Mở đầu — vì sao bài này quan trọng
Có một sự thật ít người nói thẳng: phần lớn các buổi brainstorm ý tưởng sản phẩm mà bạn từng tham gia đều... khá tệ. Không phải vì người tham gia thiếu thông minh, mà vì bản chất con người trong phòng họp luôn vướng những giới hạn rất khó vượt qua. Người nói to nhất thường lấn át (anchoring bias). Ý tưởng đầu tiên được nêu ra vô tình "đóng khung" mọi suy nghĩ sau đó. Ai cũng ngại nói ra ý tưởng nghe có vẻ ngớ ngẩn vì sợ bị đánh giá. Và sau 45 phút, cả nhóm mệt, rồi gật gù với một ý tưởng "tạm ổn" chứ không phải ý tưởng tốt nhất.
AI thay đổi cuộc chơi này — nhưng không theo cách bạn nghĩ. AI không "sáng tạo hơn con người". Điều AI làm xuất sắc là mở rộng không gian khả năng (solution space) trước khi bạn vội vàng thu hẹp nó. Nó tạo ra 50 góc nhìn trong 30 giây mà không biết mệt, không sợ bị chê, không bị ràng buộc bởi "cách mình luôn làm". Nó là một cỗ máy liên tưởng khổng lồ, đã đọc qua hàng triệu mô hình kinh doanh, sản phẩm và tình huống.
Với một PM, kỹ năng dùng AI để ý tưởng hóa (ideation) là một lợi thế cạnh tranh thực sự. Nó giúp bạn không bao giờ rơi vào trạng thái "bí ý tưởng", giúp bạn bước vào buổi họp với 30 hướng đi thay vì 3, và quan trọng nhất, giúp bạn tránh cái bẫy chết người của nghề PM: yêu ý tưởng đầu tiên của mình quá sớm. Bài học này tập trung hẹp và sâu vào việc dùng AI để phát ý tưởng sản phẩm — không phải để viết PRD (Bài 11), không phải để brainstorm tính năng AI (Bài 8), mà là giai đoạn divergent thinking: bung ý tưởng ra càng rộng càng tốt.
Khái niệm cốt lõi
Brainstorming là "divergent", không phải "convergent"
Quá trình sáng tạo có hai pha rạch ròi. Divergent (phân kỳ) là pha bung ra: tạo càng nhiều lựa chọn càng tốt, không phán xét. Convergent (hội tụ) là pha thu hẹp: đánh giá, lọc, chọn. Sai lầm lớn nhất của con người là trộn lẫn hai pha — vừa nghĩ ra ý tưởng đã vội chê nó dở. AI giúp bạn tách bạch hai pha này một cách kỷ luật: dùng AI để divergent hết cỡ, rồi mới chuyển sang convergent với tư duy phản biện.
Hãy ghi nhớ bốn "siêu năng lực" của AI trong ideation, vì cả bài này xoay quanh chúng:
1. Tạo nhiều lựa chọn (volume)
Con người mệt sau 10 ý tưởng. AI cho bạn 50 ý tưởng không chớp mắt. Volume quan trọng vì nghiên cứu sáng tạo cho thấy ý tưởng hay thường nằm ở "đuôi dài" — ý tưởng thứ 35 thường táo bạo hơn ý tưởng thứ 3. Khi bạn ép AI tạo số lượng lớn, nó buộc phải vượt qua những đáp án hiển nhiên.
2. Liên ngành — vay mượn từ ngành khác (cross-pollination)
Đây là nơi AI tỏa sáng nhất. Hầu hết đổi mới đột phá đến từ việc bê một mô hình từ ngành A sang ngành B. Netflix lấy mô hình thuê bao từ tạp chí áp vào DVD. Grab lấy mô hình "gọi xe theo nhu cầu" áp vào xe ôm Đông Nam Á. AI đã "đọc" qua vô số ngành, nên bạn có thể hỏi: "Ngành khách sạn giải quyết vấn đề no-show thế nào? Áp các cơ chế đó vào phòng khám nha khoa của tôi."
3. Đóng vai phản biện (devil's advocate)
AI sẵn sàng đóng vai "kẻ chỉ trích" mà không sợ làm mất lòng ai. Bạn có thể yêu cầu nó tấn công ý tưởng của mình một cách tàn nhẫn: tìm lý do thất bại, chỉ ra giả định ngầm sai, dự đoán đối thủ phản công ra sao. Điều này cực kỳ giá trị vì trong phòng họp, rất hiếm ai dám phản biện sếp một cách thẳng thắn.
4. Tái khung ràng buộc (constraint reframing)
Ràng buộc kích thích sáng tạo. AI giúp bạn thử nghiệm với ràng buộc: "Nếu ngân sách chỉ bằng 1/10, ý tưởng sẽ thay đổi thế nào?" hoặc "Nếu phải ra mắt trong 2 tuần thay vì 6 tháng?" Mỗi ràng buộc mới mở ra một nhánh ý tưởng hoàn toàn khác. Đây là kỹ thuật mà người ta gọi là "thinking inside a different box".
Vai trò của bạn không thay đổi
Một điều phải nói rõ: AI tạo ra nguyên liệu thô, không phải quyết định. Bạn — PM — vẫn là người phán xét, người hiểu context thị trường, người chịu trách nhiệm. AI giống một thực tập sinh siêu năng suất nhưng ngây thơ: nó cho bạn 50 ý tưởng, trong đó 40 ý vô dụng, 8 ý tầm thường, nhưng 2 ý có thể là vàng. Việc của bạn là biết phân biệt.
Tình huống thực tế
Ví dụ 1: Startup giao đồ ăn ở TP.HCM bị kẹt với bài toán giờ thấp điểm
Một startup giao đồ ăn giả định tên NhanhNgon ở TP.HCM gặp vấn đề kinh điển: khung 14h–17h chiều đơn hàng tụt xuống chỉ còn 15% so với giờ cao điểm, nhưng vẫn phải duy trì đội tài xế. Đội ngũ đã brainstorm theo kiểu cũ và chỉ ra được ba ý tưởng nhàm chán: giảm giá giờ thấp điểm, đẩy quảng cáo, gửi push notification.
PM quyết định dùng AI với kỹ thuật cross-pollination. Prompt đại loại: "Ngành nào khác cũng có vấn đề 'công suất nhàn rỗi vào giờ thấp điểm'? Liệt kê 8 ngành và cách họ xử lý, rồi đề xuất cách áp dụng vào dịch vụ giao đồ ăn." AI trả về: hàng không (bán vé last-minute giá rẻ), khách sạn (dynamic pricing theo lấp đầy phòng), rạp chiếu phim (suất chiếu sáng giá rẻ cho người về hưu), phòng gym (gói off-peak), Uber (surge pricing ngược).
Từ gợi ý của ngành khách sạn và rạp phim, đội ngũ phát triển một ý tưởng mới: gói "Bữa xế văn phòng" — combo trà chiều giá cố định 39.000đ, đặt trước theo nhóm cho các toà nhà văn phòng, giao cố định lúc 15h. Tài xế được gom đơn theo cụm toà nhà nên chi phí giao trên mỗi đơn giảm 40%. Sau 6 tuần thử nghiệm ở quận 1, đơn giờ thấp điểm tăng từ 15% lên 34% so với giờ cao điểm.
Bài học: AI không nghĩ ra "Bữa xế văn phòng" — con người làm điều đó. Nhưng AI đã mở ra cánh cửa cross-pollination mà nếu chỉ ngồi trong phòng họp, đội ngũ đã không bao giờ liên tưởng tới khách sạn hay rạp phim.
Ví dụ 2: Fintech và bài toán onboarding — dùng AI làm devil's advocate
Một công ty fintech giả định tên VíMinh chuẩn bị ra mắt tính năng "đầu tư tự động" (round-up: làm tròn mỗi giao dịch và đầu tư phần lẻ). Cả đội đang rất hào hứng, ai cũng tin chắc đây là "killer feature". PM thông minh dừng lại và làm điều ngược đời: thay vì brainstorm thêm tính năng, anh dùng AI để tấn công ý tưởng.
Prompt: "Đóng vai một nhà đầu tư hoài nghi và một chuyên gia chống gian lận. Hãy liệt kê 10 lý do khiến tính năng round-up đầu tư tự động này thất bại ở thị trường Việt Nam, và 5 rủi ro tuân thủ pháp lý." AI chỉ ra những điểm đội ngũ đã bỏ qua: thói quen tiết kiệm bằng tiền mặt và vàng của người Việt khiến "round-up" kém hấp dẫn; số tiền lẻ quá nhỏ (vài nghìn đồng) khiến người dùng không cảm nhận được giá trị; rủi ro về giấy phép tư vấn đầu tư; nỗi sợ "tiền tự động bị trừ" trong văn hóa cảnh giác cao với app tài chính.
Nhờ vòng phản biện này, đội ngũ tái thiết kế: thay vì đầu tư tự động ngầm, họ chuyển sang mô hình "hũ tiết kiệm mục tiêu" minh bạch, người dùng tự đặt mục tiêu (ví dụ "iPhone mới") và thấy rõ tiến độ. Tỷ lệ kích hoạt cao gấp 3 lần so với bản round-up trong thử nghiệm A/B.
Bài học: Dùng AI làm devil's advocate trước khi xây giúp bạn tiết kiệm hàng tháng trời. Một buổi "AI tấn công ý tưởng" 30 phút có thể đáng giá hơn cả tháng phát triển sai hướng.
Ví dụ 3: PM ed-tech và kỹ thuật tái khung ràng buộc
Một PM tại công ty ed-tech giả định HọcCùng muốn tăng tỷ lệ hoàn thành khóa học (đang chỉ 12%). Buổi brainstorm thường kết thúc ở những ý tưởng tốn kém: gamification phức tạp, AI tutor, video chất lượng cao. PM dùng AI với kỹ thuật constraint reframing, lần lượt áp các ràng buộc khác nhau:
"Nếu chúng tôi không được phép thêm BẤT KỲ tính năng nào trong app, chỉ được thay đổi cách giao tiếp ngoài app, làm sao tăng hoàn thành khóa học?" — AI gợi ý: nhóm học qua Zalo, một học viên "đồng hành" gọi điện nhắc nhở, cam kết công khai với bạn bè.
"Nếu ngân sách bằng 0 và phải triển khai trong 1 tuần?" — AI gợi ý: email tóm tắt tiến độ hàng tuần, badge chia sẻ lên mạng xã hội, "streak" đơn giản qua tin nhắn.
Đội ngũ chọn thử nghiệm mô hình "nhóm học Zalo có host" — gom 20 học viên vào một nhóm Zalo, có một mentor nhắc bài 2 lần/tuần. Chi phí gần như bằng 0, triển khai trong 10 ngày. Tỷ lệ hoàn thành của nhóm thử nghiệm tăng từ 12% lên 41%.
Bài học: Ràng buộc "ngân sách bằng 0" buộc AI (và con người) bỏ qua những giải pháp đắt tiền hiển nhiên để tìm đòn bẩy hành vi rẻ mà mạnh. Việt Nam có những kênh như Zalo mà AI có thể chưa biết rõ — đó là lúc bạn bổ sung context để hướng dẫn nó.
Hướng dẫn từng bước
Đây là quy trình ideation với AI mà bạn có thể áp dụng ngay cho buổi brainstorm tiếp theo.
Bước 1 — Đóng khung bài toán, không đóng khung giải pháp. Trước khi mở AI, viết rõ vấn đề dưới dạng câu hỏi "Làm thế nào để chúng ta...?" (How might we...?). Ví dụ: "Làm thế nào để tăng tỷ lệ quay lại của người dùng tuần 2?" Càng cụ thể về vấn đề, ideation càng sắc. Tránh viết sẵn giải pháp trong câu hỏi.
Bước 2 — Nạp context cho AI. Cho AI biết: sản phẩm là gì, đối tượng người dùng, thị trường (Việt Nam? Đông Nam Á?), ràng buộc hiện có, và những gì ĐÃ thử mà thất bại. Context tốt là khác biệt giữa 50 ý tưởng chung chung và 50 ý tưởng sát sườn.
Bước 3 — Pha volume: ép số lượng. Yêu cầu rõ ràng: "Tạo 30 ý tưởng, đừng tự kiểm duyệt, bao gồm cả ý tưởng nghe có vẻ điên rồ." Số lượng lớn buộc AI vượt qua đáp án hiển nhiên. Đừng dừng ở lần trả lời đầu — nói "tiếp tục, cho thêm 20 ý nữa, lần này táo bạo hơn".
Bước 4 — Pha cross-pollination. Hỏi: "Những ngành nào khác cũng đối mặt với vấn đề tương tự? Họ giải quyết ra sao? Áp vào sản phẩm của tôi như thế nào?" Đây thường là nguồn ra ý tưởng đột phá nhất.
Bước 5 — Pha constraint reframing. Lần lượt áp các ràng buộc giả định: ngân sách 1/10, thời gian 1/4, không được thêm tính năng, phải hoạt động offline, phải dành cho người dùng 60 tuổi... Mỗi ràng buộc là một nhánh ý tưởng mới.
Bước 6 — Pha devil's advocate. Lấy 3–5 ý tưởng triển vọng nhất, yêu cầu AI tấn công không thương tiếc: lý do thất bại, giả định sai, rủi ro pháp lý/văn hóa. Đây là cây cầu chuyển từ divergent sang convergent.
Bước 7 — Hội tụ bằng đầu óc con người. AI dừng ở đây. Bạn lọc, gom cụm ý tưởng tương tự, chấm điểm theo tiêu chí (impact vs effort, mức độ phù hợp chiến lược), và chọn 2–3 ý để mang ra thảo luận với team hoặc đưa vào thử nghiệm.
Lỗi thường gặp & mẹo
Lỗi 1 — Hội tụ quá sớm. Người ta hay vớ lấy ý tưởng đầu tiên AI đưa ra rồi dừng. Đó chính là cái bẫy mà AI lẽ ra phải giúp bạn tránh. Hãy ép volume trước, đánh giá sau.
Lỗi 2 — Context nghèo nàn. Hỏi "cho tôi ý tưởng tăng trưởng" sẽ nhận về những ý tưởng sách giáo khoa nhạt nhẽo. Càng cho nhiều bối cảnh thật (số liệu, đặc thù người dùng Việt, cái đã thử), ý tưởng càng giá trị.
Lỗi 3 — Tin AI mù quáng về thị trường địa phương. AI có thể không nắm rõ hành vi người dùng Việt Nam, vai trò của Zalo, thói quen dùng tiền mặt, hay tâm lý vùng miền. Luôn lọc ý tưởng AI qua hiểu biết thực địa của bạn.
Lỗi 4 — Nhầm "nghe hay" với "khả thi". AI rất giỏi tạo ý tưởng nghe mượt mà nhưng vô lý về mặt vận hành. Đây là lý do bước devil's advocate quan trọng.
Mẹo — Dùng nhiều "persona" cho AI. Yêu cầu AI brainstorm dưới góc nhìn của nhiều nhân vật: một CFO keo kiệt, một growth hacker liều lĩnh, một designer ám ảnh trải nghiệm, một người dùng 55 tuổi ở nông thôn. Mỗi persona cho ra một bộ ý tưởng khác hẳn.
Mẹo — Lưu lại "prompt library" ideation của riêng bạn. Sau vài lần, bạn sẽ có bộ prompt vàng. Lưu lại để dùng cho mọi buổi brainstorm sau.
Mẹo — AI là khởi đầu, không phải kết thúc. Mang ý tưởng AI vào buổi họp team như "nguyên liệu mồi" để kích thích thảo luận, đừng trình bày như đáp án cuối cùng.
Bài tập thực hành
Chọn một vấn đề sản phẩm thật mà bạn đang đối mặt (hoặc một sản phẩm bạn quen thuộc). Thực hiện đầy đủ quy trình 7 bước với một công cụ AI bất kỳ:
- Viết bài toán dưới dạng "How might we...?" và nạp context đầy đủ (đối tượng, thị trường, cái đã thử).
- Ép AI tạo tối thiểu 40 ý tưởng qua nhiều lượt, mỗi lượt yêu cầu "táo bạo hơn".
- Chạy ít nhất một vòng cross-pollination với 5 ngành khác nhau và một vòng constraint reframing với 3 ràng buộc khác nhau.
- Chọn 3 ý tưởng triển vọng, yêu cầu AI làm devil's advocate tấn công từng ý.
- Tự tay (không dùng AI) gom cụm và chấm điểm theo ma trận impact/effort, chọn 1 ý để biến thành giả thuyết thử nghiệm.
Tóm tắt
AI không thay thế khả năng sáng tạo của bạn — nó khuếch đại nó bằng cách mở rộng không gian giải pháp trước khi bạn vội thu hẹp. Bốn siêu năng lực cốt lõi cần nhớ: tạo nhiều lựa chọn (volume), vay mượn liên ngành (cross-pollination), đóng vai phản biện (devil's advocate), và tái khung ràng buộc (constraint reframing).
Kỷ luật quan trọng nhất là tách bạch hai pha: dùng AI để bung ý tưởng hết cỡ ở pha divergent, rồi mới chuyển sang con người phán xét ở pha convergent. Lỗi chết người nhất là yêu ý tưởng đầu tiên quá sớm. Ba ví dụ — NhanhNgon, VíMinh, HọcCùng — cho thấy ý tưởng đột phá hiếm khi đến từ chính AI, mà đến từ việc con người biết dùng AI để khơi mở những liên tưởng và phản biện mà phòng họp truyền thống không bao giờ chạm tới.
Hãy nhớ: AI cho bạn 50 ý tưởng, nhưng việc nhận ra 2 ý là vàng — đó vẫn là nghề của PM. Context thị trường, hiểu biết người dùng Việt, và trách nhiệm quyết định luôn thuộc về bạn.