Có một câu hỏi đang ám ảnh hầu hết mọi ngành nghề:
"AI có thay thế tôi không?"
Luật sư hỏi.
Nhà thiết kế hỏi.
Lập trình viên, giáo viên, nhà báo, bác sĩ, nhà quảng cáo và nhà phân tích cũng hỏi.
Câu hỏi có vẻ hợp lý vì nó khiến chúng ta hình dung ra một khoảnh khắc rất rõ ràng.
Hôm nay có một người ngồi ở chiếc ghế đó.
Ngày mai có một cỗ máy.
Chừng nào ngày đó chưa đến, chúng ta vẫn tiếp tục làm việc và coi sự tồn tại của vị trí của mình như một dấu hiệu của sự an toàn.
Nhưng có lẽ sẽ không như vậy.
Ngành nghề của bạn có thể vẫn tiếp tục tồn tại.
Chức danh công việc của bạn có thể giữ nguyên tên gọi.
Công ty của bạn có thể vẫn tiếp tục tuyển dụng người cho cùng một lĩnh vực.
Và thế mà, mọi thứ từng mang lại sự an toàn, vị thế thương lượng và tương lai cho công việc đó có thể bắt đầu thay đổi.
Rủi ro không bắt đầu khi ngành nghề biến mất. Nó bắt đầu khi ngành nghề vẫn tiếp tục tồn tại, nhưng bắt đầu cần ít người hơn.
Một ngành nghề không chỉ là một thứ
Hãy tưởng tượng một nhà phân tích marketing trẻ tên là Clara.
Clara đang bắt đầu sự nghiệp của mình.
Trong tuần, cô ấy nghiên cứu đối thủ cạnh tranh, sắp xếp thông tin, chuẩn bị bài thuyết trình, viết bản nháp đầu tiên, theo dõi các chiến dịch và chuyển đổi kết quả thành báo cáo.
Không một nhiệm vụ nào trong số này, nếu đứng riêng lẻ, định nghĩa được ý nghĩa của việc làm trong lĩnh vực marketing.
Nhưng cùng nhau, chúng chiếm một phần lớn trong công việc hàng ngày của cô ấy.
Chúng cũng dạy Clara cách thực hành nghề nghiệp.
Khi cô ấy nghiên cứu một đối thủ cạnh tranh, cô ấy học cách phân biệt một thay đổi quan trọng với một sự mới lạ không liên quan.
Khi cô ấy chuẩn bị một báo cáo, cô ấy học cách nhận biết con số nào trông đẹp và con số nào thực sự đại diện cho kết quả.
Khi cô ấy viết một bản nháp đầu tiên, cô ấy hiểu cách một ý tưởng thay đổi tùy theo đối tượng, sản phẩm và thời điểm.
Khi cô ấy theo dõi một người có kinh nghiệm hơn xem xét công việc của mình, cô ấy bắt đầu nhận ra những tiêu chí mà bản thân cô ấy chưa thể giải thích được.
Bây giờ hãy tưởng tượng công ty của Clara áp dụng AI.
Nghiên cứu ban đầu chỉ mất vài phút.
Dữ liệu được sắp xếp sẵn.
Bài thuyết trình tự động có một cấu trúc đầu tiên.
Báo cáo đã xuất hiện kèm một bản tóm tắt.
Mười phiên bản của một văn bản có thể được tạo ra trước khi Clara hoàn thành phiên bản đầu tiên của mình.
Ngành marketing có biến mất không?
Không.
Clara có mất việc không?
Không nhất thiết.
Nhưng một điều quan trọng đã xảy ra.
Một ngành nghề không phải là một khối duy nhất.
Nó được hình thành từ các nhiệm vụ, quyết định, kiến thức, mối quan hệ, trách nhiệm, phán đoán và rủi ro đã được chấp nhận.
AI không cần phải thành thạo tất cả những điều này để biến đổi thị trường.
Nó chỉ cần xâm nhập vào đúng những phần.
Ngành nghề là một trong những thứ cuối cùng biến mất. Các nhiệm vụ thay đổi trước.
Điều đầu tiên có thể biến mất là chiếc thang
Thật dễ dàng để nhìn vào các nhiệm vụ ban đầu của Clara và chỉ thấy công việc vận hành.
Nghiên cứu.
Sắp xếp.
Bản nháp đầu tiên.
Báo cáo.
Có vẻ tuyệt vời khi một cỗ máy có thể gánh vác công việc này khỏi thói quen của cô ấy.
Ngoại trừ việc những nhiệm vụ đó cũng là những bậc thang đầu tiên trong quá trình đào tạo của cô ấy.
Clara không tạo ra báo cáo chỉ để giao nộp báo cáo.
Cô ấy đang học cách nhìn nhận một doanh nghiệp.
Cô ấy không nghiên cứu đối thủ cạnh tranh chỉ để lấp đầy một bài thuyết trình.
Cô ấy đang xây dựng một vốn kiến thức.
Cô ấy không viết những phiên bản chưa hoàn hảo chỉ vì ai đó cần phải làm chúng.
Cô ấy đang phát triển khả năng phán đoán mà nhiều năm sau sẽ cho phép cô ấy nhận ra một phiên bản tốt.
Cơ chế này xuất hiện trong nhiều ngành nghề.
Một luật sư mới vào nghề học bằng cách nghiên cứu tài liệu, so sánh các phán quyết và chuẩn bị các bản nháp đầu tiên.
Một lập trình viên bắt đầu bằng cách sửa các lỗi nhỏ, viết các phần đơn giản và cố gắng hiểu các hệ thống do người khác xây dựng.
Một nhà thiết kế phát triển định hướng thẩm mỹ bằng cách tạo ra các biến thể, điều chỉnh tác phẩm và nhận phê bình.
Một chuyên gia quảng cáo học bằng cách nghiên cứu các tài liệu tham khảo, thử nghiệm các cách tiếp cận và quan sát lý do tại sao một số ý tưởng sống sót qua quá trình xem xét và những ý tưởng khác thì không.
Khi AI đảm nhận những nhiệm vụ này, công ty không chỉ tiết kiệm thời gian.
Nó có thể không còn cần nhiều người ở giai đoạn đầu sự nghiệp nữa.
Một chuyên gia giàu kinh nghiệm, được hỗ trợ bởi AI, bắt đầu mang lại những gì trước đây cần nhiều người mới vào nghề.
Công ty mở ít vị trí hơn.
Ít người vào nghề hơn.
Ít người tích lũy kinh nghiệm hơn.
Sự nghiệp mất đi một số bậc thang đầu tiên của nó.
Điều này đã xuất hiện trong những dữ liệu đầu tiên có sẵn.
Một nghiên cứu của Phòng thí nghiệm Kinh tế Kỹ thuật số Stanford, dựa trên hồ sơ bảng lương ở Hoa Kỳ, đã phát hiện ra mức giảm tương đối 16% trong việc làm của người lao động từ 22 đến 25 tuổi trong các ngành nghề tiếp xúc nhiều nhất với AI, sau khi xem xét sự khác biệt giữa các công ty.
Trong cùng một nghiên cứu, các chuyên gia giàu kinh nghiệm hơn trong cùng một ngành nghề được bảo vệ tương đối nhiều hơn.
Chính các tác giả đã cảnh báo rằng nghiên cứu chỉ mang tính quan sát và không chứng minh rằng tất cả sự khác biệt là do AI gây ra.
Dù vậy, mô hình này đáng được chú ý.
Áp lực ban đầu dường như không ảnh hưởng đến tất cả mọi người theo cùng một cách.
Nó có thể bắt đầu chính xác với những người vẫn cần vào nghề để học hỏi.
AI có thể không loại bỏ một ngành nghề. Nó có thể loại bỏ cách mọi người học để hành nghề.
Và điều đó tạo ra một câu hỏi khó chịu:
Nếu những công việc đã đào tạo nên các chuyên gia giàu kinh nghiệm biến mất, thì những chuyên gia giàu kinh nghiệm tiếp theo sẽ đến từ đâu?
Vị trí vẫn còn, nhưng giá trị đang dịch chuyển
Clara ở lại công ty.
Chức danh công việc của cô ấy vẫn là nhà phân tích marketing.
Bề ngoài, mọi thứ có vẻ tương đối bình thường.
Bên trong, tiêu chuẩn đã thay đổi.
Trước đây, công ty mong đợi cô ấy nghiên cứu, sắp xếp và sản xuất.
Bây giờ, vì những bước này đã trở nên nhanh hơn, công ty mong đợi Clara mang lại nhiều hơn.
Không đủ để trình bày mười ý tưởng.
Cô ấy cần nhận ra hai ý tưởng nào có ý nghĩa.
Không đủ để tạo ra một báo cáo.
Cô ấy cần giải thích những gì nên làm dựa trên nó.
Không đủ để sản xuất một chiến dịch.
Cô ấy cần hiểu đối tượng, xác định rủi ro, bảo vệ các lựa chọn và chịu trách nhiệm về kết quả.
Lợi ích năng suất không tự động biến thành thời gian rảnh.
Thông thường, nó biến thành một kỳ vọng mới.
Một người bắt đầu mang lại những gì trước đây cần nhiều người.
Các nhóm trở nên nhỏ hơn.
Khối lượng sản xuất tăng lên.
Thực thi trở nên dồi dào.
Và những gì trở nên dồi dào thường mất đi giá trị kinh tế.
Có thể AI sẽ không thay thế tất cả các nhà thiết kế.
Nhưng nó có thể cho phép một nhà thiết kế giỏi sản xuất những gì trước đây cần một nhóm.
Có thể nó sẽ không thay thế tất cả các luật sư.
Nhưng nó có thể giảm số lượng người cần thiết để nghiên cứu, sắp xếp và chuẩn bị một vụ án.
Có thể nó sẽ không thay thế tất cả các chuyên gia marketing.
Nhưng nó có thể làm cho khả năng chỉ sản xuất văn bản, bài thuyết trình và báo cáo trở nên không đủ.
Ngành nghề vẫn tồn tại trên thị trường.
Số lượng vị trí có sẵn trong đó là thứ thay đổi.
Và giá trị bắt đầu tập trung vào những người có thể làm điều gì đó vượt ra ngoài việc thực thi.
Khi một nhiệm vụ trở nên dồi dào, biết cách thực thi nó không còn đủ để đảm bảo giá trị.
Nếu việc thực thi không còn là hiếm, điều gì vẫn còn giá trị?
Chính công nghệ phá vỡ chiếc thang có thể giúp xây dựng một chiếc thang khác
Ở đây có một mâu thuẫn quan trọng.
AI làm giảm nhu cầu về một số nhiệm vụ mà qua đó người mới vào nghề đã học hỏi.
Nhưng nó cũng có thể cho một người tiếp cận với một lượng thực hành, kiến thức và năng lực mà trước đây không thể có được một mình.
Điều này không xảy ra một cách tự động.
Clara có thể sử dụng AI theo hai cách hoàn toàn khác nhau.
Trong cách thứ nhất, cô ấy gửi một nhiệm vụ, nhận được câu trả lời, sao chép kết quả và giao nộp nó.
Cô ấy có vẻ năng suất.
Nhưng cô ấy không biết cách giải thích tại sao câu trả lời đó lại tốt.
Cô ấy không nhận ra lỗi một cách chắc chắn.
Cô ấy không phát triển tiêu chí của riêng mình.
Càng sản xuất nhiều, cô ấy càng phụ thuộc vào một thứ mà cô ấy không biết cách đánh giá.
Cô ấy đang sử dụng AI để tránh làm việc.
Nhưng cô ấy cũng đang tránh một phần của việc học.
Trong cách thứ hai, Clara sử dụng AI để mở rộng đào tạo của mình.
Cô ấy yêu cầu công cụ giải thích các chiến lược khác nhau.
So sánh các lựa chọn thay thế.
Cố gắng đưa ra quyết định trước khi tham khảo câu trả lời.
Yêu cầu phê bình lý luận của riêng mình.
Mô phỏng các tình huống.
Nghiên cứu các chiến dịch trước đây.
Ghi lại những sai lầm của mình.
Tạo ra các dự án của riêng mình.
Kiểm tra các giả thuyết mà cô ấy sẽ không có thời gian hoặc nguồn lực để tự mình kiểm tra.
Thay vì chỉ yêu cầu một câu trả lời, cô ấy xây dựng một vòng lặp:
thử, so sánh, nhận phản hồi, sửa chữa và thử lại.
Trong trường hợp này, AI không thay thế việc thực hành.
Nó làm tăng số lượng và tốc độ thực hành có thể.
Nhưng có một giới hạn quan trọng.
AI không thay thế các vấn đề thực tế.
Nó không thay thế hậu quả thực tế.
Nó không thay thế sự cố vấn, tiếp xúc với những người giàu kinh nghiệm hơn, phản hồi bên ngoài và trách nhiệm gia tăng dần.
Một công cụ có khả năng trả lời bất cứ điều gì cũng có thể xác nhận một ý tưởng tồi một cách rất thuyết phục.
Do đó, chiếc thang mới sẽ không được xây dựng chỉ với các câu lệnh, tác nhân và tự động hóa.
Nó sẽ cần kết hợp AI với các dự án thực tế, phê bình từ con người, nghiên cứu, thử nghiệm và trách nhiệm.
Sự khác biệt sẽ nằm giữa việc sử dụng AI để tránh học hỏi và sử dụng nó để tăng tốc xây dựng khả năng phán đoán.
Công nghệ loại bỏ một số bậc thang cũ cũng có thể giúp tạo ra những bậc thang mới.
Ngoại trừ lần này, một phần trách nhiệm xây dựng chiếc thang đó có thể rời khỏi công ty và thuộc về chính người chuyên nghiệp.
Sự ra đời của chuyên gia được tăng cường
Theo thời gian, Clara không còn chỉ sử dụng AI khi cần hoàn thành một nhiệm vụ.
Cô ấy bắt đầu xây dựng một năng lực xung quanh mình.
Sắp xếp một bộ nhớ về các chiến dịch trước đây.
Ghi lại các quyết định, kết quả và sai lầm.
Tạo ra một quy trình định kỳ để nghiên cứu đối thủ cạnh tranh.
Xác định các tiêu chí để đánh giá ý tưởng.
Cấu hình các tác nhân cho các nhiệm vụ cụ thể.
Tự động hóa các công việc theo dõi.
Giữ bối cảnh của mỗi khách hàng được tổ chức.
Tạo ra các bước xác minh trước khi bất kỳ sản phẩm nào được giao.
Clara không còn bắt đầu mỗi dự án từ đầu nữa.
Cô ấy mang theo tất cả những gì mình đã học và một hệ thống có khả năng đưa kiến thức đó vào hoạt động.
Đây là một sự khác biệt lớn hơn là chỉ biết cách sử dụng ChatGPT.
Có một chuyên gia sử dụng AI để sản xuất cùng một công việc nhanh hơn.
Và có một chuyên gia biến AI thành trí nhớ, quy trình, vốn kiến thức và năng lực tích lũy.
Người thứ nhất tiết kiệm thời gian.
Người thứ hai thay đổi những gì một người duy nhất có thể đảm nhận.
Sự thay đổi này đã xuất hiện trong cách các công ty lớn mô tả công việc.
Trong Chỉ số Xu hướng Công việc 2025, Microsoft đã trình bày ý tưởng về các nhóm được hình thành bởi con người và tác nhân, với các chuyên gia chỉ đạo "các đồng nghiệp kỹ thuật số" để thực hiện các phần cụ thể của công việc.
Chỉ số Kinh tế Anthropic cũng tìm thấy hai mô hình sử dụng riêng biệt: tự động hóa, khi nhiệm vụ được ủy thác, và tăng cường, khi người dùng sử dụng AI để học hỏi, xác thực và phát triển công việc cùng nhau.
Sự phân biệt này có ý nghĩa vì nhấn một nút không tạo ra lợi thế lâu dài.
Theo thời gian, hầu như mọi người sẽ có quyền truy cập vào cùng các công cụ.
Lợi thế sẽ nằm ở hệ thống được xây dựng xung quanh chúng.
Bạn đã tổ chức thông tin gì?
Bạn đã tích lũy bối cảnh gì?
Bạn đã phát triển tiêu chí gì?
Bạn biết cách điều phối những quy trình nào?
Bạn có thể xác minh kết quả gì?
Bạn đã bắt đầu đảm nhận những trách nhiệm nào?
Trong tương lai, một công ty có thể không chỉ đánh giá kinh nghiệm, đào tạo và kết quả trước đây của một người.
Nó cũng có thể muốn biết năng lực mà người đó có thể huy động.
Họ có thể vận hành những quy trình nào?
Họ có thể mang theo bao nhiêu bối cảnh?
Làm thế nào họ kiểm soát chất lượng của những gì các tác nhân của họ sản xuất?
Họ có thể tạo ra bao nhiêu kết quả mà không cần mở rộng nhóm?
Người đó không chỉ đến với một sơ yếu lý lịch.
Họ đến với một loại cơ sở hạ tầng nghề nghiệp của riêng họ.
Công ty không chỉ thuê người đó. Họ thuê khả năng phán đoán của họ và tất cả năng lực AI mà họ đã học cách xây dựng và điều phối.
Mỗi chuyên gia có thể mang theo mình một năng lực vận hành mà trước đây chỉ thuộc về một công ty hoàn chỉnh.
Nhưng điều đó không có nghĩa là cỗ máy tự động làm cho chuyên gia trở nên có giá trị.
Cỗ máy có thể tạo ra.
Ai đó vẫn cần phải định hướng.
Cỗ máy có thể đề xuất.
Ai đó vẫn cần phải phán đoán.
Cỗ máy có thể xử lý một lượng thông tin khổng lồ.
Ai đó vẫn cần phải hiểu bối cảnh.
Cỗ máy có thể đề xuất một hành động.
Ai đó vẫn cần phải trả lời cho hậu quả.
Định hướng, phán đoán, bối cảnh và trách nhiệm không phải là sự bảo vệ lãng mạn của con người.
Chúng là những phần cụ thể của công việc.
Sản xuất càng rẻ, chúng càng trở nên quan trọng.
Năng lực mà không có định hướng, phán đoán, bối cảnh và trách nhiệm thì chưa phải là một ngành nghề hoàn chỉnh.
Bài kiểm tra bạn có thể làm ngay hôm nay
Đừng chờ đợi tên ngành nghề của bạn xuất hiện trong danh sách các công việc bị đe dọa.
Hãy lấy một tuần làm việc bình thường và liệt kê những gì bạn thực sự làm.
Đừng chỉ viết "Tôi là luật sư", "Tôi là nhà thiết kế" hoặc "Tôi làm trong lĩnh vực marketing".
Hãy liệt kê các hoạt động.
Sau đó, phân loại từng hoạt động thành sáu nhóm.
1. Sản xuất
Bạn tạo ra, sắp xếp hoặc thực thi những gì?
2. Quyết định
Điều gì đòi hỏi sự lựa chọn của bạn?
3. Bối cảnh
Điều gì phụ thuộc vào việc hiểu sâu sắc về công ty, khách hàng hoặc tình huống?
4. Trách nhiệm
Điều gì mà ai đó cần phải trả lời?
5. Niềm tin
Điều gì phụ thuộc vào mối quan hệ, danh tiếng hoặc uy tín?
6. Học hỏi
Những nhiệm vụ nào đang hình thành kinh nghiệm cần thiết để bạn đảm nhận các công việc lớn hơn?
Bây giờ hãy xác định những gì AI đã có thể bắt đầu.
Đừng chỉ hỏi liệu nó có thể làm mọi thứ một cách hoàn hảo không.
Đó là một tiêu chuẩn quá thoải mái.
Hãy hỏi:
AI có thể tạo ra một phiên bản đầu tiên hữu ích không?
Nếu câu trả lời là có, nó đã có thể thay đổi thời gian, chi phí và số lượng người cần thiết cho nhiệm vụ đó.
Sau đó, hãy tìm kiếm rủi ro vô hình.
Nếu nhiệm vụ này mất đi giá trị, điều gì xảy ra với bạn?
Nó chỉ là vận hành hay nó cũng là một phần của việc học của bạn?
Nếu bất kỳ ai cũng có thể thực thi nó với AI, tại sao ai đó sẽ tiếp tục chọn bạn?
Bạn đang phát triển khả năng phán đoán hay chỉ tăng tốc độ?
Cuối cùng, hãy tìm kiếm cơ hội vô hình.
Làm thế nào bạn có thể sử dụng AI để thực hành nhiều hơn?
Bạn cần tổ chức kiến thức gì?
Bạn có thể xây dựng quy trình nào thay vì chỉ tăng tốc?
Bạn cần phát triển tiêu chí nào để đánh giá kết quả?
Bạn có thể đảm nhận trách nhiệm lớn hơn nào bây giờ khi việc thực thi đòi hỏi ít thời gian hơn?
Câu hỏi quan trọng nhất không phải là:
"Làm thế nào tôi có thể hoàn thành nhiệm vụ của mình nhanh hơn?"
Mà là:
"Tôi đang sử dụng AI để làm cùng một công việc nhanh hơn hay để trở thành một chuyên gia với một năng lực khác?"
Rủi ro bắt đầu sớm hơn. Cơ hội cũng vậy.
AI có thể sẽ không đến vào một ngày thứ Hai để thông báo rằng ngành nghề của bạn đã không còn tồn tại.
Chức danh công việc của bạn có thể vẫn còn.
Công ty có thể vẫn tiếp tục tuyển dụng.
Mọi người có thể vẫn tiếp tục thực hành cùng một hoạt động trong nhiều năm.
Sự thay đổi sẽ diễn ra theo một cách ít nhìn thấy hơn.
Đầu tiên, một số nhiệm vụ sẽ mất ít thời gian hơn.
Sau đó, một người sẽ có thể mang lại những gì trước đây cần nhiều người.
Các vị trí đầu vào sẽ giảm.
Chiếc thang cũ sẽ mất đi các bậc thang.
Kỳ vọng sẽ tăng lên.
Một số kỹ năng nhất định sẽ không còn hiếm.
Giá trị sẽ dịch chuyển sang các phần mới của công việc.
Khi ai đó cuối cùng hỏi liệu ngành nghề có bị thay thế hay không, đó có thể đã là câu hỏi sai.
Chuyên gia dễ bị tổn thương nhất không nhất thiết là người có ngành nghề có thể bị tự động hóa.
Đó là người có giá trị chỉ phụ thuộc vào những nhiệm vụ đang trở nên dễ dàng để tái tạo.
Chuyên gia chuẩn bị tốt nhất không cố gắng chứng minh họ có thể làm việc mà không cần AI.
Họ học cách chỉ đạo công nghệ, xác minh kết quả của nó và đảm nhận những trách nhiệm mà một mình cỗ máy không thể gánh vác.
Điều này không làm cho bất kỳ ai trở nên không thể thay thế.
Nhưng nó làm cho một người chuẩn bị tốt trở nên có năng lực, có giá trị và khó thay thế hơn nhiều so với khi họ làm việc một mình.
Tương lai sẽ không chỉ được chia thành con người và máy móc.
Nó sẽ được chia thành những người tiếp tục làm việc một mình và những người đã học cách biến máy móc thành một phần mở rộng của năng lực của chính họ.
AI sẽ không thay thế ngành nghề của bạn chỉ trong một lần. Rủi ro thực sự bắt đầu sớm hơn nhiều.
Nhưng cơ hội cũng vậy.
Nếu bạn muốn chuẩn bị cho sự thay đổi này
Cách tốt nhất để chuẩn bị không phải là cạnh tranh với AI.
Đó là học cách biến nó thành năng lực của chính bạn.
Nếu bạn muốn hiểu cách làm điều này trong công việc của mình, hãy theo dõi tôi trên X.
Tôi chia sẻ hàng ngày những cách thực tế để sử dụng các công nghệ mới nhằm sản xuất tốt hơn, đảm nhận những trách nhiệm lớn hơn và trở nên có giá trị hơn trên thị trường.
Các nguồn được trích dẫn
- Erik Brynjolfsson, Bharat Chandar, và Ruyu Chen. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab, phiên bản tháng 11 năm 2025.
- Microsoft. 2025 Work Trend Index Annual Report: The Year the Frontier Firm Is Born.
- Anthropic. Anthropic Economic Index: Uneven Geographic and Enterprise AI Adoption, tháng 9 năm 2025.
