Chiến lược xây dựng Sự nghiệp trong kỷ nguyên AI - Lời khuyên từ các Chuyên gia
Trong bối cảnh trí tuệ nhân tạo phát triển với tốc độ chóng mặt, câu hỏi “Làm sao để xây dựng sự nghiệp bền vững trong lĩnh vực AI?” ngày càng trở nên cấp thiết.
Nguồn: Stanford CS230 Lecture 9: Career Advice in AI (Stanford Online, 12/2025)
Diễn giả: Laurence Moroney (AI Author & Researcher), Andrew Ng (Founder DeepLearning.AI), Kian Katanforoosh (CEO Workera)
Mặc dù thị trường việc làm AI có phần chậm lại so với những năm trước, nhưng cơ hội vẫn rất lớn, chỉ cần bạn biết cách tận dụng đúng. Bài giảng “Career Advice in AI” tại Stanford CS230 đã mang đến những góc nhìn quý báu từ các chuyên gia đứng đầu ngành, không chỉ là lý thuyết học thuật mà còn kinh nghiệm thực tế từ việc xây dựng những sản phẩm AI quy mô lớn.
Thời điểm vàng để xây dựng sự nghiệp AI
Theo Laurence Moroney, hiện nay là “thời điểm tốt nhất” để bắt đầu sự nghiệp với AI. Lý do không phải vì công việc nhiều, mà vì tốc độ tiến hóa công nghệ. Khả năng xử lý các tác vụ phức tạp của AI đang tăng gấp đôi mỗi bảy tháng. Trong lĩnh vực lập trình, con số này chỉ còn 70 ngày. Điều này có nghĩa những công cụ mạnh mẽ hiện nay như: LLM, RAG, AI giọng nói, Deep Learning,… đã cho phép bất cứ ai cũng có thể xây dựng những sản phẩm vượt quá những gì có thể làm được một năm trước. Bạn không cần bằng tiến sĩ hay 10 năm kinh nghiệm; điều bạn cần là khả năng học nhanh, tư duy sáng tạo, và quyết tâm biến ý tưởng thành hiện thực.
Ba trụ cột của thành công
Để nổi bật trong thị trường việc làm AI, Moroney nhấn mạnh ba yếu tố không thể thiếu:
Thứ nhất, Hiểu biết chuyên sâu.
Đây không chỉ là nắm vững học thuật mà còn nhạy bén với xu hướng công nghệ thực tế: biết kỹ năng nào đang hot, lỗ hổng nào trong thị trường cần được lấp đầy, cách áp dụng kiến thức vào bài toán thực tế, không chỉ trong các bộ dữ liệu lý tưởng.
Thứ hai, Tập trung vào giá trị kinh doanh.
Nhiều kỹ sư đo lường thành công bằng thời gian làm việc hoặc độ phức tạp code. Nhưng các công ty chỉ quan tâm một điều: bạn tạo ra giá trị kinh doanh nào? Một mô hình AI đơn giản nhưng giải quyết bài toán kinh doanh thực sự sẽ được đánh giá cao hơn mô hình phức tạp nhưng không ai dùng. Tập trung vào kinh doanh có nghĩa hiểu mục tiêu tổ chức, xác định cách AI giúp đạt được chúng, đo lường thành công qua KPI kinh doanh.
Thứ ba, Ưu tiên thực thi.
Moroney có một câu nói rất sâu sắc: “Ý tưởng rất rẻ; khả năng triển khai thực tế mới là tất cả.”
Các công ty ngày nay ưu tiên những kỹ sư có thể đưa AI vào sản xuất (production) thay vì chỉ làm những thứ lý thuyết có vẻ tốt trên máy tính. Điều này bao gồm viết code bảo trì được, xây dựng pipelines tự động hóa, monitoring và logging, khả năng scale, xử lý edge cases trong thế giới thực.
Quản lý nợ kỹ thuật Vibe Coding
Mọi dòng code được tạo ra dù là con người hay được sinh ra bằng AI đều là một khoản “nợ”. Nợ này bao gồm:
Lỗi tiềm ẩn mà chưa được phát hiện
Chi phí bảo trì trong tương lai
Khó hiểu (code có thể không có comments hoặc documentation)
Technical complexity mà những lập trình viên khác phải học
Một lập trình viên giỏi thực sự phải hiểu rõ khái niệm “nợ tốt” vs “nợ xấu”:
Nợ tốt là như vay tiền mua nhà – bạn chi tiêu ngân sách bây giờ nhưng tài sản của bạn tăng giá, bạn có thể trả lại. Code “nợ tốt” là những shortcut hợp lý trong quá trình phát triển sản phẩm – bạn biết nó không hoàn hảo nhưng nó đạt được mục tiêu kinh doanh, và bạn có kế hoạch hoàn thiện nó sau.
Nợ xấu là quẹt thẻ tín dụng bừa bãi mà không lý do – chi tiêu vượt quá khả năng trả. Code “nợ xấu” là những shortcuts không có ý nghĩa kinh doanh, code viết tắt mà không ai hiểu, hoặc theo dõi những trends công nghệ ngẫu nhiên mà không tạo giá trị.
Kỹ sư phải trở thành Cố vấn tin cậy (Trusted Advisor) cho doanh nghiệp, hiểu rõ các tác động của mã nguồn do AI tạo ra, có thể tư vấn khi nào nên áp dụng “vibe coding” (khi cần nhanh) và khi nào nên viết code cẩn thận (khi đó là critical system). Điều này ngăn chặn việc tạo ra những khối code hỗn độn mà không ai có thể hiểu hay bảo trì.
Quy trình AI tác vụ (Agentic Workflow)
Một khái niệm ngày càng quan trọng trong ngành là “Agentic Workflow” – cách xây dựng các hệ thống AI hoạt động như những “tác nhân” thông minh có khả năng lập kế hoạch và thực thi độc lập.
Thay vì chỉ gửi một câu lệnh đơn: ”Tóm tắt bài báo này cho tôi” và AI trả lại kết quả, Agentic AI có thể:
Hiểu ý định (Understand Intent): Xác định rõ mục tiêu của người dùng là gì, không chỉ từ prompt bề ngoài mà cả từ bối cảnh
Lập kế hoạch (Planning): Khai báo các công cụ có sẵn (web search, database query, external APIs) và để AI tự chia nhỏ công việc thành các bước thực hiện
Sử dụng công cụ (Use Tools): Thực thi kế hoạch, gọi các API, truy vấn dữ liệu, tìm kiếm thông tin cần thiết
Phản hồi (Reflect): Kiểm tra xem kết quả có khớp với ý định ban đầu không. Nếu không, lặp lại quy trình
Quy trình này cho phép AI tự động chia nhỏ các bước, thực thi, và kiểm tra lại kết quả có khớp với mục tiêu ban đầu không. Đây là cách tư duy tương lai trong xây dựng hệ thống AI.
Xu hướng Small AI vs Big AI
Big AI là những mô hình khổng lồ được xây dựng bởi những công ty công nghệ lớn như OpenAI (GPT series), Google (Gemini), Anthropic (Claude). Những mô hình này có hàng chục tỷ (hoặc thậm chí hàng trăm tỷ) tham số, được huấn luyện trên lượng dữ liệu khổng lồ, và hướng tới mục tiêu đạt được trí tuệ nhân tạo tổng quát (AGI – Artificial General Intelligence). Những mô hình này mạnh mẽ nhưng cũng là một hộp đen bởi người dùng không biết chính xác nó hoạt động như thế nào.
Small AI là những mô hình nhỏ hơn, thường là mã nguồn mở, có thể tự vận hành (self-hosted) trên máy chủ hoặc thậm chí máy cá nhân của bạn. Xu hướng này đặc biệt quan trọng vì:
Bảo vệ tài sản trí tuệ (IP): Dữ liệu của bạn không được gửi tới OpenAI hoặc các server của bên thứ ba
Quyền riêng tư: Người dùng, đặc biệt là bệnh nhân, thân chủ pháp lý, hoặc những người nạn nhân của bạo lực, có quyền để dữ liệu của họ riêng tư
Kiểm soát: Bạn biết chính xác dữ liệu nào được sử dụng, cách nó được xử lý
Các ngành như y tế, luật pháp, điện ảnh, và những ngành khác xử lý thông tin nhạy cảm không thể dựa vào Big AI vì lý do pháp lý và đạo đức.
Kỹ năng quan trọng nhất cho tương lai: Fine-tuning các mô hình mã nguồn mở.
Thay vì sử dụng một mô hình chung chung (GPT), bạn có thể lấy một mô hình mã nguồn mở, fine-tune nó trên dữ liệu của riêng bạn, và tạo ra một mô hình AI chuyên biệt cho ngành hoặc bài toán cụ thể của mình. Kỹ năng này hay là khả năng fine-tune và tối ưu hóa các mô hình nhỏ sẽ cực kỳ đắt giá trong 2-3 năm tới, khi ngày càng nhiều công ty nhận ra rằng họ cần AI riêng, không phải dùng chung.
Lời khuyên định hướng sự nghiệp
Chọn đội ngũ, không chọn logo:
Công ty lớn kém văn hóa có thể không tốt hơn startup nhỏ với đội ngũ tốt. Hãy làm việc với những người giỏi, truyền cảm hứng, có thể dạy bạn mỗi ngày.
(1) Ranh giới kỹ sư và quản lý sản phẩm mờ dần:
Những kỹ sư AI có giá trị cao nhất là những người vừa có kỹ năng kỹ thuật vững chắc vừa có sự thấu cảm với người dùng, vừa biết quyết định nên xây dựng cái gì để giải quyết bài toán kinh doanh.
(2) Không ngại làm việc chăm chỉ:
Trong một thế giới đầy sự cường điệu (hype), những người kiên trì xây dựng giải pháp thực tế vẫn là những người thành công nhất. Moroney chia sẻ rằng những kỹ sư tốt nhất anh gặp - những người thực sự thay đổi thế giới với AI – thường là những người không ngại làm việc tối đêm để tinh chỉnh một mô hình, không ngại viết hàng nghìn dòng code bảo trì, không ngại lặp đi lặp lại để tìm ra giải pháp tốt nhất.
Một kỹ sư trung bình nhưng chăm chỉ sẽ đánh bại một kỹ sư thiên tài nhưng lười biếng.
(3) Đa dạng hóa kỹ năng:
Nguy hiểm lớn nhất trong sự nghiệp AI là trở thành một “con ngựa một bài” – một người chỉ biết làm một điều, chỉ hiểu một framework, hoặc chỉ có thể xây dựng một loại mô hình.
Ngoài AI, hãy học thêm:
User Experience (UX): Hiểu cách con người sử dụng sản phẩm, tâm lý người dùng
Software Engineering: Viết code có thể scale, bảo trì được, có thể kiểm tra được (testable)
System Design: Xây dựng những hệ thống lớn mà có thể xử lý hàng triệu người dùng
Kỹ sư AI toàn diện là người biết AI, biết cách xây dựng sản phẩm, biết cách tương tác với người dùng, sẽ luôn được đánh giá cao.
Kết luận
Mặc dù thị trường việc làm cho người mới bắt đầu có phần chậm lại so với kỳ vọng của một vài năm trước, nhưng cơ hội vẫn cực kỳ lớn cho những ai biết cách tận dụng công cụ AI để xây dựng sản phẩm thực tế, tập trung vào giá trị kinh doanh, và không ngừng học hỏi từ những người giỏi nhất xung quanh mình.
Điểm then chốt không phải là bạn có bằng cấp từ đâu, hoặc hộp công cụ nào bạn sở hữu, hoặc bạn làm việc cho công ty nào. Đó là:
Khả năng thực thi – biến ý tưởng thành hiện thực
Tư duy kinh doanh – hiểu rằng mục tiêu duy nhất là tạo giá trị
Sự khiêm tốn để học hỏi – sẵn sàng nghe lời phê bình và cải thiện liên tục
Đây chính là công thức thành công trong kỷ nguyên AI. Không phức tạp, nhưng cũng không dễ. Nhưng nếu bạn sẵn sàng cam kết, cơ hội chờ đợi bạn.