Trong giai đoạn đầu của làn sóng GenAI, “prompt engineering” từng được xem như một kỹ năng chiến lược. Chỉ cần viết prompt khéo, điều chỉnh vài câu lệnh, AI có thể cho ra nội dung trông thông minh, đúng giọng, đúng format. Với nhiều đội marketing, đó là cảm giác lần đầu “chạm” được sức mạnh của AI. Nhưng thực tế, prompt engineering chưa bao giờ là chiến lược dài hạn. Nó chỉ là một giải pháp tạm thời, một cách “nói chuyện khéo” với một hệ thống không hề hiểu doanh nghiệp của bạn.
Giờ đây, giới hạn của cách tiếp cận này đang lộ rõ.
Khi AI tạo được nhiều hơn, nhưng không đúng hơn
AI dựa trên prompt có thể giúp scale nội dung rất nhanh. Nhưng nó không scale được sự liên quan.
Hỏi AI viết được một bài blog, một email hay một kịch bản bán hàng. Nhưng yêu cầu phản ánh đúng giá trị khác biệt của thương hiệu, logic pricing, ngữ cảnh ngành, ràng buộc pháp lý hoặc chiến lược go-to-market cụ thể … thì AI bắt đầu “improvise” – nói trôi chảy, tự tin, nhưng sai.
Vấn đề không nằm ở việc AI chưa đủ thông minh, mà ở chỗ AI không có ngữ cảnh của doanh nghiệp. Khi marketer mang cách làm này đi scale, họ không chỉ scale năng suất – họ đang scale rủi ro. Không ngẫu nhiên khi McKinsey chỉ ra: dù gần 80% doanh nghiệp đang thử nghiệm GenAI, chỉ khoảng 10% ghi nhận tác động rõ ràng lên P&L. Lý do không phải vì thiếu công cụ, mà vì thiếu sự căn chỉnh với chiến lược kinh doanh.
Vấn đề không nằm ở prompt. Nó nằm ở kiến trúc
Một AI không được “nuôi” bằng tri thức nội bộ của doanh nghiệp thì về bản chất không phải tài sản của doanh nghiệp đó. Nó chỉ là một công cụ dùng chung và đối thủ của bạn cũng đang dùng cùng một nền tảng, cùng một nguồn dữ liệu nền. Khi đó, AI chỉ có thể cho ra những output “trung bình ngành”. Và trong một thị trường cạnh tranh, sự trung bình chính là rủi ro lớn nhất. Đây là lý do khái niệm mới đang dần thay thế prompt engineering: context engineering.
Context engineering là gì – và vì sao nó quan trọng?
Nếu prompt engineering là “nói cho AI biết phải làm gì”, thì context engineering là dạy AI hiểu bạn là ai. Context ở đây không phải vài dòng mô tả, mà là toàn bộ hệ tri thức tạo nên lợi thế cạnh tranh của doanh nghiệp:
ICP và buyer journey thực tế
định vị thương hiệu và brand voice
playbook bán hàng
logic thắng – thua trong đấu thầu
insight từ thị trường, từ đội sales, từ khách hàng
và cả những ràng buộc về pháp lý, compliance
Khi AI được truy cập, hiểu và vận hành dựa trên những lớp ngữ cảnh này, nó không còn “đoán” nữa mà ra quyết định dựa trên logic của doanh nghiệp. Lúc đó, câu hỏi của marketer không còn là “viết prompt sao cho hay?”, mà là “làm sao để biến tri thức nội bộ thành một hệ thống có thể vận hành ở quy mô lớn?”
Từ công cụ thử nghiệm sang hạ tầng chiến lược
Điểm mấu chốt của context engineering là: coi AI như hạ tầng, không phải tiện ích. Điều này đòi hỏi doanh nghiệp phải:
cấu trúc lại tri thức nội bộ
xây dựng hệ thống truy xuất kiến thức (RAG, knowledge base)
xác định ai sở hữu, ai kiểm duyệt từng lớp thông tin
và đo lường AI không bằng tốc độ tạo nội dung, mà bằng mức độ chính xác, nhất quán và tác động đến kinh doanh
Đây không còn là việc riêng của IT hay đội data. Nếu marketing, sales và CX không chủ động định hình cách AI được “nuôi” bằng tri thức gì, thì hệ thống đó sẽ được xây theo logic của người khác.
AI không thay thế chiến lược, nó khuếch đại chiến lược
Từ góc độ agency, chúng tôi nhìn thấy rất rõ một điều là AI không làm chiến lược tốt hơn hay tệ hơn – nó chỉ khuếch đại những gì đã có. Nếu doanh nghiệp có chiến lược rõ ràng, dữ liệu sạch và tri thức được cấu trúc tốt, AI sẽ trở thành đòn bẩy tăng trưởng thực sự. Ngược lại, nếu mọi thứ vẫn mơ hồ, AI chỉ giúp tạo ra nhiều nội dung hơn nhưng ít tác động hơn.
Kỷ nguyên mới của AI marketing không thuộc về những ai viết prompt hay nhất. Nó thuộc về những tổ chức hiểu rõ điều gì làm nên bản sắc và lợi thế của mình và biết cách “đóng gói” điều đó thành ngữ cảnh cho máy học.
