14/08/2026
Bài viết add sưu tầm - chia sẻ đến mọi người
OPENCLAW/CLAUDE CODE / CODEX KHÔNG CHỈ DÀNH CHO LẬP TRÌNH VIÊN: ỨNG DỤNG CHO KHỐI TỔNG HỢP & CHUYÊN MÔN KỸ THUẬT
Khi nghe đến Claude Code, Codex hay AI Agent làm việc trong máy tính, nhiều người thường nghĩ đây là công cụ dành cho lập trình viên.
Thực tế, với khối văn phòng, giá trị lớn nhất lại nằm ở một bài toán rất quen thuộc:
Hàng trăm file Word, PDF, Excel, PowerPoint, quy định, kế hoạch, báo cáo, biên bản và tài liệu chuyên môn đang nằm rải rác trong nhiều thư mục — làm thế nào để AI có thể đọc, hiểu, tổng hợp, đối chiếu và tái sử dụng chúng trong công việc hằng ngày?
Đây chính là nhóm công việc mà khối Tổng hợp, tham mưu và chuyên môn kỹ thuật thường xuyên phải thực hiện.
1. TỪ “CHAT VỚI AI” SANG “AI LÀM VIỆC TRÊN CẢ THƯ MỤC”
Cách dùng AI phổ biến hiện nay là:
Mở ChatGPT/Claude → tải vài file → đặt câu hỏi → nhận kết quả.
Cách này phù hợp với một nhiệm vụ đơn lẻ.
Nhưng cán bộ Tổng hợp thường phải xử lý:
• hàng chục báo cáo của các đơn vị;
• kế hoạch tháng, quý, năm;
• chương trình công tác;
• văn bản chỉ đạo;
• biên bản họp;
• tài liệu chuyên môn;
• các bảng Excel theo dõi;
• nhiệm vụ được giao;
• báo cáo tiến độ;
• nhiều phiên bản của cùng một văn bản.
Nếu mỗi lần làm báo cáo lại phải tải lại 50–100 file lên AI thì chúng ta vẫn đang làm việc theo tư duy cũ.
Với Claude Code/Codex, có thể chuyển sang:
Thư mục công việc
→ Kho tri thức
→ Index
→ Skill
→ Agent
→ Báo cáo/đầu ra.
Người dùng không cần biết code.
AI làm việc trực tiếp trên workspace tài liệu.
2. ỨNG DỤNG CHO KHỐI TỔNG HỢP
A. Tổng hợp báo cáo từ nhiều đơn vị
Đây có thể là use case có giá trị nhất.
Ví dụ có 30 đơn vị gửi:
BaoCao_Thang8/
├── DonVi01.docx
├── DonVi02.pdf
├── DonVi03.xlsx
├── ...
└── DonVi30.docx
Thay vì mở từng file, copy-paste vào một báo cáo chung, Agent có thể:
Bước 1: đọc toàn bộ báo cáo.
Bước 2: chuẩn hóa về cùng cấu trúc:
• nhiệm vụ đã thực hiện;
• kết quả;
• số liệu;
• tồn tại;
• khó khăn;
• kiến nghị;
• nhiệm vụ tiếp theo.
Bước 3: phát hiện đơn vị thiếu nội dung.
Bước 4: phát hiện số liệu bất thường hoặc mâu thuẫn.
Bước 5: tạo bảng so sánh.
Bước 6: sinh báo cáo tổng hợp.
Ví dụ:
27/30 đơn vị đã gửi báo cáo.
3 đơn vị còn thiếu.
8 nhiệm vụ chậm tiến độ.
5 vấn đề được từ ba đơn vị trở lên cùng phản ánh.
2 số liệu cần xác minh lại.
AI lúc này không đơn thuần là viết báo cáo.
Nó trở thành trợ lý tổng hợp.
3. THEO DÕI CHƯƠNG TRÌNH, KẾ HOẠCH VÀ NHIỆM VỤ
Một workspace có thể chứa:
ke-hoach/
nhiem-vu/
chi-dao/
bao-cao-tien-do/
bien-ban/
Agent đọc:
Kế hoạch năm
→ kế hoạch quý
→ nhiệm vụ tháng
→ văn bản giao việc
→ báo cáo tiến độ.
Sau đó tự động đối chiếu:
Nhiệm vụ
↓
Đơn vị phụ trách
↓
Thời hạn
↓
Sản phẩm đầu ra
↓
Tiến độ
↓
Bằng chứng hoàn thành
Cán bộ có thể hỏi:
Những nhiệm vụ nào phải hoàn thành trong 30 ngày tới?
Những nhiệm vụ nào chưa có sản phẩm đầu ra?
Đơn vị nào đang có nhiều nhiệm vụ chậm nhất?
Nhiệm vụ nào được nêu trong kế hoạch nhưng chưa xuất hiện trong báo cáo tiến độ?
Đây là loại công việc rất tốn thời gian nếu kiểm tra thủ công.
4. SO SÁNH NHIỀU PHIÊN BẢN VĂN BẢN
Một tình huống rất phổ biến:
DeAn_v01.docx
DeAn_v02.docx
DeAn_v03_sua.docx
DeAn_v04_lanhdao_gopy.docx
DeAn_FINAL.docx
Agent có thể tạo bảng:
Nội dung V01 V03 Final Thay đổi
Mục tiêu ... ... ... Điều chỉnh
Phạm vi ... ... ... Mở rộng
Kinh phí ... ... ... Tăng
Tiến độ ... ... ... Lùi 3 tháng
Và trả lời:
Phiên bản cuối đã thay đổi những nội dung quan trọng nào?
Hoặc:
Ý kiến của lãnh đạo trong biên bản ngày 10/8 đã được cập nhật đầy đủ vào dự thảo chưa?
Đây là một use case cực kỳ phù hợp với AI Agent làm việc trên file.
5. ĐỐI CHIẾU VĂN BẢN, QUY ĐỊNH VÀ CĂN CỨ
Khối Tổng hợp thường phải làm việc với nhiều lớp tài liệu:
Luật
→ nghị định
→ thông tư
→ quy chế
→ kế hoạch
→ hướng dẫn
→ văn bản nội bộ.
Có thể xây dựng một Knowledge Bundle:
knowledge/
├── index.md
├── regulations/
├── policies/
├── procedures/
├── plans/
└── reports/
Khi soạn văn bản mới, Agent kiểm tra:
Nội dung này căn cứ vào quy định nào?
Có quy định nào đã hết hiệu lực không?
Hai văn bản này có điểm nào mâu thuẫn?
Dự thảo có nội dung nào chưa có căn cứ?
Đây là bước chuyển từ AI tạo văn bản sang AI hỗ trợ kiểm chứng văn bản.
6. CHUẨN BỊ HỌP VÀ HỖ TRỢ LÃNH ĐẠO
Trước một cuộc họp, Agent có thể đọc:
• báo cáo của các đơn vị;
• biên bản cuộc họp trước;
• nhiệm vụ lãnh đạo đã giao;
• số liệu cập nhật;
• văn bản liên quan.
Sau đó tạo một Executive Brief chỉ 1–2 trang:
Tình hình
5 vấn đề quan trọng nhất.
Tiến độ
Nhiệm vụ nào hoàn thành/chậm.
Vấn đề cần quyết định
3 nội dung cần lãnh đạo cho ý kiến.
Rủi ro
Những vấn đề cần lưu ý.
Câu hỏi đề xuất
Những câu hỏi lãnh đạo nên đặt ra trong cuộc họp.
Sau cuộc họp:
Biên bản → nhiệm vụ → người phụ trách → deadline → theo dõi.
Như vậy Agent có thể theo một nhiệm vụ xuyên suốt nhiều cuộc họp.
7. ỨNG DỤNG CHO KHỐI CHUYÊN MÔN – KỸ THUẬT
“Non-tech” ở đây không có nghĩa là không có chuyên môn.
Một kỹ sư, chuyên viên pháp chế, cán bộ quy hoạch, cán bộ văn hóa, tài chính hay chuyên viên nghiệp vụ có thể rất giỏi lĩnh vực của mình nhưng không phải lập trình viên.
Claude Code/Codex vẫn có thể giúp họ làm việc trên kho tài liệu chuyên môn.
Ví dụ:
Tra cứu tiêu chuẩn kỹ thuật
standards/
├── TCVN/
├── ISO/
├── guidelines/
└── internal-standards/
Hỏi:
Yêu cầu kỹ thuật đối với hạng mục X nằm trong những tiêu chuẩn nào?
Agent tìm đúng tài liệu và tổng hợp.
So sánh tiêu chuẩn
Ví dụ:
TCVN
vs ISO
vs tiêu chuẩn nội bộ.
Agent có thể lập bảng:
Tiêu chí TCVN ISO Nội bộ
Yêu cầu A ... ... ...
Yêu cầu B ... ... ...
Ngưỡng ... ... ...
Thay vì chuyên viên phải mở 10–20 tài liệu.
8. THẨM TRA HỒ SƠ
Một bộ hồ sơ có thể gồm:
ho-so-du-an/
├── thuyet-minh.pdf
├── ke-hoach.xlsx
├── du-toan.xlsx
├── quyet-dinh.pdf
├── ban-ve/
├── tieu-chuan/
└── phu-luc/
Agent chạy một Skill:
document-completeness-check
Kiểm tra:
• tài liệu bắt buộc đã đủ chưa;
• tên tài liệu có khớp danh mục;
• các biểu mẫu có đúng phiên bản;
• số liệu giữa các tài liệu có nhất quán;
• có trường nào còn trống;
• căn cứ có đầy đủ.
Sau đó tạo:
**Danh sách đạt
• danh sách thiếu
• danh sách cần xác minh.**
9. PHÁT HIỆN MÂU THUẪN GIỮA CÁC TÀI LIỆU
Đây là một trong những năng lực có giá trị nhất.
Ví dụ:
Quyết định: tổng kinh phí 15 tỷ.
Thuyết minh: 14,8 tỷ.
Excel: 15,3 tỷ.
Agent có thể báo:
Phát hiện ba giá trị khác nhau cho cùng chỉ tiêu “Tổng kinh phí”.
Hoặc:
Kế hoạch: hoàn thành tháng 10.
Báo cáo: hoàn thành tháng 12.
Agent đánh dấu:
Có sự thay đổi tiến độ nhưng chưa tìm thấy văn bản phê duyệt điều chỉnh.
Đây chính là AI-assisted quality control.
10. XÂY DỰNG “TRÍ NHỚ” CHO ĐƠN VỊ
Một vấn đề lớn của tổ chức là:
Một cán bộ chuyển công tác thì rất nhiều tri thức cũng đi theo người đó.
Có thể chuyển tài liệu sử dụng thường xuyên thành:
knowledge/
├── index.md
├── organization/
│ ├── functions.md
│ └── responsibilities.md
├── regulations/
│ └── index.md
├── procedures/
│ ├── procedure-a.md
│ └── procedure-b.md
├── projects/
│ └── index.md
├── lessons-learned/
│ └── index.md
└── templates/
Khi nhân sự mới bắt đầu làm việc, Agent có thể trả lời:
Công việc này trước đây xử lý như thế nào?
Hồ sơ mẫu nằm ở đâu?
Những lỗi thường gặp là gì?
Ai từng phụ trách?
Văn bản nào cần tham khảo?
Đây chính là Institutional Memory – trí nhớ tổ chức.
11. SKILL.MD: ĐÓNG GÓI CÁCH LÀM VIỆC CỦA CHUYÊN VIÊN GIỎI
Một tổ chức không chỉ cần lưu tài liệu.
Quan trọng hơn là phải lưu:
Cách chuyên viên giỏi xử lý công việc.
Ví dụ:
skills/
├── tong-hop-bao-cao/
│ └── skill.md
├── kiem-tra-ho-so/
│ └── skill.md
├── so-sanh-van-ban/
│ └── skill.md
├── theo-doi-nhiem-vu/
│ └── skill.md
├── lap-brief-lanh-dao/
│ └── skill.md
└── ra-soat-so-lieu/
└── skill.md
Mỗi skill.md mô tả:
Input là gì?
Phải đọc những tài liệu nào?
Các bước xử lý?
Tiêu chí kiểm tra?
Khi nào phải hỏi con người?
Output phải có cấu trúc gì?
Như vậy:
Quy trình nghiệp vụ được biến thành procedural knowledge mà AI có thể thực hiện lại.
12. AGENT.MD: TẠO “NHÂN SỰ SỐ” THEO VAI TRÒ
Trên các Skills đó có thể xây dựng các Agent:
agents/
├── tro-ly-tong-hop/
│ └── agent.md
├── tro-ly-lanh-dao/
│ └── agent.md
├── chuyen-vien-tham-tra/
│ └── agent.md
└── tro-ly-chuyen-mon/
└── agent.md
Ví dụ Trợ lý Tổng hợp AI có thể được quy định:
Bạn phụ trách đọc chương trình công tác, báo cáo đơn vị, biên bản và nhiệm vụ; theo dõi tiến độ; phát hiện thiếu sót; lập bảng tổng hợp; tạo briefing cho lãnh đạo.
Khi cần:
Agent tự gọi:
Skill tổng hợp báo cáo.
Skill đối chiếu nhiệm vụ.
Skill kiểm tra số liệu.
Skill so sánh văn bản.
13. MỘT NGÀY LÀM VIỆC CÓ THỂ THAY ĐỔI NHƯ THẾ NÀO?
8:00
Cho Agent đọc thư mục tài liệu mới.
8:15
Agent báo:
Có 7 tài liệu mới.
2 văn bản cập nhật quy định.
3 báo cáo đơn vị.
2 bảng số liệu.
9:00
Yêu cầu:
Tổng hợp tiến độ nhiệm vụ quý III.
Agent:
đọc index → chọn tài liệu → gọi skill → kiểm chứng → xuất báo cáo.
10:30
Yêu cầu:
Soạn brief cho cuộc họp chiều nay.
Agent sử dụng chính knowledge vừa cập nhật.
14:00
Họp.
16:00
Đưa biên bản họp vào workspace.
Agent:
trích nhiệm vụ mới → cập nhật người phụ trách → deadline → cập nhật index.
17:00
Agent sinh:
Daily Brief / Weekly Report / Task Dashboard.
Đó là cách AI bắt đầu trở thành một lớp vận hành công việc, thay vì chỉ là công cụ viết nội dung.
MÔ HÌNH CUỐI CÙNG
Có thể hình dung:
01. File & Data
PDF · Word · Excel · PowerPoint · Email · biên bản · báo cáo
↓
02. Knowledge
Markdown · metadata · source · index · version
↓
03. Skills
Cách tổng hợp · kiểm tra · so sánh · phân tích · báo cáo
↓
04. Agents
Trợ lý Tổng hợp · Trợ lý Chuyên môn · Trợ lý Lãnh đạo
↓
05. Workflows
Báo cáo · họp · nhiệm vụ · hồ sơ · thẩm tra · kế hoạch
↓
06. Validation
Nguồn · số liệu · phiên bản · căn cứ · human review
↓
07. Institutional Knowledge
Tri thức tổ chức tích lũy và được tái sử dụng.
Điểm quan trọng nhất là:
Ứng dụng Claude Code/Codex cho người dùng non-tech không phải dạy họ lập trình.
Mà là giúp họ chuyển từ:
“Tự mở từng file để làm việc”
sang:
“Giao cho AI làm việc có quy trình trên cả một workspace tài liệu.”
Và bước tiến xa hơn nữa là:
Không chỉ số hóa tài liệu, mà số hóa cả tri thức, quy trình và cách những chuyên viên giỏi thực hiện công việc.
Đó mới là nền tảng để xây dựng AI Agent/nhân sự số thực sự có giá trị trong các cơ quan và doanh nghiệp.
