Phần này em viết cho chính mình nhiều hơn là cho người chấm: những gì em thực sự học được, điều em tâm đắc nhất, và cả những chỗ em đã làm chưa tốt.
Thành thật mà nói, khi nhận đề bài Portfolio, phản ứng đầu tiên của em là thấy nó giống một việc hành chính: gom các bài đã nộp lại một chỗ. Nhưng khi bắt tay vào việc phải viết lại mục tiêu và tóm tắt quá trình cho từng bài, em mới nhận ra mình đang phải trả lời một câu hỏi khó hơn nhiều: rốt cuộc bài này dạy mình điều gì? Có bài em đã nộp từ lâu mà đến lúc ngồi tổng kết mới hiểu vì sao nó lại có mặt trong chương trình.
Điều bất ngờ nhất là khi xếp bảy bài cạnh nhau, em thấy chúng nối vào nhau. Quy tắc đặt tên thư mục ở Bài 1 quay lại ở Bài 4 khi em tổ chức Drive cho nhóm. Bảng bảy tiêu chí ở Bài 2 quay lại ở Bài 6 thành công cụ kiểm chứng nguồn AI gợi ý. Năm nguyên tắc viết prompt ở Bài 3 trở thành một bước trong quy trình làm việc của em. Trước đó em cứ tưởng mình đang làm sáu bài tập rời rạc để lấy điểm.
Portfolio không tạo ra kiến thức mới. Nó chỉ khiến em nhìn thấy thứ vốn đã ở đó mà em không để ý: một mạch học tập liên tục.
Nghe tầm thường nhất nhưng dùng hằng ngày nhiều nhất. Một quy tắc đặt tên nhất quán và một cấu trúc thư mục có phân cấp tiết kiệm cho em nhiều giờ mỗi kỳ, và cứu em khỏi cảnh mất bài vào phút chót.
Kỹ năng đáng giá không phải là tìm được nhiều tài liệu, mà là biết loại bỏ tài liệu nào. Một bài 250 trích dẫn vẫn có thể kém phù hợp hơn một bài mới có 5 trích dẫn, nếu bài sau đúng bối cảnh Việt Nam và đủ mới.
Chín prompt ở Bài 3 cho em thấy rất rõ điều này. Nhưng bài học tinh tế hơn là: prompt nâng cao không phải lúc nào cũng thắng — nhồi quá nhiều yêu cầu vào một câu lệnh khiến AI trả lời theo khuôn mẫu.
Trello cho biết ai đang làm gì, nhưng không làm hai người bất đồng quan điểm tự thống nhất. Kỹ năng em rèn được ở Bài 4 là biết lắng nghe trước khi bảo vệ ý kiến của mình.
Phát hiện em tâm đắc nhất ở Bài 5: AI chuyển trọng tâm từ "tự tìm tài liệu" sang "kiểm tra và chỉnh sửa". Thời gian tiết kiệm ở khâu trước phải được đầu tư lại vào khâu sau.
Dù dùng công cụ nào, người ký tên dưới bài làm vẫn là em. Không thể đổ lỗi cho AI về một con số sai — và với ngành Kinh tế phát triển, một con số sai có thể dẫn tới một khuyến nghị chính sách sai.
Em tâm đắc vì nó không phải một danh sách tài liệu, mà là một công cụ ra quyết định. Bảy cột tiêu chí buộc em phải mở từng nguồn ra đọc thay vì tin vào tên tạp chí nghe kêu. Và nó chứng minh giá trị ngay: bảng này về sau trở thành cách em kiểm chứng mọi thứ AI đưa ra.
Đề bài không bắt buộc cột này. Em tự thêm vào vì thấy nếu chỉ phân tích "AI làm tốt gì, hạn chế gì" thì bảng mới chỉ nói về năng lực của công cụ, chưa nói gì về trách nhiệm của người dùng. Chính cột đó là hạt giống cho toàn bộ Bài 6.
Em hài lòng vì chúng không phải là những khẩu hiệu chung chung kiểu "hãy trung thực". Mỗi nguyên tắc đều gắn với một hành động cụ thể để tự kiểm tra được, và tất cả đều rút ra từ rủi ro em đã thực sự gặp chứ không phải đọc được ở đâu đó.
Phần này em viết đúng như nó đã diễn ra, kể cả những chỗ chưa đẹp.
Đây là thách thức lớn nhất và cũng khó chịu nhất, vì nó không có ranh giới rõ ràng. Khi deadline gần, cám dỗ copy nguyên bản nháp của AI là rất thật. Cách em xử lý là đặt ra một quy tắc cứng cho bản thân: luôn tự viết dàn ý trước khi mở AI. Nếu bản nháp đầu tiên là của em, thì mọi thứ AI thêm vào sau đó chỉ là góp ý.
Ở Bài 2, việc tra lại từng tài liệu trên Google Scholar và trang nhà xuất bản mất nhiều thời gian hơn cả việc tìm ra chúng. Đã có lúc em muốn tin luôn cho nhanh. Nhưng đúng là chính quá trình chậm chạp đó mới dạy em rằng một cái tên bài báo trình bày chuẩn không có nghĩa là bài báo đó tồn tại.
Ở Bài 4, khó khăn lớn nhất không phải công nghệ mà là mỗi người một ý về nội dung và cách triển khai. Em học cách lắng nghe hết trước khi phản hồi, trình bày ý mình rõ ràng nhưng sẵn sàng điều chỉnh, và quan trọng nhất là hoàn thành đúng phần việc của mình để không kéo cả nhóm chậm lại.
Nội dung AI gợi ý thường đúng nhưng nhạt — không có ví dụ nào gắn với bối cảnh Việt Nam hay với trải nghiệm của em. Việc viết lại toàn bộ theo giọng riêng và bổ sung ví dụ thật tốn công hơn là chấp nhận bản nháp, nhưng đó chính là phần duy nhất chứng minh bài làm là của em.
Thứ em mang theo từ học phần này không phải là danh sách công cụ — công cụ sẽ thay đổi, Zapier hay Canva vài năm nữa có thể đã khác hẳn. Thứ ở lại là một cách làm việc: tự làm trước rồi mới nhờ AI, hỏi cho rõ, kiểm chứng trước khi tin, viết lại bằng giọng của mình, và ghi rõ mình đã dùng gì.
Với ngành Kinh tế phát triển, nơi mọi kết luận đều gắn với số liệu và có thể ảnh hưởng đến khuyến nghị chính sách, thói quen kiểm chứng từng con số trước khi đưa vào bài không chỉ là yêu cầu về liêm chính học thuật — nó là yêu cầu của nghề em đang chuẩn bị làm.
Sử dụng AI có trách nhiệm không phải là dùng ít AI đi, mà là biết rõ mình đang giao cho AI việc gì và giữ lại việc gì cho bản thân.
Portfolio này là bộ hồ sơ năng lực đầu tiên của em. Em sẽ tiếp tục mở rộng nó qua từng học kỳ, từng kỳ thực tập — và hy vọng khi nhìn lại sau vài năm, mạch liên kết giữa các sản phẩm vẫn còn rõ như bây giờ.