Nhìn từ job market Mỹ, AI đang làm thay đổi giá trị công việc ra sao?

Gần đây, bạn tôi có giới thiệu một link của Karphaty: https://karpathy.ai/jobs/. Nhìn URL, phản xạ đầu tiên của nhiều người, trong đó có tôi, là nghĩ đây có thể là một trang tuyển dụng, một danh sách job openings, hoặc ít nhất là một dạng career page gắn với Andrej Karpathy.

Thực ra, link này là một trang trực quan hóa thị trường việc làm Mỹ, tên là US Job Market Visualizer. Nó không phải là bài tuyển dụng hay JD của Karpathy. Trang này hiển thị 342 nghề nghiệp trong nền kinh tế Mỹ, dựa trên dữ liệu từ Bureau of Labor Statistics (BLS), dưới dạng các ô vuông để bạn khám phá theo nhiều tiêu chí như:

• quy mô việc làm
• tăng trưởng dự báo
• mức lương trung vị
• yêu cầu học vấn
• mức độ AI exposure của từng nghề

Điểm đáng chú ý là trang này có một lớp chấm điểm bằng LLM cho tiêu chí Digital AI Exposure, tức là ước lượng mức độ AI hiện nay có thể làm thay đổi từng nghề, đặc biệt là các công việc mang tính số hóa, làm trên máy tính. Tác giả cũng nói rõ đây chỉ là development/research tool để khám phá dữ liệu, không phải báo cáo kinh tế chính thức hay dự đoán chắc chắn.

AI exposure là gì?

Trên trang này, AI exposure không có nghĩa là nghề đó sẽ biến mất, mà nghĩa là AI có khả năng làm thay đổi mạnh cách công việc được thực hiện, thông qua 2 cơ chế chính:

1. Direct effects: AI tự động hóa một phần task mà con người đang làm.
2. Indirect effects: AI làm mỗi người làm việc hiệu quả hơn rất nhiều, nên cùng một khối lượng đầu ra có thể cần ít người hơn.

Cách chấm của Karpathy nghiêng về một nguyên tắc: công việc càng thuần digital, càng làm được trọn vẹn trên máy tính, càng có AI exposure cao.

Những việc như viết nội dung, code, phân tích, thiết kế, làm tài liệu, giao tiếp qua máy tính sẽ bị AI tác động mạnh hơn. Ngược lại, các nghề cần hiện diện vật lý, thao tác tay chân, hoặc tương tác con người trong môi trường thực thì có rào cản tự nhiên cao hơn,

Với các nhóm ngành nghề liên quan đến công việc của chúng ta, trang này nhìn nhận khá rõ như sau:

• Developer: rất cao, khoảng 9/10
• Designer: cao đến rất cao, khoảng 8 đến 9/10
• BA/Analyst: cao, khoảng 7 đến 8/10
• Product Management: cao nhưng thấp hơn Developer/Designer một chút, khoảng 7/10 nếu suy từ các nghề gần nhất như project management specialists hoặc IT managers.

AI exposure thực chất đang đo cái gì?

Trang này định nghĩa rất rõ: AI exposure là câu hỏi “AI sẽ reshape nghề này đến mức nào?” chứ không phải “nghề này có bị xóa sổ không”. Nó đo mức độ AI có thể can thiệp vào core workflow của nghề.

Thang điểm được neo như sau:

• 0-1: gần như không bị tác động, công việc chủ yếu là physical
• 2-3: tác động thấp
• 4-5: trung bình, mix giữa physical và knowledge work
• 6-7: cao, chủ yếu là knowledge work nhưng vẫn cần judgment/relationship
• 8-9: rất cao, gần như toàn bộ công việc diễn ra trên máy tính
• 10: cực đại, AI đã có thể làm phần lớn việc ngay hôm nay.

Cách nhìn với từng nhóm nghề

Product Management

Trên site không có ô Product Manager riêng như một occupation chuẩn của BLS, nên phải suy từ các nghề gần nhất.

• Project management specialists được chấm 7/10 vì đây là nhóm công việc thiên về dữ liệu, lập kế hoạch, sắp lịch và làm tài liệu, nên AI có thể hỗ trợ khá mạnh. Tuy vậy, vai trò này vẫn còn những phần rất quan trọng mà AI khó thay thế hơn, như đàm phán, xử lý xung đột và dẫn dắt team.
• Computer and information systems managers cũng được chấm 7/10 vì AI có thể hỗ trợ đáng kể trong các việc như lập kế hoạch chiến lược, phân tích và theo dõi kỹ thuật. Nhưng những năng lực cốt lõi như lãnh đạo con người, làm việc với đối tác và thương lượng với vendor vẫn là lớp giá trị quan trọng mà AI chưa dễ thay thế.

Suy ra, theo logic của trang này, Product Manager hay những người làm công việc tương tự trong ngành Product Management bị AI tác động mạnh ở các phần như draft PRD, tổng hợp research, làm rõ backlog, viết specs, báo cáo, hay chuẩn bị nội dung phối hợp giữa các bên. Tuy vậy, PM chưa phải nhóm bị ảnh hưởng mạnh nhất, vì năng lực tạo alignment, xử lý trade-off, điều phối stakeholder và dẫn dắt quyết định trong môi trường nhiều mơ hồ vẫn còn khó thay thế được. Đó là chưa tính tới produc sense của mỗi PM lại khác nhau, có người có, có người không.

BA

BA không phải lúc nào cũng được label riêng trên BLS, nhưng nghề gần nhất ở đây là:

• Management analysts: 7/10. Lý do là vì các công việc như phân tích dữ liệu, viết báo cáo đều là những phần AI có thể hỗ trợ rất tốt. Tuy vậy, những phần như nói chuyện với khách hàng và làm việc với stakeholder vẫn cần con người nhiều hơn.
• Computer systems analysts: 8/10. Vì nhiều phần việc cốt lõi như thiết kế hệ thống, mô hình hóa dữ liệu, phân tích kỹ thuật, viết tài liệu và đánh giá chi phí, lợi ích đều là những mảng AI đang hỗ trợ khá mạnh.

Insight lớn là nếu nhìn BA như vai trò chuyên phân tích, viết tài liệu, tổng hợp yêu cầu và mô tả hệ thống, thì đây chính là nhóm công việc AI đang làm rất tốt. Vì vậy, BA truyền thống, nhất là kiểu công việc nặng về tài liệu, sẽ chịu áp lực từ AI rõ hơn PM.

Designer

Trang này đánh giá nhóm thiết kế rất cao:

• Graphic designers: 9/10 vì các công việc như tạo hình ảnh, dựng layout và chỉnh sửa ảnh đang bị generative AI thay đổi rất nhanh. Đây là một trong những nhóm nghề chịu tác động rõ nhất.
• Web developers and digital designers: 9/10 vì AI đã làm khá tốt các phần như dựng layout, tạo prototype và viết code front-end. Năng lực này nhiều khả năng sẽ còn tiếp tục mạnh lên theo thời gian, nên mức tác động là rất lớn.
• Industrial designers: 8/10 vì nhiều phần việc như phác thảo ý tưởng, dựng mô hình 3D và render đều diễn ra trên máy tính, nên AI có thể can thiệp khá sâu. Tuy vậy, phần làm prototype vật lý và phối hợp với nhiều bên vẫn còn cần con người.
• Art directors: 8/10 vì AI đang tiến rất nhanh ở các mảng như tạo hình ảnh, thiết kế layout và dựng video. Nhưng những phần như định hướng sáng tạo tổng thể và trao đổi với khách hàng thì con người vẫn giữ vai trò quan trọng.

Vì vậy, theo cách nhìn của trang này, Designer là một trong những nhóm nghề bị AI làm thay đổi mạnh nhất, đặc biệt ở phần triển khai và sản xuất đầu ra, như tạo nhiều biến thể, làm mockup và tạo asset. Phần mà Designer vẫn có lợi thế hơn là gu thẩm mỹ, khả năng đánh giá độ phù hợp với thương hiệu, giữ sự nhất quán về câu chuyện, và định hướng sáng tạo tổng thể.

Developer

Đây là nhóm bị đánh giá cực cao:

• Software developers, QA analysts, testers: 9/10. Lý do là vì các công việc như viết code, sửa lỗi và tự động hóa kiểm thử đều là những việc rất hợp với LLM. Trang này cũng cho rằng AI có thể giúp tăng mạnh năng suất của từng cá nhân, đồng thời làm thay đổi cấu trúc của các vị trí entry-level và cả các chức năng QA.
• Computer programmers: 9/10. Lý do cũng tương tự, vì viết, test và debug code là những mảng AI đang làm rất tốt. Trang còn dẫn lại dữ liệu từ BLS để cho thấy nghề này vốn đã có xu hướng suy giảm do tự động hóa.
• Computer and information research scientists: 9/10. Dù đây là nhóm rất cao cấp, trang này cho rằng họ vẫn bị AI tác động mạnh, vì ngay cả những người build AI hoặc làm nghiên cứu tính toán cũng đang được AI khuếch đại năng suất rất rõ.

Điều đáng chú ý là trang này cũng nói rất rõ: developer bị chấm 9/10 không có nghĩa là nhu cầu tuyển developer chắc chắn sẽ giảm. Một khả năng khác là khi mỗi developer làm được nhiều hơn, tổng nhu cầu làm phần mềm cũng tăng theo. Nói cách khác, AI exposure không đồng nghĩa với nghề đó sẽ biến mất.

Các góc nhìn cân bằng hơn

Góc nhìn 1: Đây là công cụ để khám phá và tham khảo, không phải dự báo chính xác

Tác giả nói khá rõ rằng đây không phải một báo cáo kinh tế theo kiểu học thuật hay dự báo chuẩn.

Các điểm AI exposure chỉ là ước lượng tương đối về mức độ AI có thể tác động đến công việc, được tạo ra bằng LLM, dựa trên prompt và bộ tiêu chí mà repo đã thiết kế sẵn.

Góc nhìn 2: Công cụ này nghiêng nhiều về việc đo mức độ công việc số bị AI tác động, chứ chưa phản ánh đầy đủ thực tế thị trường lao động

Mô hình này khá mạnh khi trả lời câu hỏi sau: “Những tác vụ nào làm trên máy tính sẽ dễ bị AI chen vào hoặc hỗ trợ mạnh?”

Nhưng nó chưa tính hết những yếu tố rất quan trọng ngoài đời thực, ví dụ như:

• khi năng suất tăng thì nhu cầu thị trường có tăng theo không
• có những nhu cầu mới nào sẽ xuất hiện nhờ AI
• luật pháp và quy định có cho phép thay người bằng AI hay không
• xã hội và khách hàng có còn muốn con người làm việc đó không
• doanh nghiệp có thật sự cắt người hay chỉ đổi cách làm việc

Vì vậy, nếu dùng cho định hướng nghề nghiệp, nên xem đây là công cụ để hiểu mức độ công việc bị AI làm xáo trộn, chứ không phải công cụ để kết luận nghề nào sẽ biến mất hay còn sống khỏe.

Góc nhìn 3: Các nghề được chấm cao không có nghĩa AI thay thế được toàn bộ vai trò này

Lý do các nghề này bị chấm cao là vì những phần việc dễ thấy, dễ đo lường và dễ chuẩn hóa, như:

• tổng hợp thông tin
• phân tích
• viết tài liệu
• lập kế hoạch
• làm báo cáo

Đây đều là những phần AI hỗ trợ rất mạnh. Còn những phần khó thay hơn lại nằm ở chỗ khác, ví dụ:

• xác định đúng vấn đề cần giải
• xử lý politics và tạo alignment giữa các bên
• đưa ra trade-off trong bối cảnh nhiều bất định
• chịu trách nhiệm khi quyết định sai
• hiểu được bối cảnh thật của tổ chức

Cũng cần lưu ý rằng đây là phần suy luận dựa trên rubric của trang và các nhóm nghề gần nhất mà nó chấm điểm, chứ không phải là câu kết luận họ viết riêng cho các vai trò này

Vì vậy, lợi thế bền vững hơn trong tương lai sẽ nằm ở khả năng phán đoán, chịu trách nhiệm, phối hợp với người khác, hiểu đúng bối cảnh, có gu tốt và đưa ra quyết định chất lượng, chứ không còn nằm nhiều ở phần làm đầu ra thuần túy nữa.

Karpathy là ai?

Karpathy ở đây là Andrej Karpathy, một nhà nghiên cứu AI rất nổi tiếng. Ông từng là thành viên sáng lập của OpenAI, từng giữ vai trò Director of AI tại Tesla, có PhD từ Stanford, và hiện mô tả bản thân là đang tập trung vào deep learning; sau khi rời OpenAI vào năm 2024, ông ấy khởi động Eureka Labs, một công ty về giáo dục AI.

Cụm từ “vibe coding” gắn với Karpathy đã lan rất rộng trong năm 2025.

Vibe Coding: Nên hiểu và áp dụng như thế nào?

Lợi thế bền vững của phần mềm không phải là ship một lần, mà là khả năng ship liên tục với sự tự tin. Vibe coding giúp bạn đạt đến trạng thái chạy được rất nhanh, nhưng chỉ sự hiểu biết mới tạo ra hệ thống bền vững. Không có lối tắt nào thay thế được vòng lặp học hỏi.

Quản Lý Sản PhẩmTRAN QUOC HUY

Khi tham khảo nguồn, câu trả lời tốt nhất cho chúng ta là:

• Có đáng tin ở mức rất cao nếu bạn xem ông ấy như một tiếng nói chuyên môn hàng đầu về AI và phần mềm.
• Không nên xem mọi thứ ông ấy đăng như một nguồn chính thức hoặc chân lý cuối cùng, đặc biệt với các công cụ khám phá như trang jobs đó, vì bản thân trang cũng mang tính research/exploration hơn là báo cáo học thuật hay dự báo kinh tế chính thức.

Nói ngắn gọn, Karpathy là người rất đáng nghe, nhưng nên phân biệt giữa uy tín cá nhân rất mạnh và mức độ chặt chẽ của từng sản phẩm/nội dung cụ thể. Trang US Job Market Visualizer đáng xem vì người làm ra có chuyên môn rất mạnh, nhưng nó không tự động biến thành nguồn dự báo lao động chính thống chỉ vì người làm là Karpathy.

Vì sao Việt Nam khác Mỹ?

Mỹ có tỷ trọng việc làm tri thức, việc làm văn phòng chuẩn hóa, và môi trường enterprise software cao hơn, nên khi nói về AI exposure, tác động nhìn thấy sẽ đậm hơn ở cấp nền kinh tế. Việt Nam thì khác ở 2 tầng.

Tầng thứ nhất là cấu trúc lao động. Việt Nam vẫn có quy mô lao động lớn trong các khu vực mà AI hiện chưa thay trực tiếp mạnh bằng, như sản xuất, logistics thực địa, bán lẻ trực tiếp, và khu vực phi chính thức. GSO báo lực lượng lao động 9 tháng 2025 là 53,1 triệu người, còn nhiều nguồn dẫn số liệu GSO cho thấy lao động phi chính thức vẫn chiếm tỷ trọng rất lớn trong năm 2025. Điều đó làm cho nếu nhìn ở cấp quốc gia, mức “exposure trung bình” sẽ bị kéo xuống.

Tầng thứ hai là tốc độ số hóa và hấp thụ AI. Việt Nam lại đang đi rất nhanh ở lớp digital. Báo cáo e-Conomy SEA 2025 cho thấy kinh tế số Việt Nam đạt 39 tỷ USD GMV trong 2025, tăng trưởng hai chữ số ở nhiều mảng; cùng lúc PwC ghi nhận 38% người lao động ở Việt Nam dùng GenAI hằng ngày, hơn gấp đôi mức toàn cầu 14%. Báo cáo quốc gia của UNDP cũng mô tả Việt Nam có mức phủ internet rất cao, 5G đang mở rộng ở đô thị lớn, và nhà nước đang thúc đẩy phát triển năng lực AI, dữ liệu, và kỹ năng AI cho lực lượng lao động.

Vì vậy, Việt Nam đang có một trạng thái khá đặc biệt.

AI exposure của nền kinh tế nói chung còn không đều, nhưng AI exposure của lớp lao động số hóa thì đang tăng cực nhanh. Đây là lý do nếu bạn sống và làm việc trong hệ sinh thái công nghệ, sản phẩm, marketing, agency, SaaS, fintech, ecommerce, bạn sẽ cảm giác AI tác động mạnh hơn rất nhiều so với người nhìn thị trường lao động Việt Nam từ xa.

Nếu quy về PM, BA, Designer, Developer ở Việt Nam thì sao?

Ở Việt Nam, 4 nhóm này theo tôi vẫn xếp theo logic gần giống phần chúng ta bàn trước đó, chỉ khác ở cường độ thị trường và cách doanh nghiệp phản ứng.

Developer ở Việt Nam có thể là nhóm chịu tác động từ AI mạnh nhất, hoặc gần như mạnh nhất, trong 4 nhóm này. Không phải vì doanh nghiệp sẽ cắt hết developer, mà vì nhiều phần việc phổ biến như dựng code, sửa lỗi cơ bản, viết test case, soạn tài liệu kỹ thuật, viết script và refactor nhẹ đang được AI hỗ trợ rất mạnh. Trong bối cảnh hệ sinh thái số ở Việt Nam tiếp tục phát triển và doanh nghiệp cần tăng năng suất hơn là chỉ tăng người, developer sẽ bị đẩy lên những phần việc có giá trị cao hơn như kiến trúc hệ thống, độ ổn định khi chạy thật, bảo mật, code review và thiết kế hệ thống. Đây là một suy luận dựa trên tốc độ số hóa và mức độ hấp thụ AI cao ở Việt Nam, chứ không phải số liệu thống kê riêng cho nghề developer tại Việt Nam.

Designer ở Việt Nam cũng là nhóm có AI exposure rất cao. Điều này đặc biệt đúng với các mảng như graphic design, performance creative, social asset, hình ảnh cho ecommerce, mockup, banner và ad variation. Việt Nam có kinh tế số đang tăng nhanh, ecommerce phát triển mạnh và người dùng tiếp cận AI khá tích cực, nên các doanh nghiệp làm content và creative có động lực dùng AI rất thực tế, không chỉ dùng thử cho biết. Vì vậy, phần triển khai hình ảnh sẽ bị phổ thông hóa rất nhanh. Giá trị còn lại của designer sẽ nằm nhiều hơn ở art direction, sự nhất quán thương hiệu, tư duy UX, gu thẩm mỹ và khả năng chọn ra phương án đúng.

BA ở Việt Nam là nhóm có thể chịu áp lực khá rõ. Lý do là nhiều BA hiện nay vẫn tạo giá trị chủ yếu qua việc tổng hợp yêu cầu, viết tài liệu, vẽ flow, viết user stories, acceptance criteria, tham gia họp và ghi chép lại nội dung. Đây đều là những phần việc AI hỗ trợ rất mạnh. Trong môi trường Việt Nam, nơi nhiều công ty vẫn khá nặng về tài liệu và cũng chịu áp lực tối ưu nhân sự, BA truyền thống có thể bị nén giá trị nhanh hơn. Những BA còn giữ được lợi thế sẽ là người mạnh về hiểu đúng quy trình vận hành thật, nắm business rules phức tạp, hiểu logic giữa nhiều hệ thống, biết cách kiểm tra tính đúng sai và xử lý edge cases. Phần này là suy luận dựa trên bản chất công việc và mức độ dùng GenAI cao ở Việt Nam.

PM ở Việt Nam cũng có AI exposure cao. PM vẫn sẽ là PM, nhưng sẽ bị buộc phải nâng mình lên một level cao hơn để tiếp tục tạo ra giá trị. Lý do là PM không chỉ làm tài liệu hay điều phối, mà còn phải tạo alignment, đưa ra quyết định, đọc bối cảnh tổ chức, thuyết phục stakeholder và giữ hướng đi cho sản phẩm. Tuy vậy, các phần việc mang tính tạo đầu ra của PM như tổng hợp research, viết PRD, chuẩn bị cho cuộc họp, bóc tách metric, tìm hiểu đối thủ và lập kế hoạch sẽ bị AI hỗ trợ rất mạnh. Vì vậy, PM ở Việt Nam có lẽ sẽ không mất vai trò quá nhanh, nhưng sẽ bị buộc phải dịch chuyển từ kiểu người viết và điều phối sang kiểu người đặt đúng bài toán và ra quyết định tốt. Nhận định này cũng khá phù hợp với định hướng AI của Việt Nam, vốn thiên về tăng năng suất, phổ cập kỹ năng ứng dụng AI và mở rộng việc dùng AI trong cơ quan, doanh nghiệp và dịch vụ.

Nói đơn giản hơn là PM nào chỉ mạnh ở phần viết, tổng hợp, điều phối bề mặt thì sẽ bị giảm giá trị. Theo xu hướng này thì PM ngày càng buộc phải hiểu sâu hơn về cấu trúc hệ thống và cách sản phẩm vận hành, mặt bằng kỳ vọng với PM sẽ tăng lên, đặc biệt ở các môi trường làm sản phẩm số, AI product, SaaS, platform, automation, ecommerce tech.

Những thứ như đọc JSON, hiểu API, nắm data flow và integration logic đang dần trở thành năng lực ngày càng quan trọng, vì khi AI làm mạnh phần viết tài liệu và tổng hợp, giá trị của PM sẽ chuyển lên khả năng hiểu hệ thống đủ sâu để đặt đúng bài toán và ra quyết định tốt hơn.

Chúng ta nhìn thấy gì?

Nếu ở Mỹ, câu chuyện hay được kể theo kiểu AI sẽ impact nghề nào nhiều nhất, thì ở Việt Nam tôi nghĩ nên kể theo kiểu khác:

AI sẽ impact mạnh nhất ở đâu có đủ 3 điều kiện cùng lúc: công việc số hóa, doanh nghiệp chịu áp lực năng suất, và nhân sự đã sẵn sàng dùng công cụ AI.

Hiện tại Việt Nam đang có đủ cả ba điều kiện đó ở nhiều ngành đô thị và ngành số. PwC cho thấy người lao động Việt Nam dùng GenAI hằng ngày với tỷ lệ rất cao, e-Conomy SEA cho thấy nền kinh tế số tiếp tục tăng mạnh, còn chiến lược AI quốc gia và các đánh giá của UNDP cho thấy nhà nước đang muốn mở rộng hạ tầng, dữ liệu, kỹ năng và ứng dụng AI trong khu vực công lẫn tư.