Năm 1812, ở vùng Nottingham nước Anh, một nhóm thợ dệt tay đột nhập vào xưởng dệt lúc nửa đêm và đập phá hàng chục chiếc máy dệt tự động. Họ gọi nhau là Luddites — theo tên một nhân vật huyền thoại tên Ned Ludd, người tương truyền đã từng đập nát hai khung cửi vì uất ức. Họ không phải người điên mà là những thợ lành nghề đang nhìn thấy cả cuộc đời với mấy chục năm nghề bị một cái máy thay thế trong vài tháng.

Chính phủ Anh không thương hại. Họ đưa quân đội vào dẹp phong trào, bắt giam hàng trăm người, xử tử 17 người dẫn đầu. Cuộc nổi dậy bị dập tắt và máy móc tiếp tục chạy.

Hơn 200 năm sau, ngồi ngẫm lại những người Luddite ấy không sai khi lo lắng về chuyện máy móc đang lấy mất nghề nhưng họ đã không nhìn thấy rằng cùng lúc đó, thế giới đang chuẩn bị tạo ra nhiều việc làm hơn bao giờ hết, chỉ là ở những chỗ khác, với những tên gọi mà năm 1812 chưa ai biết.

Lịch sử đang chuẩn bị lặp lại. Lần này tên gọi không phải máy móc hay robot. Nó tên là AI. Và lần này, chúng ta — những người làm trong ngành IT, đặc biệt là dân BrSE — đứng ngay ở tâm chấn của câu chuyện.

Làn sóng thứ nhất: Khi máy móc vào xưởng

Để hiểu những gì đang xảy ra với AI hôm nay, cần nhìn lại hai lần nhân loại đã đứng ở đúng chỗ này trước đây.

Cuộc Cách mạng Công nghiệp bắt đầu ở Anh vào khoảng năm 1760, không ồn ào như người ta hay nghĩ mà thay đổi một cách chậm rãi, từng ngành, từng làng, từng nghề dần bị thay thế… cho đến khi một ngày nào đó bạn nhìn lại và thấy cả thế giới đã khác đi hoàn toàn.

Những mốc trong tiến trình công nghiệp hoá
• 1764: James Hargreaves phát minh Spinning Jenny — một chiếc máy thay thế được tám thợ dệt tay cùng lúc trong khi đó một gia đình thợ dệt Anh mất trung bình 3-4 năm mới thành thục nghề.
• 1769: James Watt cải tiến động cơ hơi nước. Từ đây, nhà máy không cần đặt gần sông nước nữa. Chúng mọc lên khắp nơi.
• 1811–1816: Phong trào Luddite bùng nổ — thợ dệt đập máy, chính phủ xử tử. Đây là lần đầu tiên trong lịch sử có một phong trào lớn phản đối công nghệ. Và kết quả thì như các bạn đã biết.
• 1830: Tuyến đường sắt đầu tiên chở khách Liverpool–Manchester khai trương. Trong vòng 20 năm, ngành vận chuyển bằng ngựa gần như xóa sổ. Hàng chục nghìn phu ngựa, chủ trạm, thợ đóng xe mất nghề.
• 1850–1900: Nhưng cũng chính giai đoạn này, nước Anh có thêm nghề lái tàu hỏa, thợ than, kỹ sư cơ khí, kế toán nhà máy, nhân viên bưu điện, thợ điện… Những nghề mà năm 1800 không ai biết là gì.

Kết quả sau 80 năm Cách mạng Công nghiệp: GDP nước Anh tăng hơn 400%. Dân số làm việc trong công nghiệp từ dưới 20% lên hơn 60%. Tổng số việc làm tăng gần gấp đôi — dù hàng loạt nghề truyền thống biến mất hoàn toàn.

Nhưng con số tổng hợp đó che đi một sự thật rằng trong 30 năm đầu, đời sống công nhân nhà máy tệ hơn thợ thủ công trước đó. Làm việc 14 tiếng/ngày, trẻ em cũng phải đi làm, nhà ở khu ổ chuột, tuổi thọ giảm và hàng tá khó khăn trong cuộc sống mà những ai chưa trải qua khó có thể hiểu thấu.

Làn sóng thứ hai: robot công nghiệp

Trăm năm sau, nhân loại lại đứng trước câu hỏi cũ với một diện mạo mới. Lần này không phải máy dệt mà là robot công nghiệp. Và người lo lắng không phải thợ dệt mà là công nhân lắp ráp, nhân viên văn phòng, thậm chí cả kỹ sư.

Tiến trình robot vào nhà máy
• 1961: Robot Unimate lắp đặt tại nhà máy General Motors ở New Jersey — chiếc robot công nghiệp đầu tiên trong lịch sử. Nó làm công việc hàn điểm trên dây chuyền xe hơi, suốt ngày đêm, không nghỉ, không đình công. GM gọi đó là “tương lai”. Công nhân gọi đó là mối đe dọa.
• 1973: ATM xuất hiện rộng rãi tại Mỹ và châu Âu. Các chuyên gia dự báo sẽ xóa sổ nghề giao dịch viên ngân hàng trong một thập kỷ. Nghe rất hợp lý — máy rút tiền 24/7, không cần lương, không cần bảo hiểm y tế.
• 1980: Số giao dịch viên ngân hàng Mỹ: khoảng 300.000 người.
• 2000: Số giao dịch viên ngân hàng Mỹ: gần 600.000 người — tăng gấp đôi dù ATM đã có mặt khắp nơi.

ATM làm giảm chi phí vận hành mỗi chi nhánh ngân hàng đến mức họ có thể mở thêm hàng nghìn chi nhánh mới ở những nơi trước đây không đủ chi phí. Nhiều chi nhánh hơn = cần nhiều giao dịch viên hơn. Máy móc không giết chết nghề — nó làm thay đổi nơi nghề đó tồn tại và cách nó vận hành.

• 1994–2000: Dot-com boom. Internet “giết” ngành bán lẻ truyền thống, sạp báo, nhà sách nhỏ, đại lý vé máy bay. Nhưng cùng lúc đó: nghề lập trình web, SEO, logistics thương mại điện tử, digital marketing… xuất hiện từ không khí.
• Giữa 2000s: Outsourcing IT bùng nổ. Các công ty Mỹ, Nhật, châu Âu đưa công việc phần mềm sang Ấn Độ, Việt Nam, Philippines. Hàng trăm nghìn kỹ sư phần mềm châu Á có việc làm tốt — những công việc không tồn tại trước đó 15 năm.
• 2010: Nghề BrSE ra đời — một nghề hoàn toàn mới (cũng có thể gọi là 1 role nếu các bạn “cố chấp” không coi đây là nghề), được tạo ra bởi sự gặp nhau giữa nhu cầu outsource của Nhật và đội ngũ kỹ sư Việt Nam có kỹ năng lập trình.

Đọc đến đây chắc nhiều bạn nhận ra một điều: BrSE bản thân nó là sản phẩm của một làn sóng công nghệ trước. Chúng ta tồn tại vì công nghệ thay đổi cách thế giới làm việc. Và bây giờ công nghệ lại thay đổi một lần nữa, và lần này về bản chất thì giống những lần trước nhưng hình thái sẽ có nhiều thay đổi, và nhiệm vụ sống còn của mỗi người là phải nhận ra được mình cần phải làm gì để thích nghi, tồn tại và hướng tới là phát triển theo một chiều hướng mới.

Làn sóng thứ ba: AI

Hai làn sóng trước chủ yếu thay thế tay chân. Máy dệt thay thợ dệt. Robot thay công nhân hàn. ATM thay giao dịch viên đứng đếm tiền. Phần làm việc bằng tư duy — phán đoán, sáng tạo, giao tiếp — vẫn là của con người.

AI thì khác. Nó đến để thay tư duy.

Lần đầu tiên trong lịch sử, một công nghệ đụng thẳng vào bác sĩ, luật sư, kế toán, lập trình viên, nhà báo, copywriter, phiên dịch viên. Những người ngồi bàn giấy, mặc áo cổ cồn, tưởng mình an toàn với công nghệ vì “đầu óc không thể bị thay”. Họ đang phát hiện ra rằng mình không an toàn hơn thợ dệt tay năm 1812 hay thợ lắp ráp trong xưởng máy năm 1961.

AI – làn sóng thứ ba đang diễn ra

• 2017: Google DeepMind ra mắt AlphaGo Zero — một AI tự học cờ vây từ đầu, không dùng bất kỳ dữ liệu nào từ con người. Chỉ sau 40 ngày tự chơi với chính mình, nó đánh bại phiên bản trước vốn đã đánh bại nhà vô địch thế giới. Thông điệp của khoảnh khắc này: AI không chỉ học từ con người — nó có thể tự vượt qua con người.
• 2020: GPT-3 ra mắt. Lần đầu tiên AI viết văn bản trôi chảy đến mức người đọc không phân biệt được với người thật.
• Tháng 11/2022: ChatGPT ra mắt. Trong vòng 5 ngày: 1 triệu người dùng. Trong vòng 2 tháng: 100 triệu người dùng. Không có sản phẩm nào trong lịch sử đạt tốc độ đó.
• 2023: Các công ty lớn bắt đầu dùng AI thay nhân sự: IBM thông báo tạm dừng tuyển dụng 7.800 vị trí có thể thay bằng AI. BuzzFeed sa thải nhân viên content, chuyển sang AI. Dropbox cắt 16% nhân lực, CEO gọi thẳng là vì AI.
• 2024–2025: AI bắt đầu viết code thực sự — không chỉ code mẫu mà cả code production. GitHub Copilot, Cursor, Claude đang được dùng bởi hàng triệu lập trình viên. Một developer dùng AI tốt bây giờ làm được việc của 2-3 developer không dùng AI.

Ngành nào sắp biến mất — ngành nào sắp mọc lên

Những nghề đang bị ăn mòn — từ từ rồi cũng hết
Không nghề nào biến mất qua đêm. Nhưng nhu cầu tuyển dụng giảm, lương giảm, cơ hội thăng tiến thu hẹp — đó là dấu hiệu đủ để lo ngại.

• Data entry / nhập liệu
• Comter dịch thuật tài liệu : Những bạn chỉ dịch tài liệu, chưa đủ kỹ năng để dịch meeting.
• Tổng đài viên
• Kế toán phổ thông
• Tester manual thuần túy: trong test thì cần nhiều kỹ năng, những bạn nào mà chỉ biết tạo testcase theo spec và test lại 1 cách rập khuôn thì coi chừng.
• Junior developer chỉ biết code theo spec: Đây là tin không vui cho nhiều bạn mới ra trường. Nếu công việc của bạn chỉ là nhìn ticket và viết code theo đó, AI đang làm tốt việc này. Nên nếu không tìm ra được điểm mạnh thì rất khó để theo nghề sau khi ra trường, và ngay cả những bạn đã có 1-2 năm kinh nghiệm nhưng skill vẫn chỉ ngang junior thì khó tránh bị thay thế.

Những nghề sắp mọc lên — mà nhiều người chưa biết tên
Đây là phần thú vị hơn. Và đây cũng là lịch sử lặp lại — giống như năm 1850 không ai biết “kỹ sư đường sắt” là gì.

• AI Trainer / Data Annotator cấp cao: AI cần học từ dữ liệu do con người tạo ra và đánh giá. Nhưng không phải data ngẫu nhiên — cần người hiểu domain sâu để đánh giá output AI đúng hay sai. Một bác sĩ đánh giá AI y tế, một kỹ sư phần mềm đánh giá AI code — đây là nghề đang trả lương rất tốt và đang thiếu người giỏi.
• AI Auditor / AI Risk Manager: Khi các công ty dùng AI trong quyết định kinh doanh, tuyển dụng, tài chính — ai đảm bảo AI không phân biệt đối xử, không ra quyết định sai? Nghề kiểm định AI đang được nhiều quốc gia luật hóa — châu Âu đã có EU AI Act 2024. Nhu cầu sẽ bùng nổ.
• Prompt Engineer / AI Workflow Designer: Không phải chỉ là “người hỏi AI”. Đây là người thiết kế cả quy trình làm việc giữa con người và AI — xác định AI làm gì, con người làm gì, output được xử lý thế nào. Hiện tại các công ty lớn đang trả 150.000–300.000 USD/năm cho vị trí này.
• Domain Expert + AI Combo: Đây là ngành không có tên riêng nhưng là xu hướng lớn nhất. Bác sĩ biết dùng AI chẩn đoán. Luật sư biết dùng AI phân tích hợp đồng. Kỹ sư tài chính biết dùng AI phân tích thị trường. Người kết hợp được expertise ngành với khả năng dùng AI — đó là người được săn đón nhất trong 5 năm tới.
• AI Infrastructure Engineer: Xây dựng, vận hành, scale hệ thống AI trong doanh nghiệp. Không phải nghiên cứu AI mà là triển khai AI vào thực tế. Cloud + AI + DevOps — ai biết cả ba thứ này hiện tại đang rất khan hiếm.
• Human-AI Interaction Designer: Thiết kế trải nghiệm cho người dùng khi làm việc với AI — không chỉ là UI/UX thông thường mà còn là tâm lý, tin tưởng, kiểm soát. Nghề này chưa có trường đào tạo chính thức nhưng nhu cầu thực tế đang tăng rất nhanh.

Quy luật không đổi qua 200 năm: Công nghệ mới không tạo ra ít việc làm hơn — nó tạo ra việc làm khác đi. Mấu chốt phải làm sao để nhìn thấy hướng chuyển đổi sớm hơn đám đông.

BrSE trong 3–5 năm tới

BrSE đứng ở một vị trí thú vị trong làn sóng AI. Không phải vị trí an toàn nhất, nhưng cũng không phải vị trí nguy hiểm nhất. Vị trí của người đứng ngay tại ngã ba đường (cũng có thể là ngã 4 ngã 5 …), đứng im thì chắc chắn tèo từ từ, rẽ sai thì tèo còn nhanh hơn, vậy rẽ hướng nào mới đúng ?

Những cơ hội mở ra cho BrSE
1. AI- BrSE — làm nhiều hơn với cùng thời gian
Như đã nói ở bài trước, một BrSE biết dùng AI tốt hiện tại có thể làm được khối lượng công việc gấp 2–3 lần người không dùng. Điều đó có nghĩa là: một BrSE giỏi dùng AI có thể một mình handle dự án mà trước đây cần 2 người. Và trong bối cảnh các công ty đang cắt giảm chi phí, đây là lợi thế sống còn. Nhu cầu tuyển sẽ vẫn rất cao nhưng chọn lọc khắt khe. Trường hợp 1 team có 3 member, 1 mem sẽ care toàn bộ, còn 2 member còn lại sẽ phải đứng 2 dự án khác. Bởi vậy biết AI thôi cũng chưa đủ, mà quan trọng là tư duy làm việc độc lập cộng thêm kỹ năng quản lý dự án.

1. BrSE chuyên domain — đặc biệt là Fintech và AI systems
   Thị trường Nhật đang đầu tư mạnh vào hai mảng: số hóa hệ thống tài chính (ngân hàng, chứng khoán, bảo hiểm) và triển khai AI vào quy trình doanh nghiệp. Cả hai đều cần người hiểu nghiệp vụ sâu VÀ hiểu công nghệ VÀ giao tiếp được với khách hàng Nhật.

Đó là profile của BrSE — nhưng là BrSE có domain knowledge chuyên sâu. Hệ thống quỹ đầu tư, thanh toán chứng khoán T+2, quản lý rủi ro tín dụng — những thứ này AI không thể học trong một tuần, nhưng một BrSE làm 5 năm trong mảng đó thì biết hết. Đây là lợi thế không ai lấy đi được.

1. BrSE làm cầu nối triển khai AI cho doanh nghiệp Nhật
   Các công ty Nhật đang trong giai đoạn muốn dùng AI nhưng không biết bắt đầu từ đâu. Họ cần người không chỉ biết AI mà còn biết quy trình làm việc kiểu Nhật, biết 報連相 (HoRenSo), biết cách trình bày proposal cho ban lãnh đạo Nhật. BrSE có kinh nghiệm là người duy nhất có đủ cả ba thứ đó.

Đây là một mảng tư vấn mới đang hình thành và sẽ bùng nổ trong 3–5 năm tới. Các công ty outsource lớn đang bắt đầu build dịch vụ này — và họ đang thiếu người đủ tầm để thực thi. Và bộ kỹ năng sẽ bao gồm : JP (giao tiếp trôi chảy), Phân tích nghiệp vụ (để hiểu bài toán khách hàng), Phân thích và trình bày giải pháp (dựa vào input + AI để đưa ra output  đủ kiến thức để review output đó và mang nó đi trình bày cho khách).

1. PM/Director cho AI projects
   Dự án AI không chỉ là dự án IT thông thường. Nó cần người hiểu expectation management với khách hàng khi AI output không deterministic (tức là cùng một input đôi khi cho output khác nhau), hiểu cách test AI system, hiểu ethical risk. BrSE senior với kinh nghiệm quản lý dự án và nền tảng kỹ thuật — đây là profile rất phù hợp để chuyển lên PM của các AI project.

Cần học gì — và học như thế nào
Phần này mình sẽ nói thẳng hơn mọi bài viết mà bạn đã đọc. Không phải vì mình biết nhiều hơn, mà vì mình đang sống trong đúng cái môi trường này mỗi ngày.

Những cái cần học ngay
• Dùng AI mỗi ngày, cho công việc thực tế: Đọc sách, xem youtube or học các khoá học online cũng tốt nhưng quan trọng hơn vẫn là thực hành chứ đừng bu vào lý thuyết nhiều quá mà ngộ chữ. Viết email, tóm tắt meeting, draft tài liệu, review spec, tạo proposal hay tạo template demo (cái này AI nó làm nhanh vs đẹp thôi rồi) … cứ tập trung bắt em trợ lý cày nhiệt tình vào, thử – sai – thử lại cho tới khi hết token, dần dần bạn sẽ nắm được cách dùng.
• Học prompt engineering đúng nghĩa: Không phải kiểu hỏi AI cho hay, nhìn rất màu mè hoa lá cành nhưng output toàn thứ trên trời. Các bạn cần tập trung vào việc học cách cấu trúc yêu cầu để AI cho ra output đúng ý, biết khi nào AI sai và tại sao, biết cách iterate để cải thiện kết quả. Có nhiều khóa học free trên Coursera, DeepLearning, bạn cứ hỏi em “trợ lý” xem hợp với khoá nào nó chỉ cho tận răng.
• Hiểu AI hoạt động ở mức “đủ dùng”: Không cần biết toán học deep learning. Cần biết: AI được train thế nào, hallucination là gì và khi nào xảy ra, tại sao AI tốt với cái này nhưng tệ với cái kia. Hiểu nguyên lý giúp bạn dùng đúng chỗ và không tin tưởng mù quáng.

Những cái cần học trong 6–12 tháng tới

• Domain knowledge sâu hơn trong ngành bạn đang làm: Nếu làm fintech — học thêm về quy trình thanh toán, các chuẩn quy định tài chính, thuật ngữ chuyên ngành Nhật. Nếu làm e-commerce — học supply chain, logistics system. AI có domain knowledge chung chung nhưng có mấy cái đặc thù theo từng công ty – từng sản phẩm riêng thì nó chưa khôn .
• Cloud cơ bản: AWS hoặc Azure certified ở mức Associate không phải là quá khó — khoảng 3-4 tháng tự học nghiêm túc. Trong 5 năm tới, hầu hết AI system chạy trên cloud. BrSE hiểu cloud sẽ nói chuyện được với cả team dev lẫn khách hàng ở một tầm khác.
• Kỹ năng đọc và đánh giá AI output: Đây không phải skill kỹ thuật mà là critical thinking áp dụng vào AI. Khi AI generate một bản spec, bạn phải biết cái gì đúng, cái gì cần kiểm tra lại, cái gì AI có thể bịa ra trông rất thật (mà nó cực kỳ hay bịa, đặc biệt là chị “thảo mai” GPT) . Kỹ năng này đang trở thành bắt buộc với bất kỳ ai làm việc với tài liệu.

Không cần học — đừng mất thời gian
• Không cần học code AI từ đầu (nếu không phải kỹ sư AI): Trừ khi bạn muốn chuyển hẳn sang AI engineering, không cần học PyTorch hay TensorFlow. Biết dùng API của OpenAI, Claude, Gemini là đủ cho 95% nhu cầu của BrSE.
• Không chạy theo mọi tool AI mới ra: Mỗi tuần có vài tool AI mới, chạy theo bằng mắt 😀 Không có ai theo kịp và cũng không cần. Chọn 2–3 tool cốt lõi, dùng thành thục, hiểu sâu hiểu kỹ là được. Chỉ cần chọn 1 con, ví dụ như Claude, học cách taọ Skill, thiết kế file .md và tạo các subagent rồi dùng mấy cái đấy tạo 1 project – ví dụ tạo web listup các “kỹ sư” JAVa idol Nhật chẳng hạn, mô tả tên tuổi số đo 3 vòng, hình minh hoạ + các sản phẩm và skill của các “kỹ sư” đấy. Sau đấy thì học thêm 1 vài tool nữa là được. Và có 1 mẹo để học nhanh là bạn bắt nó tạo cho 1 lộ trình học bằng file html, mở lên và học theo là được.

Kết

Năm 1816, sau khi phong trào Luddite bị dập tắt, một người thợ dệt tên George Mellor bị xử tử vì tội đập phá máy móc. Ông không phải người xấu, ông chỉ là người sợ hãi trước tương lai và không biết phải làm gì khác ngoài chống lại nó.

Cùng thời điểm đó, ở một nơi khác, có những người thợ không đập máy móc — họ học cách vận hành nó, học cách sửa nó, học cách thiết kế nhà máy để dùng nó hiệu quả hơn. Lịch sử không nhớ tên họ vì họ không làm gì kịch tính. Nhưng con cháu của họ trở thành kỹ sư, nhà máy trưởng, chủ doanh nghiệp của thế kỷ 19.

Làn sóng AI không hỏi bạn có đồng ý hay không. Nó đang xảy ra. Câu hỏi duy nhất còn lại là bạn đứng ở đâu khi nó đến — là người đập máy vì sợ hãi, hay là người học cách cưỡi lên nó.

Với BrSE, cái nghề vốn đã ra đời từ một làn sóng outsource, câu trả lời không có gì bất ngờ: thích nghi, học tiếp, dùng AI như một công cụ mạnh nhất mình từng có. Còn những ai nghĩ rằng 5 – 10 năm kinh nghiệm cũ là đủ để yên tâm công tác và không cần học thêm gì thì ok, chúc các bạn may mắn.