The most rational take on AI you’ll hear this year

AI có tầm quan trọng tương đương với Internet hoặc di động, là một công nghệ chuyển đổi nhưng không phải thảm họa. Nó tự động hóa các nhiệm vụ cũ và tạo ra vô số việc làm mới chưa từng tồn tại.
Chúng ta đang ở giai đoạn đầu của AI, giống như Internet năm 1997; nhiều ứng dụng và tác động tương lai vẫn chưa rõ ràng, chưa được xây dựng và mức độ chấp nhận còn rất khác nhau.
Thay vì phản đối, mọi người nên dấn thân và hiểu những gì AI có thể làm được ở hiện tại để thành công trong tương lai này, bởi sự thay đổi là điều tất yếu và thường xuyên.

AI là công nghệ nền tảng: AI mang lại một sự thay đổi cơ bản có tầm quan trọng tương đương với các công nghệ đột phá như internet hoặc di động, chứ không phải một sự kiện thảm khốc nhưng cũng không phải là một cải tiến nhỏ.
Tự động hóa tạo ra việc làm mới: Giống như các công nghệ trước đây, AI sẽ tự động hóa một số lượng lớn việc làm hiện có, nhưng quá trình đó cũng sẽ mở ra một loạt các loại hình và cơ hội việc làm mới chưa tồn tại.
Giai đoạn phát triển sơ khai: Công nghệ AI đang ở giai đoạn đầu của sự chấp nhận và trưởng thành, tương tự như internet vào năm 1997, với phần lớn các ứng dụng và tác động vẫn chưa được định hình rõ ràng.
Chủ động tiếp cận và thích nghi: Để thành công, cá nhân và doanh nghiệp nên chủ động dấn thân, tìm hiểu và hiểu rõ những gì AI có thể làm được ở hiện tại thay vì né tránh hoặc phản đối nó.
Nghịch lý tự động hóa ("Nghịch lý quần jean"): Việc làm cho một điều gì đó rẻ hơn hoặc dễ dàng hơn thông qua tự động hóa thường không làm giảm nhu cầu tổng thể mà có thể tăng lên, dẫn đến việc làm nhiều hơn với cùng một lượng tiền hoặc thậm chí nhiều tiền hơn nhờ ROI mới.
AI thúc đẩy dịch vụ chuyên nghiệp: Các phòng thí nghiệm AI tiên tiến đang đầu tư đáng kể vào các dịch vụ chuyên nghiệp và kỹ sư triển khai tại chỗ, cho thấy rằng việc tích hợp AI vào quy trình làm việc doanh nghiệp đòi hỏi nhiều nỗ lực tư vấn và triển khai.
Phân biệt nhiệm vụ và công việc: AI có khả năng tự động hóa các "nhiệm vụ" cụ thể, nhưng "công việc" thường bao gồm nhiều nhiệm vụ cùng với khả năng phán đoán, phối hợp và tương tác con người, nơi AI đóng vai trò bổ trợ và nâng cao hiệu suất.

Tầm Quan Trọng của AI: Internet hoặc Di Động Mới?

Quan điểm gây tranh cãi nhất của tôi là tôi nghĩ AI có tầm quan trọng tương đương với internet hoặc di động, và chỉ tương đương với internet hoặc di động mà thôi.

[Người dẫn chương trình]: Anh nghĩ sao về thảm họa việc làm sắp tới?

Mỗi khi chúng ta có một công nghệ mới, nó sẽ tự động hóa một số lượng lớn việc làm, và sau đó sự tự động hóa đó lại mở ra một loạt các [nhạc] việc làm mới. Và bạn không biết những việc làm mới đó vì chúng chưa tồn tại. Quá trình đó đã lặp đi lặp lại nhiều lần.

[Người nói]: Ngay cả khi nhìn vào các công ty AI tiên tiến nhất, như OpenAI, mọi người đều đang tăng số lượng nhân viên. Bạn nói chuyện với những người bi quan trên Twitter và họ sẽ hành động như thể mọi công ty lớn sẽ mua Chat GBT vào ngày mai, và sau đó trong hai tuần nữa họ sẽ sa thải tất cả nhân viên. Những người này thật ngớ ngẩn. Bạn không thể dự đoán những điều gì sẽ bị ảnh hưởng. Bạn không thể nhìn vào một đối tác cấp cao tại một hãng luật và nói, "À, 17% công việc của họ có thể được tự động hóa." Điều này thật nhảm nhí.

[Người dẫn chương trình]: Tôi tò mò không biết anh có theo dõi tâm lý phản đối AI không.

Phản ứng với Thay đổi từ AI

Đó là một mớ hỗn độn mơ hồ lớn. Vâng, điều này sẽ thay đổi rất nhiều thứ và chúng ta sẽ cần phải lo lắng về nó, nhưng [nhạc] đó là một điều khá thường xuyên. Chúng ta luôn có điều đó.

[Người dẫn chương trình]: Anh sẽ đề xuất một vài điều mọi người nên làm để thành công hơn trong tương lai này là gì?

Đừng vùi đầu vào cát và nói, "Tôi ghét tất cả những thứ này." Điều đó mang lại cho bạn cảm giác ưu việt về đạo đức và bạn có thể lên Blue Sky mà la hét với mọi người về việc AI độc ác đến mức nào. Tuyệt vời, tôi mừng cho bạn. Nhưng điều đó sẽ không giúp ích gì. Điều hữu ích là bạn hãy dấn thân vào điều này và hiểu được những gì bạn có thể làm với hiện tại.

Giới Thiệu Benedict Evans

Khách mời của tôi là Benedict Evans. Benedict là đối tác lâu năm tại A16Z, với vai trò nhà phân tích nội bộ [nhạc] và nhà tư tưởng thường trú của họ. Trước đó, ông là nhà nghiên cứu cổ phiếu lâu năm. Và trong sáu năm qua, ông là một nhà phân tích độc lập [nhạc] theo dõi các xu hướng công nghệ quan trọng nhất và chia sẻ những gì ông học được. Gần đây nhất, như bạn có thể mong đợi, ông dành toàn bộ thời gian của mình để tìm hiểu cách AI đang thay đổi [nhạc] cuộc sống của chúng ta. Và theo lời ông, AI đang nuốt chửng thế giới.

Trong cuộc trò chuyện này, chúng ta sẽ đi sâu vào những gì chúng ta vẫn chưa định giá hết [nhạc] về tác động mà AI sẽ có đối với cuộc sống và công việc của chúng ta, sự trỗi dậy của tâm lý phản đối AI [nhạc], tác động đến việc làm, nơi nào trong chuỗi giá trị sẽ tích lũy được nhiều giá trị nhất, và [nhạc] nhiều điều nữa. Nếu bạn đang lo lắng về AI hoặc chỉ bối rối về hướng đi của mọi thứ, cuộc trò chuyện này sẽ dạy cho bạn rất nhiều điều và cũng khiến bạn cảm thấy tốt hơn.

Trước khi chúng ta bắt đầu, đừng quên truy cập lenny'spass.com để nhận một năm miễn phí một số sản phẩm AI tuyệt vời nhất, nóng hổi nhất, được chế tạo tốt nhất trên thế giới, dành riêng cho những người đăng ký bản tin của Lenny. Với điều đó, tôi xin giới thiệu Benedict Evans.

Benedict, cảm ơn anh rất nhiều vì đã có mặt ở đây. Chào mừng anh đến với podcast.

[Benedict Evans]: Cảm ơn vì đã mời tôi.

AI và Những Thay Đổi Chưa Được Nhận Thức

[Người dẫn chương trình]: Anh vừa công bố bài thuyết trình có tên "AI đang nuốt chửng thế giới". Tôi muốn hỏi anh một khía cạnh ngược lại của vấn đề này: chúng ta đều biết đó là một vấn đề lớn, vậy điều mà anh nghĩ mọi người vẫn chưa định giá hết khi nghĩ về sự thay đổi mà họ sẽ trải nghiệm trong cuộc sống và công việc của mình là gì?

Một cách thú vị để suy nghĩ về nó, tôi đã thực hiện một podcast vào năm ngoái với một người mà tôi đã nói, bạn biết đấy, quan điểm gây tranh cãi nhất của tôi là tôi nghĩ AI có tầm quan trọng tương đương với internet hoặc di động, và chỉ tương đương với internet hoặc di động mà thôi. Bởi vì rõ ràng có một nhóm người trong lĩnh vực công nghệ nghĩ rằng không, điều này giống như cách mạng công nghiệp hay gì đó. Và có cả một nhóm người bên dưới nói rằng, à, anh ấy nghĩ điều này cũng lớn như vậy, anh ấy không hiểu điều này lớn đến mức nào sao? Và tôi thì nghĩ, điện thoại thông minh là một điều khá lớn. Internet là một điều khá lớn. Chúng ta sẽ không làm được điều này nếu không có internet. Vì vậy, có một lớp như thế, nhưng nếu bạn đào sâu vào đó, ví dụ, nếu bạn định so sánh với internet, thì giống như chúng ta đang ở năm 1997. Thật thú vị. Hầu hết mọi thứ dường như vẫn chưa hoạt động. Hầu hết những gì mọi người sẽ làm vẫn chưa được xây dựng và cũng không thực sự rõ ràng làm thế nào tất cả sẽ hoạt động khi nó thực sự hoạt động. Và những người đã nắm bắt được nó, những người đã uống viên thuốc nào đó (tôi quên là viên nào), tưởng tượng rằng mọi người trên thế giới đã ở đó rồi, và sự thật là bạn có một sự phân bố rất rộng.

Vì vậy, có những người trong lĩnh vực công nghệ đã mua cluster of Mac minis của họ và bạn biết đấy, không còn dùng Google nữa. Và sau đó bạn nhìn ra bên ngoài lĩnh vực công nghệ, và bỏ qua những kẻ ngốc nghĩ rằng điều này không có thật, bạn biết đấy, hầu hết những người đang sử dụng nó đều sử dụng mỗi tuần hoặc hai tuần một lần. Vì vậy, bạn có một sự phân bố rộng lớn về mức độ chấp nhận và mức độ trưởng thành của cách thức hoạt động của nó. Và sau đó, trong đó, bạn có thể đưa ra những điểm cụ thể về việc các mô hình sẽ hoạt động như thế nào và liệu các phòng thí nghiệm mô hình có sức mạnh định giá hay không và giá trị sẽ nằm ở đâu và bạn biết đấy, liệu OpenAI đã giành chiến thắng toàn bộ hay bạn biết đấy, liệu Anthropic có nó trong tuần này không. Và sau đó bạn có thể đi vào việc gọi tên những cuộc đua đó, nơi mà một lần nữa, giống như ở năm 1997 và nói, à, liệu nó sẽ là Excite hay Yahoo, và câu trả lời thường là không. Vì vậy, có một điểm phân dạng ở đây, có một cấp độ siêu cao mà điều này sẽ thay đổi mọi thứ một cách tuyệt đối. Tôi không nghĩ rằng việc nói liệu nó lớn hơn internet 20% hay 100% là hiệu quả; đó không phải là những cuộc trò chuyện hiệu quả. Nhưng đó là một trong những thay đổi cơ bản đó, nhưng sau đó bạn không biết làm thế nào bất kỳ điều gì trong số đó sẽ hoạt động. Trên thực tế, tôi vừa xuất bản cái này, tôi thực hiện một bài thuyết trình sáu tháng một lần và tôi vừa xuất bản một bài vào ngày hôm qua và một trong những bình luận là: Benedict, đây là 80 slide nói rằng chúng ta không biết gì cả, điều này hơi mỉa mai nhưng cũng khá đúng.

WorkOS: Giải Pháp Sẵn Sàng cho Doanh Nghiệp

Tập này được tài trợ bởi nhà tài trợ chính của mùa giải, WorkOS. Điều gì mà OpenAI, Anthropic, Cursor, Versell, Replet, Sierra, Clay và hàng trăm công ty chiến thắng khác có điểm chung? Tất cả đều được hỗ trợ bởi WorkOS. Nếu bạn đang xây dựng một sản phẩm cho doanh nghiệp, bạn đã cảm thấy khó khăn khi tích hợp đăng nhập một lần (SSO), SKIM, arback, nhật ký kiểm tra và các tính năng khác mà các công ty lớn yêu cầu. WorkOS biến những trở ngại giao dịch đó thành API tích hợp sẵn với một nền tảng dành cho nhà phát triển hiện đại được xây dựng đặc biệt cho SaaS B2B.

Theo nghĩa đen, mọi startup (công ty khởi nghiệp) mà tôi là nhà đầu tư, khi bắt đầu mở rộng thị trường, đều hợp tác với WorkOS. Và đó là bởi vì họ là những người giỏi nhất. Dù bạn là một startup (công ty khởi nghiệp) giai đoạn hạt giống đang cố gắng giành được khách hàng doanh nghiệp đầu tiên của mình hay một unicorn đang mở rộng toàn cầu, WorkOS là con đường nhanh nhất để trở thành sẵn sàng cho doanh nghiệp và mở khóa sự tăng trưởng. Nó về cơ bản là Stripe cho các tính năng dành cho doanh nghiệp. Hãy truy cập works.com để bắt đầu hoặc chỉ cần vào Slack của họ, nơi có các kỹ sư thực tế đang chờ trả lời các câu hỏi của bạn. WorkOS cho phép bạn xây dựng nhanh hơn với API dễ sử dụng, tài liệu toàn diện và trải nghiệm nhà phát triển mượt mà. Hãy truy cập works.com để làm cho ứng dụng của bạn sẵn sàng cho doanh nghiệp ngay hôm nay.

Dòng Thời Gian AI: Tương Lai của Phần Mềm và Công Việc

[Người dẫn chương trình]: Vậy, nếu chúng ta đang ở trong dòng thời gian năm 1997 đối với AI, tôi biết rằng phần lớn thông điệp của anh là chúng ta không biết chính xác nó sẽ đi đến đâu. Tôi không biết. Anh có cảm giác về dòng thời gian để đến lúc mọi thứ sẽ thay đổi một cách triệt để không? Chúng ta đang ở đâu trong chu kỳ đó? Anh nói về tất cả các chu kỳ khác nhau mà chúng ta đã trải qua. Chúng ta còn bao xa nữa cho đến khi mọi thứ hoàn toàn khác biệt?

[Benedict Evans]: Vâng, không thể nghi ngờ gì nữa, chúng ta đã ở trong khoảnh khắc đó trong phần mềm. Và sau đó có một cuộc trò chuyện về việc phát triển phần mềm theo hướng tác nhân và AI, hai điều riêng biệt hợp nhất lại, có ý nghĩa gì đối với tương lai của ngành công nghiệp phần mềm? Bạn biết đấy, có một cực đoan mà không ai thực sự tin, đó là, bạn biết đấy, bạn sẽ chỉ cần v code Stripe của riêng mình và không ai thực sự tin điều đó, mặc dù bạn không tin điều đó, nhưng rõ ràng có rất nhiều câu hỏi về ý nghĩa của điều này đối với ngành công nghiệp phần mềm và bạn sẽ có thể tự mình làm được bao nhiêu thứ hoặc sẽ có thêm bao nhiêu phần mềm và đó là, bạn biết đấy, đó là một cuộc trò chuyện hoàn toàn khác.

Nhưng cực đoan khác là, bạn biết đấy, nếu bạn ở trong một hãng luật, điều này rất thú vị. Nhưng tôi sẽ sử dụng nó chính xác như thế nào? Và làm thế nào để chúng ta tìm ra cách để không trở thành câu chuyện tiếp theo mà chúng ta đã gửi một thứ gì đó có ảo giác trong đó? Và chúng ta sẽ thuê bao nhiêu cộng sự vào năm tới? Điều này có ý nghĩa gì đối với chúng ta?

Một trong những phép so sánh tôi đã sử dụng trong bài thuyết trình là hãy tưởng tượng bạn là một kế toán viên đang nhìn thấy những bảng tính phần mềm đầu tiên vào cuối những năm 70. Điều này thật đáng kinh ngạc. Bạn biết đấy, bạn thay đổi lãi suất ở đây và tất cả các con số khác thay đổi và nó làm công việc cả tuần của bạn chỉ trong khoảng 30 giây. Và chúng ta có thể nói về ý nghĩa của điều đó đối với ngành kế toán, nhưng rõ ràng nếu bạn là một kế toán viên, điều này hiển nhiên là đáng kinh ngạc. Nhưng nếu bạn là một luật sư nhìn vào điều đó hoặc một nhà báo nhìn vào điều đó, bạn sẽ nghĩ, à, điều đó rất thông minh và kế toán viên của tôi nên xem cái này, nhưng đó không phải là điều tôi làm. Tôi có thể sử dụng nó cho bảng chấm công của mình vào tuần tới nếu nó không tốn 10 hoặc 15 nghìn đô la để có được Apple 2 và màn hình và máy in để chạy nó, đó là chi phí nếu bạn điều chỉnh, nhưng đó không phải là điều tôi làm. Và bạn cần một trình xử lý văn bản, cái mà thực sự đã ra đời rất nhanh sau đó.

Và đó là khoảnh khắc mà chúng ta đang ở, có một số người như phát triển phần mềm, các nhà phát triển phần mềm là những kế toán viên đang nhìn thấy VisiCalc, kiểu như ôi Chúa ơi, điều này thay đổi mọi thứ. Giống như trước VisiCalc và sau VisiCalc, trước Clode Code và sau Clode Code [hắng giọng]. Rất nhiều người khác đang tiếp nhận nó, sử dụng nó ở các mức độ khác nhau nhưng hơi bối rối. Vì vậy, có rất nhiều dữ liệu khảo sát mà tôi đưa vào bài thuyết trình rằng ngay cả khi bạn nhìn vào những người từ 13 đến 18 tuổi hoặc tương tự, thì vẫn có khoảng 15-20% người là người dùng hoạt động hàng ngày và 20% khác là người dùng hoạt động hàng tuần, và sau đó 60% còn lại trong nhóm nhân khẩu học đó thì không sử dụng nó. Vì vậy, có một sự lan truyền rất rộng về những ai hiểu được nó và một sự rộng rãi mà tôi nghĩ cũng ánh xạ, đây gần như là một điểm riêng biệt, ánh xạ đến câu hỏi về ranh giới gồ ghề về việc điều này hoạt động ở đâu, nó không hoạt động ở đâu, bạn có thể biết nó sẽ hoạt động ở đâu không, có trực quan để biết nó sẽ hoạt động ở đâu không, bạn có thể biết sau khi nó hoạt động không, bạn có thể tự mình tìm ra bạn sẽ làm gì với điều này không, và tất cả những điều đó giao thoa nếu bạn là một nhà phát triển phần mềm, rất nhiều người khác thì như thể mọi người đang có khoảnh khắc đó hoặc không, hoặc chúng ta đang ở, một lần nữa, chúng ta đang ở trong khoảnh khắc năm 1997 đó, ok, đây là cái gì?

Đầu Tư vào Dịch Vụ Chuyên Nghiệp và Kỹ Sư Triển Khai tại Chỗ

[Người dẫn chương trình]: Theo hướng đó, một điều anh đã viết khá nhiều là khoản đầu tư bất ngờ vào dịch vụ chuyên nghiệp, dịch vụ tư vấn / kỹ sư triển khai tại chỗ — tất cả các phòng thí nghiệm AI, ít nhất là hai phòng thí nghiệm lớn OpenAI và Anthropic, đang đầu tư vào việc mua các công ty tư vấn lớn và các quỹ đầu tư tư nhân nói về những gì đang xảy ra ở đó, tại sao điều đó lại xảy ra.

[Benedict Evans]: Vâng, thật buồn cười, tối qua tôi đã cố gắng tìm một câu đùa khi viết bản tin của mình nhưng không thể nói ra được, nhưng như bạn biết, bạn biết câu đùa rằng một nhà khoa học học máy là một nhà thống kê sống ở San Francisco và có điều gì đó ở đó giống như một kỹ sư triển khai tại chỗ giống như một nhà phát triển phần mềm thuê ngoài của Accenture sống ở San Francisco hoặc làm việc ở San Francisco. Ý tôi là, bạn biết đấy, nói đùa sang một bên, nếu bạn có bất kỳ kinh nghiệm nào về dịch vụ chuyên nghiệp, thì các công ty không có nhiều người ngồi chơi chờ để xây dựng một dự án lớn mới hoặc thực hiện một phần phân tích lớn mới hoặc xây dựng một công nghệ lớn mới hoặc một sản phẩm mới hoặc tìm ra cách họ sẽ thiết kế lại cửa hàng của họ hoặc, bạn biết đấy, tìm ra nơi các cửa hàng nên ở hoặc cố gắng tìm ra tại sao tỷ lệ rời bỏ lại quá cao. Ồ không.

Vai trò của Chuyên gia tư vấn và `AI` trong Chuyển đổi Doanh nghiệp

Tất cả những câu hỏi đó là lý do bạn thuê Bane, BCG, McKenzie một mặt, hoặc Accenture, Infasis hay bất kỳ công ty nào khác; hoặc bạn thuê một công ty quảng cáo thương hiệu, hoặc một công ty kiến trúc sư hay gì đó. Và câu hỏi luôn là, "Chúng ta có thể thuê vài kiến trúc sư, nhưng tại sao chúng ta lại muốn có 15 kiến trúc sư làm việc cố định khi chúng ta chỉ cần thuê một công ty kiến trúc? Chúng ta chỉ cần thuê một công ty quảng cáo."

Và như vậy, bạn phải hình dung lại hoàn toàn tất cả các quy trình làm việc nội bộ của công ty mình và tìm ra quy trình nào có thể được tự động hóa rất nhanh bằng AI. Đó là một dự án. Đó là một dự án cần 5 hoặc 10 người ngồi lại và dành một hoặc hai tháng để tìm hiểu. Và việc thực hiện nó lại là một dự án khác. Vậy thì chúng ta cần kết nối ba hệ thống dọc này vào hai hệ thống ngang kia, xây dựng một loạt quy trình làm việc mới và đào tạo mọi người thực hiện. Vâng, bạn đoán xem ai sẽ làm điều đó? Bởi vì bạn không có một nhóm người ngồi không làm gì cả.

Vì vậy, một mặt, đây là một phần trong mô hình của một số công ty quỹ đầu tư mạo hiểm (VC), đó là họ cung cấp hỗ trợ cho các công ty con trong danh mục đầu tư của mình để thực hiện công việc. Và mặt khác, đó là lý do tại sao bạn thuê, tùy thuộc vào những gì bạn đang cố gắng làm, bạn thuê Bane hoặc bạn thuê Accenture hoặc bạn thuê các nhà báo để giúp bạn giải quyết vấn đề đó. Điều thực sự thú vị về xu hướng này là bạn sẽ nghĩ rằng AI sẽ khiến các chuyên gia tư vấn biến mất. "Không, chúng ta không cần tất cả những người này nữa. AI sẽ làm công việc của họ." Thay vào đó, những phòng lab AI tiên tiến nhất lại là những nơi đầu tư nhiều nhất vào đội ngũ này. Tôi nghĩ điều này khá đáng ngạc nhiên.

Phân tích Tác động của `AI` (Vốn, Triển khai, Thay đổi)

Một trong những khía cạnh trong bài thuyết trình của tôi – tôi chia bài thuyết trình thành ba phần. Có một phần về vốn, đó là về cơ bản tất cả chi phí vốn (capex) này đang đi đâu và liệu các mô hình ngôn ngữ lớn (LLM) có tạo ra sự khác biệt nào không? Sau đó có một phần về triển khai, đó là về cơ bản nó có ý nghĩa gì đối với ngành công nghiệp phần mềm? Và phần thứ ba là làm thế nào điều này thay đổi mọi thứ? Và một trong những khía cạnh mà tôi cố gắng tổng hợp trong phần về thay đổi là "Phần khó của công việc là gì?" Có phải phần khó của công việc là viết từng dòng code? Có phải phần khó của công việc là cung cấp cho bạn kiến thức hoặc tạo bản trình bày PowerPoint? Hay phần khó của công việc là một thứ khác? Đó là nhiệm vụ hay công việc?

Và khi phân tích điều đó, đôi khi nhiệm vụ chính là công việc. Ví dụ điển hình là người điều khiển thang máy. Tôi sống trong một tòa nhà có thang máy có người phục vụ. Chúng tôi có một thang máy thủ công. Không có nút bấm. Có một cần gạt ở cửa và nó đưa bạn đến tầng của mình. Đó là một chiếc xe di chuyển tốc độ thẳng đứng, giống như một trong những chiếc xe điện ở San Francisco đưa bạn đến tầng của mình. Và sau đó tất cả những thứ đó đều được tự động hóa sau những năm 50, và bây giờ bạn đến và nhấn một nút, và việc nhấn nút là một công việc. Vì vậy, có một số thứ mà công việc là một nhiệm vụ và nhiệm vụ đó đã được tự động hóa.

Điều xảy ra nhiều hơn – và đây là lý do tại sao mọi người nói về nghịch lý jeans – là độ co giãn của cầu theo giá. Bởi vì nghịch lý jeans chính là độ co giãn của cầu theo giá được áp dụng. Nếu bạn làm cho việc thực hiện một điều gì đó rẻ hơn, điều gì sẽ xảy ra? Bạn làm điều tương tự với ít tiền hơn, hay bạn làm nhiều hơn với cùng một số tiền, hay bạn làm nhiều hơn với nhiều tiền hơn vì bạn có lợi tức đầu tư (ROI) mới?

Sự phức tạp của Tự động hóa và Nhu cầu cho `Khả năng Phán đoán`

Nếu bạn nhìn vào lịch sử kế toán, hoặc thực tế là các dịch vụ chuyên nghiệp, bạn sẽ thấy đây là một câu nói đùa tôi từng đăng trên Twitter, khi đó Twitter vẫn còn là Twitter: "Người trẻ sẽ không tin điều này, nhưng trước khi có Excel, các chuyên viên ngân hàng đầu tư cấp dưới làm việc rất nhiều giờ, và bây giờ nhờ có Excel, tất cả các cộng sự của Goldman vẫn làm việc đến bữa trưa vào thứ Sáu." (Ý nói họ vẫn làm việc rất nhiều giờ).

Vậy tại sao điều đó không xảy ra? Bạn có thể đưa ra điểm tương tự trong phát triển phần mềm. Trước khi có IDE (môi trường phát triển tích hợp), các thư viện và hệ điều hành, các nhà phát triển phải tự viết tất cả code. Giờ đây, nếu bạn viết một ứng dụng iPhone, 90% code đã được Apple viết sẵn cho bạn. Apple đã viết trình điều khiển modem, trình điều khiển đồ họa và hệ thống tệp. Bạn không cần phải viết bất kỳ điều gì trong số đó. Vậy là chúng ta có số lượng kỹ sư chỉ bằng một phần mười so với trước đây? Không.

Và vì vậy, bạn phải xem xét một ngành và tìm ra, đâu là phần khó? Một trong những sự tương đồng chợt nảy ra trong đầu tôi ở đây là nhìn vào lịch sử thương mại điện tử. Amazon làm gì? Nó cung cấp cho bạn SKU. Nếu bạn biết SKU là gì, nếu bạn biết SKU bạn muốn – bạn muốn cái chân micro đó, bạn biết mã sản phẩm này – bạn có thể đến Amazon và mua nó. Nếu bạn không biết nên mua loại micro nào, có lẽ bạn không nên bắt đầu từ Amazon. Nhân điều đó với rất nhiều danh mục sản phẩm khác nhau. Vì vậy, Amazon cung cấp cho bạn SKU, nhưng việc biết SKU nào bạn muốn lại là một công việc khác.

Claude Code có thể viết code cho bạn, nhưng bạn muốn loại code nào? Nó có thể tạo tính năng cho bạn, chắc chắn rồi, nhưng bạn muốn tính năng nào? Khách hàng của bạn là ai? Sản phẩm phù hợp với khách hàng đó là gì? Làm thế nào bạn sẽ đưa nó ra thị trường? Và để trả lời câu hỏi của bạn một cách dài dòng: tại sao bạn lại thuê McKenzie? Bạn thuê họ để có một bộ slide 75 trang? Đúng là Claude Code có thể tạo ra một phiên bản thực sự tồi tệ của điều đó. Và bạn sẽ thấy tất cả những kẻ lừa đảo AI trên LinkedIn và Twitter và những nơi khác nói rằng, "Này, tôi đã tạo một slide deck của McKenzie bằng Claude." Và bạn nhìn vào nó và bạn nghĩ, "Vâng, đó chỉ là một đống rác. Đó không phải là thứ bạn nhận được từ McKenzie." Nhưng ngay cả khi nó là như vậy, đó không phải là thứ bạn trả tiền cho họ.

Điều bạn thực sự trả tiền cho Bane làm là đến và xem xét toàn bộ doanh nghiệp của bạn, công ty của bạn, và tìm ra, vâng, nhưng tại sao bạn không làm điều đó? Và các vấn đề chính trị ở đây hoạt động như thế nào? Và bạn thực sự cần làm gì? Và hãy đi nói chuyện với khách hàng của bạn và tìm ra điều họ thực sự nghĩ, chứ không phải những gì có trên trang đầu tiên của Google. Đó là tất cả những thứ khác, và PowerPoint chỉ là một nhiệm vụ, nhưng đó không phải là lý do bạn thuê họ. Tương tự với Amazon so với nhà bán lẻ, tương tự với phát triển phần mềm.

Bài học từ Lịch sử và Sự dịch chuyển Nền tảng

Vậy là bạn có sự phân chia đó. Sự tương đồng khác chợt nảy ra trong đầu tôi ở đây là nhìn vào loại ngành công nghiệp bị ảnh hưởng nặng nề bởi internet vì họ có hai thứ đó và bạn có thể tách rời các phần. Vì vậy, bạn có sản xuất vật lý hoặc phân phối vật lý, và sau đó bạn có cái khác, cái thứ thực sự là gì, ví dụ điển hình sẽ là báo chí và âm nhạc thu âm. Vì vậy, các công ty thu âm không nghĩ mình đang kinh doanh sản xuất những mảnh nhựa nhỏ, nhưng đó là điều họ thực sự làm và khi điều đó biến mất, họ đã gặp rắc rối. Tương tự đối với báo chí. Các tờ báo không nghĩ mình là các công ty sản xuất và vận tải. Khi bạn tách rời điều đó, thì điều đó trở thành một vấn đề.

Nhưng thường thì bạn không thể tách rời điều đó, hoặc đó không thực sự là vấn đề, hoặc bạn làm cho thứ đó rẻ đi và sau đó tất cả những thứ khác cũng xảy ra. Và vì vậy, tất cả những điều này phức tạp hơn nhiều so với việc nói rằng, "Ồ, chúng ta sẽ tự động hóa các kế toán viên" hoặc "Chúng ta sẽ tự động hóa các chuyên gia tư vấn."

Thực tế, có hai biểu đồ trong bài thuyết trình về số lượng người được tuyển dụng làm kế toán, số lượng này đã tăng lên trong suốt thế kỷ 20 và tiếp tục tăng kể từ đầu thế kỷ 21. Vì vậy, bạn có máy tính cộng, thẻ đục lỗ, máy tính lớn, cơ sở dữ liệu, hệ thống hoạch định nguồn lực doanh nghiệp (ERP), và đám mây với bảng tính và máy tính cá nhân (PC), và số lượng kế toán vẫn tiếp tục tăng. Vậy tại sao lại như vậy? Chà, nó không thể đơn giản là tự động hóa. Ngay cả khi nhìn vào các công ty AI tiên tiến nhất, Anthropic, OpenAI – tôi vừa có Dan Shipper từ Every trên podcast – mọi người đều đang tăng số lượng nhân sự. Các công ty mà bạn nghĩ rằng ít có khả năng thêm con người nhất lại đang thêm rất nhiều con người. Và theo quan điểm của bạn, điều này thực sự phức tạp.

Viễn cảnh về thị trường việc làm và `Chuyển đổi Nền tảng`

Vậy quan điểm của bạn về ngày tận thế việc làm sắp tới là gì? Bạn biết đấy, như Dario đang nói về tất cả những người mới vào nghề sẽ không còn việc làm nữa.

Vâng, có một điểm cụ thể ở đây là tôi sẽ không dựa vào lập luận từ uy quyền. Và tôi không nghĩ rằng việc bạn điều hành một phòng lab AI đột nhiên mang lại cho bạn – hay đúng hơn, nếu bạn định sử dụng lập luận từ uy quyền thì nó phải liên quan đến lĩnh vực đó. Vì vậy, tôi quan tâm đến ý kiến của Dario về việc các mô hình ngôn ngữ lớn (LLM) sẽ đi đến đâu trong 6 đến 12 tháng tới. Tôi không đặc biệt quan tâm đến ý kiến về các lý thuyết lao động và giá trị thị trường và lợi thế cạnh tranh – có thể anh ấy đã có một khóa học về điều đó ở trường đại học, tôi cũng vậy. Vì vậy, tôi nghĩ chúng ta cần phải thận trọng một chút khi nói rằng "Dario nói vậy" và điều đó gạt sang một bên quan điểm hoài nghi rằng anh ấy chỉ đang thao túng giá cổ phiếu (mà tôi hoàn toàn không tin).

Vì vậy, điều này quay trở lại điểm của tôi về chuyển đổi nền tảng. Mỗi khi chúng ta có một công nghệ mới, nó sẽ tự động hóa một loạt việc làm, và sau đó sự tự động hóa đó, dù là độ co giãn của cầu theo giá và khả năng cho phép của việc chúng được tự động hóa, sẽ mở ra một loạt việc làm mới. Và vì vậy, bạn quay trở lại năm 1800, khoảng 90% chúng ta là nông dân và mối quan tâm chính của chúng ta là liệu cây trồng có thất bát hay không, vì nếu vậy chúng ta sẽ đói hoặc tệ hơn. Và kể từ đó, chúng ta đã tự động hóa việc làm và tạo ra việc làm mới. Và bạn luôn có thể thấy việc làm sẽ biến mất, và bạn không biết việc làm mới vì nó chưa tồn tại, và nó giống như một thứ nghe có vẻ ngớ ngẩn anyway, ví dụ như kỹ sư đường sắt – đường sắt là gì? Tại sao đó lại là một thứ? Ai sẽ quan tâm? Ai sẽ muốn đi nhanh như vậy?

Và vì vậy, chúng ta đã trải qua quá trình đó lặp đi lặp lại. Đây là điều mà bất kỳ sinh viên kinh tế năm nhất nào cũng sẽ nói với bạn. Chúng ta đã trải qua quá trình này lặp đi lặp lại kể từ năm 1800, và mỗi lần trải qua, bạn sẽ có rất nhiều đau đớn và sự dịch chuyển do ma sát, và rất nhiều người mất việc làm và rất nhiều thị trấn bị bỏ hoang, và tất cả đều tệ hại. Nhưng khi bạn vượt qua được, chúng ta đều giàu có hơn và chúng ta không còn lo lắng về việc cây trồng thất bát nữa, và đây là quá trình của 200 năm qua.

Vì vậy, câu hỏi đặt ra là liệu có lý do tiên quyết nào khiến lần này lại khác với những lần trước không? Bởi vì internet đã loại bỏ một loạt việc làm, máy tính cá nhân (PC) đã loại bỏ một loạt việc làm, không còn nhiều người làm thợ sắp chữ nữa, hoặc tổng đài viên hoặc thư ký. Internet đã loại bỏ một loạt việc làm, và nhìn chung, những việc làm biến mất là những việc làm tồi tệ khi nhìn lại, và những việc làm mới thì tốt hơn vì tổng sản phẩm quốc nội (GDP) tiếp tục tăng.

Vậy AI có khác không? Và sau đó có một vài câu trả lời cho điều này. Một lý thuyết là điều này sẽ nhanh hơn nhiều, và chắc chắn việc áp dụng AI nhanh hơn các công nghệ trước đây, nhưng điều này là do bạn đang đứng trên vai những người khổng lồ. Vì vậy, bạn không cần phải đợi mọi người mua một phần cứng đắt tiền để mua điện thoại hoặc máy tính cá nhân (PC) hoặc đợi công ty viễn thông triển khai băng thông rộng. Nó đã có sẵn rồi. Vì vậy, tất nhiên ChatGPT có thể có 900 triệu người dùng chat vì đã có 900 triệu người trên internet. Giống như khi Marc Andreessen ra mắt Netscape vào năm 93 hoặc 94, có khoảng 50 đến 100 triệu máy tính cá nhân (PC) trên Trái đất. Vì vậy, không, bạn không có 900 triệu người dùng lúc đó. Nhưng điểm mấu chốt là anh ấy không cần phải đợi mạng điện thoại hoặc vi mạch, và trước đó bạn không cần phải đợi điện lực, và bạn không cần phải đợi sản xuất hàng loạt. Vì vậy, bạn luôn đứng trên vai những người khổng lồ. Luôn có một hiệu ứng kép. Vậy thì, vâng, lần này nhanh hơn, nhưng internet cũng nhanh hơn.

Tác Động Của AI Đến Chu Kỳ Kinh Doanh và Công Nghệ Hiện Có

Tôi nghĩ câu trả lời khác cho vấn đề này, và điều này liên quan đến quan điểm về dịch vụ chuyên nghiệp, là: bạn biết đấy, khi bạn nói chuyện với những người bi quan trên Twitter, họ sẽ hành động như thể mọi công ty lớn sẽ mua ChatGPT vào ngày mai, và sau hai tuần sẽ sa thải toàn bộ nhân viên. Những người này thật ngớ ngẩn. Đây là một trong nhiều lý do tại sao những người bi quan lại ngớ ngẩn: họ hoàn toàn không hiểu cách thế giới vận hành, và đó là điểm khởi đầu khiến họ không hiểu bất cứ điều gì khác. Bạn biết đấy, chu kỳ bán phần mềm cho doanh nghiệp lớn điển hình — bạn sẽ biết điều này rõ hơn tôi — một chu kỳ bán phần mềm cho doanh nghiệp là khoảng 18 tháng nếu bạn may mắn. Bạn biết đấy, đây luôn là vấn đề. Chu kỳ bán hàng cho doanh nghiệp ngắn hơn chu kỳ gọi vốn của startup được quỹ đầu tư mạo hiểm hậu thuẫn — không, đúng hơn là dài hơn, dài hơn. Tức là bạn mất nhiều thời gian hơn để có được một thỏa thuận doanh nghiệp so với thời gian giữa các vòng gọi vốn. Và đây luôn là vấn đề, đặc biệt đối với các lĩnh vực như hàng không vũ trụ hay chăm sóc sức khỏe. Vì vậy, không, mọi người sẽ không chỉ gỡ bỏ SAP và thay thế bằng XYZ. Có thể trong ba, năm, mười năm tới, toàn bộ hệ thống đó sẽ trông khác biệt hoàn toàn, và tất cả những công việc đó sẽ thay đổi, nhưng sẽ mất ba, bốn, năm, mười năm. Và sẽ mất thời gian theo từng ngành, và sẽ mất thời gian để mọi người tìm ra, 'À, mình có thể làm việc đó bằng cái này.'

Bài Học Từ Quá Khứ: Đổi Mới Công Nghệ Luôn Cần Thời Gian

Một trong những công ty tôi luôn nhớ mà chúng tôi đã xem xét khi tôi còn ở Andreessen Horowitz là một công ty tên là Frame.io, chuyên về chỉnh sửa video và cộng tác video. Không có gì ở đó mà bạn không thể làm được ít nhất 5 năm trước, và có lẽ là 10 năm trước. Và [khụt khịt] thực ra, đó là một ví dụ không hay lắm, vì nó dựa vào một loạt công nghệ web tiên tiến. Nhưng nếu bạn đi ra ngoài và chọn mười công ty SaaS ngẫu nhiên được thành lập một ngày trước khi ChatGPT ra mắt, có bao nhiêu trong số đó có thể đã được thành lập vào bất kỳ thời điểm nào trong 15 năm trước đó? Như thể, sự chậm trễ là do ai đó nhận ra, 'Ồ, vấn đề đó tồn tại trong ngành đó,' và 'Ồ, đây là cách chúng ta sẽ giải quyết nó.' Mọi thứ không xảy ra ngay sau Google Docs. Phải mất khoảng mười, mười lăm, hai mươi năm để mọi người phát minh ra tất cả những thứ đó và tìm ra cách bạn có thể làm điều đó với cái này. Vì vậy, tất cả những điều đó giống như một cách để nói, 'Chà, vâng, nó sẽ nhanh chóng, nhưng thực ra, không, sẽ mất một thời gian để mọi người tìm ra cách thay đổi hoàn toàn cách thức hoạt động kinh doanh của họ.'

Sự Lặp Lại Của Chu Kỳ Công Nghệ

Quan điểm của bạn thật dễ chịu vì, bạn biết đấy, về cơ bản nó giống như, 'Được thôi, đây là một vấn đề lớn, nhưng chúng ta đã trải qua nhiều sự biến đổi trước đây, và mọi thứ sẽ ổn thôi.' Chà, tôi có một slide ở cuối bài thuyết trình mà, và tôi biết tiêu đề của nó đại loại như, bạn biết đấy, 'Điều này sẽ hoàn toàn khác với mọi thứ khác, giống như mọi thứ khác.' Và sau đó, slide tiếp theo là một quảng cáo của IBM từ những năm 50, với một biển người đàn ông mặc áo sơ mi trắng và cà vạt, tất cả đều cầm thước loga. Và quảng cáo — khẩu hiệu trên tiêu đề quảng cáo là, đó là quảng cáo của IBM — nó nói, 'Một máy tính điện tử IBM.' Đây là trước khi nó được gọi là máy tính. 'Đó là một máy tính điện tử. Nó có kích thước bằng một tủ lạnh, giống như có thêm 150 kỹ sư.' Như vậy, có bao nhiêu người nghe cái này liệt kê khẩu hiệu công ty của họ về cơ bản là, 'Chúng tôi sẽ cung cấp cho bạn 150 kỹ sư bổ sung'? Ý tôi là, đó chẳng phải là toàn bộ ý tưởng cốt lõi của Claude Code sao? 150 kỹ sư bổ sung miễn phí? Hay không miễn phí? Đó là rất nhiều tiền. Ừm, và vâng, đó là những gì nó mang lại cho bạn. Và vì vậy, vâng, chúng ta cứ lặp đi lặp lại điều này, chỉ để làm cho nó rõ ràng hơn.

Sức Mạnh Biến Đổi Của Internet và Dữ Liệu

Ý tôi là, rõ ràng, chúng ta không thể làm điều này nếu không có Internet. Vì vậy, có một slide trong bài thuyết trình của tôi mà chúng ta có thể nói về nó, nhưng đó là một slide hoặc biểu đồ cho thấy có bao nhiêu sản phẩm được lưu trữ trong các siêu thị ở Mỹ kể từ những năm 50. Và điểm chính của slide là nói rằng mã vạch đã cho phép các siêu thị lưu trữ nhiều thứ hơn vì họ có thể theo dõi chúng. Nhưng để tạo ra biểu đồ đó, tôi phải biết có một tổ chức tên là Food Marketing Institute. Và tôi phải tìm ra rằng họ đã công bố một con số về số lượng SKU trong các siêu thị mỗi năm. Và sau đó tôi phải nhận ra rằng họ đã tồn tại từ những năm 50. Và nếu tôi đào sâu đủ lâu, tôi có thể tạo ra toàn bộ chuỗi thời gian và tôi có thể tạo ra toàn bộ biểu đồ. Bây giờ, hãy tưởng tượng làm điều đó vào năm 1994. Đầu tiên, bạn sẽ không biết rằng điều đó tồn tại. Bạn thực sự cần phải đi tìm một thư viện nơi họ xuất bản con số đó, và sau đó là các con số trong báo cáo đó. Bạn sẽ không có ý niệm gì. Sau đó, bạn cần tìm một thư viện có chúng. Vì vậy, bạn sẽ dành khoảng ba ngày gọi điện thoại và chi khoảng 50 đô la cho các cuộc gọi đường dài để tìm một thư viện có những thứ này. Hoặc có thể bạn gọi cho Food Marketing Institute và họ nói, 'Vâng, chắc chắn rồi. Nếu bạn mua, bạn biết đấy, chúng tôi sẽ bán cho bạn với giá 500 đô la mỗi cuốn.' Vì vậy, sau đó, bạn biết đấy, bạn sẽ lên đường — có thể bạn sống ở New York hoặc có một nơi nào đó có cái này — và hai tuần sau bạn có biểu đồ, và bạn nhìn vào nó. Và sau đó, khía cạnh khác của việc này là cuộc sống của một nhà phân tích: bạn dành cả ngày để tạo một biểu đồ, và bạn nhìn vào nó và nói, 'Điều đó không thú vị lắm.' Vì vậy, bạn dành hai tuần để tạo biểu đồ, và sau đó bạn nhìn vào nó và nói, 'Vâng, tôi sẽ không sử dụng cái đó.' Còn đối với tôi, điều này mất khoảng hai giờ trên Google. Và vì vậy, chúng ta quên mất Internet đã là một điều vĩ đại như thế nào. Đó là một cách dài để nói điều đó, nhưng giống như, chúng ta quên rằng chúng ta đã có những thay đổi khổng lồ tuyệt đối, và sau đó chúng ta không thấy nó bởi vì nó giống như, 'Đó là thế giới mà thế giới luôn là như vậy.'

Tương Lai Của Trí Tuệ Tổng Hợp Nhân Tạo (AGI) và Siêu Trí Tuệ

Điều gì khác biệt tiềm năng lần này, chỉ để — mặc dù ý tưởng cốt lõi của bạn là, 'Nó khác biệt, mọi thứ sẽ thay đổi, giống như lần trước' — sự khác biệt lớn rõ ràng là AGI (trí tuệ tổng hợp nhân tạo) có thể xuất hiện, và siêu trí tuệ (superintelligence), nơi đó, bạn biết đấy, có thể làm công việc của con người, có thể làm rất nhiều thứ cho chúng ta, thực sự có thể thay thế việc làm. Chỉ là những suy nghĩ về yếu tố này của sự chuyển đổi mà chúng ta đang trải qua? Tôi không biết. Đây là một trong những cách tôi đã vật lộn để viết về AI. Chắc chắn là vào cuối năm 2023, đầu năm 2024, tất cả các câu hỏi đều là những câu hỏi bạn có thể hỏi vào tháng 12. Các câu hỏi không thực sự thay đổi, và các chiến lược cũng không thực sự thay đổi. Và tôi nghĩ câu hỏi về AGI cũng tương tự. Ừm, ý tôi là, điều mà — quan sát có thể đưa ra — như bạn biết đấy, chúng ta không có lý thuyết về trí thông minh của con người là gì, chúng ta không có lý thuyết về lý do tại sao những mô hình này lại hoạt động tốt như vậy, chúng ta không có lý thuyết về mức độ tốt hơn nữa mà chúng sẽ đạt được. Vì vậy, tất cả chúng ta chỉ đang dự đoán theo cảm tính về những gì sẽ xảy ra [khụt khịt]. Ừm, và sau đó bạn có thể có những sinh viên triết học phê pha lúc 2 giờ sáng nói về, 'Này anh bạn, liệu đây có phải là ý thức không? Có lẽ chúng ta cũng không có ý thức; chúng ta chỉ nghĩ vậy.' Giống như, 'Vâng, tuyệt vời, cảm ơn.'

Định Nghĩa Luôn Thay Đổi Của AI và AGI

Tôi nghĩ một điều có thể quan sát được hôm nay là, chúng ta không có ý niệm gì, chúng ta không biết, chúng ta có thể đoán, nhưng chúng ta không thực sự biết điều này sẽ kết thúc ở đâu. Điều tôi nghĩ bạn có thể nói hôm nay là có rất nhiều sự định nghĩa lại các thuật ngữ. Tôi nhớ một câu nói tôi đã dùng trong bài thuyết trình của mình cuối năm ngoái của một nhà khoa học AI tên là Larry Tesler rằng, 'AI là bất cứ điều gì mà máy móc chưa làm được, bởi vì một khi máy móc làm được, mọi người sẽ nói, "À, đó chỉ là phần mềm thôi."' [khụt khịt] Và chắc chắn, tôi từng làm một cuộc thăm dò ý kiến trên mạng xã hội thỉnh thoảng hỏi, 'Học máy (machine learning) có còn là AI không?' Bởi vì tôi chắc chắn đã nghe mọi người nói, 'Ồ, đó không phải AI. Đó chỉ là nhận dạng hình ảnh.' 'Đó không phải AI, đó chỉ là phân tích cảm xúc.' Vì vậy, AI, nó giống như từ công nghệ. Giống như, nếu nó mới, thì nó là công nghệ. Nhưng vào những năm 60, máy bay phản lực là công nghệ. Bây giờ một máy bay phản lực không còn là công nghệ nữa. Và vì vậy có một cảm giác rằng AI giống như một mục tiêu di động — đó là bất cứ thứ gì vừa mới bắt đầu hoạt động. Và tôi nghĩ điểm ở đây là bây giờ, rõ ràng, bạn có thể thấy mọi người đang định nghĩa lại AGI để có nghĩa là những thứ hoạt động hiện tại. Vậy, AGI — định nghĩa bây giờ là gì? Nó giống như nó có thể thực hiện một tỷ lệ phần trăm nhất định công việc có giá trị kinh tế. Chà, đó là một điều rất khác so với 'nó có linh hồn và nó sống.' [khụt khịt] Ừm, bởi vì một cơ sở dữ liệu có thể làm điều đó. Giống như, bạn biết đấy, một máy tính lớn IBM vào năm 1975 có thể thực hiện một tỷ lệ phần trăm đáng kể công việc có giá trị kinh tế mà trước đây do con người thực hiện. Và hóa ra có một loạt các thứ khác mà nó không thể làm, mà chúng ta không làm lúc đó, chúng ta không biết tồn tại. Vì vậy, có rất nhiều sự định nghĩa lại sáng tạo ở đây. Siêu trí tuệ — tôi không chắc liệu siêu trí tuệ có lớn hơn AGI hay ít hơn AGI không? Bởi vì năm ngoái tôi nghĩ siêu trí tuệ là rất tốt nhưng không tốt bằng, không phải AGI thực sự. Và bây giờ thì lại là, 'Ồ không, không, chúng ta đã có AGI rồi, nhưng siêu trí tuệ thì khó lắm.' Như thể tất cả những thuật ngữ này giống như, 'Tôi... cái gì vậy?' Thật buồn cười, sáng nay tôi đang tranh luận trên Hacker News. Bạn nhớ ý tưởng — bạn nhớ cuộc tranh luận — mà không bao giờ, không bao giờ là cách sử dụng thời gian tốt, nhưng bạn nhớ cuộc tranh luận kiểu như, 'Bạn biết đấy, mọi người sẽ tranh luận về việc tiền điện tử (crypto) là blockchain hay blockchain là tiền điện tử.' Không có câu trả lời đúng cho điều đó. Hãy chắc chắn rằng, bạn biết đấy, điều quan trọng là phải hiểu ý bạn muốn nói khi bạn nói điều đó, nhưng không có câu trả lời đúng cho điều này. Liệu chúng ta có đạt được thứ gì đó có trí thông minh cấp độ con người không? Tôi không biết. Tôi không nghĩ chúng ta có bất kỳ cách nào để trả lời câu hỏi đó. Có thể có, có thể không. Bạn có thể đưa ra các lập luận theo cả hai hướng. Trong khi đó, điều đó có nghĩa là trong lúc này, chúng ta [khụt khịt] đã có thứ này rõ ràng là một công nghệ biến đổi hoàn toàn. Và có lẽ điểm nghiêm túc ở đây là, bạn không cần phải tin, ngay cả khi mô hình ngừng phát triển tốt hơn vào ngày mai — nếu đây là tất cả, và chúng ta đụng phải một bức tường vào ngày mai — đây là một công nghệ vô cùng hữu ích sẽ thay đổi thế giới và được triển khai trong mười năm tới. Vì vậy, bạn không cần phải tin vào bất kỳ điều gì trong số đó để tin rằng đây là một vấn đề lớn.

Tiềm Năng Phát Triển Khổng Lồ Của Các Công Ty Trong Kỷ Nguyên Mới

Một điều chắc chắn đã thay đổi: Tôi đã mời sếp cũ của bạn, Marc Andreessen, tham gia podcast, và chúng tôi thực sự không nói về điều này trong cuộc trò chuyện, nhưng anh ấy đã đề cập đến nó trước khi chúng tôi bắt đầu ghi âm, và tôi chưa bao giờ có dịp hỏi. Quan điểm của anh ấy là tập hợp cơ hội cho các công ty bây giờ lớn hơn rất nhiều. Trước đây chúng ta không có các công ty trị giá hàng nghìn tỷ đô la. Bây giờ chúng ta có — chúng ta sẽ có — hàng chục công ty trị giá hàng nghìn tỷ đô la. Giống như quy mô mà các công ty có thể phát triển đang tăng lên rất nhiều, và định giá cũng tăng theo. Và quan điểm của anh ấy là mọi người vẫn chưa thực sự hiểu thấu được các công ty có thể lớn đến mức nào bây giờ. Ví dụ, mọi người đang đạt 100 triệu ARR (doanh thu định kỳ hàng năm) chỉ trong khoảng năm, sáu tháng. Chỉ là những suy nghĩ về điều đó.

`AI` và Sự Mở rộng Kinh tế

Vâng, ý tôi là đây là toàn bộ luận điểm "software is eating the world" của ông ấy từ 15 năm trước, hoặc đại loại thế. TAM (Tổng thị trường khả dụng) ngày càng lớn hơn vì bạn có thể giải quyết những phần lớn hơn của nền kinh tế. Vì vậy, nếu bạn nghĩ về kiểu platform shift (chuyển đổi nền tảng) kinh điển, ví dụ như mainframe, tôi nghĩ cơ sở cài đặt mainframe cao nhất là khoảng 70-80 nghìn đơn vị. Ý tôi là, đó là một thuật ngữ hơi mơ hồ – chính xác mainframe là gì và sự khác biệt là gì, ở điểm nào thì nó trở thành hai mainframe thay vì một – nhưng đại loại là con số đó. Và sau đó, khi Internet ra đời, như tôi đã nói, có khoảng 50 đến 100 triệu máy tính cá nhân trên Trái đất. Có lẽ ngày nay có hơn một tỷ, một đến một tỷ rưỡi, nhưng rõ ràng rất nhiều trong số đó là của doanh nghiệp. Có khoảng 700-800 triệu máy tính cá nhân dành cho người tiêu dùng trên thế giới. Có khoảng 5,5 đến 6 tỷ smartphone di động trên thế giới, và đó là lý do tại sao bạn có thể có 900 triệu người dùng IT hàng tuần trên JTP.

Và vì vậy, khoảng năm năm trước, có một câu chuyện rằng chúng ta đã hết người, nên điều tiếp theo không thể lớn hơn một bậc độ lớn. Điều này đúng đến một mức độ nào đó, nhưng đó là một mô hình sai lầm. Bởi vì rõ ràng điều đang xảy ra bây giờ là chúng ta đang đi theo một hướng khác: chúng ta đang mở rộng và tự động hóa những phương thức mới, to lớn của nền kinh tế.

Công nghệ và Định luật `lump of labor fallacy`

Ừm [khịt mũi], bây giờ quay trở lại vấn đề công việc của bạn. Bạn có thể tranh luận rằng chúng ta sẽ chỉ thay thế tất cả mọi người bằng trí tuệ nhân tạo (AI) và tất cả tiền sẽ chảy về Sam Altman, còn Mark có thể tự mua thêm một chiếc Gulf Stream nữa để bổ sung vào đội bay của mình. Tôi nghĩ câu trả lời khác là, bạn biết đấy, đó lại quay về lump of labor fallacy (ngụy biện về khối lượng công việc cố định). Trong 200 năm qua, mỗi công nghệ này đều loại bỏ một loạt công việc, tạo ra một loạt công việc mới, tạo ra một loạt giá trị mới, mở khóa sự thịnh vượng cho tất cả chúng ta. Quá trình đó có thể đau đớn, nhưng nó luôn tạo ra nhiều giá trị hơn.

Và ở đây, bạn chắc chắn có thể đưa ra một phép tương tự hữu ích với ngành điện, cho thấy cách điện năng đã trở thành một phần của mọi thứ. [khịt mũi] Phần mềm cũng đã và đang từ từ lan rộng. Phép tương tự ở đây sẽ là điện trong các nhà máy, sau đó điện từ từ lan rộng ra, và đó là ý chính một lần nữa: nó từ từ lan rộng để làm được ngày càng nhiều việc hơn, tạo ra ngày càng nhiều giá trị hơn và đóng góp ngày càng lớn hơn cho nền kinh tế.

Lợi nhuận ngành tiện ích và Tương lai `mô hình AI`

Ừm, tất nhiên nó cũng biến mất vào bên trong mọi thứ. Và bạn biết đấy, một khía cạnh khác – đây là điểm chính trong phần capital của tôi trong bài thuyết trình – là có một câu nói của Sam Altman, ông ấy nói rằng chúng ta sẽ bán điện, chúng ta sẽ bán trí tuệ nhân tạo (AI) theo đồng hồ như nước hoặc điện. Và bạn nhìn vào điều này và nghĩ, "Con ơi, con cần ta giải thích cấu trúc lợi nhuận của ngành công nghiệp tiện ích cho con sao?" [khịt mũi] Bởi vì đoán xem, khi bạn xem TV, công ty TV không trả phần trăm hóa đơn hàng tháng của bạn cho công ty điện lực. Bạn biết đấy, khi bạn giặt quần áo, Bosch không trả phần trăm giá của máy giặt. Ừm [khịt mũi], và rõ ràng đây là một câu hỏi chiến thuật cụ thể hơn nhiều vào lúc này: Liệu chúng ta có kết thúc với ba mô hình khổng lồ, hay nó sẽ trở thành hàng trăm mô hình, các mô hình mở và mô hình cục bộ, v.v.?

Bài học từ Viễn thông: Giá trị `mô hình nền tảng`

Và ngay cả khi chúng ta có ba đến sáu hoặc mười mô hình nền tảng (foundation models) khổng lồ tốn hàng trăm tỷ đô la mỗi năm. Ừm, được thôi. Liệu chúng có thu được tất cả giá trị từ đó không? Tôi bắt đầu lộ trình sự nghiệp của mình với tư cách là một telecoms analyst (nhà phân tích viễn thông) và vì vậy, tôi vẫn chú ý một chút đến nó. Ngành công nghiệp di động toàn cầu có doanh thu khoảng một nghìn tỷ đô la mỗi năm, có lẽ bây giờ nhiều hơn một chút. Và nó chi khoảng 200 tỷ đô la mỗi năm cho capex (chi phí đầu tư) hàng năm. Tổng ngành viễn thông khoảng 300 tỷ đô la, di động khoảng 200 tỷ đô la. Tức là khoảng 15 đến 20% doanh thu hàng năm. Và nếu bạn nhìn vào biểu đồ tiêu thụ dữ liệu di động, đó là một exponential curve (đường cong hàm mũ) hoàn hảo, tăng thẳng đứng. Và con số hiện tại, tôi nghĩ là khoảng 1500 đến 2000 lần so với năm 2010 trên toàn cầu. Nhưng giá cổ phiếu đã không tăng đáng kể trong 25 năm qua. Bởi vì đó là một commodity utility (dịch vụ tiện ích hàng hóa) có X-growth (tăng trưởng không đáng kể) và biên lợi nhuận thấp, nơi họ đang bán một phần cơ sở hạ tầng công nghệ toàn cầu thực sự tuyệt vời, có độ phức tạp và tinh vi khổng lồ, nhưng tất cả những thứ hay ho đều do bạn tạo ra. Nó được tạo ra bởi những người đang nghe podcast này. Nó được tạo ra bởi người khác.

`Mô hình nền tảng` và Các lớp ứng dụng

Đây là khoảnh khắc then chốt mà các công ty viễn thông nghĩ rằng họ sẽ làm tất cả những gì bạn làm trên iPhone của mình. Và không chỉ họ không làm được điều đó, mà Apple cũng không làm được. Tất cả đều nằm "xa hơn trên stack" (ở các lớp cao hơn trong kiến trúc công nghệ). Ừm, và đây là câu hỏi cốt lõi hiện nay xung quanh các mô hình nền tảng: Liệu mô hình có làm được toàn bộ công việc không? Bạn có chỉ cần đến chatbot và để chatbot làm tất cả không? Liệu các công ty mô hình có thể tiếp tục xây dựng những thứ như Claude for X, Claude for Y – mà đối với tôi trông rất giống những gì bạn thấy khi nhấn File New trong Excel? Nó giống như các template, nhưng tất cả những thứ đó cũng là các công ty trị giá tỷ đô la.

`Mô hình nền tảng`: `Windows` hay `AWS`?

Và nếu không, thì sao? Liệu tất cả có phải là ứng dụng không? Dù ứng dụng có nghĩa là gì đi chăng nữa. Và nếu tất cả phải là ứng dụng, ai sẽ xây dựng chúng? Chà, chúng không thể đều được xây dựng bởi các model lab (phòng thí nghiệm mô hình), giống như chúng không đều được xây dựng bởi Microsoft. Và vì vậy, nếu tất cả được xây dựng bởi các công ty khác, liệu các mô hình nền tảng có đòn bẩy "lên stack" (ở các lớp cao hơn) theo cách mà Windows đã làm không? Hay điều này giống với AWS hơn, nơi mà nếu bạn là một công ty kỹ thuật hoặc một công ty luật mua một phần mềm, bạn không quan tâm nó chạy trên cloud (điện toán đám mây) nào, và bạn không cần phải standardize (tiêu chuẩn hóa) trên AWS vì đó là nơi có tất cả phần mềm, và các nhà phát triển đều standardize trên AWS vì tất cả khách hàng đều sử dụng AWS. Đó không phải là cách nó hoạt động. Đó là cách Windows OS hoạt động, nhưng đó không phải là cách nó hoạt động.

Và do đó, đối với tôi, dường như nếu chatbot không phải là UX (trải nghiệm người dùng) và cần phải có ứng dụng, và các công ty mô hình không xây dựng điều đó, và bản thân các mô hình về cơ bản là hàng hóa (ít nhất là đối với người dùng), thì tại sao các công ty mô hình lại có pricing power (khả năng định giá) và tất cả giá trị không nằm ở các lớp cao hơn của stack? Về cơ bản, chẳng phải bạn có ba đến sáu công ty đang bán một hàng hóa với chi phí cận biên sao? Rõ ràng là các semi-analyst (nhà phân tích chất bán dẫn) thì nói rằng không, không, không, sẽ có pricing power vô hạn mãi mãi. Tôi xin lỗi nếu tôi đang phóng đại, nhưng tôi nghĩ điều quan trọng là phải phân biệt giữa hiện tại, nơi chúng ta có cân bằng giá cực đoan, và bạn biết đấy, có những người như anh chàng open claw đã chi 1,5 triệu đô la cho token vào tháng trước.

Ừm [khịt mũi], nhưng điều đó giống như việc ai đó nhận được hóa đơn dữ liệu di động 50 nghìn đô la vào năm 2010. Ừm, đó là tạm thời. Đâu là điểm cân bằng trạng thái ổn định (steady state equilibrium) mà tất cả các đường trên biểu đồ được sắp xếp thẳng hàng và chúng ta không còn những điều kỳ lạ, điên rồ này nữa? Và khi đó, bạn sẽ có pricing power (khả năng định giá) hay bạn sẽ có ba, bốn, hoặc năm công ty cùng bán một thứ? Và khi đó, bạn sẽ có một mức giá, bạn sẽ có giá thấp hơn và biên lợi nhuận thấp hơn, và giá trị sẽ dồn lên stack (các lớp cao hơn).

Quảng cáo: Vanta

Tôi rất vui mừng được giới thiệu với bạn về nhà tài trợ của mùa này: Vanta. Vanta giúp hơn 15.000 công ty như Cursor, Ramp, Duolingo, Snowflake và Atlassian xây dựng và chứng minh sự tin cậy với khách hàng của họ. Các nhóm đang xây dựng và chuyển giao sản phẩm nhanh hơn bao giờ hết nhờ trí tuệ nhân tạo (AI). Nhưng kết quả là, lượng rủi ro được đưa vào sản phẩm và doanh nghiệp của bạn đang cao hơn bao giờ hết. Mọi lãnh đạo bảo mật (security leader) mà tôi trò chuyện đều cảm thấy gánh nặng ngày càng tăng trong việc bảo vệ tổ chức, doanh nghiệp và chưa kể đến dữ liệu khách hàng của họ. Vì mọi thứ đang diễn ra quá nhanh, họ liên tục phản ứng, phải đoán các ưu tiên và phải chấp nhận các giải pháp lỗi thời. Vanta tự động hóa việc tuân thủ và quản lý rủi ro với hơn 35 khuôn khổ bảo mật và quyền riêng tư (security and privacy frameworks), bao gồm SOC 2, ISO 27001 và HIPAA. Điều này giúp các công ty tuân thủ nhanh chóng và duy trì tuân thủ. Hơn bao giờ hết, lòng tin có sức mạnh để tạo ra hoặc phá vỡ doanh nghiệp của bạn. Tìm hiểu thêm tại vanta.com/lenny. Và với tư cách là người nghe podcast này, bạn sẽ được giảm giá 1.000 đô la khi sử dụng Vanta. Đó là vanta.com/lenny.

`Mô hình nền tảng` và `network effects`: Bài học lịch sử

Một điểm đáng chú ý ở đây là cảm nhận của bạn là theo thời gian, các công ty mô hình nền tảng như Anthropic, OpenAI và các công ty khác sẽ bị siết chặt biên lợi nhuận. Họ sẽ không thành công như hiện tại. Và cơ hội lớn hơn nằm ở application layer (lớp ứng dụng), những người xây dựng trên các mô hình, các wrapper (ứng dụng bao bọc). >> Vâng. Ý tôi là, đây là một luận điểm khá mang tính deterministic thesis (luận điểm tất định), đó là điều tôi đã nói một cách quan trọng là các công ty mô hình dường như không có network effects (hiệu ứng mạng lưới). Vì vậy, dường như không có hiệu ứng "người thắng giành tất cả" (winner takes all effect) mà một trong số này sẽ vượt lên dẫn trước những người khác. Vì vậy, chúng ta nên có sự cạnh tranh vô thời hạn. Bạn có sự cạnh tranh vô thời hạn. Bạn không có sự khác biệt cơ bản, thực sự triệt để trong sản phẩm. Vậy thì tại sao bạn lại có pricing power (khả năng định giá)? Trong khi đó, nếu bạn cần có hàng nghìn ứng dụng khác nhau được xây dựng bởi những người khác nhau, những ứng dụng đó không thể đều được xây dựng bởi những người của model (công ty mô hình). Vì vậy, nó sẽ giống cloud (điện toán đám mây) hơn là Windows. Giờ đây, điều đó có thể hoàn toàn sai, và bạn biết đấy, một trong những điểm tôi đưa ra trong bài thuyết trình là hãy tưởng tượng cuộc trò chuyện này về Internet vào năm 1997, bạn sẽ đúng được điều gì? Hoặc thực sự nói về di động vào năm 2000, hầu hết các bạn sẽ bỏ lỡ gần như tất cả. Bạn chắc chắn sẽ nói rằng một công ty máy tính cá nhân đã lỗi thời từ Cryptoino sẽ thắng tất cả, và không ai sẽ nói điều đó. Ừm, và một công ty tìm kiếm với một logo kỳ lạ như "tìm kiếm" thì có liên quan gì đến di động? Không, quên đi, bạn là một kẻ ngốc. Vì vậy, chúng ta nên giả định rằng chúng ta không biết, nhưng tất cả chúng đều là những khối xây dựng cơ bản kiểu như: "Nhưng tại sao chúng lại có pricing power?"

`Mô hình nền tảng` như `hàng hóa`

Ừm, tôi không biết. Khi tôi còn là một baby analyst (nhà phân tích mới vào nghề) vào khoảng năm 99, tôi đến thăm một công ty .com ở Anh đang cố gắng bán trực tuyến các linh kiện card máy tính. Và [khịt mũi] ừm, họ có cả một mô hình và một câu chuyện về thương hiệu, và mọi thứ. Chúng tôi đến thăm họ, và trên chuyến tàu trở về từ Birmingham, một banker (ngân hàng viên) cấp cao tên là David Tate – chúng tôi ngồi nói chuyện về nó, và Tate nói: "Đó là một reseller (nhà bán lẻ) biên lợi nhuận thấp, bán hàng một lần. Bạn có thể nói .com bao nhiêu tùy thích." Đó là một reseller biên lợi nhuận thấp với – và tôi nghĩ đó là mấu chốt của vấn đề này – họ là những undifferentiated commodity infrastructure providers (nhà cung cấp cơ sở hạ tầng hàng hóa không có sự khác biệt). Có rất nhiều khoa học trong đó, nhưng cũng có rất nhiều khoa học trong di động. Ý tôi là, bạn trả bao nhiêu cho một màn hình phẳng? Có cả những giải thưởng Nobel về màn hình phẳng đấy. Chúng vẫn là một hàng hóa biên lợi nhuận thấp. Tôi mong được chứng minh là sai, nhưng hiện tại thì trông nó như vậy đấy.

Vai trò `Partner` và Cơ hội Đầu tư

Điều này thật tuyệt. Tôi biết bạn không phải là một nhà đầu tư. Tôi biết bạn không thực sự đầu tư tại A16Z (Andreessen Horowitz) mặc dù bạn làm việc cho một partner của A16Z. >> Partner [tiếng cười] chỉ ngồi đó và suy ngẫm thôi. Bạn có công ty nào mà bạn sẽ đầu tư không? Giả sử có một vài công ty bạn sẽ đầu tư bây giờ, có công ty nào trong danh sách đó hoặc thậm chí là các danh mục không? >> Bạn biết đấy, tôi đã đề cập ngắn gọn rằng tôi từng là một analyst (nhà phân tích). Tôi từng là một sellside equity analyst (nhà phân tích cổ phiếu bán ra). Tôi không phải là một sellside equity analyst giỏi lắm, nhưng một phần là vì tôi không thích nói chuyện với khách hàng.

Phân tích Thị trường và Sự Chuyển Dịch Nền tảng

Một phần là vì tôi không quan tâm đến giá cổ phiếu, điều mà có vẻ là một yếu tố không đủ điều kiện để trở thành một chuyên gia phân tích cổ phiếu. Có một sự khác biệt rất lớn giữa việc đúng và việc sớm, và một sự khác biệt lớn giữa công ty phù hợp và mức giá phù hợp. Một cách rõ ràng, bạn có thể nhìn vào thị trường và nói rằng, theo meme đường cong IQ hình chuông, cả người có IQ 50 và người có IQ 200 đều nói: "Jeff Bezos, người thông minh, tôi sẽ mua cổ phiếu." Và bạn có thể quá suy nghĩ về tất cả những điều này, và bạn có thể nhìn vào Google, Apple, Facebook, Amazon và nói rằng thật khó để thấy họ gặp vấn đề gì với tất cả những điều này. Bạn chắc chắn có thể thấy những câu hỏi đặt ra cho tất cả họ, và một trong số họ có thể bỏ lỡ cơ hội, nhưng điều đáng nhớ là những gì đã xảy ra trong lĩnh vực di động. Internet là một sự chuyển đổi nền tảng lớn và rõ ràng. Điều buồn cười về di động là một số công ty đã bỏ lỡ nó hoàn toàn. Và đối với một số công ty, nó thực sự không thay đổi gì cả. Ví dụ như Google, nó không thay đổi gì. Đối với Meta, điều này thật tuyệt vời. Đây là một cách tốt hơn nhiều để thực hiện mạng xã hội so với trên PC, vì bạn có camera và thông báo, và nó luôn có trên điện thoại của bạn. Đối với Amazon, điều này thay đổi gì? Nó không thay đổi mọi thứ. Ý tôi là tôi đang đơn giản hóa quá mức ở đây, nhưng vấn đề là trong khi đó Yahoo mail không thể thực hiện bước chuyển mình. Có những công ty đã gần như suy yếu và không thể thực hiện bước chuyển mình. Có thể là eBay, bạn có thể tranh cãi về từng cái tên cụ thể. Vấn đề là chúng ta đã trải qua sự thay đổi đó và nó không thay đổi gì đối với một nửa ngành công nghiệp Internet. Vì vậy, tôi nghĩ bạn có thể đưa ra một đề xuất tương tự ở đây. Steven Sinofsky tại A6Z, người từng điều hành Windows, luôn nói rằng các incumbents (đương nhiệm) luôn cố gắng biến cái mới thành một feature (tính năng), và đôi khi họ đúng, đôi khi đó đúng là một feature.

Phân phối là Lợi thế cạnh tranh then chốt

Thực ra, theo hướng đó, một điều tôi muốn biết ý kiến của bạn là về một chủ đề đã xuất hiện trong nhiều cuộc trò chuyện với khách mời, đó là distribution (phân phối) đang trở thành một moat (lợi thế cạnh tranh) ngày càng lớn. Bởi vì khi software (phần mềm) dễ xây dựng hơn, mọi người đều ra mắt product (sản phẩm). Mọi người đều cố gắng cạnh tranh để thu hút sự chú ý. Việc thu hút sự chú ý của mọi người ngày càng khó, và nó luôn khó, nhưng sự nhiễu loạn trên thị trường đang tăng lên một cách điên cuồng. Đối với tôi, điều đó cho thấy distribution đang trở thành một kỹ năng và tài sản ngày càng có giá trị hơn. Và nó cũng cho tôi biết rằng các incumbents sẽ thành công hơn nhiều vì họ đã có distribution, so với một startup (công ty khởi nghiệp) đang cố gắng đột phá. Đúng vậy. Ý tôi là, có một phiên bản của meme Drake, kiểu như anh ấy nói: "Tôi không thích cái đó. Tôi thích cái này." Nó giống như: "Tôi không thích nhìn thấy các rapper GPT-2. Tôi thích harnesses." (tiếng cười) Vì vậy, đúng vậy, tôi đã dành một chút thời gian để nói về điều này trong bài thuyết trình tôi đã thực hiện vào cuối năm ngoái, rằng nếu product là một commodity (hàng hóa phổ thông), thì distribution là điều quan trọng. Và tôi đã viết một bài về SAT (kỳ thi chuẩn hóa) đầu năm nay, mở đầu bằng câu hỏi: làm thế nào họ cạnh tranh? Có một so sánh rõ ràng mà nhiều người đã thực hiện ở đây là với web browsers (trình duyệt web). Về cơ bản, web browser và có một sự khác biệt ở đây, tôi nghĩ, giữa web browser như một product và rendering engine (công cụ kết xuất) của web browser. Rendering engine có thể tốt hơn hoặc tệ hơn, nhưng product browser chỉ là một thin wrapper (lớp bao bọc mỏng) cho một rendering engine. Giống như có một input box (ô nhập liệu) và một output box (ô xuất liệu) và còn gì nữa? Và đó là gì, đâu là sự đổi mới cuối cùng trong thiết kế browser? Là duyệt tab (tab browsing), cách đây 20 năm, 25 năm. Bởi vì thỉnh thoảng có người cố gắng đổi mới trong thiết kế browser và nó không bao giờ thành công vì bạn đã tìm thấy ý tưởng Platonic (platonic ideal). Nó giống như cố gắng đổi mới trong thiết kế smartphone (điện thoại thông minh), bạn biết đấy, đó là một hình chữ nhật bằng kính, bạn không thể làm gì khác. Và tất nhiên, điều gì đã xảy ra là Microsoft sử dụng distribution để đột phá. Sau đó, tất nhiên, điều cũng xảy ra là, gác lại vụ kiện, hóa ra việc thắng trong các browser dù sao cũng không quan trọng vì giá trị nằm ở upstack (tầng cao hơn). Vì vậy, Microsoft thắng browser trong khoảng năm sáu năm và nó không quan trọng, nó không mang lại cho họ bất cứ điều gì. Và rõ ràng điều đang xảy ra bây giờ là Google đang sử dụng distribution để thúc đẩy Gemini. Và sự khác biệt giữa Gemini và cái gì đó khác là gì? Nếu bạn đang sử dụng những thứ này cả ngày thì bạn biết, nhưng đối với người bình thường thì không có sự khác biệt. Và điều tương tự với Meta. Bạn nhìn vào dữ liệu khảo sát về những gì mọi người sử dụng, ngay cả trước khi có tin tức mới về Llama, Meta đã đứng sau, nó nằm giữa ChatGPT và Gemini. Mà nếu bạn trong ngành công nghệ, mọi người đã hoàn toàn loại bỏ nó. Nhưng giống như họ đã phủ nó lên mọi bề mặt dịch vụ và nó không quá tệ. Nó ổn. Vì vậy, distribution của một product (sản phẩm) đủ tốt, khi lĩnh vực này về cơ bản là một commodity, distribution trên thương hiệu trở thành một vấn đề lớn. Bạn có thể thấy điều đó trong chiến lược của OpenAI vào cuối năm ngoái. Mọi người gọi đó là "mọi thứ hôm qua". Và vì vậy, họ chỉ đang thử mọi thứ để tìm cách để họ có được điều đó, làm thế nào chúng ta có thể có được một hiệu ứng cấp số nhân (flywheel)? Làm thế nào chúng ta có thể có được distribution? Làm thế nào chúng ta có thể có được một thứ gì đó gắn bó? Làm thế nào chúng ta có thể mang lại cho mọi người một thứ gì đó mà mọi người sử dụng trước khi Google và Meta và Amazon phủ nó khắp nơi và khiến mọi người sử dụng cái đó? Và sau đó bạn có quán tính (inertia) và sức mạnh của mặc định (default) và tại sao bạn lại chuyển đổi?

Tầm nhìn AI của Apple và Phân phối Thiết bị

Rõ ràng Apple là đồng xu cuối cùng rơi xuống ở đây. Đã có một thỏa thuận OpenAI hơi kỳ lạ, và bây giờ thậm chí còn có một câu chuyện kỳ lạ hơn là OpenAI muốn kiện Apple. Chúc may mắn với điều đó. Điều buồn cười về thỏa thuận Apple là, không đi chệch hướng, nhưng nếu bạn quay lại và xem WWDC từ năm 2024, thì cả nửa sau của nó là Apple Intelligence. Đó là tầm nhìn hấp dẫn nhất về một trợ lý AI cá nhân (personal AI assistant) mà tôi vẫn từng thấy. Sau đó họ không thể phát hành nó, nhưng những người khác cũng vậy. Và bạn xem lại và bạn nghĩ: "Được rồi, vậy bạn muốn AI trên thiết bị (on-device AI) có khả năng sử dụng công cụ (tool using) và tính tác nhân (agentic), không bị tiêm nhiễm câu lệnh (prompt injection) và không ảo giác (hallucinations), và một hệ thống API hoàn toàn được tiêu chuẩn hóa trên 10.000 ứng dụng với các ý định (intents) đều hoạt động hoàn hảo?" Điều đó nghe có vẻ tốt đối với tôi, nhưng tôi không ngạc nhiên khi họ không thể phát hành nó, nhưng không ai khác đã phát hành điều đó. Nhưng tầm nhìn đó thật tuyệt vời. Bạn biết đấy, tôi thực sự muốn xem điều gì sẽ xảy ra tại WWDC trong một tháng nữa. Liệu họ có thực sự phát hành nó bây giờ được cung cấp bởi Gemini không? Nhưng đó cũng là một điểm khác: được rồi, sẽ có AI Gemini trên Android, và sau đó sẽ có Apple Intelligence trên iOS được cung cấp bởi Gemini, nhưng nó sẽ không phải là cùng một bộ product. Cái mô hình (model) chỉ là thứ "ngớ ngẩn" bên dưới (cách nói hài hước) cung cấp năng lượng cho feature. Mô hình là hàng hóa phổ thông (commodity) cung cấp năng lượng cho các quyết định khác nhau về feature nên là gì và distribution khác nhau. Và trong tình huống đó, tất nhiên, Apple có khoảng một tỷ thiết bị có thể chạy AI trên thiết bị (on edge) này, và Google có khẩu hiệu tiếp thị tuyệt vời: "Sắp có trên các thiết bị mạnh mẽ nhất của chúng tôi" (ngụ ý là nó sẽ không hoạt động trên hầu hết các điện thoại Android). Vì vậy, một lần nữa, các câu hỏi về distribution thật thú vị. Google I/O sẽ diễn ra vào tuần tới, vì vậy chúng ta sẽ xem họ ra mắt gì. Ồ không, họ đã ra mắt. Họ đã ra mắt một Android. Điều đó cho thấy chúng ta đã không còn chú ý đến Android và iPhone nhiều đến mức nào. Google đã có một sự kiện lớn vào tuần trước. Họ đang thay thế Chromebooks bằng Google books và họ có một AI Android mới được cung cấp bởi Gemini sẽ được triển khai cho khoảng năm người đã mua điện thoại Pixel.

Tâm lý Phản đối AI và Những Quan ngại Hiện tại

Tôi muốn đi theo một hướng hơi khác. Một điều mà tôi tò mò liệu bạn có đang theo dõi không, đó là tâm lý phản đối AI (anti-AI sentiment) dường như đang gia tăng. Có vẻ như nếu bạn đã xem các cuộc khảo sát này, AI ít phổ biến hơn cả động cơ đốt trong (ICE). Mọi người đang cố gắng ngăn chặn việc xây dựng các trung tâm dữ liệu (data centers). Tôi nghĩ Eric Schmidt vừa có một bài phát biểu khai giảng (commencement speech) và mọi người đã la ó ông ấy mỗi khi ông ấy nhắc đến AI. Bạn nghĩ điều gì đang xảy ra? Bạn nghĩ điều này sẽ đi đến đâu theo thời gian? Thật thú vị và đó là một mớ hỗn độn lớn, mờ mịt của những thứ khác nhau. Tôi nghĩ có những thứ hữu hình, như hóa đơn tiền điện (electricity bill) của tôi tăng lên, điều này thực sự chỉ áp dụng ở một số ít nơi một cách khách quan, nhưng nó đã xảy ra. Câu hỏi về nước thì kỳ lạ, vì nó hoàn toàn là giả dối. Và tôi nên làm rõ điều tôi muốn nói ở đây. Các trung tâm dữ liệu sử dụng nước để làm mát (cooling), chủ yếu là vòng lặp kín (closed loop), nhưng số lượng trung tâm dữ liệu so với tổng lượng nước sử dụng ở Mỹ là rất nhỏ. Tôi thực sự đã đi sâu vào nghiên cứu này tại phòng thí nghiệm Livermore, họ đã thực hiện một nghiên cứu vào cuối năm 2024, ước tính mức tiêu thụ nước của trung tâm dữ liệu ở Mỹ và con số này là khoảng 0,017% tổng lượng nước tiêu thụ của Mỹ. Rõ ràng, nếu bạn sống trong một thị trấn nhỏ và bạn có một giếng nước duy nhất và họ đã đóng giếng đó và cấp tất cả nước cho trung tâm dữ liệu thì bạn sẽ rất tức giận, nhưng đó là vấn đề quy hoạch (planning problem), không phải vấn đề trung tâm dữ liệu (data center problem). Nói chung, đúng, các trung tâm dữ liệu chiếm khoảng 5% năng lượng của Mỹ và có thể tăng 1% mỗi năm trong năm năm tới. Nhưng vấn đề về nước chỉ là vô nghĩa. Và sau đó bạn đi vào những điều hữu hình hơn như: điều gì đang xảy ra với điều này, liệu nó có lấy đi việc làm (jobs) không? Bạn có thể xem một loạt podcast ba giờ của các nhà kinh tế học (economists) nói chuyện với nhau và câu trả lời chính là chúng ta thực sự chưa biết. Có một loạt biểu đồ nói "có" và một loạt biểu đồ nói "không". Và rõ ràng có sự chậm lại trong việc làm của những người từ 18 đến 24 tuổi, nhưng điều đó dường như giống nhau đối với những người có và không có bằng cấp (degrees) và giống nhau đối với những người trong các lĩnh vực (fields) bị ảnh hưởng bởi AI và các lĩnh vực không bị ảnh hưởng bởi AI. Vì vậy, có rất nhiều lập luận kinh tế lượng (econometric argument) về điều này. Và ý tôi là, có một điểm chung rộng hơn ở đây. Trên thực tế, đây là một điểm khác biệt, đó là chúng ta có rất ít dữ liệu về những gì đang diễn ra trong AI từ bất kỳ ai. Các phòng thí nghiệm mô hình (model labs) không cho chúng ta biết bất cứ điều gì. Họ không cung cấp cho chúng ta bất kỳ thông tin sử dụng (usage information) có ý nghĩa nào. Họ đưa ra những nghiên cứu kỳ lạ như: có bao nhiêu người đã sử dụng cái này cho cái này và cái kia. Họ không cung cấp cho chúng ta số lượng người dùng hoạt động hàng ngày (daily active use number). Chúng ta không có số lượng người dùng hoạt động hàng ngày cho một thứ. Điều này thật điên rồ. Và tất cả dữ liệu đến từ các nhà kinh tế học học thuật cố gắng trích xuất thông tin từ các khảo sát của Cục Thống kê Lao động (BLS surveys) hoặc các công ty tư vấn (consultancies) và các công ty tiếp thị (marketing agencies) như chi rất nhiều tiền để khảo sát 20.000 người và hỏi: "Bạn đang làm gì với những thứ này?" Chúng ta không có dữ liệu tốt về những gì đang xảy ra và có bao nhiêu người thực sự đang sử dụng điều này. Nhưng đối với câu hỏi về việc làm, do đó, có rất nhiều người đang xem xét tất cả các thông tin mà Cục điều tra dân số Hoa Kỳ thu thập và cố gắng tìm ra: chúng ta có thể thấy điều này ở đâu? Chúng ta có thể thấy năng suất (productivity) không? Chúng ta có thể thấy điều gì? Và câu trả lời ngay bây giờ, tôi nghĩ là, không có sự đồng thuận rõ ràng nào cho thấy chúng ta đang thấy tác động đến việc làm.

Phản ứng Dữ dội và Những Lo Ngại Xung quanh `AI`

Về mặt chính trị, điều đó dĩ nhiên không quan trọng; nếu bạn là một sinh viên và không thể tìm được việc làm, đó rõ ràng là một vấn đề. Việc đó là do AI hay do Trump và những kẻ khủng bố thì lại là một câu hỏi khác. Sau đó, bạn sẽ thấy những vấn đề mang tính ngách, ví dụ như những người vẽ bìa sách cho tiểu thuyết lãng mạn dành cho thanh thiếu niên rất khó chịu vì giờ đây bạn có thể có một bức ảnh người phụ nữ khỏa thân cưỡi rồng bay qua núi lửa mà không cần trả tiền cho họ. Tôi xin lỗi vì đã cố tình nói điều không hay, nhưng có một chút... và bạn biết đấy, những người đặc biệt là tiểu thuyết gia, những người viết sách điện tử, đang có một "cuộc chiến văn hóa" lớn về việc liệu việc sử dụng AI có ổn hay không. Có toàn bộ vấn đề thông tin rác AI này, và bạn thấy rằng khoảng 30-40% podcast mới được tạo ra bởi AI.

Vì vậy, có rất nhiều câu hỏi chồng chéo và không rõ ràng. Một số điều này, tôi nghĩ, hơi giống phản ứng dữ dội mà chúng ta từng có với mạng xã hội, nhưng ở mức độ cô đọng hơn nhiều. Cũng giống như mạng xã hội, một phần phản ứng dữ dội đó là đúng, một phần là hơi đúng, và một phần không đúng, như trong vụ "Facebook bán dữ liệu của bạn", điều đó vừa không đúng vừa có những người tin tưởng tuyệt đối rằng đó là sự thật và bạn hiển nhiên là một kẻ điên nếu gợi ý điều ngược lại. Bạn biết đấy, nó giống như câu nói của Jonathan Swift rằng bạn không thể dùng lý lẽ để thuyết phục một người từ bỏ một ý tưởng mà họ không chấp nhận một cách hợp lý.

Vì vậy, bạn thấy một sự lan rộng rộng rãi các ý tưởng, giống như những gì bạn từng thấy với mạng xã hội. Có khoảng 20 điều khác nhau, một số thực sự có thật, một số thực sự không có thật, và rất nhiều trong số đó là một mớ hỗn độn không rõ ràng ở giữa. Tất cả những điều này có nghĩa là, trong khi đó, bạn lại có Trump tuyên bố muốn có một sắc lệnh hành pháp mới về các mô hình nguy hiểm, mà tôi thực sự không nghĩ đó là thứ thúc đẩy phản ứng dữ dội. Bạn biết đấy, lo lắng về tên lửa hay không gian mạng, tôi không cảm thấy đó là một cuộc trò chuyện thường ngày của người dân Mỹ, nhưng đó lại là điều khiến Trump quan tâm đến những vấn đề này.

Giáo dục Con Cái trong Kỷ nguyên `AI`

Một lần nữa, hãy để tôi đi theo một hướng đi lạc đề. Có điều tôi thích hỏi những người có con khi họ tham gia podcast, đặc biệt là những người đang suy nghĩ sâu sắc về hướng đi của mọi thứ. Với tất cả những gì bạn biết về định hướng của thế giới, về những gì AI sẽ làm với tương lai, bạn đang thay đổi cách nuôi dạy con cái mình như thế nào? Bạn đang dạy chúng những điều gì khác biệt có thể giúp ích cho chúng trong tương lai?

Tôi không biết. Tôi nghĩ có một đường cong ở đây: nếu con bạn sẽ tham gia thị trường lao động trong một hoặc hai năm tới, thì mọi thứ đều không chắc chắn và không ai biết điều này sẽ diễn ra như thế nào. Nếu con bạn sẽ tham gia thị trường lao động trong khoảng năm năm tới, thì ai mà biết được? Tuy nhiên, mọi thứ sẽ ổn định hơn nhiều vào thời điểm đó, theo những cách có lẽ không thể đoán trước. Vì vậy, tôi sẽ lo lắng hơn nhiều nếu tôi có một đứa con 21 tuổi. Nhưng tôi không có. Con tôi đang ở tuổi thiếu niên. Vì vậy, những câu hỏi đó sẽ khác nhau.

Sau đó, bạn có nhiều câu hỏi đã tồn tại từ trước ChatGPT, xoay quanh sự sụp đổ của những người gác cổng thông tin, việc liệu bạn có nên thực sự tin vào những gì người ảnh hưởng trên TikTok nói, và bạn đang lấy hiểu biết của mình về những gì đang diễn ra ở Israel từ đâu, cùng tất cả những câu hỏi về tiêu thụ truyền thông mạng xã hội và internet kiểu đó. Tôi không biết, có những người cực kỳ có chủ đích về từng phút cuộc đời của con mình. Tôi thì không. Tôi hơi nhớ đến câu nói của George Carlin rằng "bất kỳ ai lái xe nhanh hơn bạn đều là một kẻ điên rồ và bất kỳ ai lái xe chậm hơn đều là một kẻ ngốc", điều này chắc chắn cũng áp dụng cho việc nuôi dạy con cái. (cười khúc khích)

Vì vậy, tôi, bạn biết đấy, mọi người đều nghĩ mình ở đâu đó giữa chừng, nhưng tôi không có một kế hoạch có hệ thống, rộng khắp và mạch lạc cho việc con tôi sẽ làm gì trong 3, 6, 12, 18 tháng tới. Tôi chỉ mong nó không làm hỏng chiếc Chromebook của mình nữa.

Tôi thích cái cảm giác chung của bạn rằng "mọi chuyện rồi sẽ ổn thôi, các bạn ơi. Mọi chuyện rồi sẽ ổn thôi."

Vâng. Tôi không biết liệu bạn có... tôi nghĩ nếu bạn, có lẽ là do tôi là người Anh và chúng tôi không có bạo lực chính trị trong 500 năm. Và tôi nghĩ, nếu tôi đến từ Iran, tôi sẽ có một thái độ khác về việc bình tĩnh đối với tương lai. Tôi nghĩ có một lớp nghĩa là: vâng, điều này sẽ thay đổi rất nhiều thứ và chúng ta sẽ cần phải lo lắng về nó, nhưng đó là một điều không đổi. Chúng ta đã luôn có điều đó.

Tôi nhớ trong làn sóng hoảng loạn về mạng xã hội, tôi đã tìm thấy rất nhiều sách vào cuối những năm 70 nói về cơ sở dữ liệu. Có một sự hoảng loạn lớn về cơ sở dữ liệu, và một lần nữa, một nửa trong số đó là sự thật. Giống như, bạn biết đấy, nếu tất cả hồ sơ cảnh sát và tất cả hồ sơ chính phủ đều trực tuyến thì (cười khúc khích) điều đó thật khác. Nếu bạn nghĩ về, ví dụ, vấn đề deepfake nudes, có một phản ứng ngu ngốc đối với điều này, đó là "bạn chưa từng nghe đến Photoshop sao?". Điều đó đúng, nhưng một đứa trẻ 15 tuổi không thể sử dụng Photoshop để tạo ra những bức ảnh khỏa thân khiêu dâm cấp độ cao của mọi cô gái trong trường trung học của mình và gửi chúng cho toàn trường trong một buổi chiều.

Và biến chúng thành video.

Chính xác. Thậm chí, vâng, còn hơn thế nữa. Và bây giờ chúng có thể làm được điều đó. Vì vậy, điều đó là khác biệt. Nó giống như, bạn biết đấy, thách thức của mạng xã hội. Bạn biết đấy, điều mọi người sẽ nói vào những năm 90 là nó thật tuyệt vời. Bạn có thể là đứa trẻ đồng tính duy nhất trong làng của bạn và bạn có thể tìm thấy những người đồng tính khác và bạn có thể tìm thấy cộng đồng của mình. Và đoán xem? Hóa ra bạn cũng có thể là người Đức Quốc xã duy nhất trong làng của mình hoặc là kẻ ấu dâm duy nhất trong làng của bạn hoặc là người muốn xem khiêu dâm trẻ em. Và, vâng, bây giờ bạn có thể tìm thấy những người khác thích xem khiêu dâm trẻ em và họ sẽ nói với bạn rằng điều đó thật tuyệt vời. Vậy là, ôi chao.

Chúng ta đã kết nối mọi người, và không may, điều đó có nghĩa là chúng ta đã kết nối tất cả những người xấu và tất cả những bản năng tồi tệ nhất của chúng ta, và mọi vấn đề trong xã hội. Và điều đó sẽ xảy ra một lần nữa với AI. Bạn biết đấy, tin tức giả mạo sâu sắc là điều hiển nhiên chúng ta có thể thấy bây giờ. Sẽ có rất nhiều thứ tương tự khác nữa.

Mặt Tối của Công nghệ: Vụ Bê Bối Bưu điện ở Anh

Nhưng cũng có một điều mà khán giả kỹ thuật nên biết. Bạn có biết về vụ bê bối bưu điện ở Anh không? Không. Được rồi. Vậy đây là một câu chuyện bên lề. Ở Anh, các bưu điện chủ yếu là các cửa hàng nhượng quyền do các chủ doanh nghiệp nhỏ điều hành. Vì vậy, chúng thường được điều hành bởi các tiệm thuốc tây. Rất thường là những người nhập cư gốc Ấn Độ hoặc thế hệ thứ hai gốc Ấn Độ. (cười khúc khích)

Và khoảng 15 năm trước, bưu điện đã triển khai một hệ thống máy tính điểm bán hàng (POS) mới. Họ có một quầy riêng ở phía sau, đó là bưu điện. Và vì vậy, bưu điện đã triển khai hệ thống máy tính mới này do Fujitsu xây dựng, hệ thống này có nhiều lỗi khiến tiền mặt bị thiếu hụt. Và bưu điện nhìn vào điều này và nói: "Aha, chúng tôi biết những người này đang trộm tiền của chúng tôi." Hàng trăm người bị bỏ tù. Nhiều vụ tự tử, nhiều vụ phá sản, mọi người mất nhà cửa. Trong khi đó, những người từ bưu điện và những người từ Fujitsu ra tòa và thề rằng không có lỗi trong hệ thống và không ai khác gặp vấn đề này. Đây là công nghệ từ những năm 1970.

Và đó thực sự là mấu chốt: mỗi làn sóng công nghệ đều đi kèm với những cách mà bạn có thể hủy hoại cuộc sống của mọi người, dù cố ý hay vô tình. Đây là toàn bộ vấn đề giám sát hàng loạt của Trung Quốc là cố ý. Đây có lẽ là việc mọi người nên đi tù, có thể không. Nhưng chúng ta có điều này với mọi công nghệ. Chúng ta có nhiều cách mà bạn có thể hủy hoại cuộc sống của mọi người và bạn phải nhận thức rõ điều đó, đồng thời cũng không nên hoảng sợ về nó.

Định hướng Nghề nghiệp trong một Thế giới Thay đổi

Vậy, có lẽ theo mạch suy nghĩ đó và quay trở lại vấn đề con cái và công việc. Có công việc nào bạn đang hướng con tránh xa và có công việc nào bạn nghĩ bạn muốn hướng con đến không?

Tôi không rõ về điều đó vì có lẽ còn hơi sớm. Cháu chưa thực sự ở giai đoạn "con muốn làm lính cứu hỏa" lắm. Nhưng...

Đó có thể là một công việc tuyệt vời.

Vâng. Và chắc chắn, bạn biết đấy, nếu tôi nhìn vào lộ trình sự nghiệp của mình, tôi bắt đầu với tư cách là một nhà phân tích cổ phiếu và sau đó tôi làm việc trong ngành, rồi tôi làm tư vấn. Bạn biết đấy, cái thời mà bạn biết trước lộ trình sự nghiệp của mình sẽ như thế nào đã qua rồi. Rõ ràng có một số người muốn trở thành kiến trúc sư, bạn muốn trở thành một kỹ sư phần mềm, bạn biết đấy, bạn muốn trở thành X hay Y. Tôi không biết. Tôi nghĩ, bạn biết đấy, suy nghĩ duy nhất của tôi ở đây là bạn dần dần nhận ra mình có một loạt kỹ năng, và có một loạt công việc mà những kỹ năng đó giúp bạn làm tốt, và sau đó có một loạt thứ mà mọi người sẽ trả tiền cho bạn. Bạn muốn có ít nhất hai trong số đó, và tốt nhất là cả ba.

Tái Định nghĩa Giá trị và Công việc trong Kỷ nguyên `AI`

Được rồi. Vậy, nhìn rộng hơn một chút, hãy để tôi hỏi bạn một câu hỏi siêu cấp. Có câu hỏi nào về AI mà bạn nghĩ chưa ai hỏi hoặc chưa đủ người hỏi mà chúng ta nên tự hỏi mình không?

Chắc chắn rồi. Ý tôi là, chúng ta đã nói về nắm bắt giá trị. Rõ ràng đây là một vấn đề mà tất cả mọi người đang hỏi. Tôi không chắc có bao nhiêu người đang hỏi liệu các phòng thí nghiệm mô hình có sức mạnh định giá hay không. Tôi nghĩ nhiều người chỉ đang cho rằng tình hình hiện tại sẽ tiếp diễn hoặc dĩ nhiên là họ sẽ có. Vì vậy, tôi nghĩ đó có lẽ là một câu hỏi mà chưa đủ người hỏi. Tôi nghĩ câu hỏi tôi đặt ra ở cuối bài thuyết trình của mình, mà chúng ta đã nói đến trước đó, là: nhiệm vụ là gì và công việc là gì? Điều gì chỉ đơn thuần trở thành một nút bấm hoặc khiến mọi thứ chạy so với điều mà mọi người thực sự thuê bạn làm? Đó là một cách hữu ích để suy nghĩ về điều này. Và rõ ràng sẽ có một số công việc mà không, đó chỉ là một nhiệm vụ và công việc đó sẽ bị tự động hóa. Nhưng có rất nhiều trường hợp đó không phải là câu hỏi.

Cách tôi tổng hợp điều đó ở cuối bộ slide là một biểu đồ về doanh thu âm nhạc được ghi âm toàn cầu, mà như bạn có thể biết, nó có dạng đường cong hình chữ U, ít nhiều là như vậy. Nó đã giảm khoảng một nửa từ năm 2000 đến khoảng năm 2015, và kể từ đó đã tăng trở lại khoảng 75% so với mức đỉnh (cười khúc khích) sau khi điều chỉnh theo lạm phát. Cách tôi nhìn vào điều này là để nói rằng, và điều đó được thúc đẩy bởi phát trực tuyến. Tôi đã nhìn vào điều này và nói, nửa đầu của biểu đồ này đang nói: điều gì xảy ra nếu tôi không phải trả 15 đô la để có một CD để có được bài hát đó? Và nửa sau của biểu đồ đang nói: điều gì xảy ra nếu 15 đô la mỗi tháng cho bạn tất cả âm nhạc hiện có? Vì vậy, đó là một loại câu hỏi hoàn toàn khác.

Và bạn có thể, bạn biết đấy, đó là cách bạn có thể nhìn vào Uber hoặc cách bạn có thể nhìn vào Airbnb, tất cả các loại công ty này là ban đầu bạn làm những điều cũ nhưng nhiều hơn; với mỗi công nghệ mới, bạn làm những điều cũ nhưng nhiều hơn trên một nền tảng mới. Vì vậy, bạn biết đấy, bạn đưa Flickr lên di động, bạn in email của mình, và sau đó bạn tạo ra những thứ mới mà chỉ có thể thực hiện được với điều mới đó. Và sau đó có thể bạn đi xa hơn một chút và bạn hoàn toàn định nghĩa lại câu hỏi và bạn tạo ra một thứ hoàn toàn không phải là điều đó. Bạn biết đấy, Spotify không phải là một cửa hàng âm nhạc trực tuyến. Nó là một thứ khác. Và ngay bây giờ, bạn biết đấy, những câu hỏi đó, bạn chỉ biết câu hỏi đó là gì sau khi nó đã được hỏi và bạn đã xây dựng một thứ trị giá hàng tỷ đô la mà nhiều người sử dụng, bởi vì rõ ràng Spotify trông điên rồ, và Uber trông điên rồ, và Airbnb trông điên rồ.

Đánh giá lại Tác động của AI

Nhưng đó là cách, tôi nghĩ, để hiểu được điều này có ý nghĩa gì. Bạn phải vượt qua quan điểm "chúng ta làm những việc cũ nhưng nhiều hơn", và tiến tới câu hỏi "bạn làm gì khác biệt nhờ điều này? Điều này thay đổi những gì? Điều gì trước đây không thể thực hiện? Điều gì được khai mở thay vì chỉ làm những việc cũ nhưng với số lượng lớn hơn?". Vâng. Chỉ để củng cố chủ đề chung này của bạn, rằng "chúng ta không biết điều gì sẽ xảy ra", điều này là chưa từng có tiền lệ. Nếu bạn nhìn lại vài năm trước, có lẽ ba, bốn năm trước, nghề nghiệp cuối cùng bạn nghĩ sẽ bị tự động hóa là kỹ thuật và lập trình. Cứ như thể đó là điều khó khăn nhất, rằng chúng ta sẽ cần người để xây dựng những thứ này. Bây giờ, đó là vai trò bị biến đổi nhiều nhất trong số tất cả các vai trò. Bạn đã từ việc tự viết tất cả code của mình sang việc 0% code của bạn là do AI tạo ra. Gần như bạn không nhận ra rằng đó là công việc thủ công nhàm chán có thể được tự động hóa. Bạn nghĩ đó là một thứ khác. Thật buồn cười.

Sai lầm trong phân tích tác động của AI

Tôi đã xem xét toàn bộ cái này, có một tập dữ liệu của chính phủ Hoa Kỳ gọi là Onet, hay đại loại vậy, thứ mà cố gắng phân tích mọi công việc. Sau đó, mọi người cố gắng chấm điểm và nói rằng, "chà, nghề nghiệp này bị ảnh hưởng X hoặc Y% bởi AI và AI có thể thực hiện Z% công việc đó ngày nay". Tôi nghĩ đây chỉ là một mớ hỗn độn vô lý và lừa bịp nhất. Có hai lý do cho điều này. Lý do đầu tiên là, trớ trêu thay, đây chính là vấn đề của các hệ thống logic. Vấn đề của hệ thống chuyên gia. Vấn đề của các hệ thống chuyên gia là, đối với bất kỳ ai không biết, giống như bạn cố gắng nhận diện một bức ảnh con mèo và bắt đầu xây dựng các bước logic. Bạn tạo một bộ phát hiện cạnh, sau đó là bộ phát hiện râu, bộ phát hiện mắt và bộ phát hiện tai. 15 năm sau, bạn có 700 bước và nó vẫn không hoạt động. Và đây là điều xảy ra khi bạn cố gắng xem xét một nghề nghiệp và phân tích nó thành những phần có thể được tự động hóa và những phần không. Bạn không thể mô tả một nghề nghiệp như vậy, hoặc ít nhất là chúng ta không thể. Bạn không thể nhìn vào một đối tác cấp cao tại một công ty luật và nói, "chà, 17% công việc của họ có thể được tự động hóa" – điều này thật vô lý. Bạn không thể làm điều đó. [khịt mũi]

Khó khăn trong dự đoán tác động của AI

Tuy nhiên, tôi nghĩ một khía cạnh khác của sự ngụy biện là việc nói về tài xế taxi. [khịt mũi] Vậy thì, bạn biết đấy, nếu chúng ta có cuộc trò chuyện này vào năm 1997, nó sẽ giống như kiểm tra Uber. Hãy tưởng tượng chúng ta đang ở năm 1997, điều gì sẽ bị internet đè bẹp? Chà, báo chí sẽ ổn. Họ sẽ tiết kiệm tiền hóa đơn in ấn. Điều này giống như một trò đùa, nhưng mọi người đã nói rằng internet sẽ rất tốt cho báo chí. Hóa đơn in ấn của họ sẽ giảm. Vâng, nhưng không. Nhưng mặt khác, rõ ràng là tài xế taxi, bạn không thể tự động hóa điều đó bằng internet. Nó không liên quan gì đến internet. Có lẽ bạn sẽ có đặt chỗ qua internet nhưng không, điều đó sẽ không thay đổi bất cứ điều gì. Và tất nhiên, nó thay đổi hoàn toàn mọi thứ. [khịt mũi] Và vì vậy, ví dụ tôi thấy gần đây là những thứ sẽ không bị ảnh hưởng bởi AI, đó là huấn luyện viên cá nhân. Được rồi. Vậy, tôi lấy chiếc iPhone của mình và đặt nó lên một giá đỡ, camera hướng về phía tôi, và tôi yêu cầu một AI xây dựng cho tôi một lịch trình tập luyện, quan sát tôi và nói cho tôi biết liệu tôi có đang làm đúng không. Tại sao tôi cần một huấn luyện viên cá nhân? Giờ đây, điều đó có thể hoàn toàn vô nghĩa. Nhưng đó là cách những điều này hoạt động. Giống như những thứ mà bạn không nghĩ sẽ bị ảnh hưởng, bạn không thể dự đoán điều gì sẽ bị ảnh hưởng một cách nhất thiết, hoặc bạn biết đấy, nhiều công ty lớn là những thứ thoạt nhìn không có vẻ khả thi và cũng không có vẻ dễ bị ảnh hưởng.

Tác động đa chiều của công nghệ: Uber, Airbnb và tương lai

Mặt khác của vấn đề này, tất nhiên, là đây là một trong những biểu đồ ở cuối bài thuyết trình của tôi, so sánh Uber và Airbnb. Bởi vì đây giống như một câu nói sáo rỗng từ Mark Andreessen rằng Uber không bán phần mềm cho các công ty taxi, Airbnb không bán phần mềm cho khách sạn. Được rồi, bây giờ hãy xem xét tác động thị trường. Chà, ở rất nhiều thành phố, Uber đã phá hủy hoạt động kinh doanh taxi và cũng làm cho thị trường này lớn hơn nhiều [khịt mũi], khiến thành phố trở nên lớn hơn và mọi người đều chuyển đổi. Tác động của Airbnb đối với các khách sạn, nếu bạn thực sự nhìn vào các con số, thì khá nhỏ. Họ đã tạo ra một lĩnh vực kinh doanh hoàn toàn khác và có lẽ họ đã làm chậm tốc độ tăng trưởng của các khách sạn một chút. Nhưng bạn biết đấy, vợ tôi bay đến Milwaukee vào tuần tới. Cô ấy sẽ hạ cánh lúc 8 giờ tối. Cô ấy muốn đến một khách sạn. Cô ấy muốn dịch vụ phòng. Cô ấy cần một phòng tắm với bồn tắm. Cô ấy cần, bạn biết đấy, cần một phòng gym lúc 6 giờ sáng và sau đó lúc 7 giờ sáng, cô ấy sẽ lái xe đến địa điểm của khách hàng. Cô ấy sẽ không ở Airbnb. Hoàn toàn không có khả năng cô ấy sẽ ở Airbnb. Và [khịt mũi] một nửa hoạt động kinh doanh khách sạn là du lịch công tác. Và bạn biết đấy, ngay khi bạn thực sự đi sâu vào bất kỳ vấn đề nào, mọi thứ sẽ trở nên phức tạp. Tôi nhớ có ai đó trên mạng xã hội đã nói rằng vấn đề với Benedict là mọi câu trả lời của anh ấy đều là "còn tùy". Cứ như là, vâng, đúng vậy. Nó còn tùy. Vì vậy, bạn biết đấy, quay trở lại quan điểm năm 1997 của tôi. Bạn có thể nói một số điều này. Nhưng bạn phải có sự khiêm tốn đó. Vâng. Tôi quay lại cụm từ bạn đã sử dụng, giả định sự bất định triệt để là một luận điểm cốt lõi hay ở đây. Vì vậy, biết tất cả điều này, thật khó để nói. Chúng ta không biết chính xác nó sẽ đi về đâu. Mọi thứ sẽ thay đổi rất nhiều, nhưng nhìn chung có lẽ sẽ ổn. Chỉ là rất nhiều người đang lo lắng về công việc và lộ trình sự nghiệp của họ cũng như việc thế giới thay đổi nhiều như thế nào. Bạn sẽ khuyên mọi người làm gì để thành công hơn trong tương lai này, dựa trên những gì bạn biết?

Lời khuyên cho tương lai: Hòa nhập với AI

Chà, tôi nên quay lại điều bạn vừa nói, đó là như Keynes nói với chúng ta, về lâu dài, tất cả chúng ta đều chết. Vì vậy, bạn biết đấy, trung bình, không ai chết trong Chiến tranh thế giới thứ nhất. Tuyệt vời. Nhưng nếu bạn là một thanh niên 19 tuổi vào năm 1914, bạn có một phần ba cơ hội không trở về. Vì vậy, vâng, rõ ràng có một loạt các nghề nghiệp mà đây là một câu hỏi lớn, đặc biệt nếu bạn là một luật sư tập sự hoặc đã từng nghĩ đến việc trở thành luật sư tập sự, đây là một câu hỏi lớn và rất không rõ ràng về cách các nghề nghiệp đó sẽ diễn ra. Rất không rõ ràng về những gì sẽ xảy ra với cấu trúc kim tự tháp của các dịch vụ chuyên nghiệp. Câu trả lời duy nhất tôi nghĩ một người có thể có là, bạn biết, đừng chôn đầu vào cát và nói tôi ghét tất cả những thứ này, bởi vì điều đó mang lại cho bạn cảm giác ưu việt về đạo đức tuyệt vời. Bạn có thể lên Blue Sky và la hét với mọi người về việc AI tồi tệ như thế nào. Tuyệt vời, tôi rất vui cho bạn, nhưng điều đó sẽ không giúp ích gì. Điều giúp ích là bạn phải dấn thân vào điều này, hoàn toàn đắm mình vào nó và sau đó hiểu được bạn có thể làm gì với nó, điều này thay đổi mọi thứ như thế nào, làm thế nào bạn có thể trở thành một người được tuyển dụng xuất sắc. Và điều đó có thể vẫn không giúp ích, nhưng bạn biết đấy, nếu bạn vào một công ty luật và họ nói, "chà, chúng tôi đã thuê 100 luật sư tập sự năm ngoái và năm nay chúng tôi sẽ chỉ thuê 50". Đến buổi phỏng vấn và nói, "chà, tôi nghĩ AI là... và tôi sẽ không bao giờ sử dụng nó" có lẽ không phải là thái độ đúng đắn. Vì vậy, bạn biết đấy, điều đó có thể không đặc biệt an ủi, nhưng tôi không nghĩ có giải pháp thay thế nào khác, bạn biết đấy, bạn phải dấn thân vào điều này và hấp thụ nó, nội hóa nó và suy nghĩ về ý nghĩa của nó, giống như bạn và tôi đã làm với thiết bị di động và với internet. Tôi nghĩ đó thực sự là một lời khuyên rất thực tế và rất nhất quán trên podcast là chỉ cần làm thôi. Xây dựng nó. Đừng chỉ ngồi đó và suy đoán và tức giận với những gì đang xảy ra.

Cách sử dụng AI trong công việc và cuộc sống cá nhân

Để kết thúc, tôi sẽ đưa chúng ta đến Góc AI, một phần định kỳ của podcast. Và câu hỏi dành cho bạn là bạn đã sử dụng AI theo cách nào trong công việc hoặc cuộc sống của mình mà thực sự thú vị, điều mà những người khác có thể được truyền cảm hứng. Tôi không biết. Tôi vật lộn với câu hỏi này vì tôi giống như một luật sư đang xem ChatGPT. Vì vậy, bạn biết đấy, những thứ tôi sẽ làm mà tôi sẽ tự động hóa là các tác vụ truy xuất thông tin chính xác, đây chính xác là điều mà AI tệ nhất. Và, bạn biết đấy, đó không phải là một lời chỉ trích. Đó chỉ là một quan sát. Loại công việc mà tôi muốn một cỗ máy làm cho tôi là loại công việc mà AI hiện tại không thể làm cho tôi rất tốt. Tôi sử dụng nó để kiểm lỗi chính tả. Tôi sử dụng nó cho hình ảnh. Tôi đã sử dụng nó để trang trí lại căn hộ của mình. Điều đó hoạt động cực kỳ tốt cho việc đó. Ví dụ, "Đây là một bức ảnh căn phòng này. Hãy sơn lại nó. Thêm ánh sáng này, cái bàn này và tấm thảm này." Hoặc "Không, hãy thay đổi màu của tấm thảm." Có một số thứ như cây cảnh cho những thứ mà nó hoạt động. Nhưng ý tôi là, vài năm trước, ai đó đã nói rằng AI giỏi những thứ mà máy tính tệ, và tệ những thứ mà máy tính giỏi. Và tôi vật lộn để tìm nhiều ví dụ về những trường hợp tôi cần nó. Nhưng rồi, bạn biết đấy, tôi có một công việc khá độc đáo và kỳ lạ. Bạn biết đấy, tôi ngồi ở bàn làm việc cả ngày, cố gắng tổng hợp một loạt các thông tin khác nhau thành một loạt các ý tưởng mới. Đó không phải là cách mọi người thường dành thời gian của họ. Tôi vật lộn để tìm các trường hợp sử dụng AI. Tôi giống như một kế toán viên nhìn vào bảng tính và nghĩ, "chà, điều đó rất thông minh và điều này rõ ràng sẽ biến đổi hoàn toàn mọi thứ." Nhưng tôi thực sự không tạo bảng tính mỗi ngày.

Sự biến mất của AI và tự động hóa

Tôi đã đi xem một buổi diễn hài độc thoại của Pete Holmes. Tôi không biết bạn có biết anh ấy không, và anh ấy đã nói đùa rằng chúng ta muốn AI làm những việc như dọn dẹp phân trên đường phố và làm tất cả những việc khó khăn mà không ai muốn làm. Nhưng thay vào đó, nó lại nói, "ồ, hãy để tôi giúp bạn viết, hãy để tôi giúp bạn tạo hình ảnh". Giống như những người Bohemian này, "không, tôi không muốn làm tất cả những điều xấu xí này, tôi muốn sáng tạo, làm nghệ thuật". Vâng, ý tôi là, có rất nhiều biến thể của điều này, bạn biết đấy, giống như tôi không muốn AI làm những việc tôi làm vì niềm vui, tôi muốn nó làm những việc nhàm chán mà tôi không làm vì niềm vui. Và bạn biết đấy, việc tìm ra sự kết hợp đó, ý tôi là, bỏ qua chuyện đùa. Điều này sẽ quay lại quan điểm về chatbot của tôi, rằng chatbot là một màn hình trống rỗng với một cạnh lởm chởm, giống như "tôi phải làm gì và điều gì sẽ hiệu quả?" Và đó là một vấn đề lớn. Giải pháp cho vấn đề đó là gói gọn nó trong các trường hợp sử dụng. Một phần của nó cũng giống như AI chỉ đơn giản biến mất. Vì vậy, hầu hết những gì tôi viết bây giờ tôi đều đọc chính tả. Tôi đọc chính tả dưới dạng một bản ghi âm giọng nói và nó được tự động chuyển đổi thành văn bản. Đó vẫn là AI hay chỉ là nhận dạng giọng nói? Có lẽ đó là một LLM. Có lẽ có một LLM ở đó. Được rồi. Vậy có lẽ đó là AI. Chà, được rồi. Vậy thì, đến một lúc nào đó, nó chỉ là tự động hóa.

Công cụ chuyển đổi giọng nói thành văn bản

Bạn dùng gì để chuyển đổi giọng nói thành văn bản? Vậy thì, tôi thấy ứng dụng Apple Notes hoặc tính năng tích hợp sẵn trên iPhone hoạt động tốt. Ý tôi là tôi biết mọi người muốn các lựa chọn khác, nhưng tôi đọc chính tả, và nó đây. Nó hoạt động. Vì vậy, tôi hài lòng với điều đó.

Lời khuyên cuối cùng và Tóm tắt

Được rồi, câu hỏi cuối cùng trước khi chúng ta đến vòng nhanh như chớp rất thú vị của chúng ta. Bạn còn điều gì muốn chia sẻ không? Bất cứ điều gì bạn muốn để lại cho người nghe không? Không, tôi nghĩ tôi đã độc thoại khá nhiều và đã đi qua một loạt nội dung trong bài thuyết trình. Hãy đọc bài thuyết trình và đăng ký bản tin của tôi, sau đó bạn sẽ nhận được nhiều "tạp chí" chứa đầy những lời khuyên sáng suốt của Benedict Evans hơn nữa. Một số trong đó thậm chí có thể hữu ích. Ai đó đã hủy đăng ký bản tin của tôi và họ nói rằng tôi không cung cấp cho họ bất kỳ ý tưởng cổ phiếu khả thi nào và tôi nghĩ, "chà, ở một mức độ nào đó thì điều đó hoàn toàn đúng. Ở một mức độ khác thì có lẽ không". Chà, với điều đó, Benedict, chúng ta đã đến vòng nhanh như chớp rất thú vị của chúng ta. Tôi có năm câu hỏi cho bạn. Bạn đã sẵn sàng chưa? Chắc chắn.

Những đề xuất cá nhân

Câu hỏi: Câu hỏi đầu tiên, có hai hoặc ba cuốn sách nào mà bạn thường xuyên giới thiệu nhất cho người khác không?

Trả lời: Đây là một câu hỏi khó với tôi vì tôi đọc rất nhiều sách và sau đó tôi không thể nhớ mình đã đọc những cuốn nào. Thỉnh thoảng tôi hay đùa rằng có một bộ phim hài cổ điển của Anh từ cuối thế kỷ 19 tên là Three Men in a Boat, nó giống như cuốn sách "gối đầu giường" của tôi vậy. Chẳng hạn, chúng ta gặp khó khăn khi treo một bức tranh ư? Ồ, có một phần nói về điều đó. Bạn biết đấy, chúng ta đang gặp rắc rối khi làm việc này? Ồ, có một câu chuyện về điều đó. Tất cả đều rất hài hước. Vì vậy, Three Men in a Boat là cuốn sách "gối đầu giường" của tôi.

Có một cuốn sách, tôi nghĩ là của William Cronin, về lịch sử kinh tế của Chicago rất hấp dẫn và thực sự rất liên quan đến công nghệ. Bởi vì nó nói về cơ bản là standardization (tiêu chuẩn hóa), packetization (đóng gói dữ liệu), logistics (hậu cần), channel conflict (xung đột kênh), network dynamics (động lực mạng) và network neutrality (trung lập mạng). Chẳng hạn, khi các nhà đóng gói thịt ở Chicago đạt đến điểm mà việc vận chuyển một con bò từ New York đến Chicago, giết mổ, đóng gói và sau đó vận chuyển trở lại New York lại rẻ hơn là giết mổ nó ngay tại New York. Và bạn biết đấy, giá cả của các toa xe đông lạnh. Nó giống hệt như đọc về broadband (băng thông rộng). Tất cả đều là những loại vấn đề kinh doanh tương tự, điều đó thật thú vị.

Tôi đã đọc gì khác nữa ư? Tôi không biết. Hãy đọc sách. Đọc nhiều loại sách khác nhau. Đọc sách dành cho người lớn. Làm ơn hãy đọc một thứ gì đó khác ngoài Lord of the Rings. Nếu bạn định đặt tên cho một công ty khác như, tôi thấy cái này và công ty mới nhất của Peter Thiel là gì? Tôi đã nghĩ, "Hãy đọc một cuốn sách khác đi." [tiếng cười] Mọi thứ đều được đặt tên theo một nhân vật từ cuốn sách đó. Có nhiều hơn một cuốn sách trên thế giới này mà. Nếu có nhiều hơn một cuốn sách, thì tất cả đều là science fiction (khoa học viễn tưởng). Hãy đọc về những điều khác biệt. Đọc về những điều bạn không biết.

Câu hỏi: Cũng theo hướng đó, bạn có bộ phim hoặc TV show (chương trình truyền hình) gần đây nào yêu thích mà bạn thực sự rất thích không?

Trả lời: Tôi không biết nữa. Tôi đã bỏ lỡ rất nhiều thứ trên "guồng quay" truyền thông hiện tại. Tôi chỉ dành phần lớn thời gian xem các tác phẩm kinh điển, những bộ phim mà bạn luôn được cho là phải xem và tất cả đều có vẻ đáng sợ. Sau đó bạn xem chúng và bạn nghĩ, "Ồ, thực ra nó rất hay." Gần đây tôi đã xem The Seventh Seal, một trong những bộ phim mà Woody Allen hay nói đùa là đáng sợ và nhàm chán, nhưng nó thật tuyệt vời. Nó thực sự thú vị, và chỉ khoảng một giờ đồng hồ thôi. Vì vậy, hãy xem một trong những bộ phim mà bạn được cho là phải xem hoặc chưa từng xem.

Câu hỏi: Product (sản phẩm) gần đây nào bạn vừa khám phá mà bạn thực sự yêu thích? Có thể là một gadget (thiết bị điện tử), có thể là một app (ứng dụng).

Trả lời: Tôi đã phát biểu tại một partner meeting (cuộc họp đối tác) cho một công ty hồi đầu tuần này. Hôm nay là thứ mấy nhỉ? Thứ Hai? Không, tuần trước. Tôi đã gặp người sáng lập công ty, Giám đốc điều hành (CEO) của công ty có một cái tên rất nổi tiếng. Tôi đã ngưỡng mộ đôi giày của ông ấy và không nói gì, nhưng sau đó khoảng nửa giờ tôi đã tìm kiếm trên Google, "Ừ, được rồi, mình sẽ mua một đôi đó." Bạn có muốn chia sẻ thương hiệu không, hay bạn muốn giữ bí mật? Được rồi, chúng ta sẽ giữ bí mật.

Tôi không biết nữa. Tôi nghĩ rằng có những làn sóng product (sản phẩm) mới. Bạn biết đấy, bạn bước vào những làn sóng của những thứ mới mẻ. Chẳng hạn, lần cuối cùng có một app (ứng dụng) thú vị như các iPhone apps (ứng dụng iPhone) là khi nào? Tất cả white space (không gian trống, cơ hội mới) đó đã biến mất. Ý tôi là, đó một phần là chức năng của việc product (sản phẩm) ra mắt, platform (nền tảng) ra mắt. Tất cả white space (không gian trống) đó đã dành cho các app (ứng dụng) mới thú vị. Và hiện tại chúng ta vẫn chưa thực sự có, đây là quay lại điểm trước đó, chúng ta chưa có các breakout consumer AI apps (ứng dụng AI đột phá dành cho người tiêu dùng) vì tôi nghĩ nguyên nhân chính là marginal cost (chi phí biên). Vì vậy, bạn không thể tạo ra nó miễn phí, có được 50 triệu người dùng và sau đó có một revenue model (mô hình doanh thu). Nhưng chúng ta vẫn chưa có những breakout things (thứ đột phá) đó.

Câu hỏi: Dành cho consumer (người tiêu dùng) ư?

Trả lời: Dành cho consumer (người tiêu dùng) ư? Không. Thật kỳ lạ. Tôi cứ liên tục nhận được quảng cáo cho các voice recorder (máy ghi âm). Như kiểu ai đó đang bán một hardware voice recorder (máy ghi âm phần cứng) kích thước bằng business card (danh thiếp). Tôi nghĩ, nhưng tôi không hiểu. Tôi đã có một voice recorder (máy ghi âm) trên điện thoại của mình rồi.

Phương châm sống

Câu hỏi: Vâng. Rất nhiều thứ hay ho sắp tới. Được rồi, hai câu hỏi nữa. Bạn có một life motto (phương châm sống) yêu thích nào mà bạn thường xuyên nhắc đến trong work (công việc) hay trong life (cuộc sống) không?

Trả lời: Tôi cho rằng tôi đã đề cập trước đó rồi, rõ ràng là tôi thường nói, "Còn tùy."

Câu hỏi: Đó sẽ là tiêu đề. [tiếng cười]

Trả lời: Không, có lẽ sẽ ổn thôi.

Câu hỏi: Vâng. Được rồi. Đó là vibe (cảm giác) mà tôi nhận được. Tôi thích điều đó. Tôi thích việc "có lẽ sẽ ổn thôi". Không chắc chắn.

Sở thích sưu tầm điện thoại cũ

Câu hỏi: Được rồi. Câu hỏi cuối cùng. Tôi thấy ở đâu đó rằng bạn sở hữu rất nhiều điện thoại cũ. Điều đó có đúng không?

Trả lời: À, đúng vậy. Vâng. Tôi đã giữ lại, ý tôi là, tôi từng là một telecoms analyst (nhà phân tích viễn thông) và mobile analyst (nhà phân tích di động), và tôi đã giữ tất cả các điện thoại của mình cho đến một thời điểm nhất định. Bây giờ chúng khá là không thú vị. Nhưng, như bạn có thể nhớ, trước iPhone, đặc biệt là bên ngoài USA (Hoa Kỳ), có một sự creativity (sáng tạo) và expansion (mở rộng) lớn về hình dáng điện thoại bởi vì mọi người về cơ bản đều đang innovating (đổi mới) xung quanh một hình vuông nhỏ xíu màu xám. Vì vậy, mọi người đều cố gắng differentiate (tạo sự khác biệt) với mọi thứ khác, trước khi nó có vẻ như đã kết thúc. Nó giống như ô tô vậy. Giống như những chiếc ô tô trước khi có wind tunnel (hầm gió). Ô tô trông khác nhau, và mọi người đều cố gắng innovate (đổi mới) vì bạn có cùng bốn bánh xe và cùng một engine (động cơ), và mọi người đều cố gắng differentiate (tạo sự khác biệt) dựa trên hình dạng. Và sau đó mọi thứ hội tụ về một hình dạng. Nó cũng tương tự với điện thoại; mọi thứ hội tụ về một hình dạng duy nhất. Trước đó, có tất cả sự innovation (đổi mới) này. Vì vậy, vâng, tôi có cả một đống PDAs (trợ lý kỹ thuật số cá nhân) và smartphones (điện thoại thông minh).

Câu hỏi: Chúng ta đang nói đến bao nhiêu chiếc điện thoại vậy?

Trả lời: Tôi không biết, khoảng 20 hoặc 30 chiếc. Được rồi. Không đến nỗi điên rồ lắm. Chiếc cũ nhất là chiếc nào? Chiếc cũ nhất bạn có là chiếc nào?

Trả lời: Vậy, tôi có một trong số đó – lẽ ra bạn nên nói trước với tôi, tôi đã mang cái hộp xuống rồi. Tôi có một chiếc Ericsson Shark fin flip phone (điện thoại nắp gập hình vây cá mập của Ericsson) từ khoảng năm '98 gì đó, mà lại rất nhiều về hardware design (thiết kế phần cứng), visual design (thiết kế trực quan) cố gắng differentiate (tạo sự khác biệt). Tôi có một chiếc iMode phone từ năm 2001 và một chiếc Jane phone từ năm 2001 có camera (máy ảnh). Vì vậy, tôi trở về từ Nhật Bản vào năm 2001, và điện thoại của tôi có color screen (màn hình màu) và camera (máy ảnh). Tôi đã có vô số các client meeting (cuộc họp khách hàng), và mọi người chỉ muốn xem chiếc điện thoại có color screen (màn hình màu) đó. Kiểu như, nó mind-blowing (gây kinh ngạc). Nó không hoạt động bên ngoài Nhật Bản. Tôi đã cắm sạc nó mấy hôm trước. Nó vẫn sạc được. Ý tôi là, rõ ràng tôi không thể làm gì với nó. [khịt mũi] Và, ý tôi là, có một chút analogy (sự tương đồng) ở đây, đó là chúng ta từng nghĩ sẽ có tất cả các hình dạng và kích thước khác nhau. Và trước iPhone, mọi người đã hình dung, "Ồ, một số người sẽ có như một chiếc pocket PC (máy tính bỏ túi) nhỏ, và một số người có keyboard (bàn phím), và bạn có kiểu folding (gập)." Tất cả những ý tưởng khác nhau về hình dạng của nó, và chúng ta không nhận ra rằng tất cả sẽ hội tụ vào một device (thiết bị) duy nhất.

Thông tin liên hệ và lời nhắn

Người phỏng vấn: Benedict, thật tuyệt vời. Tôi đã học được rất nhiều. Tôi cảm thấy tốt hơn sau cuộc trò chuyện này. Hai câu hỏi cuối cùng: Mọi người có thể tìm bạn trực tuyến ở đâu? Họ có thể tìm bài thuyết trình này ở đâu? Và thính giả có thể hữu ích cho bạn bằng cách nào?

Benedict Evans: Như tôi vẫn thường nói, bố mẹ tôi có SEO (Tối ưu hóa công cụ tìm kiếm) tốt. Vì vậy, hãy Google Benedict Evans. Có một trang web nơi tôi xuất bản tất cả các bài thuyết trình mà tôi đã thực hiện, và bạn có thể đăng ký nhận bản tin của tôi, nó được phát hành mỗi tuần.

Ngoài ra, thính giả có thể hữu ích cho tôi bằng cách nào? Tôi luôn cố gắng hiểu mọi thứ và tôi luôn cố gắng đặt ra những câu hỏi khác nhau. Điều tệ nhất trong tech (công nghệ) là cứ tiếp tục nói về những điều tương tự. Giống như, bạn biết đấy, khoảnh khắc bạn thực sự hiểu một điều gì đó là khoảnh khắc bạn phải chuyển sang một thứ khác. Và vì vậy tôi luôn cố gắng suy nghĩ, "Không, mình có đang nói đi nói lại cùng một điều không?" Chẳng hạn như năm ngoái, tôi có lẽ đã dành quá nhiều thời gian để nói, "Nhưng những model (mô hình) này vẫn hallucinate (tạo ra thông tin sai lệch). Đừng nói với tôi là chúng không hallucinate (tạo ra thông tin sai lệch)." Và chúng đúng là như vậy. Chúng vẫn hallucinate (tạo ra thông tin sai lệch). Bạn đẩy chúng đi xa hơn một chút, bất kỳ câu hỏi nào, và bạn vẫn sẽ nhận được, "Không, điều đó không đúng." [khịt mũi] Nhưng điều đó không có nghĩa là chúng vô dụng. Vì vậy, bạn phải tiếp tục thúc đẩy, tự thúc đẩy bản thân mình. Đó luôn là thách thức đối với tôi: Làm thế nào để tôi thúc đẩy? Và vâng, nếu bạn muốn tôi đến thuyết trình cho board (ban giám đốc) của bạn ở Caribbean, thì hãy cho tôi biết.

Người phỏng vấn: Và tiện thể, domain (tên miền) là bend-ans.com nếu mọi người muốn tìm hiểu về bạn. (Đính chính: Đó là evs.com.) Benedict, xin chân thành cảm ơn bạn đã đến đây.

Benedict Evans: Rất cảm ơn.

Người phỏng vấn: Tạm biệt mọi người. Cảm ơn rất nhiều vì đã lắng nghe. Nếu bạn thấy nội dung này hữu ích, bạn có thể đăng ký kênh trên Apple Podcasts, Spotify hoặc podcast app (ứng dụng podcast) yêu thích của mình. Ngoài ra, hãy cân nhắc đánh giá hoặc để lại review (đánh giá) vì điều đó thực sự giúp những thính giả khác tìm thấy podcast (chương trình podcast). Bạn có thể tìm tất cả các tập trước hoặc tìm hiểu thêm về chương trình tại lennispodcast.com. Hẹn gặp lại trong tập tiếp theo.

TL;DR

AI có tầm quan trọng tương đương với Internet hoặc di động, là một công nghệ chuyển đổi nhưng không phải thảm họa. Nó tự động hóa các nhiệm vụ cũ và tạo ra vô số việc làm mới chưa từng tồn tại.
Chúng ta đang ở giai đoạn đầu của AI, giống như Internet năm 1997; nhiều ứng dụng và tác động tương lai vẫn chưa rõ ràng, chưa được xây dựng và mức độ chấp nhận còn rất khác nhau.
Thay vì phản đối, mọi người nên dấn thân và hiểu những gì AI có thể làm được ở hiện tại để thành công trong tương lai này, bởi sự thay đổi là điều tất yếu và thường xuyên.

Điểm chính

AI là công nghệ nền tảng: AI mang lại một sự thay đổi cơ bản có tầm quan trọng tương đương với các công nghệ đột phá như internet hoặc di động, chứ không phải một sự kiện thảm khốc nhưng cũng không phải là một cải tiến nhỏ.
Tự động hóa tạo ra việc làm mới: Giống như các công nghệ trước đây, AI sẽ tự động hóa một số lượng lớn việc làm hiện có, nhưng quá trình đó cũng sẽ mở ra một loạt các loại hình và cơ hội việc làm mới chưa tồn tại.
Giai đoạn phát triển sơ khai: Công nghệ AI đang ở giai đoạn đầu của sự chấp nhận và trưởng thành, tương tự như internet vào năm 1997, với phần lớn các ứng dụng và tác động vẫn chưa được định hình rõ ràng.
Chủ động tiếp cận và thích nghi: Để thành công, cá nhân và doanh nghiệp nên chủ động dấn thân, tìm hiểu và hiểu rõ những gì AI có thể làm được ở hiện tại thay vì né tránh hoặc phản đối nó.
Nghịch lý tự động hóa ("Nghịch lý quần jean"): Việc làm cho một điều gì đó rẻ hơn hoặc dễ dàng hơn thông qua tự động hóa thường không làm giảm nhu cầu tổng thể mà có thể tăng lên, dẫn đến việc làm nhiều hơn với cùng một lượng tiền hoặc thậm chí nhiều tiền hơn nhờ ROI mới.
AI thúc đẩy dịch vụ chuyên nghiệp: Các phòng thí nghiệm AI tiên tiến đang đầu tư đáng kể vào các dịch vụ chuyên nghiệp và kỹ sư triển khai tại chỗ, cho thấy rằng việc tích hợp AI vào quy trình làm việc doanh nghiệp đòi hỏi nhiều nỗ lực tư vấn và triển khai.
Phân biệt nhiệm vụ và công việc: AI có khả năng tự động hóa các "nhiệm vụ" cụ thể, nhưng "công việc" thường bao gồm nhiều nhiệm vụ cùng với khả năng phán đoán, phối hợp và tương tác con người, nơi AI đóng vai trò bổ trợ và nâng cao hiệu suất.

Từ vựng

AI — Trí tuệ nhân tạo
Internet — Internet
Di động — Mobile
Mô hình ngôn ngữ lớn (LLM) — Large Language Model
Sẵn sàng cho doanh nghiệp (Enterprise-ready) — Sẵn sàng cho doanh nghiệp
Dịch vụ chuyên nghiệp — Professional services
Chi phí vốn (Capex) — Chi phí vốn
Lợi tức đầu tư (ROI) — Lợi tức đầu tư
Ảo giác (trong AI) — Hallucination (trong bối cảnh AI)
Độ co giãn của cầu theo giá — Price elasticity of demand

Nội dung chi tiết

Tầm Quan Trọng của AI: Internet hoặc Di Động Mới?

[Người dẫn chương trình]: Anh nghĩ sao về thảm họa việc làm sắp tới?

[Người dẫn chương trình]: Tôi tò mò không biết anh có theo dõi tâm lý phản đối AI không.

Phản ứng với Thay đổi từ AI

[Người dẫn chương trình]: Anh sẽ đề xuất một vài điều mọi người nên làm để thành công hơn trong tương lai này là gì?

Giới Thiệu Benedict Evans

Benedict, cảm ơn anh rất nhiều vì đã có mặt ở đây. Chào mừng anh đến với podcast.

[Benedict Evans]: Cảm ơn vì đã mời tôi.

AI và Những Thay Đổi Chưa Được Nhận Thức

WorkOS: Giải Pháp Sẵn Sàng cho Doanh Nghiệp

Dòng Thời Gian AI: Tương Lai của Phần Mềm và Công Việc

Đầu Tư vào Dịch Vụ Chuyên Nghiệp và Kỹ Sư Triển Khai tại Chỗ

Vai trò của Chuyên gia tư vấn và `AI` trong Chuyển đổi Doanh nghiệp

Phân tích Tác động của `AI` (Vốn, Triển khai, Thay đổi)

Sự phức tạp của Tự động hóa và Nhu cầu cho `Khả năng Phán đoán`

Bài học từ Lịch sử và Sự dịch chuyển Nền tảng

Viễn cảnh về thị trường việc làm và `Chuyển đổi Nền tảng`

Tác Động Của AI Đến Chu Kỳ Kinh Doanh và Công Nghệ Hiện Có

Bài Học Từ Quá Khứ: Đổi Mới Công Nghệ Luôn Cần Thời Gian

Sự Lặp Lại Của Chu Kỳ Công Nghệ

Sức Mạnh Biến Đổi Của Internet và Dữ Liệu

Tương Lai Của Trí Tuệ Tổng Hợp Nhân Tạo (AGI) và Siêu Trí Tuệ

Định Nghĩa Luôn Thay Đổi Của AI và AGI

Tiềm Năng Phát Triển Khổng Lồ Của Các Công Ty Trong Kỷ Nguyên Mới

`AI` và Sự Mở rộng Kinh tế

Công nghệ và Định luật `lump of labor fallacy`

Lợi nhuận ngành tiện ích và Tương lai `mô hình AI`

Bài học từ Viễn thông: Giá trị `mô hình nền tảng`

`Mô hình nền tảng` và Các lớp ứng dụng

`Mô hình nền tảng`: `Windows` hay `AWS`?

Quảng cáo: Vanta

`Mô hình nền tảng` và `network effects`: Bài học lịch sử

`Mô hình nền tảng` như `hàng hóa`

Vai trò `Partner` và Cơ hội Đầu tư

Phân tích Thị trường và Sự Chuyển Dịch Nền tảng

Phân phối là Lợi thế cạnh tranh then chốt

Tầm nhìn AI của Apple và Phân phối Thiết bị

Tâm lý Phản đối AI và Những Quan ngại Hiện tại

Phản ứng Dữ dội và Những Lo Ngại Xung quanh `AI`

Giáo dục Con Cái trong Kỷ nguyên `AI`

Tôi thích cái cảm giác chung của bạn rằng "mọi chuyện rồi sẽ ổn thôi, các bạn ơi. Mọi chuyện rồi sẽ ổn thôi."

Và biến chúng thành video.

Mặt Tối của Công nghệ: Vụ Bê Bối Bưu điện ở Anh

Định hướng Nghề nghiệp trong một Thế giới Thay đổi

Tôi không rõ về điều đó vì có lẽ còn hơi sớm. Cháu chưa thực sự ở giai đoạn "con muốn làm lính cứu hỏa" lắm. Nhưng...

Đó có thể là một công việc tuyệt vời.

Tái Định nghĩa Giá trị và Công việc trong Kỷ nguyên `AI`

Đánh giá lại Tác động của AI

Sai lầm trong phân tích tác động của AI

Khó khăn trong dự đoán tác động của AI

Tác động đa chiều của công nghệ: Uber, Airbnb và tương lai

Lời khuyên cho tương lai: Hòa nhập với AI

Cách sử dụng AI trong công việc và cuộc sống cá nhân

Sự biến mất của AI và tự động hóa

Công cụ chuyển đổi giọng nói thành văn bản

Lời khuyên cuối cùng và Tóm tắt

Những đề xuất cá nhân

Câu hỏi: Câu hỏi đầu tiên, có hai hoặc ba cuốn sách nào mà bạn thường xuyên giới thiệu nhất cho người khác không?

Câu hỏi: Cũng theo hướng đó, bạn có bộ phim hoặc TV show (chương trình truyền hình) gần đây nào yêu thích mà bạn thực sự rất thích không?

Câu hỏi: Dành cho consumer (người tiêu dùng) ư?

Phương châm sống

Trả lời: Tôi cho rằng tôi đã đề cập trước đó rồi, rõ ràng là tôi thường nói, "Còn tùy."

Câu hỏi: Đó sẽ là tiêu đề. [tiếng cười]

Trả lời: Không, có lẽ sẽ ổn thôi.

Câu hỏi: Vâng. Được rồi. Đó là vibe (cảm giác) mà tôi nhận được. Tôi thích điều đó. Tôi thích việc "có lẽ sẽ ổn thôi". Không chắc chắn.

Sở thích sưu tầm điện thoại cũ

Câu hỏi: Được rồi. Câu hỏi cuối cùng. Tôi thấy ở đâu đó rằng bạn sở hữu rất nhiều điện thoại cũ. Điều đó có đúng không?

Câu hỏi: Chúng ta đang nói đến bao nhiêu chiếc điện thoại vậy?

Thông tin liên hệ và lời nhắn

Benedict Evans: Rất cảm ơn.

Góp ý / Báo lỗiPhát hiện sai sót hoặc có ý tưởng cải thiện?

Tầm Quan Trọng của AI: Internet hoặc Di Động Mới?

Phản ứng với Thay đổi từ AI

Giới Thiệu Benedict Evans

AI và Những Thay Đổi Chưa Được Nhận Thức

WorkOS: Giải Pháp Sẵn Sàng cho Doanh Nghiệp

Dòng Thời Gian AI: Tương Lai của Phần Mềm và Công Việc

Đầu Tư vào Dịch Vụ Chuyên Nghiệp và Kỹ Sư Triển Khai tại Chỗ

Vai trò của Chuyên gia tư vấn và AI trong Chuyển đổi Doanh nghiệp

Phân tích Tác động của AI (Vốn, Triển khai, Thay đổi)

Sự phức tạp của Tự động hóa và Nhu cầu cho Khả năng Phán đoán

Bài học từ Lịch sử và Sự dịch chuyển Nền tảng

Viễn cảnh về thị trường việc làm và Chuyển đổi Nền tảng

Tác Động Của AI Đến Chu Kỳ Kinh Doanh và Công Nghệ Hiện Có

Bài Học Từ Quá Khứ: Đổi Mới Công Nghệ Luôn Cần Thời Gian

Sự Lặp Lại Của Chu Kỳ Công Nghệ

Sức Mạnh Biến Đổi Của Internet và Dữ Liệu

Tương Lai Của Trí Tuệ Tổng Hợp Nhân Tạo (AGI) và Siêu Trí Tuệ

Định Nghĩa Luôn Thay Đổi Của AI và AGI

Tiềm Năng Phát Triển Khổng Lồ Của Các Công Ty Trong Kỷ Nguyên Mới

AI và Sự Mở rộng Kinh tế

Công nghệ và Định luật lump of labor fallacy

Lợi nhuận ngành tiện ích và Tương lai mô hình AI

Bài học từ Viễn thông: Giá trị mô hình nền tảng

Mô hình nền tảng và Các lớp ứng dụng

Mô hình nền tảng: Windows hay AWS?

Quảng cáo: Vanta

Mô hình nền tảng và network effects: Bài học lịch sử

Mô hình nền tảng như hàng hóa

Vai trò Partner và Cơ hội Đầu tư

Phân tích Thị trường và Sự Chuyển Dịch Nền tảng

Phân phối là Lợi thế cạnh tranh then chốt

Tầm nhìn AI của Apple và Phân phối Thiết bị

Tâm lý Phản đối AI và Những Quan ngại Hiện tại

Phản ứng Dữ dội và Những Lo Ngại Xung quanh AI

Giáo dục Con Cái trong Kỷ nguyên AI

Mặt Tối của Công nghệ: Vụ Bê Bối Bưu điện ở Anh

Định hướng Nghề nghiệp trong một Thế giới Thay đổi

Tái Định nghĩa Giá trị và Công việc trong Kỷ nguyên AI

Đánh giá lại Tác động của AI

Sai lầm trong phân tích tác động của AI

Khó khăn trong dự đoán tác động của AI

Tác động đa chiều của công nghệ: Uber, Airbnb và tương lai

Lời khuyên cho tương lai: Hòa nhập với AI

Cách sử dụng AI trong công việc và cuộc sống cá nhân

Sự biến mất của AI và tự động hóa

Công cụ chuyển đổi giọng nói thành văn bản

Lời khuyên cuối cùng và Tóm tắt

Những đề xuất cá nhân

Phương châm sống

Sở thích sưu tầm điện thoại cũ

Thông tin liên hệ và lời nhắn

TL;DR

Điểm chính

Từ vựng

Nội dung chi tiết

Tầm Quan Trọng của AI: Internet hoặc Di Động Mới?

Phản ứng với Thay đổi từ AI

Giới Thiệu Benedict Evans

AI và Những Thay Đổi Chưa Được Nhận Thức

WorkOS: Giải Pháp Sẵn Sàng cho Doanh Nghiệp

Dòng Thời Gian AI: Tương Lai của Phần Mềm và Công Việc

Đầu Tư vào Dịch Vụ Chuyên Nghiệp và Kỹ Sư Triển Khai tại Chỗ

Vai trò của Chuyên gia tư vấn và AI trong Chuyển đổi Doanh nghiệp

Phân tích Tác động của AI (Vốn, Triển khai, Thay đổi)

Sự phức tạp của Tự động hóa và Nhu cầu cho Khả năng Phán đoán

Bài học từ Lịch sử và Sự dịch chuyển Nền tảng

Viễn cảnh về thị trường việc làm và Chuyển đổi Nền tảng

Tác Động Của AI Đến Chu Kỳ Kinh Doanh và Công Nghệ Hiện Có

Bài Học Từ Quá Khứ: Đổi Mới Công Nghệ Luôn Cần Thời Gian

Sự Lặp Lại Của Chu Kỳ Công Nghệ

Sức Mạnh Biến Đổi Của Internet và Dữ Liệu

Tương Lai Của Trí Tuệ Tổng Hợp Nhân Tạo (AGI) và Siêu Trí Tuệ

Định Nghĩa Luôn Thay Đổi Của AI và AGI

Tiềm Năng Phát Triển Khổng Lồ Của Các Công Ty Trong Kỷ Nguyên Mới

AI và Sự Mở rộng Kinh tế

Công nghệ và Định luật lump of labor fallacy

Lợi nhuận ngành tiện ích và Tương lai mô hình AI

Bài học từ Viễn thông: Giá trị mô hình nền tảng

Mô hình nền tảng và Các lớp ứng dụng

Mô hình nền tảng: Windows hay AWS?

Vai trò của Chuyên gia tư vấn và `AI` trong Chuyển đổi Doanh nghiệp

Phân tích Tác động của `AI` (Vốn, Triển khai, Thay đổi)

Sự phức tạp của Tự động hóa và Nhu cầu cho `Khả năng Phán đoán`

Viễn cảnh về thị trường việc làm và `Chuyển đổi Nền tảng`

`AI` và Sự Mở rộng Kinh tế

Công nghệ và Định luật `lump of labor fallacy`

Lợi nhuận ngành tiện ích và Tương lai `mô hình AI`

Bài học từ Viễn thông: Giá trị `mô hình nền tảng`

`Mô hình nền tảng` và Các lớp ứng dụng

`Mô hình nền tảng`: `Windows` hay `AWS`?

`Mô hình nền tảng` và `network effects`: Bài học lịch sử

`Mô hình nền tảng` như `hàng hóa`

Vai trò `Partner` và Cơ hội Đầu tư

Phản ứng Dữ dội và Những Lo Ngại Xung quanh `AI`

Giáo dục Con Cái trong Kỷ nguyên `AI`

Tái Định nghĩa Giá trị và Công việc trong Kỷ nguyên `AI`

Vai trò của Chuyên gia tư vấn và `AI` trong Chuyển đổi Doanh nghiệp

Phân tích Tác động của `AI` (Vốn, Triển khai, Thay đổi)

Sự phức tạp của Tự động hóa và Nhu cầu cho `Khả năng Phán đoán`

Viễn cảnh về thị trường việc làm và `Chuyển đổi Nền tảng`

`AI` và Sự Mở rộng Kinh tế

Công nghệ và Định luật `lump of labor fallacy`

Lợi nhuận ngành tiện ích và Tương lai `mô hình AI`

Bài học từ Viễn thông: Giá trị `mô hình nền tảng`

`Mô hình nền tảng` và Các lớp ứng dụng

`Mô hình nền tảng`: `Windows` hay `AWS`?

`Mô hình nền tảng` và `network effects`: Bài học lịch sử

`Mô hình nền tảng` như `hàng hóa`

Vai trò `Partner` và Cơ hội Đầu tư

Phản ứng Dữ dội và Những Lo Ngại Xung quanh `AI`

Giáo dục Con Cái trong Kỷ nguyên `AI`

Tái Định nghĩa Giá trị và Công việc trong Kỷ nguyên `AI`