Bối cảnh & vấn đề của bạn
Một ngày điển hình của Product Manager (PM): 30 tab đang mở, Jira đầy ticket, Slack nổ liên tục, đối tác hỏi roadmap, sếp hỏi số liệu, dev hỏi acceptance criteria. Bạn dành 60-70% thời gian cho việc tổng hợp, viết lại, copy-paste giữa các công cụ — thay vì suy nghĩ về sản phẩm. Đây chính là chỗ AI giúp bạn nhiều nhất: không phải để "nghĩ hộ", mà để xử lý phần cơ học lặp đi lặp lại.
"PM Copilot" là một hệ thống cá nhân gồm các prompt mẫu, quy trình chuẩn và (ở mức nâng cao) các agent tự động, giúp bạn chuyển từ "làm thủ công từng bước" sang "ra lệnh và duyệt kết quả".
Agent Stack gồm những lớp nào
Hãy hình dung Copilot của bạn theo 4 lớp:
- Nguồn dữ liệu (Sources): Google Docs/Notion (PRD, spec), analytics (GA4, Amplitude, Metabase), Jira/Linear (ticket), Slack/email (feedback, quyết định).
- Bộ não (LLM): ChatGPT/Claude/Gemini — nơi bạn viết prompt.
- Kết nối (Connectors): cách đưa dữ liệu vào LLM — dán tay, export CSV, hoặc dùng tích hợp/agent (Zapier, Make, MCP, custom GPT).
- Tác vụ (Workflows): những việc lặp bạn muốn tự động — viết PRD, tóm tắt feedback, dựng release note, chuẩn bị standup.
Ví dụ cụ thể
Tình huống: sếp nhắn lúc 16h "sáng mai họp review, gửi anh tóm tắt tình hình feature Thanh toán". Bạn có 3 nguồn: 12 comment Slack, 8 ticket Jira, 1 doc PRD. Thay vì đọc thủ công 40 phút, bạn dán cả 3 vào LLM với prompt dưới đây và có bản nháp trong 2 phút.
Prompt mẫu (đánh giá năng lực Copilot của bạn)
Bạn là trợ lý cho Product Manager. Tôi sẽ dán dữ liệu thô từ nhiều
nguồn (Slack, Jira, PRD). Nhiệm vụ:
1. Tóm tắt tình hình feature "Thanh toán" trong 5 gạch đầu dòng.
2. Nêu 3 rủi ro/blocker đang tồn tại, kèm nguồn (ticket nào, ai nói).
3. Đề xuất 3 câu hỏi tôi nên hỏi trong buổi review.
Quy tắc: CHỈ dùng thông tin tôi cung cấp. Nếu thiếu dữ liệu để kết
luận, ghi rõ "chưa đủ dữ liệu" thay vì suy đoán.
[DÁN DỮ LIỆU Ở ĐÂY]
Các bước triển khai (tuần đầu tiên)
- Liệt kê 5 tác vụ lặp ngốn thời gian nhất trong tuần của bạn (ví dụ: viết ticket, tóm tắt họp, trả lời câu hỏi lặp về sản phẩm).
- Chọn 1 LLM chính và tạo tài khoản (khuyến nghị bản trả phí để có cửa sổ ngữ cảnh lớn).
- Tạo một tài liệu "Prompt Library" (Google Doc/Notion) để lưu prompt tái dùng.
- Chọn tác vụ đau nhất làm thí điểm cho tuần này.
- Đặt quy tắc dữ liệu: dữ liệu nào tuyệt đối không đưa lên AI (xem "Sai lầm thường gặp").
Template tái dùng: "Copilot Task Card"
TÁC VỤ: <tên việc lặp>
NGUỒN DỮ LIỆU: <Slack / Jira / Docs / Analytics>
ĐẦU RA MONG MUỐN: <định dạng: bảng / bullet / draft ticket>
TẦN SUẤT: <hằng ngày / mỗi sprint / theo yêu cầu>
PROMPT MẪU: <link tới Prompt Library>
MỨC TỰ ĐỘNG: <thủ công / bán tự động / agent>
RỦI RO DỮ LIỆU: <có PII? có số liệu mật?>
Sai lầm thường gặp
- Đưa dữ liệu nhạy cảm lên AI công cộng. Doanh thu chi tiết, dữ liệu khách hàng có PII (tên, email, số điện thoại), hợp đồng NDA — không dán lên bản miễn phí/công cộng. Cách AI gây hại: dữ liệu có thể bị dùng để huấn luyện hoặc rò rỉ. Hãy ẩn danh trước, hoặc dùng bản doanh nghiệp có cam kết không huấn luyện.
- Tin tuyệt đối vào output (ảo giác). LLM có thể bịa số liệu, bịa tên ticket, bịa "quyết định" chưa từng có. Luôn yêu cầu trích nguồn và tự kiểm chứng số liệu quan trọng.
- Tự động hóa quá sớm. Đừng dựng agent phức tạp khi chưa chuẩn hóa được prompt thủ công. Tự động hóa một quy trình còn lỗi = nhân bản lỗi.
- Phụ thuộc quá mức. Nếu bạn để AI viết toàn bộ PRD mà không đọc lại, bạn mất khả năng phán đoán sản phẩm — thứ không ai thuê AI thay bạn được.
Chốt bài
Copilot không thay bạn ra quyết định; nó dọn dẹp phần cơ học để bạn có thời gian ra quyết định tốt hơn. Bài sau: dùng AI để viết PRD/spec nhanh và chắc.