Điểm hỏng của việc dùng AI xử lý tài liệu hiếm khi nằm ở khâu phân tích. Nó nằm ở chỗ phần phân tích sống trong một luồng chat mà ba tuần sau không ai tìm ra. Đây là quy trình đặt kết quả ở nơi nó sống sót.
Bước 1 — đọc bằng Claude, không phải trong knowledge base
Tầng Opus của Claude là nơi dành cho công việc ngữ cảnh dài: hợp đồng, báo cáo nghiên cứu, bản ghi, bất cứ thứ gì mà phần giữa tài liệu quan trọng ngang phần đầu.
Hãy yêu cầu cấu trúc thay vì tóm tắt. "Trích mọi cam kết có kèm mốc thời gian, và đánh dấu những cam kết chưa có người phụ trách" cho ra thứ bạn hành động được. "Tóm tắt cái này" cho ra thứ mà rồi bạn sẽ mở lại bản gốc để kiểm chứng.
Bước 2 — ghi kết quả có cấu trúc vào Notion, đừng đẩy ngược vào chat
Đây là bước người ta hay bỏ qua, và nó chính là mấu chốt. Một luồng chat không phải knowledge base — không có schema, không có mô hình phân quyền, và đồng nghiệp không có cách nào tìm ra.
Dán phần trích xuất có cấu trúc vào một database Notion với thuộc tính thật: người phụ trách, ngày, tài liệu nguồn, trạng thái. Bạn đang biến một cuộc hội thoại thành bản ghi có thể truy vấn.
Bước 3 — để Notion AI lo phần tra cứu
Notion AI không phải công cụ để làm phần suy luận khó nhất, và giao việc đó cho nó là sai. Giá trị của nó là đã biết sẵn trong workspace của bạn có gì.
Khi phần phân tích đã nằm trong Notion dưới dạng các dòng có cấu trúc, "quý này chúng ta đã cam kết những gì trong các hợp đồng nhà cung cấp" trở thành câu hỏi có lời đáp, hỏi bởi người không hề có mặt trong cuộc hội thoại ban đầu.
Vì sao không làm hết trong một công cụ
Bạn làm được, và kết quả sẽ tệ hơn. Đọc sâu trong công cụ workspace nghĩa là chấp nhận model yếu hơn cho phần khó. Tra cứu trong công cụ chat nghĩa là kết quả không tìm lại được.
Sự phân chia tồn tại vì hai công việc có yêu cầu thật sự khác nhau: một bên cần chiều sâu suy luận, bên kia cần được người khác tìm thấy sau sáu tháng.