Solve like Polya, ask like SocratesGiải bài toán như Polya, hỏi như Socrates
Two old methods are still the best frame for working alongside machines: understand the problem, plan, and keep asking why.Hai phương pháp cũ vẫn là bộ khung tốt nhất để làm việc cùng máy: hiểu đề, lập kế hoạch, và không ngừng hỏi vì sao.

In 1945 the mathematician George Polya published "How to Solve It", a short book on how to approach problems you have never seen before. Two and a half thousand years earlier, Socrates taught by asking questions until assumptions fell apart. I keep coming back to both, because they describe exactly the part of the work that machines do not do for you.
Polya wrote for students of mathematics, but the book has been read by engineers, managers and teachers for eighty years because its method is general. Socrates never wrote anything down and is known mainly through Plato, yet his habit of questioning has shaped how law, medicine and science test their ideas. Neither method is new. What is new is that machines now do a large share of the work that sits between the questions, which makes the questions themselves more important.
Polya's four steps look obvious when written down. Understand the problem: what is unknown, what data is given, what conditions apply. Devise a plan, often by looking for a similar problem you have solved before. Carry out the plan, checking each step. Look back: check the result, and ask whether it could be reached another way or used for another problem. Most people jump straight to the third step, because doing feels like progress. AI tools make that jump even more tempting, because they produce output instantly.
The first step is the one machines skip
Give a model a vague request and it will happily produce an answer. It will not stop to ask what is actually unknown, which conditions apply, or whether the problem is the right one. That is Polya's first step, and it is now the most valuable thing a person brings to the work.
A typical example from project work: a manager asks an assistant to draft a recovery plan for a delayed project. The assistant produces a tidy plan with extra resources, a revised schedule and weekly checkpoints. It looks professional. What it does not ask is why the project is delayed. If the delay comes from a client who has not approved the design, more engineers will not help. If it comes from an unclear scope, a new schedule will slip again. The useful work was in the first step, and the tool skipped it because nobody asked it to do that step.
The practical habit is to spend the first part of any significant task writing down the problem in your own words: what is known, what is unknown, what would count as a solution. Then share that statement with the tool, or with a colleague, and ask them to challenge it before anyone starts on a solution. That small investment changes the quality of everything that follows.
Asking why, five times
Socrates' method survives in a practical form in manufacturing: the five whys, made famous by Toyota. A machine stops. Why? A fuse blew. Why? The bearing was overloaded. Why? It was not lubricated. Why? The pump was not working. Why? Its intake was blocked by metal shavings. Fix the last answer, and the first one stops recurring.
The number five is a rule of thumb. Some problems reach their root in three questions, others need seven. The discipline is to keep asking until the answer points to something the team can change in the system, as opposed to a person to blame. "The operator forgot" is rarely a root cause, because the next question is why the system allowed it to be forgotten. In software, the same approach turns "a developer made a mistake" into "the test suite did not cover this case, because the requirement was never written down".
AI tools can help with the five whys if used carefully. They are good at suggesting possible causes and at organising evidence from logs or reports. They are poor at knowing which cause is true in your specific factory or codebase, because that requires going to look. A model can propose that a pump might be blocked. Only someone who opens the pump can confirm it. The questions can be shared with a machine. The verification stays with people who can see the actual situation.
A working frame with AI
Put the two together and you get a simple division of labour. People own understanding and the questions that test it. Machines help generate plans and carry them out quickly. People look back and judge. When reviewing work done with AI, it pays to ask first about the problem statement, and only then about the output.
The last row of the table, looking back, is the one most often cut when deadlines press. Polya meant more than checking for errors. He meant asking what the solution teaches: could the method be used elsewhere, could the result be reached more simply, what would you do differently next time? In Extreme Programming, the retrospective plays the same role for a team. With AI producing much of the work, looking back is also where people learn how to use the tools better, which prompts led to good results, where the tool needed closer checking.
For managers reviewing their team's work, a short Socratic routine helps. What problem were you solving? How do you know it is the right problem? What did you assume? What would show that the solution is wrong? These questions take five minutes and often reveal more than an hour spent reading the output itself. They also teach the team to ask the same questions on their own, which is the point.
A well-stated problem is half solved. That was true for Polya, and it is truer now.
Năm 1945, nhà toán học George Polya xuất bản "How to Solve It", một cuốn sách mỏng về cách tiếp cận những bài toán chưa từng gặp. Hai nghìn rưỡi năm trước đó, Socrates dạy học bằng cách đặt câu hỏi cho đến khi các giả định sụp đổ. Tôi cứ quay lại với cả hai, vì họ mô tả đúng phần công việc mà máy không làm thay bạn.
Polya viết cho sinh viên toán, nhưng cuốn sách được kỹ sư, nhà quản lý và giáo viên đọc suốt tám mươi năm vì phương pháp của nó mang tính phổ quát. Socrates chưa bao giờ viết gì, hậu thế biết đến ông qua Plato, vậy mà thói quen chất vấn của ông đã định hình cách luật học, y học và khoa học kiểm nghiệm ý tưởng. Không phương pháp nào mới. Cái mới là giờ máy làm một phần lớn công việc nằm giữa các câu hỏi, khiến bản thân câu hỏi càng quan trọng hơn.
Bốn bước của Polya khi viết ra trông có vẻ hiển nhiên. Hiểu bài toán: cái gì chưa biết, dữ kiện nào đã cho, điều kiện nào áp dụng. Lập kế hoạch, thường bằng cách tìm một bài toán tương tự mình đã giải. Thực hiện kế hoạch, kiểm tra từng bước. Nhìn lại: kiểm tra kết quả, và tự hỏi có cách khác để đến đó không, có dùng được cho bài toán khác không. Phần lớn mọi người nhảy thẳng đến bước ba, vì làm thì có cảm giác tiến bộ. Công cụ AI làm cú nhảy đó càng hấp dẫn, vì chúng cho ra kết quả ngay lập tức.
Bước đầu tiên là bước máy bỏ qua
Đưa cho mô hình một yêu cầu mơ hồ, nó sẽ vui vẻ đưa ra câu trả lời. Nó sẽ không dừng lại hỏi cái gì thực sự chưa biết, điều kiện nào áp dụng, hay bài toán có đúng là bài toán cần giải không. Đó là bước đầu tiên của Polya, và giờ là thứ giá trị nhất con người mang vào công việc.
Một ví dụ quen thuộc trong công việc dự án: người quản lý nhờ trợ lý soạn kế hoạch khắc phục cho một dự án bị trễ. Trợ lý đưa ra một kế hoạch gọn gàng với thêm nguồn lực, tiến độ điều chỉnh và các mốc kiểm tra hằng tuần. Trông rất chuyên nghiệp. Điều nó không hỏi là vì sao dự án trễ. Nếu trễ vì khách hàng chưa duyệt thiết kế, thêm kỹ sư chẳng giúp được gì. Nếu trễ vì phạm vi chưa rõ, tiến độ mới sẽ lại trượt. Phần việc hữu ích nằm ở bước đầu tiên, và công cụ bỏ qua nó vì không ai yêu cầu nó làm bước đó.
Thói quen thực tế là dành phần đầu của bất kỳ đầu việc quan trọng nào để viết bài toán bằng lời của chính mình: điều gì đã biết, điều gì chưa biết, thế nào thì được coi là lời giải. Rồi chia sẻ phát biểu đó với công cụ, hoặc với một đồng nghiệp, và nhờ họ phản biện trước khi bất kỳ ai bắt tay vào giải. Khoản đầu tư nhỏ đó thay đổi chất lượng của mọi thứ theo sau.
Hỏi vì sao năm lần
Phương pháp của Socrates còn tồn tại ở dạng thực dụng trong sản xuất: năm câu hỏi vì sao, được Toyota làm cho nổi tiếng. Một cái máy dừng. Vì sao? Cầu chì đứt. Vì sao? Ổ trục quá tải. Vì sao? Không được bôi trơn. Vì sao? Bơm không hoạt động. Vì sao? Cửa hút bị phoi kim loại chặn. Sửa câu trả lời cuối cùng, câu trả lời đầu tiên sẽ thôi lặp lại.
Con số năm chỉ là quy tắc kinh nghiệm. Có vấn đề chạm tới gốc sau ba câu hỏi, có vấn đề cần bảy. Kỷ luật ở đây là cứ hỏi cho đến khi câu trả lời chỉ ra một thứ đội có thể thay đổi trong hệ thống, thay vì một người để đổ lỗi. "Người vận hành quên" hiếm khi là nguyên nhân gốc, vì câu hỏi tiếp theo là vì sao hệ thống để việc đó bị quên. Trong phần mềm, cách tiếp cận này biến "một lập trình viên mắc lỗi" thành "bộ test không bao phủ trường hợp này, vì yêu cầu chưa bao giờ được ghi lại".
Công cụ AI có thể hỗ trợ năm câu hỏi vì sao nếu dùng cẩn thận. Chúng giỏi gợi ý các nguyên nhân có thể và sắp xếp bằng chứng từ log hay báo cáo. Chúng kém trong việc biết nguyên nhân nào là thật ở nhà máy hay codebase cụ thể của bạn, vì việc đó đòi hỏi phải đến tận nơi xem. Mô hình có thể đề xuất rằng bơm có thể bị tắc. Chỉ người mở bơm ra mới xác nhận được. Câu hỏi có thể chia với máy. Việc kiểm chứng vẫn thuộc về người nhìn thấy tình huống thực tế.
Một khung làm việc với AI
Ghép hai phương pháp lại, ta có một sự phân công đơn giản. Con người làm chủ việc hiểu bài toán và những câu hỏi kiểm tra sự hiểu đó. Máy giúp tạo ra kế hoạch và thực hiện nhanh. Con người nhìn lại và phán đoán. Khi xem xét công việc làm cùng AI, nên hỏi về phát biểu bài toán trước, rồi mới hỏi về kết quả.
Hàng cuối cùng của bảng, nhìn lại, là hàng hay bị cắt nhất khi hạn chót dồn tới. Polya muốn nói nhiều hơn việc kiểm tra lỗi. Ông muốn hỏi lời giải dạy được điều gì: phương pháp có dùng được ở nơi khác không, có cách nào đơn giản hơn để đến kết quả không, lần sau sẽ làm gì khác? Trong Extreme Programming, buổi nhìn lại đóng vai trò tương tự cho cả đội. Khi AI làm ra phần lớn công việc, nhìn lại còn là lúc con người học cách dùng công cụ tốt hơn, câu lệnh nào cho kết quả tốt, chỗ nào công cụ cần được kiểm tra kỹ hơn.
Với người quản lý xem xét công việc của đội, một nếp hỏi kiểu Socrates ngắn gọn rất có ích. Bạn đang giải bài toán gì? Làm sao biết đó là đúng bài toán? Bạn đã giả định điều gì? Điều gì sẽ cho thấy lời giải sai? Những câu hỏi này mất năm phút và thường tiết lộ nhiều hơn một giờ đọc chính kết quả. Chúng còn dạy đội tự đặt những câu hỏi đó, và đó mới là mục đích.
Một bài toán được phát biểu rõ là đã giải được một nửa. Điều đó đúng thời Polya, và giờ còn đúng hơn.
