Marketer với kỷ nguyên AI: Làm Nhanh, Nghĩ Chậm
Hơn một nửa người tiêu dùng tin rằng mình nhận ra được nội dung do AI tạo ra, nhưng khi thử “xem và nhận diện” với loạt video trong nghiên cứu, chưa đến một phần mười thực sự làm được điều đó.
Theo một khảo sát năm nay của Meltwater và YouGov, 58% người tiêu dùng tự tin rằng mình nhận diện được nội dung AI.[1] Trong khi đó, thử nghiệm của Runway cho thấy chỉ 9,5% người xem phân biệt được video AI với video thật một cách đáng tin cậy.[2]
Thú thật, tôi nghĩ mình cũng nằm trong số 58% đó.
Khi đặt hai con số này cạnh nhau một lần nữa, tôi thấy hình như chúng nói về một chuyện lớn hơn cả việc nhận diện AI: trong thời đại này, khoảng cách giữa cảm giác mình biết và điều mình thực sự biết đang nới rộng ra. Tôi dùng AI gần như mỗi ngày từ cuối 2022, và làm marketing đủ lâu để thấy khoảng cách ấy ở hầu như mọi ngõ ngách của nghề: cách chúng ta học, cách khách hàng nhìn thương hiệu, cách một đội ngũ vận hành, và sắp tới là cách chúng ta giao việc cho các công cụ AI.
Đầu tiên là về cách chúng ta học.
Một bạn marketer mới ra trường, không có người dẫn dắt, không biết hỏi ai về đo lường hiệu quả hay định giá, giờ có thể hỏi AI lúc 11 giờ đêm và nhận về một câu trả lời tử tế. Mười năm trước, muốn có câu trả lời đó có khi phải đi làm vài năm, hoặc may mắn quen đúng người. Ở một góc khác, nếu trước đây thước đo của tôi cho các vị trí performance marketer thường là cách họ thiết lập đo lường, thì ngày nay, AI không chỉ dạy họ cách làm điều đó mà còn có thể thay luôn họ xử lý cả việc theo dõi và tối ưu đo lường.
Nhưng cũng chính công cụ tuyệt vời ấy lại tạo ra một thứ khó nhận ra hơn sự thiếu hiểu biết: cảm giác đã hiểu.
Một nghiên cứu của Đại học Aalto (Phần Lan) cho thấy người dùng ChatGPT làm bài tốt hơn khoảng ba điểm, nhưng lại tự chấm mình cao hơn thực tế gần bốn điểm. Thêm một điều nữa khiến tôi giật mình là: nhóm tự nhận am hiểu AI lại là nhóm đánh giá sai về bản thân nhiều nhất.[3]
Tâm lý học có một khái niệm giải thích khá rõ sự “ảo tưởng” này: hiệu ứng trôi chảy.[4] Bộ não của loài người có một lối tắt rất kỳ lạ: cái gì nghe mạch lạc, tự tin, đúng cấu trúc thì dễ được coi là đúng. Lối tắt này từng khá đáng tin, vì muốn viết trôi chảy về một chủ đề, người ta thường phải hiểu nó. Các mô hình LLM hiện tại, theo đúng thiết kế của chúng, liên tục dự đoán từ có khả năng xuất hiện cao nhất tiếp theo dựa trên ngữ cảnh trước đó, nên câu chữ luôn trôi chảy. Điều này đã cắt đứt mối liên hệ tương đối chính xác trước đây giữa “đúng” và “trôi chảy”, trong khi rõ ràng là bộ não chúng ta chưa thể tiến hóa kịp. Giờ ai cũng có thể cầm trong tay một văn bản trôi chảy về điều mình chưa từng nghĩ kỹ, nhưng lại tự tin rằng mình đã cầm được “Chân lý”.
Trong nghề marketing, tôi đã nhìn thấy những hệ quả và hậu quả rất cụ thể. Một bản chiến lược 30 trang, đủ mô hình, đủ số liệu, giờ có thể hoàn thành trong một buổi chiều. Người duyệt đã lăn lộn thực chiến nhiều năm có thể vẫn nhận ra nhiều lỗ hổng, vì họ từng thấy những kế hoạch đẹp lung linh trên giấy sụp đổ ra sao ngoài thị trường. Nhưng với người duyệt ít va chạm hơn, bản chiến lược ấy trông chẳng khác gì sản phẩm của một người trong nghề mười năm. Còn người “đồng sáng tạo” ra bản chiến lược đó thì khó tự nhận ra nhất, vì chính họ cũng tin vào nó.
Mà như chúng ta đều biết, cái giá của một chiến lược sai thường đến muộn. Nó không thất bại ngay từ ngày đầu tiên mà âm thầm tiêu hao ngân sách của bạn trong ba tháng hoặc lâu hơn rồi mới dần lộ ra.
Nghiên cứu của Aalto còn ghi nhận: phần lớn người tham gia hiếm khi hỏi AI quá một câu cho mỗi vấn đề, cũng không kiểm tra lại.[3] Nhưng tôi nghĩ hỏi thêm vẫn chưa đủ, vì AI có thể trả lời câu thứ hai trôi chảy y như câu thứ nhất. Thứ chúng ta cần rèn là kỹ năng kiểm chứng: con số này từ đâu ra, nguồn gốc có đáng tin không, có nguồn nào nói điều ngược lại, còn phương án nào khác không, và nếu kết luận này sai thì ai chịu trách nhiệm… Hãy tự hỏi mình "Mười vạn câu hỏi vì sao", bạn nhé!
Trong ngành tài chính mà tôi thường làm việc, mọi người hay nói vui là chẳng có nhà đầu tư kinh nghiệm nào xuống tiền chỉ vì một bài phân tích hay hoặc một lời khuyên nghe có vẻ đúng cả. Họ đối chiếu báo cáo tài chính, tìm thêm cả những yếu tố ngoài báo cáo, kiểm tra thêm các nguồn thông tin phi chính thống để tự phản biện… rồi mới ra quyết định. Ai cũng có phương pháp riêng, nhưng quy tắc chung là phải có tư duy phản biện. Tôi nghĩ ở thì hiện tại, bất kỳ ai làm marketing cũng nên trang bị, hoặc liên tục nâng cấp cho mình tư duy ấy ở mức độ ngày càng cao hơn.
AI nên giúp ta đọc nhanh hơn, xử lý công việc nhanh hơn. Nhưng nó không nên, và cũng không thể thay ta quyết định nên tin điều gì.
Điểm thứ hai mà tôi nghĩ chúng ta cũng nên suy nghĩ trong kỷ nguyên AI này là khoảng cách giữa cảm giác và thực tế ở phía khách hàng.
Ai dùng AI đủ lâu đều hình thành một dạng phản xạ "nhìn là biết AI". Câu chữ tròn quá, hình ảnh bóng quá, phông chữ quen quen, bố cục trùng lặp… Mà một khi bạn nhận ra rồi thì sẽ thấy khó chịu, dù nội dung có thể chưa chắc đã tệ. Người tiêu dùng của chúng ta cũng vậy: khảo sát Gartner công bố tháng 3/2026 cho thấy một nửa người tiêu dùng Mỹ muốn chọn những thương hiệu không sử dụng AI tạo sinh trong quảng cáo và truyền thông. [5]
Nhưng quay lại hai con số tôi có nhắc ở đầu bài một chút nhé. Nếu phần lớn không thực sự nhận ra được cái gì là do AI làm, thì thứ người ta phản đối không hẳn là AI.
Người ta chỉ phản đối người sử dụng AI bị lộ.
Ngành sinh học có lý thuyết tín hiệu tốn kém: con công mang cái đuôi nặng nề để chứng minh nó đủ khỏe để gánh được sự lãng phí ấy. Ngành quảng cáo của chúng ta, ở một mức độ nào đó, cũng có cách vận hành như vậy. Một thước phim được đầu tư kỹ không chỉ nói "sản phẩm tốt", mà còn ngầm nói "chúng tôi đủ nghiêm túc để bỏ công vì bạn". AI giảm chi phí đó, điều mà nhiều người làm quản lý vẫn mơ ước, nhưng cũng xóa luôn tín hiệu ấy. Khi khán giả nhận ra một quảng cáo làm bằng AI, điều họ thấy nhiều khi không phải "thương hiệu này hiện đại", mà là "thương hiệu này tiết kiệm công với mình".
Coca-Cola là một trong những ví dụ đáng chú ý nhất gần đây. Hai năm làm quảng cáo Giáng sinh bằng AI là hai năm liền thương hiệu bị người tiêu dùng phản đối và than phiền. Người tiêu dùng, đặc biệt là những người dùng trung thành và yêu mến thương hiệu, không quan tâm đến việc giám đốc marketing của hãng cho biết cách làm này rẻ và nhanh hơn, rút ngắn thời gian chuẩn bị từ một năm xuống khoảng một tháng.[6] Họ chỉ quan tâm rằng thương hiệu đã dùng AI đúng vào khoảnh khắc khán giả chờ đợi hơi ấm con người nhất, và ở khoảnh khắc ấy, sự tiết kiệm chỉ có thể hiểu là sự thiếu quan tâm.[7]
Vậy chúng ta nên dùng AI ở đâu? Câu trả lời “đúng” có lẽ còn ở khá xa chúng ta, vì thực tế mà nói, AI tiến bộ nhanh quá. Cứ vài tháng lại có một model mới, nhanh hơn, mạnh hơn, làm việc tốt hơn. Thực sự là cập nhật thôi đã khá mệt mỏi rồi. Nhưng với bối cảnh cuối năm 2026, tôi nghĩ có lẽ đã đến lúc chúng ta thay đổi cả quy trình làm nghề.
Hiện nay, ở các đơn vị “chính thống” mà tôi có dịp làm việc, tư vấn, quan sát, cách phổ biến để đưa AI vào công việc marketing là giữ nguyên quy trình cũ, rồi dùng AI để làm từng bước nhanh hơn. Kết quả thường là nhiều "thành phẩm" hơn, nhưng chất lượng thường chẳng tốt hơn bao nhiêu. Đó còn chưa kể tới việc "chúng ta" đang tạo ra rất nhiều rác AI. Vì vậy, theo tôi, đã đến lúc chúng ta thay đổi cả quy trình làm việc trong một kỷ nguyên cùng công cụ mới: AI.
Quy trình truyền thống thường là một đường thẳng: lên brief, sản xuất, duyệt, phát hành, đo lường. Mỗi bước tốn kém nên chúng ta phải cẩn trọng, và vì cẩn trọng nên mỗi chiến dịch chỉ thử được vài phương án. Khi chi phí sản xuất đang giảm nhanh, tôi thấy tư duy marketing tăng trưởng (Growth Marketing) ngày càng phổ biến: làm nhiều phương án, thả nhỏ, xem thị trường phản ứng, rồi dồn lực vào cái thắng.
Khi ai cũng làm ra được một trăm phương án, người giỏi là người biết bỏ đi 97 cái để chọn ba cái thực sự “thắng”. Gu thẩm mỹ, óc phán đoán, sự can đảm để nói "không" trở thành năng lực cốt lõi, chứ không nên chỉ là “nice to have” với các vị trí quản lý, đặc biệt là quản lý cấp cao.
Theo báo cáo khác, State of AI in Marketing 2026 của Jasper, tỷ lệ marketer chứng minh được hiệu quả đầu tư của AI chỉ còn 41%, giảm từ 49% năm trước, dù mức độ sử dụng tăng mạnh.[8] Con số này là một dấu hiệu chỉ ra rằng nhiều đội nhóm đang quan tâm tới cái dễ đo là làm được bao nhiêu dự án, thay vì cái đáng đo là độ ảnh hưởng (impact) mà những "dự án ứng dụng AI" mang lại.
Nếu mọi bước đều nhanh và rẻ, chỗ nào buộc phải chậm lại? Theo tôi, có ba chỗ: lúc định nghĩa vấn đề ở đầu, lúc kiểm duyệt ở giữa, và lúc đo lường ở cuối.
Theo tôi, bước tiếp theo của nghề thực ra đã bắt đầu: rất nhiều marketer không còn đơn thuần “chat với AI”, mà còn để AI làm việc trực tiếp trên dữ liệu và hệ thống thật. Cánh cửa ấy vừa được mở thêm một chút nữa. Google mở kết nối chính thức vào tài khoản quảng cáo từ tháng 10/2025 và chỉ cho AI đọc.[9] Mùa xuân năm nay, Meta và TikTok đi xa hơn một bước, cho AI tạm dừng quảng cáo, đổi ngân sách và tạo chiến dịch ngay trong khung chat.[10] Hai khẩu vị rủi ro đến từ những công ty hiểu quảng cáo nhất thế giới hé lộ cho chúng ta một sự thật là: ngay cả họ cũng chưa chắc nên trao quyền cho AI tới đâu.
Gartner cũng đưa ra một dự báo đáng chú ý khác: hơn 40% dự án AI tự hành sẽ bị hủy bỏ trước cuối năm 2027, vì chi phí leo thang, giá trị không rõ, hoặc kiểm soát rủi ro không đủ.[11]
Bộ phận marketing đặc biệt nhạy cảm ở đây, vì ít có bên nào vừa cầm tiền thật, vừa nói chuyện trực tiếp với công chúng, vừa nắm dữ liệu khách hàng như vậy. Một AI chạy sai có thể đốt ngân sách trong một đêm, đăng một thông điệp không được kiểm soát lên kênh chính thức, hoặc nặng nề hơn là để lộ dữ liệu. Phần được có thể chỉ là vài phần trăm hiệu suất. Phần mất có thể là cả thương hiệu mà doanh nghiệp đã gây dựng nhiều năm.
Năm 2025, một AI lập trình của Replit trong 1 dự án cá nhân đã xóa cơ sở dữ liệu đang vận hành, dù người dùng đã dặn đóng băng mọi thay đổi.[12] Điều đáng sợ là lệnh kiểm soát chỉ nằm trong lời dặn, và một lệnh cấm chỉ nằm ở đó thì với AI chỉ là lời đề nghị. Việc bạn viết "không được tiêu quá 50 triệu" vào yêu cầu gửi AI không phải là kiểm soát. Đó là lời nhờ vả. Kiểm soát thật phải nằm ngoài AI, ở tầng hệ thống, nơi nó không thể tự thuyết phục mình vượt qua.
Đa số các chuyên gia mà tôi gặp cho rằng bảo mật và quản trị rủi ro cho AI trong marketing là bài toán chưa ai có đáp án hoàn chỉnh, kể cả các nền tảng lớn. Trong lúc chờ đợi, tôi nghĩ chúng ta hãy tự phản tư một chút, xem mình đang trao cho AI quyền đến nấc nào: chỉ đọc dữ liệu, được đề xuất, được hành động sau khi có người duyệt, hay tự chủ trong một giới hạn cứng. Với phần lớn doanh nghiệp năm nay, hai nấc đầu là đủ và nên làm ngay. Nấc thứ ba dành cho vài việc được chọn kỹ. Nấc cuối thì tôi nghĩ chưa tới lúc, trừ khi ta chấp nhận được kịch bản xấu nhất của nó.
Nassim Taleb, tác giả nổi tiếng với Black Swan hay Antifragile, có khái niệm chiến lược "quả tạ": dồn phần lớn nguồn lực vào vùng thật an toàn, một phần nhỏ cho thử nghiệm mà mức mất tối đa đã biết trước, và tránh vùng ở giữa, nơi rủi ro trông vừa phải nhưng thực ra không ai kiểm soát được. Với AI trong marketing, vùng ở giữa ấy thật ra rất quen thuộc: rủi ro chính là để AI làm gương mặt thương hiệu ở những khoảnh khắc cảm xúc, hoặc giao quyền hành động mà rào chắn chỉ là một câu dặn dò.
Vậy người làm marketing nên chuẩn bị gì nữa?
Đầu tiên, tôi nghĩ là bên cạnh tư duy phản biện, chúng ta phải mài giũa thêm tư duy nguyên bản (first-principles thinking). Về bản chất, AI suy luận bằng phép so sánh: nó trả về điều phổ biến nhất trong những gì đã được viết ra, tức là "best practice" của số đông. Tư duy nguyên bản thì ngược lại: bóc vấn đề đến những gì chắc chắn đúng, rồi dựng lại lời giải từ đó. Thay vì "đối thủ đang chạy KOL nên mình cũng chạy", câu hỏi là khách hàng thực sự ra quyết định dựa trên điều gì, và điều nào trong đó mình đang chỉ giả định. AI càng giỏi, người dùng AI càng dễ rơi vào cái bẫy "làm giống số đông".
Điều thứ hai mà tôi muốn gửi gắm ngay từ đầu chính là tiêu đề bài viết này. Daniel Kahneman, trong cuốn sách kinh điển "Tư duy nhanh và chậm", cho rằng nhiều sai lầm trong phán đoán đến từ việc dùng trực giác nhanh cho những quyết định cần cân nhắc chậm. AI khiến những sai lầm dạng này dễ xảy ra hơn bao giờ hết. Hãy để AI làm việc "nhanh", còn con người giữ phần nghĩ chậm, ở đúng ba chỗ: định nghĩa vấn đề, kiểm duyệt và đo lường.
Có lẽ chỉ vài năm nữa, không ai còn phân biệt được đâu là nội dung do AI tạo ra nữa. Nhưng khách hàng vẫn sẽ dễ dàng phân biệt được thương hiệu nào thực sự hiểu họ. Và chính vì thế, người làm marketing chúng ta càng phải biết lúc nào cần nghĩ chậm lại.
Nguồn trích dẫn
[1] Meltwater & YouGov: Trust in the Age of Generative AI (4/2026)
[2] Runway Research: The Turing Reel (1/2026)
[3] Fernandes et al. (2026), AI makes you smarter but none the wiser, Computers in Human Behavior; thông cáo của Aalto University trên EurekAlert (10/2025)
[4] Alter & Oppenheimer (2009), Uniting the Tribes of Fluency to Form a Metacognitive Nation, Personality and Social Psychology Review
[5] Gartner: 50% of Consumers Prefer Brands That Avoid Using GenAI in Consumer-Facing Content (3/2026)
[6] Wall Street Journal, phỏng vấn Manolo Arroyo (11/2025); MediaPost: What Marketers Can Learn From Backlash To Coke AI Ads (11/2025)
[7] The Cool Down: Coca-Cola sparks backlash after new details about controversial holiday ad emerge (11/2025); Marketing AI Institute: Coca-Cola Doubles Down on AI Holiday Ad Amid Fresh Backlash (11/2025)
[8] Jasper: State of AI in Marketing 2026 (1/2026)
[9] Google Ads Developer Blog: Open Source Google Ads API MCP Server (10/2025)
[10] Meta for Business: Meta Ads AI Connectors (4/2026); Digiday: TikTok launches MCP server to let AI agents run campaigns (5/2026)
[11] Gartner: Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 (6/2025)
[12] AI Incident Database #1152: Replit