Đừng chỉ viết kiến thức, hãy giải quyết "khoảng trống" thị trường
Viết khi vấn đề đã rõ, nhưng lời giải chưa được đóng gói
Đa phần các tác giả mình làm việc, phản xạ tự nhiên khi bắt đầu viết sách sẽ nghĩ về: “Mình giỏi cái gì?”, “Mình có thể chia sẻ kiến thức nào?”, hay “Chủ đề nào mình hiểu rõ nhất?”. Nói cách khác, họ bắt đầu từ những gì mình đang có.
Nghe thì hợp lý, nhưng nếu nhìn rộng ra thị trường nội dung hiện tại, đặc biệt trong bối cảnh AI và nền kinh tế tri thức, bạn sẽ thấy một nghịch lý: chưa bao giờ chúng ta có nhiều kiến thức được chia sẻ như hiện tại. Thậm chí, vấn đề không còn nằm ở việc thiếu thông tin, mà là có quá nhiều thông tin được tạo ra mỗi ngày. Nhưng điều đó lại không đồng nghĩa với việc người đọc thực sự nhận được điều họ cần.
Vậy vấn đề nằm ở đâu? Không chỉ ở việc bạn biết gì, mà ở việc thế giới đang thiếu điều gì.
Tuần này mình đang đọc cuốn AI Engineering của tác giả Huyền Chip. Huyền Chip (Nguyễn Khánh Huyền) là một kỹ sư AI và giảng viên tại Stanford, đồng thời là người có nhiều năm làm việc trong các công ty công nghệ như NVIDIA và Snorkel AI. Điểm đặc biệt ở cô ấy không chỉ nằm ở nền tảng kỹ thuật, mà ở khả năng nhìn một lĩnh vực phức tạp dưới góc độ hệ thống, và diễn giải nó theo cách người khác có thể hiểu và sử dụng.
Hai cuốn sách về AI của cô ấy, Designing Machine Learning Systems (2022) và AI Engineering (2025), mặc dù viết về AI nhưng không phải là những cuốn sách dạy AI theo kiểu truyền thống. Chúng không tập trung vào việc dạy bạn code một model, hay sử dụng một công cụ cụ thể. Thay vào đó, cả hai đều xoay quanh một câu hỏi lớn hơn: làm thế nào để AI thực sự trở thành một phần của hệ thống và sản phẩm trong đời sống thực tế.
Khi mình nhìn vào cách Huyền Chip viết hai cuốn sách về AI, mình nhận ra một điều cực kỳ thú vị nằm ở điểm xuất phát của mỗi cuốn sách. Mặc dù là người làm chuyên môn nhưng cô ấy không bắt đầu từ câu hỏi “mình có thể viết gì”, mà bắt đầu từ một câu hỏi khó hơn nhiều: Trong lĩnh vực này, đang thiếu điều gì mà người ta chưa hiểu rõ?”. Tuần này, mình sẽ cùng bạn mổ xẻ case study này để nhìn thấy tư duy đặc biệt của tác giả Huyền Chip khi không chỉ viết kiến thức, mà bắt đầu viết từ “khoảng trống” của thị trường.
Giải thưởng và sự công nhận:
Designing Machine Learning Systems được dịch ra hơn 10 ngôn ngữ và được đánh giá cao trong cộng đồng kỹ thuật.
AI Engineering nhanh chóng trở thành một trong những cuốn được đọc nhiều nhất trên nền tảng O’Reilly ngay sau khi phát hành.
Cả hai cuốn đều được sử dụng trong training nội bộ của nhiều công ty công nghệ và được nhắc tới rộng rãi trong cộng đồng AI.
Tác động và ảnh hưởng:
Hai cuốn sách không chỉ truyền tải kiến thức mà còn giúp định nghĩa cách tiếp cận mới trong ngành:
Cuốn 1 góp phần phổ biến tư duy ML Systems (AI như một hệ thống, không chỉ là model)
Cuốn 2 định hình cách hiểu về AI Engineering trong kỷ nguyên LLM
Nhờ đó, sách trở thành tài liệu tham chiếu cho những người trực tiếp xây dựng sản phẩm AI, tạo ra ảnh hưởng sâu và bền vững trong nhóm độc giả .
Khi một cuốn sách không dạy AI, mà dạy cách AI vận hành trong đời thực
Hai cuốn sách của Huyền Chip được ra mắt lần lượt năm 2022 và 2025. Cuốn đầu tiên, Designing Machine Learning Systems, tập trung vào việc xây dựng và vận hành các hệ thống Machine Learning trong production - một phần mà trước đó ít được hệ thống hóa. Cuốn thứ hai, AI Engineering, tiếp tục mở rộng sang kỷ nguyên của các mô hình nền tảng (foundation models), tập trung vào cách thiết kế và triển khai các ứng dụng AI có thể sử dụng được trong thực tế.
Cuốn 1: Designing Machine Learning Systems (2022)
Designing Machine Learning Systems xuất bản năm 2022, xuất hiện trong một bối cảnh mà Machine Learning đã phát triển rất mạnh. Lúc đó, tài liệu về model, thuật toán, hay các kỹ thuật training gần như đã rất đầy đủ. Bất kỳ ai học ML đều có thể tìm thấy hàng trăm khóa học và tài nguyên chất lượng. Nhưng có một khoảng trống rất rõ ràng: rất ít người thực sự hiểu cách đưa những model đó vào vận hành trong thực tế. Nói cách khác, AI tồn tại rất nhiều trong notebook, nhưng lại gặp vấn đề khi bước ra ngoài đời thực.
Khoảng trống ở đây không phải là “thiếu kiến thức”, mà là thiếu một cách nhìn hệ thống về toàn bộ vòng đời của một hệ thống AI. Và đó chính là điểm mà Huyền Chip chọn. Cô ấy không viết thêm một cuốn sách dạy model, mà chuyển trọng tâm sang system. Không còn là “làm thế nào để train một mô hình tốt”, mà là “làm thế nào để xây dựng một hệ thống AI thực sự chạy được và tạo ra giá trị”. Đây là một sự dịch chuyển rất quan trọng, từ tư duy kỹ thuật đơn lẻ sang tư duy hệ thống.
Bối cảnh: ML phát triển mạnh nhưng thiếu hệ thống production
Khoảng trống: Không ai dạy AI chạy ngoài đời thực
Cuốn 2: AI Engineering (2025)
Đến cuốn thứ hai, AI Engineering, bối cảnh lại hoàn toàn khác. Sau khi ChatGPT và các mô hình ngôn ngữ lớn bùng nổ, AI trở nên dễ tiếp cận hơn bao giờ hết. Gần như ai cũng có thể sử dụng AI, thử nghiệm với prompt, hoặc tích hợp API vào sản phẩm. Nhưng chính sự “dễ dùng” này lại tạo ra một khoảng trống mới: rất ít người thực sự biết cách xây dựng một sản phẩm AI hoàn chỉnh, ổn định và có thể sử dụng trong thực tế.
Lúc này, vấn đề không còn là “có model hay không”, mà là “làm thế nào để biến những model đó thành một trải nghiệm sản phẩm có giá trị”. Khoảng trống không nằm ở prompt, mà nằm ở product thinking. Và một lần nữa, Huyền Chip không đi vào phần mà ai cũng đang nói tới là prompt engineering, thay vào đó cô đi vào phần ít người hệ thống hóa: cách thiết kế, đánh giá và triển khai các ứng dụng AI trong thực tế. Cô ấy chuyển câu hỏi từ “AI có thể làm gì?” sang “AI nên được sử dụng như thế nào trong một sản phẩm”.
Bối cảnh: LLM bùng nổ, ai cũng dùng AI
Khoảng trống: Không ai hệ thống hóa cách build sản phẩm AI
Nếu nhìn lại cả hai cuốn sách, bạn sẽ thấy một pattern: mỗi cuốn đều xuất hiện đúng vào thời điểm mà ngành đang có một “vùng mù”. Không phải là vùng đang thiếu thông tin, mà là vùng mà mọi thứ đang rời rạc, chưa được kết nối thành một cách hiểu và ứng dụng rõ ràng. Tác giả Huyền Chip chọn đi vào chính vùng đó. Nói cách khác, cô ấy đi đúng vào “khoảng trống nhận thức” của ngành, và biến nó thành một hệ thống mà người khác có thể hiểu và sử dụng.
Đọc thêm bài viết:
Thành công không đến từ nội dung, mà từ việc chọn đúng “điểm rơi”
Có một điều rất thú vị khi nhìn vào thành công của các cuốn sách chuyên môn, đặc biệt là trong những lĩnh vực thay đổi nhanh như AI. Nhiều người thường nghĩ rằng yếu tố quyết định nằm ở nội dung, ai viết sâu hơn, người đó sẽ thành công. Nhưng nếu quan sát kỹ hơn, bạn sẽ thấy có những cuốn sách không hẳn “nhiều kiến thức hơn”, nhưng lại trở thành tài liệu được nhắc tới nhiều hơn, được sử dụng nhiều hơn, và có ảnh hưởng lâu dài hơn. Đó là nhờ điểm rơi - hay nói cách khác là định hướng của cuốn sách.
Nếu nhìn vào hai cuốn sách của Huyền Chip, bạn sẽ thấy rất rõ cách cô ấy “chọn điểm rơi” rất đặc biệt cho từng cuốn sách của mình.
Viết theo “khoảng trống”, không theo “năng lực”
Mình nghĩ rằng điều các tác giả mới đáng học nhất từ Huyền Chip nằm ở cách cô ấy tiếp cận việc viết ngay từ đầu. Đó là một sự dịch chuyển rất rõ từ “viết theo năng lực” sang “viết theo khoảng trống”.
Phần lớn chúng ta, khi bắt đầu nghĩ về một cuốn sách, đều xuất phát từ bản thân mình. Chúng ta nhìn vào những gì mình đã học, đã làm, đã trải qua, và tự hỏi: “Tôi biết gì có thể chia sẻ?”. Đây là một câu hỏi tự nhiên, nhưng cũng chính là giới hạn lớn nhất. Bởi vì nếu bạn chỉ viết từ những gì bạn biết, bạn đang bước vào một không gian mà rất nhiều người khác cũng đang làm điều tương tự. Và khi đó, cuốn sách của bạn rất dễ trở thành một phiên bản khác của những gì đã tồn tại.
Điểm khác biệt của Huyền Chip nằm ở việc cô ấy bắt đầu từ cả bên trong lẫn bên ngoài. Thay vì chỉ hỏi “mình có gì”, cô ấy quan sát thị trường, quan sát cách mọi người đang hiểu một vấn đề, và tìm ra điểm mà sự hiểu đó còn thiếu, còn rời rạc, hoặc thậm chí là đang sai lệch. Từ đó, câu hỏi cô ấy đặt ra không phải là “tôi có thể viết gì”, mà là: “Thế giới đang thiếu điều gì mà tôi có thể đóng góp?”.
Sự thay đổi này tưởng như chỉ là một câu hỏi, nhưng thực chất là thay đổi toàn bộ hệ quy chiếu. Khi bạn viết theo năng lực, bạn đang cố gắng “đẩy” kiến thức của mình ra ngoài. Khi bạn viết theo khoảng trống, bạn đang “kéo” nhu cầu của thế giới vào trong. Một bên là xuất phát từ cái tôi, một bên là xuất phát từ vấn đề.
Và chính sự dịch chuyển này tạo ra giá trị thực sự. Bởi vì người đọc không tìm đến một cuốn sách để biết thêm thông tin, mà để giải quyết một điều họ chưa hiểu. Khi cuốn sách của bạn xuất hiện đúng vào điểm mà người đọc đang “mắc kẹt trong sự mơ hồ”, nó không chỉ là một nội dung hay, mà trở thành một công cụ giúp họ nhìn rõ vấn đề.
Đó cũng là lý do vì sao câu hỏi “tôi biết gì?” thường dẫn đến những cuốn sách đúng, nhưng chưa hẳn cần thiết. Còn thêm câu hỏi “thế giới đang thiếu điều gì mà tôi có thể giải thích?” lại có khả năng tạo ra những cuốn sách thực sự có ý nghĩa.
Viết để đóng gói tư duy (framework), không phải kiến thức
Một lớp tư duy quan trọng khác mà Huyền Chip áp dụng, và cũng là điều khiến hai cuốn sách của cô ấy có “tuổi thọ” dài hơn rất nhiều tài liệu khác, đó là: cô ấy không viết để truyền tải kiến thức, mà viết để đóng gói tư duy.
Nếu bạn quan sát phần lớn nội dung về AI hiện nay, bạn sẽ thấy một pattern rất rõ. Nội dung thường xoay quanh:
Công cụ mới
Cách viết prompt
Các tutorial từng bước
Những thứ này rất hữu ích trong ngắn hạn. Nhưng chúng có một đặc điểm chung: chúng nhanh chóng trở nên lỗi thời. Công cụ thay đổi, model thay đổi, cách làm cũng thay đổi. Nếu một cuốn sách chỉ dừng lại ở việc liệt kê “làm gì” và “làm như thế nào”, giá trị của nó sẽ giảm đi rất nhanh theo thời gian.
Đó là lý do Huyền Chip chọn một hướng hoàn toàn khác. Thay vì viết thêm một cuốn sách dạng tutorial, cô ấy tập trung vào việc xây dựng các framework - những cách nhìn có thể giúp người đọc hiểu bản chất của vấn đề, thay vì chỉ biết cách xử lý một tình huống cụ thể. Sự khác biệt này rất quan trọng. Bởi vì khi bạn có một mental model đúng, bạn có thể tự thích nghi với bất kỳ công cụ nào, bất kỳ sự thay đổi nào của công nghệ. Nhưng nếu bạn chỉ có danh sách các cách làm, bạn sẽ luôn phải chạy theo sự thay đổi đó.
Đây cũng là điểm mà nhiều tác giả dễ nhầm lẫn. Họ nghĩ rằng giá trị của cuốn sách nằm ở việc cung cấp càng nhiều kiến thức càng tốt. Nhưng thực tế, điều người đọc cần không phải là thêm thông tin, mà là một cấu trúc để sắp xếp lại những gì họ đã biết. Một cuốn sách mạnh không nằm ở số lượng kiến thức nó chứa, mà nằm ở việc nó giúp người đọc “nhìn” lại vấn đề theo một cách khác.
Và khi cách nhìn thay đổi, hành động sẽ tự thay đổi theo. Đó là lý do vì sao những cuốn sách có sức ảnh hưởng lâu dài thường không dạy bạn “phải làm gì”. Thay vào đó, chúng thay đổi cách bạn hiểu vấn đề. Và một khi cách hiểu đã thay đổi, bạn không còn cần một danh sách hướng dẫn nữa, bạn có thể tự tìm ra cách làm phù hợp trong từng bối cảnh cụ thể.
Đọc thêm bài viết:
Timing – Viết ở “điểm giữa”
Một yếu tố nữa mang tính quyết định, nhưng thường ít được nhắc đến, đó là thời điểm viết.
Nếu bạn nhìn lại hai cuốn sách của Huyền Chip, bạn sẽ thấy chúng không chỉ đúng về nội dung, mà còn rất “đúng lúc”. Và điều này không phải ngẫu nhiên, mà là kết quả của một tư duy rất rõ ràng về timing.
Có một cái bẫy mà nhiều người viết dễ rơi vào. Hoặc là viết quá sớm, khi một lĩnh vực còn chưa đủ trưởng thành, các khái niệm còn chưa ổn định, dữ liệu thực tế chưa đủ nhiều. Lúc này, cuốn sách rất dễ trở thành suy đoán hoặc nhanh chóng lỗi thời. Hoặc ngược lại, viết quá muộn, khi mọi thứ đã quá rõ ràng, đã có rất nhiều người đi trước hệ thống hóa, phân tích, và giải thích. Khi đó, cuốn sách của bạn dù đúng, nhưng rất khó tạo ra sự khác biệt.
Điểm mà Huyền Chip chọn nằm ở giữa hai cực đó. Với cuốn Designing Machine Learning Systems, cô ấy viết khi Machine Learning đã đủ phát triển để bộc lộ các vấn đề thực tế, nhưng chưa có nhiều tài liệu hệ thống hóa những vấn đề đó. Còn với AI Engineering, cô ấy viết ngay sau khi làn sóng LLM bùng nổ, khi nhu cầu ứng dụng AI là rất lớn, nhưng cách tiếp cận vẫn còn rời rạc và thiếu chuẩn hóa.
Đây chính là “điểm giữa” - một trạng thái rất đặc biệt của nhu cầu. Đó là khi vấn đề đã đủ rõ để nhiều người cảm nhận được, nhưng lời giải vẫn chưa được đóng gói thành một cách hiểu mạch lạc. Và đây cũng là thời điểm mà một cuốn sách có thể tạo ra tác động lớn nhất.
Bởi vì nếu bạn đến sớm hơn, bạn đang nói về thứ mà người khác chưa thực sự quan tâm. Nếu bạn đến muộn hơn, bạn chỉ đang lặp lại những gì đã được nói. Nhưng khi bạn xuất hiện đúng lúc mà mọi người bắt đầu nhận ra vấn đề, nhưng chưa có ngôn ngữ để diễn đạt nó, cuốn sách của bạn sẽ trở thành giải pháp được nhớ tới đầu tiên.
3 bước đi tìm “điểm rơi” cho cuốn sách của bạn
Nếu bạn nhìn lại toàn bộ cách Huyền Chip tiếp cận việc viết, bạn sẽ nhận ra một điều rất quan trọng: một cuốn sách không bắt đầu từ trang giấy trắng, mà bắt đầu từ cách bạn nhìn thế giới. Và khi cách nhìn thay đổi, cách viết sẽ thay đổi theo. Điều này dẫn tới một câu hỏi: Làm thế nào để biết mình đang đứng đúng “điểm rơi” cho cuốn sách của mình?
Bạn có thể áp dụng 3 bước sau. Nó không giúp bạn viết hay hơn ngay lập tức, nhưng giúp bạn tránh được sai lầm lớn nhất: viết một cuốn sách mà thế giới không thực sự cần. Bởi vì cuối cùng, điều quyết định không phải là bạn viết tốt đến đâu, mà là bạn bắt đầu từ đâu, và bạn đang cố gắng mang tới điều gì.
Bước 1 – Identify the Gap (Khoảng trống)
Điểm khởi đầu không phải là bản thân bạn, mà là lĩnh vực bạn đang đứng trong đó. Bạn cần quan sát nó như một hệ thống, thay vì chỉ là một tập hợp kiến thức rời rạc. Ở đây, câu hỏi quan trọng không phải là “mình biết gì”, mà là: trong ngành của mình, có điều gì đang chưa được hiểu đúng, hoặc chưa được giải thích đủ rõ.
Khoảng trống thường xuất hiện ở những nơi rất quen thuộc nhưng lại bị bỏ qua. Đó có thể là một khái niệm mà ai cũng nhắc tới nhưng mỗi người hiểu một kiểu. Đó cũng có thể là một quy trình mà mọi người đang làm theo kinh nghiệm, nhưng chưa ai hệ thống hóa lại thành một cách tiếp cận rõ ràng. Hoặc đôi khi, đó là một vấn đề mà nhiều người đang gặp phải, nhưng chưa có ngôn ngữ để diễn đạt chính xác.
Việc của bạn ở bước này không phải là sáng tạo ra một chủ đề mới, mà là nhìn ra một phần “mờ” trong những gì đã tồn tại, và nhận ra rằng phần đó cần được làm rõ.
Bước 2 – Validate the Pain (Nỗi đau có thật không?)
Không phải khoảng trống nào cũng đáng để viết thành sách. Một khoảng trống chỉ thực sự có giá trị khi nó gắn với một vấn đề mà người khác đang gặp phải trong thực tế. Đây là bước giúp bạn kiểm chứng xem điều bạn nhìn thấy có phải là một “pain point” thực sự hay chỉ là một quan sát mang tính cá nhân.
Bạn có thể hỏi: có người đang loay hoay với vấn đề này không? Họ có đang mất thời gian để thử sai, để tự ghép nối các mảnh kiến thức rời rạc lại với nhau không? Họ có cảm thấy mơ hồ, không biết bắt đầu từ đâu, dù đã đọc rất nhiều tài liệu không?
Nếu câu trả lời là có, thì khoảng trống đó không còn là lý thuyết nữa, mà đã trở thành một nhu cầu. Và khi một nhu cầu đủ rõ, cuốn sách của bạn không còn là một lựa chọn “hay thì đọc”, mà trở thành một thứ “cần phải có” đối với đúng nhóm người đó.
Bước 3 – Package the Thinking (Đóng gói tư duy)
Đây là bước mà rất nhiều tác giả làm sai. Khi đã xác định được một vấn đề có thật, phản xạ tự nhiên là cố gắng đưa vào cuốn sách tất cả những gì mình biết để giải quyết nó. Nhưng chính điều đó lại làm giảm giá trị của cuốn sách.
Người đọc không cần tất cả những gì bạn biết. Họ cần một cách hiểu đủ rõ để họ có thể hành động.
Vì vậy, thay vì viết tất cả, bạn cần chọn lọc và đóng gói lại thành một cách nhìn mới, một hệ thống đủ đơn giản để nắm bắt, nhưng đủ sâu để áp dụng. Đó có thể là một framework, một mô hình tư duy, hoặc một cách phân loại giúp người đọc “nhìn lại” vấn đề theo một trật tự rõ ràng hơn.
Điều bạn đang tạo ra ở đây không phải là một kho kiến thức, mà là một “bản đồ nhận thức”. Và giá trị của bản đồ không nằm ở việc nó chứa bao nhiêu thông tin, mà ở việc nó giúp người dùng đi đúng hướng nhanh hơn.
Khi ba bước này kết nối với nhau, việc viết sách không còn là quá trình “xuất bản kiến thức”, mà trở thành quá trình giải quyết một vấn đề có thật trong thế giới. Và đó cũng là lúc cuốn sách của bạn bắt đầu có vai trò vượt ra ngoài chính nó.
Đọc thêm bài viết:
Viết đúng chưa đủ, phải viết thứ người ta cần
Chúng ta thường nghĩ rằng vấn đề của mình là thiếu thông tin, nhưng thực tế lại ngược lại. Não người ngày nay gần như luôn ở trạng thái quá tải thông tin. Điều chúng ta thiếu không phải là thêm dữ liệu, mà là một cấu trúc để hiểu dữ liệu đó. Chúng ta thiếu sự rõ ràng để biết điều gì quan trọng, điều gì là bản chất, và điều gì chỉ là chi tiết. Và quan trọng hơn, chúng ta thiếu những khoảnh khắc “aha” — những điểm mà mọi thứ đột nhiên kết nối lại với nhau thành một bức tranh có ý nghĩa.
Đó là lý do vì sao những cuốn sách chỉ cung cấp thêm kiến thức thường không tạo ra thay đổi. Người đọc có thể hiểu thêm, nhưng không hành động khác đi. Ngược lại, khi một cuốn sách giúp họ “nhìn lại” vấn đề theo một cấu trúc mới, nó tạo ra một sự chuyển dịch nhận thức. Và một khi cách nhìn thay đổi, hành vi sẽ thay đổi theo.
Vì vậy, vai trò của người viết không còn là người cung cấp thông tin. Trong một thế giới đã dư thừa thông tin, người viết trở thành người tổ chức lại thế giới cho người đọc. Bạn không đưa thêm mảnh ghép, bạn giúp họ sắp xếp lại những mảnh ghép đã có để chúng tạo thành một hình ảnh rõ ràng hơn.
Có lẽ một bước nhỏ bạn có thể bắt đầu ngay từ tuần này là: thử ngồi xuống và viết ra ba khoảng trống mà bạn nhìn thấy trong lĩnh vực của mình. Đó có thể là những điều mọi người đang hiểu sai, những phần kiến thức đang rời rạc, hoặc những vấn đề mà nhiều người đang loay hoay nhưng chưa có cách giải thích rõ ràng.
Và nếu bạn muốn đi xa hơn, hãy tự hỏi: trong những khoảng trống đó, đâu là điều mà bạn có thể là người đầu tiên gọi tên một cách rõ ràng?