Sau khi LLM ra đời, những nỗ lực ở tầng ứng dụng chưa bao giờ ngừng lại. Từ việc tinh chỉnh Prompt đến cấu hình Workflow, rồi đến xây dựng Agent, mục đích cuối cùng đều giống nhau: làm cho LLM phục vụ con người tốt hơn, khai thác hiệu suất của máy móc đến mức tối đa. Việc khai thác LLM có thể được chia thành hai chiều. Một là giúp nó tìm ra thuật toán tối ưu, để suy diễn không đi đường vòng. Để làm điều này, chúng tôi gần như đã thử mọi cách có thể nghĩ ra, để LLM học cách tự phản ánh (reflection, self-consistency, self-critics), học cách suy diễn và lập kế hoạch (reasoning, planning, chain-of-thought, tree-of-thought); học cách ghi nhớ (short-term memory, long-term memory), không để bị quên khi cuộc trò chuyện kéo dài; học cách tìm kiếm kiến thức (RAG, knowledge graph), bổ sung sự thật từ thế giới bên ngoài; học cách xây dựng ngữ cảnh (context building), nhồi nhét nhiều thông tin hiệu quả hơn vào token hạn chế; học cách sử dụng công cụ (tool-use, function calling, MCP), giao việc cho các chương trình bên ngoài chạy, thay vì chỉ dựa vào việc tự tạo ra; và nhiều thứ khác. Những điều này, nói cho cùng, đều là kỹ thuật và cơ chế, mục đích bản chất là để LLM hiểu nhanh hơn con người muốn làm gì, tìm ra con đường có chi phí thấp nhất xung quanh mục tiêu (goal-oriented), để đạt được giải pháp tối ưu. Chiều thứ hai là khai thác thời gian, để LLM có thể hoạt động 7×24 giờ không ngừng nghỉ. Khi chúng tôi có hiểu biết sâu sắc hơn về LLM, rất dễ dàng để nghĩ đến việc biến nó thành "nhân viên số" thuộc về bản thân hoặc tổ chức của mình, nó không biết mệt mỏi, không phàn nàn, có thể hoạt động liên tục và học hỏi không ngừng. Hầu hết mọi người ngày nay sử dụng AI vẫn dừng lại ở việc tra cứu thông tin, tóm tắt nội dung, viết báo cáo hàng tuần, hàng tháng trong những tình huống đơn lẻ, nếu muốn thực sự xây dựng một "nhân viên số AI không ngừng nghỉ", chỉ dựa vào những điều này là chưa đủ. Chúng ta cần lập kế hoạch cho "nhà máy số AI" của riêng mình - làm rõ sản phẩm mà chúng ta muốn tạo ra là gì, là hệ thống lưu trữ kiến thức, là quy trình kinh doanh tự động hóa, hay là một dịch vụ có thể lặp đi lặp lại lâu dài. Trong nhà máy này, AI là người thực hiện trên dây chuyền sản xuất, nó chịu trách nhiệm cho việc chế biến và sản xuất cụ thể; trong khi vai trò của con người đã thay đổi, từ "công nhân làm việc trực tiếp" thành "người giám sát và quản lý". Con người không còn hoàn thành từng bước một cách thủ công, mà phải thiết kế dây chuyền, đặt ra quy tắc, xác định chỉ tiêu, giám sát chất lượng, và điều phối tài nguyên khi cần thiết. Nói cách khác, giá trị của AI không nằm ở việc thay chúng ta "làm một chút việc", mà ở việc giúp vận hành toàn bộ dây chuyền, và con người giống như "người quản lý của nhà máy số". Khi hai chiều này kết hợp lại, điểm chuyển mình thực sự xuất hiện. LLM không còn chỉ là một công cụ lạnh lùng, mà dần dần trở thành một đối tác có thể hợp tác lâu dài. Nó có thể đảm nhận công việc lặp đi lặp lại, cũng có thể cung cấp cái nhìn sâu sắc về các vấn đề phức tạp. Nó không chỉ là "giúp bạn làm việc", mà còn là "cùng bạn làm việc". Khoảng cách trong tương lai không nằm ở việc ai có thể viết Prompt đẹp hơn, mà ở việc ai có thể thực sự tích hợp LLM vào thời gian và tổ chức của mình, hình thành phương thức sản xuất ổn định. Do đó, việc có biết sử dụng, sử dụng đến mức độ nào, có thể tối ưu hóa liên tục hay không, mới là nguồn gốc của sức cạnh tranh lâu dài. Ai có thể vận hành AI thành "nhà máy", biến mình từ người thực hiện thành người giám sát và quản lý, người đó sẽ có được lợi thế thực sự có thể tái sử dụng và tích lũy trong công việc và kinh doanh hàng ngày trong tương lai.