Trong một buổi training về kỹ năng giao tiếp ở công ty, trainer có dùng đến từ khóa “technical intuition” để diễn ý: thị trường đang có xu hướng tuyển dụng những người có “linh cảm chuyên môn”, thay vì thuần kỹ năng cứng như trước. Với Py, lập luận này hoàn toàn hợp lý — vì đâu đó trên blog này, Py cũng từng đề cập đến quan điểm làm nghề cần có sense. Và trong bối cảnh AI đã dần “khá hơn” trong việc học và làm các kỹ năng cứng, thì những năng lực nền gắn liền với bản chất con người lại càng trở nên quan trọng.

Technical intuition là gì?

Cũng như nhiều từ khóa Py đi nhặt, “technical intuition” được định nghĩa theo ngữ cảnh sử dụng hơn là từ vựng chuyên môn liên ngành. Trong khuôn khổ của anpylogue, từ khóa này sẽ được hiểu gần với những gì Py vẫn hay gọi là product sense — và cả hai, suy cho cùng, lại quay về một khái niệm khá quen: “System 1” mà Daniel Kahneman nhắc đến trong Thinking, Fast and Slow.

Kahneman chia tư duy con người thành hai hệ thống. System 1 là tư duy nhanh, tự động, gần như phản xạ — không cần suy luận từng bước. System 2 là tư duy chậm, có chủ đích, tốn nhiều “năng lượng” hơn để xử lý. Technical intuition, theo cách hiểu này, chính là một dạng System 1 được rèn riêng cho mỗi mảng chuyên môn — tức là có thể phản xạ ngay mà không cần ngồi phân tích theo từng bước, vì chủ thể – chúng ta – đi qua đủ nhiều tình huống tương tự trước đó.

Dĩ nhiên, trên đây cũng chỉ là diễn giải của Py để dễ nhớ hơn, chứ bản chất các từ khóa này vốn không cùng cấp. System 1 là cơ chế nhận thức chung của não bộ, còn product sense chỉ là một biểu hiện của technical intuition trong domain sản phẩm. Một kỹ sư phần mềm, một bác sĩ, hay một nhà đầu tư đều có thể phát triển technical intuition riêng trong domain của họ — product sense chỉ là cách Py quen gọi phiên bản đó trong nghề mình đang làm.

Ví dụ, một PO có product sense tốt là khi estimate được ngay số user có thể bị ảnh hưởng lúc một tính năng gặp lỗi, và ước tính nhanh cần khoảng bao nhiêu thời gian xử lý để truyền thông cho các bên liên quan. Nhưng trong tình huống cụ thể đó, một junior PO sẽ chật vật hơn nhiều, vì cần lên dashboard để lấy số, rồi đi check với team kỹ thuật xem root cause có thể do đâu, để từ đó mới phỏng đoán được thời gian fix.

Chắc chắn rằng, không phải lúc nào dựa vào kinh nghiệm hay trực giác cũng đúng. Nhưng hướng tiếp cận này chắc chắn tiết kiệm thời gian hơn nhiều, so với việc phải tuần tự thực hiện từng bước một cách chuẩn chỉnh. Và trong thế giới công nghệ — nơi sẵn sàng chấp nhận nhiều lần thử-sai — việc có một hướng làm cần hơn nhiều so với việc có một hướng làm đúng.

Vì sao technical intuition ngày càng “đắt”?

Thứ nhất, báo cáo Global AI Jobs Barometer 2026 của PwC, phân tích hơn một tỷ tin tuyển dụng toàn cầu, ghi nhận AI đang tạo ra một thị trường lao động “hai tầng”, nơi judgment và leadership được trả lương cao hơn và được xem trọng hơn — nhưng dĩ nhiên không thay thế kỹ năng kỹ thuật¹. Cùng báo cáo còn cho thấy các công ty bị AI tác động nhiều nhất lại đang tăng cả lương và số lượng vị trí tuyển dụng nhanh hơn nhóm ít bị tác động. Cần nói rõ, đây không phải bằng chứng trực tiếp rằng technical intuition đang được tuyển dụng nhiều hơn — báo cáo chứng minh các kỹ năng cấp cao nói chung đang được đánh giá cao hơn, chứ không tách riêng intuition ra làm nguyên nhân. Nhưng đó vẫn là một tín hiệu đáng để chú ý: những năng lực khó chuẩn hóa và khó tự động hóa — như judgment, leadership, hay khả năng ra quyết định dưới bất định — đang ngày càng được coi trọng, và technical intuition có lẽ là một trong những nền tảng giúp con người đưa ra judgment tốt hơn trong điều kiện bất định đó.

Thứ hai, theo nhận định có phần chủ quan của Py: technical intuition không chỉ khó xây dựng, mà môi trường làm việc hiện đại còn vô tình làm quá trình đó trở nên khó hơn. Những tác động tiêu cực của multitasking và việc xem video ngắn liên tục đang ngày càng rõ hơn bao giờ hết — khi ngày càng ít người thực sự dành đủ thời gian để “nuôi” phần năng lực tư duy lõi. Microsoft Work Trend Index 2025, khảo sát quy mô lớn trên người lao động tri thức, ghi nhận tới 80% người được hỏi nói họ không có đủ thời gian hoặc năng lượng để làm việc hiệu quả² — một hệ quả trực tiếp của môi trường làm việc bị cắt vụn bởi liên tục bị gián đoạn. Cal Newport, giáo sư khoa học máy tính ở Georgetown — người đặt ra thuật ngữ “deep work” — cho rằng phần lớn công việc trí óc chất lượng cao chỉ có thể được duy trì trong vài giờ tập trung sâu mỗi ngày, và với nhiều người con số này hiếm khi vượt quá khoảng bốn giờ, trong khi phần lớn người lao động tri thức chưa bao giờ chạm đến nổi một giờ liền không bị gián đoạn.

Rat race vô tình khiến đa phần chúng ta quen với việc phản ứng nhanh đến mức kiệt sức — và không đủ thời gian, theo đúng nghĩa đen, để trải nghiệm “lắng” lại thành kinh nghiệm ở tầng vô thức. Nói cách khác: technical intuition cần thời gian “ngấm” để hình thành, mà chính cái nhịp sống hiện tại lại đang lấy đi đúng thứ nguyên liệu đó. 

Bài (1) tạm dừng ở mâu thuẫn còn bỏ ngỏ như đề bài cho Technical Intuition (2) cần giải: nên làm gì để bồi đắp tầng trầm tích này?

[1] PwC. (2026). 2026 Global AI Jobs Barometer

[2] Microsoft. (2025). 2025: The year the Frontier Firm is born

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

Chúc bạn nhiều may mắn và bình an.

*Anpy*