Đường cong hàm mũ không ai vẽ cho bạn — tại sao người dùng tool và người build system rồi sẽ ở hai thiên hà khác nhau, và hệ thống 4 phần mình đang build để vượt gap
Đường cong hàm mũ không ai vẽ cho bạn — tại sao người dùng tool và người build system rồi sẽ ở hai thiên hà khác nhau
Ai cũng “dùng AI”. Gần như không ai build một hệ thống quanh nó. Khoảng cách giữa hai vị trí đó không hề nhỏ, và nó không tuyến tính.
Năm 2026, đi đâu cũng nghe một câu quen thuộc: “tôi dùng AI nhiều lắm”. Rồi bạn nhìn vào việc họ thực sự làm — mở ChatGPT 2–3 lần một ngày, paste một câu hỏi, copy câu trả lời, đóng tab.
Đó không phải là không có gì. Nhưng cũng không phải cái mình muốn nói khi nói “người này đang dùng AI”.
Mình đã quan sát những người xung quanh — bạn bè, đồng nghiệp, các dev mình follow — và một pattern đã rõ tới mức không bỏ qua được. Có ba nhóm người rất khác nhau, và khoảng cách giữa họ đang rộng ra sau mỗi quý. Nếu vẽ output của họ theo thời gian, bạn sẽ không thấy ba đường song song. Bạn sẽ thấy ba đường xuất phát gần nhau rồi toè ra như một tam giác châu. Một đường phẳng. Một đường lên nhẹ. Một đường cong lên.
Đường thứ ba là đường cong hàm mũ, và cửa sổ để leo lên nó đang đóng nhanh hơn hầu hết mọi người nghĩ.
Bài này viết về đường cong đó. Nó từ đâu ra. Tại sao đa số mọi người đang kẹt sai line mà không biết. Và cái system cụ thể — 4 thành phần cộng với multi-agent cộng với distribution — mình đang build cho chính mình để leo trước khi gap biến thành vực.
1. Ba tầng người dùng AI — và hình dạng của đường cong
Gạt từ “hype” sang một bên. Thực tế chỉ có 3 tầng.
Tầng 1 — người thỉnh thoảng hỏi (khoảng 90% người “dùng AI”)
Họ coi Claude hay ChatGPT như Google xịn hơn. Gõ 1 câu hỏi, nhận câu trả lời, copy, xong. Mỗi cuộc trò chuyện là độc lập. Không save gì. Hôm sau không nhớ hôm qua. Hỏi “workflow AI của bạn là gì”, họ sẽ nhìn bạn trống rỗng — vì họ không có.
Năng suất tăng so với thế giới pre-AI khoảng 10–30%, và gần hết là nhờ search tốt hơn, không phải nhờ AI.
Tầng 2 — người dùng tool chủ động (khoảng 9%)
Đây là nơi đa số engineer tự cho là “nghiêm túc với AI” đang đứng. Họ trả tiền cho Cursor, Copilot, Claude Code. Biết prompt engineering cơ bản, có vài snippet đã lưu, có ý kiến về model nào tốt tuần này. Giải thích được RAG và vector database. Subscribe 5 tool AI, thử cái mới ngày launch.
Năng suất tăng thật — 2 đến 5 lần phiên bản pre-AI của chính họ. Viết code nhanh hơn. Làm nhiều task hơn. Cảm thấy, và thực sự, thành thạo.
Cái bẫy của Tầng 2 là: nó có vẻ đã đủ. Năm 2026, ở ngay thời điểm này, là một engineer Tầng 2 là ấn tượng. Sếp ghi nhận. Đồng nghiệp ghi nhận. Thị trường trả công. Nên đa số cắm cờ ở đây rồi ngừng leo.
Tầng 3 — người build system (dưới 1%)
Tầng 3 làm một việc khác về mặt bản chất. Họ không dùng AI — họ build một hệ thống dùng AI thay mặt họ.
Họ có memory layer riêng, skill tự viết, agent chạy nền làm việc trong khi họ ngủ. Họ spawn 5–10 agent song song cho một vấn đề khó như cách người Tầng 2 mở 5 tab. Họ có quan điểm rõ về ngành AI đang đi về đâu, công khai nó, và những người Tầng 3 khác đọc.
Năng suất tăng không phải 5x. Nó nằm đâu đó khoảng 10x đến 50x so với phiên bản pre-AI của chính họ, và — đây mới là phần quan trọng — nó vẫn đang compound tiếp. Tuần nào hệ thống cũng tốt lên một chút. Mỗi skill mới, mỗi memory note mới, mỗi agent mới trở thành infrastructure vĩnh viễn.
Đường cong thật sự trông như thế nào
Nếu vẽ 3 tầng lên biểu đồ với thời gian ở trục X và output thật ở trục Y, bạn sẽ thấy:
output
│ .
│ . ← Tầng 3 (system builder)
│ . hàm mũ, compound không dừng
│ .
│ .
│ .
│ .
│ .
│ .. ... ← Tầng 2 (tool user)
│ .... ....... tuyến tính, chững lại
│ .... ........
│ ... .........
│................................. ← Tầng 1 (thỉnh thoảng hỏi)
│ gần như phẳng
└─────────────────────────────────── thời gian
tháng 1 tháng 12 tháng 24Lý do Tầng 3 có dạng đó không phải vì những người đó là thiên tài. Lý do rất cơ học và rất chán: liên quan đến cái họ đang build.
2. Tại sao gap là hàm mũ, không phải tuyến tính
Khác biệt giữa Tầng 2 và Tầng 3 gói gọn ở một câu:
Tầng 2 dùng tool. Tầng 3 build infrastructure.
Tool không compound. Cursor hôm nay cũng là Cursor tháng sau. Dùng nhiều hơn không làm bản Cursor của bạn tốt lên.
Infrastructure compound. Mỗi skill tự viết, mỗi MCP server tự dựng, mỗi memory note tự lưu làm cho hệ thống của bạn tốt lên vĩnh viễn. Tuần sau, tháng sau, năm sau, bạn vẫn đang ăn lãi của buổi chiều bỏ ra hôm đó.
Ví dụ đã thuyết phục mình:
- Tầng 2 review PR: mở Cursor, gõ “review PR này tập trung security + performance”, chờ, đọc output, copy comment tốt sang. 5 phút setup mỗi lần.
- Tầng 3 review PR: một custom skill tên
pr-review, đã được tinh chỉnh 20 lần trong 6 tháng, đã biết convention của team, hook vào GitHub, tự post comment. 1 lệnh. 0 setup.
Chạy phép toán đó qua 1 năm. Tầng 3 review 500 PR với overhead gần như 0. Tầng 2 đốt 500 × 5 phút = 42 giờ chỉ để setup prompt. Và đó mới chỉ là một skill. Tầng 3 có 30–100 cái tương tự, đang âm thầm nhân lên với nhau.
Đây là lý do đường cong cong. Dùng tool là thuế phẳng. Infrastructure là lãi kép.
3. Self-test — thực sự bạn đang đứng đâu
Trước khi đi tiếp, trung thực đi. 10 câu dưới đây. Mỗi câu “có” là 1 điểm.
- Mình có
CLAUDE.md(hoặc tương đương) ở project chính, update > 1 lần/tuần. - Mình đã viết ít nhất 5 custom skill / slash command / saved prompt.
- Mình đã build ít nhất 1 MCP server hoặc agent.
- Mình biết mỗi tháng tiêu bao nhiêu cho AI, break down theo loại task.
- Mình có bộ eval — bộ prompt test — để chạy khi model mới release.
- Mình có ít nhất 1 tool chạy theo cron/event, không cần mình trigger.
- Mình có hệ thống memory/notes AI đọc được (không phải Apple Notes, không phải screenshot).
- Tuần qua mình đã chạy ≥2 agent song song trên cùng 1 task.
- Mình public blog/repo/thread về AI hoặc tech ít nhất 1 lần/tuần.
- Mình kể được tên 5 người rõ ràng ở Tầng 3 và đang học từ họ.
- 0–3 có: bạn đang ở Tầng 1 hoặc đầu Tầng 2. Bài này là road map.
- 4–6 có: bạn đang chuyển tiếp. 3–6 tháng nữa bạn ở Tầng 3 nếu không dừng lại.
- 7–10 có: bạn đã ở Tầng 3. Câu hỏi không còn là “làm sao lên” — mà là “làm sao đứng top của tầng này”.
Nhiều tháng năm nay mình chỉ được 4 điểm. Viết bài này một phần là mình tự kéo mình lên.
4. Personal AI system — 4 thành phần, bắt buộc đủ
Trước đây mình tưởng “dùng AI giỏi” là biết chọn tool. Framing đó sai. Nó cùng lỗi với tưởng “là backend engineer” là biết chọn database.
Framing đúng là system. Một Personal AI System có 4 thành phần, thiếu một cái — cái bạn có không phải system, mà là một đống tool.
Thành phần 1 — Orchestration
Chỗ bạn thực sự nói chuyện với AI. Với backend dev thường là:
- Claude Code hoặc Cursor cho làm việc trong codebase thật.
- Claude desktop app cho suy nghĩ, viết lách, research.
- Một custom CLI tự viết cho việc lặp đi lặp lại —
ai review,ai commit,ai explain,ai test. Một weekend dựng v1. Sau đó, mỗi shortcut bạn thêm vào là leverage vĩnh viễn.
Cái bẫy là chỉ dùng một trong số đó. Mỗi cái mạnh cho một loại task khác nhau. Người Tầng 3 chọn theo task, không theo lòng trung thành bộ lạc.
Thành phần 2 — Memory
Đây là phần gần như không ai có, và là phần compound mạnh nhất. Memory là cách bạn làm cho AI “biết” bạn — stack, convention, quyết định, preference — để không phải dạy lại từ đầu mỗi session.
Ba lớp:
- Global memory, một file mô tả bạn. Role, style ưu tiên, convention tuân, điều không bao giờ muốn. Update 1 lần/quý.
- Project memory, một file cho mỗi project nghiêm túc. Mục đích, architecture, những quirk riêng, decision log có lý do. Update hàng tuần.
- Session memory, note cho việc đang làm hiện tại. “Đang debug X, đã thử Y, Z, hypothesis hiện tại là W”. Paste vào khi bắt đầu.
Bỏ qua lớp này, mỗi session bạn đang bắt đầu từ zero. Bạn sẽ dành cả đời để giải thích lại context của chính mình cho cùng một model. Tầng 3 dạy một lần rồi ăn lãi mãi.
Thành phần 3 — Capabilities
Đây là chỗ bạn mở rộng khả năng của AI vượt default. Ba loại:
- Skills — các folder nhỏ chứa hướng dẫn + template, AI load khi cần.
code-review,migration-writer,api-design,incident-postmortem,adr. 1–2 tiếng để dựng v1. Mài qua nhiều tháng. - MCP servers — cho AI nói chuyện với hệ thống của bạn. DB nội bộ (read-only), docs riêng, dashboard monitoring, archive blog post cũ của bạn. Đây là moat lớn nhất cá nhân — không ai khác có data như bạn. Một weekend/server.
- Slash command và prompt library. Các prompt bạn thực sự tái dùng, đặt tên, gọi bằng lệnh. Save 3–5 phút mỗi lần call. 20 call/tuần cộng dồn đáng kể.
Thành phần 4 — Observability
Phần ai cũng bỏ qua. Tầng 2 dùng AI mù — không biết tiêu bao nhiêu, workflow nào thực sự giúp, chỗ nào AI sai thầm lặng.
Observability tối thiểu: một wrapper mỏng quanh mọi call AI, log command, model, token, cost, duration, và tag bạn muốn, ra file JSONL. Ngồi với file đó 1 tuần 1 lần. Pattern sẽ nhảy ra. Bạn sẽ kill những workflow tưởng là giúp và double down những cái tưởng là marginal.
Cộng với eval harness — 20–30 prompt đại diện công việc của bạn, có kỳ vọng chất lượng. Model mới drop, bạn không phải đoán nó có tốt hơn cho use case của bạn không. Chạy harness là biết.
Thiếu 1 trong 4 cái trên, bạn không có system. Có đủ 4 là toàn bộ câu chuyện.
5. Multi-agent — vận hành như team 10 người chỉ với mình bạn
Đây là chỗ đường cong thực sự cong lên.
AI single-thread bị chặn bởi tốc độ bạn gõ, đọc, switch context. Model thông minh đến đâu không quan trọng, throughput bị bottleneck ở bạn.
Multi-agent khác. Bạn spawn nhiều agent, mỗi cái có job hẹp, chạy song song. Bottleneck đổi từ tốc độ gõ sang khả năng orchestrate. Trần cao hơn nhiều.
Bốn pattern đáng thuộc lòng tên:
Orchestrator-worker. 1 agent chia task, N worker làm song song, orchestrator merge. Hợp cho PR review (mỗi worker 1 góc nhìn — security, performance, correctness, style), cho research (mỗi sub-question 1 worker), cho refactor lớn (mỗi module 1 worker).
Pipeline. Agent A → Agent B → Agent C. Hợp cho task có stage rõ — researcher → outliner → writer → editor → fact-checker chẳng hạn. Mỗi stage tune độc lập.
Critic-generator. 1 agent tạo, 1 agent phê bình, agent đầu sửa, loop đến khi critic pass. Pattern này mạnh bất ngờ. Bản draft qua 3 round critic tốt hơn hẳn bản 1-shot.
Parallel explorer. 3 agent thử cùng một vấn đề theo 3 cách khác. Bạn chọn cái tốt nhất. Tốn token 3x nhưng thường ra được giải pháp bạn sẽ không tự tìm ra.
Ví dụ thật của mình: morning briefing. Mỗi ngày 7:30, cái sau chạy tự động. Một agent tóm Slack đêm qua. Một review commit đêm qua. Một check PR status. Một quét alert. Một kéo calendar hôm nay và flag việc cần prep. Một agent cuối merge hết thành 1 trang, gửi Telegram.
2 ngày để build. Tiết kiệm 30–45 phút mỗi sáng. Khoảng 200 giờ/năm. Và đây chỉ là 1 workflow trong hàng tá bạn có thể dựng.
Failure mode cần tránh: agent “general assistant”. Không reliable. Agent chuyên môn hẹp, input/output contract rõ, xử lý failure tường minh — những cái đó compound.
6. Portfolio — ship 10 thứ, không phải 1
Toán của việc ship đã âm thầm đổi.
Pre-AI: một MVP dùng được tốn 2–4 tuần tối. Cả năm ship được 6–12 thứ. Phải chọn cẩn thận — cost của một bet sai là 1 tháng đời bạn.
Post-AI ở Tầng 3: một MVP dùng được tốn 2–5 ngày. Cả năm ship được 50–100 thứ. Cost của một bet sai là 1 weekend.
Khi cost thử nghiệm rơi về gần 0, chiến lược đúng đảo ngược. “Chọn bet tốt nhất rồi commit” trở thành lỗi thời. Rule mới là portfolio: ship 10 bet nhỏ, kill 8, scale 2 cái work.
Rule mình đang chạy:
- Validate trước khi build. 1 landing page, 1 bài post, 1 pre-sale test. Chỉ build nếu có signal.
- Kill rule cứng. 4 tuần không traction → kill, không ngoại lệ. Phần khó nhất không phải kill — mà là không yêu chính project của mình. Tuyên bố kill rule công khai từ đầu làm việc kill dễ hơn.
- Mọi experiment đều document. Cả thất bại. Chúng thành nguyên liệu cho viết, cho thread, cho trò chuyện với người Tầng 3 khác.
- Template tái dùng. Setup ship stack 1 lần — landing page, auth, DB, payments, analytics — rồi clone cho mỗi MVP mới. Cái đầu mất 1 tuần. Cái thứ 10 mất 1 buổi chiều.
7. Distribution — moat cuối cùng
Sự thật khó chịu là đây. Khi AI commoditize việc thực thi, cái không commoditize được là attention và trust.
Ai có audience — mỗi sản phẩm họ launch đều được distribution miễn phí. Ai không có — mỗi launch là một lần chạy acquisition trả tiền từ đầu, mãi mãi.
Đây là chênh lệch 10x, và nó không sửa được trong 1 quý. Audience cần 12–18 tháng để build. Nếu tháng này bạn không bắt đầu, 2027 bạn vẫn ở zero.
Thứ thực sự work:
Build in public. Không phải “top 10 AI tool”. Câu chuyện thật của bạn. Cái bạn build tuần này, cái vỡ, cái học được, cái bạn nghĩ khác so với 3 tháng trước. Cụ thể, có phần dễ tổn thương, có chiều sâu kỹ thuật. Cái này thắng content generic tỉ lệ 100 ăn 1.
Pick a wedge. Không phải “AI”. Kiểu “AI reliability cho backend engineer”, hay “Go + LLM in production”, hay “self-hosted agent cho solo founder”. Hẹp thắng rộng. 1.000 người đọc engaged trong niche giá trị hơn 100.000 follower random.
Consistency hơn brilliance. 1 bài post tử tế/tuần × 52 tuần là một asset. 4 bài xuất sắc/năm đã bị quên từ tháng 2.
Viết cho search và cho người. Blog dài compound trên Google 2–3 năm. Thread kéo 1.000 reader đầu tiên lúc launch. Làm cả hai, chúng feed nhau.
Publish tiếng Anh. Audience tiếng Anh gấp khoảng 100x tiếng Việt. Cùng effort, trần rất khác. Nếu ngại grammar, polish bằng AI. Cái được đánh giá là chất lượng suy nghĩ, không phải tiếng Anh hoàn hảo.
8. Sharp opinion thắng skill
Trong một thế giới ai cũng ship được, skill không differentiate. Opinion differentiate.
Ai cũng code được. Ai cũng dùng AI. Ai cũng có blog. Người thực sự được nhớ tới là người lấy một lập trường rõ ràng, bảo vệ nó công khai, và dám sai công khai.
Opinion là nam châm. Kéo về những người cùng tần số. Đẩy những người khác tần số ra. Cả hai đều giá trị — network thật hình thành từ polarity, không phải từ sự nhạt nhoà.
Cách dựng:
- Đọc những người disagree với nhau trong cùng một area. Ghi lại họ bất đồng ở điểm nào.
- Ép bản thân chọn phe bằng cách viết, 1 lần/tuần. “Mình nghĩ X, dù consensus là Y, vì Z”. Public. Nhận feedback.
- Làm public prediction, ít nhất 1/quý. Track chúng. Sai công khai — và thừa nhận — là cách bạn calibrate.
- Đặt cược gì đó. Thời gian, tiền, reputation. Talk rẻ thì free. Opinion có skin in the game cứng nhanh.
Bạn không nhắm tới 10 hot take. Bạn nhắm tới 1–2 non-consensus position bạn thực sự đã nghĩ kỹ, và sẵn sàng sai công khai. Đó là hình dạng của một reputation compound.
9. Blueprint 90 ngày — từ tool user lên system builder
Không nói trừu tượng nữa. Đây là cái mình sẽ làm nếu phải leo từ Tầng 2 lên Tầng 3 trong 90 ngày.
Tháng 1 — nền móng.
- Tuần 1: setup global CLAUDE.md về chính bạn. Setup CLAUDE.md trong 2–3 project chính. Cài Claude Code và IDE ưu tiên. Xoá hoặc mute 2 tool bạn không mở trong 1 tháng qua.
- Tuần 2: viết 5 custom skill / slash command đầu tiên. Commit, review, explain, test-gen, refactor. Dựng 1 MCP server bé xíu đọc từ notes cá nhân.
- Tuần 3: wrap mọi AI call bằng logger. Một tuần sau, ngồi với file JSONL 30 phút. Bạn sẽ xoá 1 nửa cái đã build và double down 1 nửa còn lại.
- Tuần 4: dựng agent scheduled đầu tiên. Morning briefing là điểm bắt đầu đẹp. Deploy chỗ nào tự chạy.
Tháng 2 — ship và publish.
- Tuần 5: viết 1 blog post thật về system bạn đã build tới giờ. Post 3 nơi.
- Tuần 6: pick 1 ý tưởng sản phẩm. Ship MVP trong 5 ngày, xấu nhưng chạy được. Landing page, form feedback, 5 user đầu.
- Tuần 7: dựng multi-agent workflow đầu tiên. Critic-generator cho việc viết của chính bạn là điểm bắt đầu không đau.
- Tuần 8: commit 1 post/tuần + 5 thread/tuần từ đây. Mãi mãi. Đặt calendar reminder. Không đàm phán.
Tháng 3 — compound và connect.
- Tuần 9: ship MVP thứ 2, niche khác. Nếu MVP 1 có traction, chạy song song. Nếu không, kill MVP 1.
- Tuần 10: list 10 người Tầng 3 bạn muốn ở cùng quỹ đạo. Give first — comment có chất, build tool nhỏ cho họ, share giúp cái của họ xứng đáng nhiều người thấy hơn. Không pitch.
- Tuần 11: publish 1 bài sharp-opinion. Non-consensus. Defend trong comment. Refine công khai.
- Tuần 12: retrospective 2 tiếng. Cái gì work, cái gì không, tiếp theo là gì. Publish. Plan quý tiếp.
Sau 90 ngày, nếu theo đúng cái trên, bạn không phải “đang trở thành” Tầng 3. Bạn là Tầng 3. Từ đây mỗi tuần compound. 12 tháng nữa, gap giữa bạn và người bắt đầu hôm nay đã vô lý.
Ba điều mình muốn khắc vào não
1. Gap Tầng 2 → Tầng 3 là hàm mũ, không phải tuyến tính. Cửa sổ leo đang mở ngay lúc này vì ngành chưa phân hoá rõ. 2 năm nữa, khi người Tầng 3 bây giờ compound thêm 2 năm infrastructure, leo khó gấp 10. Thời điểm đúng để làm việc khó = bây giờ, khi cost còn thấp và gap còn leo được.
2. Personal AI system = infrastructure, không phải tool pile. Bốn thành phần bắt buộc: orchestration, memory, capabilities, observability. Thiếu một cái → không phải system. Invest 6 tuần build v1. Ăn lãi 10 năm.
3. Distribution compound mạnh hơn code. Audience cần 12–24 tháng để build. Không thể short-cut. Tuần này không bắt đầu = 2028 không có. Distribution không phải marketing rỗng — nó là infrastructure đã engineer cho sự nghiệp của bạn, và là moat duy nhất AI không san phẳng được.
Mình sẽ thành thật về phần meta. Viết bài này là mình chạy chính rule của mình lên chính mình. Một số chiều mình vẫn ở Tầng 2, một số đang chuyển tiếp, chỉ vài chiều mình thật sự ở Tầng 3. Điểm không phải là tự chấm rồi cảm thấy tốt hay tệ. Điểm là đường cong có thật, cửa sổ đang mở bây giờ, và mỗi tuần bạn “dùng AI” thay vì build system là một tuần ai đó đang compound vượt qua bạn.
24 tháng tới sẽ quyết ai ở đâu. Chọn line đi.