Tư duy thiết kế truyền thống khác gì với Generative Design Thinking?

3

Nếu tư duy thiết kế truyền thống (Design Thinking) giúp đội nhóm hiểu người dùng – xác định vấn đề – thử nghiệm nhanh để đi tới giải pháp, thì Generative Design Thinking (GDT) là một bước tiến trong kỷ nguyên Generative AI: con người không chỉ “nghĩ ý tưởng” mà còn thiết kế cách để AI sinh ra nhiều phương án, sau đó chọn – chỉnh – học lại cùng AI. Nói ngắn gọn: trọng tâm dịch chuyển từ “tạo giải pháp” sang “thiết kế không gian giải pháp và vòng lặp người–AI” [2][3][4].

Bài viết này làm rõ khác biệt cốt lõi, cho thấy khi nào nên dùng cách nào, và gợi ý một quy trình Hybrid GDT để áp dụng thực tế trong tổ chức/giáo dục tại Việt Nam [1][5][6].

1) Tư duy thiết kế “truyền thống” là gì? (con người – người dùng – thử nghiệm)

IDEO định nghĩa Design Thinking là cách tiếp cận đổi mới lấy con người làm trung tâm, kết hợp nhu cầu con người – khả năng công nghệ – yêu cầu kinh doanh [1]. Đây là lý do Design Thinking thường được dùng tốt cho các vấn đề “mơ hồ” và cần insight người dùng trước khi nhảy vào giải pháp.

Một mô hình phổ biến (được Stanford sử dụng trong giảng dạy) gồm 5 bước: Empathize – Define – Ideate – Prototype – Test. Quy trình này phi tuyến tính và nhấn mạnh “bias to action”: tạo mẫu và thử sớm để học nhanh [2].

Điểm mạnh của Design Thinking truyền thống: Giúp đội nhóm “đặt đúng câu hỏi”, hiểu đúng bối cảnh con người, rồi thử nghiệm nhanh để giảm rủi ro [1][2].

2) Generative Design Thinking (GDT) là gì? (hợp tác người–AI và “đảo chiều” tư duy)

Trong bối cảnh generative design (thiết kế sinh), nhà thiết kế đặt ra mục tiêu – tham số – ràng buộc, sau đó thuật toán/AI tính toán để tạo ra nhiều phương án, thường theo cơ chế lặp: sinh biến thể → đánh giá theo mục tiêu → giữ lại phương án tốt → tiếp tục tối ưu [4]. Đây là nền tảng để nói về Generative Design Thinking như một kiểu “tư duy thiết kế” mới trong môi trường có AI sinh.

Nghiên cứu của Clay & Sha mô tả khác biệt then chốt giữa hai “hướng tư duy”:

• Traditional Design Thinking thiên về Forward Design: con người tạo phương án trong design space, sau đó đánh giá trong objective space (tiêu chí hiệu năng) [3].
• Generative Design Thinking thiên về Backward Design: con người xác lập mục tiêu/ràng buộc trong objective space, để AI khai phá design space; con người đóng vai trò định nghĩa – điều chỉnh mục tiêu – giám tuyển (curate) – giải thích – ra quyết định [3][4].

Một hướng tiếp cận khác (Chen và cộng sự) nhấn mạnh GDT như một hệ vòng lặp đa tầng: thu nhận & biểu đạt tri thức, sinh – đánh giá – điều chỉnh phản hồi, và tối ưu kho tri thức/mô hình; trong đó tối ưu tri thức có thể tác động mạnh đến hiệu quả thiết kế [5].

3) So sánh nhanh: “truyền thống” khác GDT ở đâu?

Dưới đây là 10 khác biệt thực dụng nhất để chọn đúng cách làm cho đúng bài toán:

4) Hiểu đúng: GDT ≠ “dùng ChatGPT brainstorm”

Nhiều đội nhóm nhầm GDT với việc “prompt để lấy vài chục ý tưởng”. Đó chỉ là AI-assisted ideation (AI hỗ trợ ý tưởng), vẫn khá gần Design Thinking truyền thống [7][2].

GDT “đúng nghĩa” cần thêm 3 lớp năng lực:

1. Thiết kế objective space: mục tiêu, ràng buộc, thước đo (thường là đa mục tiêu) [3][4].
2. Thiết kế cơ chế sinh & đánh giá: tri thức/dữ liệu, quy tắc, rubric, cách lọc và phản hồi [4][5].
3. Thiết kế learning loop: cập nhật mục tiêu – dữ liệu – mô hình/prompt theo phản hồi thực tế [5][6].

Ba lớp năng lực phân biệt Generative Design Thinking với việc “dùng AI để brainstorm”.

5) Quy trình Hybrid GDT (7 bước) dễ áp dụng cho đội nhóm

Dưới đây là quy trình “lai” để giữ DNA human-centered của Design Thinking nhưng tận dụng sức mạnh generative:

Bước 1 — Empathize & Define (giữ phần “truyền thống”)

Mục tiêu: framing đúng vấn đề, tránh tối ưu sai thứ [1][2].
Cách làm: phỏng vấn/quan sát, tổng hợp insight, viết problem statement.

Bước 2 — Định nghĩa objective space

Mục tiêu: chuyển nhu cầu thành mục tiêu đo được + ràng buộc + trade-off [3][4].
Lưu ý: tách must-have (ràng buộc) và nice-to-have (tối ưu).

Bước 3 — Chuẩn bị tri thức/dữ liệu (knowledge base)

Mục tiêu: tăng chất lượng đầu vào để giảm lệch và tăng phù hợp bối cảnh [5][6].
Đầu ra: guideline, ví dụ chuẩn, insight, chính sách/điều kiện.

Bước 4 — Sinh phương án (generation)

Mục tiêu: tạo option set đủ rộng trước khi hội tụ [4][5].
Cách làm: sinh biến thể theo tham số/tiêu chí, không chỉ sinh “ý tưởng chữ”.

Bước 5 — Đánh giá đa tầng (evaluation)

• Tầng 1: lọc tự động theo ràng buộc (fail fast) [4].
• Tầng 2: hội đồng con người chấm theo rubric (tính người dùng, thương hiệu, đạo đức) [6][1].
• Tầng 3: prototype/test nhanh cho top-k [2][7].

Bước 6 — Chọn & giải thích được (explain/justify)

Mục tiêu: quyết định có lý do, có log tiêu chí, dễ truyền thông nội bộ [6][3].

Bước 7 — Feedback adjustment (học lại)

Mục tiêu: cập nhật mục tiêu/dữ liệu/mô hình để vòng sau tốt hơn [5][6].

6) Ví dụ thực tế: GDT thay đổi công việc thiết kế như thế nào?

Ví dụ 1: GenAI giúp “lặp nhanh” trong phát triển sản phẩm

MIT Sloan Management Review mô tả các nhóm đổi mới dùng GenAI để: gợi ý tính năng, hỗ trợ phác thảo/ý tưởng thị giác, và phân tích phản hồi (tóm tắt, nhóm cụm, đề xuất cải tiến) — giúp khám phá nhiều ý tưởng hơn và lặp nhanh hơn ở giai đoạn đầu [7].

Ví dụ 2: AI không phá nguyên lý Design Thinking nhưng thay đổi thực hành

Nghiên cứu của Verganti, Vendraminelli & Iansiti cho rằng AI không làm suy yếu nguyên lý design thinking (people-centered, abductive, iterative), nhưng vượt giới hạn cũ về quy mô học hỏi, tốc độ, cá nhân hóa nhờ các “learning loops”. Vai trò con người dịch chuyển mạnh sang sensemaking và thiết kế vòng lặp [6].

Ví dụ 3: Trong kỹ thuật, “Backward Design” là khác biệt cốt lõi

Clay & Sha nhấn mạnh khi dùng generative AI, nhà thiết kế phải làm việc ngược: chỉnh mục tiêu/ràng buộc để AI khai phá phương án; sau đó đánh giá và tinh chỉnh vòng lặp — thay vì tự tay tạo từng phương án [3][4].

7) Khi nào nên dùng cách nào?

Ưu tiên Design Thinking truyền thống khi:

• Vấn đề còn mơ hồ, cần hiểu sâu con người và bối cảnh [1][2].
• Dữ liệu ít/khó tin cậy; trải nghiệm phụ thuộc yếu tố tinh tế, đạo đức, văn hoá [6][1].

Ưu tiên GDT khi:

• Có thể mô tả mục tiêu/ràng buộc tương đối rõ; cần tối ưu đa mục tiêu hoặc khám phá không gian phương án lớn [3][4].
• Đội nhóm có năng lực thiết kế tiêu chí đánh giá và kiểm định đầu ra [5][6].

Design Thinking truyền thống mạnh ở đúng người – đúng vấn đề – thử nghiệm nhanh [1][2].
Generative Design Thinking mạnh ở thiết kế vòng lặp người–AI: đặt mục tiêu/ràng buộc đúng, dùng AI mở rộng không gian phương án, rồi giám tuyển – giải thích – học lại [3][5][6].

Trong thực tế, cách hiệu quả nhất thường là Hybrid: giữ chắc Empathize/Define, rồi dùng GDT để tăng tốc ideate/prototype/test có hệ thống [2][7].

Tài liệu tham khảo

[1] IDEO. (2025). IDEO Design Thinking (Design thinking defined). IDEO. https://designthinking.ideo.com/

[2] Stanford University. (n.d.). A Design Thinking Process (ME 113). Stanford University. https://web.stanford.edu/class/me113/d_thinking.html

[3] Clay, J., & Sha, Z. (2025). Paradigmatic design thinking: how generative AI changes the role of human designers. Proceedings of the Design Society (ICED25). https://www.cambridge.org/core/services/aop-cambridge-core/content/view/BACAA4A24EF6F7C2110919ABDBEE3DF7/S2732527X2510271Xa.pdf/https://www.cambridge.org/core/services/aop-cambridge-core/content/view/BACAA4A24EF6F7C2110919ABDBEE3DF7/S2732527X2510271Xa.pdf/

[4] Clay, J. Z., Li, X., Demirel, H. O., Goldstein, M. H., Jiang, R., Xie, C., Zabelina, D. L., & Sha, Z. (2026). Thinking inversely in engineering design: Towards an operational definition of generative design thinking. NSF Public Access. https://par.nsf.gov/servlets/purl/10545406

[5] Chen, Y., Qin, Z., Sun, L., Wu, J., Ai, W., Chao, J., Li, H., & Li, J. (2025, January 6). GDT Framework: Integrating Generative Design and Design Thinking for Sustainable Development in the AI Era. Sustainability, 17(1), 372. https://www.mdpi.com/2071-1050/17/1/372

[6] Verganti, R., Vendraminelli, L., & Iansiti, M. (2020). Design in the Age of Artificial Intelligence (Working Paper 20-091). Harvard Business School. https://www.hbs.edu/ris/Publication%20Files/20-091_3889aa72-1853-42f8-8b17-5760c86f863e.pdf

[7] Marion, T. J., Srour, M., & Piller, F. (2024, July 29). When Generative AI Meets Product Development. MIT Sloan Management Review. https://sloanreview.mit.edu/article/when-generative-ai-meets-product-development/

TS. Nguyễn Trung Hòa