Cách mạng Công nghiệp 4.5
AI đang đưa tự động hóa từ công việc chân tay sang lao động trí óc. Nhìn lại các cuộc cách mạng công nghiệp để hiểu những vấn đề về việc làm, nghịch lý và cơ hội tái cấu trúc ngành IT.
17 tháng 10, 2026 · 40 phút đọc

Phần 1 Tản mạn công nghệ
1. Khi trí óc trở thành đối tượng của tự động hóa
Chúng ta đã biết, các cuộc cách mạng công nghiệp với thành quả là các công cụ đã làm thay đổi cách thức vận hành của cả nền kinh tế qua các giai đoạn. Khả năng thích nghi của con người qua các giai đoạn cũng đã được chứng minh, nhưng đó là cả 1 quá trình trở mình đầy khó khăn của những tầng lớp lao động và giai cấp xã hội. Nhưng những cuộc cách mạng trước đây đều mang trong mình 1 ranh giới khá rõ ràng, đó là sự thay đổi đến từ công cụ, là những sản phẩm do tư duy của con người tạo ra để phục vụ khát khao tiến hóa đến những chuẩn mực cao hơn. Tuy nhiên, nếu có 1 cuộc cách mạng mà chính sản phẩm của cách mạng đó có khả năng tạo ra vô hạn những sản phẩm để tiếp bước tạo ta 1 chuỗi những cuộc cách mạng tiếp theo, khi mà cái ranh giới là "tư duy của con người làm thủ lĩnh" đã bị thay thế, thì con người, trong chuỗi mắt xích tiến hóa này, sẽ đặt vị thế của mình ở đâu?
Câu chuyện sẽ đi thẳng vào ngành software industry, nơi mà đã đang và sẽ phải đối mặt với những thay đổi nặng nề và toàn diện nhất.
Một software engineer mở cùng lúc năm terminal. Claude Code đang refactor một service, Codex sửa authentication, agent thứ ba viết test, hai agent còn lại xử lý những ticket khác. Code được tạo ra nhanh hơn nhiều so với cách làm việc trước đây, nhưng người kỹ sư ấy vẫn phải hiểu năm context, đánh giá năm bộ thay đổi và chịu trách nhiệm nếu một trong số chúng gây lỗi production. Nếu con số tăng lên là 10, 20 thậm chí hàng trăm? Khi mà AI càng trở nên phổ biến, khách hàng nhận ra sức mạnh và tận dụng triệt để AI thì những yêu cầu như 1 engineer phải xử lý 1 lượng lớn công việc cùng 1 lúc là xu thế đương nhiên. Vậy liệu bạn có khả năng xử lý được lượng workload đó không? Hay để nó trở thành áp lực ngày qua ngày?
AI đang tạo ra một nghịch lý: khả năng sản xuất phần mềm tăng, trong khi giới hạn về nhận thức và khả năng xử lý của bộ não con người không thể tăng theo cùng tốc độ. Đây là sự thay đổi đáng sợ mà mỗi người chúng ta, trong lĩnh vực phát triển phần mềm, đều tất nhiên phải đối mặt với nó.
Tôi gọi làn sóng này là Cách mạng Công nghiệp 4.5. Đây là cách gọi do tôi đề xuất, không phải một giai đoạn được lịch sử chính thức công nhận. AI vẫn thuộc CMCN 4.0, nhưng xứng đáng có một “sub-version” vì nó đưa tự động hóa từ máy móc, dữ liệu và quy trình vào cả những hoạt động liên quan đến ngôn ngữ, phân tích, lập kế hoạch và tạo ra giải pháp. AI chưa được chứng minh là suy nghĩ hay có ý thức như con người; chỉ riêng việc nó có thể tạo ra nhiều kết quả của lao động trí óc đã đủ để thị trường lao động phải thay đổi.
2. Lịch sử công nghiệp: Các bước nhảy dường như đang đến gần nhau hơn
| Giai đoạn | Khoảng thời gian tham chiếu | Thời lượng quy ước | Nền tảng công nghệ |
|------------ |-------------------------------------|------------------------ |--------------------------|
| 1.0 | 1760–1840 | ~80 năm | Hơi nước, cơ giới hóa, nhà máy |
| 2.0 | 1870–1914 | ~44 năm | Điện, động cơ, sản xuất hàng loạt |
| 3.0 | Khoảng 1970–2010 | ~40 năm* | Máy tính, bán dẫn, phần mềm, Internet |
| 4.0 | Từ khoảng 2011 | Đang diễn ra | IoT, cyber-physical systems, dữ liệu và tự động hóa thông minh |
| 4.5 | Làn sóng GenAI từ 2022 | Đang diễn ra | Foundation models, coding agents, tự động hóa tác vụ nhận thức |
Các mốc dùng để diễn giải, không phải ranh giới được mọi nhà sử học thống nhất; riêng CMCN 3.0 không có năm kết thúc chính thức. Không thể lấy thời lượng trong bảng làm bằng chứng rằng mọi cuộc cách mạng sau luôn ngắn hơn cuộc trước.

Biểu đồ khoảng cách giữa các mốc khởi đầu CMCN
Nếu lấy các mốc khởi đầu 1760, 1870, 1970 và 2011, khoảng cách giữa ba cặp liên tiếp là 110, 100 và 41 năm. Chỉ ba quan sát không tạo thành một định luật lịch sử. Nhưng chúng gợi ý rằng những bước chuyển công nghệ ngày càng có điều kiện xuất hiện gần nhau hơn.
Máy tính kế thừa điện và công nghiệp chế tạo chính xác; Internet kế thừa máy tính và viễn thông; AI hiện đại đứng trên bán dẫn, cloud, dữ liệu số hóa và mạng toàn cầu. Hạ tầng của cuộc cách mạng trước trở thành bàn đạp cho cuộc cách mạng sau. Nhưng những bước tiến vượt bậc và nhanh chóng này kéo theo 1 yêu cầu mà đang dần chạm đến giới hạn của con người, đó là tốc độ thích nghi có kịp với tốc độ thay đổi mà các cuộc cách mạng mang lại?
AI khác các làn sóng trước ở đối tượng tự động hóa. Máy móc từng mở rộng sức cơ bắp; phần mềm truyền thống tự động hóa những quy tắc đã xác định; AI có thể tham gia tạo code, viết luận cứ, xây phương án và kiểm tra kết quả. Những khả năng đó chưa bao phủ mọi khía cạnh của tư duy con người, nhưng chúng đã chạm vào một lợi thế từng được xem là tương đối an toàn: lao động tri thức.
3. Khi máy móc thay thế cơ bắp, con người phản kháng. Khi AI thay thế trí óc, điều gì sẽ xảy ra?
Có một điểm chung rất đáng chú ý trong lịch sử các cuộc Cách mạng Công nghiệp: Những người chịu ảnh hưởng trực tiếp từ công nghệ thường không phải những người được hưởng lợi đầu tiên từ nó. Người thợ dệt chứng kiến máy dệt công nghiệp xuất hiện không nhìn thấy ngay tương lai của một ngành công nghiệp may mặc khổng lồ. Họ nhìn thấy những đơn hàng biến mất, tiền công giảm xuống và kỹ năng tích lũy suốt hàng chục năm bỗng trở nên kém giá trị. Người thợ thủ công lành nghề khi đối diện với dây chuyền sản xuất cũng không nhất thiết nhìn thấy sự thịnh vượng mà sản xuất hàng loạt có thể đem lại. Họ nhìn thấy một nhà máy có thể tuyển những lao động ít kinh nghiệm hơn để thực hiện những công đoạn trước đây cần đến tay nghề của mình. Và ngày nay, khi Claude Code hay Codex có thể thực hiện những tác vụ từng đòi hỏi một software engineer, câu hỏi tương tự lại xuất hiện: nếu AI có thể làm công việc của tôi nhanh hơn và rẻ hơn, điều gì sẽ xảy ra với giá trị nghề nghiệp mà tôi đã mất nhiều năm xây dựng? Để suy diễn tương lai của AI, chúng ta cần nhìn lại lịch sử không chỉ qua những phát minh, mà qua phản ứng của từng tầng lớp xã hội, sự dịch chuyển quyền lực kinh tế và cách thị trường lao động tái cấu trúc sau mỗi cuộc cách mạng.
- CMCN 1.0: Khi tầng lớp thợ thủ công bị tước đi lợi thế kinh tế Trước công nghiệp hóa, những người thợ dệt, thợ kéo sợi và thợ thủ công lành nghề sở hữu một loại tài sản rất đặc biệt: tay nghề. Tài sản này không nhất thiết được ghi nhận trên giấy tờ, nhưng nó quyết định khả năng kiếm sống và vị thế của họ trong cộng đồng. Để trở thành một người thợ giỏi, họ cần nhiều năm học nghề và tích lũy kinh nghiệm. Máy móc làm thay đổi quan hệ kinh tế đó. Khi sản xuất chuyển từ hộ gia đình và xưởng thủ công sang nhà máy, lợi thế ngày càng thuộc về những người có vốn đầu tư máy móc, năng lượng và hệ thống phân phối.
Phản ứng: Phong trào Luddites (1811–1816) Luddites là những nhóm thợ dệt và công nhân ngành dệt tại Anh tham gia phá hoại máy móc, đặc biệt trong bối cảnh tiền công, điều kiện lao động và sinh kế của họ bị đe dọa. Ngày nay, từ Luddite đôi khi được dùng để chỉ những người chống công nghệ. Nhưng cách hiểu đó quá đơn giản. Nhiều người Luddites không phản đối mọi hình thức máy móc. Họ phản đối cách công nghệ được sử dụng để làm suy yếu nghề nghiệp, giảm tiền công và thay đổi những thỏa thuận lao động mà họ phụ thuộc vào. Chính quyền Anh phản ứng bằng các biện pháp trấn áp nghiêm khắc, trong đó có luật năm 1812 quy định hình phạt tử hình đối với một số hành vi phá hoại máy móc. Điều đáng chú ý: Những người mất việc không nhất thiết trở thành những người được hưởng lợi khi ngành công nghiệp mới phát triển. Lợi ích có thể đến với thế hệ sau, hoặc với một tầng lớp hoàn toàn khác. Đây là bài học đầu tiên cần ghi nhớ khi phân tích tác động của AI.
- CMCN 2.0: Khi người thợ lành nghề bị thay thế bởi quy trình Sự xuất hiện của điện khí hóa, dây chuyền sản xuất và phương pháp quản lý khoa học tạo ra một thay đổi lớn: doanh nghiệp có thể tách một công việc phức tạp thành nhiều tác vụ đơn giản. Trước đó, một người thợ giỏi có thể hiểu và thực hiện nhiều công đoạn để tạo ra sản phẩm hoàn chỉnh. Trong dây chuyền sản xuất, kiến thức về toàn bộ quy trình ngày càng được chuyển sang bộ phận thiết kế, quản lý và tổ chức sản xuất. Người công nhân chỉ cần thực hiện một phần công việc được tiêu chuẩn hóa. Quá trình này thường được gọi là deskilling — sự suy giảm yêu cầu kỹ năng đối với một số vị trí lao động.
Phản ứng của người lao động: Khác với hình ảnh phá máy của Luddites, phản ứng của lao động công nghiệp ngày càng có tổ chức hơn, thông qua công đoàn, đình công, thương lượng tập thể và các phong trào đòi cải thiện điều kiện làm việc. Tất nhiên, công đoàn đã xuất hiện từ trước và sự phát triển của chúng không chỉ do dây chuyền sản xuất. Nhưng công nghiệp hóa quy mô lớn đã làm cho xung đột giữa lao động và tư bản trở thành một vấn đề xã hội trung tâm. Đồng thời, xã hội bắt đầu hình thành những tầng lớp nghề nghiệp mới: kỹ sư công nghiệp, quản lý sản xuất, kỹ thuật viên, nhân viên hành chính và các chuyên gia tổ chức. Một nghịch lý xuất hiện: Công nghệ làm giảm nhu cầu kỹ năng ở một số vị trí, nhưng lại làm tăng nhu cầu kỹ năng ở những vị trí khác. Tầng lớp bị ảnh hưởng không chỉ có hai lựa chọn là thất nghiệp hoặc giữ nguyên công việc. Họ có thể bị chuyển xuống vị trí có thu nhập thấp hơn, mất quyền tự chủ hoặc phải học một nghề khác. Có thể khả năng rất lớn đây là xu thế tất yếu của Software Industry dưới tác động của trí tuệ nhân tạo.
- CMCN 3.0: Khi máy tính bắt đầu đe dọa tầng lớp lao động văn phòng Đây là cuộc cách mạng có nhiều điểm tương đồng với AI hiện nay. Khi máy tính và phần mềm doanh nghiệp xuất hiện, những công việc từng đòi hỏi kỹ năng xử lý thông tin chuyên biệt bắt đầu được tự động hóa. Nhân viên đánh máy, nhập liệu, ghi sổ và xử lý các giao dịch theo quy tắc không còn giữ lợi thế nghề nghiệp như trước tuy nhiên tác động không đồng đều. Một kế toán có thể sử dụng phần mềm để xử lý sổ sách nhanh hơn và dành nhiều thời gian cho phân tích tài chính. Nhưng một nhân viên chuyên nhập liệu có thể chứng kiến phần lớn công việc của mình biến mất. Cùng một công nghệ có thể bổ trợ cho một nghề nhưng thay thế một nghề khác.
Phản ứng của tầng lớp lao động trí óc: So với lao động thủ công trong CMCN 1.0, phản ứng của tầng lớp văn phòng có một đặc điểm khác: nhiều người chấp nhận công nghệ vì nó giúp công việc của họ trở nên dễ dàng và hiệu quả hơn. Sự phản kháng không nhất thiết biểu hiện bằng việc chống lại máy tính. Nó có thể xuất hiện dưới dạng lo ngại về mất việc, yêu cầu đào tạo lại, thương lượng về tổ chức công việc hoặc cố gắng bảo vệ vị trí chuyên môn. Từ đó hình thành sự phân hóa trong lao động tri thức:
- Những người biết sử dụng công nghệ để mở rộng năng lực có thể tăng năng suất và giá trị.
- Những người thực hiện các tác vụ dễ tiêu chuẩn hóa có thể chịu áp lực giảm lương hoặc giảm nhu cầu tuyển dụng.
- Những người sở hữu năng lực thiết kế, triển khai và kiểm soát hệ thống công nghệ có thể có lợi thế mới. Tuy nhiên, cần lưu ý rằng việc làm không chỉ phân hóa theo kỹ năng cao và thấp. Nhiều nghiên cứu về job polarization cho thấy các công việc có tính lặp lại ở nhóm kỹ năng trung bình cũng chịu ảnh hưởng lớn từ tự động hóa.
- AI và sự đảo ngược lịch sử: Khi tầng lớp lao động trí óc trở thành đối tượng bị tự động hóa Nếu ba cuộc cách mạng trước chủ yếu tự động hóa lao động vật lý và những tác vụ có thể chuẩn hóa, AI hiện đại đang mở rộng tự động hóa sang các hoạt động nhận thức phức tạp hơn. Điều đó tạo ra một sự đảo ngược đáng chú ý. Trong phần lớn lịch sử công nghiệp, giáo dục đại học và chuyên môn kỹ thuật là một trong những con đường giúp con người dịch chuyển khỏi những công việc dễ bị máy móc thay thế. Một người có thể học lập trình, kế toán, tài chính hoặc kỹ thuật để có được công việc sử dụng trí óc, thường có thu nhập cao hơn và ít phụ thuộc vào sức lao động vật lý. Nhưng AI đang tiến vào chính những lĩnh vực này. Theo ILO năm 2025, khoảng một phần tư việc làm toàn cầu có mức độ tiếp xúc nhất định với Generative AI. Nhóm công việc hành chính có mức độ tiếp xúc cao, đồng thời những nghề như lập trình ứng dụng, phát triển web và phân tích tài chính cũng chịu tác động ngày càng lớn. Tuy nhiên, mức độ tiếp xúc không đồng nghĩa với tỷ lệ mất việc thực tế.
Tầng lớp lao động trí óc có thể phản ứng như thế nào?
Nếu suy diễn từ lịch sử, tôi cho rằng sẽ xuất hiện năm nhóm phản ứng. Đây là những kịch bản phân tích, không phải những giai đoạn tất yếu mà mọi người đều phải trải qua.
- Denial – Phủ nhận Một bộ phận cho rằng AI chỉ tạo ra kết quả bề ngoài, thiếu hiểu biết thực sự và không thể thay thế người có chuyên môn. Lập luận có thể đúng với một số nhiệm vụ, nhưng không đủ để chứng minh toàn bộ công việc được bảo vệ.
- Resistance – Phản kháng Người lao động phản đối việc triển khai AI để cắt giảm nhân sự, tăng giám sát hoặc hạ giá trị nghề nghiệp. Phản ứng có thể thông qua công đoàn, yêu cầu minh bạch, đàm phán hoặc các chính sách hạn chế sử dụng AI.
- Adoption – Chấp nhận Nhiều người sử dụng AI vì lợi ích năng suất trước mắt, kể cả khi chính năng suất tăng lên có thể khiến doanh nghiệp xem xét lại quy mô nhân sự.
- Differentiation – Phân hóa Những người có domain knowledge, khả năng giải quyết vấn đề và kiểm soát kết quả có thể gia tăng lợi thế; những vị trí phụ thuộc chủ yếu vào tác vụ tiêu chuẩn hóa chịu áp lực lớn hơn.
- Reorganization – Tái tổ chức Các nhóm lao động, doanh nghiệp và tổ chức nghề nghiệp thiết lập lại cách tuyển dụng, đào tạo, trả lương, phân chia trách nhiệm và thương lượng lợi ích từ AI.
Có một nghịch lý đáng quan tâm: một software engineer có thể vừa lo ngại AI thay thế nghề nghiệp của mình, vừa sử dụng Claude Code hay Codex mỗi ngày để làm việc hiệu quả hơn. Đây không hẳn là sự mâu thuẫn. Ở cấp độ cá nhân, sử dụng AI có thể là cách tốt nhất để duy trì khả năng cạnh tranh. Nhưng ở cấp độ toàn ngành, việc mọi người cùng tăng năng suất có thể làm giảm nhu cầu lao động trên mỗi đơn vị sản phẩm. Đó là sự khác biệt giữa lựa chọn hợp lý của cá nhân và kết quả kinh tế của tập thể.
Trong CMCN 1.0, máy dệt và nhà máy tạo thêm nhiều loại công việc, nhưng không cứu được tất cả thợ thủ công bị mất đơn hàng hoặc giảm tiền công. Sang 2.0, dây chuyền sản xuất làm hàng hóa rẻ hơn và mở rộng thị trường, đồng thời chia nhỏ kỹ năng của người thợ lành nghề thành những công đoạn dễ thay thế. Đến 3.0, máy tính làm suy giảm nhiều công việc nhập liệu, đánh máy và ghi sổ theo quy tắc, nhưng lại mở ra ngành software engineering, quản trị hệ thống và an ninh mạng.
Ba cơ chế luôn đan xen: job displacement (việc làm bị thu hẹp), job creation (nghề mới xuất hiện) và job transformation (nghề cũ thay đổi). Một vị trí biến mất hôm nay và một nghề mới xuất hiện ngày mai không có nghĩa người vừa mất việc đủ thời gian, tiền bạc và kỹ năng để chuyển sang nghề đó. Sự tiến bộ của nền kinh tế và sự an toàn của từng người lao động là hai câu chuyện khác nhau.

Biểu đồ WEF dự báo việc làm 2025-2030
World Economic Forum, Future of Jobs Report 2025, dự báo đến 2030 có 170 triệu việc làm mới và 92 triệu việc làm bị thay thế, tăng ròng 78 triệu. Đây là dự báo dựa trên nhiều xu hướng kinh tế, công nghệ, nhân khẩu và chuyển đổi xanh, không phải số việc làm do riêng AI tạo ra hay phá hủy.
Con số tăng ròng nghe lạc quan, nhưng không trả lời được ai phải chịu chi phí chuyển đổi. Bài học của lịch sử không phải “máy móc cuối cùng luôn tạo nhiều việc làm hơn”, mà là cách lợi ích và thiệt hại được phân phối quyết định người lao động có chấp nhận cuộc chuyển đổi hay không.
4. Software Engineers: Những người thợ dệt của thế kỷ XXI?
Đây là phép so sánh có giá trị, nhưng phải sử dụng cẩn thận. Người thợ dệt thế kỷ XIX và software engineer hiện đại đều có thể sở hữu một loại tài sản vô hình: kỹ năng chuyên môn được tích lũy qua nhiều năm. Khi công nghệ làm giảm sự khan hiếm của kỹ năng đó, khả năng thương lượng tiền công có thể suy yếu. Tuy nhiên, không thể đánh đồng hai nghề. Software engineering bao gồm nhiều hoạt động không chỉ là viết code, và phần mềm có khả năng tạo ra những thị trường mới với chi phí phân phối thấp hơn nhiều sản phẩm vật lý. Sự dịch chuyển giá trị trong software engineering: Năng lực Tác động tiềm năng của AI Viết boilerplate, CRUD đơn giản Áp lực tự động hóa cao Viết unit tests, tài liệu, refactor thường quy Có thể tăng tốc mạnh, cần kiểm chứng Debugging AI hỗ trợ đáng kể, nhất là lỗi có ngữ cảnh rõ System architecture AI hỗ trợ thiết kế; con người vẫn cần đánh giá trade-offs Domain modeling Phụ thuộc vào khả năng hiểu nghiệp vụ và xác minh yêu cầu Security, reliability AI hỗ trợ nhưng yêu cầu kiểm soát và trách nhiệm cao Stakeholder management Phụ thuộc nhiều vào bối cảnh, niềm tin và thương lượng End-to-end delivery Có thể được tự động hóa từng phần ngày càng sâu
Nguy cơ lớn nhất là software engineering bị deskilling như lao động công nghiệp? Trong CMCN 2.0, dây chuyền sản xuất không chỉ giúp công nhân làm việc nhanh hơn. Nó còn chuyển một phần tri thức sản xuất từ người thợ sang hệ thống quản lý và quy trình. Một người thợ từng hiểu toàn bộ quá trình chế tạo sản phẩm có thể trở thành người chỉ thực hiện một công đoạn. Với AI, quá trình tương tự có thể xảy ra nhưng theo một hình thức khác.

Trong kịch bản này, một software engineer có thể chuyển từ người trực tiếp tạo ra code sang người mô tả yêu cầu, kiểm soát quá trình và xác nhận kết quả. Có hai khả năng trái ngược:
Khả năng thứ nhất — Upskilling: Engineer được giải phóng khỏi những tác vụ lặp lại để tập trung vào kiến trúc, nghiệp vụ, chất lượng và giải quyết những vấn đề phức tạp hơn.
Khả năng thứ hai — Deskilling: Doanh nghiệp tiêu chuẩn hóa phần lớn quá trình phát triển phần mềm, khiến nhiều vị trí chỉ còn thực hiện thao tác điều phối, xác nhận và xử lý ngoại lệ. Nếu năng lực chuyên môn không còn tạo ra sự khác biệt lớn về kết quả, tiền công của những vị trí đó có thể chịu áp lực.
Tôi cho rằng cả hai quá trình sẽ cùng tồn tại. Điều quyết định không chỉ là khả năng của AI, mà còn là cách doanh nghiệp thiết kế lại tổ chức.
Vậy tầng lớp nào sẽ được hưởng lợi và tầng lớp nào chịu rủi ro? Nếu suy diễn từ các cuộc cách mạng trước, sự phân hóa trong ngành phần mềm có thể diễn ra như sau.
- Junior Engineers: Có cơ hội học nhanh hơn, tiếp cận những bài toán phức tạp nhờ AI. Tuy nhiên, các vị trí entry-level có nguy cơ bị thu hẹp khi AI tự động hóa phần lớn tác vụ cơ bản, khiến junior khó tích lũy kinh nghiệm thực tế để phát triển thành senior.
- Mid-level Engineers: Có thể tăng năng suất và đảm nhận phạm vi công việc lớn hơn với sự hỗ trợ của AI. Ngược lại, những công việc implementation thông thường ngày càng dễ bị tự động hóa, tạo áp lực cạnh tranh và làm giảm giá trị của các kỹ năng lập trình thuần túy.
- Senior Engineers / Solution Architects: Có cơ hội chuyển dịch từ trực tiếp viết code sang thiết kế kiến trúc, điều phối AI agents và kiểm soát các hệ thống phức tạp. Tuy nhiên, khi một senior có thể đảm nhận khối lượng công việc của nhiều engineers, doanh nghiệp có thể tinh gọn nhân sự, đồng thời gia tăng đáng kể workload và cognitive load lên những người còn lại.
- Engineering Managers: AI giúp quản lý năng lực delivery lớn hơn với ít nguồn lực hơn. Tuy nhiên, việc tinh gọn tổ chức và tự động hóa các hoạt động quản lý có thể khiến nhu cầu đối với một số vị trí quản lý trung gian suy giảm.
- Freelancers: Một cá nhân có thể đảm nhận những dự án trước đây cần cả một đội ngũ phát triển. Nhưng khi rào cản kỹ thuật giảm xuống, mức độ cạnh tranh trên thị trường toàn cầu tăng lên, kéo theo áp lực giảm giá dịch vụ.
- Software Outsourcing Firms: Có thể tận dụng AI để tăng năng suất, cải thiện biên lợi nhuận hoặc cung cấp dịch vụ với chi phí cạnh tranh hơn. Ngược lại, mô hình kinh doanh truyền thống dựa trên man-day và headcount chịu áp lực lớn khi khách hàng ngày càng kỳ vọng trả ít tiền hơn cho cùng một khối lượng công việc.
- Product Owners / Tech Founders: Chi phí xây dựng MVP và thử nghiệm ý tưởng giảm, giúp các nhóm nhỏ có khả năng phát triển sản phẩm mà trước đây cần nguồn vốn và nhân sự lớn. Tuy nhiên, rào cản gia nhập thị trường thấp hơn cũng khiến số lượng đối thủ tăng lên và lợi thế cạnh tranh thuần túy về kỹ thuật khó duy trì.
- AI Platform / Infrastructure Owners: Hưởng lợi từ nhu cầu ngày càng tăng về computing power, foundation models và AI tooling. Tuy nhiên, lĩnh vực này đòi hỏi vốn đầu tư lớn, chi phí vận hành cao và phải liên tục đổi mới để duy trì vị thế cạnh tranh.
Nhìn tổng thể, AI không đơn thuần thay thế việc làm mà đang tái phân phối giá trị kinh tế giữa các tầng lớp trong ngành IT. Những người trực tiếp thực hiện các tác vụ dễ tự động hóa có thể chịu áp lực lớn hơn, trong khi những người sở hữu năng lực tổ chức, kiểm soát hệ thống, hiểu biết nghiệp vụ và khả năng tạo ra giá trị kinh doanh có cơ hội nâng cao vị thế của mình.
5. Những thay đổi lớn cho thị trường lao động phần mềm
Đây có thể là một trong những thay đổi đáng chú ý nhất đối với ngành IT Việt Nam. Mô hình outsourcing truyền thống thường gắn doanh thu với số lượng nhân sự và đơn giá theo thời gian:
Revenue = Billable Engineers x times Rate
Giả sử trước đây một dự án cần 10 engineers trong 6 tháng. Nếu AI giúp 5 engineers thực hiện cùng phạm vi công việc với chất lượng tương đương, khách hàng có lý do để yêu cầu giảm chi phí. Doanh nghiệp outsourcing lúc đó đối diện với ba lựa chọn: giảm giá, chuyển sang bán giá trị đầu ra hoặc mở rộng thị trường để bù đắp sự suy giảm nhu cầu nhân lực trên mỗi dự án. Điều này khá giống sự chuyển đổi từ xưởng thủ công sang nhà máy công nghiệp. Lợi thế cạnh tranh có thể chuyển từ khả năng cung cấp nhiều lao động sang khả năng sở hữu quy trình, công nghệ, tri thức nghiệp vụ và năng lực giao sản phẩm hoàn chỉnh. Nhưng có một điểm khác biệt quan trọng: trong ngành phần mềm, công cụ AI có thể được tiếp cận bởi cả doanh nghiệp lớn lẫn cá nhân. Vì vậy, sự tập trung lợi ích vào các tập đoàn lớn không phải kết quả duy nhất. AI cũng có thể tạo điều kiện cho các nhóm nhỏ cạnh tranh với doanh nghiệp lớn.
Ba kịch bản cho thị trường lao động phần mềm trong 5–10 năm tới
Đây là các kịch bản suy diễn, không phải dự báo xác suất.
Kịch bản A — Productivity-led expansion: Chi phí phát triển giảm mạnh khiến nhu cầu phần mềm tăng đủ lớn để hấp thụ năng suất bổ sung. Nhiều sản phẩm, doanh nghiệp và thị trường mới xuất hiện. Số lượng engineers có thể ổn định hoặc tăng, nhưng nội dung công việc thay đổi đáng kể.
Kịch bản B — Workforce polarization: Nhu cầu đối với những người có năng lực giải quyết vấn đề phức tạp, hiểu nghiệp vụ và điều phối AI vẫn cao. Trong khi đó, những công việc implementation tiêu chuẩn hóa bị giảm giá trị. Thị trường phân hóa mạnh theo năng lực thực tế, thay vì chỉ theo số năm kinh nghiệm.
Kịch bản C — Labor displacement: AI tăng năng suất nhanh hơn tốc độ mở rộng nhu cầu phần mềm. Doanh nghiệp giảm tuyển dụng, tinh gọn team và tự động hóa thêm nhiều hoạt động trong SDLC. Một bộ phận engineers phải chuyển nghề hoặc chấp nhận thu nhập thấp hơn.
Trong thực tế, ba kịch bản có thể diễn ra đồng thời ở các phân khúc khác nhau. Ví dụ, startup có thể tuyển thêm nhờ chi phí phát triển thấp, trong khi một doanh nghiệp outsourcing truyền thống lại giảm số lượng nhân viên thực hiện các dự án có phạm vi cố định.
6. Nghịch lý của AI và những mô hình đáng xem xét
Nếu AI thay junior, ai sẽ trở thành senior?
Một senior không trưởng thành chỉ nhờ đọc system design. Kinh nghiệm đến từ những quyết định sai, bug khó, production incidents và việc hiểu tại sao một thiết kế thất bại khi chạm vào nghiệp vụ thực tế. Nếu doanh nghiệp cắt giảm junior vì AI xử lý tốt boilerplate, CRUD và unit tests, họ có thể giảm chi phí trước mắt nhưng làm suy yếu nguồn cung senior trong tương lai. AI có thể giúp junior học nhanh nhưng nó không tự động trao cho họ trách nhiệm và kinh nghiệm thực chiến.
AI chạy được nhiều việc hơn, nhưng não người không thể review vô hạn
Năm coding agents có thể tạo ra năm pull requests gần như cùng lúc. Senior phải liên tục chuyển qua lại giữa các mental models để đánh giá design, security, side effects và business invariants. Việc nhiều agent hoàn thành tác vụ không chứng minh một engineer có thể đảm nhiệm vô hạn workstreams.

Biểu đồ kỳ vọng so với kết quả thử nghiệm AI developers METR 2025
Thử nghiệm đối chứng của METR (2025) trên 16 experienced developers và 246 tasks: trước khi làm, người tham gia dự đoán AI giúp giảm 24% thời gian, nhưng thực nghiệm ghi nhận thời gian tăng 19% với công cụ và nhóm nhiệm vụ thời điểm đó. Bản cập nhật 2026 cho biết công cụ mới có dấu hiệu giúp nhanh hơn, song dữ liệu có selection bias và khó đo khi chạy đa agent. Kết quả không được dùng để kết luận AI luôn làm developer chậm hơn.
Khi code được tạo nhanh hơn khả năng kiểm chứng, bottleneck chỉ chuyển từ implementation sang review và integration. DORA 2025 cũng mô tả AI như bộ khuếch đại điểm mạnh và điểm yếu sẵn có của tổ chức. Nếu khách hàng liên tục yêu cầu thêm feature và rút deadline vì biết AI tăng năng suất, senior có thể bị đẩy vào trạng thái quá tải kéo dài. Xung đột khi đó không nằm ở việc dùng AI hay không, mà ở giới hạn workload, trách nhiệm chất lượng và cách phân chia lợi ích năng suất.
Productivity tăng chưa chắc việc làm hoặc doanh thu tăng
Giả sử 100 engineers tạo ra 100 đơn vị sản lượng. Nếu AI giúp tăng gấp đôi năng suất, doanh nghiệp có thể dùng ít người hơn để đáp ứng nhu cầu cũ, giữ nguyên đội ngũ để mở rộng sản lượng, hoặc tuyển thêm nếu nhu cầu mới tăng đủ mạnh. Kết quả phụ thuộc vào thị trường, chi phí, chất lượng và tốc độ tạo nhu cầu mới — không phụ thuộc riêng tốc độ sinh code.
Với outsourcing, nghịch lý còn sắc nét: doanh thu dựa vào billable headcount × rate, trong khi AI giúp giảm effort trên mỗi tính năng. Dùng AI để delivery tốt hơn có thể đồng thời khiến khách hàng không muốn trả cho số man-days trước đây.
Shadowing: Mô hình đáng được suy ngẫm
Một phương án là Engineering Cell gồm một senior/tech lead, 2–5 junior và AI coding agents. Mỗi junior sở hữu một phạm vi nhỏ: giao việc cho agent, phân tích output, chạy test, phát hiện sai lệch và đề xuất phương án. Senior tập trung vào architecture boundaries, trade-offs, những thay đổi rủi ro cao và coaching. Junior không chỉ quan sát cách senior xử lý tình huống, mà được trực tiếp tham gia rồi giải thích vì sao quyết định được đưa ra.
Tỷ lệ 1 senior : 4–5 junior có thể là đích đến, không nên là giả định áp dụng tức thì. Tôi sẽ bắt đầu pilot 1:2 trong 12 tuần, với automated tests, peer review, giới hạn WIP, quyền tự chủ theo năng lực và thời gian coaching được tính vào kế hoạch. Chỉ mở rộng nếu accepted throughput tăng mà escaped defects, thời gian review và mức độ quá tải của senior không tăng; đồng thời junior chứng minh tiến bộ qua khả năng giải quyết vấn đề độc lập. Nếu senior phải quản lý thêm năm junior bên cạnh năm agents, mô hình đã thất bại ngay từ thiết kế.
Shadowing cũng không thể tự giải quyết việc khách hàng liên tục mua thêm năng suất. Cần cam kết rõ giới hạn workstreams, approval gates, quality criteria và trách nhiệm trong hợp đồng. Phân phối workload hợp lý là điều kiện để mô hình đào tạo có thể tồn tại lâu dài.
7. Trong nguy có cơ: IT industry nên bán gì khi code trở nên rẻ hơn?
Tôi cho rằng AI có thể tạo ra một thời kỳ tăng trưởng rất lớn cho IT industry, đồng thời khiến một bộ phận đáng kể các công ty IT và software engineers mất đi lợi thế cạnh tranh hiện tại. Hai điều này hoàn toàn có thể xảy ra cùng lúc.
Nhìn lại những gì chúng ta đã bàn về các cuộc Cách mạng Công nghiệp, có một quy luật kinh tế đáng chú ý: Khi công nghệ làm giảm mạnh chi phí sản xuất một loại hàng hóa, thị trường có cơ hội mở rộng, những ngành kinh doanh mới xuất hiện và giá trị kinh tế dịch chuyển sang các mắt xích khác trong chuỗi sản xuất.
Đối với AI, tôi nhìn thấy một số cơ hội quan trọng, nhưng lớn nhất không nằm ở việc giúp developer viết code nhanh hơn.
Cơ hội thứ nhất: Khi giá phần mềm giảm, thị trường phần mềm có thể lớn hơn rất nhiều
Trong CMCN 1.0, máy dệt công nghiệp làm giảm chi phí sản xuất vải. Khi vải trở nên rẻ hơn, nhiều người có khả năng mua các sản phẩm dệt may hơn, tạo điều kiện để thị trường mở rộng. AI có thể tạo ra một hiệu ứng tương tự đối với phần mềm.
Trước đây, một doanh nghiệp nhỏ có thể cần đầu tư hàng chục nghìn USD để xây dựng một hệ thống quản lý riêng. Chi phí đó khiến họ tiếp tục sử dụng Excel, email hoặc quy trình thủ công. Nếu AI giúp giảm đáng kể chi phí phát triển, một phần những dự án trước đây không có khả năng sinh lời có thể trở nên khả thi.
Đây là khái niệm latent demand — nhu cầu vốn tồn tại nhưng chưa được đáp ứng vì giá quá cao.
Tuy nhiên, tổng doanh thu ngành chưa chắc tăng. Nếu số dự án tăng gấp đôi nhưng giá bình quân giảm 70%, tổng doanh thu vẫn giảm. Do đó, chúng ta cần phân biệt ba thứ:
- Số lượng sản phẩm phần mềm được tạo ra.
- Tổng giá trị kinh tế mà phần mềm mang lại cho khách hàng.
- Doanh thu và việc làm của ngành phát triển phần mềm.
Ba đại lượng này không nhất thiết tăng cùng nhau.
Về bằng chứng thực tế, khảo sát OECD công bố tháng 11/2025 trên hơn 5.000 doanh nghiệp vừa và nhỏ tại bảy quốc gia cho thấy 31% đang sử dụng Generative AI. Trong số những doanh nghiệp sử dụng AI, 65% báo cáo hiệu suất nhân viên được cải thiện, nhưng chỉ 26% báo cáo tăng doanh thu. Điều này cho thấy tăng năng suất là bước đầu, còn chuyển năng suất thành tăng trưởng kinh doanh khó hơn nhiều.
Cơ hội: Các công ty IT không nên chỉ cạnh tranh để giành những dự án vốn đã tồn tại. Họ có thể tạo ra sản phẩm và dịch vụ cho những phân khúc khách hàng trước đây không đủ khả năng mua phần mềm.
Cơ hội thứ hai: AI làm code rẻ hơn, nhưng không làm độ phức tạp của doanh nghiệp biến mất
Đây là cơ hội mà tôi đánh giá đặc biệt quan trọng đối với software engineers, Solution Architects và các công ty IT có kinh nghiệm enterprise. Một ngân hàng muốn triển khai AI để tự động hóa quy trình xử lý khoản vay. Viết một agent đọc hồ sơ, trích xuất thông tin và đề xuất quyết định có thể tương đối đơn giản khi so với việc xây dựng một hệ thống production hoàn chỉnh. Nhưng triển khai thực tế còn bao gồm hệ thống core banking, identity, phân quyền, regulatory compliance, audit trail, dữ liệu nhạy cảm, quy tắc phê duyệt, xử lý ngoại lệ và khả năng khôi phục khi agent thực hiện sai. Đặc biệt, doanh nghiệp phải xác định ai chịu trách nhiệm khi AI đưa ra quyết định không đúng. Những vấn đề này không tự động biến mất chỉ vì AI có khả năng sinh code.
Nghiên cứu DORA 2025 cho thấy AI có quan hệ tích cực với software delivery throughput, nhưng vẫn có quan hệ tiêu cực với delivery stability. Nói cách khác, tốc độ tạo ra thay đổi có thể tăng trong khi năng lực kiểm soát chất lượng không theo kịp. Do vậy, khi code trở nên rẻ hơn, những năng lực như kiến trúc hệ thống, integration, observability, security và governance có thể trở thành những điểm tạo khác biệt quan trọng. Tôi không cho rằng mọi Solution Architect đều an toàn trước AI. Một architect chỉ biết tạo architecture diagram hoặc đề xuất những pattern chung cũng có thể bị thay thế một phần. Nhưng người hiểu sâu domain, có khả năng đưa ra quyết định trong điều kiện thiếu thông tin và chịu trách nhiệm cho kết quả triển khai thực tế sẽ có cơ hội tạo ra giá trị lớn hơn.
Cơ hội thứ ba: Một ngành dịch vụ mới — Enterprise AI Engineering
Thị trường đang tồn tại khoảng cách lớn giữa việc sử dụng một AI assistant và tích hợp AI thành công vào các quy trình vận hành của doanh nghiệp.
Theo McKinsey tháng 11/2025, 62% người trả lời khảo sát cho biết tổ chức của họ đã ít nhất thử nghiệm AI agents. Nhưng gần hai phần ba tổ chức vẫn chưa bắt đầu mở rộng triển khai AI trên toàn doanh nghiệp.
Khoảng cách này chính là một thị trường dịch vụ. Đặc biệt, Gartner tiếp tục nhấn mạnh vào tháng 10/2026 rằng độ tin cậy, accountability và governance là những điều kiện quan trọng để AI agents có thể được triển khai trên quy mô lớn.
Trong bối cảnh đó, cơ hội không nhất thiết nằm ở việc tự phát triển một LLM cạnh tranh với OpenAI, Anthropic hay Google. Một công ty IT quy mô vừa hoàn toàn có thể xây dựng doanh nghiệp có lợi nhuận bằng cách giải quyết những khó khăn khi tích hợp, vận hành và kiểm soát các mô hình đó.
Cơ hội thứ tư: Tái phát minh mô hình outsourcing
Đây có thể là cơ hội lớn nhất nhưng cũng là thách thức nghiêm trọng nhất của IT industry Việt Nam. Mô hình outsourcing truyền thống thường dựa vào khả năng cung cấp kỹ sư với chi phí cạnh tranh. Khi AI giúp một engineer thực hiện nhiều tác vụ hơn, lợi thế cung cấp số lượng lớn nhân lực có thể suy giảm. Nếu khách hàng vẫn định giá dự án dựa trên số lượng man-days, AI có khả năng trở thành một lực lượng gây giảm giá dịch vụ.
Nhưng có những hướng chuyển đổi khác.
- Staff Augmentation => AI-Augmented Delivery Teams: Thay vì cung cấp từng developer theo yêu cầu của khách hàng, doanh nghiệp có thể cung cấp những đội ngũ phát triển kết hợp giữa engineers và AI agents. Mô hình này cho phép một nhóm nhân sự nhỏ đảm nhận khối lượng công việc lớn hơn, đồng thời duy trì sự kiểm soát về kiến trúc, chất lượng và tiến độ.
- Bán Engineer-hours => Delivery Capacity hoặc Business Outcomes: Khi AI làm giảm thời gian thực hiện các tác vụ, mô hình tính phí theo man-day có thể không còn phản ánh đúng giá trị được tạo ra. Doanh nghiệp có thể chuyển sang định giá dựa trên năng lực delivery, sản phẩm bàn giao hoặc kết quả kinh doanh, thay vì số giờ làm việc của engineers. Tuy nhiên, cách định giá này đòi hỏi phạm vi, tiêu chí nghiệm thu và trách nhiệm giữa các bên phải được xác định rõ ràng.
- Mở rộng quy mô bằng tuyển dụng => kết hợp con người và Automation: Trước đây, muốn nhận thêm dự án, công ty outsourcing thường phải tuyển thêm engineers. Với AI, doanh nghiệp có thể mở rộng năng lực delivery bằng cách tự động hóa một phần quy trình phát triển phần mềm, thay vì tăng headcount tương ứng. Điều này cũng đòi hỏi đầu tư vào AI tooling, engineering practices và năng lực kiểm soát chất lượng.
- Nhận yêu cầu và triển khai => tư vấn, thiết kế và đồng sở hữu giải pháp: Khi việc viết code ngày càng dễ tự động hóa, lợi thế cạnh tranh sẽ có cơ hội dịch chuyển sang khả năng hiểu bài toán kinh doanh, phân tích yêu cầu, thiết kế kiến trúc và tư vấn những quyết định kỹ thuật phù hợp. Doanh nghiệp IT không chỉ đóng vai trò thực thi mà có thể trở thành đối tác cùng khách hàng giải quyết vấn đề và chịu trách nhiệm đối với kết quả đã cam kết.
- General-purpose Development => Domain-specialized Engineering: Thay vì cạnh tranh chủ yếu bằng khả năng cung cấp engineers thành thạo nhiều công nghệ, doanh nghiệp có thể xây dựng lợi thế từ hiểu biết chuyên sâu trong những lĩnh vực như tài chính, bảo hiểm, y tế hoặc logistics. AI có thể giúp rút ngắn thời gian implementation, nhưng hiểu biết về business rules, regulatory compliance và đặc thù vận hành vẫn là những năng lực khó thay thế hoàn toàn.
- Doanh thu theo dự án => kết hợp Project, Managed Services và Recurring Revenue: Thay vì phụ thuộc hoàn toàn vào các hợp đồng phát triển phần mềm có thời hạn, doanh nghiệp có thể mở rộng sang vận hành, giám sát và tối ưu các hệ thống AI cho khách hàng. Những dịch vụ như AI Agent Operations, monitoring, governance và continuous improvement có thể tạo ra nguồn doanh thu định kỳ, đồng thời xây dựng mối quan hệ dài hạn với khách hàng.
Nhìn chung, cơ hội của IT outsourcing không còn chỉ nằm ở khả năng cung cấp nguồn nhân lực với chi phí cạnh tranh, mà ở năng lực tổ chức con người, AI và tri thức nghiệp vụ để tạo ra giá trị kinh doanh với hiệu quả cao hơn. Doanh nghiệp nào vẫn phụ thuộc hoàn toàn vào mô hình bán man-day có thể phải đối mặt với áp lực giảm giá, trong khi những doanh nghiệp chuyển đổi thành công có cơ hội mở rộng thị trường và phát triển những nguồn doanh thu mới.
Cơ hội thứ năm: Software products sẽ được chuyên môn hóa theo domain
Đây là cơ hội đặc biệt hấp dẫn đối với những công ty nhỏ hoặc các engineering teams muốn xây dựng sản phẩm riêng. Khi khả năng phát triển phần mềm trở nên dễ tiếp cận hơn, việc tạo thêm một ứng dụng CRUD hoặc một chatbot không còn là lợi thế cạnh tranh đủ lớn.
Nhưng hiểu sâu một ngành kinh doanh vẫn là bài toán khó.
Chẳng hạn, một giải pháp AI cho lĩnh vực y tế cần hiểu quy trình vận hành, dữ liệu bệnh nhân, trách nhiệm chuyên môn và các yêu cầu bảo mật. Một giải pháp AI cho lĩnh vực tài chính cần hiểu dữ liệu giao dịch, accounting rules, reconciliation và các quy định liên quan. Một nhóm kỹ sư có domain expertise có thể xây dựng những sản phẩm ngách mà trước đây không khả thi về mặt kinh tế.
Các hướng đáng xem xét bao gồm vertical AI SaaS, specialized workflow automation, industry-specific agents và reusable industry platforms.
Đây là sự chuyển dịch từ Software as a Service sang những sản phẩm có thể kết hợp phần mềm với dịch vụ thực thi công việc (Software + AI-enabled Services). Nhưng mức độ tự động hóa phù hợp sẽ khác nhau tùy rủi ro và trách nhiệm của từng ngành.
Cơ hội thứ sáu: Thị trường đào tạo kỹ sư trong kỷ nguyên AI
Quay lại nghịch lý: Nếu junior bị thay thế, ai sẽ trở thành senior?
Tôi cho rằng chính vấn đề này có thể tạo ra một nhu cầu mới trong IT industry.
Khi code generation ngày càng được tự động hóa, chương trình đào tạo software engineer có thể cần chuyển trọng tâm từ học cú pháp và framework sang cách hiểu hệ thống, phân tích vấn đề, đánh giá phương án, kiểm chứng phần mềm do AI tạo ra và xử lý sự cố production. Từ đó, một công ty IT có thể phát triển chương trình apprenticeship kết hợp ba thành phần:
Human mentorship + Real-world engineering + AI-assisted execution.
Khác với bootcamp tập trung dạy lập trình, mô hình này đào tạo một engineer thông qua những dự án đang vận hành thật, với trách nhiệm tăng dần và có người hướng dẫn. Cơ hội thương mại có thể xuất hiện dưới dạng chương trình đào tạo nội bộ, managed engineering apprenticeship, hoặc dịch vụ xây dựng năng lực AI-native engineering cho khách hàng.
8. Vấn đề không nằm ở công cụ, mà ở ai nắm giá trị.
Những người thợ thủ công trong CMCN 1.0 không đột nhiên mất tay nghề khi máy dệt xuất hiện; kỹ năng từng giúp họ thương lượng tiền công trở nên bớt khan hiếm. Software engineers có thể đối diện với một sự dịch chuyển tương tự khi năng lực tạo code ngày càng dễ tiếp cận. Nhưng lịch sử không chứng minh AI tất yếu sẽ làm ngành IT suy tàn, cũng không bảo đảm mọi người lao động sẽ tìm được công việc tốt hơn.
AI có thể giúp doanh nghiệp xây dựng những sản phẩm chưa từng khả thi, đồng thời thu hẹp một số công việc hiện hữu. Nó có thể giúp junior học nhanh, nhưng cũng khiến các vị trí entry-level ít đi. Nó có thể khiến senior điều phối nhiều agent, nhưng không làm sức chứa nhận thức của họ tăng vô hạn. Những kết quả trái chiều ấy phụ thuộc phần lớn vào cách doanh nghiệp tổ chức lao động và phân chia lợi ích từ năng suất.
CMCN 4.5 thực sự là cuộc cách mạng của lao động trí óc, đó là sự thật mà chúng ta bắt buộc phải thừa nhận nếu không muốn bị bỏ lại phía sau.
Bài viết nhấn mạnh tới những tác động tiêu cực của hiện tại và cả khả năng ở tương lai, không phải để gieo rắc những negative thinking lên cả 1 ngành công nghiệp mà là như 1 lời cảnh bảo trước các engineers với thái độ vẫn còn thong dong và dửng dưng trước cơn sóng thần cách mạng. Chúng ta cần có những bước biến chuyển để định giá lại bản thân trước thang đo mới, không ngừng học tập để trau dồi kiến thức, chuẩn bị cho mình 1 mindset bất biến, đó là: "Bắt buộc phải thay đổi và phải thay đổi cực nhanh và mạnh".
Đó không còn là lựa chọn nữa, đó là quyết định ở bản thân rằng bạn có dám tiếp tục con đường mà bạn đã đi tới level senior, hay là dừng lại và chấp nhận đổi qua những công việc khác?
Tài liệu tham khảo
Các nguồn dưới đây được dùng để kiểm chứng mốc lịch sử, số liệu nghiên cứu và sự ra đời của các công cụ AI. Các kịch bản về thị trường lao động, mô hình shadowing và chiến lược ngành IT là phân tích/đề xuất của tác giả, không phải kết luận trực tiếp từ các nghiên cứu.
- Joseph A. Montagna, Yale-New Haven Teachers Institute, The Industrial Revolution (1981). Bối cảnh CMCN lần thứ nhất, mốc lịch sử mang tính quy ước.
- Library of Congress, The Industries — American Business: The Gilded Age and the Progressive Era. Mốc CMCN lần thứ hai 1870–1914 và công nghiệp hóa.
- DIN — German Institute for Standardization, Industry 4.0. CMCN 3.0 gắn với điện tử và IT từ thập niên 1970; thuật ngữ Industry 4.0 năm 2011.
- World Economic Forum, Future of Jobs Report 2025 — Jobs Outlook (2025). Dự báo 170 triệu việc mới, 92 triệu bị thay thế, tăng ròng 78 triệu đến 2030; gồm nhiều xu hướng, không chỉ AI.
- Dartmouth College, The Founding and Future of AI. Hội thảo Dartmouth 1956, sự ra đời của AI như một lĩnh vực nghiên cứu.
- OpenAI, OpenAI Codex (10/08/2021). Mô hình Codex sinh code năm 2021; tiền thân của thế hệ code assistants.
- Anthropic, Introducing Claude (14/03/2023). Ngày Claude được giới thiệu rộng rãi.
- Anthropic, Claude 3.7 Sonnet and Claude Code (24/02/2025). Mốc giới thiệu Claude Code dưới dạng coding agent.
- OpenAI, Introducing Codex (16/05/2025). Codex cloud agent, môi trường sandbox, chạy các tác vụ software engineering.
- The National Archives (UK), Why did the Luddites protest?. Phong trào Luddites, thất nghiệp, giảm tiền công và thay đổi điều kiện làm việc.
- International Labour Organization, Generative AI and Jobs: A Refined Global Index of Occupational Exposure (20/05/2025). 25% việc làm có mức tiếp xúc nhất định với GenAI; 3,3% thuộc nhóm tiếp xúc cao nhất.
- Erik Brynjolfsson, Bharat Chandar, Ruyu Chen / Stanford Digital Economy Lab, (12/08/2026). Khoảng cách việc làm 19% ở nhóm 22–25 tuổi thuộc nghề tiếp xúc AI cao, là tương quan mô tả, không phải 19% bị sa thải.
Bài viết này hữu ích với bạn?
Bình luận (0)
Chưa có bình luận nào được xuất bản.
Hãy là người đầu tiên chia sẻ góc nhìn của bạn.

Zi
With more than 11 years of experience as a software engineer, I specialize in consulting on and designing robust enterprise systems. I am passionate about programming and software development, and I have mastered industry best practices and developed innovative solutions that improve operational efficiency. As a consultant, I am committed to understanding each client's unique needs and goals and developing tailored strategies to address their specific challenges. I would welcome the opportunity to contribute my expertise as a knowledgeable and proactive partner in helping your enterprise thrive.
Solution Architect