Mở đầu — vì sao bài này quan trọng
Mỗi quý, hàng triệu PM trên thế giới lại bước vào một nghi thức quen thuộc và đầy đau khổ: viết OKR. Bạn ngồi trước trang giấy trắng (hoặc một file Google Docs trống), cố nghĩ ra một Objective nghe thật truyền cảm hứng, rồi vật lộn để gắn vào đó vài Key Results "đo lường được". Kết quả thường rơi vào một trong hai thái cực: hoặc là những OKR sáo rỗng kiểu "Trở thành sản phẩm số 1 thị trường", hoặc là một danh sách task trá hình đội lốt Key Results kiểu "Launch tính năng X". Cả hai đều vô dụng.
Đây chính là chỗ AI tỏ ra cực kỳ hữu ích — nhưng theo một cách khác với những gì bạn tưởng. AI không giỏi tự nghĩ ra mục tiêu cho công ty bạn (nó không biết bối cảnh kinh doanh, không biết áp lực từ ban lãnh đạo, không biết khách hàng của bạn đang phàn nàn gì). Nhưng AI cực kỳ giỏi đóng vai "người phản biện cấu trúc" và "máy phát ý tưởng số liệu" — hai thứ mà PM hay bị kẹt nhất khi viết OKR.
Trong bài này, chúng ta sẽ học cách dùng AI như một trợ lý draft OKR thực thụ: biến một mục tiêu mơ hồ trong đầu thành bộ OKR sắc bén, có thể đo lường, và quan trọng nhất là sống sót qua buổi review với sếp. Lưu ý: bài này chỉ tập trung vào việc soạn thảo (drafting) OKR — phần lập kế hoạch roadmap đã có bài riêng, nên ở đây ta đào sâu đúng vào nghệ thuật và quy trình viết Objective và Key Results.
Khái niệm cốt lõi
OKR refresher — ôn lại nhanh
Trước khi để AI giúp, bạn phải nắm chắc khung này, nếu không AI sẽ kéo bạn đi lạc.
- Objective (Mục tiêu): định tính, truyền cảm hứng, trả lời câu hỏi "Chúng ta muốn đi đâu?". Một Objective tốt khiến cả team thấy hào hứng và hiểu được trong một câu. Nó không chứa con số. Ví dụ: "Biến trải nghiệm thanh toán thành lý do khách hàng quay lại".
- Key Results (Kết quả then chốt): 3–5 cái cho mỗi Objective, định lượng, đo lường được, trả lời câu hỏi "Làm sao biết ta đã đến nơi?". Mỗi KR phải có con số xuất phát (baseline) và con số mục tiêu (target). Ví dụ: "Tăng tỷ lệ thanh toán thành công từ 82% lên 94%".
Ba lỗi cấu trúc mà AI giúp bạn bắt được
Chỗ PM hay vật lộn nhất không phải là "viết chữ" mà là phân biệt các khái niệm dễ lẫn. Đây là nơi AI tỏa sáng vì nó kiểm tra cấu trúc rất nhất quán:
- KR bị nhầm thành task (output thay vì outcome). "Ra mắt app mới" là một việc bạn làm, không phải kết quả bạn đạt. Outcome thật là "30% người dùng cũ chuyển sang app mới trong 60 ngày". AI rất giỏi phát hiện những KR bắt đầu bằng động từ "làm", "xây", "ra mắt", "triển khai".
- Objective bị nhồi số. "Tăng doanh thu 20%" không phải Objective, nó là một KR đứng lạc chỗ. AI giúp tách phần cảm hứng (Objective) ra khỏi phần đo lường (KR).
- KR không có baseline. "Tăng tỷ lệ giữ chân người dùng" nghe thì ổn nhưng tăng từ đâu lên đâu? Nếu không biết hiện tại là 40% hay 70% thì target hoàn toàn vô nghĩa. AI sẽ luôn nhắc bạn điền baseline nếu bạn dạy nó làm vậy.
AI giúp ở đâu trong quy trình OKR
Hãy hiểu rõ AI giúp ở đâu để không kỳ vọng sai:
- Brainstorm Key Results: bạn có Objective rồi nhưng bí ý tưởng đo lường — AI gợi ý 8–10 cách đo, bạn chọn 3–4.
- Phản biện / stress-test: dán OKR đã viết, yêu cầu AI đóng vai sếp khó tính chỉ ra điểm yếu.
- Cân chỉnh độ tham vọng: AI giúp bạn nhận ra KR nào quá dễ (sandbagging) hoặc quá ảo (moonshot không khả thi).
- Chuẩn hóa ngôn ngữ: viết lại cho gọn, nhất quán, đo lường được.
Tình huống thực tế
Tình huống 1: Startup fintech Việt — Objective hay nhưng KR toàn là task
Một PM tại một ví điện tử Việt Nam (gọi là VietPay) cần viết OKR quý 3 cho mảng onboarding người dùng mới. Bản nháp đầu của anh trông thế này:
- Objective: Cải thiện onboarding người dùng mới.
- KR1: Thiết kế lại màn hình đăng ký.
- KR2: Tích hợp eKYC mới.
- KR3: Viết 5 bài hướng dẫn.
AI trả về phân tích sắc bén: cả ba KR đều là task. Nó đề xuất:
- Objective viết lại: "Biến lần đầu mở app thành trải nghiệm mượt khiến người dùng tin tưởng VietPay ngay từ phút đầu."
- KR1: Giảm tỷ lệ bỏ cuộc khi đăng ký từ 45% xuống 25%.
- KR2: Tăng tỷ lệ hoàn thành eKYC trong lần thử đầu từ 60% lên 80%.
- KR3: Đưa thời gian trung bình từ tải app đến giao dịch đầu tiên từ 11 phút xuống 6 phút.
Tình huống 2: Đội Growth của một sàn TMĐT Đông Nam Á — KR quá tham vọng, mất uy tín
Một team Growth tại một sàn thương mại điện tử khu vực (kiểu Shopee/Lazada thu nhỏ) đặt KR: "Tăng GMV (tổng giá trị giao dịch) của mảng grocery từ 2 triệu USD/tháng lên 10 triệu USD/tháng trong một quý." Lead PM cảm thấy con số này hơi ảo nhưng không chắc.
Cô dùng AI theo cách thông minh: "Đây là KR của tôi. Lịch sử: quý trước GMV grocery tăng từ 1.5 lên 2 triệu USD, tức +33%. Ngân sách marketing quý này tăng 40%, không thêm headcount. Hỏi: target 10 triệu (×5) có thực tế không? Nếu không, đề xuất khoảng target hợp lý theo kịch bản conservative / realistic / ambitious và nêu giả định."
AI phản hồi: nhân 5 trong một quý gần như bất khả thi nếu chỉ tăng 40% ngân sách, vì tăng trưởng GMV thường không tuyến tính với chi marketing. Nó đề xuất:
- Conservative: 3 triệu USD (+50%)
- Realistic: 3.8 triệu USD (+90%)
- Ambitious (stretch): 4.5 triệu USD (+125%)
Bài học: nếu họ giữ target 10 triệu, cuối quý đạt 3.6 triệu nghĩa là "chỉ hoàn thành 36%" — một thất bại trên giấy tờ dù thực tế tăng trưởng rất mạnh. AI ở đây đóng vai một "người kiểm tra độ thực tế" dựa trên dữ liệu lịch sử bạn cung cấp. Lưu ý quan trọng: AI chỉ tính được vì PM đã đưa baseline và ràng buộc. Nếu bạn chỉ hỏi "10 triệu có hợp lý không?" mà không cho context, câu trả lời sẽ vô giá trị.
Tình huống 3: PM giải pháp B2B — Objective sáo rỗng, không truyền cảm hứng
Một PM tại một công ty SaaS B2B viết phần mềm quản lý nhân sự cho doanh nghiệp Việt. Objective đầu của anh: "Cải thiện mức độ hài lòng của khách hàng." Nghe đúng nhưng nhạt như nước ốc, cả team đọc xong không thấy gì.
Anh prompt: "Objective này quá chung chung. Hãy viết lại thành 5 phiên bản truyền cảm hứng hơn, cụ thể cho bối cảnh: khách hàng B2B là các phòng HR doanh nghiệp 200–500 nhân viên, nỗi đau lớn nhất của họ là chấm công và tính lương cuối tháng tốn 3 ngày làm thủ công. Giữ Objective định tính, không nhồi số."
AI đưa 5 phương án, trong đó team chọn: "Biến ngày chốt lương cuối tháng từ cơn ác mộng 3 ngày thành công việc một buổi sáng nhẹ nhàng." Cả team lập tức hiểu và thấy có động lực, vì nó chạm đúng nỗi đau thật của khách hàng.
Bài học: AI rất giỏi biến ngôn ngữ trừu tượng thành hình ảnh cụ thể, miễn là bạn cung cấp nỗi đau thật của người dùng. Một Objective tốt phải khiến người đọc cảm được, và đây là việc viết lách — đúng sở trường của AI.
Hướng dẫn từng bước
Đây là quy trình 6 bước để draft một bộ OKR với AI. Bạn nên làm trong một phiên chat duy nhất để AI giữ ngữ cảnh.
Bước 1 — Nạp ngữ cảnh trước, đừng vội hỏi OKR. Mở đầu bằng việc cung cấp: sản phẩm là gì, người dùng là ai, mục tiêu chiến lược quý này của công ty, các con số hiện tại (baseline) quan trọng, và ràng buộc nguồn lực. Càng giàu context, OKR càng sắc.
> Prompt mẫu: "Tôi là PM mảng [X]. Sản phẩm là [mô tả]. Người dùng là [ai]. Mục tiêu công ty quý này: [Y]. Các số hiện tại: [liệt kê metric + baseline]. Ràng buộc: [ngân sách, người]. Hãy ghi nhận, chưa cần trả lời gì."
Bước 2 — Cùng AI chốt Objective (1–3 cái). Đưa hướng bạn muốn, yêu cầu AI viết 3–5 phương án Objective định tính, truyền cảm hứng, không chứa số. Chọn và tinh chỉnh.
Bước 3 — Brainstorm Key Results. Với mỗi Objective, yêu cầu AI đề xuất 8–10 KR tiềm năng dạng outcome, mỗi cái kèm metric và yêu cầu để chỗ trống baseline/target. Quan trọng: "Mỗi KR phải là kết quả, không phải task. Đánh dấu cái nào cần dữ liệu baseline."
Bước 4 — Lọc còn 3–5 KR và điền số. Bạn (không phải AI) chọn KR phản ánh đúng thành công và bạn kiểm soát được. Điền baseline thật và đặt target.
Bước 5 — Stress-test bằng AI đóng vai phản biện. Đây là bước nhiều người bỏ qua nhưng giá trị nhất.
> Prompt mẫu: "Hãy đóng vai một VP Product khó tính. Phản biện bộ OKR này: KR nào thực chất là task? KR nào không kiểm soát được? Target nào quá dễ hoặc quá ảo? Có Objective nào trùng lặp hay thiếu cái gì quan trọng không?"
Bước 6 — Kiểm tra độ tham vọng và viết lại lần cuối. Hỏi AI phân loại mỗi KR theo conservative/realistic/ambitious dựa trên baseline, rồi chốt bản cuối gọn gàng để mang đi review.
Lỗi thường gặp & mẹo
Lỗi 1 — Để AI tự nghĩ Objective khi chưa nạp context. Bạn sẽ nhận về những OKR generic kiểu sách giáo khoa, dùng được cho bất kỳ công ty nào, nghĩa là chẳng dùng được cho công ty nào. Mẹo: luôn dành 5 phút nạp bối cảnh trước.
Lỗi 2 — Tin con số AI tự bịa. Nếu bạn không đưa baseline, AI sẽ "đoán" một con số nghe hợp lý (ví dụ "tăng lên 95%"). Con số đó hoàn toàn vô căn cứ. Mẹo: mọi target phải xuất phát từ baseline thật của bạn; AI chỉ giúp đề xuất khoảng dựa trên dữ liệu bạn cấp. (Việc cảnh giác AI bịa số trùng với kỹ năng phát hiện hallucination — luôn đặt câu hỏi "số này từ đâu ra?".)
Lỗi 3 — Quá nhiều KR. AI rất hào phóng, nó sẽ vui vẻ cho bạn 9 KR. Nhưng OKR có 9 KR là OKR không có ưu tiên. Mẹo: ép giới hạn cứng 3–5 KR và bắt AI giải thích tại sao chọn từng cái.
Lỗi 4 — Lẫn OKR cá nhân/team với OKR công ty. AI không tự biết ranh giới này. Mẹo: nói rõ "đây là OKR cấp team product, phải gắn với Objective công ty là [...]" để tránh OKR lạc tầng.
Lỗi 5 — KR đo cái dễ đo thay vì cái quan trọng. AI hay đề xuất những metric dễ lấy như "số lượt click". Mẹo: luôn hỏi lại "KR này có thật sự phản ánh giá trị cho người dùng/kinh doanh không, hay chỉ là vanity metric?".
Mẹo vàng: Sau khi có bản OKR, hãy yêu cầu AI làm một việc cuối: "Với mỗi KR, viết một câu giải thích nếu đạt được thì điều tốt gì xảy ra cho khách hàng hoặc doanh nghiệp." Nếu câu trả lời nghe nhạt nhẽo, KR đó có vấn đề.
Bài tập thực hành
Hãy chọn một mảng sản phẩm bạn đang phụ trách (hoặc giả định một startup Việt bất kỳ: app giao đồ ăn, ví điện tử, sàn TMĐT...). Sau đó:
- Nạp context cho AI: viết một đoạn mô tả sản phẩm, người dùng, mục tiêu công ty quý này, và ít nhất 3 metric kèm baseline thật/giả định hợp lý.
- Draft 1 Objective + 5 KR ứng viên với AI, rồi tự tay lọc còn 3 KR. Ghi rõ baseline và target cho từng cái.
- Stress-test: yêu cầu AI đóng vai VP Product phản biện. Chép lại 3 điểm yếu nghiêm trọng nhất nó tìm ra và sửa.
- Kiểm tra tham vọng: bắt AI phân loại 3 KR của bạn thành conservative / realistic / ambitious dựa trên baseline. Bạn có đồng ý không? Vì sao?
- Tự kiểm bằng tay: với mỗi KR, tự hỏi 3 câu — (a) Đây là outcome hay task? (b) Có baseline không? (c) Nếu đạt thì khách hàng được lợi gì? Viết câu trả lời ra giấy.
Tóm tắt
OKR drafting là một trong những tác vụ mà AI hỗ trợ PM hiệu quả nhất — nhưng chỉ khi bạn dùng đúng vai trò. AI không phải người đặt mục tiêu cho công ty bạn; nó là trợ lý phản biện cấu trúc, máy phát ý tưởng Key Results, và biên tập viên ngôn ngữ truyền cảm hứng.
Những điều cốt lõi cần nhớ: Objective định tính và truyền cảm hứng, không chứa số; Key Results định lượng, 3–5 cái, luôn có baseline; AI rất giỏi bắt lỗi "task đội lốt KR" và lỗi "Objective nhồi số"; và mọi con số target phải bắt nguồn từ dữ liệu thật của bạn, không phải số AI tự đoán. Quy trình 6 bước — nạp context, chốt Objective, brainstorm KR, lọc và điền số, stress-test bằng AI phản biện, kiểm tra tham vọng — sẽ biến trang giấy trắng đáng sợ thành bộ OKR sắc bén trong chưa đến một giờ. Cuối cùng, hãy nhớ: AI soạn nháp, nhưng quyết định ưu tiên và cam kết nguồn lực vẫn là việc của bạn — người PM.