Công ty 30 người, doanh thu 50 triệu đô: Gamma và câu hỏi về "công ty một người"

Để hình dung mức độ bất thường của con số này: Theo lời chính nhà đồng sáng lập kiêm CEO Grant Lee, "nếu chúng tôi thuộc thế hệ khởi nghiệp trước, chúng tôi đã dễ dàng có 200 nhân viên." Gamma đã huy động tổng cộng 23 triệu đô-la vốn đầu tư — lần gọi vốn gần nhất là vòng Series A trị giá 12 triệu đô năm 2023, do quỹ Accel dẫn dắt, định giá công ty ở mức 112 triệu đô. Công ty đã có lãi, và — điều gần như chưa từng có với một startup được rót vốn mạo hiểm — lượng tiền mặt công ty tạo ra còn nhiều hơn số vốn đã huy động.

Gamma là công cụ AI giúp người dùng tạo slide thuyết trình chỉ bằng một câu lệnh — gõ "tạo một bộ slide 6 trang về phương pháp giảng dạy tình huống ở Harvard Business School," và trong chưa đầy một phút, AI dựng ra một bộ slide hoàn chỉnh, có bố cục, hình ảnh, và nội dung. Nhưng câu chuyện đáng chú ý hơn cả sản phẩm là cách công ty này được vận hành — và nó là một minh hoạ sống động cho gần như mọi khái niệm mà bảy bài trước của series này đã bàn tới.

Một tổ chức được thiết kế theo kiểu hoàn toàn khác

Nhớ lại bài 1 của series: định nghĩa cốt lõi của một doanh nghiệp là một hệ thống giải quyết đồng thời hai bài toán — phối hợp và động lực. Gamma giải cả hai bài toán đó theo một cách rất khác với công ty truyền thống. Đội ngũ kỹ thuật chỉ có 17 kỹ sư, nhưng vận hành với tốc độ ngang các đội lớn hơn nhiều lần, nhờ các công cụ AI như Cursor, Claude và Windsurf giúp dựng khung code, tạo bản mẫu nhanh, và rút ngắn thời gian triển khai — công ty ước tính AI mang lại lợi thế năng suất 30 đến 40% cho toàn bộ chức năng kỹ thuật. Đội thiết kế và sản phẩm được gộp làm một, chỉ 11 người, vì — theo lời Trưởng phòng Sản phẩm AI Deeni Fatiha — "kỹ sư của chúng tôi rất am hiểu sản phẩm, người làm sản phẩm khá rành kỹ thuật, và nhà thiết kế cũng vậy. Không ai có đặc quyền nói ‘đây là làn bơi của tôi, tôi chỉ bơi trong đó.’" Đội marketing chỉ hai người. Đội chăm sóc khách hàng cũng chỉ hai người — nhưng xử lý hơn 32.000 yêu cầu hỗ trợ mỗi tháng, vì trợ lý AI hội thoại mang tên Fin (chạy trên nền tảng Intercom) tự xử lý 86% tổng số yêu cầu.

Đây chính là bức tranh cụ thể cho ý tưởng đã được nhắc ở bài 2 của series: công việc không biến mất, chỉ là các nhiệm vụ (task) cấu thành công việc đó thay đổi. Người ở đội chăm sóc khách hàng của Gamma không còn dành phần lớn thời gian trả lời từng câu hỏi lặp đi lặp lại — nhiệm vụ đó đã chuyển cho AI. Thời gian của họ giờ dồn vào việc huấn luyện AI trả lời tốt hơn, viết tài liệu chuyên biệt để AI tham khảo, và xử lý những trường hợp thực sự phức tạp mà AI không giải quyết được.

Tuyển người khác hẳn, và lỹ do không chỉ vì tiết kiệm chi phí

Sự thay đổi trong cấu trúc nhiệm vụ đó kéo theo một triết lý tuyển dụng khác hẳn — và đây là chỗ nối trực tiếp với bài 5 của series về vai trò người quản lý. Grant Lee nói thẳng: "Trong nhiều thập niên, các công ty tuyển quản lý để quản lý, và tuyển nhân viên thực thi (IC) để thực thi. Sự chia tách giả tạo này tạo ra những lãnh đạo dần mất kết nối với chính công việc họ lẽ ra phải giám sát. Những người đó sẽ chật vật trong thời kỳ tinh giản, vì họ không còn có thể tự làm lại công việc của nhân viên mình nữa. Ở Gamma, chúng tôi muốn tuyển ‘player coach’ — những người có kinh nghiệm quản lý nhưng chưa xa rời công việc thực thi tới mức không còn tự làm được." Đây chính là hình ảnh cụ thể cho câu hỏi "người quản lý còn lại gì trong thời AI" mà bài 5 đặt ra: ở Gamma, câu trả lời là — quản lý và người trực tiếp làm việc gần như là một.

Công ty cũng ưu tiên tuyển người đa năng thay vì chuyên gia hẹp. Lee giải thích: "Nhân viên giá trị nhất không phải người giỏi trong một phạm vi hẹp — mà là người biết xoay xở, liên tục mở rộng năng lực của mình. Cách tiếp cận này tạo ra một sự bền vững đáng kể: vì ai cũng hiểu nhiều chức năng khác nhau, chúng tôi không có điểm nghẽn duy nhất khi một người nghỉ việc hay chuyển dự án." Và thay vì phỏng vấn truyền thống — thứ mà bài 3 của series đã chỉ ra là một hình thức dự đoán đầy nhiễu và thiên lệch — Gamma chuyển sang các đợt "thử việc có trả lương," nơi ứng viên thực sự làm công việc họ sẽ đảm nhận trước khi được nhận chính thức. Lee gọi đây là cách "tạo ra một mức độ minh bạch mà không cuộc phỏng vấn nào có được" — nói cách khác, thay vì cố dự đoán ai sẽ làm tốt, Gamma quan sát trực tiếp ai đang làm tốt, giảm thiểu chính vấn đề "ground truth mờ ảo" mà bài 3 đã bàn.

Văn hóa không phải là nồi áp suất

Với một đội ngũ nhỏ và gắn kết như vậy, "sự phù hợp lẫn nhau" (mutual fit) trở nên quan trọng sống còn — và kết quả, theo lời công ty, gần như không có nhân sự nghỉ việc. Nhưng đáng chú ý là Gamma từ chối văn hoá làm việc kiệt sức "9-9-6" (9 giờ sáng tới 9 giờ tối, 6 ngày một tuần) phổ biến ở nhiều startup AI khác. Lee nói: "Chúng tôi không có văn hoá kiểu ‘nồi áp suất (boiler room) nơi sức ép luôn thường trực. Chúng tôi đang cố xây dựng cho đường dài, nghĩa là luôn phải cân bằng lượng năng lượng sáng tạo bạn có thể mang tới." Đây là một minh chứng thú vị cho luận điểm ở bài 7: văn hoá — cụ thể là mức độ tổ chức dung túng cho thử nghiệm và sai sót — chính là điều kiện để tận dụng được khả năng sinh ý tưởng gần như vô hạn mà AI mang lại, thay vì chỉ dùng AI để nhồi thêm áp lực vào một guồng máy đã kiệt sức.

Công ty một người: Từ ý tưởng viễn tưởng đến thước đo đầu tư thật sự

Câu chuyện của Gamma nằm trong một xu hướng rộng hơn mà giới đầu tư mạo hiểm giờ đây theo dõi bằng một chỉ số cụ thể: doanh thu định kỳ hằng năm trên mỗi nhân sự toàn thời gian (ARR trên FTE) — thước đo mức độ "đòn bẩy AI" mà một công ty đạt được. Có hẳn một bảng xếp hạng công khai theo dõi các công ty AI-native tinh gọn nhất theo chỉ số này. Sam Altman, CEO của OpenAI, thậm chí từng dự đoán rằng một ngày nào đó sẽ xuất hiện một "công ty một người" trị giá 1 tỷ đô-la.

Nghe có vẻ cường điệu, nhưng logic đằng sau nó rất nhất quán với toàn bộ luận điểm xuyên suốt hai series này: khi chi phí sản xuất — viết code, thiết kế, trả lời hỗ trợ khách hàng, tổng hợp dữ liệu nghiên cứu thị trường — giảm gần về không nhờ AI, thứ còn lại quyết định giá trị của một tổ chức không phải quy mô nhân sự, mà là chất lượng phán đoán của những người còn lại: họ chọn xây cái gì, chọn ưu tiên khách hàng nào, chọn khi nào tin và khi nào nghi ngờ kết quả AI đưa ra. Đây chính là điểm nút thắt cổ chai đã dịch chuyển — từ sản xuất sang lựa chọn — mà cả series này liên tục quay về. Một "công ty một người" khả thi không phải vì một người có thể làm việc của một trăm người, mà vì phần lớn công việc của một trăm người đó giờ có thể được AI thực hiện, chỉ còn lại phần phán đoán — thứ mà, ít nhất ở thời điểm hiện tại, vẫn cần một con người đứng ra chịu trách nhiệm.

Câu hỏi còn bỏ ngỏ: Lợi thế này có bền vững không?

Nhưng chính các nhà sáng lập Gamma cũng không chắc câu trả lời. Khi lái xe ngang qua hàng loạt biển quảng cáo của các đối thủ AI khác trên xa lộ I-80 ở San Francisco — trong đó có cả những công ty vừa ra mắt công cụ tạo slide cạnh tranh trực tiếp — họ tự hỏi: nếu công cụ nền tảng AI mà Gamma dùng để xây sản phẩm cũng chính là công cụ giúp hàng ngàn đối thủ nhỏ khác dễ dàng sao chép mô hình của mình, lợi thế cạnh tranh thực sự nằm ở đâu? Doanh thu của Gamma đã tăng gấp 8 lần chỉ trong một năm — nhưng tăng trưởng nhanh trong thời AI không đồng nghĩa với việc giữ vững vị trí lâu dài, khi mà chính những công cụ giúp bạn xây dựng nhanh cũng đang trao công cụ tương tự cho mọi đối thủ tiềm năng.

Cao Thăng Nhật Minh (Đại học Stanford và Harvard)

---------------------------------
Nguồn tham khảo chính: Rembrand Koning, Nicole Tempest Keller, Hyunjin Kim, "Gamma: Slides in the Blink of AI", Harvard Business School Case 9-826-001 (2026), sử dụng trong môn học OB301/BUSGEN 101, Stanford Graduate School of Business, GS. Amir Goldberg; Erin Griffith, "A.I. is Changing How Silicon Valley Builds Start-ups", The New York Times, 20/2/2025.