Nhìn vào 5 công ty dịch vụ IT lớn nhất thế giới, TCS, Infosys, Wipro, HCLTech, Cognizant, tất cả đều sụt giảm tăng trưởng doanh thu 15 đến 16 điểm phần trăm trong 5 năm (FY20 đến FY25). Một phần do chu kỳ kinh tế, nhưng phần đáng lo hơn là cấu trúc: mô hình headcount arbitrage, thuê nhiều người giá rẻ bán cho khách phương Tây, đang bị AI xói mòn từ gốc. Khi năng suất mỗi người tăng vọt nhờ AI, khách hàng có quyền hỏi: tại sao tôi phải thuê 100 người khi 30 người dùng AI làm được việc tương đương?
Khách hàng đang thay đổi, và thay đổi nhanh hơn chúng ta tưởng
Điều quan trọng hơn cả sự sụt giảm của các ông lớn outsource là sự dịch chuyển ở phía khách hàng. Các doanh nghiệp không chỉ dùng AI để tối ưu quy trình hiện có, họ đang xây dựng ứng dụng, tính năng, và cả hệ sinh thái mới xoay quanh AI. Bệnh viện muốn AI hỗ trợ chẩn đoán và tích hợp agent vào workflow lâm sàng. Nhà máy muốn AI dự đoán hỏng hóc và tự đề xuất lịch bảo trì. Demand không còn là “viết code theo spec”, mà là “thiết kế giải pháp AI phù hợp, tích hợp vào hệ thống hiện có, đảm bảo tuân thủ quy định ngành”. Phần “viết code theo spec” ngày càng dễ làm bằng AI, và nhiều khách hàng đã bắt đầu tự làm.
Đây là câu hỏi sống còn cho mọi công ty outsource chuyên làm downstream: nếu coding và testing, hai công đoạn chiếm phần lớn doanh thu, đang bị AI commoditize, thì giá trị cạnh tranh nằm ở đâu?
“Tại sao cần engineer của bạn khi Claude làm được?”
Câu hỏi này có một giả định ẩn cần tháo ra. AI “làm được việc” nghĩa là viết code chạy được trên máy dev. Từ đó đến hệ thống production-grade, tích hợp với legacy, tuân thủ HIPAA hay IEC 62304, chịu load thực tế, có monitoring và disaster recovery, là khoảng cách rất xa.
Câu trả lời đúng không phải “AI chưa đủ giỏi” (nó sẽ giỏi hơn mỗi tháng), mà là giá trị đã dịch chuyển sang hai vùng con người vẫn không thể thay thế.
Thứ nhất là định hình bài toán và thiết kế giải pháp. Khách hàng hiếm khi tới với requirement rõ ràng. Họ tới với nỗi đau mơ hồ, KPI bị áp xuống, sức ép cạnh tranh chưa biết phản ứng thế nào. Chuyển nỗi đau thành bài toán giải được, rồi thiết kế kiến trúc cân bằng giữa hiệu năng, chi phí, tuân thủ, và năng lực vận hành thực tế, đó là phần AI chưa thay được. Tôi đã viết về sự dịch chuyển từ engineer mindset sang advisory consulting mindset.
Thứ hai là chịu trách nhiệm end-to-end. Khi production down, khi dữ liệu bệnh nhân rò rỉ, khi tích hợp thất bại trước go-live, không ai gọi cho AI. Họ gọi cho người chịu trách nhiệm. Niềm tin xây từ những lần giữ lời hứa, từ cách xử lý khi mọi thứ sai. AI không thay được quá trình đó.
Một số vai trò downstream sẽ thực sự biến mất. Developer dành 80% thời gian viết CRUD, tester chỉ chạy script có sẵn, BA chỉ copy requirement vào template, đó là những phần việc sẽ bị thay thế. Nhưng phần việc upstream, hiểu domain, thiết kế giải pháp, đảm bảo chất lượng hệ thống, đang trở nên giá trị hơn bao giờ hết.
Outsource company cỡ vừa nên dịch chuyển thế nào?
Không phải nhảy sang mô hình mới. Outcome-based pricing hay co-creation platform nghe hay nhưng đòi hỏi brand trust và hạ tầng mà công ty 500 đến 2000 người chưa chắc có. Con đường thực tế là nâng giá trị trên chính nền tảng T&M đang có.
Bước 1: Chuẩn hóa AI vào delivery workflow, tăng margin nội bộ. Giữ rate cũ, giảm cost bằng AI, dùng năng suất tăng để deliver nhiều hơn và nhanh hơn cho khách. Đây là lý do tôi xây ADLC như framework delivery mới, nơi AI được embed vào từng pha chứ không chỉ là công cụ cá nhân.
Bước 2: Bán đội ngũ nhỏ hơn, rate cao hơn, nhờ AI-native capability. Thay vì khách thuê 10 người, họ thuê 5 người rate cao hơn 30 đến 40 phần trăm nhưng tổng chi phí thấp hơn và output tốt hơn. Chứng minh bằng delivery thực tế, không bằng slide.
Bước 3: Đóng gói domain expertise thành sản phẩm lặp lại. Bộ agent train sẵn cho quy trình y tế, starter kit tích hợp HL7/FHIR, data pipeline template cho manufacturing. Đây là bước chuyển từ “bán thời gian” sang “bán giá trị đóng gói”, hướng tới Enterprise Agent Builder.
Khi khách hàng hỏi “tại sao cần đội của bạn khi Claude làm được”, ba bước trên chính là câu trả lời: chúng tôi dùng AI tốt hơn bạn tự dùng, vì đã chuẩn hóa workflow cho domain của bạn. Bạn trả tiền cho giá trị đó, không phải số giờ gõ phím.
Sau ADLC là gì, khi ai cũng có quy trình AI-native?
ADLC về bản chất là methodology, và methodology thì copy được. Sớm hay muộn, mọi công ty IT service đều sẽ có một bộ quy trình AI-native delivery. Giống như Agile/Scrum mười năm trước, ADLC sẽ trở thành table stakes, không còn là lợi thế. Vậy lợi thế cạnh tranh tiếp theo nằm ở đâu?
Tôi thấy ba hướng, mỗi hướng có logic riêng và rủi ro riêng.
Domain Intelligence. Khi mọi người đều xây nhanh như nhau, biết xây cái gì đúng quan trọng hơn xây nhanh. Công ty nào tích lũy domain knowledge sâu và encode thành reusable asset (agent, template, knowledge base) sẽ có moat. Đây là hướng khả thi nhất cho outsource cỡ vừa. Nhưng domain knowledge thuần túy cũng bị AI commoditize. Moat chỉ tồn tại khi đi kèm relationship và context cụ thể của từng khách hàng.
Proprietary AI Asset. Chuyển từ bán dịch vụ sang bán sản phẩm AI đã đóng gói, là tiến hóa tự nhiên từ Bước 3. Rủi ro: outsource company thiếu R&D budget và go-to-market capability. Con đường thực tế là đóng gói giải pháp đã delivery thành công cho khách A, biến thành starter kit / accelerator bán cho khách B, C, D.
Orchestration Capability. Tương lai là hệ thống phức tạp gồm nhiều AI agent, con người, legacy system, và quy định ngành phải hoạt động cùng nhau. Hướng đúng nhất về logic, nhưng khó bán nhất, vì khách trả tiền cho deliverable cụ thể. Cách duy nhất là chứng minh bằng kết quả: hệ thống chạy ổn, compliance đạt, đội khách hàng vận hành được.
Domain Intelligence là nền tảng, Proprietary Asset là đích đến, Orchestration là năng lực xuyên suốt. Công ty nào kết hợp được cả ba sẽ sống sót qua giai đoạn ADLC trở thành commodity.
Kết
Nhìn lại biểu đồ sụt giảm của các ông lớn outsource, tôi không thấy tận thế. Tôi thấy dấu hiệu chuyển giao. Mô hình headcount arbitrage đang chậm lại. ADLC sẽ là lợi thế trong 2 đến 3 năm tới, nhưng sau đó nó sẽ trở thành baseline. Cuộc chơi dài hạn thuộc về những công ty tích lũy domain intelligence, đóng gói expertise thành sản phẩm, và chứng minh khả năng orchestrate hệ thống AI-human phức tạp.
Đội ngũ nào học được cách dùng AI hôm nay sẽ học được cách dùng làn sóng tiếp theo nhanh hơn, không phải vì họ giỏi AI, mà vì họ giỏi học. Vai trò mới của ngành dịch vụ IT: không chỉ làm thuê, mà dẫn đường. Không chỉ giao sản phẩm, mà chia sẻ kinh nghiệm va vấp. Đó là điều AI chưa thể thay thế.
Transforming Leadership 