏi của con người lại lên thêm một tầng:
"Dồn nguồn lực cho sản phẩm nào?" "Nuôi thị trường nào?" "Dẹp mảng kinh doanh nào?" "Nối những hệ thống nào với nhau?" "Công ty cần thêm bộ phận gì tiếp theo?"
Đến mức này, việc mình làm không còn là cải thiện một tính năng, mà gần với thiết kế một công ty nhỏ.
| Giai đoạn | Câu hỏi chính của con người |
|---|---|
| Người làm | Làm thế nào? |
| PM | Làm sao cho xong? |
| PdM / PO | Làm cái gì? |
| Điều hành | Dồn nguồn lực vào đâu? |
| Quản lý danh mục | Nuôi cái gì, bỏ cái gì? |
Không phải AI khiến mình thành người quan trọng.
Chỉ là giao được các tầng bên dưới, nên một mình cũng đụng tới được các tầng bên trên, thứ trước đây cần người và vốn.
Vậy mới vui.
8. Có một mình mà vẫn có sơ đồ tổ chức
Thú vị hơn nữa, con người thậm chí không cần tự quản từng "nhân viên" AI.
Ví dụ có thể dựng các tầng như sau:
- Con người: mục tiêu, thứ tự ưu tiên, cái gì vui, quyết định cuối
- AI trò chuyện: bàn ý tưởng, tìm hiểu, bản nháp yêu cầu
- AI quản lý: chia nhỏ việc, xem việc nào phụ thuộc việc nào, phân công, lên kế hoạch ghép lại
- AI viết code: code, kiểm thử, sửa lỗi
- Theo dõi: kiểm tra kết quả, so sánh thay đổi, phát hiện lỗi
Không phải con người → nhân viên AI.
Mà là con người → quản lý AI → nhân viên AI.
Khi chạy được như vậy, việc của con người càng xa chuyện soi từng chi tiết, mà dồn vào câu hỏi "tiếp theo cho công ty làm gì".
Không có nhân viên nào, nhưng sơ đồ tổ chức thì hoành tráng.
Công ty một người trong tương lai đúng là một sinh vật kỳ lạ.
9. Đừng chỉ "chạy nhiều AI cùng lúc", mà phải "chia việc để khỏi đụng nhau"
Tăng số nhân viên AI thì vấn đề mới xuất hiện.
Mười người thợ siêu nhanh cùng xúm vào sửa một sợi dây thì chẳng nhanh gì.
Còn làm hỏng thêm.
Một nghiên cứu năm 2026 về pull request (yêu cầu gộp code) do AI agent tạo trên GitHub ghi nhận xung đột khi gộp code của các agent chạy cùng lúc. Trong mẫu được nghiên cứu, các cặp agent khác nhau làm song song có tỷ lệ xung đột văn bản cao hơn các cặp đến từ cùng một agent.[6]
Một nghiên cứu khác năm 2026 thử cách gọi là CAID cho các việc phần mềm dài và phức tạp: một đầu mối trung tâm giao việc, các việc chạy song song không phải chờ nhau, mỗi bên có chỗ làm riêng tách biệt, rồi gộp lại theo cách có trật tự. Cách này cho kết quả tốt hơn so với chỉ dùng một agent.[7]
Điều quan trọng không phải "chạy bao nhiêu AI", mà là:
- không để hai bên sửa cùng một file một lúc
- vạch rõ phạm vi ai lo việc gì
- xem trước việc nào phụ thuộc việc nào
- tách riêng chỗ làm việc
- cuối cùng gộp lại và kiểm thử
Nghĩa là điểm nghẽn tiếp theo không phải sức mạnh máy tính, mà là cách tổ chức đội ngũ.
Và khi AI quản lý bắt đầu làm luôn việc đó, con người thật sự bị đẩy lên ghế giám đốc.
10. Thứ khan hiếm chuyển từ "thời gian viết code" sang "sự chú ý, gu và định hướng"
Khi AI có thể xử lý cả núi việc làm sản phẩm, thứ thiếu nhất cũng thay đổi.
Không phải lượng code.
Đến ý tưởng, AI cũng nghĩ ra được kha khá.
Thứ cuối cùng trở nên hiếm là sự chú ý và óc phán đoán:
- cái gì vui
- cái gì quê
- làm đến đâu
- có nên làm bây giờ không
- bỏ cái gì
- cái gì không nên tin ngay mà phải kiểm tra
- lỗi nào chỉ là "sự cố một lần", lỗi nào cho thấy "hệ thống có vấn đề"
Không phải AI làm được 100 việc thì làm cả 100.
Trong thế giới làm được 100 việc, quyết định 3 việc nào có ý nghĩa mới là điều hành.
Điểm nghẽn đã dời chỗ.
Từ làm ra, sang định hướng.
11. Cái bẫy duy nhất của nội dung cuối game vô tận: điều kiện "game over" cũng phải tự đặt
Không có hồi kết là tuyệt nhất, nhưng chính việc không có hồi kết cũng có thể thành nguy hiểm.
AI chạy được 24 tiếng không có nghĩa con người cũng phải làm 24 tiếng.
Vui quá nên bớt ngủ. Cải thiện được nên mở rộng phạm vi mãi. Chạy song song được nên đẩy một đống thay đổi chưa kiểm tra. Nhân viên nhiều lên nên chẳng biết ai đã đụng vào cái gì.
Thế là "tự động hóa để tự do hơn" lại thành "nâng cấp công ty bóc lột của riêng mình".
Cách chữa cũng có thể nghĩ như thiết kế game:
- đặt chốt chặn trước những thay đổi lớn khó quay lại
- không sửa cùng một phần việc một lúc
- đọc lại kết quả để chắc nó đã vào thật
- kiểm thử những thứ quan trọng
- chuẩn bị đường khôi phục khi hỏng
- tính cả giấc ngủ và cuộc sống của mình vào thứ tự công việc
- giữ một danh sách "vui đấy nhưng giờ chưa làm"
Mục tiêu không phải là bớt việc.
Mà là đừng làm hỏng trạng thái vui vẻ, để chơi được thật lâu.
12. Kết luận: vui không phải vì công việc, mà vì đó là "công việc giúp mình tự mở rộng thế giới"
Khi thấy "hay là công việc vốn dĩ vui", thứ vui có lẽ không phải lao động nói chung.
Không phải ngồi hàng giờ làm việc người khác đã quyết.
Mà là tự mình phát hiện vấn đề. Tự mình đặt mục tiêu tiếp theo. Giao phần làm cho AI. Thấy thứ gì đó thành hình ngoài đời thật. Nhìn kết quả rồi lại nghĩ ra cái tiếp.
Vòng lặp đó mới vui.
Người trước đây với vai trò PM hay nghĩ "cải thiện thế nào", khi giao việc chia nhỏ và làm sản phẩm cho AI, sẽ chuyển sang nghĩ "muốn công ty này làm ra cái gì".
Và khi AI quản lý bắt đầu phân việc cho các nhân viên AI, mình lại lên thêm một tầng.
Câu hỏi còn lại sau cùng rất đơn giản:
Tiếp theo làm gì thì vui nhỉ?
Trong game thường, người trả lời câu đó là nhà phát triển.
Trong trò chơi này, là chính người chơi.
Nên nó không kết thúc.
Và đó chính là phần vui nhất.
- Anthropic Help Center, “What is the Max plan?” / “How do usage and length limits work?” – Zurücksetzen der Sitzungslimits alle fünf Stunden und separate Wochenlimits. und https://support.claude.com/en/articles/11647753-how-do-usage-and-length-limits-work support.claude.com
- Brannon, L. A., Hershberger, P. J., & Brock, T. C. (1999). “Timeless demonstrations of Parkinson's first law.” Psychonomic Bulletin & Review, 6(1), 148–156 pubmed.ncbi.nlm.nih.gov
- Sorrell, S. (2009). “Jevons’ Paradox revisited: The evidence for backfire from improved energy efficiency.” Energy Policy, 37(4), 1456–1469; siehe auch spätere Übersichtsarbeiten zu Rebound-Effekten sciencedirect.com
- American Psychological Association, “Self-determination theory: A quarter century of human motivation research. apa.org
- Gagné, M., & Deci, E. L. (2005). “Self-determination theory and work motivation.” Journal of Organizational Behavior, 26(4), 331–362 selfdeterminationtheory.org
- Xu, G., Subramanian, A., & Karthik, N. (2026). “AI Agent Pull Requests on GitHub: Frequency, Structure, and Merge Conflict Rates.” arXiv:2607.04697 arxiv.org
- Geng, J., & Neubig, G. (2026). “Effective Strategies for Asynchronous Software Engineering Agents.” arXiv:2603.21489 arxiv.org
