The curriculumGiáo trình
What each
session builds.Mỗi buổi học,
bạn xây dựng được gì.
Every session runs in two blocks: 30 minutes on the method, 60 minutes applying it live to your own real project — coached in the room, not reviewed later as homework.Mỗi buổi học chia làm hai phần: 30 phút học phương pháp, 60 phút áp dụng trực tiếp lên dự án thật của bạn — được coach ngay tại chỗ, không phải review bài tập sau đó.
wand_stars You won't learn AI as a bonus skill. You'll learn to think with it, built into how you research, strategize, and design from the first session to the last.Bạn sẽ không học AI như một kỹ năng phụ. Bạn sẽ học cách tư duy cùng AI, được lồng vào cách bạn nghiên cứu, xây dựng chiến lược và thiết kế, từ buổi đầu tiên đến buổi cuối cùng.
Ground in evidenceXây nền bằng chứng
01
Mastery Design ProcessLàm chủ Quy trình Thiết kế
Run the process as a loop you can defend under questioning, AI stress-testing every assumption before you commit.Vận hành quy trình như một vòng lặp bảo vệ được, với AI phản biện từng giả định trước khi bạn chốt.
Learning objectiveMục tiêu học
- Build a process charter for your real project: stages, activities, and success criteriaXây dựng process charter cho chính dự án của bạn: giai đoạn, hoạt động, tiêu chí thành công
- Surface and prioritise your assumptions before any evidence-gathering beginsNêu rõ và ưu tiên các giả định trước khi bắt đầu thu thập bằng chứng
- Learn to defend your process choices under stakeholder questioning, not just follow stepsHọc cách bảo vệ lựa chọn quy trình trước câu hỏi của stakeholder, không chỉ làm theo bước có sẵn
- Use AI to brainstorm and stress-test your process charter and assumption list before you commit to themDùng AI để brainstorm và phản biện process charter cùng danh sách giả định trước khi chốt
What you'll achieveBạn sẽ đạt được
- A sponsor-aligned process charter for your real projectMột process charter được sponsor đồng thuận cho dự án của bạn
- An explicit, trackable assumption map instead of a mental listMột assumption map rõ ràng, theo dõi được thay vì chỉ nhớ trong đầu
- The first concrete artifact of a program built entirely on your own workArtifact đầu tiên của cả chương trình, xây hoàn toàn trên công việc thật của bạn
02
Audit & Desk ResearchAudit & Desk Research
Ground the redesign in what's actually broken, with AI assets that compound across every future audit.Đặt nền cho redesign bằng bằng chứng thực tế, với AI asset tích lũy được cho mọi audit sau này.
Learning objectiveMục tiêu học
- Run a heuristic evaluation of your current product to find recurring patterns, not isolated bugsChạy heuristic evaluation trên sản phẩm hiện tại để tìm pattern lặp lại, không phải lỗi đơn lẻ
- Conduct targeted desk research against comparable products to test named assumptionsNghiên cứu bàn giấy có mục tiêu trên sản phẩm tương tự để kiểm chứng các giả định cụ thể
- Update your assumption map with real evidence — moving items to Confirmed or UnconfirmedCập nhật assumption map bằng bằng chứng thật — chuyển mục sang Confirmed hoặc Unconfirmed
- Build reusable AI assets — a checklist, a living log, two templates — that compound across every future auditDựng các AI asset dùng lại được — checklist, living log, hai template — tích lũy qua mỗi lần audit sau này
What you'll achieveBạn sẽ đạt được
- A specific, evidence-grounded audit report your team can act onMột audit report cụ thể, có bằng chứng, team dùng được ngay
- Reusable audit assets you'll use again on every future projectBộ tài sản audit dùng lại được cho mọi dự án sau này
- A stakeholder-ready narrative, not a slide of screenshotsMột câu chuyện sẵn sàng trình bày, không phải một slide đầy screenshot
03
Understand Customer — Jobs to Be DoneThấu hiểu khách hàng — Jobs to Be Done
From the job stakeholders assume, to what customers actually hire your product for, AI cross-checking notes against your real project files.Từ giả định của stakeholder, đến công việc khách hàng thật sự cần, với AI đối chiếu ghi chú phỏng vấn với dự án thật.
Learning objectiveMục tiêu học
- Apply the JTBD framework — functional, emotional, and social jobs — most design misses the last twoÁp dụng JTBD — job chức năng, cảm xúc, xã hội — phần lớn thiết kế bỏ sót hai loại sau
- Run a stakeholder check-in to surface what the business assumes the customer's job actually isTrao đổi với stakeholder để lộ ra giả định của business về "job" thật sự của khách hàng
- Conduct JTBD-informed interviews across enough conversations to see a pattern, not one data pointPhỏng vấn theo JTBD, đủ số lượng để thấy pattern, không phải một điểm dữ liệu đơn lẻ
- Use AI to enrich context — cross-checking interview notes against your saved project files, not a blank promptDùng AI để làm giàu context — đối chiếu ghi chú phỏng vấn với file dự án đã lưu, không phải prompt trắng
What you'll achieveBạn sẽ đạt được
- A named gap between what stakeholders assumed and what customers actually saidMột khoảng cách cụ thể giữa giả định của stakeholder và điều khách hàng thật sự nói
- An actionable insight with a decision attached, not just an observationMột insight hành động được, gắn với một quyết định cụ thể, không chỉ là quan sát
- A pitch you can defend, framed as implication, not raw dataMột bài pitch bảo vệ được, trình bày theo hướng ý nghĩa, không phải dữ liệu thô
Define & architectĐịnh hình & kiến trúc
04
Problem Definition & StrategyĐịnh nghĩa vấn đề & Chiến lược
A problem statement a stakeholder can push back on, pressure-tested with AI from angles you hadn't considered.Một problem statement stakeholder thật sự phản biện được, đã qua AI phản biện từ những góc bạn chưa nghĩ tới.
Learning objectiveMục tiêu học
- Run affinity mapping to cluster research into 3–5 clear themesChạy affinity mapping để gom nghiên cứu thành 3–5 theme rõ ràng
- Draft a Lean UX Canvas connecting your problem statement to a target-state visionSoạn Lean UX Canvas nối problem statement với tầm nhìn target-state
- Pressure-test your problem statement with a real stakeholder before moving to designKiểm chứng problem statement với stakeholder thật trước khi bước sang thiết kế
- Brainstorm with AI to stress-test your problem statement and canvas from angles you hadn't consideredBrainstorm cùng AI để phản biện problem statement và canvas từ những góc bạn chưa nghĩ tới
What you'll achieveBạn sẽ đạt được
- A sharp, testable problem statement leadership is aligned onMột problem statement rõ ràng, kiểm chứng được, được leadership đồng thuận
- A target-state vision tied to business goals, not just the current screenMột target-state gắn với mục tiêu kinh doanh, không chỉ dừng ở màn hình hiện tại
- Practice defending a strategic call, not just a design oneKinh nghiệm bảo vệ một quyết định chiến lược, không chỉ một quyết định thiết kế
05
System Architecture & IAKiến trúc hệ thống & IA
Structure validated through card sorting, then stress-tested with AI against alternative mental models.Cấu trúc được kiểm chứng qua card sorting, rồi AI phản biện thêm với các mental model khác.
Learning objectiveMục tiêu học
- Run a card sort and compare it against your current information architectureChạy card sort và so sánh với kiến trúc thông tin hiện tại
- Draft an evidence-based sitemap or service blueprintSoạn sitemap hoặc service blueprint dựa trên bằng chứng
- Learn to defend a structural decision using research, not preferenceHọc cách bảo vệ quyết định cấu trúc bằng nghiên cứu, không phải cảm tính
- Use AI to build your sitemap or blueprint as a working artifact, then stress-test it against alternative user mental modelsDùng AI để dựng sitemap hoặc blueprint thành artifact thật, rồi phản biện với các mental model khác của người dùng
What you'll achieveBạn sẽ đạt được
- A system-wide IA grounded in real user researchMột IA toàn hệ thống, dựa trên nghiên cứu người dùng thật
- A structure your team trusts because it traces back to evidenceMột cấu trúc được team tin tưởng vì truy ngược được về bằng chứng
- The vocabulary to defend structural calls under scrutinyNgôn ngữ để bảo vệ quyết định cấu trúc khi bị chất vấn
06
DesignThiết kế
Every screen decision traces back to a finding, AI helping build the design system foundations your team extends.Mỗi quyết định trên màn hình truy ngược về một phát hiện thật, với AI hỗ trợ dựng nền tảng design system team có thể mở rộng.
Learning objectiveMục tiêu học
- Design priority workflows with a documented rationale for each key decisionThiết kế các workflow ưu tiên với lý do được ghi rõ cho từng quyết định
- Build or extend a component inventory with full states — default, loading, empty, error, successXây hoặc mở rộng component inventory với đủ trạng thái — default, loading, empty, error, success
- Run a design QA pass against your own tokens and componentsChạy design QA đối chiếu với chính token và component của bạn
- Use AI to build your component inventory and design system foundations as reusable artifacts your team can extendDùng AI để dựng component inventory và nền tảng design system thành artifact team có thể mở rộng
What you'll achieveBạn sẽ đạt được
- Priority screens designed with evidence-backed rationale, not tasteCác màn hình ưu tiên có lý do dựa trên bằng chứng, không phải cảm tính
- Design system foundations named and ready to scaleNền tảng design system được đặt tên rõ ràng, sẵn sàng mở rộng
- A design QA habit you can run on every future projectThói quen design QA áp dụng được cho mọi dự án sau này
Deliver & ownBàn giao & làm chủ
07
AI PrototypingAI Prototyping
A working, browser-viewable prototype, not a folder of static screens.Một prototype hoạt động, xem được trên trình duyệt — không phải một thư mục ảnh tĩnh.
Learning objectiveMục tiêu học
- Sync your design tokens and generate a component inventory with AI as your working briefĐồng bộ design token và tạo component inventory, dùng AI như bản brief làm việc
- Build priority screens through a review loop — chat for structure, targeted feedback for components, direct manipulation for spacingDựng màn hình ưu tiên qua vòng review — chat cho cấu trúc, feedback trực tiếp cho component, chỉnh tay cho spacing
- Learn where AI accelerates you, and where your judgment still has to leadBiết khi nào AI giúp tăng tốc, và khi nào bạn cần tự đưa ra quyết định
- Use AI to build the actual artifact end to end — not just generate ideas, ship a working prototype across at least 2 statesDùng AI để dựng artifact thật từ đầu đến cuối — không chỉ tạo ý tưởng, mà ra một prototype hoạt động với ít nhất 2 trạng thái
What you'll achieveBạn sẽ đạt được
- A working, testable prototype built at senior-rigor paceMột prototype hoạt động, kiểm thử được, ở tốc độ tiêu chuẩn Senior
- A repeatable AI-assisted prototyping workflow for every future projectMột workflow prototype có AI hỗ trợ, dùng lại được cho mọi dự án sau này
- Confidence knowing exactly when to trust AI output and when to override itSự tự tin biết chính xác khi nào tin vào kết quả AI và khi nào cần can thiệp
08
Validation & IterationKiểm chứng & Lặp lại
The right test method for the question you're asking, AI catching bias before it skews your findings.Đúng phương pháp test cho đúng câu hỏi, với AI giúp phát hiện bias trước khi nó làm lệch kết quả.
Learning objectiveMục tiêu học
- Choose the right test method — usability, desirability, or comprehension — for your actual questionChọn đúng phương pháp test — usability, desirability, hay comprehension — cho đúng câu hỏi
- Run a moderated usability test on your real prototypeChạy moderated usability test trên prototype thật của bạn
- Prioritise findings by severity — impact × frequency — not the loudest opinion in the roomƯu tiên phát hiện theo severity — impact × frequency — không phải ý kiến to tiếng nhất trong phòng
- Use AI to draft test scripts, flag likely bias in your findings, and synthesise results into an evidence-backed narrativeDùng AI để soạn test script, phát hiện bias có thể có, và tổng hợp kết quả thành câu chuyện có bằng chứng
What you'll achieveBạn sẽ đạt được
- Real test results from your own prototype, not a hypothetical oneKết quả test thật từ prototype của bạn, không phải giả định
- A severity-ranked list of what to fix before shippingDanh sách ưu tiên sửa lỗi theo severity trước khi ra mắt
- A closed loop: findings synthesised, highest-severity issues fixed, retestedMột vòng lặp khép kín: tổng hợp phát hiện, sửa lỗi nghiêm trọng nhất, test lại
09
Delegating & Communicating Design EffortPhân bổ công việc & Truyền đạt khối lượng thiết kế
Sizing work for someone else, AI turning full project context into a number a stakeholder actually trusts.Định lượng công việc cho người khác, với AI giúp biến context dự án thành con số stakeholder thật sự tin.
Learning objectiveMục tiêu học
- Learn two estimation approaches — relative story-pointing and page/state-based sizing — and when each fitsHọc hai cách ước lượng — story-pointing tương đối và sizing theo page/state — và khi nào dùng cách nào
- Practice sizing your project's remaining work across a junior/mid split, not routing everything through yourselfThực hành phân bổ phần việc còn lại của dự án cho junior/mid, không dồn hết qua chính mình
- Learn to translate design effort into terms a PM or engineering lead will actually acceptHọc cách chuyển khối lượng thiết kế thành ngôn ngữ mà PM hoặc engineering lead thật sự chấp nhận
- Use AI to enrich context on your project's full scope, then build a stakeholder-ready effort breakdown as a real artifact, not a guessDùng AI để làm giàu context về toàn bộ scope dự án, rồi dựng bản breakdown khối lượng công việc sẵn sàng trình bày, không phải đoán
What you'll achieveBạn sẽ đạt được
- A real allocation plan for your project, sized by seniority, not funnelled through one personMột kế hoạch phân bổ thật cho dự án, chia theo cấp độ, không dồn qua một người
- A stakeholder pitch for design timelines you can actually defendMột bài pitch về timeline thiết kế bạn có thể thật sự bảo vệ
- A concrete step toward owning bigger scope, not just your own tasksBước đi cụ thể hướng tới việc đảm nhận phạm vi công việc lớn hơn, không chỉ phần việc của riêng bạn
Anchored to your own real project throughout. AI runs through every block — brainstorming options, building the actual artifact, enriching context from your project files — not one-off prompts.Xuyên suốt chương trình đều gắn với dự án thật của bạn. AI xuất hiện trong mọi phần — brainstorm phương án, dựng artifact thật, làm giàu context từ file dự án — không phải những prompt rời rạc.
Winnie Nguyen
UX Product Design EducatorUX Product Design Educator