Mở đầu — vì sao bài này quan trọng
Nếu bạn gõ "AI tools for product managers" lên Google ngay lúc này, bạn sẽ nhận về hàng trăm danh sách "top 50 công cụ AI cho PM". Vấn đề không phải là thiếu công cụ — vấn đề là quá nhiều, và phần lớn các bài viết đó chỉ liệt kê tên gọi mà không cho bạn một bản đồ tư duy để hiểu chúng quan hệ với nhau ra sao.
Là một PM năm 2026, bạn không cần thuộc lòng tên 200 sản phẩm AI. Bạn cần một thứ quan trọng hơn: khả năng phân loại một công cụ mới ngay khi nghe tên nó. Khi sếp ném vào group chat một bài viết về "công cụ X mới ra mắt", bạn cần trả lời được trong 30 giây: "À, cái này thuộc nhóm Z, nó cạnh tranh với công cụ Y mà team mình đang dùng, và nó giải quyết bài toán này." Đó mới là năng lực thật của một PM hiểu về AI tooling.
Bài học này không cố gắng liệt kê đầy đủ mọi công cụ — điều đó là bất khả thi và vô nghĩa vì landscape thay đổi mỗi tháng. Thay vào đó, chúng ta sẽ xây dựng một bản đồ phân loại (taxonomy) gồm các nhóm công cụ chính, hiểu logic phân biệt giữa chúng, và biết cách định vị bản thân trong hệ sinh thái đó. Các bài khác trong khóa sẽ đi sâu vào cách chọn model cụ thể (Bài 12) hay cách thiết kế stack năng suất cá nhân (Bài 14) — còn bài này là tấm bản đồ tổng quan giúp bạn không bị lạc.
Khái niệm cốt lõi
Hãy hình dung AI tool landscape như một bản đồ thành phố. Có những "quận" lớn, mỗi quận phục vụ một mục đích khác nhau. Tôi đề xuất bạn ghi nhớ 5 nhóm chính sau đây.
Nhóm 1 — General-purpose LLM (mô hình ngôn ngữ đa năng)
Đây là các "trợ lý vạn năng" — bạn trò chuyện trực tiếp, hỏi gì cũng được. Ba cái tên thống trị năm 2026:
- ChatGPT (OpenAI): Sản phẩm mass-market phổ biến nhất, hệ sinh thái plugin và GPTs rộng, tích hợp tốt với Microsoft. Mạnh ở khả năng đa năng và độ phổ cập — đồng nghiệp của bạn nhiều khả năng đã quen dùng nó.
- Claude (Anthropic): Nổi bật ở khả năng viết dài, đọc tài liệu lớn (context window rất rộng), văn phong tự nhiên và bám hướng dẫn tốt. Rất hợp cho PM phải xử lý PRD, tổng hợp nghiên cứu, soạn tài liệu dài.
- Gemini (Google): Gắn chặt với hệ sinh thái Google Workspace (Docs, Sheets, Meet), mạnh về dữ liệu thời gian thực và đa phương thức (multimodal — xử lý cả ảnh, video).
Nhóm 2 — Embedded AI / Copilot trong công cụ sẵn có
Đây là AI được nhúng thẳng vào các phần mềm bạn đã dùng hàng ngày, thay vì là một ứng dụng riêng. PM năm 2026 thường dùng nhóm này nhiều nhất mà không nhận ra.
- Notion AI, Coda AI: Viết và tóm tắt ngay trong wiki/tài liệu của team.
- Figma AI, FigJam AI: Hỗ trợ thiết kế và brainstorm trực quan.
- Jira / Linear với AI: Tự sinh ticket, tóm tắt sprint, gợi ý ưu tiên.
- GitHub Copilot: Dù dành cho dev, PM cũng dùng để đọc hiểu pull request.
Nhóm 3 — Vertical AI (công cụ AI chuyên một nghiệp vụ)
Đây là các sản phẩm sinh ra để giải một bài toán PM rất cụ thể, được tinh chỉnh sâu cho nghiệp vụ đó:
- User research: Dovetail, Maze, Dscout — phân tích phỏng vấn, tổng hợp insight.
- Product analytics: Amplitude, Mixpanel, PostHog với lớp AI hỏi-đáp bằng ngôn ngữ tự nhiên.
- Feedback synthesis: Productboard, Enterpret — gom hàng nghìn phản hồi khách hàng thành chủ đề.
- Meeting / notes: Otter, Fireflies, Fathom — ghi và tóm tắt cuộc họp.
Nhóm 4 — Build-it-yourself / Custom layer (tự xây)
Khi nhu cầu của bạn đặc thù, bạn tự lắp ráp:
- Custom GPTs, Claude Projects: Tự tạo trợ lý có "trí nhớ" và hướng dẫn riêng cho quy trình của bạn.
- No-code automation: Zapier, Make, n8n nối các bước AI lại với nhau.
- API trực tiếp: Khi cần tích hợp sâu vào hệ thống nội bộ.
Nhóm 5 — Generative media (tạo nội dung hình/video/giọng)
- Hình ảnh: Midjourney, DALL-E, Ideogram — tạo mockup, minh họa.
- Video: Runway, Synthesia, HeyGen — tạo demo sản phẩm, video hướng dẫn.
- Giọng nói: ElevenLabs — lồng tiếng đa ngôn ngữ.
Trục phân biệt then chốt
Khi gặp một công cụ mới, hãy đặt nó lên hai trục:
- Trục Đa năng ↔ Chuyên biệt: Nó giải mọi việc (Nhóm 1) hay một việc duy nhất (Nhóm 3)?
- Trục Mua sẵn ↔ Tự xây: Bạn trả tiền dùng ngay (Nhóm 2, 3) hay tự lắp ráp (Nhóm 4)?
Tình huống thực tế
Ví dụ 1 — Tiki và "cơn lũ công cụ" trong team product
Giả định một team product 8 người tại một sàn TMĐT lớn ở Việt Nam (lấy bối cảnh kiểu Tiki). Đầu 2026, mỗi PM tự đăng ký một mớ công cụ AI khác nhau: người thì ChatGPT Plus, người Claude Pro, người mua Dovetail, người dùng Notion AI. Tổng chi phí công cụ AI lên tới khoảng 28 triệu đồng/tháng, nhưng khi Head of Product hỏi "chúng ta đang dùng cái gì và để làm gì", không ai trả lời mạch lạc được.
Diễn giải: Vấn đề ở đây không phải công cụ tệ, mà là thiếu bản đồ phân loại. Khi Head of Product ngồi xuống và xếp toàn bộ công cụ vào 5 nhóm, chị nhận ra team đang trả tiền cho ba công cụ trùng vai trò trong Nhóm 1 (general LLM) trong khi gần như không khai thác Nhóm 2 (AI nhúng trong Jira/Notion vốn đã trả phí). Sau khi gộp về một general LLM dùng chung và tận dụng tối đa AI nhúng, chi phí giảm còn 16 triệu đồng/tháng mà năng suất không đổi.
Bài học: Bản đồ phân loại không chỉ là kiến thức lý thuyết — nó là công cụ ra quyết định ngân sách. Bạn không thể tối ưu thứ bạn không phân loại được.
Ví dụ 2 — PM ở một startup fintech chọn sai nhóm công cụ
Một PM tại startup fintech ở Singapore cần tổng hợp 1.200 phản hồi khách hàng từ App Store và ticket support để chuẩn bị cho buổi roadmap quý. Bạn ấy quyết định "dùng AI cho nhanh" và dán từng cụm phản hồi vào ChatGPT (Nhóm 1, general LLM). Sau hai ngày copy-paste mệt mỏi, kết quả rời rạc, không theo dõi được chủ đề nào đang tăng, không gắn được phản hồi với phiên bản app.
Một PM khác trong team gợi ý dùng Enterpret (Nhóm 3, vertical AI cho feedback synthesis). Công cụ này tự kéo dữ liệu từ App Store và support tool, tự gom thành chủ đề có gắn nhãn theo thời gian. Việc trước đó tốn 2 ngày giờ còn 2 giờ, và quan trọng hơn là có dashboard theo dõi xu hướng liên tục.
Diễn giải: General LLM là con dao Thụy Sĩ — làm được mọi thứ ở mức khá. Nhưng khi một nghiệp vụ lặp lại thường xuyên và có khối lượng dữ liệu lớn, vertical tool (Nhóm 3) gần như luôn thắng về cả thời gian lẫn chất lượng.
Bài học: Đừng mặc định "có ChatGPT là đủ". Hãy hỏi: việc này tôi làm một lần hay làm lặp lại mỗi tuần? Nếu lặp lại và nặng dữ liệu, hãy cân nhắc vertical tool.
Ví dụ 3 — Solo PM tự xây trợ lý riêng
Anh Minh, PM duy nhất tại một startup edtech ở Hà Nội (giả định), không có ngân sách mua nhiều vertical tool. Anh giải bài toán bằng Nhóm 4: tạo một Claude Project riêng nạp sẵn template PRD của công ty, brand voice, và các quyết định sản phẩm cũ. Mỗi khi viết spec mới, trợ lý này đã "hiểu" bối cảnh mà không cần nhắc lại. Anh nối thêm Zapier để mỗi phản hồi mới trên form khảo sát tự được tóm tắt và đẩy vào Notion.
Diễn giải: Với nguồn lực hạn chế — bối cảnh rất phổ biến của PM Việt Nam ở startup nhỏ — Nhóm 4 cho phép bạn có được trải nghiệm "vertical tool" tự may đo với chi phí gần như chỉ là một subscription general LLM.
Bài học: Khi không đủ tiền mua công cụ chuyên biệt, hãy nhớ rằng bạn có thể tự lắp ráp lớp tùy biến của riêng mình. Đây là lợi thế lớn của PM năm 2026.
Hướng dẫn từng bước
Đây là quy trình để bạn tự lập bản đồ AI tooling cho công việc của mình:
- Liệt kê các "việc lặp lại" trong tuần làm việc. Viết ra 8–12 đầu việc bạn làm thường xuyên: viết PRD, tổng hợp research, đọc analytics, soạn email stakeholder, ghi chú họp... Đây là danh sách "nhu cầu" của bạn.
- Gắn mỗi đầu việc với một nhóm công cụ. Với từng việc, hỏi hai câu trục phân biệt: đa năng hay chuyên biệt? mua sẵn hay tự xây? Việc viết PRD thường rơi vào Nhóm 1 hoặc Nhóm 4; tổng hợp 1.000 phản hồi rơi vào Nhóm 3.
- Kiểm kê công cụ team đã trả phí. Trước khi mua mới, rà soát Nhóm 2 — rất có thể Jira, Notion, Figma của bạn đã có AI nhúng mà chưa ai bật lên. Đây là "tiền đang nằm trên bàn".
- Chọn một general LLM làm trục chính. Đừng để mỗi người một loại. Chọn một (Bài 12 sẽ giúp bạn so sánh Claude vs ChatGPT vs Gemini) làm mặc định cho team để dễ chia sẻ prompt và quy trình.
- Chỉ mua vertical tool khi có lý do định lượng. Quy tắc của tôi: chỉ mua công cụ Nhóm 3 khi nó tiết kiệm tối thiểu 4–5 giờ/tuần hoặc giải bài toán mà general LLM làm rõ ràng tệ.
- Ghi lại bản đồ thành một trang. Một bảng đơn giản: cột "đầu việc", cột "công cụ đang dùng", cột "nhóm", cột "chi phí". Cập nhật mỗi quý. Đây chính là tài sản giúp bạn trả lời sếp trong 30 giây.
Lỗi thường gặp & mẹo
Lỗi 1 — Sưu tầm công cụ vì FOMO. Mỗi tuần có công cụ mới hot, và PM dễ rơi vào bẫy đăng ký tất cả. Mẹo: trước khi thử công cụ mới, bắt nó phải trả lời được "nó thuộc nhóm nào và thay thế cái gì tôi đang dùng?". Nếu chỉ trùng lặp, bỏ qua.
Lỗi 2 — Nhầm tưởng general LLM giải được mọi việc. Như Ví dụ 2, dùng ChatGPT để xử lý hàng nghìn dòng dữ liệu lặp đi lặp lại là sai công cụ. Mẹo: dữ liệu lớn + lặp lại = nghĩ đến vertical tool.
Lỗi 3 — Bỏ quên AI nhúng (Nhóm 2). Nhiều PM trả tiền mua công cụ mới trong khi tính năng AI họ cần đã có sẵn trong Notion/Jira/Figma. Mẹo: mỗi quý dành 1 giờ "khám phá" các tính năng AI mới trong những phần mềm bạn đã trả phí.
Lỗi 4 — Đánh giá công cụ theo lời quảng cáo, không theo nhu cầu. Một công cụ "đoạt giải" không có nghĩa nó hợp với bạn. Mẹo: luôn bắt đầu từ danh sách "việc lặp lại" của chính bạn, không bắt đầu từ danh sách công cụ.
Lỗi 5 — Quên yếu tố dữ liệu nhạy cảm và chi phí. Khi xếp công cụ vào bản đồ, hãy thêm cờ "dữ liệu nhạy cảm?" — đặc biệt với fintech, y tế. Đây là điểm sẽ được đào sâu ở các bài về guardrails và cost management trong khóa.
Mẹo tổng: Landscape thay đổi nhanh, nhưng các nhóm thì ổn định. Bạn không cần chạy theo từng sản phẩm; chỉ cần giữ vững bản đồ 5 nhóm và 2 trục phân biệt, mọi công cụ mới sẽ tự rơi vào đúng ô.
Bài tập thực hành
- Lập bản đồ cá nhân: Viết ra 10 đầu việc lặp lại trong tuần của bạn, gắn mỗi việc với một trong 5 nhóm công cụ. Đánh dấu việc nào hiện chưa có công cụ hỗ trợ.
- Phân loại nhanh: Tìm 3 công cụ AI mới mà bạn nghe trong tháng qua. Với mỗi cái, trong đúng 2 câu, xác định: nó thuộc nhóm nào, và thay thế/cạnh tranh với công cụ nào bạn đang biết.
- Săn "tiền trên bàn": Mở 3 phần mềm team bạn đã trả phí (ví dụ Notion, Jira, Slack). Liệt kê các tính năng AI nhúng mà bạn chưa từng dùng. Chọn một cái thử ngay trong tuần này.
- Tình huống ngân sách: Giả sử team bạn đang chi 25 triệu đồng/tháng cho công cụ AI rời rạc. Dựa trên bản đồ 5 nhóm, đề xuất một phương án cắt giảm 30% chi phí mà không giảm năng suất. Viết ra lập luận.
Tóm tắt
AI tool landscape năm 2026 không thể học bằng cách thuộc tên — nó quá rộng và đổi quá nhanh. Thay vào đó, hãy ghi nhớ 5 nhóm: General-purpose LLM (ChatGPT, Claude, Gemini), AI nhúng/Copilot trong công cụ sẵn có, Vertical AI chuyên nghiệp vụ, Build-it-yourself/Custom, và Generative media. Khi gặp công cụ mới, đặt nó lên 2 trục: đa năng ↔ chuyên biệt, và mua sẵn ↔ tự xây.
Như ba tình huống đã thấy: thiếu bản đồ dẫn đến lãng phí ngân sách (Tiki), chọn sai nhóm dẫn đến tốn thời gian (fintech), còn hiểu rõ bản đồ giúp solo PM tự xây giải pháp tiết kiệm (edtech Hà Nội). Năng lực thật của bạn không phải biết nhiều công cụ, mà là phân loại được bất kỳ công cụ nào trong 30 giây và định vị nó so với nhu cầu thực của mình. Hãy giữ tấm bản đồ này — các bài sau trong khóa sẽ giúp bạn đi sâu vào từng ô.