Xây dựng sản phẩm với AI không chỉ là một thách thức kỹ thuật — mà còn là thách thức về niềm tin. Điều này đặc biệt đúng tại Affirm, công ty giúp khách hàng tiếp cận các kế hoạch thanh toán minh bạch và linh hoạt để kiểm soát tốt hơn đời sống tài chính của mình. Khi tài chính cá nhân vốn mang tính cảm xúc sâu sắc và các điều khoản của công ty thẻ tín dụng thường phức tạp, việc giành được niềm tin của người dùng là yếu tố cốt lõi cho sứ mệnh và thành công lâu dài của Affirm.
Trong suốt sự nghiệp của mình tại giao điểm giữa engineering, product và design, Vishal Kapoor — SVP of Product tại Affirm — đang giải quyết thách thức mới này từ nhiều góc độ. Khi AI ngày càng được tích hợp vào các quy trình làm việc hằng ngày, chúng tôi đã hỏi Vishal cách ông giúp các đội ngũ tăng tốc phát triển, khám phá nhiều ý tưởng hơn, nhưng vẫn tạo ra những trải nghiệm trung thực và mang tính con người.
Từ cuộc trò chuyện đó, dưới đây là 10 quy tắc để điều hướng giai đoạn mà Vishal gọi là “the fun and messy middle” của việc áp dụng AI, nhằm xây dựng những sản phẩm thực sự đáng tin cậy.
1. Đặt giá trị cao cho tư duy từ nguyên lý đầu tiên
Tôi được đào tạo là một kỹ sư, nên tôi thường tiếp cận các vấn đề hệ thống từ first principles. Khi giải quyết một bài toán phức tạp, tôi tách nó thành các thành phần cơ bản để hiểu toàn bộ bức tranh.
Quá trình từ đầu đến cuối gồm:
-
khám phá nhu cầu khách hàng
-
tìm ra cách giải quyết khác biệt
-
vượt qua các đường cong S của quá trình lặp
đó chính là niềm vui của việc xây dựng sản phẩm.
AI có thể tăng tốc và hỗ trợ quá trình này, nhưng không thể thay thế nó. Góc nhìn độc đáo và trực giác vẫn là những yếu tố mang tính con người.
Ví dụ, với hầu hết khách hàng được duyệt, chúng tôi cung cấp ba kế hoạch thanh toán sau khi kiểm tra điều kiện theo thời gian thực. Gần đây tôi đã hỏi đội ngũ:
-
Tại sao lại là ba kế hoạch?
-
Tại sao không phải năm?
-
Tại sao không chỉ một?
-
Tại sao không cho khách hàng tự tạo kế hoạch của họ?
Sức mạnh của những câu hỏi cơ bản này là chúng buộc mọi người phải đưa ra những góc nhìn đa dạng và đôi khi rất sáng tạo. AI có thể giúp chúng ta khám phá các phương án nhanh hơn, nhưng insight quan trọng thường đến từ sự bất đồng quan điểm có suy nghĩ giữa con người.
AI có thể giúp chúng ta khám phá các lựa chọn nhanh hơn, nhưng insight quan trọng đến từ sự bất đồng quan điểm có suy nghĩ giữa con người.
2. Luôn gắn với cảm xúc sâu sắc của con người
Có giá trị rất lớn trong việc ở gần khách hàng và giữ sự khiêm tốn trước các vấn đề của họ.
Không có gì thay thế được việc:
-
xắn tay áo lên
-
đến phòng UX research lab
-
quan sát cách khách hàng thực sự sử dụng sản phẩm
-
đặt câu hỏi trực tiếp
Tôi thường xuyên theo dõi mạng xã hội và review trên app store, và nói chuyện với khách hàng bất cứ khi nào có thể — đặc biệt là những người lạ nhận ra logo Affirm trên áo của tôi.
Chúng tôi thậm chí có một công cụ AI nội bộ tên Pluto, cho phép tôi hỏi trực tiếp:
“Trong 30 ngày qua, khách hàng đã thất vọng với chúng ta như thế nào?”
Dashboard và các chỉ số rất quan trọng, nhưng dữ liệu chỉ cho ta hướng đi. Để thực sự hiểu nhu cầu khách hàng, bạn phải trải nghiệm cách cảm xúc con người gắn liền với tài chính.
Trong quá trình checkout có thể xuất hiện:
-
lo lắng
-
niềm tin
-
sự bực bội
-
sự nhẹ nhõm
Cuối cùng, vấn đề không phải là chiếc xe đạp bạn đang mua, mà là niềm vui thuần túy mà nó mang lại.
3. Hãy coi AI như một đồng đội
Ở giai đoạn đầu của bất kỳ công nghệ mới nào, chúng ta thường rơi vào hai thái cực:
-
tin rằng AI sẽ giúp chúng ta nhanh hơn 10 lần
-
hoặc nghĩ rằng AI sẽ thay thế chúng ta
Thực tế thực dụng hơn nhiều.
Khi chúng tôi bắt đầu thử nghiệm các công cụ AI, nhiều người có sự do dự dễ hiểu. Nhưng chúng tôi nhanh chóng nhận ra rằng xây dựng sản phẩm vốn là một môn thể thao đồng đội, và AI chỉ đơn giản là một thành viên mới trong đội.
Một thành viên giúp chúng tôi chuyển insight của khách hàng thành prototype và sản phẩm thực nhanh hơn.
Ví dụ, chúng tôi chạy nhiều nhóm thử nghiệm vì checkout flow khác nhau trên web, mobile và desktop. Chúng tôi sử dụng nhiều công cụ AI, bao gồm Figma Make, để đảm bảo hệ thống không có “broken windows”.
Chẳng hạn, nếu chúng tôi muốn cập nhật một interaction pattern trên toàn bộ màn hình, việc audit thủ công từng màn hình có thể mất hàng tháng.
Figma Make giúp chúng tôi xác định sớm cách thay thế các design pattern lỗi thời trên nhiều bề mặt khác nhau.
Quan trọng hơn, bằng cách giảm tải cho kỹ sư và trao lại thời gian cho designer và PM, chúng tôi:
-
tăng tốc độ phát triển
-
mở khóa nhiều sáng tạo hơn trong tổ chức.
4. Tập trung vào các edge case
Để xây dựng một sản phẩm thực sự tốt và chân thực, bạn phải nhìn vượt ra ngoài happy path.
Công việc giá trị nhất nằm ở:
-
các biến thể
-
những “rabbit hole”
-
đặc biệt là edge case
Việc điều hướng những trường hợp này đòi hỏi:
-
tập trung cao
-
độ chính xác
-
rất nhiều sự chăm chút.
Một ví dụ là khi chúng tôi giúp khách hàng chọn giữa các kỳ hạn thanh toán:
-
6 tuần
-
6 tháng
-
12 tháng
Trước đây chúng tôi không giải thích rõ vì sao các lựa chọn này tồn tại.
Qua nghiên cứu, chúng tôi biết khách hàng rơi vào ba nhóm chính:
-
muốn 0% APR hoặc lãi suất thấp nhất
-
muốn kỳ hạn ngắn nhất
-
muốn khoản thanh toán hàng tháng thấp nhất
Giải pháp của chúng tôi là hiển thị badge rõ ràng cho từng mục tiêu, nhưng không làm khách hàng bị quá tải.
Câu hỏi lúc này là:
-
badge nào hiển thị
-
cho người nào
-
ở checkout nào
-
trên thiết bị nào?
Đây là bài toán rất phức tạp khi triển khai ở quy mô lớn, nên chúng tôi nhanh chóng prototype nhiều phương án.
Trước đây việc xác thực một ý tưởng và đưa vào production có thể mất 6 tuần.
Giờ đây chúng tôi có thể làm điều đó chỉ trong vài ngày.
5. Hãy chú ý tới các counter metrics
Khi đánh giá ý tưởng, chúng tôi không chỉ nhìn vào success metrics, mà còn rất chú ý tới counter metrics.
Trong ví dụ về badge:
Nếu chỉ nhìn conversion, có thể nói đây là chiến thắng.
Nhưng nếu nhìn vào:
-
khiếu nại
-
hoàn tiền
thì có thể đây là thất bại.
Chúng tôi chủ động theo dõi chỉ số DSAT (customer dissatisfaction) trong các buổi review sản phẩm để hiểu chính xác cách feature hoạt động trong tay người dùng.
Khả năng test nhanh cho phép chúng tôi phát hiện sớm sự không hài lòng của khách hàng thông qua prototype thực tế hơn.
6. Thử nghiệm nhanh và thất bại sớm
Chúng tôi luôn hỏi:
Làm thế nào để thử nghiệm và xây dựng sản phẩm tốt hơn gấp 10 lần?
Với các công cụ như:
-
Figma Make
-
Claude
-
Cursor
prototype của chúng tôi gần với production hơn rất nhiều, giúp giảm đáng kể thời gian phát triển frontend.
Vì chúng tôi kết nối design artifact thông qua Figma MCP server, chúng tôi có thể vibe code để liên tục lặp lại prototype.
Trong ứng dụng Affirm:
Designer không chỉ tạo mockup — họ tạo proof of concept thực sự bằng Cursor và ứng dụng của chúng tôi.
Vì design system ánh xạ trực tiếp vào codebase, chúng tôi giữ được design intent từ concept tới launch.
7. Sử dụng sáng tạo như một lợi thế cạnh tranh
Trước đây, PM tại Affirm dùng Figma để review design, không phải để tạo design.
Nhưng sau khi designer cho thấy sức mạnh của Figma Make, các PM bắt đầu tự tạo prototype, sau đó dùng làm nền tảng cho PRD (product requirements document).
Ví dụ, khi chúng tôi làm việc với Shopify để thay đổi disclosure và lựa chọn kỳ hạn mặc định trong Shop Pay Installments.
Ngày hôm sau, một prototype từ PM đã xuất hiện trong inbox của tôi — điều khiến tôi thực sự bất ngờ.
Prototype đó trở thành nền tảng trực quan cho PRD.
AI giúp:
-
trích xuất insight
-
hỗ trợ format
-
cung cấp phản hồi ngay lập tức.
8. Phá vỡ silo chức năng và coi mọi người là builder
Trước đây, một feature thường đi theo mô hình waterfall:
PM → viết PRD
Designer → tạo file Figma
Engineer → viết code
QA → test và deploy
Giờ đây AI đang dân chủ hóa kỹ năng ở mọi giai đoạn.
-
Engineer có thể chỉnh design artifact
-
PM có thể push code vào pre-production
-
Designer có thể viết PRD hoặc code production-ready
Vai trò sẽ ngày càng mờ đi, mở ra nhiều cơ hội hợp tác mới.
Chúng ta đang sống trong kỷ nguyên vàng cho builder.
Tương lai thuộc về những người tò mò.
9. Làm cho việc thử nghiệm trở nên thú vị (và an toàn)
Một trong những nhiệm vụ quan trọng của tôi với tư cách lãnh đạo là khơi dậy sự tò mò về AI.
Việc sử dụng nhiều hơn giúp mọi người hiểu:
-
khi nào AI hữu ích
-
khi nào nó thất bại.
Vì vậy chúng tôi thành lập AI enablement steering committee để:
-
theo dõi công cụ AI mới
-
xử lý yêu cầu thử nghiệm từ các team.
Những người dùng tiên tiến giúp chúng tôi xác định công cụ sẵn sàng để triển khai rộng rãi.
Sau khi một công cụ được áp dụng rộng:
-
chúng tôi theo dõi usage
-
công bố báo cáo
-
chạy khảo sát định tính.
Chúng tôi vẫn đang ở giai đoạn “messy middle”, nhưng đã chuyển nhiều người từ AI skeptic sang AI advocate.
10. Cẩn thận với “AI slop”
Niềm tin là tất cả đối với sứ mệnh của Affirm.
Chúng tôi xây dựng niềm tin thông qua:
-
sự đơn giản
-
tính minh bạch
Trong thời đại AI, việc tạo ra quá nhiều thứ phức tạp hoặc “AI slop” trở nên cực kỳ dễ dàng.
Bạn có thể dễ dàng:
-
thử nghiệm
-
ném ý tưởng vào tường
-
xem cái gì dính.
Nhưng nghệ thuật thực sự nằm ở việc dùng AI để chắt lọc sản phẩm thành thứ cực kỳ đơn giản và minh bạch.
Một sản phẩm:
-
dựa trên vấn đề thực của khách hàng
-
xuất phát từ góc nhìn độc đáo.
Sự đơn giản chính là lợi thế cạnh tranh quan trọng nhất, và nó đạt được thông qua sự theo đuổi không ngừng của sự xuất sắc.