Py biết về dự án Colleagues;skill từ một vài bài viết trên Facebook. Dĩ nhiên các bài trên social luôn mang một sắc thái phiến diện nào đó — nhưng vấn đề đặt ra thì rất đáng suy ngẫm: việc bóc tách năng lực chuyên môn thành tài sản có khả thi không? Và nếu có — nó thuộc về ai?

Colleagues;skill là gì?
(Phần này được tổng hợp với sự hỗ trợ của AI)

Colleagues;skill là một dự án open-source được tạo bởi Tianyi Zhou, kỹ sư tại Shanghai Artificial Intelligence Laboratory. Dự án bắt đầu như một stunt châm biếm, được thúc đẩy bởi làn sóng sa thải liên quan đến AI và xu hướng ngày càng phổ biến của các công ty trong việc yêu cầu nhân viên tự động hóa chính công việc của mình.

Cách nó hoạt động không phức tạp: bạn nhập tên đồng nghiệp cần tái tạo và một vài thông tin cơ bản. Hệ thống tự động kéo lịch sử chat và file từ Lark, DingTalk — hai nền tảng làm việc phổ biến ở Trung Quốc — rồi tạo ra tài liệu mô tả chi tiết nhiệm vụ và thói quen của người đó để một AI agent có thể học theo.¹ Output được chia thành hai tầng: Work Skill — cách người đó giải quyết vấn đề, ra quyết định; và Persona — nhịp điệu giao tiếp, phong cách phản hồi.

Phản ứng của cộng đồng mạng Trung Quốc là một làn sóng meme châm biếm. Dự án thậm chí còn châm ngòi cho một phản ứng ngược: Koki Xu, một AI product manager ở Bắc Kinh, tạo ra một “anti-distillation skill” — tool viết lại tài liệu thành ngôn ngữ chung chung, không thể hành động được, để AI thay thế tạo ra sẽ kém hữu dụng hơn.²

Năng lực tư duy là tài sản cá nhân

Nhà triết học Michael Polanyi từng nói: “We can know more than we can tell.” Vì theo ông, có một loại kiến thức không thể viết ra thành tài liệu, không thể giải thích đầy đủ bằng ngôn ngữ. Ông gọi đó là tacit knowledge — kiến thức ẩn, được vun bồi qua thời gian, kinh nghiệm, và cơ số những lần thử đúng thử sai. Nói cách khác, tacit knowledge là khoảng cách giữa junior và senior — lý giải cho việc vì sao đôi khi senior PO chỉ cần đọc vài dòng mô tả đã có thể nhận định được nhu cầu của stakeholder, trong khi junior lại khá chật vật với cùng một request.

Phần knowledge này phần nào được thể hiện qua log chat, email… nhưng xét về bản chất vẫn nên được xem là tài sản cá nhân — vì nó là kết tinh của kinh nghiệm: năng lực tư duy, xử lý vấn đề… những thứ thuộc về người lao động.

Tính khả thi của ý tưởng chưng cất kinh nghiệm

Sự tồn tại của các nền tảng như Colleagues;skill phần nào phản ánh nỗ lực tạo ra những AI Agent có năng lực làm việc tương đương một cá nhân. Ở một tương lai nào đó, các công ty có lẽ sẽ chuyển sang thuê các AI Agent này thay vì tuyển dụng trực tiếp người lao động theo cách truyền thống. Đây là một viễn cảnh vừa thú vị vừa đầy thách thức.

Về quan điểm cá nhân, Py khá kỳ vọng vào ý tưởng này, nhưng có lẽ vẫn cần thêm thời gian để trả lời hai câu hỏi lớn:

• Bài toán bối cảnh (Context): AI giỏi nhất ở việc nhận diện pattern từ lịch sử và tái tạo lại chúng. Nhưng khi một tình huống hoàn toàn mới xuất hiện — một điểm mù không có pattern để đối chiếu — đó là lúc chúng ta cần đến một con người thật, với tacit knowledge thật và khả năng chịu trách nhiệm thật.
• Chi phí “số hóa” tri thức: Không phải ai cũng có khả năng tách bạch phần tri thức ẩn và tri thức hiện hữu để nạp vào LLM. Quá trình này tiêu tốn không ít công sức, nặng nhất là việc phải liên tục cập nhật từ personal notes, reflections đến hệ thống knowledge base cá nhân… Bởi lẽ, quá trình học hỏi và tiến hóa của chúng ta diễn ra liên tục, ngay cả trong những khoảnh khắc chúng ta đang “thở”.

Điều Py thấy đáng lo ngại hơn là nỗ lực tối ưu hiệu suất của các doanh nghiệp đã và đang diễn ra dù không có Colleagues;skills. Họ đang dùng AI để số hóa, tự động hóa, hay đúng hơn là “AI hóa” mọi đoạn tác vụ có thể chuẩn hóa nhằm tối thiểu chi phí. Hancheng Cao, giảng viên tại Đại học Emory, nhận xét: “Các công ty không chỉ đơn giản là học cách dùng công cụ mới. Họ đang thu thập dữ liệu phong phú hơn về chuyên môn, quy trình và cách ra quyết định của nhân viên. Điều đó giúp họ xác định phần nào của công việc có thể được tiêu chuẩn hóa — và phần nào vẫn cần đến phán đoán của con người.”

Nói cách khác, AI đang tạo ra một áp lực hữu hình lên công việc của chúng ta — một bối cảnh khá tương đồng với những gì bộ phim Upstream (2024) đã khắc họa.

Điều nên làm

Dữ liệu thị trường lao động đang ngày càng xác nhận một xu thế tất yếu. Nghiên cứu từ Dallas Fed (2026)³ chỉ ra rằng lương vẫn đang tăng ở những ngành chịu tác động mạnh từ AI — nhưng chỉ dành cho những vị trí đòi hỏi tri thức ẩn (tacit knowledge) đúc kết từ trải nghiệm. Ngược lại, những công việc thuần về xử lý thông tin có thể mã hóa đang đứng trước cơ hội để tái cấu trúc. Thực tế, AI không sinh ra để loại bỏ chúng ta; nó đang đóng vai trò bộ lọc: thay thế những tác vụ lặp lại để con người có thêm không gian bồi đắp những giá trị sâu sắc hơn.

Thị trường lao động sắp tới sẽ là sân chơi của những người biết cách “nâng cấp” chính mình.

Với các bạn Junior, thay vì lo lắng về những công việc thực thi thuần túy vốn là thế mạnh của máy móc, hãy coi AI là cộng sự đắc lực. Việc làm chủ AI trong các tác vụ như nghiên cứu, tìm hiểu vấn đề không chỉ giúp bạn làm việc thông minh hơn mà còn là cách để bạn chứng minh năng lực thích nghi. Khi công cụ đã làm tốt phần việc “cứng”, nhà tuyển dụng sẽ nhìn vào những giá trị “mềm” nhưng bền vững ở bạn: một thái độ chủ động, sự tận tâm và lòng “kính nghiệp” — những phẩm chất thuộc về con người mà không dòng code nào thay thế được.

Với cấp độ Senior, áp lực thích nghi cũng là một lời nhắc nhở: đừng chỉ dừng lại ở kỹ năng công cụ. Công nghệ có thể học rất nhanh, nhưng nó không thể sở hữu “tầm nhìn bối cảnh” để nhận ra khi nào một tình huống mới đòi hỏi một cách tư duy hoàn toàn khác biệt. Điều chúng ta cần đầu tư nhất lúc này chính là bản lĩnh: khả năng chịu trách nhiệm về quyết định của mình với tư cách một cá nhân có tên tuổi, có lịch sử; và khả năng xây dựng niềm tin dựa trên sự thấu cảm thực sự — hiểu được người đối diện trong chính bối cảnh sống của họ.

Đừng để quá trình thích nghi đó trở thành một cuộc chạy đua mệt mỏi. Hãy xem đó là hành trình để bạn khám phá lại thứ mà AI chưa bao giờ chạm tới được: chính là bạn, với đầy đủ sự phức tạp và trải nghiệm của một người đang sống, đang học và không ngừng tiến về phía trước.

¹ Zhou, T. (2026). colleague-skill. GitHub. Link

² Hao, K. (2026). Chinese tech workers are starting to train their AI doubles — and pushing back. MIT Technology Review. Link

³ Davis, J. S. (2026). AI is simultaneously aiding and replacing workers, wage data suggest. Federal Reserve Bank of Dallas. Link

Cám ơn bạn đã nán lại cho đến những dòng cuối cùng này.

Chúc bạn nhiều may mắn và bình an.

Anpy