AI cuối cùng có thể nâng cao hiệu suất làm việc của một người đến mức nào?
Gần đây, một bài viết về Anthropic đã gây ra nhiều lượt chia sẻ trên mạng xã hội. Người đăng tải Ole Lehmann cho biết, nhóm tiếp thị tăng trưởng của Anthropic - công ty được định giá 3.800 tỷ USD - chỉ có một người, một nhân viên tiếp thị không có nền tảng kỹ thuật, một mình phụ trách tìm kiếm trả phí, mạng xã hội trả phí, tối ưu hóa cửa hàng ứng dụng, tiếp thị qua email và SEO, kéo dài gần mười tháng.
Bài đăng nhanh chóng bị nghi ngờ trong phần bình luận, nhưng ngay sau đó, chính người trong cuộc đã xác nhận. Người này tên là Austin Lau, nhân viên tiếp thị tăng trưởng, trả lời rằng: tại thời điểm viết bài báo đó, anh ấy thực sự là người duy nhất làm tiếp thị tăng trưởng, một mình gánh vững gần mười tháng.
Hình 丨 Bài đăng liên quan (Nguồn: X)
Vào cuối tháng 1 năm nay, Anthropic đã công bố một nghiên cứu tình huống chính thức, chi tiết về cách làm việc của Austin Lau. Cùng thời kỳ, Anthropic cũng công bố một sách trắng nội bộ có tên "Nhóm Anthropic sử dụng Claude Code như thế nào", bao gồm mười trường hợp sử dụng của các nhóm từ cơ sở hạ tầng dữ liệu đến pháp lý, trong đó tiếp thị tăng trưởng là một phần.
Sách trắng viết: Nhóm tiếp thị tăng trưởng tập trung vào các kênh như tìm kiếm trả phí, mạng xã hội trả phí, cửa hàng ứng dụng di động, tiếp thị qua email và SEO, là một "đội hình một người không có kỹ thuật", dựa vào Claude Code để tự động hóa các nhiệm vụ tiếp thị lặp đi lặp lại, xây dựng các quy trình làm việc tự động mà truyền thống cần rất nhiều tài nguyên kỹ thuật mới có thể thực hiện.
(Nguồn: Anthropic)
Austin Lau không phải là kỹ sư. Anh ấy đã nói trong video case study chính thức của Anthropic, anh ấy "chưa từng viết một dòng code nào", khi mới tiếp xúc với Claude Code, anh ấy thậm chí cần phải Google tìm "cách mở terminal trên Mac". Khi Claude Code mới ra mắt, phản ứng đầu tiên của anh là "hoàn toàn không biết sản phẩm này dành cho ai", với tư cách là một người làm marketing, anh thấy công dụng không rõ ràng.
Bước ngoặt xảy ra khi trong nhóm Slack của công ty có đồng nghiệp chia sẻ một hướng dẫn cài đặt Claude Code dành cho nhân viên không chuyên kỹ thuật. Austin vì tò mò đã cài đặt, một tuần sau, anh đã xây dựng hai quy trình tự động hoàn toàn thay đổi cách làm việc của mình.
Thứ nhất là một plugin Figma. Làm quảng cáo mạng xã hội trả phí và tiếp thị cửa hàng ứng dụng, cần xử lý rất nhiều tài liệu trực quan trong Figma. Quy trình trước đây là: khi cần tạo nhiều biến thể văn bản cho cùng một thiết kế, anh cần sao chép thủ công các khung trong Figma, chuyển đổi liên tục giữa Google tài liệu và Figma, sao chép và dán từng tiêu đề. Nếu có 10 biến thể văn bản cần điều chỉnh cho 5 tỷ lệ khung hình khác nhau, công việc cơ học này có thể dễ dàng tiêu tốn nửa giờ.
Hình 丨 Austin Lau (Nguồn: Anthropic)
Anh ấy mô tả điểm đau này bằng ngôn ngữ tự nhiên cho Claude Code, nhờ nó viết một plugin Figma. Trong quá trình đó, anh ấy yêu cầu Claude Code tham khảo tài liệu API của Figma, vừa nghiên cứu vừa tạo nguyên mẫu. Phiên bản nguyên mẫu đầu tiên được tạo ra không hoàn hảo, nhưng đủ để làm điểm khởi đầu, anh ấy liên tục điều chỉnh trên cơ sở đó, cuối cùng đã tạo ra một plugin có thể sử dụng.
(Nguồn: Anthropic)
Cách hoạt động của plugin là: chọn một khung hình ảnh tĩnh, plugin tự động nhận diện các thành phần như tiêu đề, nút kêu gọi hành động, khối code trong đó, sau đó từ một danh sách văn bản đã chuẩn bị sẵn, tạo hàng loạt các khung Figma độc lập, mỗi biến thể tương ứng với một bộ văn bản mới. Mỗi lần xử lý hàng loạt tạo ra tối đa 100 biến thể quảng cáo, mỗi lô mất khoảng nửa giây. 30 phút thao tác thủ công trước đây, nay rút xuống còn 30 giây.
Thứ hai là quy trình làm việc tạo văn bản quảng cáo Google Ads. Quảng cáo tìm kiếm phản hồi của Google Ads có giới hạn ký tự nghiêm ngặt cho tiêu đề và mô tả, tiêu đề tối đa 30 ký tự, mô tả tối đa 90 ký tự. Trước đây anh cần viết bản nháp trong Google sheets, kiểm tra thủ công số ký tự, sau đó dán nội dung từng dòng vào backend của Google Ads.
Austin tạo một lệnh gạch chéo tùy chỉnh "/rsa" trong Claude Code, khi kích hoạt, Claude Code sẽ yêu cầu nhập dữ liệu triển khai, văn bản quảng cáo hiện có và từ khóa, sau đó tham chiếu chéo "Kỹ năng Tác nhân" mà anh đã thiết lập trước, bao gồm tính cách thương hiệu Anthropic, quy chuẩn chính xác sản phẩm và các phương pháp hay nhất cho Google Ads.
Hệ thống sử dụng hai tiểu tác nhân (sub-agent) phân công rõ ràng, một chuyên viết tiêu đề, một chuyên viết mô tả, mỗi cái làm việc trong ràng buộc ký tự của mình, chất lượng đầu ra cao hơn nhiều so với việc nhét cả hai nhiệm vụ vào một lời nhắc đơn.
Cuối cùng, Claude Code đóng gói 15 tiêu đề và 4 mô tả thành một file CSV có thể tải lên trực tiếp Google Ads. Austin nhấn mạnh, văn bản được tạo ra chỉ là điểm khởi đầu, anh ấy sẽ đánh giá từng cái: đề xuất giá trị đã đủ chưa? Ngữ điệu có đúng không? Có sự khác biệt với đối thủ cạnh tranh không? Nhưng ít nhất thì công việc nhàm chán tạo bản thảo ban đầu và định dạng đã được tự động hóa hoàn toàn.
Hai quy trình làm việc này đã nâng cao hiệu suất đáng kinh ngạc, nhưng hệ thống của Austin không dừng lại ở đó. Anh ấy còn xây dựng một máy chủ MCP (Model Context Protocol) kết nối với Meta Ads API.
style="text-align: start;">Thông qua tích hợp này, anh có thể trực tiếp truy vấn hiệu suất quảng cáo, dữ liệu chi tiêu và hiệu quả của các quảng cáo trong ứng dụng desktop Claude, không cần mở bảng điều khiển backend của Meta Ads nữa. "Tuần này quảng cáo nào có tỷ lệ chuyển đổi cao nhất", "Tôi đã lãng phí ngân sách ở đâu", những câu hỏi kiểu này có thể hỏi trực tiếp Claude, nhận câu trả lời với dữ liệu thời gian thực.Quan trọng hơn là vòng khép kín. Austin đã xây dựng một hệ thống ghi nhớ, ghi lại các giả định và kết quả thí nghiệm trong mỗi vòng lặp quảng cáo. Khi bắt đầu tạo biến thể mới, Claude sẽ tự động lấy dữ liệu của tất cả các thử nghiệm trước đó, văn bản nào hiệu quả tốt, văn bản nào không, để vòng tạo tiếp theo được xây dựng dựa trên các thí nghiệm lịch sử. Hệ thống này trở nên thông minh hơn một chút sau mỗi chu kỳ. Việc theo dõi thí nghiệm có hệ thống xuyên hàng trăm quảng cáo như vậy, trong một đội ngũ truyền thống thường cần một nhà phân tích dữ liệu chuyên trách.
Theo sách trắng của Anthropic, kết quả của cách làm việc này là: thời gian tạo văn bản quảng cáo giảm từ 2 giờ xuống còn 15 phút, sản lượng sáng tạo đạt gấp 10 lần trước đây, một mình anh ấy thử nghiệm các biến thể quảng cáo bao phủ các kênh và số lượng vượt quá hầu hết các nhóm tiếp thị quy mô đầy đủ.
Trong sách trắng đó, tiếp thị tăng trưởng chỉ là một trong mười case study. Nhóm cơ sở hạ tầng dữ liệu sử dụng Claude Code để gỡ lỗi sự cố cụm Kubernetes, giải quyết vấn đề vốn cần liên hệ chuyên gia mạng trong vòng vài phút; thành viên trong nhóm suy luận không có nền tảng học máy sử dụng nó để hiểu hàm mô hình và thiết lập, rút thời gian tra cứu tài liệu từ một giờ xuống còn 10 đến 20 phút; nhóm thiết kế sản phẩm trực tiếp sử dụng Claude Code để sửa code front-end, kỹ sư phát hiện nhà thiết kế đang thực hiện "các thay đổi quản lý trạng thái lớn mà bạn thường không thấy nhà thiết kế làm"; nhóm pháp lý có người chỉ mất một giờ để tạo ra một ứng dụng hỗ trợ văn bản dự đoán cho người thân trong gia đình có rào cản ngôn ngữ, mà trước đó họ hoàn toàn không có kinh nghiệm lập trình nào.
Cách sử dụng của vị trí kỹ thuật và không kỹ thuật khác nhau, nhưng kết luận nhất quán: Claude Code đang làm mờ ranh giới giữa "có thể làm" và "không thể làm", mà ranh giới này trước đây gần như hoàn toàn do năng lực kỹ thuật quyết định.
Chính Austin Lau trong case study có một câu kết luận, đại ý là: "Khoảng cách giữa 'Tôi hy vọng thứ này tồn tại' và 'Tôi có thể tự tay tạo ra nó' ngắn hơn nhiều so với hầu hết mọi người nghĩ."
Tất nhiên, cần bổ sung rằng, tiếp thị tăng trưởng (growth marketing) không bằng toàn bộ GTM (go-to-market). Anthropic có đầy đủ đội ngũ thương hiệu, tiếp thị sản phẩm và truyền thông, Austin Lau phụ trách tuyến tiếp thị hiệu quả này, các kênh có thể định lượng như triển khai trả phí, tối ưu hóa cửa hàng ứng dụng, SEO.
Tháng 2 năm nay Anthropic đã đăng quảng cáo truyền hình ở Super Bowl, đó rõ ràng không phải việc một người có thể làm xong. Các tài sản văn bản và thương hiệu mà quy trình làm việc của anh ấy dựa vào, ban đầu cũng được sản xuất bởi sự hợp tác của nhóm tiếp thị sản phẩm và văn bản, Claude trên cơ sở đó thực hiện tạo biến thể và thử nghiệm quy mô hóa.
Austin Lau gần đây đã bổ sung một số bối cảnh trên LinkedIn. Anh ấy chỉ ra, bài viết được lan truyền rộng rãi đó mô tả trải nghiệm của anh với tư cách là nhân viên tiếp thị tăng trưởng duy nhất vào quý 2 năm 2025, cách đây đã gần 8 tháng. Đội ngũ sau đó thực sự đã được mở rộng nhân sự, mặc dù quy mô vẫn nhỏ hơn nhiều so với tưởng tượng bên ngoài, theo cách nói của anh, "sức chiến đấu của chúng tôi vượt xa số lượng người của chúng tôi".
Ngay cả như vậy, tín hiệu đủ mạnh mẽ. Một công ty được định giá 3.800 tỷ USD sau đầu tư, doanh thu hàng năm 140 tỷ USD, trong giai đoạn tăng trưởng nhanh nhất, để một nhân viên tiếp thị không biết viết code một mình quản lý các kênh tăng trưởng cốt lõi suốt mười tháng, hiệu quả còn khá tốt. Điều này hẳn đã có thể chứng minh, hệ số khuếch đại năng lực của AI đối với người lao động tri thức, có thể lớn hơn nhiều so với giả định của cơ cấu tổ chức và quán tính tuyển dụng hiện tại của chúng ta.
Chỉ là mô hình này có thể sao chép trong phạm vi lớn đến mức nào, hiện vẫn chưa rõ. Tiếp thị tăng trưởng có tính định lượng dữ liệu cao, theo quy trình, thân thiện với API, tự nhiên phù hợp để tự động hóa. Nếu đổi sang lĩnh vực cần nhiều đánh giá liên nhân hơn hoặc trực giác sáng tạo, tình hình cũng có thể rất khác.
Sách trắng của Anthropic ở cuối chương tiếp thị tăng trưởng đưa ra ba đề xuất: Tìm kiếm các quy trình làm việc lặp đi lặp lại có giao diện API để tự động hóa; chia nhỏ các quy trình phức tạp thành nhiều đại lý con chuyên biệt, thay vì cố gắng dùng một lời nhắc đơn để bao quát tất cả; trước khi viết code, hãy suy nghĩ đầy đủ về thiết kế quy trình tổng thể trên Claude. Ba đề xuất này về bản chất đang nói rằng, nút thắt hiệu suất thường không nằm ở năng lực kỹ thuật, mà ở chỗ bạn có sẵn sàng dành thời gian để phân giải rõ quy trình làm việc của mình, sau đó giao phần có thể được máy móc tiếp quản.
