Tuần trước em họ tôi nhắn lúc 8 giờ sáng: “Anh ơi, em được offer một vị trí product manager bên fintech, thứ Sáu này em phải reply. Em không biết fintech là gì, ngành nó có đang sốt không, lương vậy có okay không. Em có nguyên ngày hôm nay thôi, mai kia em đi công tác. Anh giúp em nghĩ với.”
Một quyết định lớn. Bốn giờ buổi sáng. Không có chuyên gia ngành nào để hỏi. Năm 2020 tôi sẽ bảo em mở Google, chuẩn bị 50 tab, đọc ba ngày rồi quay lại bàn. Năm 2026 tôi bảo em mở Perplexity Deep Research, gõ một prompt khoảng 200 chữ, đi pha cafe, mười phút sau quay lại đã có 15 trang tổng hợp kèm 40 citation. Buổi chiều em call tôi confirm đã reply nhận offer, kèm hai câu hỏi cô ấy sẽ negotiate. Em không trở thành chuyên gia fintech sau một buổi sáng, nhưng em có đủ khung để ra quyết định và không bị bán đứng.
Bài O nói về việc đó: “one-day research”. Bạn cần hiểu nhanh một chủ đề lạ để ra một quyết định lớn, có 4 đến 6 tiếng. Không phải làm luận văn, không cần đào tận đáy, chỉ cần đủ để quyết. Tôi viết bài này cho em họ, cho anh bạn đang phân vân đầu tư crypto, cho chị đồng nghiệp đang chọn trường cho con, và cho chính những lần tôi cũng chỉ có một buổi sáng để bớt mù trước khi nói “có” hoặc “không”.
Vì sao “one-day research” là một việc khác hẳn
Trước AI, research nhanh hoạt động kiểu này: bạn mở Google, gõ vài từ khoá, click 20 link, scan từng cái, copy đoạn đáng đọc vào Notion hay Notes, sau 3 tiếng có một file 5.000 chữ rời rạc, đầu vẫn không hệ thống. Tệ hơn, mỗi nguồn nói một kiểu, ai cũng có vẻ đúng, bạn không biết tin ai. Buổi chiều bạn ra quyết định trên cảm tính cộng với một đống fact không xếp được vào đâu.
Với AI Deep Research, quy trình ngược lại. Bạn dành 15 phút viết một prompt định nghĩa rõ “tôi cần ra quyết định gì, criteria nào, đã biết gì rồi”. AI tự đi đọc 30 đến 100 nguồn trong 5 đến 20 phút, tự cross-reference, trả lại một báo cáo có cấu trúc: tóm tắt, key facts có citation, các quan điểm trái chiều, câu hỏi còn mở. Bạn dành 1 đến 2 tiếng đọc kỹ báo cáo, click vào 5 đến 10 citation quan trọng để spot check, có thêm 1 đến 2 follow-up question cho AI. Buổi chiều bạn ra quyết định trên một khung có cấu trúc, không phải trên đống fact rời.
Khác biệt lớn nhất không phải tốc độ. Là cấu trúc. AI buộc câu hỏi của bạn vào một khung “có summary, có pros/cons, có open questions”. Nó không nhanh hơn Google nhiều khi chỉ tính phút đọc, nhưng nó tổ chức suy nghĩ giúp bạn. Và tổ chức suy nghĩ là phần khó nhất khi bạn đang gấp.
Tôi thường mở công cụ nào trước
Tính đến giữa 2026, tôi thấy bốn lựa chọn chính cho người không code. Đừng cố học hết. Lần đầu cứ mở Perplexity bản free, vì nó đủ nhanh để bạn thấy workflow này có hợp mình không.
ChatGPT Deep Research (gói Plus 20 đô trở lên, Pro 100 đô có quota lớn hơn) là cái lâu đời nhất, ra hồi đầu 2025. Bật bằng nút “Deep Research” trong ô chat. Mất 10 đến 30 phút mỗi query, trả về một báo cáo dài 5 đến 20 trang với 30 đến 80 citation. Mạnh ở topic kinh tế, business, công nghệ. Yếu ở topic Việt Nam local vì model ưu tiên nguồn tiếng Anh. Gói Plus chỉ có khoảng 10 lượt Deep Research mỗi tháng, tính cẩn thận trước khi bấm.
Perplexity Deep Research có cả bản free (5 lượt/ngày) và Pro (300 lượt/tháng, 20 đô/tháng hoặc 200 đô/năm). Tôi dùng nhiều nhất vì cái free đủ chạm cho phần lớn câu hỏi, và Perplexity show source ngay trong báo cáo, mỗi câu khẳng định gắn một citation cụ thể. Tốc độ nhanh hơn ChatGPT (3 đến 8 phút). Báo cáo ngắn hơn một chút (3 đến 10 trang) nhưng dày citation hơn. Đây là lựa chọn rẻ và đủ tốt cho hầu hết người không code.
Gemini Deep Research (gói Google AI Pro 20 đô hoặc Ultra 250 đô) tích hợp Google search native, nên topic nào Google đang index tốt thì Gemini làm rất khoẻ. Mạnh đặc biệt với academic paper, news mới, và topic có nhiều dữ liệu Wikipedia. Báo cáo dài (10 đến 30 trang), đôi khi quá dài. Yếu ở chỗ summary đầu báo cáo hay nói nước đôi, cần đọc kỹ.
Claude Projects với MCP web search là lựa chọn lai. Claude không có một nút “Deep Research” sang trọng như ba bạn kia, nhưng nếu bạn dùng Claude Pro và đã quen Projects, bạn bật MCP web search tool, paste vào prompt yêu cầu “đi search 10 đến 15 nguồn, tổng hợp lại”, Claude sẽ làm tương tự. Linh hoạt nhất vì bạn kiểm soát được nhiều bước, nhưng đòi hỏi bạn biết cách viết prompt rõ ràng hơn. Tôi dùng cách này khi cần research kết hợp với một file đã upload sẵn (PDF báo cáo, transcript phỏng vấn).
Lời khuyên ngắn: bắt đầu bằng Perplexity Deep Research bản free. Nếu thường xuyên hết quota hoặc cần báo cáo dài hơn, lên Perplexity Pro hoặc ChatGPT Plus. Đừng vội mua Pro 100 đô hay Ultra 250 đô trước khi biết mình thực sự dùng research kiểu này bao nhiêu lần mỗi tháng. Bài H trong series có phân tích chi tiết hơn về token, gói trả phí, có đáng tiền không.
Prompt tôi dùng khi không có thời gian vòng vo
Đây là phần ăn tiền nhất của bài. Bạn không gõ “tìm hiểu về fintech giúp tôi” rồi mong Deep Research tự hiểu. Nó sẽ trả về một báo cáo chung chung, lan man. Sau khoảng 50 lần dùng Deep Research các kiểu, tôi gần như luôn bắt đầu bằng bốn mảnh sau:
Phần 1: Decision tôi cần ra. Nói thẳng quyết định, không bóng bẩy. “Tôi cần quyết có nhận offer làm Product Manager tại một công ty fintech mảng cho vay tiêu dùng ở TP.HCM hay không, deadline thứ Sáu này”. “Tôi cần quyết có bỏ 500 triệu vào mua một căn hộ tại Bình Dương để cho thuê hay không trong 30 ngày tới”. Càng cụ thể về quyết định, AI càng biết đường focus.
Phần 2: Criteria của tôi. Liệt kê 3 đến 5 tiêu chí bạn dùng để đánh giá. “Tôi quan tâm: triển vọng ngành 3 năm tới, lương so với mặt bằng PM senior, văn hoá công ty mảng fintech, kỹ năng tôi cần học mới”. Hoặc với chuyện căn hộ: “Tôi quan tâm: yield cho thuê thực tế 2024-2026, thanh khoản khi cần bán, rủi ro pháp lý sổ hồng, chi phí quản lý từ xa”. AI không biết bạn quan tâm gì cho đến khi bạn nói.
Phần 3: What I already know. Đưa context bạn đã có để AI không lặp lại điều bạn đã biết. “Tôi đã làm PM mảng e-commerce 5 năm, lương hiện tại 60tr/tháng, đang ở TP.HCM, đã đọc qua bài Wikipedia về fintech ở mức rất bề mặt. Tôi chưa biết gì về regulation fintech ở VN”. Đoạn này quan trọng vì nó tiết kiệm vài trang AI giải thích những thứ bạn không cần.
Phần 4: What I want output. Mô tả format bạn muốn nhận về. “Trả lại cho tôi: (1) tóm tắt 3 đoạn về ngành fintech cho vay tiêu dùng VN 2026, (2) bảng so sánh ngành này với e-commerce trên các tiêu chí của tôi, (3) 3 câu hỏi tôi nên hỏi trong negotiation với HR, (4) danh sách các risk lớn nhất nếu vào ngành này”. Nếu không nói output, AI cho bạn cái nó muốn, thường lan man.
Cả prompt nên dài 150 đến 300 chữ. Ngắn hơn thì AI không có đủ context, dài hơn thì bạn đang tự viết essay thay vì để AI viết.
Khi viết xong prompt, đọc lại một lần. Nếu bạn xoá phần “Decision” và đưa cho một người bạn thông minh không biết bối cảnh, người đó có hiểu bạn đang muốn gì không? Nếu không, prompt còn rỗng. Bài D trong series có hướng dẫn chi tiết hơn về dạy AI bằng prompt, bài O này áp dụng nó cho research nên prompt phải rõ gấp đôi.
Tôi đọc báo cáo thế nào để không bị cuốn theo nó
Báo cáo Deep Research thường dài. Lần đầu nhận về 15 trang, tôi đọc một mạch từ đầu tới cuối rồi tưởng mình đã hiểu. Thật ra không. Tôi chỉ bị cuốn theo một bản văn rất trôi. Sau vài lần suýt tin nhầm, tôi đổi sang cách đọc theo bốn lớp.
Lớp 1: Summary đầu báo cáo (5 phút). Đọc kỹ đoạn tóm tắt. Đây là chỗ AI nén toàn bộ research thành 200 đến 500 chữ. Nếu summary đã làm bạn quyết được, không cần đọc tiếp. Lưu ý: summary cũng là chỗ AI dễ nói nước đôi nhất, kiểu “ngành có nhiều cơ hội nhưng cũng nhiều thách thức”. Khi gặp câu kiểu này, đọc tiếp lớp 2 để có fact cụ thể.
Lớp 2: Key facts có citation (15 phút). Đây là phần đáng tiền nhất của báo cáo. AI sẽ list các fact quan trọng kèm citation. Đọc từng cái, hỏi: con số này có cụ thể không, nguồn có đáng tin không, có bao nhiêu nguồn cùng nói thế. Một fact được 3 nguồn nói giống nhau thì độ tin cao. Một fact chỉ một nguồn, đặc biệt nguồn là blog cá nhân hoặc trang ít tên tuổi, nên đánh dấu để verify riêng.
Lớp 3: Conflicting views (5 phút). Báo cáo Deep Research tốt sẽ có phần “ý kiến trái chiều” hoặc “các quan điểm khác nhau”. Đọc kỹ, đây là chỗ realistic nhất. Nếu phần này quá ngắn hoặc không có, bạn đang đọc một báo cáo bị bias. Hỏi follow-up: “Cho tôi quan điểm phản biện mạnh nhất với kết luận trên”.
Lớp 4: Open questions cần verify (5 phút). Báo cáo nên có phần “câu hỏi còn mở” hoặc “thông tin chưa đủ”. Đây là bản đồ chỉ chỗ bạn cần đào sâu thêm bằng cách khác (hỏi người, đọc nguồn cụ thể, đợi dữ liệu mới). Nếu báo cáo nói “đã đủ thông tin, không có gì cần verify thêm”, nghi ngờ. Mọi research thật đều còn open questions.
Tổng cộng 30 phút cho lớp đọc đầu, cộng thêm 30 đến 60 phút verify, bạn đã có nền để quyết. Phần lớn người không code mất 3 đến 5 ngày cho cùng việc này.
Verify nguồn, AI có thể bịa và bạn không biết
Bài E trong series đã nói kỹ về hallucination, em phịa, tôi không lặp lại. Riêng trong Deep Research, có ba kiểu phịa đặc thù bạn cần để mắt.
Một, citation URL hợp lệ nhưng không có nội dung khớp. AI đưa link đến https://www.bloomberg.com/news/articles/2025-..., link mở được, bài có thật, nhưng nội dung bài không nói cái AI bảo nó nói. Đây là dạng tinh vi nhất, vì bạn click link, thấy mở được, tin luôn. Cách phát hiện: với 5 đến 10 citation quan trọng nhất (số liệu nóng, kết luận mạnh), click vào và Ctrl+F tìm con số hoặc câu chính. Nếu không thấy, AI đã suy diễn hoặc chiếu nhầm.
Hai, citation đến nguồn không có authority. AI cite một blog post cá nhân, một bài Reddit, hay một forum thảo luận, nhưng đóng gói lại như thể nó là dữ liệu chính thống. Trong khoảng 30 đến 80 citation, sẽ có ít nhất 5 đến 10 cái dạng này. Cách phát hiện: nhìn domain. bloomberg.com, wsj.com, reuters.com, tuoitre.vn, vnexpress.net, gso.gov.vn là một level. medium.com/some-random-user, quora.com, reddit.com/r/some-sub là level khác. Cả hai có thể đúng, nhưng level khác thì weight khác.
Ba, citation tới báo cáo trả phí mà AI không thật sự đọc. AI ghi “theo McKinsey 2024” hoặc “theo Statista 2025” nhưng báo cáo đó cần trả tiền mới đọc được. AI có thể đã đọc tóm tắt free, hoặc tệ hơn, chỉ thấy báo cáo đó tồn tại rồi đoán nội dung. Cách phát hiện: nếu một con số quan trọng chỉ được cite từ một báo cáo trả phí, đánh dấu “cần verify” và đừng dựa vào nó để ra quyết định lớn cho đến khi bạn (hoặc một người trong ngành) confirm.
Quy tắc thực dụng của tôi: với mỗi quyết định lớn, dành 30 phút spot check 5 đến 10 citation quan trọng nhất. Không phải tất cả. Chỉ những citation đỡ kết luận chính. Nếu 1 trong 5 sai, giảm trust toàn bộ báo cáo xuống một bậc.
Khi nào AI Deep Research miss (và bạn vẫn phải Google)
Sau một năm dùng Deep Research nhiều, tôi nhận ra ba khoảng AI vẫn miss đáng kể.
Một, thông tin VN local chi tiết. Giá cả thực tế (giá thuê căn hộ ở quận X, giá học phí trường Y, giá khám bệnh ở viện Z), regulation chi tiết (thông tư mới ra tháng trước), tin địa phương. AI ưu tiên nguồn tiếng Anh và những nguồn lớn, mảng VN local thường chỉ được index một phần. Phần này bạn phải tự Google bằng tiếng Việt, hỏi người quen, hoặc đi xem tận nơi.
Hai, tin tức tuần qua. Deep Research index có độ trễ, nhiều câu trả lời dựa trên data 2 đến 6 tháng tuổi. Với chủ đề thay đổi nhanh (crypto, AI startup, fintech regulation), tin tuần này AI thường chưa nắm. Khi research ngành đang động, kết hợp Deep Research cho khung cộng với Google News cho tin nóng tuần qua.
Ba, niche forum, group kín, knowledge ngầm. Phần lớn knowledge thật về một ngành nằm trong group Facebook 2.000 thành viên, trong Slack community, trong Reddit subreddit nhỏ. AI không access được những chỗ đó. Đây là lý do “hỏi một người trong ngành” vẫn quan trọng. Deep Research cho bạn nền 80%, 20% còn lại đến từ một cuộc trò chuyện 30 phút với người có kinh nghiệm thật. Đừng tin AI đến mức không hỏi người.
Hai mảng đầu, dùng AI cộng Google là đủ. Mảng ba, AI không thay được.
Khi không chắc, tôi chạy thêm một AI nữa
Một kỹ thuật rẻ và hiệu quả: chạy cùng prompt trên hai AI khác nhau, so sánh.
Cách tôi làm. Sáng có 4 tiếng. 15 phút đầu viết prompt theo khung 4 phần. Copy prompt, mở cùng lúc Perplexity Deep Research và ChatGPT Deep Research (hoặc Gemini Deep Research). Bấm chạy cả hai. Đi pha cafe, kiểm tra email khác. 15 đến 30 phút sau quay lại, có hai báo cáo.
So sánh kết luận chính của hai báo cáo. Ba khả năng.
Một, hai báo cáo nói giống nhau ở điểm chính. Độ tin cao. Có thể tin để quyết, vẫn spot check citation, nhưng không cần đào sâu.
Hai, hai báo cáo nói khác nhau ở vài chi tiết, giống nhau ở khung. Đây là trường hợp phổ biến nhất. Ghi lại các điểm khác, hỏi follow-up cho từng AI: “AI khác nói X, bạn nói Y, có data nào hỗ trợ Y mạnh hơn X không”. Đào sâu chỗ khác biệt là cách tốt nhất để hiểu sâu chủ đề.
Ba, hai báo cáo nói khác hẳn nhau ở kết luận chính. Dừng lại. Có ít nhất một bên đang bias hoặc thiếu data. Đây là dấu hiệu chủ đề có nhiều quan điểm trái chiều, AI không tự xử được. Bạn cần đào tay, hoặc hỏi chuyên gia, hoặc chấp nhận quyết định trong rủi ro cao.
Chi phí cho cross-check này: thêm 15 phút và một query quota của AI thứ hai. Đáng. Bài G trong series có nói về memory và projects, nếu bạn dùng Projects để lưu prompt mẫu của khung 4 phần, lần sau chỉ thay context là chạy được ngay.
Khi nào KHÔNG nên dùng AI research
Cuối bài, ba cảnh báo. Có ba loại quyết định mà AI Deep Research là công cụ phụ, không phải công cụ chính.
Y tế cá nhân. Bạn nghi mình có triệu chứng gì đó, bạn đang cân nhắc một thuốc, bạn đang quyết có làm phẫu thuật. AI có thể giải thích bệnh, cho khung câu hỏi, list các option, nhưng quyết định cuối cùng phải đến từ một bác sĩ đang nhìn bạn, đang nắm tiền sử của bạn, đang chịu trách nhiệm pháp lý. AI không nắm context cá nhân của bạn và không chịu trách nhiệm nếu sai. Bài R về sức khoẻ nói kỹ hơn cách dùng AI làm “trợ lý chuẩn bị câu hỏi”, không phải bác sĩ.
Pháp lý. Bạn đang ký một hợp đồng lớn, bạn đang vướng vào một vụ tranh chấp, bạn cần biết điều khoản nào trong luật áp dụng. Bài E đã nói: AI bịa luật, bịa điều khoản, bịa số nghị định. Câu chuyện Steven Schwartz và 1.300 vụ tương tự không phải đùa. Dùng AI để chuẩn bị câu hỏi cho luật sư, không dùng AI thay luật sư. Bài Y nói riêng về nhóm yêu cầu không nên giao cho AI.
Tài chính khuyến nghị cụ thể. AI có thể giải thích một asset class, so sánh quỹ, mô tả cơ chế. AI không nên đưa cho bạn lời khuyên “nên mua mã X bây giờ, target giá Y trong 6 tháng”. Lời khuyên đầu tư cụ thể đòi hỏi nắm portfolio bạn, rủi ro bạn chịu được, mục tiêu bạn, mức độ liquidity bạn cần. AI không có cái đó. Bài S sẽ đào sâu hơn.
Ba trường hợp trên, AI có thể chiếm 50% thời gian research (chuẩn bị, list câu hỏi, hiểu khung), nhưng quyết định cuối cùng phải có một người thật chịu trách nhiệm. Nguyên tắc đơn giản: nếu quyết định sai sẽ làm bạn mất sức khoẻ, mất tự do, hoặc mất nhiều tiền không lấy lại được, đừng để AI quyết một mình.
Thử với một quyết định thật
Nếu bạn chưa thử Deep Research bao giờ, đừng test bằng một đề tài giả kiểu “tìm hiểu về xe điện”. Chọn một quyết định thật bạn đang phải ra: đổi job, chọn trường cho con, mua nhà, đổi ngành, đầu tư một khoản tiền. Viết prompt theo bốn phần: quyết định, tiêu chí, thứ bạn đã biết, output bạn cần. Chạy một tool Deep Research, rồi spot check 5 citation quan trọng nhất trước khi tin kết luận. Nếu không có 30 phút verify, coi báo cáo là bản nháp, không phải câu trả lời.
Bài P chuyển sang phát triển kỹ năng mới cùng AI. Research giúp bạn hiểu một chủ đề trong một ngày; học skill mới là chuyện 30, 60, 90 ngày. Cách dùng AI ở đó rất khác.