Rat race, cuộc đua chuột — một sự so sánh đầy chua chát cho những người mải miết làm việc đến mức kiệt sức để theo đuổi những mục tiêu chưa chắc còn tồn tại ở cuối đường đua. Và trong bối cảnh AI đang phát triển nhanh đến mức các cường quốc và tổ chức thế giới bắt đầu có những áp đặt nghiêm ngặt hơn, rat không thể chỉ chạy bằng bốn chân.

Phía sau các tựa báo

Từ năm 2023 đến nay, thị trường lao động tech liên tục xuất hiện những con số khiến người ta giật mình, ngày một nhiều các công ty thực hiện những đợt sa thải lớn, đẩy tổng số người mất việc đôi khi lên đến hàng trăm nghìn. Và hầu hết các thông báo đều có một cụm từ quen thuộc: “tái cơ cấu vì AI”, “tối ưu hóa hiệu suất nhờ AI”, “chuyển nguồn lực sang AI”. Nhưng phía sau các tựa báo chưa bao giờ là một sự thật đơn giản.

Lấy Meta làm ví dụ. Headcount của Meta sau khi giảm mạnh xuống 67K vào 2023 lại tăng trở lại lên 74K vào 2024 và gần 79K vào 2025. Nghĩa là không phải công ty thu hẹp lại, mà là hoán đổi và dần mở rộng trở lại với cơ cấu nhân sự khác.¹ Câu chuyện tương tự cũng diễn ra ở Oracle, Microsoft, Cisco, cắt giảm ở mảng legacy, tuyển mạnh ở mảng AI và cloud.

Vậy AI có phải lý do thật không? Theo Py thì có, nhưng chỉ là một phần của lý do. Phần còn lại, thường không được nói thẳng trong thông cáo báo chí, là nhiều công ty tech đã tuyển dụng quá đà trong giai đoạn 2020–2022 khi nhu cầu số hóa bùng nổ vì COVID, rồi giờ phải “sửa sai”. AI vừa là công cụ tái cơ cấu thật sự, vừa là cái tên đủ nghe hay để đặt lên thông báo sa thải mà ít bị phản ứng tiêu cực nhất.²

Sự thật không phải là “AI vô can”. Sự thật là AI đang thay đổi cơ cấu việc làm, không chỉ tổng số mà còn là yêu cầu về năng lực chuyên môn.

Thế hệ đứng ở tâm chấn

Theo Py quan sát, 9x và sắp tới GenZ sẽ trở thành hai thế hệ đang ngồi ngay tại trung tâm của cơn địa chấn này. Không phải vì họ kém hơn. Mà vì họ chiếm phần lớn lực lượng lao động đang hoạt động, đặc biệt trong các ngành bị AI ảnh hưởng nhiều nhất: tech, tài chính, marketing, dịch vụ khách hàng.

Dữ liệu cũng phản ánh điều tương tự. Bốn tháng sau khi bị sa thải, gần 60% lao động tech bị ảnh hưởng vẫn chưa tìm được việc mới. Nhóm có tỷ lệ tái tuyển dụng thấp nhất lại là software engineer — chỉ 27%, trong khi HR specialist là 52%.³ Không phải vì software engineer “yếu nghề” hơn, mà vì đây là nhóm AI đang tái định nghĩa nhanh nhất, trong khi nhu cầu tuyển dụng chuyển sang profile rất khác: người biết xây dựng và vận hành AI, không chỉ viết code truyền thống. Còn với các bạn Gen Z mới ra trường, thị trường lao động ngày càng khó tính hơn theo nghĩa đen, thể hiện ở việc tỷ lệ tìm được việc ngay sau tốt nghiệp thấp hơn đáng kể so với các thế hệ trước.

Py không kể những con số này để làm bạn lo. Py kể vì tin rằng nhìn thẳng vào một vấn đề là điều kiện đầu tiên để xử lý nó.

Chạy Rat Race kiểu mới

Ở một khía cạnh nào đó, đua rat race không phải là điều gì quá tệ, vì phần thưởng đôi khi nằm ở hành trình chứ không phải ở đích đến. Chỉ là AI đang viết lại một số quy tắc cơ bản của cuộc đua đó, cụ thể AI có thể làm tốt những gì từng là “kỹ năng cốt lõi” của nhiều vị trí viết code, phân tích dữ liệu, soạn thảo nội dung, xử lý hồ sơ thì “chăm chỉ làm đúng việc được giao” không còn là tấm vé đảm bảo nữa. Đó cũng là lúc cần suy nghĩ nghiêm túc hơn về khái niệm career portfolio — tạm hiểu là “danh mục sự nghiệp”, nhất là đối với những ai chọn con đường của generalist.

Không giống như một lộ trình tuyến tính (junior → senior → manager), career portfolio là cách nhìn sự nghiệp theo kiểu đa chiều: xây dựng nhiều năng lực, nhiều mối quan hệ, nhiều nguồn thu, không nhất thiết cùng lúc, nhưng theo thời gian tạo thành một mạng lưới đủ vững để luôn kịp thời bổ trợ nhau khi một nút thắt có dấu hiệu lơi. Nghiên cứu từ Deloitte’s 2025 Gen Z and Millennial Survey cho thấy 82% giám đốc cấp cao thừa nhận rằng đi theo một con đường sự nghiệp duy nhất suốt đời đã lỗi thời. Hơn 40% chuyên gia toàn cầu đang có nhiều nguồn thu nhập, và con số này tiếp tục tăng.⁴

Hướng đi này ngày càng trở nên phù hợp với số đông vì khi AI thay thế kỹ năng cụ thể nhanh hơn bao giờ hết, thì rủi ro lớn nhất không phải là “mất việc”, mà là “kỹ năng của mình mất giá trị”. Và phòng ngừa rủi ro đó không phải là học thật nhiều kỹ năng mới liên tục theo kiểu hoảng loạn mà là xây dựng khả năng học và thích nghi như một thói quen, song song với việc đa dạng hóa những thứ mình có thể đóng góp.

Vạch xuất phát

Career portfolio không được xây trong một ngày, và chắc chắn không phải bằng cách học xong danh sách dài các kỹ năng. Nhưng mọi portfolio đều cần điểm bắt đầu và dưới đây là những kỹ năng theo Py nên được ưu tiên tìm hiểu:

1. Prompt Engineering: khả năng ra lệnh cho AI chính xác và hiệu quả. Nghe đơn giản, nhưng làm tốt thật sự cần thực hành, cùng một câu hỏi nhưng được đặt đúng cách có thể cho ra output dùng được ngay, trong khi đặt vội thì phải ngồi chỉnh đi chỉnh lại mãi. Đây là kỹ năng tiếp cận được với gần như mọi ngành nghề, không chỉ tech.
2. AI Integration vào workflow hiện tại: không cần trở thành AI engineer. Những người biết dùng AI đúng chỗ trong công việc hiện tại của mình đang nhận được premium đáng kể. Ví dụ, khi có thời gian, Py sẽ ngồi vibe code một số tool để phục vụ cho công việc của bản thân, và cũng từ đó hiểu thêm về cơ chế hoạt động và khả năng của AI (những trải nghiệm này Py có chia sẻ ở bài Vibe Coding 1 và 2)
3. Data Literacy: khả năng biến dữ liệu thô thành câu chuyện có ý nghĩa cho người ra quyết định. Nói theo ngôn ngữ product, đây là khoảng cách giữa người báo cáo “tháng này traffic tăng 20%” và người hỏi tiếp “tăng từ đâu, nhóm nào, và điều đó nên dẫn đến quyết định gì”. Khi AI tạo ra dữ liệu nhiều hơn bao giờ hết, người biết đọc và dịch dữ liệu đó thành insight sẽ có giá trị gia tăng rõ ràng.
4. Machine Learning cơ bản: không cần trở thành researcher, nhưng hiểu ML hoạt động như thế nào giúp bạn đặt câu hỏi đúng hơn và đánh giá output của AI tốt hơn. Ví dụ, biết rằng model được train trên dữ liệu quá khứ sẽ giúp bạn nhận ra khi nào không nên tin vào dự đoán của nó — thay vì áp dụng một cách máy móc rồi ra quyết định sai mà không hiểu tại sao.
5. Human skills: tư duy phản biện, khả năng xây dựng niềm tin, lãnh đạo trong bối cảnh mơ hồ. Những kỹ năng này không có trong curriculum của bất kỳ AI model nào — và người sở hữu kết hợp kỹ năng AI lẫn human skills đang nhận mức lương cao hơn đáng kể so với đồng nghiệp cùng vị trí.

Nhưng điều Py muốn nhấn mạnh hơn cả danh sách này là: học những kỹ năng trên vì bạn chọn hướng mình muốn đi, không phải vì sợ bị bỏ lại. Hai xuất phát điểm đó tạo ra kết quả rất khác nhau cả về chất lượng học lẫn sức bền theo thời gian.

Nói cách khác, rat race kiểu mới không phải là chạy theo mọi kỹ năng AI đang hot vì lo lắng mà là chọn có chủ đích những gì mình muốn giỏi, rồi xây dựng nó theo thời gian. Đó là sự khác biệt giữa phản ứng và định hướng.

¹Meta Platforms: Number of Employees 2012–2026 — MacroTrends, 2026

²Big Tech’s 80,000 Job Shock: Is AI Really to Blame for 2026’s Layoff Wave? — CEOWORLD Magazine, 2026

³The Great Tech Reckoning: 900,000 Jobs, Three Years, and the AI Question — Long Yield, 2026

⁴Why The Portfolio Career Is The Way To Get Ahead In 2026 — Bluesky Thinking, 2026

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

Chúc bạn nhiều may mắn và bình an.

Anpy