Trong Phần 1, chúng ta đã nói về những năng lực nền tảng mà Project Managers và Scrum Masters cần có trong kỷ nguyên AI: AI literacy, structured prompting, backlog và documentation engineering, facilitation support, cùng analytical judgment.
Nhưng biết kỹ năng thôi mới chỉ là một nửa câu chuyện.
Câu hỏi tiếp theo thực tế hơn nhiều: AI tạo ra giá trị lớn nhất ở đâu trong công việc project và Agile hằng ngày, và các team nên áp dụng nó như thế nào để không tạo ra sự rối rắm, mất niềm tin hay rủi ro governance?
Đó mới là lúc mọi thứ trở nên thật sự đáng nói.
Những PMs và Scrum Masters mạnh nhất sẽ không phải là người thử nghiệm vô tận. Họ sẽ là những người xác định đúng use case có ROI cao nhất, nối AI vào workflow thật, và đưa nó vào vận hành theo cách giúp execution tốt hơn thay vì gây xáo trộn.
Hãy bắt đầu từ những việc lặp lại, nặng về văn bản và ít rủi ro
Một sai lầm phổ biến
khi áp dụng AI là bắt đầu bằng use case tham vọng nhất.
Các team cố dùng AI để tạo delivery strategy, xử lý stakeholder politics hay giải thích root cause trong môi trường phức tạp trước cả khi họ thành công với những hỗ trợ workflow đơn giản và lặp lại.
Cách đó là đi ngược.
Điểm khởi đầu tốt nhất là những công việc có ba đặc điểm:
- xảy ra thường xuyên
- phụ thuộc nhiều vào văn bản hoặc giao tiếp có cấu trúc
- hữu ích nhưng tốn thời gian, thay vì quá nhạy cảm
Đó là lý do AI thường chứng minh giá trị đầu tiên ở các mảng như tóm tắt, draft báo cáo, dọn tài liệu, hỗ trợ backlog refinement và trích xuất action item.
Đây là những việc ngốn thời gian mỗi tuần nhưng hiếm khi là nơi PM hay Scrum Master nên đổ phần lớn sự chú ý có giá trị nhất của mình.
Những use case ROI cao nhất cho Project Managers
Với Project Managers
, AI hữu ích nhất khi nó giúp bạn duy trì visibility, giữ stakeholder được thông tin, và giảm overhead của việc theo dõi và báo cáo tiến độ.
Theo kinh nghiệm của Project Management Institute (PMI), các PM thường dành 30-40% thời gian cho báo cáo và giao tiếp – đây chính là nơi AI có thể tạo impact lớn nhất.
1. Tóm tắt status update và tổng hợp tiến độ từ nhiều nguồn
Thay vì đọc qua hàng chục Slack thread, Jira comment, email update và meeting note để viết status report hàng tuần, bạn có thể dùng AI để tổng hợp các nguồn đó thành bản tóm tắt có cấu trúc.
Ví dụ prompt:
“Đây là các update từ 5 nguồn khác nhau trong tuần qua. Hãy tổng hợp thành status report theo format: Progress, Blockers, Next Steps, Risks. Highlight những thay đổi quan trọng so với tuần trước.”
Điều này không thay thế judgment của bạn về việc gì quan trọng, nhưng nó giúp bạn có baseline nhanh để refine thay vì bắt đầu từ đầu.
2. Draft communication cho stakeholder ở các level khác nhau
Một trong những kỹ năng khó nhất của PM là điều chỉnh message cho đúng audience: executive summary cho leadership, technical detail cho dev team, timeline focus cho operations.
AI có thể giúp bạn tạo nhiều version của cùng một update, mỗi version được tailor cho một audience cụ thể.
Ví dụ prompt:
“Đây là project update đầy đủ. Hãy tạo 3 version: (1) Executive summary 3 câu cho C-level, (2) Technical brief cho engineering lead, (3) Timeline-focused update cho operations team.”
3. Risk identification và dependency mapping từ unstructured data
Khi bạn có một đống meeting note, Slack conversation và email thread, AI có thể giúp bạn extract ra những risk tiềm ẩn, dependency chưa được document, và assumption chưa được validate.
Ví dụ prompt:
“Đọc qua 10 meeting note này và identify: (1) Risks chưa được log vào risk register, (2) Dependencies giữa các team chưa được track, (3) Assumptions chưa được validate. Format dạng table.”
4. Template và checklist generation cho các phase lặp lại
Nếu bạn chạy nhiều project tương tự nhau (ví dụ: product launch, system migration, vendor onboarding), AI có thể giúp bạn tạo template và checklist dựa trên past project data.
Ví dụ prompt:
“Đây là retrospective và lesson learned từ 3 lần product launch trước. Hãy tạo checklist cho lần launch tiếp theo, bao gồm: Pre-launch, Launch day, Post-launch. Highlight những bước nào đã bị miss trong past launch.”
Những use case ROI cao nhất cho Scrum Masters
Với Scrum Masters
, AI hữu ích nhất khi nó giúp bạn facilitate tốt hơn, giữ team focus, và surface những pattern mà con người khó nhận ra trong real-time.
Theo Scrum.org, vai trò của Scrum Master đang chuyển từ “process police” sang “team enabler” – và AI có thể là công cụ mạnh để làm điều này.
1. Meeting facilitation support (real-time hoặc post-meeting)
AI có thể giúp bạn trong và sau các ceremony:
- Daily standup: Tóm tắt blockers và action items từ standup transcript
- Sprint planning: Suggest story point estimate dựa trên past velocity và similar story
- Retrospective: Cluster feedback thành themes, identify pattern từ past retro
- Refinement: Draft acceptance criteria từ user story description
Ví dụ prompt cho retro:
“Đây là 15 retro item từ team. Hãy cluster chúng thành 3-4 themes chính. Với mỗi theme, suggest 1-2 actionable experiment team có thể thử trong sprint tới.”
2. Backlog health check và refinement suggestion
AI có thể scan qua backlog và identify những vấn đề như:
- Story thiếu acceptance criteria
- Epic quá lớn cần split
- Dependency giữa các story chưa được link
- Story đã stale quá lâu không được touch
Ví dụ prompt:
“Đây là 50 story trong backlog. Hãy identify: (1) Story nào thiếu AC, (2) Story nào quá lớn (>13 point), (3) Story nào stale >3 sprint. Suggest priority order để refine.”
3. Team health pattern detection từ velocity, cycle time và retro data
Thay vì chỉ nhìn vào velocity chart, AI có thể giúp bạn cross-reference nhiều data source để detect pattern:
- Velocity drop + retro mention “too many meeting” → suggest meeting audit
- Cycle time tăng + nhiều story bị reopen → suggest quality issue hoặc unclear AC
- Burndown chart flat cuối sprint + retro mention “context switching” → suggest WIP limit
Ví dụ prompt:
“Đây là velocity data 6 sprint, cycle time breakdown, và retro themes. Hãy identify correlation giữa các metric và suggest 2-3 hypothesis về root cause của velocity drop.”
4. Coaching conversation prep và feedback structuring
Khi bạn cần có 1-on-1 với team member về performance issue hoặc growth opportunity, AI có thể giúp bạn structure conversation và prepare talking point.
Ví dụ prompt:
“Tôi cần có coaching conversation với một dev về việc họ thường commit code thiếu test. Đây là context: [context]. Hãy suggest: (1) Cách mở đầu conversation, (2) Specific example để cite, (3) Actionable next step, (4) Cách follow up.”
Governance và guardrail: Làm sao để AI không tạo ra chaos
Khi team bắt đầu dùng AI
, một trong những lo ngại lớn nhất là: Làm sao đảm bảo AI không tạo ra misinformation, không leak sensitive data, và không làm team mất trust vào output?
Đây là lúc governance trở nên quan trọng.
Theo Atlassian Agile Guide, việc áp dụng công nghệ mới vào quy trình Agile cần có framework rõ ràng để tránh “tool chaos”.
1. Phân loại use case theo risk level
Không phải mọi use case đều có cùng mức độ risk. Hãy phân loại:
Low risk (có thể dùng AI tự do):
- Tóm tắt meeting note nội bộ
- Draft email template
- Generate checklist từ past project
Medium risk (cần review trước khi share):
- Status report cho stakeholder
- Risk identification từ unstructured data
- Backlog refinement suggestion
High risk (cần approval và audit trail):
- Communication với external stakeholder hoặc customer
- Decision recommendation ảnh hưởng đến budget hoặc timeline
- Performance feedback hoặc HR-related content
2. Thiết lập “human-in-the-loop” checkpoint
Với mỗi use case, hãy define rõ:
- Ai là người review AI output trước khi nó được dùng?
- Tiêu chí nào để accept hoặc reject output?
- Khi nào cần escalate lên senior hoặc cross-functional review?
Ví dụ: Nếu AI generate risk list từ meeting note, Scrum Master review trước, PM validate với technical lead, rồi mới add vào risk register.
3. Data sensitivity guideline
Hãy có guideline rõ ràng về loại data nào có thể và không thể input vào AI tool:
OK để input:
- Meeting note không có PII hoặc confidential business data
- Public documentation và process template
- Anonymized velocity và cycle time data
KHÔNG OK để input:
- Customer PII hoặc sensitive business metric
- Proprietary code hoặc architecture detail (trừ khi dùng private AI instance)
- Performance review data hoặc HR-related conversation
4. Transparency với team và stakeholder
Khi bạn dùng AI để generate content, hãy transparent về nó:
- Nếu status report được AI draft, mention “AI-assisted, human-reviewed”
- Nếu risk list được AI extract, clarify “AI-identified, team-validated”
- Nếu retro theme được AI cluster, share “AI-clustered, team-prioritized”
Transparency giúp build trust và set expectation đúng về role của AI.
Cách đội ngũ nên áp dụng: Từ pilot đến scale
Áp dụng AI không phải
là “bật công tắc” một lần rồi xong. Nó là một journey từ experiment đến adoption rộng rãi.
Phase 1: Pilot với 1-2 use case low-risk, high-frequency
Bắt đầu với 1-2 use case mà:
- Xảy ra thường xuyên (ít nhất 1 lần/tuần)
- Ít rủi ro nếu AI output không perfect
- Dễ đo lường impact (ví dụ: thời gian tiết kiệm, quality improvement)
Ví dụ: Dùng AI để tóm tắt daily standup note và extract action item.
Success metric: Giảm 30 phút/tuần thời gian viết standup summary, team feedback positive về clarity.
Phase 2: Iterate dựa trên feedback và expand sang use case tương tự
Sau 2-3 sprint pilot, thu thập feedback:
- AI output có đủ accurate không?
- Có case nào AI miss hoặc hallucinate không?
- Team có trust AI output không, hay vẫn phải double-check mọi thứ?
Dựa trên feedback, refine prompt và expand sang use case tương tự (ví dụ: từ standup summary sang retro summary).
Phase 3: Codify best practice và train team
Khi đã có 3-4 use case chạy stable, hãy:
- Document prompt template và best practice
- Train team về cách dùng AI tool hiệu quả
- Share success story và lesson learned
Ví dụ: Tạo “AI Playbook” cho team với prompt library, do/don’t guideline, và example output.
Phase 4: Scale và integrate vào workflow chính thức
Khi AI đã trở thành part of workflow và team trust output, hãy:
- Integrate AI tool vào official process (ví dụ: AI summary là required artifact của mỗi retro)
- Set up monitoring và quality check định kỳ
- Continuously improve prompt và expand sang use case mới
Những sai lầm phổ biến cần tránh
1. Dùng AI cho use case quá phức tạp hoặc nhạy cảm ngay từ đầu
Ví dụ: Dùng AI để generate performance review hoặc quyết định budget allocation trước khi team đã trust AI ở những việc đơn giản hơn.
Hậu quả: AI output không đủ nuanced, team mất trust, và AI bị “ban” khỏi workflow.
2. Không có human review checkpoint
Ví dụ: AI generate status report và auto-send cho stakeholder mà không có PM review.
Hậu quả: AI hallucinate hoặc miss context, stakeholder nhận được misinformation, credibility bị ảnh hưởng.
3. Không transparent về việc dùng AI
Ví dụ: PM dùng AI để draft communication nhưng không mention, stakeholder phát hiện ra và cảm thấy “bị lừa”.
Hậu quả: Mất trust, team và stakeholder resist việc dùng AI trong tương lai.
4. Không đo lường impact
Ví dụ: Team dùng AI cho nhiều use case nhưng không track thời gian tiết kiệm, quality improvement, hoặc team satisfaction.
Hậu quả: Không biết use case nào thực sự valuable, không có data để justify investment vào AI tool.
5. Dùng AI như “magic wand” thay vì tool
Ví dụ: Kỳ vọng AI sẽ “tự động fix” mọi process issue mà không cần team thay đổi behavior.
Hậu quả: AI không deliver kỳ vọng, team disappointed và quay lại old way of working.
Kết luận: AI là tool, không phải replacement
Điều quan trọng nhất cần nhớ: AI không thay thế PM hay Scrum Master. Nó amplify những gì bạn đã làm tốt.
Nếu bạn đã giỏi facilitation, AI giúp bạn facilitate tốt hơn bằng cách cho bạn real-time insight.
Nếu bạn đã giỏi stakeholder communication, AI giúp bạn communicate nhanh hơn bằng cách draft baseline cho bạn refine.
Nếu bạn đã giỏi risk management, AI giúp bạn identify risk sớm hơn bằng cách scan qua data bạn không có thời gian đọc hết.
Nhưng nếu bạn không có foundation skill đó, AI sẽ chỉ amplify weakness thay vì strength.
Đó là lý do tại sao Phần 1 về core competency là nền tảng, và Phần 2 về use case và governance là cách bạn build lên trên nền tảng đó.
PMs và Scrum Masters thành công trong kỷ nguyên AI sẽ là những người:
- Biết chọn đúng use case để pilot
- Thiết lập governance để AI không tạo chaos
- Transparent với team và stakeholder về role của AI
- Đo lường impact và iterate dựa trên data
- Nhớ rằng AI là tool để amplify human judgment, không phải thay thế nó
Nếu bạn làm được những điều đó, bạn sẽ không chỉ survive mà còn thrive trong kỷ nguyên AI.
Câu hỏi thường gặp (FAQ)
1. AI tool nào phù hợp nhất cho Project Manager và Scrum Master?
Không có “best tool” chung cho mọi người. Tool phù hợp phụ thuộc vào use case, budget và data sensitivity requirement của bạn. Các option phổ biến bao gồm: ChatGPT/Claude cho general-purpose prompting, Notion AI hoặc Confluence AI cho documentation, Jira AI cho backlog management, và các enterprise AI platform như Microsoft Copilot hoặc Google Duet AI nếu bạn cần private instance với data governance mạnh hơn.
2. Làm sao để thuyết phục leadership đầu tư vào AI tool?
Bắt đầu với pilot nhỏ sử dụng free hoặc low-cost tool, đo lường impact cụ thể (thời gian tiết kiệm, quality improvement, team satisfaction), và present business case với ROI rõ ràng. Leadership thường quan tâm đến: cost saving, faster delivery, better quality, và risk reduction. Hãy frame AI adoption theo những góc độ đó thay vì “cool technology”.
3. Team tôi lo ngại AI sẽ thay thế công việc của họ. Làm sao để address concern này?
Transparency và education là chìa khóa. Hãy rõ ràng rằng AI là tool để giúp team làm việc hiệu quả hơn, không phải thay thế họ. Involve team vào quá trình pilot, cho họ quyền quyết định use case nào valuable và use case nào không. Share success story về cách AI giúp team có thời gian cho high-value work thay vì repetitive task. Và quan trọng nhất: đừng force adoption, hãy để team tự discover value.
4. Làm sao để đảm bảo AI không leak sensitive data?
Thiết lập data classification guideline rõ ràng về loại data nào có thể và không thể input vào AI tool. Với sensitive data, sử dụng enterprise AI platform có data residency và compliance guarantee (ví dụ: Azure OpenAI, AWS Bedrock) thay vì public AI service. Implement access control và audit trail để track ai đã dùng AI tool với data gì. Và train team về data security best practice khi dùng AI.
5. Khi nào thì nên stop dùng AI cho một use case?
Hãy stop hoặc pause nếu: (1) AI output quality không improve sau nhiều lần iterate prompt, (2) Team phải spend nhiều thời gian review và fix AI output hơn là tự làm từ đầu, (3) AI tạo ra risk hoặc error mà human review không catch được, (4) Team mất trust vào AI output và không còn dùng nó nữa. Đừng ngại admit một use case không work và pivot sang use case khác. Not every use case is a good fit for AI.
