0:00

Mọi người nghĩ là do công cụ, họ nghĩ là do mô hình, họ nghĩ là do AI, nhưng thực ra là cách bạn diễn giải thông tin và xác định điều gì ưu tiên mới tạo nên bước đột phá cho bạn hay không.

0:11

Có rất nhiều người ngoài kia dùng AI, và dùng sai cách, nên họ sẽ chẳng phát triển hay kiếm được tiền nhờ nó.

0:19

Và một trong những niềm tin và triết lý đầu tiên tôi muốn chia sẻ với các bạn là, điều đầu tiên trong năm điều, là hầu hết mọi người dùng AI để làm nhanh hơn những việc ngu ngốc.

0:37

Và đó không phải cách để chiến thắng. Chúng ta không làm sai nhanh hơn, mà làm đúng việc.

0:44

Và để làm được vậy, bạn cần hiểu thế nào là một điểm nghẽn.

0:47

Và bất kỳ doanh nghiệp nào, vào bất cứ thời điểm nào, cũng chỉ có một điểm nghẽn chính.

0:55

Và nếu bạn xác định được nó bằng AI, thì bạn có thể huy động cả đội ngũ của mình để giải quyết vấn đề đó.

1:02

Đó là một sự thay đổi trong tư duy, vì với hầu hết mọi người, tôi dạy họ một số công nghệ AI mạnh mẽ này, nhưng họ cứ tiếp tục làm sai cách, chỉ là nhanh hơn, và doanh nghiệp của họ không phát triển, biên lợi nhuận gộp cũng không tăng.

1:18

Sự thay đổi lớn thứ hai trong tư duy là bạn cộng AI, thay vì đội ngũ của bạn cộng AI.

1:30

Tôi biết bạn muốn đội ngũ của mình phát triển, nhưng việc đội ngũ bạn áp dụng AI là hệ quả từ việc bạn áp dụng AI.

1:36

Và dù tôi đã huấn luyện rất nhiều chủ doanh nghiệp xuất sắc đang đạt doanh thu 10 triệu, 25 triệu, 50 triệu về những cách tiên tiến để dùng AI khai thác lượng lớn nhu cầu và tự động hóa bán hàng, quy trình và khâu giao hàng để họ có thể tạo ra lợi nhuận,

1:53

họ vẫn mặc định giao việc cho đội ngũ. Khi tôi nói với họ: “Đội ngũ của bạn đang noi theo bạn.”

2:01

Bạn mới là nút thắt, không phải đội ngũ của bạn.

2:04

Vì vậy, tôi khuyến khích bạn dành khoảng trống trong lịch để tập trung vào việc học hỏi, phát triển bản thân, trở thành người như vậy cho đội ngũ của bạn.

2:14

Chủ đề lớn, nguyên tắc lớn. Đừng để điều đó bị bỏ qua.

2:19

Thứ ba, một chuyển biến lớn trong tư duy về AI là kỹ nghệ vai trò thay vì kỹ nghệ câu lệnh.

2:31

Tôi tin rằng cả thế giới AI đã thay đổi, khi các tác tử bắt đầu được tích hợp vào một số mô hình lớn như Grok Bot, như ChatGPT Dots, như Claude Duet vừa ra mắt và hiện chưa dễ dàng tiếp cận với hầu hết mọi người.

2:46

Và chúng ta đang thấy điều này với Muse và Instinct.

2:49

Và khi mọi người hỏi kiểu như, “Này Dan, làm sao để AI của tôi làm được những việc thông minh hơn?”

2:54

Tôi đáp: “Tiếp theo bạn muốn tuyển ai để giúp doanh nghiệp của bạn có thêm nhiều năng lực nhất?”

2:59

Vai trò. Rồi tôi yêu cầu họ xác định người đó sẽ làm gì.

3:04

Khi họ mô tả điều đó cho tôi, nếu họ lấy điện thoại ra và trò chuyện với Grok Bot của họ, với Claude Duet, với ChatGPT Dots của họ, họ sẽ nhanh chóng nhận ra rằng tất cả những gì họ đang làm chỉ là xác định vai trò, chứ không phải xác định các câu lệnh để AI thực hiện thay họ.

3:21

Đó là một sự thay đổi tư duy rất lớn mà phần lớn mọi người ngoài kia, những kẻ nghiệp dư, sẽ chẳng bao giờ đạt được kết quả vì họ vẫn mắc kẹt ở đây.

3:29

Họ vẫn mắc kẹt ở tháng Hai năm 2026, tức là mới đây thôi, nhưng mọi thứ đã thay đổi nhiều đến thế.

3:36

Vậy nên khi nghĩ về kế hoạch triển khai xoay quanh tư duy về AI, xin hãy cân nhắc rằng trách nhiệm của bạn hôm nay với tư cách CEO, một chủ doanh nghiệp, là cải thiện khả năng xác định vai trò cho các tác nhân AI của mình.

3:51

Nghĩa là, bạn phải giỏi xác định vai trò đó.

3:53

Lý do nhiều người trong số các bạn gặp khó khăn khi mở rộng công ty là vì các bạn không thể xác định những vai trò sẽ cần có trong doanh nghiệp để giúp các bạn gỡ bỏ những trở ngại lớn nhất.

4:01

Điều tiếp theo là khái niệm tôi gọi là vốn dữ liệu.

4:05

Các bạn thấy đấy, vốn trong thế giới AI được quyết định bởi chất lượng dữ liệu của bạn.

4:12

Có quyền truy cập vào cùng những mô hình và công cụ như mọi người khác không đem lại lợi thế cho bạn.

4:18

Vậy cơ hội nằm ở đâu? Cơ hội nằm ở việc bạn làm sạch và xác minh dữ liệu để có thể đưa dữ liệu đó vào các mô hình này, để chúng có thể biến một ý tưởng thành mục tiêu hoàn thành mà không cần con người tham gia.

4:32

Được chứ? Hôm nọ, khi người bạn của tôi hỏi tôi cách anh ấy quản lý toàn bộ quy trình bán hàng, hiện giờ, trước cả khi họ bắt đầu cuộc gọi, đã có một biểu mẫu tiếp nhận thông tin, Rồi họ trao đổi để bán hàng, rồi họ phải ký một thỏa thuận,

4:44

rồi họ phải hướng dẫn nhân viên mới, rồi họ phải đưa họ vào hệ thống.

4:47

Tôi hỏi: “Vậy anh có ví dụ về những bước đó không?”

4:51

Anh ấy đáp: “Không.” Tôi nói: “Vấn đề là, nếu anh không xác định dữ liệu và làm sạch nó, rồi có các ví dụ để đưa cho nó sử dụng khả năng thực thi như tên lửa tự dẫn, thì anh chẳng có giá trị gì, đó chính là phần vốn chủ sở hữu.”

5:06

Mọi doanh nghiệp cần bắt đầu tự hỏi: “Làm sao để tạo ra giá trị vốn dữ liệu trong doanh nghiệp mình?”

5:11

Vì đó là điều khiến doanh nghiệp có giá trị với người mua tiềm năng.

5:15

Đó là điều giúp AI thực sự hoàn thành công việc cho bạn.

5:19

Điều cuối cùng, và chắc chắn không kém phần quan trọng, là các vòng lặp học hỏi.

5:26

Mọi người thường nói với tôi: “Dan, tôi có bot.

5:30

Tôi có bot.” Tôi nói: “Không, đâu có. Anh chỉ có tự động hóa thôi.”

5:35

Anh không có bot và cũng không có tác nhân trừ khi có một vòng lặp học hỏi.

5:39

Vòng lặp học hỏi là một quy trình trong đó bạn xác định một kết quả, nó tạo ra kết quả, và đến một lúc nào đó sẽ có phản hồi.

5:50

Phản hồi đó được đưa trở lại lời nhắc ban đầu, rồi nó, nó thực thi các bước trong quy trình với kiến thức mới đó để nó ngày càng tốt hơn, ngày càng tốt hơn, tốt hơn nữa.

6:03

Vậy nên nếu hiện tại công ty và đội ngũ của bạn có bất kỳ tác nhân hay bot nào mà đội ngũ không phản hồi về công việc của nó, thì bạn thực sự không có khả năng cải thiện theo thời gian.

6:16

Và đó là cách các công ty tốt nhất mở rộng quy mô bằng AI, bằng cách hiểu rằng một tác nhân không phải là tác nhân mà không có vòng lặp học hỏi và tạo ra quy trình.

6:24

Một ví dụ đơn giản về việc này là để tác nhân của bạn thực hiện một kiểu phân tích nào đó, đăng kết quả lên Slack, hỏi nhóm của bạn đưa ra phản hồi về phân tích, rồi bảo tác nhân theo dõi khi nó đăng những bài đó lên Slack,

6:37

tiếp nhận phản hồi và xem đó là cơ hội để nâng cấp bộ não của nó, các quy tắc, các bước, quy trình và chất lượng của nó.

6:45

Và nếu nhóm của bạn đang xem kết quả đầu ra và đưa ra phản hồi còn bạn thì gửi phản hồi đó cho tác nhân mỗi tuần, 52 lần một năm, nó có thể ngày càng tiến bộ hơn.

6:56

Điều đó cũng giúp định hình vốn dữ liệu của bạn.

6:58

Bạn thấy những điều này chồng lớp lên nhau thế nào không?

7:02

Khi ta biết rằng AI ngày nay chỉ vẫn đang khiến hầu hết chủ doanh nghiệp làm sai hoặc làm điều ngớ ngẩn nhanh hơn, và rằng chúng ta phải phát triển kỹ năng của mình và sự thấu hiểu điều này trong toàn đội, và đội ngũ của chúng ta không bao giờ có thể phát triển vượt quá năng lực của mình

7:15

bởi vì chúng ta là những người lãnh đạo, hay là cái nắp giới hạn, và rằng chúng ta cần làm tốt hơn trong việc xác định vai trò của các tác tử, và chúng ta phải hiểu khía cạnh dữ liệu của các tác tử rằng chúng sẽ sử dụng dữ liệu đó, và liệu dữ liệu có tốt không,

7:25

và liệu chúng ta có những ví dụ điển hình về nó không, và liệu chúng ta có biết thế nào là thắng lợi không, và liệu chúng ta có biết thành công trông như thế nào không, rồi xây dựng những vòng lặp học hỏi đó vào quy trình của mình,

7:33

đó là cách chúng ta kiếm được nhiều tiền.

7:36

Đó là cách bạn chiến thắng, và điều đó giờ đây không còn là lựa chọn nữa.

7:41

Năm 2027 sẽ là ranh giới phân định giữa những công ty quyết định trở nên chuyên nghiệp và những kẻ nghiệp dư cuối cùng sẽ phá sản.

7:49

Và khi nghĩ về việc giờ đây mọi công ty đều trở thành công ty phần mềm AI, Đó không phải SaaS, không phải phần mềm dưới dạng dịch vụ.

7:56

Đó là dịch vụ của bạn dưới dạng phần mềm.

7:59

Đó là vấn đề bạn giải quyết cho thị trường, hãy truyền tải thông điệp đó thật tốt, rồi ở khâu phía sau, hãy dùng công nghệ này để cung cấp dịch vụ với tốc độ cao hơn, với chất lượng cao hơn, để tăng biên lợi nhuận gộp vì bạn không cần tuyển cả đống người.

8:13

Bạn để con người làm những việc cần con người, dùng AI để làm những việc trên máy tính, và bỗng nhiên bạn kiếm được rất nhiều tiền.

8:19

Nói nhanh thôi, bạn đã xem đến cuối rồi.

8:21

Để tôi nói bạn nghe điều tôi biết về bạn.

8:22

Bạn không phải kiểu người muốn làm công việc hỗ trợ lặt vặt.

8:25

Bạn không phải kiểu chỉ lướt mạng xã hội rồi chìm trong những tin tức u ám.

8:27

Bạn ở đây vì muốn xây dựng, xây dựng một doanh nghiệp thực sự, và bạn đã quá chán ngán việc không nhận được những hiểu biết thực sự để phát triển doanh nghiệp của mình.

8:34

Vì vậy, tôi muốn giúp bạn tránh mọi nỗi đau khi phải tự tìm hiểu theo cách khó khăn như tôi đã từng.

8:39

Đó là lý do tôi tập hợp mọi điều mình từng học được vào Scale Workbook.

8:42

Đó là tài liệu nội bộ tôi dùng với mọi nhà sáng lập mà tôi hợp tác để biến doanh nghiệp hỗn loạn thành cỗ máy kiếm tiền.

8:49

Và hướng dẫn bạn tất cả những điều này mà không tốn thêm hàng giờ. Hoàn toàn miễn phí.

8:52

Đường dẫn nằm trong phần mô tả, hoặc bạn có thể quét mã QR trên màn hình vì tôi ở đây để giúp bạn xây dựng đế chế của mình.

End of transcript · 1,995 words · machine translated

Original transcript (English)

People think it's the tools, they think it's the models, they think it's the AI, but it's actually the way you're interpretating the information and prioritizing that's going to make it a game changer for you or not.

There's a lot of people out there that use AI, and they use it the wrong way, and they will not grow or make money because of it.

And one of the first beliefs and philosophies that I have to share with you is that, number one out of five, is that most people use AI to do dumb shit faster.

And that is not the way we win. We don't do the wrong thing faster, we do the right thing.

And to do that, you need to understand what is a constraint.

And every business, at any point in time, only has one primary constraint.

And if you identify it using AI, then you can surge your whole team on solving that problem.

That mindset is a shift, because most people, I teach them some of these powerful AI technologies, and they just keep doing the wrong thing faster, and their business doesn't grow and their gross margins don't grow.

The second big mindset shift is you plus AI over your team plus AI.

I know you want your team to grow, but your team adoption is a byproduct of your adoption.

And even though I've coached many incredible business owners that are doing 10 million, 25 million, 50 million on the advanced ways to use AI to extract large amounts of demand and automate sales and processes and delivery so they can create profit,

they still default to their team. When I tell them, "Your team is following your lead.

You are the bottleneck, not your team." So I encourage you to create space in your calendar to dedicate to your learning, to your growth, to you becoming that person for your team.

Big theme, big principle. Don't let it go unnoticed.

Number three, big shift in the mindset of AI is its role engineering over prompt engineering.

The whole world of AI shifted, I believe, when the agents started getting hosted by some of these large models like Grok Bot, like ChatGPT Dots, like Claude Duet that just came out and is not readily available for most people.

And we're seeing this with Muse and Instinct.

And what happens when people go like, "Hey, Dan, how do I get my AI to do smarter things?"

I go, "Who would you want to hire next to give you the most bandwidth in your business?"

Role. And then I ask them to define what that person would do.

As they're defining it to me, if they pulled out their phone and they would talk to their Grok Bot, to their Claude Duet, to their ChatGPT Dots, they would learn quickly that all they're doing is defining the role, not the prompts for the AI to now do and execute on their behalf.

That is a massive mind shift that most people out there, the amateurs, will never get results because they're still stuck here.

They're still stuck in February 2026, which is not long ago, but that's how much it's changed.

So as you think about your rollout around the mindset of AI, please consider that your responsibility today as a CEO, a business owner, is to get better at role definition of your agents.

That is, you got to get good at defining it.

The reason why a lot of you guys struggle with scaling your company is you can't define the roles that would come into your business to help you unblock your number one constraints.

The next one is this concept I call data equity.

See, equity in the world of AI comes down to the quality of your data.

Having access to the same models and the same tools that everybody else has doesn't give you an advantage.

So where is the opportunity? The opportunity is in you cleaning up and verifying the data so that you can feed these models so they can take an idea all the way to a completed goal without a person involved.

Okay? When my friend the other day asked me about how he manages his whole sales process, where right now before they even get on a call, there's an intake form, then they have a sales conversation, then they have to sign a, uh, an agreement,

then they got to onboard them, then they got to put them in the system.

I'm like, "Well, do you have examples of those steps?"

And he's like, "No." I go, "Well, the problem is, is that if you don't have the data defined and it's cleaned up and you have examples you can give it so that it can use its heat-seeking missile of execution, then you don't have value, which is the equity part."

Every business needs to start asking themselves, "How do I create data equity inside my business?"

Because that's what's going to make you valuable to a potential buyer.

That's what's going to make the AI actually get the work done for you.

The last one, and definitely not the least, is learning loops.

People tell me all the time, "Dan, I got bots.

I got bots." I said, "No, you don't. You have automation."

You don't have a bot and you don't have an agent unless you have a learning loop.

A learning loop is a process where you define an outcome, it generates the results, and at one point there is feedback.

That feedback is fed back into the initial prompt, and then it, it executes with that new knowledge the steps in the process so that it gets better, and it gets better, and it gets better.

So if you have any agents or bots currently in your company and your team is not giving it feedback on its work, then you don't truly have an ability to get better over time.

And that is how the best companies are scaling with AI, by understanding that an agent's not an agent without a learning loop and creating the process.

A simple example of this is having your agent do some kind of analysis, post it into Slack, ask your team for feedback on the analysis, and then tell your agent to monitor when it's doing those posts in Slack, take the feedback and consider that as opportunities to upgrade its brain,

its rules, its steps, its process, its quality.

And then if your team's looking at the output and giving it the feedback and you're feeding that to the agent every week, 52 times a year, it can get better and better and better.

That also informs your data equity. Do you see how these all stack on top of each other?

When we know that AI today is just still allowing most business owners to do the wrong thing or the dumb thing faster, and that we have to develop our skills and understanding this over our team, and our team can never outgrow our ability because we are the leaders or the lids,

and that we need to get better at defining the roles of our agents, and we have to understand the data side of the agents that are, they're going to use that data, and is it good, and do we have great examples of it, and do we know what a win looks like,

and do we know what success looks like, and then build those learning loops into our processes, that is how we make a lot of money.

That's how you win, and it is no longer optional.

2027 will be the separator between the companies that decide to go pro and the amateurs that eventually go out of business.

And when we think about every company now becoming an AI software company, it's not SaaS, it's not software as a service.

It's your service as a software. It's the problem you solve to the market, get really good at that messaging, and then on the back end, use this to deliver at a higher rate, at a higher quality, so that you increase your gross margin because you don't have to hire a bunch of people.

You keep the people doing the people stuff, you use the AI to do the computer stuff, and all of a sudden you make a lot of money.

Real quick, you've made it to the end. Let me tell you what I know about you.

You're not somebody that's looking to do shelf help.

You're not somebody just doom scrolling on social media.

You're here because you want to build, build a real business, and you're sick and tired of not getting the real insights to grow inside your business.

So I want to help you avoid all the pain trying to figure this out the hard way like I did it.

That's why I put together everything I've ever learned into the Scale Workbook.

It's the internal document that I use with every founder I work with that turns a chaotic business into a money-making machine.

And teaching you all of this without burning more hours. It's totally free.

The link is in the description, or you can just scan the QR code on the screen because I'm here to help you build your empire.

iPhone app Translate videos on your iPhone Paste a TikTok, Instagram or X link, add subtitles in your language and save the video to Photos.

Made with TranslateMom

TranslateMom transcribes and translates videos from X, TikTok, YouTube and Instagram. Paste a link and you get a page like this one, in your language.

Transcribed and translated with TranslateMom. Paste any video link to get subtitles and a transcript in your language.

© 2026 TranslateMom · AI video translation and subtitles Transcripts Sources Pricing Legal