FOMO AI ở Việt Nam — tôi build agent thật 37 ngày cho 3 công ty, đây là 7 điều khoá học không nói

Cảnh feed FB tháng 5/2026

Mở Facebook ra thấy gì?

• “AI cho doanh nhân — học 7 ngày”
• “Build AI Agent không cần code”
• “ChatGPT mastery — thay thế nhân viên”
• “n8n automation — tiết kiệm 80% chi phí nhân sự”
• “Lộ trình AI 2026 — đăng ký miễn phí”

Giá từ 99k (anchor pricing trick) đến 30M+ (corporate package “tặng kèm 100+ template AI Agent đã build sẵn”). Mọi đối tượng — từ kế toán đến CEO. Mọi vertical — marketing, sales, HR, SEO.

Cảm giác ai cũng đang chạy. Nếu mình không học, mình trễ.

Đó chính là FOMO — Fear Of Missing Out. Và nó đang trở thành ngành công nghiệp ở Việt Nam.

Tôi viết bài này không để bán gì cả. Tôi viết vì vừa build JARVIS — personal AI agent cho 3 công ty của mình — trong 37 ngày liên tục. Có data, có code, có sai, có rework. Và tôi muốn share 7 sự thật mà KOL bán course không có lý do gì để lặp lại.

Sự thật #1 — 95% pilot AI tại doanh nghiệp đang FAIL

Đây không phải opinion. Đây là báo cáo MIT NANDA tháng 8/2025, Fortune đưa lại:

“95% generative AI pilots at companies are failing to deliver ROI.”

Methodology: 150 phỏng vấn leader + 350 employee survey + 300 deployment public.

Root cause MIT chỉ ra: “learning gap” — generic tool (như ChatGPT) không adapt vào workflow doanh nghiệp. Specialized vendor partnership succeed 67%, internal build chỉ ~22%.

Kể cả enterprise có ngân sách, đội ngũ, vẫn 95% fail. Một SME mua course vài triệu rồi expecting “automate business” — anh chị đặt mình ở đâu trong phân phối xác suất đó?

Sự thật #2 — Course mua xong: 52% không mở lesson 1

Nghiên cứu MOOC (Open Praxis 2024) đo trên Coursera, edX, Udemy:

Metric	Value
MOOC trung bình completion rate	5-15%
Coursera/edX completion	5-15%
Udemy completion	3-15%
Learner đăng ký KHÔNG bao giờ tham gia bài đầu	52%
KHÔNG vượt qua bước sign-up	>50%

Mua course số 7 con số cho cảm giác “tôi đang làm gì đó về AI” rẻ hơn nhiều so với việc thực sự ngồi vào ghế và build. Đó là tâm lý FOMO chuyển hoá thành consumption — không phải production.

Sự thật #3 — AI là compiler, không phải sản phẩm

Andrej Karpathy — cựu Director AI Tesla, founding member OpenAI — đã nói ở Software 3.0 talk tại YC AI Startup School tháng 6/2025:

“LLMs are the new compiler. Software 3.0 is programming in English.”

Câu đó nghe xuôi tai. Nhưng anh chị đọc kỹ:

• Compiler là công cụ, không phải sản phẩm
• Lập trình viên giỏi không chỉ biết English — họ biết viết spec hệ thống, đánh giá output, debug, deploy production
• Course “Prompt Engineering 7 ngày” tương đương “học English 7 ngày để code Python”

Karpathy còn cảnh báo cụ thể về vibe coding (Wikipedia):

“Vibe coding produces fragile structure, security gaps, poor maintainability. Suitable for prototyping or throwaway weekend projects.”

Khoá học “build AI agent không cần code” đang bán giấc mơ vibe coding production. Cái đó work cho weekend hackathon. Cái đó KHÔNG work cho hệ thống chạy tiền thật.

Sự thật #4 — VN: 73% adopt nhưng chỉ 13.8% deploy at scale

Báo cáo Invest Vietnam 2026:

Metric	Value	Ý nghĩa
Doanh nghiệp VN adopt AI	73%	Cao — gần như ai cũng “thử”
Deploy at scale	13.8%	Rất thấp — gap khổng lồ
Lack internal AI skills	46.4%	Một nửa thiếu năng lực thật
Có documented AI strategy	36.5%	Phần lớn ad-hoc

Adoption ≠ Deployment. “Tôi có dùng ChatGPT” ≠ “Tôi có hệ thống AI chạy production”. Gap đó không lấp được bằng course 7 ngày.

Sự thật #5 — Wrapper economy đang sụp

Google + Accel reject 70% AI startup pitch vì là “wrapper” — bọc OpenAI/Anthropic API rồi bán SaaS.

McKinsey survival rate: 3% sau 2 năm. Churn 90 ngày: 65% (vs SaaS industry 35%).

Course dạy “build SaaS với n8n + GPT” thực chất dạy build wrapper. Anh chị xây dựng business trên foundation người khác có thể rút bất cứ lúc nào (OpenAI update model, đổi pricing, cấm dùng case của anh).

85% AI startup PROFITABLE đều có proprietary dataset — không phải prompt magic.

Sự thật #6 — “Thay nhân viên” là fantasy, augmentation mới là thật

Anthropic Economic Index late 2025 đo trên hàng triệu cuộc trò chuyện Claude:

52% AI use là augmentation (bổ sung công việc người), 48% là automation (thay thế task). Số lượng job thay được hoàn toàn — rất nhỏ.

Yann LeCun (Newsweek 2025) nói thẳng: LLM hiện tại thiếu 4 thứ:

1. World model (mô hình thế giới vật lý)
2. Persistent memory (trí nhớ bền)
3. Reasoning (suy luận thực sự)
4. Complex planning (lập kế hoạch dài hạn)

Demis Hassabis (DeepMind) TIME100 2025 bổ sung: AI hiện tại chưa có common sense của 1 con mèo nhà.

Sales pitch “AI thay thế nhân viên kế toán/marketing/HR” → mâu thuẫn với data của chính các lab build AI. Nhưng sales tốt hơn sự thật.

Sự thật #7 — Sam Altman: chính chúng tôi cũng đang bubble

Fortune tháng 8/2025, CEO OpenAI thừa nhận:

“Smart people get too excited. Investors will get very burnt.”

CEO của công ty hưởng lợi nhất từ FOMO AI cũng nói vậy. Khi nào anh chị nghe điều đó từ một KOL bán course AI ở VN?

Tôi đã làm gì 37 ngày qua?

Đây là phần em show, not tell. Bằng chứng repo JARVIS từ ngày 2026-04-23 đến 2026-05-10:

Skills built + deployed:        22
Slash commands (workflows):     28
Published blog posts:           14
Git commits in 37 days:         328 (~8.8 commits/day)
Sprint velocity peak:           15.5× (Sprint 6 — 13h actual vs 202h plan)
AIC projects tracked:           14 (1 active + 6 completed + 7 stalled)
Knowledge graph entities:       61
Memory files:                   75
Cron jobs live on VPS:          9
Vault credentials secured:      21 (age-encrypted)
BOQ harvest dataset:            1,771 entries → 727 canonical (40.8%)

Stack đa nhà cung cấp — Anthropic Claude làm chính, OpenAI cho embeddings, Gemini làm fallback. Self-hosted ChromaDB (609K chunks), n8n, Ollama, FastMCP server. Infrastructure thật trên VPS Hetzner: SystemD timer, age vault rotation, Telegram bot 2-way. Knowledge plane gồm 61 entity graph + 75 memory file + 22 SKILL.md docs (2,663 dòng).

Đây không phải demo. Đây là thứ chạy hằng ngày phục vụ AIC — bóc bản vẽ kỹ thuật, build BOQ báo giá, gen hợp đồng, đòi nợ qua Zalo, daily Google Ads pulse, morning brief 7h sáng VPS cron.

Nhưng — tôi cũng làm sai 4 lần

Tôi không viết để show off “tôi giỏi”. Tôi viết để show realistic:

Bug #1 — Hard-coded path Mac → VPS cron silent fail 8 ngày trời, vault rotation script chạy nhưng không scan được file thật.

Bug #2 — Multi-recipient age encryption, em nhầm pubkey → file undecodable trên Mac.

Bug #3 — Bash sed -i '' BSD-only (Mac) vs GNU sed (VPS) → credential YAML corrupt.

Bug #4 — Python input() inside $() capture → OAuth code paste broken.

Plus 1 incident: anh paste private key (Service Account JSON) qua IDE selection → transcript leak risk. Logged.

Honest AI failure: morning brief từng báo sai cuộc họp + tên người sai. Root cause: AI bias + tool fail → AI bịa thay vì check lại. Đã fix bằng mandatory tool re-read + explicit “em đang đoán” khi uncertain.

Build production không suôn sẻ. Course 7 ngày không có chỗ cho 4 bug + 1 leak risk + 1 hallucination này — vì nếu kể, anh chị sẽ không đăng ký nữa.

4 thứ founder VN nên trang bị THẬT

Sau 37 ngày, đây là 4 thứ tôi nghĩ critical:

1. Knowledge domain

Anh chị phải biết nghề thật. AI delegate được tay, không delegate được judgment.

Tôi viết BOQ số 9 con số, đọc 1 phút biết sai. Vì tôi biết m² cemboard 850k chưa sơn, không 1.2M. Nếu tôi không biết → AI ship sai → tôi mất khách.

Course AI không dạy domain anh chị. Domain phải đến từ 10 năm nghề trước khi nói chuyện AI.

2. AI documents reads

Plan, ADR, task AI viết — anh chị phải đọc kỹ. Không scroll qua.

AI viết plan trông sạch, structure đẹp, nhưng có thể miss requirement gốc. Anh chị approve mà không đọc → AI build sai → rework gấp 3 lần làm chậm từ đầu.

Đây là pattern em sai nhiều lần — anh phản: “em viết plan đẹp nhưng lệch yêu cầu”.

3. Hardstop design

Chỗ nào pause double-check?

JARVIS hiện có 3 tầng hardstop. Skeleton draft — em viết, anh review LOCAL trước khi flip publish. BOQ readiness check — 10 gate trước khi push khách (sau 1 incident push BOQ thiếu 4 gap). Pre-publish privacy gate — auto scan trước mọi blog publish.

Hardstop không phải overhead. Nó là cái cứu deal khi AI đi sai context.

4. Eval design

Làm sao biết AI làm đúng?

Output type	Eval cách
BOQ	Margin ratio + dim verify
Blog	Voice score + privacy clean
Sheet ops	Snapshot backup + dry-run preview
Code	Test coverage + integration test (real DB, không mock)

Không có eval → không biết velocity 15× là chất lượng hay rác hot.

FOMO là tâm. Build là liệu pháp.

Tôi viết bài này lúc 10h sáng Chủ nhật, 2026-05-10. Vừa publish xong bài “Honest velocity 6.6×” 30 phút trước.

Quan sát của tôi:

• KOL bán course AI VN dominate FB ads vì họ có funnel marketing tốt hơn founder build thật
• Founder build thật ít share (đang bận build). Information asymmetry này tạo FOMO
• 6-12 tháng nữa, một phần lớn course AI sẽ disillusion (giống NFT, no-code, crypto course 2023-2024)
• Cái còn lại: những người build thật cho vấn đề thật của mình — bất kể có học course hay không

Tôi không nói “đừng học”. Tôi nói: học có target. Pick 1 vấn đề thật trong công ty anh chị (đòi nợ, báo giá, daily report). Build dirty solution 1 tuần. Đo. Iterate.

“Khi thời đại thay đổi, cách làm việc thay đổi, mindset cũng thay đổi. 1 việc trước đây cần làm 2-3 ngày, giờ chỉ còn tầm 2-3 tiếng với việc delegate cho AI. Song — làm được nhiều việc hơn, nhanh hơn chưa hẳn là chất lượng hơn.”

Đó là quote tôi viết trong bài “Honest velocity” sáng nay. Nó cũng là kết của bài này.

FOMO chữa bằng build, không bằng buy course. Tôi đang build. Đề nghị anh chị thử cùng.

Nếu sau 6 tháng anh chị có hệ thống AI chạy thật phục vụ công ty mình — mời cà phê tôi share workflow. Nếu chưa, đừng mua course thứ 5.