Google dùng AI giống hệt hãng máy kéo

20% dùng tới bến, 20% từ chối, 60% dậm chân tại chỗ — con số này giống nhau từ Google đến John Deere, và team bạn chắc cũng không ngoại lệ.

Cái công ty tạo ra Transformer mà cũng chỉ đến thế?

Google — nơi sinh ra kiến trúc Transformer, chủ nhân của DeepMind, đội ngũ engineering thuộc hàng khủng nhất hành tinh — vừa bị chính cựu nhân viên Steve Yegge chỉ ra một sự thật khá phũ: mức độ adopt AI nội bộ của họ ngang ngửa John Deere, hãng sản xuất máy kéo.

Không phải mỉa mai. Không phải câu view. Đó là nhận định dựa trên một pattern mà Yegge thấy lặp đi lặp lại ở khắp ngành: 20% là power user dùng AI theo kiểu agentic, 20% từ chối thẳng, và 60% còn lại dùng chat tool kiểu Cursor — hỏi đáp qua loa rồi thôi.

Plot twist: tỷ lệ này không phụ thuộc vào việc công ty bạn là big tech hay sản xuất nông nghiệp.

60% "ở giữa" mới là trận chiến thật

Dễ mà tập trung vào 20% power user — họ demo đẹp, ship nhanh, LinkedIn lúc nào cũng rực rỡ. Cũng dễ mà phàn nàn về 20% refuser. Nhưng cục diện thắng thua nằm ở nhóm 60% im lặng ở giữa.

Hiểu nôm na: nhóm này như người đã lên xe số tự động nhưng cứ giữ nguyên số 2 — có công cụ tốt trong tay mà chưa dám tăng ga. Họ mở Cursor, hỏi vài câu autocomplete, copy-paste kết quả, rồi quay lại code bằng tay. Không phải họ lười. Họ chưa thấy lý do đủ mạnh để thay đổi cả workflow.

Và đây là chỗ nguy hiểm: khi hiring freeze kéo dài hơn 18 tháng (đúng như Yegge chỉ ra), không có người mới từ bên ngoài mang best practices vào. Công ty tự nhốt trong bubble của mình mà không biết mình đang tụt lại.

Hai kịch bản rất Việt Nam

Kịch bản 1 — Team backend 6 người ở một startup fintech

Giả sử team bạn 6 người. Một bạn (gọi là Đức) đã setup Aider kết nối Claude chạy agentic workflow — tự generate test, tự refactor, scaffold module mới. Một bạn khác (Hùng) tuyên bố "AI viết code bug nhiều hơn tự viết" và không đụng vào. Còn 4 người kia? Họ dùng Cursor hỏi "viết hàm sort cho mình" rồi copy kết quả.

Không ai sai. Nhưng output giữa Đức và 4 người kia đang cách nhau một trời.

Vấn đề không phải ép Hùng dùng AI. Vấn đề là 4 người ở giữa — họ chỉ cần ai đó ngồi cạnh, pair 30 phút, chỉ cách chuyển từ "hỏi đáp" sang "giao việc" cho AI.

Kịch bản 2 — Team product ở công ty outsource

Team 10 người, ai cũng có license GitHub Copilot vì công ty mua bulk. Nhưng sprint review vẫn thấy mọi người estimate task y như cũ. Tại sao? Vì không ai hướng dẫn cách dùng Copilot ngoài việc "gõ code rồi nó suggest." Không shared prompt, không convention nào cho AI-assisted workflow. Copilot trở thành autocomplete xịn — chứ không phải copilot thật sự.

Phát license không phải là adopt

Mình thấy nhiều team lead rơi vào cái vòng lặp này: mua license, gửi email "anh em dùng đi nhé", rồi coi như xong phần mình. Dịch sang tiếng người: đó giống như mua membership gym cả năm cho nhân viên rồi kỳ vọng ai cũng chạy marathon — mà không thuê PT, không có lịch tập, không ai follow up.

Đường cong 20-60-20 không tự dịch chuyển. Nó chỉ nhúc nhích khi có:

Thử ngay chiều nay: "Audit adopt" không cần survey

Bạn không cần form phức tạp. Thử thế này:

  1. Hỏi mỗi người trong team một câu duy nhất: "Tuần rồi bạn dùng AI tool cho task nào cụ thể?" — không phải "có dùng không" (ai cũng gật), mà task nào, cụ thể.
  1. Phân loại câu trả lời:
  1. Ghép cặp 1 người 🔥 với 2 người 💬 — pair programming 30 phút, người 🔥 demo workflow thật của mình trên task thật đang làm. Không slide, không lý thuyết.
  1. Sau 2 tuần, hỏi lại câu hỏi ở bước 1. Nếu dù chỉ 1 người chuyển từ 💬 sang 🔥, bạn đã dịch chuyển được đường cong.

Về tooling, bạn hoàn toàn bắt đầu được mà không tốn đồng: Aider (open-source) kết nối với Ollama chạy local model, hoặc Continue.dev — extension mã nguồn mở cho VS Code hỗ trợ nhiều LLM backend. Như mình đã chia sẻ trong các bài về Ollama trước, self-host không khó — cái khó là tạo thói quen dùng mỗi ngày.

Ngang Google ở khoản này thì đừng tự hào

Dễ mà đổ lỗi cho nhóm 60% "lười thay đổi" hay nhóm 20% "bảo thủ." Nhưng khi ngay cả Google — nơi engineer được tiếp cận model tốt nhất, infra mạnh nhất — mà vẫn có cùng tỷ lệ, thì rõ ràng vấn đề không nằm ở con người. Nó nằm ở cách tổ chức tạo điều kiện cho việc adopt.

Hiring freeze tạo ra hiệu ứng echo chamber: ai cũng làm theo cách cũ vì không có ai mới mang góc nhìn khác vào. Team bạn có thể không bị freeze, nhưng nếu không chủ động tạo luồng knowledge mới — đọc, thử, chia sẻ ngang hàng — thì hiệu ứng y hệt.

Takeaway duy nhất: đừng đo adopt bằng số license đã phát — hãy đo bằng số workflow đã thật sự thay đổi.

Còn nếu team bạn đang ở đúng tỷ lệ 20-60-20? Chúc mừng, bạn ngang Google. Nhưng mà ngang Google ở khoản này thì chẳng có gì đáng khoe trên LinkedIn đâu.

---

Bụi Wire — nghiện đọc release notes lúc 2 giờ sáng

Nguồn tham khảo