http://www.tiktok.com/@linnsap30

Linn Sắp 30, Phú Ninh, Ho Chi Minh City (2026)

06/08/2026

BÀI 13: 3 TẦNG TỰ ĐỘNG HÓA KHI XÂY AI AGENT

Tự động hóa không chỉ có hai trạng thái:
AI làm hoặc con người làm.
Giữa hai trạng thái đó còn có nhiều mức quyền hạn khác nhau.

Với cùng một công việc, AI có thể:
– Chỉ tạo bản nháp để con người sử dụng
– Chuẩn bị kết quả và chờ con người phê duyệt
– Tự thực hiện trong phạm vi cho phép rồi báo cáo lại
Phân tầng đúng giúp bạn tăng tốc từng bước mà không phải giao toàn bộ quyền quyết định cho Agent ngay từ đầu.

Dưới đây là 3 tầng tự động hóa dành cho người kinh doanh giáo dục.

TẦNG 1: AI HỖ TRỢ
Ở tầng này, AI chỉ hỗ trợ con người:
– Tìm và tổng hợp thông tin
– Tạo bản nháp
– Đề xuất phương án
– Chuẩn hóa nội dung
– Phân tích dữ liệu được cung cấp
Con người chủ động giao việc, kiểm tra và quyết định có sử dụng kết quả hay không.

Ví dụ:
– Gợi ý nội dung từ một bài giảng
– Tạo bản nháp giáo án
– Tóm tắt câu hỏi của học viên
– Đề xuất phản hồi theo rubric
– Tổng hợp chủ đề khách hàng quan tâm
Tầng này phù hợp khi bạn mới bắt đầu, quy trình chưa hoàn toàn ổn định hoặc chất lượng đầu ra vẫn cần chuyên gia kiểm tra kỹ.
Quyền của AI: Đọc dữ liệu được chọn, phân tích và tạo bản nháp. Không tự gửi, sửa, xóa hoặc cập nhật dữ liệu chính.

TẦNG 2: AI CHUẨN BỊ – CON NGƯỜI PHÊ DUYỆT
Ở tầng này, Agent có thể tự chạy khi có một sự kiện kích hoạt.
Tuy nhiên, trước khi kết quả được gửi đi hoặc hành động được thực hiện, con người phải kiểm tra và phê duyệt.

Ví dụ:
– Agent thu thập nhu cầu và đề xuất khóa học; nhân viên duyệt trước khi gửi
– Agent soạn email chào mừng; người phụ trách kiểm tra nội dung
– Agent chấm sơ bộ; giáo viên quyết định phản hồi cuối cùng
– Agent phát hiện học viên chậm tiến độ; cố vấn chọn cách xử lý
– Agent chuẩn bị lịch nhắc; nhân viên xác nhận trước khi kích hoạt
Tầng này phù hợp khi quy trình đã rõ, đầu ra có cấu trúc và có người chịu trách nhiệm phê duyệt.
⚠️ Điểm dễ thất bại là người duyệt chỉ bấm “đồng ý” mà không kiểm tra. Khi đó, hệ thống thực tế đã vận hành gần giống tầng 3 nhưng chưa có cơ chế an toàn tương ứng.

TẦNG 3: AGENT TỰ VẬN HÀNH CÓ GIÁM SÁT
Ở tầng này, Agent có thể tự thực hiện những hành động đã được cho phép mà không cần phê duyệt từng trường hợp.
Nhưng Agent vẫn phải có:
– Phạm vi quyền hạn rõ ràng
– Dữ liệu đã được duyệt
– Giới hạn tần suất và đối tượng
– Lịch sử hành động
– Cảnh báo khi có lỗi
– Cơ chế chuyển cho con người
– Khả năng tạm dừng hệ thống

Ví dụ phù hợp:
– Trả lời câu hỏi thường gặp từ nguồn dữ liệu chính
– Gửi hướng dẫn truy cập sau khi đăng ký thành công
– Nhắc hạn bài tập nếu học viên chưa hoàn thành
– Phân loại yêu cầu hỗ trợ vào đúng nhóm
– Tạo báo cáo tiến độ định kỳ
Đây nên là những công việc có rủi ro thấp, quy tắc rõ, dữ liệu ổn định và dễ sửa khi xảy ra lỗi.
Tự vận hành không có nghĩa là không cần con người.
Con người vẫn chịu trách nhiệm xác định phạm vi, cấp quyền, cập nhật dữ liệu, kiểm tra báo cáo, xử lý ngoại lệ và tạm dừng Agent khi cần.

KHI NÀO ĐƯỢC NÂNG TẦNG?
Đừng nâng tầng chỉ vì Agent đã chạy đúng vài lần.
Trước khi chuyển từ tầng 1 lên tầng 2, cần kiểm tra:
– Vai trò và đầu ra đã rõ chưa?
– Dữ liệu đã có nguồn chính chưa?
– Có bộ tình huống kiểm thử chưa?
– Người duyệt có tiêu chí kiểm tra không?
– Những lỗi phổ biến đã được xử lý chưa?

Trước khi chuyển từ tầng 2 lên tầng 3, cần thêm:
– Chất lượng đầu ra ổn định
– Không có lỗi nghiêm trọng trong giai đoạn thử nghiệm
– Có nhật ký hành động
– Có giới hạn quyền truy cập và tần suất
– Có cảnh báo khi vượt ngưỡng
– Có cách quay lại quy trình thủ công
– Có người trực tiếp chịu trách nhiệm quản lý Agent

NHỮNG VIỆC KHÔNG NÊN NHẢY THẲNG LÊN TẦNG 3
– Quyết định điểm số cuối cùng của kỳ thi quan trọng
– Quyết định tuyển sinh hoặc từ chối người học
– Xử lý hoàn phí, tranh chấp hoặc kỷ luật
– Tư vấn liên quan đến sức khỏe và tâm lý
– Thay đổi quyền truy cập hoặc dữ liệu quan trọng
– Cam kết kết quả hoặc quyền lợi tài chính
Với những công việc này, con người cần giữ quyền quyết định cuối cùng, dù AI có thể hỗ trợ nhiều bước phía trước.

📌 Mục tiêu không phải đưa mọi Agent lên tầng 3.
Mục tiêu là chọn đúng tầng quyền hạn cho từng nhiệm vụ.
Một hệ thống có thể gồm:
– Agent content ở tầng 1
– Agent tư vấn ở tầng 2
– Agent trả lời FAQ ở tầng 3
Mỗi Agent được cấp đúng quyền theo mức độ rủi ro, chất lượng dữ liệu và khả năng kiểm soát.

Trong Bài 14, Linn sẽ chia sẻ 7 chỉ số giúp bạn biết AI Agent đang tạo giá trị hay chỉ tạo thêm hoạt động.
Muốn nhận bảng đánh giá 3 tầng tự động hóa, hãy bình luận “3 TẦNG”.

05/08/2026

BÀI 12: CÔNG VIỆC NÀO NÊN GIAO CHO AI, CÔNG VIỆC NÀO NÊN GIỮ CHO CON NGƯỜI?

Không phải việc gì AI làm được cũng nên giao hoàn toàn cho AI.

Trong kinh doanh giáo dục, một số công việc rất phù hợp để AI hỗ trợ:
– Tổng hợp câu hỏi thường gặp
– Chuyển bài giảng thành nhiều định dạng nội dung
– Nhắc lịch học theo quy tắc
– Tạo bản nháp giáo án
– Chuẩn hóa báo cáo tiến độ

Nhưng có những công việc vẫn cần sự phán đoán, trách nhiệm và thấu cảm của con người:
– Xử lý khiếu nại
– Quyết định điểm số cuối cùng
– Tư vấn trường hợp đặc biệt
– Hỗ trợ học viên gặp vấn đề nhạy cảm
– Đưa ra cam kết ảnh hưởng đến quyền lợi người học

Vậy làm thế nào để biết một công việc nên giao cho AI đến mức nào?
Hãy đánh giá theo ma trận 4 tiêu chí dưới đây.

1. MỨC ĐỘ LẶP LẠI
Hãy hỏi:
– Công việc này diễn ra bao nhiêu lần mỗi tuần?
– Các trường hợp có tương đối giống nhau không?
– Đội ngũ có đang xử lý cùng một nội dung nhiều lần không?

Chấm từ 1 đến 5:
– 1 điểm: Hiếm khi lặp lại, mỗi trường hợp rất khác nhau
– 5 điểm: Lặp lại thường xuyên theo một mẫu tương đối ổn định

Điểm càng cao, cơ hội ứng dụng AI càng rõ.
Ví dụ:
– Hướng dẫn truy cập lớp học
– Nhắc hạn nộp bài
– Chuyển ghi chú thành bản tóm tắt

2. MỨC ĐỘ RÕ CỦA QUY TRÌNH
Hãy hỏi:
– Có thể mô tả công việc thành từng bước không?
– Đầu vào và đầu ra có rõ không?
– Hai nhân viên có xử lý gần giống nhau không?
– Có tiêu chí xác định hoàn thành hay chưa?

Chấm từ 1 đến 5:
– 1 điểm: Phụ thuộc nhiều vào kinh nghiệm và phán đoán cá nhân
– 5 điểm: Có quy trình, quy tắc và đầu ra rõ ràng
Nếu con người còn chưa thống nhất cách làm, đừng vội tự động hóa.
Hãy chuẩn hóa quy trình trước.

3. MỨC ĐỘ SẴN SÀNG CỦA DỮ LIỆU
Hãy kiểm tra:
– Agent cần sử dụng dữ liệu gì?
– Dữ liệu đã chính xác và cập nhật chưa?
– Có một nguồn thông tin chính không?
– Agent có quyền sử dụng dữ liệu đó không?
– Có thông tin cá nhân hoặc dữ liệu nhạy cảm không?

Chấm từ 1 đến 5:
– 1 điểm: Dữ liệu thiếu, mâu thuẫn hoặc chưa được phép sử dụng
– 5 điểm: Dữ liệu sạch, có nguồn chính và người chịu trách nhiệm cập nhật
Quy trình rõ nhưng dữ liệu sai chỉ khiến AI tạo ra kết quả sai nhanh hơn.

4. MỨC ĐỘ RỦI RO KHI AI LÀM SAI
Đây là tiêu chí quan trọng nhất.
Hãy hỏi:
– Nếu AI trả lời sai, hậu quả là gì?
– Lỗi có dễ phát hiện và sửa không?
– Có ảnh hưởng đến điểm số, tài chính, quyền lợi hoặc sức khỏe của học viên không?
– Hành động có thể đảo ngược không?
– Có cần con người chịu trách nhiệm pháp lý hoặc đạo đức không?

Chấm theo mức độ phù hợp để giao cho AI:
– 1 điểm: Sai có thể gây hậu quả lớn hoặc khó khắc phục
– 5 điểm: Sai dễ phát hiện, dễ sửa và ít ảnh hưởng
Một công việc có rủi ro cao không nên tự động hóa hoàn toàn, dù ba tiêu chí còn lại có điểm cao.

CÁCH ĐỌC KẾT QUẢ
16–20 điểm: AI thực hiện, con người giám sát
Phù hợp với công việc lặp lại, quy trình rõ, dữ liệu tốt và rủi ro thấp.
Ví dụ:
– Phân loại câu hỏi thường gặp
– Tạo bản tóm tắt nội bộ
– Soạn lời nhắc theo lịch đã duyệt

12–15 điểm: AI tạo bản nháp, con người phê duyệt
Ví dụ:
– Viết nội dung tuyển sinh
– Soạn giáo án
– Tóm tắt nhu cầu khách hàng
– Phản hồi sơ bộ theo rubric
AI giúp tăng tốc, nhưng con người kiểm tra trước khi sử dụng.

8–11 điểm: Con người dẫn dắt, AI hỗ trợ từng phần
Ví dụ:
– Tư vấn lộ trình cho trường hợp đặc biệt
– Phân tích học viên có nguy cơ bỏ học
– Điều chỉnh phương pháp học cho từng cá nhân
AI có thể tổng hợp dữ liệu hoặc gợi ý câu hỏi, nhưng con người vẫn trực tiếp xử lý.

4–7 điểm: Giữ quyết định cho con người
Ví dụ:
– Xử lý khiếu nại hoặc hoàn phí phức tạp
– Quyết định kỷ luật
– Chấm điểm cuối cùng cho kỳ thi quan trọng
– Hỗ trợ vấn đề sức khỏe hoặc tâm lý
– Cam kết liên quan đến tài chính và quyền lợi học viên
AI chỉ nên hỗ trợ những phần ít rủi ro như tìm tài liệu, tóm tắt dữ liệu hoặc chuẩn bị hồ sơ.

📌 Ba cách phân công thực tế
1. AI tự thực hiện – con người giám sát
Dành cho công việc rủi ro thấp, có quy tắc rõ.

2. AI đề xuất – con người phê duyệt
Dành cho công việc cần chất lượng chuyên môn hoặc có ảnh hưởng vừa phải.

3. Con người quyết định – AI hỗ trợ
Dành cho công việc cần thấu cảm, phán đoán, trách nhiệm hoặc có hậu quả lớn.

Đừng chỉ hỏi:
“AI có làm được việc này không?”
Hãy hỏi:
“AI nên đảm nhận phần nào của công việc này và ai sẽ chịu trách nhiệm kiểm tra?”
Đó là cách xây đội ngũ AI vừa giúp tiết kiệm thời gian, vừa giữ được chất lượng và trách nhiệm của người làm giáo dục.

Trong Bài 13, Linn sẽ chia sẻ 3 tầng tự động hóa: AI hỗ trợ, con người phê duyệt và Agent tự vận hành có giám sát.

Muốn nhận bảng ma trận để tự chấm các công việc trong doanh nghiệp, hãy bình luận “MA TRẬN”.

03/08/2026

BÀI 11: 5 SAI LẦM KHI XÂY AI AGENT KHIẾN CÀNG DÙNG CÀNG MẤT THỜI GIAN

Nhiều dự án AI Agent không thất bại vì công nghệ chưa đủ mạnh.

Chúng thất bại vì được xây trên một quy trình chưa rõ, dữ liệu thiếu chính xác và không có người chịu trách nhiệm.

Khi Agent trả lời sai, phản hồi thiếu nhất quán hoặc tạo thêm việc cho đội ngũ, chúng ta thường nghĩ:
“Chắc công cụ này chưa đủ tốt.”
Nhưng trước khi đổi công cụ, hãy kiểm tra xem bạn có đang mắc một trong 5 sai lầm sau không.

1. BẮT ĐẦU TỪ CÔNG CỤ, KHÔNG BẮT ĐẦU TỪ BÀI TOÁN
Bạn thấy một nền tảng AI mới và lập tức muốn tạo Agent.
Nhưng bạn chưa xác định:
– Công việc nào đang tốn thời gian?
– Ai đang thực hiện?
– Một tuần có bao nhiêu trường hợp?
– Kết quả tốt cần đạt là gì?
– Sai sót nào không được phép xảy ra?

Khi bài toán chưa rõ, Agent rất dễ trở thành một bản thử nghiệm thú vị nhưng không ai sử dụng lâu dài.

Cách sửa:
Viết một câu thật cụ thể:
“Agent này giúp [NGƯỜI DÙNG] thực hiện [NHIỆM VỤ] khi [SỰ KIỆN] xảy ra, tạo ra [ĐẦU RA] dưới sự kiểm tra của [NGƯỜI PHỤ TRÁCH].”

Ví dụ:
“Agent giúp nhân viên tuyển sinh thu thập nhu cầu khi khách hàng yêu cầu tư vấn và tạo bản tóm tắt để nhân viên kiểm tra trước khi đề xuất khóa học.”

2. GIAO CHO MỘT AGENT QUÁ NHIỀU VAI TRÒ
Bạn yêu cầu một Agent vừa nghiên cứu khách hàng, viết content, tư vấn khóa học, chăm sóc học viên và chấm bài.
Khi vai trò quá rộng, Agent khó biết việc nào cần ưu tiên, dữ liệu nào được sử dụng và khi nào phải dừng.

Cách sửa:
Áp dụng nguyên tắc:
MỘT AGENT – MỘT VAI TRÒ CHÍNH – MỘT ĐẦU RA RÕ RÀNG.
Nếu quy trình có nhiều giai đoạn, hãy tách thành từng bước và thiết kế quy tắc bàn giao.

3. ĐƯA CHO AGENT MỘT ĐỐNG TÀI LIỆU MÂU THUẪN
Trong cùng một thư mục có thể có:
– Hai bảng học phí khác nhau
– Lịch học cũ và mới
– Chính sách đã hết hiệu lực
– Nội dung trùng lặp hoặc mâu thuẫn
Agent không thể tự biết tài liệu nào chính xác nếu bạn chưa quy định.

Cách sửa:
Với mỗi nhóm thông tin, hãy xác định:
– Nguồn nào là nguồn chính?
– Ai chịu trách nhiệm cập nhật?
– Phiên bản có hiệu lực từ ngày nào?
– Bao lâu cần kiểm tra lại?
– Nếu dữ liệu mâu thuẫn, Agent phải làm gì?
Khi chưa có thông tin đã được duyệt, Agent cần nói rõ là thiếu dữ liệu thay vì tự suy đoán.

4. KHÔNG CÓ BỘ KIỂM THỬ VÀ QUY TẮC CHUYỂN CHO CON NGƯỜI
Agent trả lời đúng vài câu hỏi mẫu không có nghĩa là đã sẵn sàng vận hành.
Bạn cần kiểm tra cả những tình huống:
– Thiếu dữ liệu
– Câu hỏi ngoài phạm vi
– Hai nguồn thông tin mâu thuẫn
– Khiếu nại hoặc hoàn phí
– Vấn đề thanh toán
– Nội dung nhạy cảm
– Người dùng yêu cầu gặp nhân viên

Cách sửa:
Tạo ít nhất 10–20 tình huống kiểm thử.
Với mỗi trường hợp, xác định rõ:
– Agent được phép trả lời gì?
– Cần hỏi thêm thông tin nào?
– Khi nào phải dừng?
– Ai nhận bàn giao?
– Dữ liệu nào cần chuyển?
Với quyết định có ảnh hưởng lớn, luôn cần con người kiểm tra và phê duyệt.

5. RA MẮT XONG RỒI KHÔNG ĐO LƯỜNG, KHÔNG BẢO TRÌ
Agent không phải một tài liệu tạo xong rồi để đó.
Học phí thay đổi. Lịch học thay đổi. Chính sách thay đổi. Câu hỏi của khách hàng cũng thay đổi.
Nếu không có người quản lý, Agent sẽ dần dùng thông tin cũ và lặp lại những lỗi chưa được sửa.

Cách sửa:
Hãy chỉ định rõ:
– Ai sở hữu Agent?
– Ai cập nhật dữ liệu?
– Ai kiểm tra lỗi?
– Bao lâu kiểm thử lại?
– Khi nào cần tạm dừng?
– Dữ liệu được lưu trong bao lâu?

Đồng thời theo dõi:
– Thời gian tiết kiệm được
– Tỷ lệ đầu ra đạt yêu cầu
– Tỷ lệ phải chuyển cho con người
– Số lỗi nghiêm trọng
– Mức độ hài lòng của người dùng và đội ngũ
– Chi phí cho mỗi trường hợp

📌 CHECKLIST 10 CÂU HỎI TRƯỚC KHI TRIỂN KHAI
1 .Agent đang giải quyết vấn đề cụ thể nào?
2. Có chỉ số ban đầu để so sánh chưa?
3. Vai trò và đầu ra đã đủ rõ chưa?
4. Nguồn dữ liệu chính nằm ở đâu?
5. Ai chịu trách nhiệm cập nhật?
6. Agent đã có bộ tình huống kiểm thử chưa?
7. Khi nào Agent phải chuyển cho người thật?
8. Người dùng có biết mình đang tương tác với AI không?
9. Dữ liệu cá nhân có được thu thập ở mức tối thiểu không?
10. Ai theo dõi hiệu quả và quyết định tạm dừng hoặc mở rộng?

Nếu chưa trả lời được một trong những câu hỏi trên, đó chính là phần cần hoàn thiện trước khi tiếp tục tự động hóa.
Xây một Agent nhanh không khó.
Điều quan trọng là xây một Agent đúng nhiệm vụ, dùng đúng dữ liệu, hoạt động an toàn và có người chịu trách nhiệm.

Trong Bài 12, Linn sẽ chia sẻ cách xác định công việc nào nên giao cho AI và công việc nào nên giữ cho con người.

Muốn nhận checklist kiểm tra trước khi triển khai, hãy bình luận “KIỂM TRA”.

02/08/2026

BÀI 10: LỘ TRÌNH 30 NGÀY XÂY AI AGENT CHO NGƯỜI KINH DOANH GIÁO DỤC

Sau 9 bài, bạn đã biết AI Agent có thể hỗ trợ:
– Nghiên cứu khách hàng
– Viết content tuyển sinh
– Tư vấn khóa học
– Thiết kế giáo án
– Chấm bài và phản hồi
– Chăm sóc học viên

Nhưng biết AI có thể làm gì vẫn chưa đủ.
Câu hỏi quan trọng hơn là:
Nên bắt đầu thế nào để sau 30 ngày có một Agent thực sự sử dụng được?

Câu trả lời không phải là xây thật nhiều Agent cùng lúc.
Hãy bắt đầu với một công việc nhỏ, có quy trình rõ, đo được kết quả và dễ kiểm soát khi xảy ra lỗi.
Dưới đây là lộ trình 30 ngày bạn có thể tham khảo.

TUẦN 1: CHỌN ĐÚNG BÀI TOÁN
Ngày 1–2: Liệt kê công việc lặp lại
Ghi lại những việc bạn hoặc đội ngũ đang làm hằng ngày:
– Trả lời câu hỏi về khóa học
– Viết nội dung
– Soạn giáo án
– Nhắc lịch học
– Tổng hợp phản hồi
– Kiểm tra bài tập
Với mỗi công việc, hãy ghi thêm tần suất và thời gian đang tiêu tốn.

Ngày 3: Chọn một nhiệm vụ đầu tiên
Ưu tiên công việc:
– Lặp lại thường xuyên
– Có quy trình tương đối rõ
– Có dữ liệu đầu vào ổn định
– Dễ kiểm tra đúng hoặc sai
– Tạo ra giá trị có thể đo lường
Không nên bắt đầu bằng những quyết định có ảnh hưởng lớn hoặc liên quan đến dữ liệu quá nhạy cảm.

Ngày 4–5: Đo hiện trạng
Trước khi dùng Agent, hãy ghi lại:
– Mỗi tuần có bao nhiêu trường hợp?
– Mất bao nhiêu phút cho mỗi trường hợp?
– Những lỗi nào thường xảy ra?
– Có bao nhiêu việc phải làm lại?
– Người dùng hoặc đội ngũ đang gặp khó khăn gì?
Không có mốc ban đầu, bạn sẽ không biết Agent có thực sự giúp cải thiện hay không.

Ngày 6–7: Vẽ quy trình
Xác định:
– Điều gì bắt đầu quy trình?
– Dữ liệu đầu vào là gì?
– Có những bước xử lý nào?
– Đầu ra mong muốn là gì?
– Trường hợp ngoại lệ nào có thể xảy ra?
– Khi nào cần con người kiểm tra?
Kết quả tuần 1: Một nhiệm vụ rõ ràng, một quy trình cụ thể và bộ chỉ số ban đầu.

TUẦN 2: XÂY AGENT ĐẦU TIÊN
Ngày 8–10: Chuẩn hóa dữ liệu
Tập hợp tài liệu nguồn và loại bỏ:
– Thông tin đã hết hạn
– Nội dung trùng lặp
– Hướng dẫn mâu thuẫn
– Dữ liệu cá nhân không cần thiết
Học phí, lịch học, chính sách và nội dung chương trình phải có một nguồn chính được duyệt.

Ngày 11–12: Thiết lập Agent
Mô tả rõ:
– Vai trò của Agent
– Mục tiêu cần hoàn thành
– Dữ liệu được phép sử dụng
– Quy trình phải tuân theo
– Định dạng đầu ra
– Những việc không được làm
– Khi nào phải chuyển cho con người

Ngày 13–14: Tạo bộ kiểm thử
Chuẩn bị ít nhất 10–20 tình huống:
– Trường hợp thông thường
– Thiếu dữ liệu
– Yêu cầu ngoài phạm vi
– Thông tin mâu thuẫn
– Người dùng muốn gặp nhân viên
– Tình huống nhạy cảm hoặc có rủi ro

Kết quả tuần 2: Một Agent có dữ liệu, hướng dẫn, giới hạn và bộ tình huống kiểm thử.

TUẦN 3: THỬ NGHIỆM TRONG PHẠM VI NHỎ
Ngày 15–17: Chạy thử nội bộ
Bạn và đội ngũ hãy đóng vai người dùng để kiểm tra:
– Agent có hiểu đúng yêu cầu không?
– Câu trả lời có dựa trên dữ liệu không?
– Đầu ra có đúng cấu trúc không?
– Agent có biết từ chối hoặc chuyển tiếp không?

Ngày 18–19: Sửa lỗi theo nguyên nhân
Phân loại lỗi thành:
– Thiếu dữ liệu
– Hướng dẫn chưa rõ
– Quy trình chưa hợp lý
– Định dạng chưa phù hợp
– Thiếu quy tắc chuyển cho con người
Đừng chỉ sửa từng câu trả lời. Hãy sửa nguyên nhân khiến Agent trả lời sai.

Ngày 20–21: Thử nghiệm có giám sát
Cho Agent xử lý một nhóm nhỏ tình huống thực tế, nhưng cần:
– Có người kiểm tra đầu ra
– Có kênh chuyển sang người thật
– Không cho Agent tự thực hiện việc khó đảo ngược
– Ghi lại phản hồi và lỗi
– Thông báo rõ khi người dùng đang tương tác với AI

Kết quả tuần 3: Một Agent đã được kiểm tra bằng dữ liệu thực tế trong phạm vi kiểm soát.

TUẦN 4: CHUẨN HÓA VÀ MỞ RỘNG
Ngày 22–23: Đánh giá hiệu quả
So sánh với mốc ban đầu:
– Thời gian xử lý có giảm không?
– Bao nhiêu đầu ra đạt yêu cầu?
– Bao nhiêu trường hợp phải chuyển cho con người?
– Có lỗi nghiêm trọng nào xảy ra?
– Đội ngũ và người dùng phản hồi thế nào?

Ngày 24–25: Viết quy trình vận hành
Xác định rõ:
– Ai quản lý Agent?
– Ai cập nhật dữ liệu?
– Bao lâu kiểm tra lại thông tin?
– Xử lý lỗi thế nào?
– Khi nào cần tạm dừng Agent?
– Dữ liệu và lịch sử được lưu ra sao?

Ngày 26–27: Thiết kế điểm bàn giao
Xác định Agent có thể chuyển kết quả cho ai hoặc Agent nào tiếp theo.
Chỉ chuyển dữ liệu cần thiết và luôn phải có trạng thái rõ ràng.

Ngày 28: Kiểm tra dữ liệu và quyền hạn
Rà soát:
– Agent đang thu thập dữ liệu gì?
– Ai có quyền xem hoặc chỉnh sửa?
– Người dùng đã được thông báo chưa?
– Agent được phép thực hiện hành động nào?
– Có cách sửa hoặc xóa dữ liệu khi cần không?

Ngày 29: Đào tạo đội ngũ
Mọi người cần biết:
– Agent làm được gì
– Agent không làm được gì
– Cách kiểm tra đầu ra
– Khi nào cần can thiệp
– Cách báo lỗi và cập nhật dữ liệu

Ngày 30: Quyết định bước tiếp theo
Dựa trên kết quả, chọn một trong ba hướng:
– Tiếp tục cải thiện Agent hiện tại
– Mở rộng phạm vi có kiểm soát
– Bắt đầu xây Agent thứ hai
Đừng mở rộng khi Agent đầu tiên vẫn chưa ổn định.

PROMPT MẪU CÁ NHÂN HÓA LỘ TRÌNH
Bạn là chuyên gia triển khai AI Agent cho hoạt động kinh doanh giáo dục.
Hãy giúp tôi xây kế hoạch 30 ngày dựa trên:
MÔ HÌNH KINH DOANH:
[GIÁO VIÊN ĐỘC LẬP/TRUNG TÂM/KHÓA HỌC ONLINE...]
ĐỘI NGŨ HIỆN TẠI:
[SỐ NGƯỜI VÀ VAI TRÒ]
CÔNG VIỆC TỐN THỜI GIAN NHẤT:
[MÔ TẢ]
DỮ LIỆU VÀ CÔNG CỤ HIỆN CÓ:
[LIỆT KÊ]
RỦI RO VÀ GIỚI HẠN:
[DỮ LIỆU NHẠY CẢM, HÀNH ĐỘNG CẦN PHÊ DUYỆT, NGÂN SÁCH...]
KẾT QUẢ MONG MUỐN SAU 30 NGÀY:
[MÔ TẢ]
Hãy:
Đề xuất Agent phù hợp nhất để bắt đầu
Chia kế hoạch thành 4 tuần
Liệt kê nhiệm vụ theo từng ngày
Xác định dữ liệu cần chuẩn bị
Đề xuất ít nhất 10 tình huống kiểm thử
Chỉ rõ điểm cần con người phê duyệt
Đề xuất chỉ số đo hiệu quả
Nêu điều kiện để mở rộng sang Agent tiếp theo

Không giả định mọi dữ liệu và công cụ đã sẵn sàng. Hãy đánh dấu rõ những nội dung cần xác minh.
Sau 30 ngày, thành công không nhất thiết là có cả một đội ngũ AI.

Thành công có thể đơn giản là:
– Một Agent xử lý tốt một công việc lặp lại
– Có dữ liệu chính xác
– Có bộ kiểm thử rõ ràng
– Có người chịu trách nhiệm
– Có chỉ số chứng minh hiệu quả
– Có quy tắc vận hành an toàn

Đó là nền móng tốt hơn nhiều so với một hệ thống lớn nhưng không ai kiểm soát được.

Đây là Bài 10, đồng thời là bài tổng kết series Xây đội ngũ AI Agent cho người làm giáo dục.

Muốn nhận Checklist triển khai 30 ngày, hãy bình luận “30 NGÀY”.

01/08/2026

BÀI 9: CÓ NHIỀU AI AGENT CHƯA CÓ NGHĨA LÀ BẠN ĐÃ CÓ MỘT HỆ THỐNG

Bạn có thể đã tạo Agent nghiên cứu khách hàng, Agent viết content, Agent tư vấn khóa học, Agent hỗ trợ giảng dạy và Agent chăm sóc học viên.

Nhưng nếu mỗi Agent hoạt động riêng lẻ, bạn vẫn phải:
– Sao chép dữ liệu từ nơi này sang nơi khác
– Giải thích lại bối cảnh cho từng Agent
– Kiểm tra nhiều phiên bản thông tin khác nhau
– Tự quyết định bước tiếp theo trong mọi tình huống

Một hệ thống chỉ hình thành khi mỗi Agent biết rõ:
– Khi nào bắt đầu làm việc
– Được sử dụng dữ liệu nào
– Kết quả phải trình bày theo cấu trúc nào
– Chuyển kết quả cho ai
– Khi nào phải dừng và gọi con người

Với người kinh doanh giáo dục, 5 nhóm Agent cốt lõi có thể phối hợp theo hành trình sau:

🔍 1. AGENT NGHIÊN CỨU KHÁCH HÀNG
Agent tổng hợp câu hỏi, nhu cầu, khó khăn và phản hồi của học viên.
Đầu ra gồm:
– Các vấn đề nổi bật
– Câu hỏi thường gặp
– Chủ đề khách hàng quan tâm
– Những giả định cần con người kiểm chứng
Kết quả đã được duyệt sẽ chuyển cho Agent sáng tạo nội dung.

✍️ 2. AGENT SÁNG TẠO NỘI DUNG
Agent sử dụng insight khách hàng và tài liệu chuyên môn để tạo:
– Bài viết
– Kịch bản video
– Email
– Tài liệu hướng dẫn
– Nội dung mời đăng ký tư vấn
Khi người xem để lại nhu cầu, thông tin cần thiết mới được chuyển sang Agent tư vấn.

💬 3. AGENT TƯ VẤN KHÓA HỌC
Agent hỏi về mục tiêu, trình độ, thời gian và nhu cầu học tập.
Kết quả không chỉ là một câu trả lời, mà cần có cấu trúc rõ ràng:
– Nhu cầu chính
– Trình độ hiện tại
– Chương trình đề xuất
– Lý do đề xuất
– Thông tin còn thiếu
– Trạng thái cần nhân viên xử lý
Khi khách đăng ký, chỉ những dữ liệu cần thiết mới được chuyển sang giai đoạn học tập.

📚 4. AGENT HỖ TRỢ GIẢNG DẠY
Agent hỗ trợ giáo viên chuẩn bị:
– Lộ trình học
– Giáo án và tài liệu
– Bài tập
– Tiêu chí đánh giá
– Phản hồi sơ bộ
Kết quả và tiến độ học tập cần được lưu theo một cấu trúc thống nhất để Agent chăm sóc sử dụng đúng thông tin.

🤝 5. AGENT CHĂM SÓC HỌC VIÊN
Agent dựa trên lịch học và trạng thái thực tế để:
– Hướng dẫn bắt đầu
– Nhắc các mốc quan trọng
– Trả lời câu hỏi thường gặp
– Ghi nhận tiến độ
– Phát hiện trường hợp cần hỗ trợ
– Chuyển cho giáo viên hoặc nhân viên
Phản hồi của học viên có thể được tổng hợp lại để cải thiện sản phẩm, nội dung và quy trình tư vấn.

5 NGUYÊN TẮC KHI KẾT NỐI CÁC AGENT

1. Một nguồn dữ liệu chính
Học phí, lịch học, chính sách và nội dung khóa học phải lấy từ nguồn đã được duyệt.
Không để mỗi Agent sử dụng một phiên bản khác nhau.

2. Đầu ra có cấu trúc
Thay vì để Agent viết tùy ý, hãy quy định rõ các trường cần có:
– Trạng thái
– Nhu cầu
– Bước tiếp theo
– Người phụ trách
– Thời điểm cần xử lý

3. Chỉ chia sẻ dữ liệu cần thiết
Không phải Agent nào cũng cần xem toàn bộ thông tin.
Agent viết content không cần dữ liệu cá nhân của học viên. Agent chăm sóc cũng chỉ nên sử dụng thông tin phục vụ đúng nhiệm vụ.

4. Có quy tắc bàn giao
Mỗi bước cần trả lời rõ:
– Điều gì kích hoạt Agent tiếp theo?
– Dữ liệu nào được chuyển?
– Nếu thiếu dữ liệu thì xử lý thế nào?
– Khi nào phải chuyển cho con người?

5. Có lịch sử và người chịu trách nhiệm
Bạn cần biết:
– Agent đã làm gì?
– Dựa trên dữ liệu nào?
– Kết quả được chuyển đi đâu?
– Ai kiểm tra và phê duyệt?

📌 ĐỪNG KẾT NỐI TẤT CẢ NGAY TỪ ĐẦU
Hãy bắt đầu với một luồng ngắn nhưng có giá trị rõ ràng:
Khách gửi yêu cầu tư vấn
→ Agent thu thập nhu cầu
→ Nhân viên kiểm tra đề xuất
→ Hồ sơ được duyệt
→ Agent chăm sóc gửi hướng dẫn bắt đầu

Khi luồng này hoạt động ổn định, bạn mới tiếp tục mở rộng.
Một hệ thống tốt không phải là hệ thống tự động hóa mọi thứ.
Đó là hệ thống trong đó AI và con người đều biết rõ vai trò, dữ liệu được sử dụng và điểm bàn giao của mình.

Trong Bài 10, Linn sẽ chia sẻ lộ trình 30 ngày xây hệ thống AI Agent dành cho người kinh doanh giáo dục.

Muốn nhận mẫu sơ đồ kết nối, hãy bình luận “HỆ THỐNG”.

31/07/2026

BÀI 8: TẠO AI AGENT CHĂM SÓC HỌC VIÊN

Học viên vừa đăng ký khóa học không có nghĩa là họ đã sẵn sàng bắt đầu.

Trong những ngày đầu, họ có thể gặp nhiều vướng mắc:
– Không biết truy cập tài liệu ở đâu
– Chưa hiểu cách học hiệu quả
– Bỏ lỡ lịch học hoặc nhiệm vụ đầu tiên
– Ngại hỏi khi gặp khó khăn
– Chưa cảm thấy mình thuộc về lớp học

Nếu không được hỗ trợ đúng lúc, sự hào hứng ban đầu rất dễ chuyển thành trì hoãn.

Một AI Agent chăm sóc học viên có thể hỗ trợ những công việc lặp lại:
– Chào mừng và hướng dẫn bắt đầu
– Nhắc lịch học, tài liệu và bài tập
– Trả lời câu hỏi thường gặp
– Hỏi thăm tiến độ
– Ghi nhận khó khăn
– Chuyển trường hợp cần hỗ trợ cho giáo viên hoặc nhân viên

Agent không thay thế sự quan tâm của con người.
Nó giúp bảo đảm không học viên nào bị bỏ quên chỉ vì đội ngũ chưa kịp phản hồi.

5 NHÓM DỮ LIỆU CẦN CHUẨN BỊ

1. Thông tin khóa học
– Mục tiêu chương trình
– Lịch học
– Cách truy cập lớp và tài liệu
– Các mốc bài tập
– Kênh hỗ trợ
– Chính sách liên quan

2. Hành trình học viên
Xác định những thời điểm cần hỗ trợ:
– Sau khi đăng ký
– Trước buổi học đầu tiên
– Sau mỗi buổi học
– Trước hạn nộp bài
– Khi học viên chưa hoạt động
– Khi hoàn thành một cột mốc

3. Câu hỏi thường gặp
Agent chỉ trả lời dựa trên nguồn thông tin đã được duyệt.
Nếu chưa có dữ liệu, Agent cần nói rõ và chuyển cho người phụ trách, thay vì tự suy đoán.

4. Giọng điệu chăm sóc
Nên thiết lập Agent theo hướng:
– Ấm áp và tôn trọng
– Ngắn gọn, dễ hiểu
– Không tạo cảm giác bị giám sát
– Không phán xét khi học viên chậm tiến độ
– Khuyến khích bằng hành động nhỏ, cụ thể

5. Quy tắc chuyển cho con người
Agent phải chuyển tiếp khi học viên:
– Khiếu nại hoặc yêu cầu hoàn phí
– Gặp vấn đề thanh toán
– Báo lỗi chưa có hướng dẫn xử lý
– Chia sẻ vấn đề sức khỏe hoặc hoàn cảnh nhạy cảm
– Có nguy cơ bỏ học và cần trao đổi sâu
– Yêu cầu gặp giáo viên hoặc nhân viên

📌 GỢI Ý QUY TRÌNH CHĂM SÓC 7 NGÀY ĐẦU
Ngày 1: Chào mừng, xác nhận khóa học và hướng dẫn truy cập.
Ngày 2: Hỏi mục tiêu học tập và khó khăn lớn nhất hiện tại.
Ngày 3: Kiểm tra học viên đã vào lớp, nhận tài liệu và xem lịch học chưa.
Ngày 4: Nhắc nhiệm vụ đầu tiên, thời hạn và nơi nộp bài.
Ngày 5: Hỏi: “Phần nào đang khiến bạn khó bắt đầu nhất?”
Ngày 6: Ghi nhận tiến độ hoặc đề xuất một bước nhỏ để bắt đầu.
Ngày 7: Giúp học viên nhìn lại tuần đầu và xác định bước tiếp theo.

Không nhất thiết gửi tin nhắn mỗi ngày cho mọi học viên.

Hãy thiết kế thông báo theo mốc và hành vi:
– Chỉ nhắc khi gần đến hạn
– Không gửi lại nếu học viên đã hoàn thành
– Giới hạn tần suất liên hệ
– Cho phép học viên chọn hoặc tắt thông báo

PROMPT MẪU
Bạn là AI Agent chăm sóc học viên của [TÊN THƯƠNG HIỆU/KHÓA HỌC].
Mục tiêu của bạn là giúp học viên bắt đầu thuận lợi, hiểu bước tiếp theo và nhận được hỗ trợ đúng lúc.
Chỉ sử dụng dữ liệu khóa học và quy trình được cung cấp.
THÔNG TIN KHÓA HỌC: [DÁN MỤC TIÊU, LỊCH HỌC, TÀI LIỆU, BÀI TẬP, KÊNH HỖ TRỢ VÀ CHÍNH SÁCH]
CÂU HỎI THƯỜNG GẶP: [DÁN FAQ ĐÃ ĐƯỢC DUYỆT]
TRẠNG THÁI HỌC VIÊN: [NGÀY THAM GIA, MỤC TIÊU, CÁC MỐC ĐÃ HOÀN THÀNH VÀ KHÓ KHĂN]

Khi tương tác, hãy:
- Xác định học viên đang ở mốc nào
- Chỉ gửi thông tin liên quan đến bước tiếp theo
- Viết ngắn gọn, ấm áp và không phán xét
- Đưa ra tối đa một hành động chính trong mỗi tin nhắn
- Không nhắc lại nếu học viên đã hoàn thành
- Hỏi lại khi thiếu dữ liệu
- Chuyển cho người phụ trách khi gặp tình huống ngoài phạm vi

Không tự tạo lịch học, chính sách, kết quả hoặc thông tin cá nhân. Không yêu cầu dữ liệu không cần thiết.

✅ TRƯỚC KHI VẬN HÀNH, HÃY KIỂM TRA
– Học viên có biết mình đang trò chuyện với AI không?
– Dữ liệu nào thực sự cần được lưu?
– Ai có quyền truy cập dữ liệu?
– Học viên có thể yêu cầu gặp người thật không?
– Có cơ chế dừng nhận tin không?
– Agent có nhận biết đúng tình huống cần chuyển tiếp không?

Một Agent chăm sóc tốt không phải Agent gửi thật nhiều tin nhắn.
Đó là Agent gửi đúng thông tin, đúng thời điểm và biết khi nào cần nhường cuộc trò chuyện cho con người.
Trong Bài 9, Linn sẽ hướng dẫn cách kết nối các AI Agent thành một hệ thống.

Muốn nhận prompt dưới dạng dễ sao chép, hãy bình luận “CHĂM SÓC”.

30/07/2026

BÀI 7: TẠO AI AGENT CHẤM BÀI VÀ PHẢN HỒI THEO RUBRIC

Điều khiến giáo viên mất thời gian không chỉ là chấm điểm.

Đó còn là việc viết phản hồi riêng cho từng học viên:
– Bạn đã làm tốt điều gì?
– Phần nào chưa đạt yêu cầu?
– Nhận xét dựa trên chi tiết nào trong bài?
– Học viên cần làm gì tiếp theo để tiến bộ?
AI có thể hỗ trợ công việc này.

Nhưng nếu chỉ yêu cầu:
“Hãy chấm bài và nhận xét giúp tôi.”
Kết quả rất dễ chung chung, thiếu nhất quán hoặc đưa ra điểm số không có căn cứ.

Muốn AI hỗ trợ đáng tin cậy hơn, hãy tạo một AI Agent đánh giá theo Rubric.

RUBRIC LÀ GÌ?
Rubric là bảng tiêu chí mô tả:
– Những khía cạnh cần đánh giá
– Mức độ hoàn thành của từng tiêu chí
– Biểu hiện cụ thể ở mỗi mức
– Trọng số hoặc số điểm nếu cần

Ví dụ, một bài tập có thể được đánh giá theo:
– Độ chính xác của nội dung
– Khả năng phân tích và lập luận
– Mức độ áp dụng vào tình huống
– Cấu trúc trình bày
– Việc tuân thủ yêu cầu đề bài
Không có rubric, Agent dễ “chấm theo cảm giác”.

Có rubric, mỗi nhận xét phải gắn với một tiêu chí và bằng chứng rõ ràng.

5 NHÓM DỮ LIỆU CẦN CHUẨN BỊ

1. Đề bài và mục tiêu học tập
Agent cần biết học viên phải làm gì và năng lực nào đang được kiểm tra.

2. Rubric đánh giá
Với mỗi tiêu chí, hãy mô tả rõ các mức:
– Chưa đạt
– Đang phát triển
– Đạt yêu cầu
– Vượt yêu cầu
Mô tả càng cụ thể, Agent càng dễ nhận diện bằng chứng trong bài.

3. Bài mẫu hoặc mẫu phản hồi
Bạn có thể cung cấp:
– Một bài đạt yêu cầu
– Một bài cần cải thiện
– Mẫu nhận xét đúng giọng điệu của giáo viên
Ví dụ giúp Agent áp dụng rubric nhất quán hơn.

4. Cấu trúc phản hồi
Một phản hồi hữu ích nên gồm:
– Điểm mạnh nổi bật
– Bằng chứng cụ thể trong bài
– Một hoặc hai điểm cần cải thiện
– Hành động cho lần làm bài tiếp theo
– Câu hỏi giúp học viên tự suy nghĩ

5. Nguyên tắc và giới hạn
Agent cần được yêu cầu:
– Không suy đoán ý định của học viên
– Không tự tạo nội dung không có trong bài
– Không nhận xét về tính cách hoặc năng lực cố định
– Nêu rõ khi chưa đủ dữ liệu để đánh giá
– Chuyển kết quả cho giáo viên kiểm tra trước khi gửi

🎯 Mục tiêu không phải để AI tự quyết định kết quả cuối cùng.
Mục tiêu là giúp giáo viên có một bản đánh giá sơ bộ có cấu trúc, bằng chứng và hướng cải thiện rõ ràng.

QUY TRÌNH AGENT NÊN THỰC HIỆN
Kiểm tra bài làm có đầy đủ và đúng định dạng không
Đọc đề bài, mục tiêu và rubric
Đánh giá riêng từng tiêu chí
Trích dẫn chi tiết trong bài làm làm bằng chứng
Giải thích lý do chọn mức đánh giá
Viết phản hồi theo cấu trúc đã định
Đánh dấu những điểm cần giáo viên xem lại

📌 PROMPT MẪU
Bạn là AI Agent hỗ trợ giáo viên đánh giá bài làm và viết phản hồi.
Chỉ sử dụng đề bài, mục tiêu học tập, rubric và bài làm được cung cấp.
ĐỀ BÀI: [DÁN ĐỀ BÀI]
MỤC TIÊU HỌC TẬP: [DÁN MỤC TIÊU]
RUBRIC: [DÁN TIÊU CHÍ, MÔ TẢ TỪNG MỨC VÀ TRỌNG SỐ NẾU CÓ]
BÀI LÀM CỦA HỌC VIÊN: [DÁN BÀI LÀM ĐÃ LOẠI BỎ THÔNG TIN CÁ NHÂN KHÔNG CẦN THIẾT]

Hãy thực hiện:
Tóm tắt cách tiếp cận của bài làm
Đánh giá từng tiêu chí trong rubric
Trích dẫn bằng chứng cụ thể
Giải thích lý do chọn mức đánh giá
Nêu hai điểm học viên làm tốt
Nêu tối đa hai ưu tiên cần cải thiện
Đề xuất hành động cụ thể cho lần tiếp theo
Đặt một câu hỏi giúp học viên tự phản tư
Liệt kê những điểm cần giáo viên xác minh

Không tự tạo bằng chứng, không suy đoán thông tin ngoài bài làm và không thay đổi rubric.
Nếu không thể đánh giá một tiêu chí, hãy ghi: “Cần giáo viên xem xét” và giải thích lý do.
Trình bày phản hồi với giọng điệu tôn trọng, cụ thể và hướng tới sự tiến bộ.

✅ TRƯỚC KHI GỬI, GIÁO VIÊN CẦN KIỂM TRA
– Agent có áp dụng đúng rubric không?
– Mọi nhận xét có bằng chứng trong bài không?
– Điểm số và phần giải thích có nhất quán không?
– Phản hồi có phù hợp với độ tuổi và bối cảnh học viên không?
– Có dữ liệu cá nhân nào không nên đưa vào hệ thống không?
– Có trường hợp đặc biệt cần giáo viên trực tiếp xử lý không?

AI Agent phù hợp nhất để tạo bản đánh giá sơ bộ và hỗ trợ viết phản hồi.
Giáo viên vẫn chịu trách nhiệm cho kết quả cuối cùng, đặc biệt với bài thi, chứng nhận hoặc quyết định có ảnh hưởng lớn đến người học.

Trong Bài 8, Linn sẽ hướng dẫn tạo AI Agent chăm sóc học viên.
Muốn nhận prompt dưới dạng dễ sao chép, hãy bình luận “RUBRIC”.

Linn Sắp 30

06/08/2026

05/08/2026

03/08/2026

02/08/2026

01/08/2026

31/07/2026

30/07/2026

Address

Telephone

Website

Alerts

Contact The Business

Shortcuts

Share

Listing takedown request