Hệ điều hành tổ chức: Cách vượt ngưỡng 150 người nhờ cơ chế "Bỏ qua bộ gen" và tránh bẫy "Dữ liệu rỗng" thời AI

Một nhóm làm việc 15 người thường chạy rất nhanh. Ngồi chung một phòng, nhắn vài dòng trên nhóm chat là xong việc.

Tăng lên 150 người, mọi thứ bắt đầu kẹt. Cuộc họp dày đặc hơn. Các nhóm chat mọc lên chồng chéo. Cùng một đầu việc nhưng mỗi bộ phận hiểu một kiểu, rồi trễ hạn và đùn đẩy trách nhiệm.

Nhiều anh/chị quản lý xử lý bằng cách mua thêm phần mềm hoặc tuyển thêm người điều phối. Thực tế cho thấy càng thêm công cụ khi quy trình chưa chuẩn, hệ thống càng rối.

Vấn đề không nằm ở việc nhân sự thiếu cố gắng. Tổ chức đó vừa chạm phải một bức tường sinh học đã tồn tại hàng chục ngàn năm trong não bộ con người.

Nội dung bài viết

Bức tường 150 người: Giới hạn phần cứng của não bộ

Trong nhân chủng học, ngưỡng quy mô vận hành tự nhiên của một tập thể được đo bằng Con số Dunbar.

Chú thích thuật ngữ — Con số Dunbar (Dunbar’s Number): Đây là chỉ số giới hạn nhận thức do nhà nhân chủng học người Anh Robin Dunbar đề xuất. Não bộ con người chỉ đủ năng lực ghi nhớ, thấu hiểu và duy trì mối quan hệ tin cậy trực tiếp với tối đa khoảng 150 cá nhân.

Trong cuốn Sapiens: Lược sử loài người, sử gia Yuval Noah Harari phân tích cách người Homo sapiens dùng ngôn ngữ để giữ gắn kết bầy đàn. Con người không chỉ dùng lời nói để báo hiệu nguy hiểm ngoài tự nhiên. Phần lớn thời gian giao tiếp dùng để trao đổi thông tin về các thành viên khác: ai đáng tin, ai hay lừa lọc, ai đang làm gì.

Cơ chế giao tiếp trực tiếp này chạy rất mượt khi quy mô nhóm dưới 150 người. Sự tin tưởng được xây dựng bằng việc nhìn mặt và nói chuyện hàng ngày.

Vượt qua mốc 150 thành viên, mạng lưới truyền miệng lập tức quá tải. Không ai còn nắm rõ toàn bộ những người còn lại đang làm gì. Niềm tin rạn nứt, thông tin nhiễu loạn và tổ chức tự phân mảnh thành các nhóm cục bộ.

Nếu ban lãnh đạo vẫn điều hành một đơn vị 300 hay 1.000 người bằng thói quen “nhớ mặt đặt tên” và nhắc việc qua tin nhắn cá nhân, sự vỡ trận vận hành là điều chắc chắn xảy ra.

Cơ chế “Bỏ qua bộ gen”: Cài đặt lại phần mềm thay vì chờ con người tự đổi tính

Để vượt qua rào cản 150 người, loài người đã không chờ tự nhiên nâng cấp cấu trúc não bộ. Chúng ta dùng một cơ chế mà Yuval Noah Harari gọi là “Bỏ qua bộ gen” (Bypassing the Genome).

Giải mã ẩn dụ — “Bỏ qua bộ gen” là gì? Cụm từ này không liên quan đến phẫu thuật hay chỉnh sửa DNA. Trong sinh học, bộ gen là “phần cứng” mất hàng triệu năm mới biến đổi một lần. “Bỏ qua bộ gen” nghĩa là không chờ phần cứng sinh học tiến hóa, mà cài đặt trực tiếp một “phần mềm vận hành” mới (quy tắc, ngôn ngữ, quy trình chuẩn) để thay đổi ngay lập tức cách hàng ngàn con người phối hợp với nhau.

Dữ liệu lịch sử cho thấy sự chênh lệch tốc độ rất lớn:

Giai đoạn phụ thuộc bộ gen: Loài người cổ xưa Homo erectus giữ nguyên một kiểu chế tác công cụ đá suốt gần 2 triệu năm, vì hành vi của họ bị khóa chặt vào đột biến di truyền.
Giai đoạn bỏ qua bộ gen: Từ 70.000 năm trước (Cách mạng Nhận thức), Homo sapiens mở ra làn cao tốc tiến hóa văn hóa. Chỉ bằng cách thay đổi hệ thống quy ước, con người có thể tái cấu trúc toàn bộ xã hội trong vài tuần hoặc vài tháng mà không cần đổi một chữ cái DNA nào.

Trong quản trị hiện đại, kỳ vọng nhân sự tự “giác ngộ” hoặc tự giác phối hợp ăn ý với nhau cũng chậm chạp y như chờ đột biến gen.

Người làm hệ thống không chờ con người tự thay đổi bản tính. Tôi và cộng sự khi triển khai hệ thống cho các đơn vị đều tập trung thiết kế lại quy ước vận hành trước, để bất kỳ ai bước vào guồng máy cũng phối hợp được ngay.

“Thực tại liên-chủ quan” — Cách giữ hàng trăm ngàn người lạ chạy chung một guồng

Làm sao để hàng ngàn nhân sự chưa từng gặp mặt có thể làm việc ăn khớp? Harari giải thích điều này qua khái niệm Thực tại liên-chủ quan (Intersubjective Reality), lấy ví dụ từ tập đoàn xe hơi Peugeot.

Chú thích thuật ngữ — Thực tại liên-chủ quan & Hư cấu pháp lý:

Thực tại khách quan là những vật thể tồn tại độc lập với niềm tin con người (nhà xưởng, máy móc, xe cộ).

Thực tại liên-chủ quan là những quy ước không có hình hài vật lý (luật pháp, tiêu chuẩn ISO, quy trình vận hành chuẩn SOP). Một công ty như Peugeot không phải là những chiếc xe hay dây chuyền lắp ráp — vì nếu nhà máy bị san phẳng, công ty vẫn tồn tại trên giấy tờ pháp lý để vay vốn và xây lại từ đầu. Nó vận hành trơn tru vì hàng trăm ngàn nhân sự cùng công nhận và tuân thủ hệ thống quy ước đó.

Hệ điều hành tổ chức chính là một thực tại liên-chủ quan được số hóa. Khi định nghĩa dữ liệu, luồng phê duyệt và trách nhiệm từng khâu được khóa chặt trên hệ thống, nhân sự không cần quen thân nhau mới làm việc được. Mọi người chỉ cần đi đúng đường ray quy ước.

Đảo chiều sự bắt chước (Mimesis): Việc của “Thiểu số sáng tạo”

Có quy ước chuẩn rồi, làm thế nào để đưa cách làm mới vào một tập thể đang quen với nếp cũ?

Nhà sử học người Anh Arnold Toynbee, trong bộ Nghiên cứu về Lịch sử, giải mã bài toán này qua quy luật Mimesis (Sự bắt chước).

Giải mã ẩn dụ — “Cái bánh tập quán” và “Thiểu số sáng tạo”:

Mimesis (Sự bắt chước): Là đặc tính sao chép hành vi lẫn nhau trong tập thể.

“Cái bánh tập quán” (Cake of custom): Là hình ảnh ẩn dụ chỉ những thói quen cũ kỹ được đóng khuôn cứng nhắc qua nhiều năm (“xưa nay bộ phận mình vẫn làm kiểu này”). Khi mọi người chỉ sao chép lối làm cũ, tổ chức đứng yên.

“Thiểu số sáng tạo” (Creative Minority): Là một nhóm nhỏ người tiên phong dám phá vỡ lối mòn cũ, đóng gói ra chuẩn mực mới hiệu quả hơn để số đông sao chép và làm theo.

Toynbee chỉ ra các xã hội nguyên thủy dậm chân tại chỗ hàng ngàn năm vì sự bắt chước luôn hướng về quá khứ. Văn minh chỉ bứt tốc khi sự bắt chước đảo chiều: số đông ngừng sao chép thói quen cũ và quay sang sao chép mô hình của nhóm thiểu số sáng tạo.

Khi triển khai tự động hóa trong giáo dục hay doanh nghiệp, tôi luôn giữ nguyên tắc: Không bắt 100% nhân sự phải tự học cách xây dựng hệ thống.

Tổ chức chỉ cần một nhóm thiểu số sáng tạo (khoảng 1 đến 3 người làm kiến trúc hệ thống). Nhóm này chịu trách nhiệm bẻ gãy “cái bánh tập quán” thủ công, đóng gói quy trình thành biểu mẫu chuẩn, kịch bản tự động (script) hoặc bảng điều khiển (dashboard). Phần còn lại của đội ngũ chỉ việc vận hành trên đường ray đã dựng sẵn.

Tư duy Ignoramus (“Chúng ta không biết”) để hệ thống không bị đóng băng

Để nhóm thiểu số sáng tạo không rơi vào chủ quan, hệ thống cần cơ chế tự hiệu chỉnh. Cách mạng Khoa học cách đây 500 năm bùng nổ từ một bước ngoặt nhận thức gói gọn trong từ tiếng Latinh: Ignoramus.

Chú thích thuật ngữ — Ignoramus: Trong tiếng Latinh, Ignoramus nghĩa là “Chúng ta không biết”. Trước thời hiện đại, con người tin mọi chân lý đã viết sẵn trong sách cổ nên chỉ làm theo lối cũ. Khoa học hiện đại bắt đầu khi nhân loại thừa nhận lỗ hổng tri thức của mình, dùng quan sát thực nghiệm và dữ liệu toán học để kiểm chứng và tạo công cụ mới.

Trong quản trị, giữ tư duy Ignoramus nghĩa là không mặc định quy trình hiện tại đã tối ưu. Mọi quy trình đều cần đo lường bằng số liệu thực: bước nào ngốn bao nhiêu giờ công, tỷ lệ sai sót nằm ở khâu nào. Có số liệu thực nghiệm mới có cơ sở nâng cấp hệ điều hành.

Cảnh báo vị lai: Bong bóng chi phí AI và bẫy “Dữ liệu rỗng”

Nhiều đơn vị hiện nay coi trí tuệ nhân tạo (AI) là giải pháp vạn năng. Nhưng đưa AI vào một tổ chức chưa có hệ điều hành chuẩn sẽ mở ra một rủi ro khác.

Trong tác phẩm suy đoán vị lai The Hidden Simulation, tác giả Silas Orven mô tả một viễn cảnh đáng cảnh giác về sự lệ thuộc công nghệ. Khi con người giao phó toàn bộ phần việc suy nghĩ cho máy móc, họ ngừng đặt câu hỏi và đẩy hệ thống trượt vào vòng lặp của “những bản sao của bản sao, chồng chất lên nhau”.

Giải mã ẩn dụ — “Dữ liệu rỗng” (Hollow Data) và “Căn phòng kín mít”: Trong The Hidden Simulation, Silas Orven cảnh báo rằng khi hệ thống AI chỉ quanh quẩn tái chế lại các khuôn mẫu có sẵn mà không được nạp thêm tri thức mới từ thực tế, kho dữ liệu của nó mất hết sinh khí — “giống như việc cố gắng thở trong một căn phòng kín mít”. Trong khoa học dữ liệu hiện đại, hiện tượng này tương ứng với sự suy thoái mô hình (Model Collapse): AI lấy chính nội dung rập khuôn do AI tạo ra trước đó làm nguyên liệu đầu vào, khiến đầu ra ngày càng rỗng tuếch và xa rời thực tế.

Cùng lúc đó, các nghiên cứu thần kinh học ứng dụng chỉ ra sự thu hẹp của “Tầng lớp Tư duy” (Thinking Class) — nhóm người giữ được khả năng tập trung sâu và tư duy phản biện độc lập. Thuật toán và các giao diện số liên tục kích thích não bộ bằng phần thưởng ngắn hạn (dopamine), khiến nhân sự quen với việc phản xạ thụ động thay vì phân tích vấn đề từ gốc.

Nếu chạy đua AI thiếu nền tảng, tổ chức rất dễ đối mặt với 3 hệ quả thực tế:

Bong bóng chi phí vận hành: Doanh nghiệp trả phí hàng tháng cho nhiều công cụ AI rời rạc nhưng không đo lường được hiệu quả quy đổi ra giờ công tiết kiệm. Giống như những con số tài sản trên màn hình mà Silas Orven từng nhắc tới, nếu không gắn với giá trị vận hành thật, đó chỉ là chi phí ảo.
Lạm phát tài liệu và báo cáo rỗng: Nhân sự dùng AI để sinh ra những bản kế hoạch dài dòng, những bài truyền thông sáo rỗng hoặc báo cáo thiếu số liệu gốc. Lượng văn bản tăng gấp bội nhưng chất lượng ra quyết định giảm sút.
Mất dần năng lực kiểm soát cốt lõi: Khi nhân sự chỉ quen bấm nút chờ AI viết thay mà không hiểu cấu trúc dữ liệu bên dưới, tổ chức sẽ thiếu hụt những người thuộc Tầng lớp Tư duy — những người duy nhất đủ năng lực phát hiện sai số và sửa lỗi hệ thống.

Khung thiết kế “Hệ điều hành tổ chức” 3 lớp

Nền tảng chắc chắn, đúng từ đầu — không thể đốt cháy giai đoạn. Để vượt qua giới hạn 150 người, phát huy vai trò của “thiểu số sáng tạo” và ngăn chặn bẫy “dữ liệu rỗng”, tôi thường xây dựng Hệ điều hành tổ chức theo 3 lớp từ dưới lên:

Tiêu chí	Cách vận hành cảm tính cũ	Hệ điều hành tổ chức chuẩn hóa
Cơ chế kết nối	Truyền miệng, nhắn tin rời rạc qua nhiều nhóm chat cá nhân.	Kết nối qua Thực tại liên-chủ quan (quy chuẩn và dữ liệu tập trung).
Vai trò con người	Mỗi người làm theo thói quen riêng (“cái bánh tập quán”).	Thiểu số sáng tạo đóng gói chuẩn mẫu; đội ngũ vận hành đồng bộ.
Nguyên liệu cho AI	Dùng AI tự sinh nội dung/báo cáo từ câu lệnh chung chung.	AI chỉ xử lý trên dữ liệu thô thực tế của tổ chức.
Chi phí & Hiệu suất	Phình to chi phí phần mềm và nhân sự điều phối khi tăng quy mô.	Giữ bộ máy tinh gọn nhờ tự động hóa các tác vụ lặp lại.

1. Lớp Quy chuẩn đầu vào (Tạo “Thực tại liên-chủ quan”)

Đừng mở bất kỳ công cụ AI nào khi chưa thống nhất cấu trúc dữ liệu. Hãy định nghĩa rõ một đầu việc, một hồ sơ học viên hoặc một bản ghi đối tác gồm những trường thông tin nào, định dạng ra sao và ai chịu trách nhiệm ở từng bước. Văn bản hóa quy ước này ngắn gọn (1–2 trang) để toàn đội ngũ nhìn chung một chuẩn.

2. Lớp Dữ liệu tập trung (Thay thế mạng lưới truyền miệng)

Muốn phá vỡ giới hạn 150 người của Con số Dunbar, phải đưa toàn bộ trạng thái công việc ra khỏi trí nhớ cá nhân và các đoạn chat trôi nổi. Mọi dữ liệu phát sinh từ các bộ phận cần đổ về một nguồn dữ liệu duy nhất (Single Source of Truth) có cấu trúc đồng nhất. Khi dữ liệu tập trung, quản lý không cần họp hàng giờ chỉ để hỏi tiến độ từng người.

3. Lớp Tự động hóa tinh gọn (Việc của “Thiểu số sáng tạo”)

Nhóm thiểu số sáng tạo sẽ dùng các công cụ sẵn có (như Google Workspace, Google Apps Script, biểu mẫu tự động) kết hợp AI để giải phóng sức lao động ở hai điểm:

Tự động hóa tác vụ lặp lại: Dùng script tự động gửi email đính kèm tài liệu hàng loạt và tự động cập nhật bảng tổng hợp (Dashboard) thay cho thao tác thủ công.
Khóa chặt đầu vào cho AI: Chỉ dùng AI để phân loại, tổng hợp hoặc tìm quy luật trên chính kho dữ liệu thực tế vừa thu thập ở Lớp 2 (ví dụ: phân tích phản hồi khảo sát của hơn 200 doanh nghiệp hoặc học viên). Không dùng AI để tự bịa ra dữ liệu không có thật — đó là cách giữ cho hệ thống luôn chạy bằng tri thức sống thay vì “dữ liệu rỗng”.

Hành động cụ thể trong tuần tới

Đừng vội đăng ký thêm bất kỳ gói phần mềm AI đắt tiền nào. Trong buổi làm việc đầu tuần tới, anh/chị hãy chọn 01 quy trình đang tốn nhiều thời gian nhắc việc nhất trong bộ phận của mình (ví dụ: tổng hợp báo cáo tuần, tiếp nhận đăng ký sự kiện hoặc bàn giao hồ sơ giữa hai nhóm).

Kiểm tra xem quy trình đó đang chạy bằng thói quen truyền miệng hay đã có bảng chuẩn dữ liệu đầu vào. Chỉ cần chuẩn hóa lại cấu trúc dữ liệu của một quy trình đó và đóng gói thành mẫu dùng chung, anh/chị đã đặt viên gạch đầu tiên cho Hệ điều hành tổ chức của mình.

Tài liệu tham khảo & Nguồn trích dẫn

Harari, Yuval Noah (2014). Sapiens: Lược sử loài người (Chương 1, 2, 14, 20 — Các khái niệm về Con số Dunbar, Cơ chế Bỏ qua bộ gen, Thực tại liên-chủ quan và Tư duy Ignoramus).
Toynbee, Arnold J. Nghiên cứu về Lịch sử (A Study of History) (Khái niệm Mimesis — Sự bắt chước, “Cái bánh tập quán” và vai trò của “Thiểu số sáng tạo”).
Orven, Silas (2025). The Hidden Simulation (Chương 1, 6, 11, 20 — Góc nhìn suy đoán vị lai về vòng lặp “bản sao của bản sao” và nguy cơ dữ liệu tự tái chế rỗng tuếch).
Tư liệu nghiên cứu Khoa học Thần kinh ứng dụng & Di truyền học phân tử (Phân tích về sự thu hẹp của “Tầng lớp Tư duy” — Thinking Class trước tác động của thuật toán và AI).
Podcast thảo luận chuyên sâu chủ đề này. https://tmkhang.work/tu-DNA-den-ky-nguyen-cyborg/