Các mô hình AI ngày càng giỏi hơn ở bất cứ thứ gì bạn có thể viết hàm mất mát (loss function) cho nó, và trường học chủ yếu là các hàm mất mát: những bài toán được xác định rõ ràng và chấm điểm dựa trên đáp án có sẵn. Do đó, công việc có giá trị trong thập kỷ tới là tất cả những thứ không thể chấm điểm trong phạm vi huấn luyện mô hình.
Trong 6 năm làm việc, tôi đã may mắn được cộng tác với những con người tuyệt vời từ các công ty ở mọi quy mô, từ startup của riêng tôi, đến Helm AI (15→50 nhân viên), Scale AI (500→1500 nhân viên), OpenAI (1500→3000 nhân viên), và Google (100,000+ nhân viên). Với tư cách là một nhà sáng lập, tôi dành nhiều thời gian để suy nghĩ về việc tuyển dụng đúng người cho hiện tại và tương lai của công ty. Bởi vì chúng tôi hoàn toàn dựa trên agent (agent-native), nhu cầu của chúng tôi rất khác so với bất kỳ công ty nào tôi từng làm việc trước đây.
Đối với những cá nhân có động lực, tham vọng và mới bắt đầu sự nghiệp, giờ đây tôi có một góc nhìn rõ ràng hơn về những kỹ năng nào có giá trị trong thập kỷ tới. Tôi đã đưa ra và nhận được rất nhiều lời khuyên về nghề nghiệp, và trong khi nhiều câu châm ngôn nổi tiếng vẫn đúng (đại loại như "lên tàu tên lửa, đừng hỏi ngồi ghế nào"), thì đã có nhiều thay đổi do sự trỗi dậy của lập trình dựa trên agent (agentic coding). Dưới đây là những điều vẫn còn đúng, cũng như những điều mới mẻ.
1. Tập trung vào những nguồn lực thực sự khan hiếm
Trước khi gia nhập Scale, tôi đã có lời mời từ các quỹ đầu tư định lượng (quant) với mức lương đảm bảo cao hơn nhiều, nhưng tôi quyết định gia nhập Scale vì tôi hào hứng với cộng đồng và cơ hội tiếp xúc với tất cả các sản phẩm và ứng dụng đa dạng của Scale. Thông qua Scale, tôi có cơ hội tiếp xúc với các nhà cung cấp dịch vụ suy luận LLM, dẫn đến cơ hội tại DeepMind và OpenAI. Tôi cũng gặp nhiều đồng nghiệp đầy tham vọng khác, những người hiện tạo thành một cộng đồng các nhà sáng lập xuất thân từ Scale. Ngày nay, mạng lưới quan hệ độc đáo và cơ hội học hỏi từ Scale đã đóng góp cho cuộc sống của tôi nhiều hơn số tiền mặt thêm mà tôi có thể nhận được từ công việc định lượng.
Khả năng tiếp cận vốn hiện nay dễ dàng hơn bao giờ hết. Khả năng có được thời gian thực và các mối quan hệ bền chặt với người khác vẫn còn hiếm. Sự xuất sắc đã được chứng minh trong các nỗ lực liên quan trước đây vẫn là tín hiệu mạnh mẽ nhất, vì vậy lời khuyên cụ thể của tôi là hãy dành thời gian làm tốt công việc và đảm bảo rằng nó được những người có uy tín khác, những người cũng làm tốt công việc của họ, biết đến. Hãy kiên quyết ưu tiên thời gian của bạn để bất cứ điều gì bạn làm, dù là học tập, dự án hay thực tập, bạn đều tập trung vào những vấn đề mà bạn thấy có ý nghĩa. Với vibe-coding, thật dễ dàng để tìm ra những cơ hội kiếm tiền nhanh chóng, nhưng phần thưởng thường lớn hơn nhiều khi bạn tìm kiếm giá trị thực sự.
Thời gian, các mối quan hệ và danh tiếng: đây là những nguồn lực thực sự khan hiếm mà bạn nên tập trung vào.
2. Học cách tìm ra vấn đề bên cạnh việc giải quyết chúng
Để tìm ra tín hiệu trong một biển ứng viên, chúng tôi đã suy nghĩ sâu sắc về những kỹ năng nào thực sự quan trọng đối với các kỹ sư làm việc trong một công ty dựa trên agent. Vì không ai viết bất kỳ dòng code nào theo cách thủ công, các câu hỏi kiểu Leetcode truyền thống và thậm chí cả câu hỏi về thiết kế hệ thống dường như không tương quan với hiệu suất công việc thực tế. Cuối cùng, chúng tôi đã xây dựng một loạt các bài phỏng vấn để đo lường mức độ nhanh chóng của một người trong việc hiểu môi trường họ được đặt vào, xác định các vấn đề đáng giải quyết, và sau đó thực hiện giải quyết các vấn đề đó trong khuôn khổ của môi trường hiện tại.
Các kỹ năng quan trọng nhất sẽ là những kỹ năng liên quan đến việc lựa chọn vấn đề và phân bổ nguồn lực. Các agent ngày càng mạnh mẽ có thể đảm nhận những vấn đề phức tạp, được xác định rõ ràng, vì vậy những người có tác động lớn nhất sẽ là những người giỏi nhất trong việc xác định các vấn đề quan trọng và sau đó phân bổ token và thời gian để giải quyết chúng.
Tôi thấy một xu hướng sinh viên cảm thấy nản lòng vì các agent có thể giải quyết tất cả các bài tập của họ. Nhưng theo kinh nghiệm phỏng vấn của tôi, các ứng viên vẫn có sự khác biệt rất lớn về hiệu suất, về lượng thời gian và token họ cần để đi đến giải pháp. Các ứng viên xuất sắc thường mang đến trực giác cấp cao và bối cảnh bên ngoài cho sự cộng tác của họ với các agent.
Cụ thể, các ứng viên chúng tôi đánh giá cao đã đắm mình vào môi trường giải quyết vấn đề, từ các dự án đam mê của riêng họ hoặc từ việc làm việc trong các công ty tăng trưởng cao, nơi các vấn đề có ý nghĩa nhiều hơn số lượng người.
3. Làm việc trên hình thức tham vọng nhất của một vấn đề
Trong thập kỷ qua, một trong những khuôn khổ tư duy hữu ích nhất trong nghiên cứu là "bài học cay đắng" (bitter lesson): việc mở rộng quy mô các phương pháp tổng quát cuối cùng sẽ vượt trội hơn so với các tối ưu hóa dành riêng cho từng nhiệm vụ. Bài học này cũng áp dụng cho việc lựa chọn vấn đề và công ty.
Các công ty và sự nghiệp luôn có kết quả theo quy luật lũy thừa (power-law), nhưng AI đã đẩy nhanh tốc độ tiến tới những kết quả này. Bởi vì việc xây dựng phần mềm hiện nay dễ tiếp cận hơn nhiều, bất kỳ ai cũng có thể xây dựng các hệ thống đơn giản một cách tương đối dễ dàng. Giá trị thực sự, lâu dài chỉ được xây dựng khi tập trung cao độ vào những vấn đề thực sự đầy tham vọng.
Để chọn một công ty, lời khuyên ở đây rất đơn giản: đánh giá xem công ty đó có đang làm việc trên hình thức tham vọng nhất của vấn đề họ giải quyết hay không, và sau đó liệu họ có thực sự có cơ hội giải quyết nó hay không. Để chọn một vai trò, hãy nghĩ xem liệu vai trò đó có cho phép bạn làm việc trực tiếp trên ranh giới của bất kỳ vấn đề nào mà công ty đang giải quyết hay không.
4. Chạy nước rút ở chặng cuối cùng
Đối với các startup, Alfred Lin có một bài viết tuyệt vời về việc 10% cuối cùng vừa là 90% công việc vừa là 90% phần thưởng. AI đã làm phân cực kết quả vì kết quả trung bình là thứ mà một agent có thể tạo ra với một prompt cẩu thả. Do đó, giá trị đến từ việc cung cấp một góc nhìn độc đáo về một mảng vấn đề hoặc sự chú ý đến từng chi tiết.
Học cách thực hiện tốt ở chặng cuối đòi hỏi cả sự luyện tập và sự tập trung. Không có gì là hoàn hảo ngay lần thử đầu tiên, vì vậy chặng cuối thường là về sự lặp đi lặp lại. Bởi vì sự tiến bộ với các agent lập trình diễn ra rất nhanh chóng, nên thường tốt hơn là học hỏi từ các lần lặp trước và bắt đầu lại từ đầu với thế hệ trí tuệ tiếp theo. Hãy thực hành điều này với các dự án của riêng bạn. Hãy chủ động dành thêm một chút thời gian cho sự trau chuốt, kiến trúc sạch sẽ, khả năng mở rộng hoặc tính sáng tạo. Tôi chắc chắn đã thấy tác động của điều này ở các ứng viên.
5. Tăng cả xG và hiệu quả
Trong bóng đá, xG (bàn thắng kỳ vọng) là một chỉ số đo lường số bàn thắng mà một đội dự kiến sẽ ghi trong một trận đấu dựa trên các cơ hội của họ, có tính đến khoảng cách, góc sút, vị trí thủ môn, v.v. Hiệu quả là tỷ lệ chuyển đổi tương đối trên các cơ hội này.
Phép loại suy xG và hiệu quả đối với sự nghiệp của tôi khá chính xác. Vào năm 2023, tôi đã từ chối lời mời từ Anthropic (khoảng 50 nhân viên vào thời điểm đó) và Cursor (2 nhân viên không phải nhà sáng lập vào thời điểm đó) vì tôi muốn làm việc về suy luận và huấn luyện mô hình tiên tiến tại DeepMind. Vào năm 2024, tôi lại từ chối cả hai để làm việc tại OpenAI. Mỗi cơ hội thay thế này đều có xG cao từ góc nhìn sự nghiệp, nhưng cuối cùng tôi đã chọn những công ty phù hợp hơn với sở thích, văn hóa và mục tiêu của mình (ý định chơi chữ).
Sự nghiệp thì dài và cơ hội đến rồi đi. Tôi không tin rằng ASI sẽ thay thế tất cả con người trong các công việc tri thức vì con người có khả năng khác biệt trong việc lựa chọn các vấn đề có ý nghĩa để ASI giải quyết và trong việc phân bổ vốn để giải quyết các vấn đề này.
Không phải mọi cơ hội đều sẽ trở thành bàn thắng, nhưng ở đúng vị trí để nhìn thấy cơ hội là bước đầu tiên để ghi bàn. Điều này lại liên quan đến danh tiếng và chuyên môn. Cơ hội từ Cursor đến vì tôi có danh tiếng tốt trong số những người quen biết với Michael và Aman, và cơ hội từ Anthropic đến vì tôi đã dành cả thời gian chuyên môn lẫn cá nhân cho những vấn đề mà nhóm ở đó quan tâm.
Đến một lúc nào đó, cuộc sống là về việc ghi bàn, không chỉ là nhìn thấy cơ hội, vì vậy hiệu quả trước khung thành cũng rất quan trọng. Nhìn lại các quyết định của mình, tôi nghĩ mình đã đưa ra nhiều quyết định đúng đắn nhưng sẽ thích dành nhiều thời gian hơn để thu thập dữ liệu nhằm đưa ra quyết định.
Về cốt lõi, việc lựa chọn các công ty giai đoạn đầu chủ yếu dựa vào đội ngũ và thị trường. Nhiều ứng viên ngày nay bám vào sản phẩm hiện tại, nhưng điều đó hầu như luôn phát triển thành một thứ rất khác nếu đội ngũ tốt. Bản demo ban đầu của Anthropic là một Slackbot còn tệ hơn ChatGPT đối với tôi.
6. Bạn có thể bắt đầu làm nghiên cứu ngay bây giờ
Gần đây, tôi nhận được rất nhiều câu hỏi từ mọi người về cách bắt đầu làm nghiên cứu. Đồng nghiệp cũ của tôi, Vlad, là trưởng nhóm tại Gemini và có một bài viết xuất sắc về quan điểm của anh ấy ở đây.
Nghiên cứu hiện đại dễ thực hiện hơn với nhiều sức mạnh tính toán hơn, nhưng một nơi tuyệt vời để bắt đầu là sử dụng các mô hình và chưng cất trực giác của riêng bạn thành các bài đánh giá. Các bảng xếp hạng tối ưu hóa công khai được công bố bởi đồng nghiệp cũ của tôi @kellerjordan0 cũng cung cấp các diễn đàn tuyệt vời để khám phá các ý tưởng trong một môi trường có cấu trúc hơn.
Nhiều nhà cung cấp dịch vụ tính toán như Modal cung cấp tín dụng cho các học giả. Hãy sử dụng chúng và khám phá ý tưởng của bạn ngay bây giờ. Hầu hết các ý tưởng cuối cùng sẽ thất bại ở quy mô lớn và hiểu được những thất bại này là bước đầu tiên để xây dựng sự hiểu biết về những gì thực sự hiệu quả.
Cuối cùng, tôi tin rằng trở thành một nhà nghiên cứu là một tư duy, không phải một nghề nghiệp. Phần lớn công việc của một nhà nghiên cứu trong các phòng thí nghiệm tiên tiến là sự kết hợp giữa việc đủ tò mò để khám phá những ý tưởng mới, chiến đấu với cơ sở hạ tầng để thực hiện các ý tưởng, hiểu toàn bộ hệ thống một cách cực kỳ chi tiết để gỡ lỗi hiệu quả và trình bày giá trị của kết quả để có thêm sức mạnh tính toán. Bạn có thể làm tất cả những điều này mà không cần ở trong một phòng thí nghiệm tiên tiến.
Lời kết
Thế giới vẫn còn đầy cơ hội. Chìa khóa để mở khóa chúng là tập trung vào việc tìm ra những vấn đề thú vị và mang lại những kết quả phi thường. Nếu điều này hấp dẫn bạn, hãy liên hệ với chúng tôi và chúng tôi rất muốn được làm việc cùng bạn.
