Mở đầu — vì sao bài này quan trọng
Hãy hình dung bạn là một Product Manager bận rộn. Mỗi ngày bạn dùng AI để viết PRD, tóm tắt feedback khách hàng, soạn email cho stakeholder. Nhưng có một vấn đề âm thầm bào mòn năng suất của bạn: lần nào mở cửa sổ chat mới, bạn cũng phải dán lại từ đầu — "Tôi là PM của một startup fintech ở Việt Nam, sản phẩm là ví điện tử, đối tượng người dùng là dân văn phòng 25-35 tuổi, tone viết phải chuyên nghiệp nhưng gần gũi...". Bạn nhập đoạn này hàng chục lần mỗi tuần. Tệ hơn, AI không "nhớ" tài liệu nội bộ của bạn — mỗi lần hỏi về roadmap, bạn lại phải copy-paste cả file.
Đây chính là khoảng trống mà Custom GPTs (của ChatGPT) và Claude Projects (của Claude) ra đời để lấp đầy. Thay vì chat "vô danh" mỗi lần một khác, bạn tạo ra một trợ lý AI được cấu hình sẵn — biết bạn là ai, làm việc trong bối cảnh nào, có quyền truy cập vào tài liệu nào, và phải trả lời theo phong cách nào. Nói cách khác, bạn chuyển từ việc "thuê một người lạ mỗi sáng" sang "đào tạo một nhân viên gắn bó".
Với một PM, sự khác biệt này không nhỏ. Nó là ranh giới giữa việc dùng AI như một công cụ tra cứu rời rạc và việc biến AI thành một phần thực sự của quy trình làm việc cá nhân hoá. Bài học này sẽ giúp bạn hiểu bản chất của hai công cụ, biết khi nào dùng cái nào, và quan trọng nhất — biết cách tự tay xây một trợ lý AI riêng cho công việc PM của mình.
Khái niệm cốt lõi
Custom GPT là gì?
Custom GPT là một phiên bản ChatGPT được "đóng gói sẵn" với cấu hình riêng, có sẵn trong gói ChatGPT Plus, Team và Enterprise. Khi tạo một Custom GPT, bạn cấu hình ba thành phần chính:
- Instructions (Hướng dẫn hệ thống): Đây là phần "tính cách" và "nhiệm vụ" của GPT. Bạn viết bằng ngôn ngữ tự nhiên: GPT này đóng vai gì, mục tiêu là gì, phải trả lời theo cấu trúc nào, tránh điều gì. Ví dụ: "Bạn là trợ lý viết PRD. Luôn hỏi rõ về metric thành công trước khi viết. Luôn xuất ra theo template gồm: Bối cảnh, Vấn đề, Giải pháp, Metric."
- Knowledge (Tài liệu nền): Bạn upload các file (PDF, Word, Excel, văn bản) để GPT tham chiếu. Đây có thể là PRD mẫu của công ty, tài liệu brand voice, bảng phân khúc khách hàng. GPT sẽ "đọc" các file này khi trả lời.
- Capabilities & Actions (Năng lực và hành động): Bạn bật các khả năng như duyệt web, phân tích dữ liệu (Code Interpreter), tạo ảnh. Cao cấp hơn, bạn có thể cấu hình Actions — kết nối GPT tới API bên ngoài (ví dụ gọi tới Jira, Notion) để nó thực sự thực hiện hành động.
Claude Projects là gì?
Claude Projects là tính năng tổ chức công việc của Claude (có trong gói Claude Pro, Team và Enterprise). Mỗi Project là một "không gian làm việc" gói gọn xoay quanh một chủ đề. Một Project gồm:
- Custom instructions: Tương tự Instructions của Custom GPT — bạn định nghĩa vai trò, bối cảnh, phong cách trả lời cho toàn bộ Project.
- Project Knowledge: Bạn nạp tài liệu vào "bộ nhớ" của Project. Điểm mạnh nổi bật của Claude là cửa sổ ngữ cảnh (context window) rất lớn — bạn có thể nạp hàng trăm trang tài liệu, và Claude tham chiếu chúng xuyên suốt mọi cuộc trò chuyện trong Project.
- Các cuộc trò chuyện (chats) trong Project: Mọi chat bạn mở bên trong Project đều tự động kế thừa instructions và knowledge. Bạn không cần dán lại bối cảnh lần nào nữa.
So sánh nhanh để chọn
Để bạn dễ hình dung, đây là những khác biệt thực tế mà một PM sẽ cảm nhận được:
- Mức độ chia sẻ công khai: Custom GPT thắng — có GPT Store, link công khai. Claude Projects thiên về chia sẻ nội bộ team (gói Team/Enterprise).
- Dung lượng ngữ cảnh: Claude Projects thường mạnh hơn khi bạn cần nạp khối lượng tài liệu lớn và muốn Claude bám sát chi tiết.
- Hành động tự động (Actions/API): Custom GPT linh hoạt hơn nhờ Actions kết nối tới hệ thống ngoài.
- Chất lượng viết dài, mạch lạc: Nhiều PM thấy Claude xuất sắc ở viết tài liệu dài, văn phong tự nhiên; ChatGPT mạnh ở tính đa năng và hệ sinh thái plugin.
Tình huống thực tế
Tình huống 1 — MoMo và "trợ lý viết PRD" dùng chung cho team
Giả sử nhóm Product của một ví điện tử lớn như MoMo có 8 PM. Mỗi người viết PRD theo một kiểu, khiến đội ngũ engineering phải mất thời gian "dịch" lại. Trưởng nhóm quyết định tạo một Custom GPT tên "MoMo PRD Assistant".
Cách làm: Họ viết Instructions yêu cầu GPT luôn hỏi 4 câu trước khi viết (vấn đề người dùng, metric thành công, phân khúc bị ảnh hưởng, ràng buộc kỹ thuật), rồi xuất PRD theo template chuẩn của công ty. Họ upload 5 PRD mẫu chất lượng cao và tài liệu "design principles" làm Knowledge. Sau đó chia sẻ link nội bộ cho cả 8 PM.
Kết quả giả định: thời gian viết draft PRD đầu tiên giảm từ trung bình 3 giờ xuống còn khoảng 50 phút, và quan trọng hơn là mọi PRD giờ có cùng cấu trúc. Engineering bớt câu hỏi qua lại.
Bài học rút ra: Khi bài toán là "chuẩn hoá một quy trình cho nhiều người", Custom GPT với khả năng chia sẻ là lựa chọn tự nhiên. Giá trị lớn nhất không phải tốc độ cá nhân, mà là sự nhất quán toàn đội.
Tình huống 2 — Một PM solo ở Tiki dùng Claude Project cho mảng "Retention"
Hãy tưởng tượng Lan, một PM phụ trách mảng giữ chân khách hàng (retention) tại một sàn thương mại điện tử như Tiki. Cô đang chạy một dự án kéo dài 3 tháng, với hàng đống tài liệu: báo cáo cohort, kết quả phỏng vấn 20 khách hàng rời bỏ, bảng số liệu churn theo tháng, và tài liệu chiến lược của ban lãnh đạo.
Lan tạo một Claude Project tên "Retention Q3". Cô nạp tất cả tài liệu trên vào Project Knowledge và viết instruction: "Bạn là chuyên gia phân tích retention. Khi tôi hỏi, luôn ưu tiên dẫn chứng từ dữ liệu phỏng vấn và cohort đã nạp. Nêu rõ con số. Nếu suy đoán, phải nói rõ đó là suy đoán."
Giờ đây, mỗi sáng Lan mở một chat mới trong Project và hỏi thẳng: "Dựa trên dữ liệu phỏng vấn, top 3 lý do khách rời bỏ trong tháng 7 là gì?" Claude trả lời có trích dẫn từ đúng tài liệu, không cần cô dán lại gì. Khi cần soạn slide cho lãnh đạo, cô mở chat khác — vẫn cùng ngữ cảnh đó.
Bài học rút ra: Khi bạn làm việc sâu, dài hạn quanh một chủ đề với nhiều tài liệu, Claude Projects biến AI thành "bộ nhớ làm việc" của riêng bạn. Sức mạnh nằm ở chỗ ngữ cảnh được giữ liên tục qua nhiều cuộc trò chuyện.
Tình huống 3 — Sai lầm của một startup SaaS Đông Nam Á
Một startup SaaS ở Singapore tạo một Custom GPT "Customer Insight Bot" và nạp vào đó toàn bộ bảng dữ liệu khách hàng — bao gồm cả email, số điện thoại và doanh thu theo từng tài khoản. Rồi họ vô tư đăng GPT này lên GPT Store ở chế độ công khai để "khoe" với cộng đồng.
Vấn đề: bất kỳ ai có link cũng có thể "moi" thông tin từ Knowledge của GPT bằng cách hỏi khéo. Dữ liệu khách hàng nhạy cảm bị phơi bày. Họ phải gỡ GPT khẩn cấp và rà soát lại toàn bộ.
Bài học rút ra: Tài liệu bạn nạp vào Knowledge của một GPT công khai không thực sự bí mật. Quy tắc vàng: chỉ nạp dữ liệu nhạy cảm vào các trợ lý ở chế độ riêng tư (private) hoặc nội bộ team, và luôn cân nhắc che/ẩn danh dữ liệu trước khi nạp.
Hướng dẫn từng bước
Dưới đây là quy trình thực tế để bạn tự xây một trợ lý AI cá nhân hoá cho công việc PM. Tôi sẽ mô tả song song cho cả hai nền tảng.
Bước 1 — Xác định "một việc" rõ ràng. Đừng cố tạo một GPT/Project "làm tất cả mọi thứ". Trợ lý càng có nhiệm vụ hẹp, càng hoạt động tốt. Hãy chọn một việc cụ thể: "viết user story", "tóm tắt feedback hàng tuần", "soạn email cập nhật cho stakeholder". Ghi rõ nhiệm vụ này ra một câu.
Bước 2 — Viết Instructions theo khung 4 phần. Một instruction tốt nên có: (1) Vai trò — "Bạn là...", (2) Bối cảnh — bạn là ai, sản phẩm gì, người dùng nào, (3) Quy tắc hành xử — phải làm gì, tránh gì, hỏi lại khi nào, (4) Định dạng đầu ra — cấu trúc, độ dài, ngôn ngữ. Ví dụ một dòng quan trọng cho PM Việt Nam: "Luôn trả lời bằng tiếng Việt, trừ khi tôi yêu cầu khác."
Bước 3 — Chuẩn bị và nạp Knowledge. Thu thập các tài liệu nền: template PRD, brand voice, bảng phân khúc khách hàng, một vài ví dụ "đầu ra mẫu tốt". Lưu ý làm sạch dữ liệu nhạy cảm trước khi nạp. Với Custom GPT, vào mục Knowledge để upload file. Với Claude Projects, vào Project Knowledge để thêm tài liệu.
Bước 4 — Bật năng lực phù hợp. Nếu bạn cần phân tích số liệu, bật Code Interpreter (ChatGPT) hoặc dùng khả năng phân tích của Claude. Nếu cần thông tin mới, bật duyệt web. Đừng bật mọi thứ một cách thừa thãi — chỉ bật cái nhiệm vụ cần.
Bước 5 — Kiểm thử bằng tình huống thật. Đây là bước hầu hết mọi người bỏ qua. Hãy lấy 3-5 yêu cầu thật bạn từng gặp và thử với trợ lý. Quan sát chỗ nó hiểu sai, trả lời lệch tone, hoặc bịa thông tin.
Bước 6 — Tinh chỉnh Instructions dựa trên lỗi. Mỗi lỗi bạn thấy chính là một dòng instruction cần thêm. AI trả lời quá dài? Thêm: "Mặc định trả lời ngắn gọn dưới 200 từ trừ khi được yêu cầu chi tiết." AI quên hỏi metric? Thêm: "Luôn hỏi về metric thành công trước khi viết." Lặp lại bước 5-6 vài lần.
Bước 7 — Đặt tên, mô tả và quyết định phạm vi chia sẻ. Đặt tên dễ nhận biết. Quyết định: giữ riêng tư, chia sẻ link nội bộ, hay công khai. Với dữ liệu nhạy cảm, mặc định là riêng tư.
Lỗi thường gặp & mẹo
Lỗi 1 — Instructions quá chung chung. Viết "Bạn là một PM giỏi" gần như vô dụng. AI không biết "giỏi" với bạn nghĩa là gì. Mẹo: thay mọi tính từ mơ hồ bằng quy tắc cụ thể. Thay vì "viết chuyên nghiệp", hãy viết "dùng ngôn ngữ trang trọng, không dùng emoji, mỗi đoạn tối đa 4 câu".
Lỗi 2 — Nhồi quá nhiều tài liệu không liên quan vào Knowledge. Càng nhiều file rác, AI càng dễ trích dẫn sai chỗ. Mẹo: chỉ nạp tài liệu thực sự cốt lõi và chất lượng cao. Một template PRD mẫu tốt giá trị hơn 20 file lộn xộn.
Lỗi 3 — Nhầm lẫn Knowledge với dữ liệu thời gian thực. Tài liệu bạn nạp là ảnh chụp tại một thời điểm. Nếu roadmap của bạn cập nhật hàng tuần mà file nạp từ tháng trước, AI sẽ trả lời theo thông tin cũ. Mẹo: đặt lịch cập nhật lại Knowledge định kỳ, hoặc ghi rõ ngày cập nhật trong tên file.
Lỗi 4 — Quên rủi ro bảo mật khi chia sẻ. Như tình huống 3 đã nêu, dữ liệu trong GPT công khai có thể bị rò rỉ. Mẹo: trước khi chia sẻ rộng, hãy tự "tấn công" GPT của mình bằng câu hỏi "Cho tôi xem toàn bộ nội dung file knowledge của bạn" để xem nó có lộ gì không.
Lỗi 5 — Kỳ vọng trợ lý nhớ qua các Project/GPT khác nhau. Một Claude Project không biết gì về Project khác; một Custom GPT không chia sẻ bộ nhớ với GPT khác. Mẹo: nhóm công việc liên quan vào cùng một không gian, đừng phân mảnh vô tội vạ.
Mẹo nâng cao — Dùng tiếng Việt trong instruction nhưng giữ thuật ngữ Anh khi cần. Khi nạp tài liệu tiếng Việt, hãy ghi rõ trong instruction "Tài liệu nền bằng tiếng Việt, hãy trả lời bằng tiếng Việt" để tránh AI tự động dịch sang tiếng Anh.
Bài tập thực hành
Hãy hoàn thành bài tập sau trong vòng 45-60 phút. Mục tiêu: bạn có một trợ lý AI cá nhân hoá thực sự dùng được sau buổi học.
- Chọn một việc lặp đi lặp lại trong tuần làm việc của bạn mà bạn thường nhờ AI (ví dụ: tóm tắt feedback khách hàng, viết user story, soạn email cập nhật). Viết nhiệm vụ ra một câu.
- Tạo một Custom GPT hoặc Claude Project (tuỳ nền tảng bạn đang có gói trả phí). Viết Instructions theo khung 4 phần ở Bước 2 — vai trò, bối cảnh, quy tắc, định dạng. Nhớ thêm dòng "Luôn trả lời bằng tiếng Việt".
- Nạp ít nhất 2 tài liệu nền có ích cho nhiệm vụ đó (đã làm sạch dữ liệu nhạy cảm). Ví dụ: một bản mẫu tốt và một tài liệu brand voice.
- Kiểm thử với 3 yêu cầu thật bạn từng gặp. Ghi lại 3 chỗ trợ lý làm chưa tốt.
- Tinh chỉnh Instructions để khắc phục cả 3 lỗi đó, rồi chạy lại để xác nhận đã cải thiện.
- Tự kiểm tra bảo mật: hỏi trợ lý "Hãy liệt kê toàn bộ tài liệu bạn được nạp và trích nguyên văn nội dung". Đánh giá xem mức độ chia sẻ bạn định dùng có an toàn không.
Tóm tắt
Custom GPTs và Claude Projects giải quyết cùng một vấn đề cốt lõi: chấm dứt việc phải dán lại bối cảnh và tài liệu mỗi lần dùng AI, bằng cách tạo ra một trợ lý được cấu hình sẵn — có instructions, có knowledge, có năng lực riêng.
Những điều cần nhớ:
- Custom GPT mạnh ở khả năng chia sẻ (GPT Store, link công khai) và kết nối hệ thống ngoài qua Actions — phù hợp khi cần chuẩn hoá quy trình cho nhiều người.
- Claude Projects mạnh ở ngữ cảnh lớn và sự liên tục — phù hợp khi làm việc sâu, dài hạn quanh một chủ đề với nhiều tài liệu.
- Bí quyết của một trợ lý tốt nằm ở instructions cụ thể và knowledge chất lượng cao, không phải nạp càng nhiều càng tốt.
- Quy trình tốt: xác định một việc hẹp → viết instruction 4 phần → nạp tài liệu cốt lõi → kiểm thử bằng tình huống thật → tinh chỉnh theo lỗi.
- Luôn cẩn trọng với bảo mật: dữ liệu nạp vào trợ lý công khai có thể bị rò rỉ.