Project Managers và Scrum Masters trong kỷ nguyên AI, Phần 1: Những kỹ năng mới thực sự quan trọng

Trí tuệ nhân tạo đang thay đổi cách các đội ngũ lập kế hoạch, giao tiếp, tài liệu hóa và triển khai công việc. Với Project Managers và Scrum Masters, câu hỏi quan trọng nhất giờ không còn là AI có ảnh hưởng đến công việc của họ hay không. Nó đã ảnh hưởng rồi.

Câu hỏi thực sự là: PMs và Scrum Masters cần biết gì để dùng AI hiệu quả, cải thiện hiệu suất và duy trì giá trị của mình khi cách vận hành công việc ngày càng thay đổi?

Câu trả lời không phải là “phải học machine learning” hay “biến mình thành prompt engineer toàn thời gian”. Phần lớn PMs và Scrum Masters không cần xây mô hình, fine-tune hệ thống hay viết pipeline AI production. Nhưng họ cần thêm một lớp năng lực thực tiễn mới.

Họ cần hiểu AI giúp được ở đâu, thất bại ở đâu, và cách tích hợp nó vào workflow giao hàng thực tế mà không đánh mất phán đoán con người, trách nhiệm và năng lực dẫn dắt.

Nói ngắn gọn, tương lai thuộc về những Project Managers và Scrum Masters biết tận dụng AI: những người biết kết hợp tốc độ của máy với năng lực điều phối, ra quyết định và xây dựng niềm tin của con người.

AI không thay thế vai trò — nó đang định hình lại công việc

Có một cách nhìn khá lười về AI: hỏi xem PMs hay Scrum Masters có bị thay thế hay không.

Đó là cách đặt vấn đề sai.

Cách nhìn đúng hơn là AI đang nén thời gian cần cho các tác vụ phối hợp giá trị thấp, đồng thời làm nổi bật tầm quan trọng của những phần việc giá trị cao mang tính con người. Draft báo cáo trạng thái, tóm tắt cuộc họp, tài liệu bản nháp, dọn backlog hay phát hiện pattern đang ngày càng dễ tự động hóa hoặc bán tự động hóa hơn. Các công cụ như ước lượng story points bằng AI đã giúp các team làm việc nhanh hơn.

Những gì vẫn khó vẫn là những thứ rất con người:

• căn chỉnh các stakeholder đang mâu thuẫn
• điều phối trade-off
• đọc bối cảnh chính trị nội bộ
• tạo ra sự rõ ràng trong bất định
• coaching đội ngũ khi có căng thẳng
• quyết định điều gì là quan trọng nhất lúc này

Điều này quan trọng vì công việc của PM và Scrum Master từ trước tới nay vốn luôn là sự pha trộn giữa phần máy móc và phần lãnh đạo. AI đang thay đổi bài toán hiệu quả ở phần máy móc đó.

Điều đó có nghĩa là những người phát triển mạnh sẽ không phải là những người chỉ “thỉnh thoảng dùng ChatGPT”. Họ sẽ là những người thiết kế lại cách công việc được vận hành.

Kỹ năng #1: AI literacy cho công việc delivery

Kỹ năng đầu tiên là AI literacy.

Điều này không có nghĩa là phải có kiến thức kỹ thuật quá sâu. Nó có nghĩa là hiểu AI ở mức đủ để làm việc hiệu quả và không dễ bị đánh lừa.

Một Project Manager hoặc Scrum Master nên hiểu ít nhất bốn nhóm cơ bản:

• Traditional automation: hệ thống dựa trên rule và logic cố định
• Machine learning: hệ thống phát hiện pattern từ dữ liệu
• Generative AI: hệ thống sinh ra văn bản, hình ảnh, code hoặc tóm tắt
• Agentic AI: hệ thống có thể thực hiện chuỗi hành động nhiều bước để đạt mục tiêu

Nền tảng đó quan trọng vì nó giúp chuyên gia delivery ngừng xem mọi thứ gắn mác AI như một thứ duy nhất.

Ví dụ, một PM có thể dùng generative AI để draft stakeholder update, nhưng lại dùng output từ analytics hoặc machine learning để diễn giải pattern delivery. Một Scrum Master có thể dùng AI để tóm tắt retrospective, nhưng không nên dựa vào nó để đánh giá động lực cảm xúc hay rủi ro giữa con người với nhau.

AI thực sự giỏi ở đâu

Trong công việc project và Agile, AI đặc biệt hữu ích cho:

• tóm tắt hội thoại
• viết lại nội dung đang khó hiểu
• biến ghi chú thô thành output có cấu trúc
• đề xuất nhóm chủ đề, theme và action item
• draft phiên bản đầu tiên của report hoặc artifact
• phát hiện pattern lặp lại trong dữ liệu nặng về văn bản
• đưa ra các lựa chọn khi bài toán còn chưa được định nghĩa rõ

Đây không phải là những lợi ích nhỏ. Chúng chạm đúng vào lượng lớn công việc hành chính và dịch nghĩa thông tin vốn đang làm chậm đội ngũ.

AI dở ở đâu

AI hiện vẫn gặp khó với:

• bối cảnh nội bộ mà nó chưa từng được cung cấp
• các trade-off chính trị không rõ ràng
• độ chính xác sự thật trong bối cảnh mơ hồ
• phân tích nguyên nhân sâu khi dữ liệu không đầy đủ
• diễn giải động cơ con người với độ tin cậy cao
• đưa ra cam kết kinh doanh có tính chịu trách nhiệm

Vì vậy, PMs và Scrum Masters nên coi AI là một copilot cho việc tổng hợp và xử lý thông tin, chứ không phải người sở hữu quyết định.

Một quy tắc đơn giản là: nếu tác vụ đòi hỏi phán đoán, trách nhiệm, niềm tin hoặc nhận thức chính trị, AI có thể hỗ trợ nhưng không nên là bên quyết định.

Kỹ năng #2: Prompt design thực chất là structured delegation

Phần lớn lời khuyên về AI thường rút gọn mọi thứ thành “hãy viết prompt tốt hơn”. Cách đó quá nông.

Với PMs và Scrum Masters, prompting nên được hiểu đúng hơn là structured delegation.

Một prompt tốt phản chiếu đúng cách giao việc tốt trong quản lý: làm rõ vai trò, bối cảnh, nhiệm vụ, ràng buộc và định dạng đầu ra kỳ vọng. Nó giảm mơ hồ. Nó cũng giúp quá trình review dễ hơn.

Một prompt yếu có thể là:

Hãy tóm tắt cuộc họp này.

Một prompt mang tính chuyên nghiệp hơn sẽ giống như:

Hãy đóng vai điều phối viên dự án. Tóm tắt cuộc họp này thành:
1) các quyết định đã được đưa ra,
2) các câu hỏi còn bỏ ngỏ,
3) action items kèm owner,
4) các dependency được nhắc tới,
5) các risk cần được theo dõi.
Hãy viết ngắn gọn cho một đội ngũ sản phẩm cross-functional.

Sự khác biệt đó thay đổi chất lượng output rất rõ.

Một prompt tốt cho PM/SM thường bao gồm

• Role: AI nên đóng vai gì
• Context: team, sprint, mục tiêu, stakeholder, product area
• Task: công việc cụ thể cần làm là gì
• Format: bullets, table, user story, email, action list
• Constraints: tone, độ dài, giới hạn nguồn, ràng buộc dữ liệu
• Quality bar: thế nào là đầu ra “đủ tốt”

Prompting ở mức này biến AI thành công cụ vận hành thực sự, thay vì chỉ là thứ để thử cho vui. Để tìm hiểu thêm về chiến lược prompting hiệu quả, xem hướng dẫn prompting của Anthropic.

Những dạng prompt PMs và Scrum Masters nên làm chủ

• biến ghi chú thô thành action items
• viết lại backlog item còn mơ hồ thành user story rõ hơn
• sinh acceptance criteria
• chuẩn bị câu hỏi retrospective cho một tình huống team cụ thể
• tạo executive summary từ delivery report dài
• xác định risk, assumption, issue hoặc dependency còn thiếu
• chuyển standup notes thành blocker summary
• viết lại internal update cho các nhóm stakeholder khác nhau

Mục tiêu không phải là học thuộc prompt. Mục tiêu là học cách định nghĩa công việc đủ rõ để AI tạo ra thứ có thể tái sử dụng.

Kỹ năng #3: Backlog và documentation engineering

Một trong những năng lực ít hào nhoáng nhưng rất giá trị trong kỷ nguyên AI là biến thông tin lộn xộn thành artifact có thể dùng được.

Đây là nơi nhiều PMs và Scrum Masters có thể tạo ra giá trị vượt trội.

Một team điển hình không thiếu nội dung. Cái họ thiếu là sự rõ ràng. Requirement thường mơ hồ, meeting notes thì dài dòng, comment từ stakeholder bị chôn trong chat, còn quyết định thì nằm rải rác khắp nhiều công cụ.

AI có thể giúp chuyển tất cả những thứ đó thành material vận hành rõ ràng hơn.

Backlog engineering

Chất lượng backlog là một trong những vùng có leverage cao nhất cho AI, bởi phần lớn công việc backlog đều nặng về văn bản và lặp lại. Xem thêm hướng dẫn AI Backlog Refinement để biết cách áp dụng thực tế.

AI có thể giúp:

• viết lại yêu cầu mơ hồ thành user story rõ hơn
• đề xuất acceptance criteria
• chỉ ra điểm mơ hồ
• cảnh báo scope quá lớn
• đề xuất cách tách story
• highlight dependency còn thiếu
• kiểm tra item có vẻ testable hay không
• đưa ra câu hỏi cần làm rõ trước refinement

Điều này không thay thế Product Owner, PM hay delivery team. Nhưng nó giảm đáng kể độ ma sát khi đi từ trạng thái “mình đại khái biết muốn gì” sang “mình có thứ đủ dùng để làm việc tiếp”.

Rất nhiều vấn đề trong backlog đến từ cách diễn đạt yếu, chứ không phải vì ý tưởng yếu. AI khá giỏi ở việc siết lại cách diễn đạt đó.

Documentation engineering

PMs và Scrum Masters cũng dành rất nhiều thời gian để duy trì các tài liệu vận hành như:

• meeting summaries
• decision logs
• RAID logs
• status reports
• workshop outputs
• change notes
• action trackers
• team agreements

AI có thể chuẩn hóa những output này nhanh hơn nhiều người nghĩ.

Ví dụ, nó có thể:

• tách quyết định ra khỏi phần thảo luận
• gom phản hồi thành theme
• viết lại note dài thành executive summary
• extract action items từ transcript
• chuẩn hóa format giữa các artifact lặp lại
• biến input chưa có cấu trúc thành template mà team thực sự dùng lại được

Đây không chỉ là hỗ trợ hành chính. Trong các team vận hành nhanh, chất lượng tài liệu ảnh hưởng trực tiếp tới alignment, tốc độ và accountability.

Kỹ năng #4: Augment facilitation, không thay facilitation

Với Scrum Masters nói riêng, AI nên được nhìn như một lớp hỗ trợ cho facilitation.

Nó có thể giúp chuẩn bị, tổng hợp và follow-up sau ceremony. Nó có thể cải thiện sự rõ ràng trước và sau cuộc họp. Nó có thể giảm tải hành chính.

Nhưng nó không thể thay thế phần cốt lõi của facilitation mang tính con người.

Daily Scrum

Trong standup, AI có thể giúp biến cập nhật thành summary ngắn gọn, xác định blocker lặp lại và hiển thị pattern qua nhiều ngày. Nhờ đó Scrum Master tập trung hơn vào việc gỡ impediment thay vì ghi chép thủ công.

Sprint Planning

Trước planning, AI có thể phân tích các backlog item được chọn, chỉ ra chi tiết còn thiếu và đề xuất dependency hoặc assumption mà team nên thảo luận. Điều này tạo ra sự chuẩn bị tốt hơn và thường dẫn tới các cuộc trao đổi chất lượng hơn.

Backlog Refinement

Trong refinement, AI đặc biệt hữu ích vì input thường là lời nói, chưa đầy đủ và thiếu nhất quán. Nó có thể tạo ra bản nháp đầu tiên để phiên refinement hiệu quả hơn.

Sprint Retrospective

Sau retrospective, AI có thể nhóm các theme, tóm tắt vấn đề lặp lại và draft action kèm owner cùng kết quả kỳ vọng.

Tuy vậy, sự an toàn của retrospective vẫn phụ thuộc vào con người. Sắc thái cảm xúc, xử lý xung đột, sự dễ tổn thương và niềm tin đều là công việc facilitation chứ không phải text-processing. Một Scrum Master quên điều đó rất dễ biến ritual của team thành một bài tập báo cáo.

Đó là ranh giới PMs và Scrum Masters cần nắm: AI có thể cải thiện phần cơ học của collaboration, nhưng không thay thế được chiều sâu con người trong collaboration.

Kỹ năng #5: Analytical judgment

Một trong những thói quen nguy hiểm nhất trong thời đại AI là xem output trau chuốt như thể đó là tư duy tốt.

PMs và Scrum Masters cần analytical judgment mạnh hơn, chứ không yếu đi, trong môi trường có AI hỗ trợ.

Điều đó có nghĩa là luôn tự hỏi:

• Bản tóm tắt này có trung thành với nguồn không?
• AI có làm phẳng mất sắc thái không?
• Khuyến nghị này dựa trên bằng chứng thực hay chỉ là pattern completion chung chung?
• Nó có nhầm triệu chứng với nguyên nhân không?
• Nó có đang bỏ sót bối cảnh tổ chức không?
• Nếu đứng trước stakeholder, mình có dám bảo vệ output này không?

Những câu hỏi đó quan trọng vì AI thường nghe có vẻ chắc chắn hơn mức nó xứng đáng.

Một Project Manager dùng AI để diễn giải risk của dự án vẫn cần biết vấn đề đó có thật hay chỉ là khả năng hợp lý về mặt thống kê. Một Scrum Master dùng AI để tóm tắt pattern qua các sprint vẫn cần kiểm tra xem output đó có phản ánh đúng dynamics của team hay chỉ là cách đọc hời hợt từ ghi chú.

Giá trị không đến từ việc tin AI. Nó đến từ việc review AI một cách thông minh.

Những người nổi bật sẽ là systems thinkers

Những PMs và Scrum Masters mạnh nhất trong kỷ nguyên AI sẽ không chỉ dùng AI theo từng tác vụ rời rạc.

Họ sẽ tư duy theo hệ thống.

Họ sẽ hỏi:

• Những hoạt động nào lặp lại và nặng về văn bản?
• Phần nào của delivery đang chậm chỉ vì input quá lộn xộn?
• Artifact nào có thể chuẩn hóa?
• Chúng ta đang đánh rơi quyết định ở đâu?
• Output từ cuộc họp đang không đi vào execution ở điểm nào?
• Hoạt động nào bắt buộc vẫn phải do con người dẫn dắt?

Những câu hỏi đó tạo ra vận hành tốt hơn, chứ không chỉ tạo ra output nhanh hơn.

Đó mới là thay đổi thực sự mà AI đang tạo ra. Nó không chỉ cho từng cá nhân một trợ lý viết lách. Nó đang buộc những người làm delivery phải thiết kế lại dòng chảy thông tin trong cả team.

Câu Hỏi Thường Gặp

Kết luận

Phần 1 có thể tóm gọn như sau: PM hay Scrum Master của kỷ nguyên AI không được định nghĩa bởi số lượng tool họ biết tên. Họ được định nghĩa bởi mức độ họ biết áp dụng AI để tăng clarity, giảm friction và hỗ trợ kết quả delivery tốt hơn.

Những kỹ năng cốt lõi giờ không còn là thứ tùy chọn nữa:

• AI literacy
• structured prompting
• backlog engineering
• documentation engineering
• facilitation augmentation
• analytical judgment

Đó là phần nền móng.

Ở Phần 2, chúng ta sẽ đi sâu hơn vào các use case ROI cao nhất, governance và security, change management, workflow automation, metrics interpretation, cùng một lộ trình thực tế để triển khai AI trong các team thật.

Đọc tiếp: Project Managers và Scrum Masters trong kỷ nguyên AI, Phần 2: Use case ROI cao, governance và cách đội ngũ áp dụng