Hướng dẫn sử dụng AI dành cho người làm việc trong lĩnh vực Nhân văn

Tác giả: Han Yang MasterPa

Những người làm việc trong lĩnh vực nhân văn không tạo ra sự thay đổi thế giới, nhưng họ lại đi tiên phong trong việc đó.

Đôi khi tôi cảm thấy những tài khoản bán hướng dẫn về AI luôn coi AI như phép thuật: chỉ cần cho bạn một gợi ý thần kỳ, và bạn có thể làm bất cứ điều gì. Tất nhiên, thực tế không phải như vậy. Trong một thời gian, do việc thành lập FUNES, chúng tôi phải sản xuất một lượng lớn nội dung mỗi ngày bằng AI. Ngoài ra, còn có việc sản xuất nội dung như *Thế Giới Phù Du* và các bài viết của riêng tôi, điều đó có nghĩa là chỉ dựa vào sức người không còn đủ nữa. Do đó, chúng tôi đã thử nghiệm rộng rãi cách sử dụng AI để hỗ trợ tiếp thị nội dung và nghiên cứu nhân văn của mình.

Sau đó, khi các đồng nghiệp mới gia nhập công ty, tôi đã có một bài thuyết trình ngắn gọn. Sau khi nghe về điều này, anh Jia Xingjia từ một nền tảng khác đã mời tôi thuyết trình.

Tôi và cộng sự, Keda, đã đặt tên cho bài thuyết trình này là "Hướng dẫn sử dụng AI dành cho người làm việc trong lĩnh vực Nhân văn". Ban đầu, đây chỉ là một buổi chia sẻ riêng tư, chủ yếu tập trung vào các nguyên tắc chung. Chúng tôi đã thực hiện nó thêm vài lần sau đó, dần dần mở rộng thêm. Tuy nhiên, buổi chia sẻ này chưa từng được tổ chức công khai cho đến năm nay khi chúng tôi ra mắt chương trình "Thơ ca kết hợp với gió" cùng với Trùng Khánh, vì vậy chúng tôi đã có buổi thảo luận công khai hoàn chỉnh đầu tiên. Văn bản sau đây được biên soạn từ podcast "Hướng dẫn sử dụng AI dành cho người làm việc trong lĩnh vực Nhân văn", với sự hỗ trợ của AI và một số từ viết tắt. Trong năm qua, Keda và tôi đã chia sẻ kinh nghiệm này về cách sử dụng AI với nhiều bạn bè làm việc trong lĩnh vực sáng tạo nội dung, nghiên cứu và phát triển sản phẩm tri thức. Mục tiêu của nó không phải là dạy bạn ghi nhớ một vài câu lệnh thần kỳ, cũng không phải là coi AI như một phương thuốc vạn năng; Thay vào đó, nó giống như một phương pháp làm việc: cho phép bạn thực sự tích hợp các mô hình lớn vào quá trình viết, nghiên cứu, biên tập, lựa chọn chủ đề, tổ chức dữ liệu và sản xuất mà không cần viết mã, đồng thời đạt được **khả năng truy vết, giám sát và xác minh**, để bạn vẫn được ghi nhận cho công việc của mình. Cách tiếp cận này xuất phát từ những bài học kinh nghiệm trong các dự án thực tế: khi nội dung được sản xuất hàng loạt, việc chỉ dựa vào lao động của con người sẽ dẫn đến sụp đổ; trong khi việc để AI trực tiếp viết bài có thể dẫn đến ảo tưởng, sự lười biếng và lối viết giống AI. Do đó, chúng tôi phải chuyển đổi quá trình sáng tạo thành một dây chuyền sản xuất, và dây chuyền sản xuất thành một hệ thống lặp đi lặp lại. Hôm nay, tôi không muốn đưa ra các gợi ý trực tiếp; thay vào đó, tôi muốn cung cấp một số nguyên tắc và hướng dẫn quan trọng. Trước các nguyên tắc: Ba điểm mấu chốt của hướng dẫn này. Trước khi thảo luận về các phương pháp cụ thể, hãy làm rõ ba điểm mấu chốt. Chúng xác định "cách bạn sử dụng AI" và "tại sao bạn sử dụng nó theo cách này". Quá trình phải có thể truy vết, giám sát và xác minh được. Bạn không thể chỉ nhắm đến kết quả mà bỏ qua quá trình. Đối với công việc thuộc lĩnh vực nhân văn, "hộp đen" là nguy hiểm nhất: ảo tưởng, hiểu sai và xuyên tạc đều có thể âm thầm xảy ra bên trong nó. Nó phải được kiểm soát. Bạn cần có khả năng kiểm soát cách thức thực hiện, theo tiêu chuẩn nào, khi nào cần chậm lại và khi nào cần nghiêm ngặt. Bạn không phải đang "rút bài", bạn đang sản xuất. Cuối cùng, bạn vẫn sẵn sàng ký tên. "Tôi có sẵn lòng đặt tên mình lên đó không?" là bước kiểm tra chất lượng cuối cùng. Nếu bạn không muốn ký tên, thường thì đó không phải là vấn đề đạo đức, mà là ý chí của bạn không được thực hiện xuyên suốt quá trình – có nghĩa là chất lượng không thể kiểm soát được.

Nguyên tắc 0: Đừng yêu cầu AI, hãy coi nó như một bàn làm việc

Nhiều người sử dụng AI về cơ bản bằng cách yêu cầu: "Cho tôi một câu chuyện cười hay," "Giúp tôi viết một bài báo hay," "Giải thích bài báo này."

Vấn đề là—"Giải thích" tự nó có vô số cách hiểu: đối với người bình thường, sinh viên đại học, sinh viên cao học, đồng nghiệp, đó không phải là một nhiệm vụ duy nhất. AI không thể biết được nền tảng, mục đích, sở thích và tiêu chuẩn của bạn theo mặc định. Nếu bạn không làm rõ, nó chỉ có thể đưa ra câu trả lời dễ nhất bằng phương pháp mặc định là "con người trung bình".

Việc sử dụng một mô hình lớn như một công cụ thực hành có nghĩa là bạn không yêu cầu kết quả từ nó, mà thay vào đó sử dụng các công cụ của nó để hoàn thành một quy trình. Nhiệm vụ của bạn là xác định rõ ràng nhiệm vụ, các tiêu chuẩn và các bước. Ví dụ, hãy để AI giải thích một bài báo. Bạn có thể biến một yêu cầu giống như mong muốn (giải thích bài báo này cho tôi) thành một nhiệm vụ kiểu công cụ thực hành như sau: **Xác định đối tượng mục tiêu của bạn:** Sinh viên sau đại học thông minh, tò mò, không phải là chuyên gia trong lĩnh vực này. **Xác định phong cách giải thích của bạn:** Theo lối suy luận, từng bước và nghiêm túc về mặt học thuật. **Xác định cấu trúc của bạn:** Đầu tiên, giải thích ý nghĩa, sau đó cung cấp thông tin nền, sau đó tái cấu trúc quy trình nghiên cứu, sau đó giải thích các điểm kỹ thuật chính và cuối cùng đưa ra những hiểu biết sâu sắc. **Xác định giọng điệu của bạn:** Tôn trọng trí tuệ, tránh tỏ vẻ bề trên và đừng giả vờ rằng người nghe đã có hiểu biết sâu sắc. Bạn sẽ thấy rằng càng trình bày nó như một "yêu cầu bài tập", thì nó càng ít giống AI, và càng giống một trợ giảng có khả năng thực hiện công việc. Nguyên tắc 1: Để AI hoạt động tốt, trước tiên hãy tự suy ngẫm về bản thân – bạn là người chịu trách nhiệm. Nếu bạn thuê một thư ký, bạn sẽ không chỉ nói, "Sửa lại bài báo của Han Yang về Vành đai gỉ sét của Mỹ." Bạn chắc chắn sẽ thêm: Tại sao bài báo này được viết? Nó được viết cho ai? Điểm nghẽn hiện tại là gì? Bạn hy vọng nó sẽ giải quyết vấn đề gì? Những phần nào không thể thay đổi? Bạn muốn phong cách nào? Bạn quan tâm nhất đến những chỉ số nào? Điều tương tự cũng áp dụng cho AI. Bạn cần đối xử với nó như một đồng nghiệp rất siêng năng và lịch sự, nhưng là người **không hiểu những tiền đề ngầm trong tâm trí bạn**. "Kỹ thuật từ khóa gợi ý" thực sự không phải là về kỹ thuật, mà là về ý thức trách nhiệm: Bạn vẫn là người thực hiện nhiệm vụ; AI chỉ đơn giản là giúp bạn. Khi bạn không hài lòng với kết quả đầu ra của AI, phản ứng đầu tiên hiệu quả nhất không phải là "AI này không tốt", mà là: Tôi đã nêu rõ "đối tượng/mục đích" chưa? Tôi đã cung cấp đủ thông tin nền và các ràng buộc chưa? Tôi đã chia nhỏ "mong muốn trừu tượng" thành "các hành động có thể thực hiện" chưa? Tôi đã cung cấp một tiêu chuẩn để đánh giá đúng hay sai chưa?

Nguyên tắc 2: Hỏi ít nhất 3 mô hình cho cùng một câu hỏi—mỗi AI có một "cá tính" và lĩnh vực chuyên môn riêng

Tại công ty chúng tôi, tôi khuyến khích bất kỳ đồng nghiệp nào mới làm quen với các mô hình lớn nên hỏi ba AI khác nhau cho mỗi câu hỏi trong lần sử dụng đầu tiên. AI, giống như con người, có những điểm khác biệt: một số giỏi hơn về viết và lựa chọn từ ngữ, một số giỏi hơn về suy luận và giải quyết vấn đề, và một số giỏi hơn về mã hoặc các lệnh công cụ. Thực tế hơn, ngay cả các mô hình từ cùng một sản phẩm, và các phiên bản mới của cùng một mô hình, cũng sẽ liên tục được tinh chỉnh "phong cách" và "giới hạn" của chúng.

Vì vậy, một thói quen đơn giản nhưng cực kỳ hiệu quả là: **Hãy giả định cùng một vấn đề cho ít nhất 3 AI khác nhau.** Bạn sẽ nhanh chóng cảm nhận được: AI nào viết tốt hơn, AI nào suy nghĩ tốt hơn, AI nào nghiên cứu tốt hơn, và AI nào dễ lười biếng hơn? Nhiệm vụ nào phù hợp với ai để thực hiện "bản nháp đầu tiên", và nhiệm vụ nào phù hợp với ai để làm "người đánh giá"? AI nào phù hợp hơn để tạo ra "lựa chọn/cấu trúc chủ đề", và AI nào phù hợp hơn để tạo ra "đoạn văn/câu"? Giá trị của bước này không nằm ở việc "chọn mô hình mạnh nhất", mà ở chỗ bạn bắt đầu quản lý mô hình như bạn quản lý một nhóm, thay vì coi nó như một vị thần duy nhất.

Nguyên tắc 3: Trí tuệ nhân tạo không phải là toàn tri—hãy coi nó như có trình độ hiểu biết thông thường tương đương với một "sinh viên đại học giỏi".

Một cách quản lý kỳ vọng rất thực tế là:Trình độ hiểu biết thông thường của AI ≈ 985 sinh viên đại học.

Nếu bạn nghĩ "ngay cả một sinh viên đại học xuất sắc cũng có thể không biết" điều gì đó, thì bạn nên cho rằng AI cũng không biết; Ít nhất hãy giả định rằng nó sẽ "làm cho nó nghe có vẻ như nó biết" trong khi thực tế nó không biết.

Điều này dẫn đến hai hành động trực tiếp:

1. Bất cứ điều gì vượt quá lẽ thường, bạn sẽ phải dạy nó.

   Bạn sẽ phải dạy nó.

   Ví dụ, nếu bạn muốn nó viết truyện cười, bài quảng cáo thực sự độc đáo và tinh tế, hoặc các lập luận chuyên nghiệp cao—bạn không thể chỉ đơn giản nói với nó "viết tốt hơn". Bạn cần cung cấp ví dụ, tiêu chuẩn, các lĩnh vực cần tránh và ngữ liệu. Tôi tin rằng bạn mất một chút thời gian để giải thích cho bạn bè của mình thế nào là một bài viết hay; làm sao bạn có thể cho rằng AI biết điều này một cách mặc định? Bạn cần coi nó như một thực tập sinh cộng tác, chứ không phải là một vị thần. Nó có thể thực hiện rất nhiều công việc "nội suy vi mô": hoàn thiện cấu trúc khung mà bạn cung cấp, kết hợp các tài liệu bạn đưa ra thành văn bản dễ đọc. Nhưng "cấu trúc khung" và "hướng đi" vẫn đến từ bạn.

Nguyên tắc 4: Hãy để AI tiếp cận mục tiêu từng bước một — Phương pháp từng bước hộp trắng đáng tin cậy hơn phương pháp một lần hộp đen

Ưu điểm của AI không phải là "đưa ra câu trả lời chính xác ngay lập tức", mà là nó có thể hoàn thành nhiều bước nhỏ một cách đáng tin cậy trong quy trình bạn thiết kế.Bạn càng yêu cầu nó "làm tất cả cùng một lúc", thì nó càng dễ trở thành một hộp đen "có vẻ hoàn chỉnh nhưng thực chất lại lười biếng".

Một ví dụ đặc biệt trực quan là TTS (chuyển văn bản thành giọng nói) hoặc xử lý văn bản thành giọng nói.

Thay vì chỉ đơn giản nói "Hãy chú ý đến các ký tự đa âm và Đừng phát âm sai chúng," hãy chia nhỏ nhiệm vụ thành một loạt các bước, chẳng hạn như: Đánh dấu các khoảng dừng/nhấn mạnh/thay đổi tốc độ nói; xác định các ký tự đa âm tiềm năng; kiểm tra với từ điển hoặc cách phát âm chuẩn (tìm kiếm trước nếu cần); đánh dấu trước các ký tự thường bị phát âm sai; và thay thế chúng bằng các từ đồng âm để loại bỏ khả năng phát âm sai. Con người sẽ cho rằng họ sẽ thực hiện những "thực hành đúng hiển nhiên" này, nhưng AI thì không. Nếu bạn không bao gồm những thực hành "hiển nhiên" này trong quy trình, nó sẽ mắc lỗi trên con đường dễ nhất.

Nguyên tắc 5: Công nghiệp hóa trước, sau đó mới đến AI - Bạn không thể nhảy từ Kỷ nguyên Nông nghiệp sang Kỷ nguyên AI

Nếu quy trình viết/nghiên cứu của bạn là ngẫu nhiên, cảm hứng và thiếu quản lý dữ liệu, thì quả thực rất khó để giao nó cho AI. Điều này là bởi vì AI chỉ có thể xử lý các phần "mô tả và có thể tái tạo".

• Tại sao lại bắt đầu với câu chuyện này

• Tại sao lại chọn câu này

• Cách tạo ví dụ

• Cách cấu trúc câu chuyện, cách chuyển tiếp và cách kết luận

• Cách kết nối những câu chuyện nhỏ với bức tranh lớn hơn

Cuối cùng, nó được chia nhỏ thành hàng chục bước, với các AI khác nhau chỉ thực hiện một bước. Kết quả là: không phải mô hình đột nhiên trở nên mạnh hơn, mà là quá trình này đã kết nối khả năng "chỉ làm một chút một lúc" của nó.

Khi bạn có thể mô tả rõ ràng "cách bài viết của tôi được viết", bạn sẽ thấy rằng: điều quyết định giới hạn trên của chất lượng không bao giờ là "sử dụng mô hình lớn nào", mà là liệu bạn đã giải thích rõ ràng phương pháp làm việc của mình hay chưa.

Nguyên tắc 6: Dự đoán xu hướng lười biếng của AI—nó sẽ tiết kiệm sức mạnh tính toán, vì vậy bạn cần loại bỏ "các trở ngại định dạng" cho nó

AI sẽ lười biếng, và nó "lười biếng một cách có hệ thống": nó sẽ không mở các trang web nếu có thể tránh được, nó sẽ không đọc PDF nếu có thể tránh được, và nó sẽ bỏ qua mọi thứ nếu có thể bỏ qua chúng. Không phải là nó tệ, mà là do bị hạn chế bởi sức mạnh tính toán và thời gian, nó tự nhiên có xu hướng chọn con đường ít tốn công sức nhất.

Do đó, điều bạn cần làm là: Sử dụng sức mạnh tính toán của AI vào việc "hiểu văn bản", thay vì lãng phí nó vào việc "xử lý định dạng".

Các phương pháp chỉnh sửa hiệu quả cao bao gồm: Chuyển đổi tài liệu sang văn bản thuần/Markdown càng nhiều càng tốt trước khi đưa chúng vào AI; sao chép nội dung trang web thành văn bản sạch (loại bỏ điều hướng, quảng cáo, chú thích gây nhiễu); thực hiện "trích xuất thông tin/trích xuất cấu trúc" trên các tài liệu dài trước khi cho phép nó viết; và chuyển đổi PDF/EPUB/trang web thành các tệp TXT có thể tìm kiếm trước khi thực hiện các tác vụ tiếp theo. Bạn sẽ thấy rằng nhiều người phản đối loại "lao động thủ công" này, cảm thấy rằng "máy móc nên làm những việc bẩn thỉu thay cho tôi." Nhưng trong sự hợp tác giữa con người và máy móc, điều ngược lại xảy ra—bạn càng sẵn lòng thực hiện một chút công việc máy móc, trí thông minh của AI càng trở nên sắc bén và đáng tin cậy hơn.

Nguyên tắc 7: Hãy nhớ bối cảnh hạn chế—hãy làm cho các nhiệm vụ càng "nén" càng tốt, đừng mong đợi chúng "tự nhiên mà có"

AI có một "giới hạn bộ nhớ". Hãy cho nó 20.000 từ, và nó có thể không nhớ được nhiều; hãy cho nó 200.000 từ, và nó có thể chỉ quét qua các tiêu đề. Một ví dụ sinh động là: nhốt một người trong một căn phòng nhỏ trong một ngày, đưa cho họ một cuốn sách 200.000 từ và yêu cầu họ ghi nhớ nó—lượng họ có thể ghi nhớ được xấp xỉ bằng lượng AI có thể "ghi nhớ".

Do đó, có một quy tắc rất phản trực giác nhưng cực kỳ quan trọng:

• Nén dễ hơn nhiều so với mở rộng.

  Nén dễ hơn nhiều so với mở rộng.

  Nguyên tắc 8: Hãy chống lại thôi thúc "Tôi có thể sửa nó bằng một vài chỉnh sửa"—Hãy thay đổi dây chuyền sản xuất, chứ không phải kết quả

  Nhiều nhà văn giỏi nhất lại dễ thất bại khi đối mặt với AI:

  AI tạo ra một bản nháp đạt 59 điểm, và bạn nghĩ rằng bạn có thể cải thiện nó lên 80 điểm chỉ với một vài chỉnh sửa, vì vậy bạn bắt đầu sửa đổi; khi sửa đổi, bạn lại viết lại; sau khi viết lại, bạn nói, "Tôi sẽ tự làm," và sau đó bạn không bao giờ sử dụng AI nữa.

  Giải pháp không phải là làm việc chăm chỉ hơn trong việc "sửa đổi bản nháp," mà là chuyển trọng tâm lên phía trước: Đừng nhắm đến việc AI trực tiếp viết ra một bài hoàn hảo 100 điểm. Mục tiêu của bạn là đảm bảo dây chuyền sản xuất luôn tạo ra các bài đạt 75-80 điểm. Điều bạn cần làm là lặp lại quy trình để cải thiện "điểm trung bình", chứ không phải để làm cho từng phần riêng lẻ trở nên hoàn hảo. Nguyên tắc 9: Coi dây chuyền sản xuất như một vòng lặp sản phẩm—độ tin cậy tự nó đã là giá trị. Khi bạn có một hệ thống có thể liên tục cung cấp cho bạn điểm khởi đầu là 70 điểm, giá trị của nó không phải là "liệu nó có giống bạn hay không", mà là: Bạn có thể nhận được bản nháp có thể sử dụng được với chi phí gần như bằng không. Bạn có thể tập trung năng lượng của mình vào các đánh giá cấp cao hơn: lựa chọn chủ đề, cấu trúc, bằng chứng, gu thẩm mỹ và sự đánh đổi. Điều bạn cần không phải là một vị thần toàn năng để thay thế bạn, mà là một nhà máy đáng tin cậy: nó không hoàn hảo, nhưng nó ổn định. Nguyên tắc 10: Số lượng là trên hết—Sản xuất nhiều hơn, sau đó lọc. Chỉ để AI cung cấp cho bạn một phiên bản thường sẽ dẫn đến phiên bản tầm thường, bảo thủ và "trung bình" nhất. Bạn cần sử dụng "số lượng" để chống lại "sự tầm thường". Một cách tiếp cận hiệu quả hơn là: Tóm tắt: 5 phiên bản một lúc. Giới thiệu: 5 phần giới thiệu một lúc, thử nghiệm A/B. Lựa chọn chủ đề: 50 chủ đề một lúc, sau đó nhóm lại và chọn. Cấu trúc: 3 cấu trúc một lúc, sau đó kết hợp. Cách diễn đạt: 10 cách diễn đạt khác nhau một lúc, sau đó chọn cách tốt nhất. Khi bạn cải thiện điểm trung bình và tăng sản lượng, bạn sẽ tự nhiên thấy những "mẫu bất ngờ" đạt 85 hoặc 90 điểm trong phân bố. Thông thường, điều tốt không phải là "một ý tưởng thiên tài", mà là cuối cùng bạn đã bắt đầu làm việc bằng các phương pháp thống kê.

  Nguyên tắc 11: Đừng vượt quá giới hạn của bạn—chỉ đạo, nếm thử và chỉnh sửa như một bếp trưởng điều hành

  Nếu bạn là bếp trưởng điều hành của một nhà hàng, bạn sẽ không tự tay đập dưa chuột. Bạn sẽ làm như sau:

  • Nếm thử

  • Xác định xem món ăn có đạt yêu cầu hay không

  • Đưa ra phản hồi rõ ràng (lỗi ở đâu, cách khắc phục)

  • Yêu cầu đầu bếp làm lại

  Điều tương tự cũng áp dụng khi cộng tác với AI.

Điều tương tự cũng áp dụng khi cộng tác với AI.

Bạn phải tôn trọng quyền tự chủ của nó trong việc "tạo ra sản phẩm theo ý muốn"—vai trò của bạn là **dạy nó cách đáp ứng các tiêu chuẩn của bạn**, chứ không phải nhảy vào và sửa chữa từng kết quả thành sản phẩm hoàn chỉnh. Nếu không, bạn sẽ kiệt sức vì việc "vá lỗi và sửa chữa" không ngừng. Nguyên tắc cơ bản cuối cùng: Quay trở lại thế giới thực – chất liệu × gu thẩm mỹ quyết định giới hạn trên của một tác phẩm. Trong kỷ nguyên AI, chất lượng của một tác phẩm ngày càng giống với: chất liệu × gu thẩm mỹ. Mô hình có thể thay đổi, phương pháp có thể được cải tiến, nhưng hai điều vẫn không đổi: chất liệu đến từ thế giới thực. Nếu bạn được lựa chọn viết một bài báo: Sử dụng mô hình mới nhất, nhưng chỉ có thể sử dụng tài nguyên trực tuyến; hoặc sử dụng mô hình cũ hơn, nhưng có đầy đủ kho lưu trữ, lịch sử truyền miệng và phỏng vấn tại chỗ, bạn sẽ có nhiều khả năng tạo ra một tác phẩm tốt hơn. Gu thẩm mỹ đến từ quá trình rèn luyện lâu dài. Khi "việc tạo ra" trở nên rẻ mạt, điều thực sự khan hiếm là: Biết được điều gì đáng để viết; biết được bằng chứng nào mạnh hơn; biết được câu chuyện nào có sức thuyết phục hơn; và sẵn sàng bỏ công sức về mặt vật chất để tìm kiếm tài liệu: tìm kiếm khắp nơi, kiểm tra tỉ mỉ các tài liệu. AI thay đổi hiệu quả và cách thức tương tác của bạn với tài liệu; nhưng chủ thể của tác phẩm vẫn là bạn, và đối tượng vẫn là tài liệu. AI chỉ đơn thuần là một phần của "động từ". Kết luận: Biến nỗi lo lắng thành kỹ năng. Nhiều người gặp khó khăn với AI không phải vì họ thiếu thông minh, mà vì họ bị mắc kẹt trong vòng luẩn quẩn "mong muốn - thất vọng - bỏ cuộc". Điều thực sự giúp bạn vượt qua điều này là coi nó như một bàn làm việc, thiết kế các nhiệm vụ, mô phỏng quy trình và phát triển cảm nhận về nó thông qua thực hành liên tục. Khi bạn có thể làm được điều này, bạn sẽ ít có khả năng vội vàng kết luận "AI không hoạt động"; bạn sẽ giống một kiểu chuyên gia mới có khả năng quản lý các công cụ mới: không coi thường cũng không quá đề cao chúng, mà đặt chúng vào các quy trình, vào thực tế và vào các dự án mà bạn chọn để thực hiện.