✍️ Goon’s Solo Playbook

Nếu bạn là developers, tôi tin rằng bài viết này là dành cho bạn…

Tui đang thấy cái nghịch lý như thế này: Ai cũng nói về việc AI không thể/không nên thay thế con người, nhưng ai cũng đang âm thầm/âm mưu làm ngược lại.

Hoặc là: Ai cũng nói đừng lo lắng AI làm những nghề cũ mất đi & sẽ sinh ra những nghề mới, nhưng chẳng ai nói được những nghề mới là gì.

Được rồi, nếu không ai (dám) nói, thì để tôi! 😁

—

AI Agents liệu có thay thế được con người?

“GoClaw có thể giúp tự động hoá toàn phần cho DN được hay chưa?”

Đây là câu hỏi nhìu người hỏi nhất trong sự kiện GoClaw tại Hà Nội hồi tuần trước.

Câu trả lời của mình là: CHƯA

Nếu bạn đang kỳ vọng điều đó, dù là từ GoClaw hay bất kỳ nền tảng AI Agents nào khác, bạn đáp cỗ máy thời gian nhầm thời điểm cmnr.

Human-in-the-loop nên là thứ bắt buộc trong bất kỳ quy trình hoạt động nào của AI. Bởi vì AI là công cụ, mọi công cụ đều cần phục vụ một mục đích nào đó của con người, của DN. Con người mới là người định hướng, và phán xét kết quả AI tạo ra.

Mấy ông sếp bớt ảo tưởng về việc dùng AI agents toàn phần rồi đuổi nhân viên để tiết kiệm chi phí đi…

—

Developers đang trở nên ngày càng thất sủng…

Hôm nay Dario LẠI nói về việc này – rằng AI sẽ xoá xổ các công việc của kỹ sư – thứ mà lão từng nói vài lần trong quá khứ (cũng như Sam Altman đã từng, too).

Cái style hù doạ này giờ nó nhàm lắm rồi…

Nhưng thật ra những gì lão nói cũng ko phải là ko có lý:

• Stanford Digital Economy Lab (phân tích dữ liệu payroll từ ADP): tỷ lệ việc làm của developers tuổi 22-25 đã giảm gần 20% so với đỉnh cuối 2022, tính đến tháng 7/2025

• Microsoft báo cáo phần lớn số nhân sự bị cắt giảm gần đây là developers. Satya Nadella thừa nhận GitHub Copilot giờ viết 20-30% code nội bộ

• Amazon cắt 14,000 corporate roles, Intel loại bỏ 24,000 vị trí, TCS cắt 12,000 người — phần lớn viện dẫn “AI-driven transformation”

• Salesforce tuyên bố dừng hire software engineers trong năm 2025, chuyển ngân sách sang sales

• Tính đến tháng 10/2025: 1.09 triệu job cuts trong ngành tech — cao nhất kể từ đại dịch COVID

CS graduates ở Mỹ giờ có tỷ lệ thất nghiệp 6.1%, computer engineering 7.5% — cao hơn cả… sinh viên mỹ thuật (fine arts chỉ 3%)

Cho nên mình cũng không bảo rằng bạn hãy bác bỏ chúng hay tin 100% vào điều đó, cái chúng ta cần là giữ cho đầu óc mình thật sáng suốt để đánh giá lại những gì đang/sắp xảy ra.

—

Juniors lại càng khủng hoảng hơn…

Đây mới là phần đau nhất. Theo Burning Glass Institute, từ 2018-2024, tỷ lệ job postings yêu cầu ≤3 năm kinh nghiệm trong software development đã tụt từ 43% xuống 28%. Các cty không phải không tuyển, họ skip thẳng juniors.

Lý do phũ: những việc juniors hay làm — boilerplate, fix bug đơn giản, unit test, chức năng cơ bản — AI nó làm ngon hơn, nhanh hơn, rẻ hơn. Ông Dario ở trên dự đoán AI có thể xóa sổ 50% công việc white-collar entry-level trong 5 năm tới là nói cái này nè.

Và đây là luận điểm tui muốn bạn nhớ nhất:

Nếu bây giờ không ai training juniors, thì 5-10 năm nữa lấy đâu ra seniors?

Matt Garman (CEO của AWS) thì lại gọi việc thay juniors bằng AI là “one of the dumbest things I’ve ever heard” — và tui hoàn toàn đồng ý.

Senior dev không phải sinh ra đã là senior, họ là juniors của 5-10 năm trước đã được trả lương để học nghề, phá production vài lần, rồi trưởng thành.

Cắt luôn pipeline đó, thì 2028-2030 các CFO sẽ ngồi nhìn nhau hỏi “ủa sao giờ không thuê được senior nào biết debug production incident vậy?”. Nhưng thị trường không nghe theo lý trí, nó nghe theo P&L quarterly report.

Và đó mới là cái đáng sợ.

Cái viễn cảnh này mà xảy ra thật thì mọi thứ sẽ sụp đổ, job market gãy ngay.

Nếu bạn là junior dev hoặc sinh viên CS sắp ra trường — tui không muốn tô hồng gì đâu, đường phía trước sẽ khó hơn thế hệ đi trước nhiều. Nhưng khó không có nghĩa là hết đường. Đọc tiếp thử nghen.

—

Cũng phải nói lại cho công bằng: AI chưa lụm được hết

AI hiện tại giỏi ở task có pattern rõ ràng — boilerplate, CRUD, unit test, refactor đơn giản, fix bug syntactic. Nhưng những mảng sau nó vẫn cách con người xa lắm:

• System design ở scale lớn — AI gợi ý hay nhưng không chịu trách nhiệm được

• Debug production incident — context nằm rải rác ở log, metric, tribal knowledge, và cả… người cũ đã nghỉ

• Performance tuning ở hệ thống có quirk riêng

• Thương lượng requirement với stakeholder không biết mình muốn gì

Mà mấy cái này yêu cầu kiến thức nền tảng vững – không có phải “vibe vibe” 20-30 phút ở sân bay là xong đâu 😌

Nghiên cứu METR (7/2025) còn cho kết quả bất ngờ: senior devs dùng AI tools thực tế chậm hơn 19% trên codebase lớn mà họ đã quen — ngược hoàn toàn với cảm giác chủ quan “nhanh hơn” của họ.

Nói cách khác: đừng cố out-code AI ở những task nó đã giỏi hơn. Vẫn có vùng đất con người chiếm ưu thế — nhưng vùng đó hẹp hơn trước, và đòi hỏi kỹ năng khác.

Thị trường sắp tới sẽ thiếu cái gì?

Mark Cuban mới đây cũng nói thẳng:

“There are 33 million companies in this country. Aren’t going to have AI budgets. Aren’t going to have AI experts. Who’s going to do it for them?” – và 9 vai trò tui liệt kê sau đây chính là câu trả lời cụ thể cho câu hỏi đó.

Luận điểm cốt lõi của Cuban khá đúng (với những gì mình đang nghĩ): ko phải ai build AI model/application ngon mới có chỗ đứng, mà ai nằm ở chỗ nối AI vào 33 triệu doanh nghiệp không có AI budget, không có AI expert.

Nhưng cơ bản, Cuban chỉ nói ở tầm vĩ mô và có phần hơi… lãng mạn hoá :))

Dù cho ở VN hay cả ở Mỹ, cái khó không phải là “chỉ chỗ cắm phích” cho DN mà là:

1. Hệ thống phần mềm của họ là đống brownfield hoặc là đồ cổ không có API/database gì sất (tuần trước mình triển khai GoClaw cho 1 DN và họ đã dập tắt sự tự tin của mình như thế, với 1 phần mềm CRM 18 năm tuổi được viết bằng Java và không có lấy 1 cái API nào 😂)

2. Chủ DN nhiều khi không muốn thay đổi – họ muốn AI nhưng không muốn đụng vào quy trình đang chạy (”if it works, don’t touch it” – gặp mình thì mình cũng thế)

3. ROI của AI agent rất khó đo ở SMB – khác hẳn enterprise có data để so sánh before/after – mà không đo lường được thì khó mà đánh giá được.

Và mình đoán rằng – nếu các bạn tin vào những gì mình sắp nói – nó có thể mang hào quang “vua của mọi nghề” trở lại =))

Tất cả những thứ “vibe vibe” hào nhoáng rồi sẽ sụp đổ, giá trị thực sẽ quay trở lại – cũng giống như tướng quân “kem nền” Trương Lãng Hách làm sao so bì được với Hà Nhuận Đông trong vai Hạng Vũ oai phong lẫm liệt cùng thực lực của mình vậy đó – vì thế mình tin rằng kinh nghiệm + kiến thức nền tảng về IT của bạn sẽ lại có dịp được phát huy (nhưng không phải theo cách cũ là ngồi gõ code bằng tay đâu – mình cũng mong rằng nó sẽ đến sớm)…

Thôi lan man quá, vào việc chính nè:

Vậy thì: các công việc mới là gì?

Tui cảnh báo trước: đây là ván cược của tui, tui không phải tiên tri. Tui đặt cược vào kịch bản DN sẽ triển khai agent fleet quy mô lớn trong 2-3 năm tới. Tui rank 9 vai trò theo mức độ conviction của bản thân.

—

🎯 Nhóm 1: Cược mạnh nhất (tui all-in)

1/ Harness Engineer

Giống cách tụi mình đang làm. Harness engineering là lớp “giàn giáo” bao quanh LLM — context management, tool calling, memory, subagent orchestration, skill/hydration patterns, error recovery. LLM chỉ là cái “não”, còn “tay chân” để nó làm việc trong môi trường DN thì phải do con người build ra. Kiến thức Engineering và System Architecture vẫn cực kỳ cần thiết — đừng nghĩ vibe coding là xong.

2/ Integration Engineer (MCP + CLI specialist)

Vị trí có khối lượng công việc lớn nhất ở VN trong 2-3 năm tới. Mỗi DN có cả chục hệ thống nội bộ — ERP, CRM, HRM, phần mềm kế toán VN riêng biệt, hệ thống quản lý kho tự build từ 2015. Hai hướng làm cầu nối:

• MCP server: wrap API thành tool chuẩn cho agent. Phù hợp khi đã có API sạch.

• CLI wrapper: đây mới là chỗ thú vị. Rất nhiều legacy system VN không có API tử tế, build CLI tool nhỏ gọn lại thân thiện hơn MCP. Agent đọc stdout, parse text, chain command — đúng môi trường LLM được train rất nhiều. Claude Code, Codex, Cursor Agent xử lý CLI cực tốt, nhiều trường hợp còn tốt hơn gọi API phức tạp qua MCP.

Phần lớn software nội địa VN chưa có API chuẩn, và sẽ không bao giờ có — đó không phải bug, đó là feature của thị trường này. Integration Engineer là người biến đống hỗn độn đó thành interface mà agent hiểu được.

3/ Agent Ops Specialist

Giống IT Help Desk thời 2000s, nhưng cho AI agents. Người đi vào DN, cài đặt, cấu hình, kết nối data source, train nhân viên tương tác với agents, fix bug vận hành, monitor health của agent fleet. Không đòi hỏi engineering quá cao, nhưng cần hiểu business workflow + troubleshoot + communication tốt với end-user không rành tech. Đây là lane mà junior dev có thể pivot vào nhanh nhất.

🎲 Nhóm 2: Có triển vọng rõ ràng

4/ Agent Orchestrator — “manager” của đội ngũ AI agents. Hiểu capability từng agent, biết khi nào dùng agent nào, khi nào cần human intervention. Mỗi DN triển khai agent fleet đều sẽ cần vị trí này.

5/ Agent Team Designer — Mix giữa UX designer, business analyst, và AI engineer. Thiết kế “team” agent cho từng quy trình nghiệp vụ. Ví dụ: DN bất động sản cần agent scraping, agent qualify leads, agent draft proposals, agent follow-up — mỗi agent role gì, handoff ra sao, human-in-the-loop ở đâu. Người designer này vẽ blueprint trước khi harness engineer build.

6/ Agent Evaluator — Vị trí gần như chưa ai ở VN nói tới, nhưng ở Anthropic, OpenAI, Scale AI đã là must-have. Khác QA truyền thống: agent là stochastic, cùng input có thể ra output khác. Assert equals không xài được. Evaluator thiết kế rubric-based scoring, LLM-as-judge, golden datasets, A/B evaluation trên traffic thật. Thiếu vị trí này, chất lượng agent sẽ âm thầm trôi dạt sau mỗi lần update prompt/model, không ai nhận ra cho đến khi khách phản ứng.

7/ Agent Red Teamer — Người chuyên phá agent của chính cty mình. Prompt injection, jailbreak, data exfiltration, tool misuse. Attack surface hoàn toàn khác pentester truyền thống: một email có thể chứa instruction ẩn khiến agent support tự refund; một PDF có text invisible ra lệnh dump database; một trang web agent vừa fetch có thể inject command vào context. Với agent có quyền DB production, gửi email, xử lý thanh toán — vị trí này sẽ sớm là bắt buộc về compliance, đặc biệt khi Luật 134/2025 siết chặt. Dev có background security: đây là lane vàng.

🌱 Nhóm 3: Wild bet (có thể đúng, có thể sớm quá)

8/ Knowledge Curator — Build và maintain kho knowledge agent sẽ RAG vào. Hiểu chunking strategy, metadata schema, khi nào fine-tune vs RAG, version hoá knowledge khi business rule đổi. Đây là vị trí non-dev pivot tốt nhất — nhà báo, librarian, BA, luật sư nội bộ đều phù hợp. Nếu có đồng nghiệp đang lo không biết làm gì — chỉ họ vị trí này.

9/ Human-Agent Interaction Designer — UX designer cho giao diện người-nói-chuyện-với-agent. Conversation flow với state phức tạp, handoff points, confidence indicator, undo/rollback khi agent làm sai. Câu hỏi khó: làm sao nhân viên kế toán 50 tuổi giao việc cho agent mà vẫn cảm thấy tin tưởng? Tui để vai trò này ở nhóm wild bet vì thành thật: tui chưa hình dung rõ ai sẽ trả lương full-time cho vị trí này ở VN trong 2 năm tới — nhưng ở thị trường Mỹ nó đã bắt đầu có rồi.

TIP startup: thử ý tưởng Agent Job Board xem sao — một nơi tuyển dụng AI agents. Tui nghiêm túc á.

Vì sao tui tin vào những vai trò này?

Không phải “sense tâm linh” — đây là signal thị trường tui đang đọc trực tiếp:

Tụi mình đang build GoClaw. Mỗi tuần tui nhìn thấy danh sách DN xếp hàng chờ triển khai tăng lên. Tui thấy rõ một điều: bản thân DN không thể tự vận hành hệ thống agent, và tụi tui cũng không đủ người để ôm hết.

Khoảng trống đó phải có ai lấp — và đó là những vai trò tui kể trên.

Thêm dữ liệu củng cố: Forrester cho biết chỉ 16% workers có AIQ cao trong 2025, dự đoán 2026 chỉ tăng lên 25%. Nghĩa là 75-84% lực lượng lao động vẫn chưa biết làm việc hiệu quả với AI. Đây là khoảng trống mà dev chịu pivot có thể lấp vào.

Và đáng suy ngẫm hơn: Forrester dự đoán 55% DN đã hối hận vì layoff để thay bằng AI, một nửa số đó sẽ âm thầm rehire — với lương thấp hơn hoặc offshore. Klarna là case kinh điển. Gần đây còn có Duolingo rollback cắt contractor sau khi chất lượng content tụt, và vụ Cursor support bot tự bịa policy không tồn tại khiến user hủy subscription hàng loạt 9/2025.

Những kịch bản tui có thể sai…

Tui không muốn bài này đọc như lời tiên tri, nên phải nói thẳng tui có thể sai ở đâu:

• Nếu LLM tiến hoá đủ để tự orchestrate (thứ mà một số lab đang push rất mạnh), Agent Orchestrator có thể biến mất trong 3 năm — hoặc compress thành một tính năng của platform thay vì một vai trò con người.

• Nếu MCP ecosystem trưởng thành nhanh và các vendor SaaS tự publish MCP server chính chủ, Integration Engineer sẽ bị squeeze ở mảng SaaS, chỉ còn đất ở legacy VN.

• Nếu eval tự động đủ tốt (LLM-as-judge + sandbox sim), Agent Evaluator có thể trở thành một tool chứ không phải một job.

• Nếu DN VN không triển khai agent ở quy mô tui dự đoán — mà bắt đầu retreat về mô hình copilot cá nhân thay vì agent fleet — thì cả 9 vai trò này đều shift về phía đơn giản hơn, ít đặc thù hơn.

Nói cách khác: cược của tui nặng nhất vào Nhóm 1, nhẹ dần ở Nhóm 2, và thực sự là một phép thử ở Nhóm 3. Đừng lấy bài này làm career roadmap — lấy làm bản đồ thăm dò.

Còn nói kiểu thẳng thắng hơn là… tui chừa đường lùi thôi, lỡ mai mốt có phán sai thì còn có cái mà chữa ngượng =)))))

—

Đây là một đoạn bài Substack mình viết vào tháng 4 năm 2025, và mình đang thấy nó diễn ra rồi…

(Bạn có thể tìm lại trong Substack này)

—

[NGOÀI LỀ] Có 1 loại “công việc” khác nên được công nhận:

Nghề cập nhật kiến thức AI cho người khác (aka. làm “khầy”?) 😂

Thật luôn.

Công nghệ AI giờ đi quá nhanh, ko phải ai cũng có đủ thời gian để theo dõi, chứ đừng nói đến chuyện thử qua rồi vọc vạch các kiểu, thì mới biết nó tốt xấu đẹp dở như nào mà còn áp dụng vào từng case khác nhau. Rồi lại còn phải chạy deadline, phục vụ khách hàng, thời gian đâu nữa?

Lúc này mấy người rảnh rỗi vô công rồi nghề như tui mới có giá trị nè :))))

Nhưng mà tui nghĩ mấy người làm việc này cũng ko thể làm free được, đúng ko? (cũng tốn công, tốn thời gian và tốn năng lượng lắm chứ bộ)

—

Hết roài

Nếu bạn là dev, đặc biệt là junior dev, đây là lúc suy nghĩ nghiêm túc về việc pivot — không phải rời nghề, mà là tiến hoá trong nghề.

Đừng cố out-code AI ở task nó đã giỏi hơn. Bạn không thắng được đâu. Claude Code, Cursor, Codex viết boilerplate nhanh hơn, đúng hơn, và rẻ hơn bạn rất nhiều lần rồi.

Thay vào đó, hãy học cách chỉ huy AI:

• Context engineering (không phải prompt engineering nữa nghen)

• Harness architecture (Skills, subagents, tool design, hydration pattern)

• CLI design for agents — thiết kế tool cho agent dùng, không phải cho người

• Eval — làm sao biết agent đang tốt lên hay tệ đi

• LLM security — prompt injection, tool misuse, data exfiltration

• Business workflow của các ngành cụ thể (sales, marketing, finance, ops)

• Giao tiếp với end-user không rành tech

• Đo lường ROI của AI agents

Và quan trọng: knowledge về computer science vẫn cực kỳ quan trọng. Nó là nền tảng để bạn hiểu tại sao agent hoạt động/không hoạt động, debug khi có vấn đề, design system scale được.

Đây là thời điểm tái định hình của ngành – giống ngày web 2.0 ra đời, hay thời mobile-first era bắt đầu.

Người chịu thay đổi thì sống tốt, người cố thủ với cách làm cũ bị bỏ lại. Zậy thui.