Thế chiến tam vương trí tuệ nhân tạo C-C-G (Bài 3)


Bài 3: Tạo dự án, tùy chỉnh, skill, plugin kết nối và tự động hóa

Cuộc cạnh tranh giữa Claude, ChatGPT và Gemini đã dịch chuyển từ “mô hình nào thông minh hơn” sang “hệ sinh thái nào giúp người dùng xây dựng và vận hành công việc thực tế hiệu quả hơn”. Ba khả năng then chốt đang định hình sự khác biệt là: tạo và quản lý dự án (Projects), tùy chỉnh hành vi thông qua skill/plugin, kết nối công cụ bên ngoài, và khả năng tự động hóa.

Đây không còn là so sánh đơn thuần về chất lượng câu trả lời, mà là so sánh về cách tổ chức tri thức, quy trình làm việc và khả năng hành động. Bài viết này phân tích sâu điểm mạnh, điểm yếu của từng hệ thống dựa trên tài liệu chính thức, thông báo sản phẩm và đánh giá thực tế từ giữa đến cuối năm 2026.

Bối cảnh chung: Sự hội tụ về tiêu chuẩn mở

Một xu hướng đáng chú ý trong năm 2026 là cả ba nền tảng đều đang hướng tới mô hình “skill” dạng thư mục chứa file SKILL.md (định dạng Markdown có frontmatter). Anthropic đã đóng góp tiêu chuẩn Agent Skills cho Agentic AI Foundation (AAIF) dưới Linux Foundation. OpenAI và Google cũng đang chuyển từ mô hình “Custom GPT / Gems” riêng biệt sang skill có thể tái sử dụng và kết hợp với giao thức kết nối (MCP hoặc tương đương).

Điều này tạo ra khả năng di chuyển skill giữa các nền tảng tốt hơn so với năm 2025, nhưng mức độ trưởng thành và cách tích hợp vẫn khác nhau đáng kể.

Claude: Phân tách rõ ràng giữa ngữ cảnh, quy trình và kết nối

Claude xây dựng hệ thống quanh ba lớp riêng biệt:

  • Projects: Không gian làm việc bền vững, chứa lịch sử hội thoại, tài liệu và custom instructions áp dụng cho toàn bộ project. Phù hợp để giữ ngữ cảnh dài hạn cho một dự án cụ thể (codebase, nghiên cứu, khách hàng…).
  • Skills: Thư mục chứa SKILL.md + script + tài liệu tham khảo. Skill dạy Claude cách làm một việc cụ thể (viết báo cáo theo chuẩn công ty, review code theo quy trình, xử lý tài liệu…). Skill được tải theo nhu cầu, không chiếm context liên tục.
  • MCP (Model Context Protocol): Giao thức mở để kết nối Claude với công cụ và dữ liệu bên ngoài (GitHub, Notion, Slack, cơ sở dữ liệu…). MCP cung cấp khả năng truy cập, còn Skill cung cấp cách sử dụng truy cập đó một cách đúng quy trình.

Anthropic phân biệt rõ: Project cho ngữ cảnh, Skill cho quy trình, MCP cho kết nối. Sự phân tách này được đánh giá cao bởi các nhà phát triển và đội ngũ kỹ thuật vì dễ kiểm soát, dễ tái sử dụng và ít gây nhiễu context.

Điểm mạnh:

  • Kiến trúc rõ ràng, dễ lý giải và dễ quản trị.
  • Skill là tiêu chuẩn mở, có thể chia sẻ qua GitHub hoặc MCP server.
  • Claude Code kết hợp tốt với Skills và MCP, tạo ra trải nghiệm agentic lập trình mạnh.
  • Artifacts cho phép tạo sản phẩm tương tác (dashboard, công cụ nhỏ) và kết nối với ứng dụng đã liên kết.

Điểm yếu:

  • Hệ sinh thái plugin/consumer còn hẹp hơn ChatGPT.
  • Một số tính năng mạnh (Claude Code, Skills nâng cao) thiên về người dùng kỹ thuật hơn là người dùng phổ thông.
  • Việc xây dựng skill phức tạp vẫn đòi hỏi hiểu biết về cấu trúc thư mục và frontmatter.

ChatGPT: Hệ sinh thái rộng và đang chuyển đổi mạnh

OpenAI đang trong giai đoạn chuyển đổi lớn: Custom GPTs sẽ ngừng hoạt động theo lịch trình (dự kiến 11/12/2026 với hầu hết tài khoản). Thay vào đó là Plugins – gói bao gồm skill (hướng dẫn tái sử dụng), file tham chiếu và ứng dụng kết nối. Plugins được chia sẻ giữa ChatGPT và Codex.

Ngoài ra còn có:

  • Projects: Nhóm các cuộc hội thoại, file và instructions cho một công việc cụ thể.
  • Agents: ChatGPT Work, Codex, và các agent luôn bật (Dots) có thể làm việc liên tục, kết nối hàng nghìn ứng dụng.
  • Hệ sinh thái plugin ngày càng lớn, hỗ trợ nhiều vai trò (tài chính, marketing, pháp lý…).

Điểm mạnh:

  • Hệ sinh thái kết nối và plugin rộng nhất trong ba nền tảng.
  • Khả năng agent mạnh, có thể thực hiện các tác vụ dài hơi và đa ứng dụng.
  • Dễ tiếp cận với người dùng phổ thông nhờ giao diện quen thuộc.
  • Plugins có thể dùng chung giữa chat và môi trường lập trình (Codex).

Điểm yếu:

  • Giai đoạn chuyển đổi từ Custom GPTs sang Plugins gây gián đoạn cho nhiều người dùng và tổ chức.
  • Kiến trúc mới còn đang định hình, một số người dùng phản hồi về sự phức tạp và khác biệt hành vi so với GPT cũ.
  • Chi phí và giới hạn sử dụng ở các gói cao cấp có thể tăng khi dùng agent mạnh.

Gemini: Tích hợp sâu với hệ sinh thái Google

Google đang chuyển từ Gems sang Skills theo định dạng SKILL.md. Skills xuất hiện cả trong ứng dụng Gemini và trong Google Workspace (Gmail, Docs, Drive, Chat…). Đặc biệt, Google Workspace Studio cho phép xây dựng luồng tự động hóa (flows) kết nối với Skills.

Điểm nổi bật của Gemini là khả năng làm việc trực tiếp bên trong các ứng dụng Google mà người dùng đã quen thuộc. Skills có thể được gọi tự động khi phù hợp hoặc bằng @mention, và có thể kích hoạt các flow trong Workspace Studio.

Điểm mạnh:

  • Tích hợp sâu và tự nhiên nhất với Google Workspace – lợi thế lớn với tổ chức đã dùng Gmail, Docs, Drive.
  • Workspace Studio cung cấp khả năng tự động hóa “if-this-then-that” khá mạnh mà không cần rời khỏi hệ sinh thái Google.
  • Giá trị tốt và khả năng xử lý ngữ cảnh lớn.
  • Hướng tới tiêu chuẩn mở SKILL.md, dễ tương thích về lâu dài.

Điểm yếu:

  • Skills tạo trong ứng dụng Gemini và trong Workspace hiện không đồng bộ tự động. Người dùng phải tạo lại nếu muốn dùng ở cả hai nơi.
  • Quá trình chuyển đổi từ Gems còn kéo dài (một số tài khoản doanh nghiệp đến năm 2027).
  • Hệ sinh thái agent và plugin ngoài Google còn chưa rộng bằng ChatGPT.

Bảng so sánh tổng hợp

Tiêu chíClaudeChatGPTGemini
Quản lý dự án (Projects)Mạnh, rõ ràngCó, đang ổn địnhCó, kết hợp Workspace
Skill / Tùy chỉnh quy trìnhMạnh, tiêu chuẩn mở, phân tách rõĐang chuyển sang PluginsĐang chuyển từ Gems sang Skills
Kết nối công cụ bên ngoàiMCP (mạnh, mở)Plugins + MCP (rộng nhất)Tích hợp Google + kết nối bên ngoài
Tự động hóaTốt qua Skills + MCP + Claude CodeMạnh với Agents, Work, DotsMạnh trong Workspace Studio
Độ thân thiện người dùng phổ thôngTrung bình (thiên kỹ thuật)CaoCao (đặc biệt người dùng Google)
Độ trưởng thành hệ sinh tháiĐang tăng nhanhRộng nhất, đang chuyển đổiMạnh trong hệ sinh thái Google
Tiêu chuẩn mởCao (Skills + MCP)Trung bình – CaoTrung bình – Cao (SKILL.md)

Như vậy

Claude thắng ở sự rõ ràng kiến trúc. Việc tách biệt “ngữ cảnh – quy trình – kết nối” giúp người dùng và đội ngũ kỹ thuật xây dựng hệ thống có thể kiểm soát được. Skill không chiếm context liên tục, MCP cung cấp công cụ, Project giữ tri thức dài hạn. Đây là mô hình phù hợp với những người muốn xây dựng quy trình nghiêm ngặt, tái sử dụng cao và dễ audit. Điểm yếu chính là rào cản tiếp cận đối với người dùng không kỹ thuật và hệ sinh thái consumer còn hẹp hơn.

ChatGPT thắng ở độ rộng và sức mạnh agent. Với hàng nghìn kết nối tiềm năng, khả năng làm việc liên tục của các agent, và sự quen thuộc của giao diện, ChatGPT hiện là lựa chọn mạnh nhất cho những người muốn “một nơi làm tất cả”. Tuy nhiên, giai đoạn chuyển đổi từ Custom GPTs sang Plugins đang tạo ra sự gián đoạn thực tế. Nhiều tổ chức phải dành thời gian migrate và học lại cách tổ chức skill/plugin.

Gemini thắng ở sự tích hợp tự nhiên với công việc hàng ngày của người dùng Google Workspace. Khả năng làm việc trực tiếp trong Gmail, Docs, Drive và xây dựng flow tự động hóa trong Workspace Studio là lợi thế khó cạnh tranh đối với tổ chức đã đầu tư vào hệ sinh thái Google. Điểm yếu nằm ở sự phân mảnh giữa Skills trong app Gemini và trong Workspace, cùng với tiến độ chuyển đổi còn chậm ở một số phân khúc.

Khi nào nên chọn cái nào?

  • Muốn xây dựng quy trình kỹ thuật rõ ràng, kiểm soát tốt, dễ tái sử dụng skill → Claude.
  • Cần hệ sinh thái rộng, nhiều kết nối, agent mạnh và làm việc đa ứng dụng → ChatGPT.
  • Tổ chức dùng nhiều Google Workspace, cần tự động hóa ngay trong Gmail/Docs/Drive → Gemini.
  • Muốn kết hợp → Nhiều đội ngũ kỹ thuật đang dùng Claude cho phần quy trình và code, ChatGPT hoặc Gemini cho phần nghiên cứu và tự động hóa hàng ngày.

Kết luận

Trong mặt trận tạo dự án, skill, plugin và tự động hóa, không có mô hình nào dẫn đầu tuyệt đối. Claude mạnh về kiến trúc và sự rõ ràng; ChatGPT mạnh về độ rộng hệ sinh thái và sức mạnh agent; Gemini mạnh về tích hợp sâu với môi trường làm việc thực tế của nhiều tổ chức. Sự hội tụ về tiêu chuẩn SKILL.md là tín hiệu tích cực, nhưng khoảng cách về độ trưởng thành hệ sinh thái vẫn còn đáng kể trong ngắn hạn.

Người dùng và tổ chức nên chọn dựa trên hệ sinh thái hiện có và mức độ kiểm soát quy trình mong muốn, thay vì chỉ dựa vào khả năng trả lời của mô hình. Nhiều trường hợp hiệu quả nhất vẫn là kết hợp hai hoặc cả ba nền tảng theo từng giai đoạn của công việc.

Mới hơn Cũ hơn