Trước khi vào bài, mình nói luôn một điều: những gì mình viết dưới đây chỉ đúng tới thời điểm này. Sáu tháng nữa chuyện gì xảy ra thì mình không đoán nổi, và mình nghĩ cũng chẳng ai đoán chắc được. Cứ đọc như một điểm xuất phát, rồi sẵn sàng sửa.
Mấy hôm trước mình có dịp nói chuyện với các em sinh viên CNTT năm nhất, chủ đề là “chuẩn bị gì cho tương lai”. Nghe thì đơn giản, nhưng thật ra đây là câu hỏi mình cũng tự đi tìm câu trả lời từ lâu rồi. Mình lo cho các bạn sinh viên năm cuối sắp ra trường, và lo cả cho những bạn trẻ đang đi làm: làm sao theo kịp khi AI đang phát triển nhanh đến vậy?
Câu làm mình băn khoăn nhất là: nếu AI nghĩ, code và test nhanh hơn người hàng chục lần, thì mình phải nhìn lại bản thân và thay đổi thế nào?
Với các em năm nhất, mình nghĩ các em còn khá may, vì còn cả 4 năm để chuẩn bị. Anh chị năm cuối hay người đã đi làm thì không có được khoảng thời gian đó. Có điều 4 năm chỉ là lợi thế nếu mình dùng nó cho đúng.
Câu hỏi đã khác rồi
Ngày xưa người ta hỏi một lập trình viên: “Em code giỏi tới đâu?”. Giờ AI viết vài trăm dòng code trong vài giây, câu hỏi đó mất dần sức nặng. Câu hỏi đáng hỏi hơn bây giờ là: em có xây đúng thứ cần xây không, và em có nhận ra được khi nào giải pháp của mình sai không?
Viết code đang ngày càng rẻ. Cái đắt lên là phán đoán: hiểu bài toán thật là gì, chọn giải pháp nào cho hợp, đọc và kiểm tra được thứ AI vừa làm ra, và đủ dạn để nói “mình đang giải sai vấn đề rồi”. Vibe coding giúp mình xây nhanh, còn phán đoán kỹ thuật giúp mình xây đúng.
Hình dung qua một vai trò: FDE
Để dễ hình dung, mình hay lấy ví dụ Forward Deployed Engineer, tạm gọi là kỹ sư ở tiền tuyến. Đây là người đi thẳng vào doanh nghiệp, ngồi cạnh người dùng thật và giải quyết vấn đề thật bằng bất cứ giải pháp nào đem lại giá trị. AI chỉ là một đòn bẩy, không phải đích đến.
Họ không giống dev kiểu cũ (nhận yêu cầu rồi code), cũng không phải consultant (tư vấn xong thì thôi), càng không phải người chỉ biết dùng công cụ.
Cách làm cũ thường đi theo chuỗi: khách hàng nói yêu cầu, team sản phẩm nhận, team kỹ thuật làm, rồi giao. Qua mỗi khâu, thông tin lại rơi rớt đi một ít. FDE làm khác: đi vào doanh nghiệp, quan sát, hiểu dữ liệu, cùng xây, triển khai, rồi sửa tiếp, và vòng lặp đó không bao giờ dừng.
Mình không bảo các em phải trở thành FDE. Mình chọn vai trò này vì nó cho thấy khá rõ những năng lực vẫn còn giá trị khi việc viết code đã có AI làm giúp.
Năm trụ cột, và chỉ một trong số đó là code
Nhìn một FDE làm việc, mình thấy họ cần năm thứ.
Công nghệ. Web, API, database, cloud, DevSecOps. Câu mình hay hỏi các em ở đây: em có đọc hiểu được đoạn code AI vừa viết không? Nếu không đọc được thì mình không kiểm soát được, chỉ đang cầu may.
AI và tự động hóa. LLM, agent, RAG, automation, đánh giá chất lượng (evals). Câu hỏi ở đây là việc này nên dùng AI, automation hay chỉ cần phần mềm thường? Nhiều khi một đoạn automation đơn giản vừa rẻ hơn vừa ổn định hơn một con AI agent. Biết khi nào không nên dùng AI cũng là một kỹ năng.
Hiểu doanh nghiệp. Nỗi đau của khách hàng, KPI, dữ liệu, rủi ro. Khách hay nói “tôi muốn một công cụ như thế này”. Người làm tốt sẽ hỏi lại: việc gì đang ngốn của anh chị 3 tiếng mỗi ngày? Hỏi được câu đó thường quan trọng hơn viết được cái công cụ.
Tích hợp hệ thống. CRM, ERP, email, thanh toán, HR. AI có nói chuyện được với hệ thống sẵn có của họ không? Theo kinh nghiệm của mình, đây thường là phần đau đầu nhất trong dự án thật, và cũng là phần ở trường ít được dạy nhất.
Con người. Làm việc với stakeholder, đội vận hành, người dùng cuối. Biết hỏi, biết lắng nghe, biết giải thích cho dễ hiểu, và dám nói “chúng ta đang giải sai bài toán” khi cần.
Bốn trụ cột sau đều là những thứ AI hiện chưa làm thay được. Ít nhất là ở thời điểm này.
Lộ trình 4 năm mình gợi ý
Năm 1: nền tảng. Python, SQL, Git, thuật toán, cộng với tiếng Anh và thói quen luôn hỏi “tại sao”. Cứ làm quen với các công cụ mới, AI cũng nằm trong đó. Cột mốc: tự động hóa được một việc của chính mình, nhỏ cũng được. Đừng nghĩ có AI rồi thì khỏi học nền tảng, vì chính nền tảng giúp mình biết AI đang đúng hay sai.
Năm 2: bắt đầu xây. Web, API, database, authentication, design pattern, kèm làm việc nhóm và tập ra quyết định trong những dự án nhỏ. Đây là lúc nên code cùng AI (Claude Code, Cursor…), nhưng nhớ tập đọc và kiểm tra code nó viết. Cột mốc: ship được vài app nhỏ chạy thật.
Năm 3: hiểu doanh nghiệp và hệ thống. Phân tích yêu cầu, thiết kế kiến trúc, làm quen với CRM, ERP, Excel, email, và tập tìm hiểu nhu cầu khách hàng. Về AI thì đến lúc học agentic AI, RAG, automation. Cột mốc: làm một pilot cho doanh nghiệp nhỏ, câu lạc bộ hoặc một tổ chức phi lợi nhuận.
Năm 4: triển khai và chứng minh. Thiết kế hệ thống, cloud, DevSecOps, chi phí và vận hành, thêm kỹ năng thuyết trình với stakeholder và một kỳ thực tập ở nơi gần khách hàng nhất. Với AI thì học cách đánh giá và đưa agent vào chạy thật. Cột mốc: một portfolio có con số đo được. “Tiết kiệm 3 tiếng mỗi tuần cho một phòng ban” thuyết phục hơn nhiều so với “app chạy tốt”.
Bốn thói quen nên bắt đầu ngay
Dù lộ trình có đổi thế nào, mình nghĩ bốn việc này vẫn luôn có ích:
- Dùng một công cụ mới mỗi ngày. Không cần thạo hết, chỉ cần quen với chuyện công cụ liên tục thay đổi.
- Làm bài toán thật. Bài tập trên lớp có đáp án, bài toán thật thì không.
- Nói chuyện với người dùng thật. Một buổi trò chuyện 30 phút đôi khi đổi hướng cả dự án.
- Ghi lại kết quả đo được, bằng số.
Nói thẳng là mình cũng không chắc
Mình muốn nhắc lại điều ở đầu bài, để các em không hiểu nhầm. Đây là bức tranh của hiện tại. AI thay đổi nhanh đến mức một nhận định hôm nay có thể lỗi thời sau vài tháng. Biết đâu một trụ cột mình kể ở trên sẽ bị AI làm thay, hoặc sẽ có thêm trụ cột thứ sáu mà bây giờ chưa ai nghĩ tới.
Điều duy nhất mình khá chắc là chúng ta cần thay đổi và thích nghi, và phải làm điều đó liên tục chứ không phải một lần. Nên thứ đáng chuẩn bị nhất có lẽ không phải một danh sách công nghệ, mà là sự tò mò, khả năng học nhanh và bỏ nhanh, khả năng phán đoán, và sự hiểu biết về con người cùng doanh nghiệp, những nơi mọi giải pháp cuối cùng phải phục vụ.
Lời cuối
Gửi các em năm nhất: 4 năm là rất dài trong thế giới AI. Đừng chờ có một tấm bản đồ chính xác rồi mới đi, vì sẽ không có tấm bản đồ nào như vậy. Cứ bắt đầu, đo kết quả, sửa tiếp, và vài tháng thì xem lại kế hoạch một lần.
Nếu sáu tháng nữa các em đọc lại bài này và thấy có chỗ đã sai, thì cũng tốt. Nghĩa là các em đang theo kịp thời đại này.
