Tác giả: TT3LABS, nền tảng tuyển dụng từ xa Web3/AI/SaaS
Vào ngày 26 tháng 2 năm 2026, gã khổng lồ công nghệ tài chính Block đã công bố cắt giảm hơn 4.000 nhân viên, quy mô đội ngũ từ hơn mười nghìn người giảm xuống còn chưa đến 6.000 người. CEO Jack Dorsey trong thư gửi cổ đông đã đề cập:
“Các công cụ thông minh đã thay đổi ý nghĩa của việc thành lập và vận hành một công ty… Một đội ngũ nhỏ hơn rõ rệt, sử dụng các công cụ mà chúng tôi đang xây dựng, có thể làm được nhiều hơn, tốt hơn.”
Dorsey cũng đưa ra dự đoán cực kỳ lạnh lùng của mình:
“Tôi nghĩ phần lớn các công ty đã muộn rồi. Trong vòng một năm tới, đa số các công ty sẽ đi đến cùng một kết luận, và thực hiện các điều chỉnh cấu trúc tương tự.”
Ngay sau phiên giao dịch ngày hôm đó, giá cổ phiếu của Block tăng vọt hơn 20%. Đó là phản ứng thực tế của thị trường vốn: trả tiền cho đòn bẩy và hiệu quả của AI trong doanh nghiệp.
Một người bình thường hoàn toàn không biết lập trình, chỉ cần nhờ vào các mô hình lớn đã có thể tự lập trình một ứng dụng hoàn chỉnh trong một đêm. Thị trường vốn tất nhiên sẽ đặt câu hỏi sắc bén: một tập đoàn công nghệ khổng lồ thuê hàng vạn lập trình viên để duy trì hoạt động hàng ngày của một siêu ứng dụng, chi phí nhân lực khổng lồ đó còn giá trị bao nhiêu nữa?
Xu hướng thay thế nhân lực bằng AI chắc chắn sẽ khiến các công ty lớn hơn nữa theo đuổi. Nỗi lo lắng là điều dễ hiểu, nhưng chỉ lo lắng thì vô ích. Chúng ta phải bắt đầu từ những biến động của môi trường lớn, từng bước quay trở lại chiến lược sinh tồn của cá nhân.
AI không chỉ là công cụ, nó đang trở thành tư liệu sản xuất
Trên thị trường đã bắt đầu có một số người dùng thuật ngữ “Web4” để định nghĩa giai đoạn hiện tại. Để làm rõ bối cảnh, trước tiên chúng ta hãy điểm qua các giai đoạn phát triển của internet:
Web2
Trọng tâm là tương tác giữa phần mềm và con người, các nền tảng khác nhau thu hút sự chú ý của người dùng qua thuật toán, về bản chất là cuộc chiến giành lấy lưu lượng truy cập.
Web3
Cố gắng giải quyết vấn đề xác nhận quyền sở hữu tài sản số và phân phối giá trị. Nhiều người đơn giản coi nó như là đồng nghĩa với tiền mã hóa, nhưng về bản chất, nó vẫn dừng lại ở cuộc chơi về quy tắc phân phối của cải, chưa chạm tới mối quan hệ “sản xuất” của các sản phẩm số.
Web4 trước giờ
AI lần đầu tiên chạm tới việc thay đổi chính quan hệ sản xuất. Nó không còn chỉ là công cụ nâng cao hiệu quả nữa, mà đang biến thành một loại tư liệu sản xuất mới. Ai biết dùng nó tốt hơn, người đó sẽ kéo giới hạn sản lượng lên một cấp độ mới.
Trong hợp tác nhóm truyền thống, có rất nhiều chi phí ẩn: khả năng phán đoán và trực giác ngành của các nhà lãnh đạo xuất sắc rất khó sao chép cho cấp dưới, sự hiểu nhầm và làm lại trong quá trình thực thi nhiều người đều gặp phải. Đó là “thuế ngầm” của tổ chức, trước đây chưa có giải pháp rõ ràng. AI đã giảm thiểu đáng kể khoản thuế này, không có đường cong học tập, chỉ cần câu lệnh rõ ràng là có thể thực thi chất lượng cao, đồng thời xử lý nhiều nhiệm vụ song song. Sự kết hợp giữa khả năng chiến lược của một người và đòn bẩy thực thi của AI có thể kích hoạt năng suất của cả một đội nhóm trước đây.
Tất nhiên, AI hiện vẫn đôi khi “nói chuyện rất nghiêm túc nhưng lại nói nhảm”, điều này quyết định rằng con người vẫn không thể thiếu vai trò kiểm duyệt và phán đoán. Nhưng độ tin cậy của mô hình đang tăng lên theo từng tháng, khoảng thời gian chờ đợi để các vị trí thực thi thuần túy có thể dựa vào AI để làm là ngắn hơn nhiều so với nhiều người nghĩ.
Công bằng về hiệu quả và khủng hoảng sâu xa: Khi rào cản gia nhập bị xóa bỏ
Trong ngắn hạn, người bình thường khi tiếp cận công cụ AI có thể hưởng lợi từ hiệu quả. Nhưng về lâu dài, khi AI xóa bỏ khoảng cách hiệu quả cơ bản và giảm đáng kể rào cản gia nhập chuyên môn, các doanh nghiệp sẽ nhận ra: sau khi năng suất của từng cá nhân tăng mạnh, nếu quy mô hoạt động tổng thể không mở rộng theo tỷ lệ, duy trì số lượng nhân viên cũ chính là một dạng tài sản âm.
Hãy nhìn vào sự phân hóa lương hiện tại. Theo dữ liệu giám sát vị trí của TT3LABS, từ năm 2025 trở đi, thị trường tuyển dụng AI đã nhiều lần xuất hiện các gói lương trị giá hàng chục triệu USD, và các ứng viên này đều là các kỹ sư AI trẻ tuổi, chưa có nhiều kỹ năng quản lý nhóm. Khi Meta tuyển dụng các nhà nghiên cứu chủ chốt của OpenAI, chỉ ký hợp đồng thưởng đã vượt quá 1 tỷ USD, trung bình cổ phần thưởng của nhân viên OpenAI đạt 1,5 triệu USD, còn các kỹ sư cao cấp của Anthropic mức lương cơ bản lên tới 690.000 USD/năm (chưa tính cổ phần).
Tiền của các nhà đầu tư mua về chính là một khả năng hiếm có: làm cho AI trở nên mạnh hơn nữa. Những người thúc đẩy sự tiến hóa của các mô hình nền có thể nhân giá trị của mình trong mạng lưới kinh doanh lên theo cấp số nhân. Trong khi đó, những người khác, chỉ cần công việc của họ có thể được AI thực hiện với chi phí thấp hơn, thì giá trị của họ có thể bị giảm sút.
Điều này còn dẫn đến một khủng hoảng tiềm ẩn sâu xa hơn. Ngày nay, ngày càng nhiều người phản ứng đầu tiên khi gặp vấn đề là để AI đưa ra câu trả lời, bỏ qua quá trình tự suy luận, xác minh, thử sai. Theo thời gian, điều này sẽ làm mất khả năng tư duy của họ. Vấn đề là, chính quá trình “làm việc ngu ngốc” này đã hình thành khả năng cảm nhận vấn đề của bạn. Dựa dẫm lâu dài vào AI để thay thế quá trình này, vai trò của bạn trong công việc sẽ dần biến thành “dịch yêu cầu”: chuyển yêu cầu của người khác thành đầu vào cho AI, rồi mang kết quả của AI đi trình bày lại cho người khác. Và chính bước trung gian này lại là phần AI thế hệ tiếp theo dễ dàng bỏ qua nhất.
Bản đồ tác động: Bạn đứng ở vị trí nào?
Nỗi sợ nếu không có tọa độ sẽ chỉ là lo lắng vô nghĩa. Trước khi bàn về các giải pháp, chúng ta cần vẽ ra một “bản đồ tác động”. Điều này không nhằm mục đích kích hoạt hoảng loạn, mà giúp mỗi người xác định vị trí của chính mình.
Các công việc nguy hiểm có thể viết rõ lệnh
Lập trình cơ bản, phân tích dữ liệu sơ cấp, tạo báo cáo chuẩn hóa, thiết kế theo mẫu, dịch thuật và hiệu đính thông thường. Những vị trí này đều có đặc điểm chung là công việc có thể được phân chia rõ ràng thành “đầu vào → xử lý → đầu ra”. Trong số hơn 4.000 người bị Block cắt giảm, phần lớn nằm trong nhóm này. Họ có năng lực chuyên môn không tệ, nhưng công việc của họ chính xác là những gì các mô hình lớn có thể làm tốt.
Tiêu chuẩn để tự hỏi mình: Nếu toàn bộ công việc của bạn có thể viết thành một đoạn lệnh AI, thì điều đó có nghĩa là máy đã đủ điều kiện để thay thế bạn, còn lại là quyết định của doanh nghiệp khi nào thực hiện.
Các trung tầng kinh nghiệm đang bị “ép”
Quản lý dự án, trưởng phòng vận hành, kỹ sư trung cấp. Công việc của họ bao gồm đánh giá và phối hợp, AI trong ngắn hạn chưa thể thay thế, nhưng đang bị “ép” lại. Trước đây, một chuỗi công việc cần năm trung tầng quản lý từng phần, phối hợp với nhau, giờ đây AI đã tiếp quản thực thi từ trên xuống dưới, chỉ cần một hoặc hai người là có thể vận hành toàn bộ chuỗi.
Nhóm này đối mặt với tình cảnh “chỗ đứng giảm”. Năng lực của bạn không giảm sút, nhưng nhu cầu thị trường đối với vai trò này đang giảm mạnh. Con đường của nhóm này là tận dụng AI để mở rộng khả năng thực thi ở cấp thấp, đồng thời nâng cao khả năng định hướng vấn đề ở cấp cao hơn.
Người kiểm soát giá trị gia tăng không chắc chắn
Có một loại công việc không tập trung vào “làm đúng”, mà là “dựa trên thông tin luôn không đầy đủ để ra quyết định, và chịu trách nhiệm về hậu quả”. Giao dịch thương mại phức tạp, xử lý khủng hoảng truyền thông, quản lý tổ chức đa văn hóa, đánh giá đầu tư rủi ro cao. AI có thể cung cấp phân tích và đề xuất, nhưng không thể ký tên, không thể gánh trách nhiệm, không thể hiểu ý đồ đằng sau ánh mắt của đối phương trong bữa ăn.
Vai trò này không những không bị giảm giá trị, mà còn trở nên có giá trị hơn vì chi phí thực thi nền tảng đã giảm mạnh nhờ AI. Với cùng ngân sách, có thể thúc đẩy các dự án lớn hơn, các nhà quyết định có thêm đòn bẩy.
Trong thực tế, nhiều người làm việc chồng chéo nhiều cấp bậc khác nhau. Một cách tự kiểm tra đơn giản: nghĩ xem mỗi ngày bạn làm gì, có bao nhiêu phần có thể rõ ràng chỉ bằng một lệnh, còn bao nhiêu phần phải dựa vào mơ hồ để quyết định. Phần lớn hơn bạn có, thì bạn càng cần phải thay đổi nhanh hơn.
Ngừng lo lắng về công cụ, biến sức mạnh tính toán chung thành hàng rào riêng
Vào cuối tháng 1, OpenClaw (“Tôm hùm nhỏ”) ra đời, trong vài ngày đã đạt hơn 170.000 sao trên GitHub. Các nhà cung cấp mô hình khác nhanh chóng theo kịp, Alibaba Cloud ra mắt triển khai một chạm, Tencent ra mắt CoPaw để cạnh tranh, MiniMax, Kimi cũng đều đã có các giải pháp tương thích của riêng họ.
Và rồi bạn sẽ nhận ra một hiện tượng rất thú vị: nhiều người trong tháng này dành thời gian “nghiên cứu cách triển khai Tôm hùm nhỏ” và “so sánh các gói dịch vụ xem gói nào tiết kiệm hơn” còn nhiều hơn thời gian họ thực sự dùng AI để tạo ra kết quả kinh doanh. Ai cũng chạy theo công cụ, nhưng sau khi chạy xong, cấu hình của bạn chỉ trong vòng hai giờ là người khác có thể sao chép y nguyên.
“Tất cả các mô hình ngôn ngữ lớn — OpenAI, Anthropic, Meta, Google, xAI — đều được huấn luyện trên cùng dữ liệu internet công khai. Vì vậy, về bản chất, chúng đều giống nhau, và đó là lý do tại sao chúng đang được thương mại hóa với tốc độ cực nhanh.”
— Larry Ellison, cuộc họp báo tài chính Quý 2 năm tài chính 2026 của Oracle
Hiểu theo chiều ngược lại, nghĩa là: miễn là công việc của bạn chỉ dựa vào khả năng chung của các mô hình lớn công khai, thì sản phẩm của bạn sẽ đồng nhất, dù lệnh của bạn có phức tạp đến đâu cũng không tạo ra lợi thế cạnh tranh.
Thực chất, rào cản thật sự nằm ở chỗ chuyển từ công cộng sang riêng tư
Hiện đã có một xu hướng rất rõ ràng: từ các tập đoàn lớn đến các nhóm khởi nghiệp, ngày càng nhiều tổ chức triển khai các mô hình riêng tư cục bộ. Nguyên nhân trực tiếp là an toàn thông tin, ai cũng không muốn dữ liệu kinh doanh cốt lõi của mình bị chia sẻ qua API của bên thứ ba. Nhưng xu hướng này còn có một phản ứng dây chuyền bị đánh giá thấp: khi các đối thủ chính trong ngành đều đưa dữ liệu và kiến thức vào các hệ thống riêng, thì lượng thông tin ngành có thể học hỏi từ mạng công cộng sẽ ngày càng ít và lạc hậu hơn. Trên bề mặt, AI giúp giảm rào cản kiến thức của mọi người, nhưng thực tế, lớp kiến thức ngành có giá trị nhất đang nhanh chóng biến mất khỏi mạng công cộng, chìm sâu vào các kho kiến thức riêng của từng doanh nghiệp.
Vì vậy, “kiến thức mập mờ” tích lũy nhiều năm của bạn không phải đang mất giá, mà đang tăng giá trị. Miễn là bạn biết tận dụng nó.
Hãy tổ chức lại những kinh nghiệm kinh doanh phi chuẩn, rời rạc trong đầu, trong các cuộc trò chuyện, trong email cũ thành các “bối cảnh” mà mô hình của bạn có thể tiêu hóa. Dữ liệu của TT3LABS cho thấy, trong ngành Web3, các ứng viên có hơn hai năm kinh nghiệm có tỷ lệ vượt qua vòng sơ tuyển cao hơn nhiều so với các kỹ sư công nghệ không có nền tảng ngành. Lý do chính là trọng số của kiến thức ngành lớn hơn nhiều so với kỹ năng công nghệ chung. Một người đã làm CEX trong 3 năm hiểu rõ quy trình tuân thủ và các quy tắc ngầm về danh sách coin, một người đã trải qua hai chu kỳ quản trị DAO có khả năng đánh giá đề xuất và điểm đổi chiều cảm xúc cộng đồng, một người chuyên sâu nội dung theo chiều dọc có trực giác về tâm lý khán giả và nhịp kể chuyện — tất cả những điều này không xuất hiện trong bất kỳ dữ liệu huấn luyện công khai nào.
Khi bạn cấu trúc lại những kinh nghiệm riêng này rồi tích hợp vào mô hình, AI của bạn không còn là một bách khoa toàn thư chung chung nữa, mà trở thành một cộng sự riêng biệt chỉ làm việc cho bạn, chỉ hiểu lĩnh vực của bạn. Độ sâu của sản phẩm này sẽ khiến người khác dù dùng chung mô hình cũng không thể đuổi kịp.
Chỉ có một nguyên lý cốt lõi: AI xử lý kiến thức công khai vượt trội mọi người, nhưng về kiến thức riêng tư, hoàn toàn phụ thuộc vào việc bạn cung cấp dữ liệu như thế nào. Người biết kết hợp sâu kiến thức ngành với AI chính là tài sản cốt lõi trong mô hình phân công mới này.
Thư viện kinh nghiệm của bạn mới là “mô hình” thực sự
Các mô hình AI đang tiến bộ nhanh chóng, hôm nay là GPT, Claude, Gemini, nửa năm sau có thể đã bị thay thế bằng các phiên bản mạnh hơn. Nhưng đối với bạn, việc đổi sang mô hình mạnh hơn chỉ là đổi một API. Thực tế, thứ không thể bị thay thế bằng vòng đời cập nhật chính là bộ dữ liệu và kinh nghiệm riêng tư mà bạn cung cấp cho nó.
Mô hình là hạ tầng chung, ai cũng có thể dùng. Nhưng kiến thức ngành, đánh giá kinh doanh, ghi chép các sai lầm của bạn — đó là “dữ liệu huấn luyện” chỉ thuộc về bạn. Mô hình càng mạnh, khả năng tiêu hóa bộ dữ liệu của bạn càng cao, hàng rào riêng của bạn càng cao. Vì vậy, đừng lo lắng “xây dựng kho kiến thức bây giờ có thể nhanh chóng lỗi thời”, vì kho kiến thức của bạn là tài sản duy nhất không bị mất giá khi mô hình cập nhật. Khi mô hình thay đổi, hàng rào dữ liệu của bạn sẽ càng ngày càng tăng giá trị theo khả năng của AI.
Trong khi đó, quy luật cạnh tranh truyền thống trong công việc cũng đang bị viết lại. Trước đây, nhân viên có thể thể hiện thái độ qua việc làm thêm đêm khuya, nhưng giờ đây, máy móc có thể hoạt động 24/7, mọi chiến lược dựa trên “tôi có thể chịu đựng hơn người khác” đều trở nên vô nghĩa trước AI.
Nhiều người vẫn nói: “Tôi còn cung cấp giá trị cảm xúc trong nhóm.” Đúng vậy, đó là khả năng đặc biệt của con người, nhưng giá trị thặng dư của nó phụ thuộc vào cấp bậc của bạn. Khi nhóm cơ bản từ mười người giảm xuống còn hai người cộng thêm một loạt AI Agent, “chất bôi trơn nhóm” sẽ mất đi trong các tình huống. Trong các cấp quản lý, các cuộc chơi thương mại phức tạp, xây dựng lòng tin rủi ro cao, hòa giải xung đột giữa các lợi ích — các mối liên kết sâu sắc giữa người với người lại trở nên có giá trị hơn do chi phí nền thấp. Giá trị cảm xúc không biến mất, mà đang dịch chuyển lên trên.
Dứt khoát, trong thời đại AI, điều cá nhân cần đầu tư nhất không phải là học cách dùng công cụ nào, mà là duy trì và phát triển bộ “AI riêng” chỉ có bạn mới có. Công cụ sẽ liên tục đổi mới, còn bộ kinh nghiệm của bạn thì không.
Ba hành động có thể bắt đầu ngay hôm nay
Quay lại ví dụ của Block, có người bị sa thải nhưng vẫn còn người ở lại, sự khác biệt nằm ở chỗ sau khi AI trở thành công cụ sản xuất tiêu chuẩn, ai vẫn là không thể thay thế. Đừng chờ đợi công ty tổ chức đào tạo AI cho bạn, từ hôm nay, chúng ta có thể bắt đầu thử các hành động sau:
01. Chuyển từ “làm tất cả bằng tay” sang “xây dựng quy trình làm việc tự động”
Nhân viên dễ mắc bẫy nhất là dùng AI để “làm lười” cho chính mình (ví dụ, dùng AI viết báo cáo tuần, chỉnh sửa email), đó vẫn là tư duy thực thi. Điều bạn thực sự cần làm là xem mình như một “đầu mối công trình”, xây dựng một dây chuyền tự động sản xuất các kết quả cốt lõi của vị trí hiện tại.
Đừng thử cùng lúc mười mấy mô hình mới, hãy chọn một công cụ đã trưởng thành nhất hiện nay (ví dụ ChatGPT Plus hoặc Claude), bắt buộc nó tham gia vào phần tốn thời gian, đòi hỏi nhiều kinh nghiệm nhất trong công việc của bạn. Chuyển đổi thao tác “thu thập dữ liệu thủ công → phân tích so sánh → ra kết luận” thành “đặt tự động thu thập → đưa vào khung phân tích của AI → can thiệp điều chỉnh, tinh chỉnh thủ công”. Khi bạn có thể dùng quy trình này để rút ngắn một tuần công việc xuống còn một ngày, đồng thời đảm bảo chất lượng cực kỳ ổn định, bạn không còn là một nút công suất đơn thuần nữa, mà đã trở thành một “công ty nhỏ” có đòn bẩy cao.
02. Chuyển hóa kinh nghiệm ẩn thành “phản thân số” riêng của bạn
Các mô hình lớn học từ dữ liệu công khai, hiểu tất cả lý thuyết, nhưng hoàn toàn không hiểu khách hàng lớn khó tính của công ty bạn có những sở thích bí mật nào, hay các điểm mìn trong giao tiếp với phòng tài chính. Những “kiến thức mập mờ” này, bạn đã tích lũy qua vô số lần va chạm, chính là tài sản cốt lõi của bạn.
Nhưng nếu chỉ giữ chúng trong đầu, sẽ không sinh lời được. Nhiệm vụ của bạn bây giờ là tận dụng các chức năng tùy chỉnh mở của các mô hình lớn (ví dụ Custom GPTs hoặc Claude Projects), biến kinh nghiệm của bạn thành các “lệnh thiết lập hệ thống” cho chúng. Đưa vào đó các trường hợp ngoại lệ, báo cáo rút kinh nghiệm thất bại, quy tắc ngầm trong ngành. Mục tiêu không phải xây dựng một kho kiến thức tĩnh, mà là “thuần hóa” ra một trợ lý cá nhân 24/7 mang phong cách công việc của bạn, chỉ làm việc cho bạn. Khi “phản thân số” này hình thành, ai dùng mô hình chung cũng không thể vượt qua bạn.
03. Tăng cường quyền định nghĩa vấn đề và trách nhiệm của chính mình
Trong nhóm, bắt đầu rèn luyện cách giao cho máy việc “tìm câu trả lời”, còn giữ quyền “đặt câu hỏi” và “quyết định” trong tay. AI là một cỗ máy trả lời hoàn hảo, nhưng không thể nhận biết động cơ thực sự đằng sau yêu cầu. Chủ nói: “Tôi muốn xây dựng chiến lược giữ chân mới”, AI sẽ lập tức đề xuất 10 mô hình tăng trưởng. Nhưng chỉ có bạn mới có thể kết hợp ngân sách, nguồn lực hiện có để chỉ ra: “Phương án B dù hoàn hảo nhưng hiện không khả thi, phương án C cắt giảm một nửa chức năng phù hợp với nhịp độ hiện tại của chúng ta.”
Bạn cũng phải hiểu rõ một điều: AI không thể bị bỏ tù, không thể chịu trách nhiệm. Doanh nghiệp trả lương cao cho bạn, phần lớn là để mua sự đảm bảo về kết quả kinh doanh. Khi bạn gửi mã hoặc đề xuất do AI tạo ra, bạn phải tự tin nói: “Tôi đã kiểm duyệt kết quả của AI dựa trên kinh nghiệm chuyên môn, tôi chịu trách nhiệm về kết quả cuối cùng.” Sự dám quyết trong vùng mơ hồ này, dám chịu trách nhiệm về hậu quả thương mại cuối cùng, chính là giá trị thặng dư mà máy móc không thể thay thế trong bất kỳ thời đại nào.
Dorsey nói “đa số các công ty đã muộn rồi”. Nhưng đối với cá nhân, câu này cũng đúng theo chiều ngược lại: phần lớn mọi người vẫn chưa bắt đầu chuẩn bị, cũng chưa nhận thức rõ xu hướng này.
Không phải ai cũng phải trở thành chuyên gia AI. Nhưng ai cũng cần làm rõ một vấn đề: trong công việc của mình, phần nào là máy móc có thể làm được sớm muộn, phần nào là của riêng bạn, rồi dành thời gian, công sức để chuyển từ phần thứ nhất sang phần thứ hai.
Nếu một ngày nào đó AI vượt qua con người trong mọi lĩnh vực, có thể là năm 2027, hoặc 2030, thì đó không phải là một cuộc thay đổi bạn có thể đứng ngoài xem.
Nó không chờ bạn chuẩn bị xong.
