Tác giả: TT3LABS, Nền tảng tuyển dụng từ xa Web3/AI/SaaS
Vào ngày 26 tháng 2 năm 2026, công ty công nghệ tài chính lớn Block thông báo sa thải hơn 4.000 nhân viên, quy mô đội ngũ giảm trực tiếp từ hơn 10.000 người xuống còn dưới 6.000 người. CEO Jack Dorsey đề cập trong thư gửi cổ đông:
Smart tools have changed what it means to create and run a company... a significantly smaller team, using the tools we're building, can do more and do it better.
Dorsey cũng đưa ra dự đoán cực kỳ lạnh lùng của mình:
Tôi cho rằng hầu hết các công ty đã đi sau. Trong năm tới, đa số các công ty sẽ đi đến cùng một kết luận và thực hiện những điều chỉnh cấu trúc tương tự.
Sau giờ giao dịch, giá cổ phiếu của Block tăng hơn 20%. Đó là phản ứng bằng tiền thật từ thị trường vốn: sẵn sàng trả tiền cho mức đòn bẩy AI và hiệu quả của doanh nghiệp.
Một người bình thường hoàn toàn không biết lập trình đã có thể tự mình vận hành một ứng dụng đầy đủ chức năng chỉ trong một đêm nhờ vào mô hình lớn. Vậy thị trường vốn tất yếu sẽ đặt ra một câu hỏi sắc sảo: Những tập đoàn công nghệ thuê hàng chục nghìn lập trình viên để duy trì hoạt động hàng ngày của một ứng dụng siêu cấp, chi phí nhân sự khổng lồ của họ thực sự còn giữ được bao nhiêu giá trị?
Xu hướng thay thế lao động bằng AI sẽ ngày càng nhiều công ty lớn theo kịp. Lo lắng là điều không thể tránh khỏi, nhưng chỉ lo lắng thì không giải quyết được gì. Chúng ta phải bắt đầu từ sự thay đổi của bối cảnh lớn, rồi từng bước áp dụng vào chiến lược sinh tồn của cá nhân.
AI không chỉ là công cụ, mà đang trở thành tư liệu sản xuất
Trên thị trường, một số người đang dùng thuật ngữ "Web4" để định nghĩa giai đoạn hiện tại. Để làm rõ mạch lạc, chúng ta hãy cùng xem xét các giai đoạn phát triển khác nhau của internet:
Web2
Cốt lõi là sự tương tác giữa phần mềm và con người, các nền tảng khác nhau sử dụng thuật toán để thu hút sự chú ý của người dùng, bản chất là một cuộc chiến giành lưu lượng truy cập.
Web3
Đang cố gắng giải quyết vấn đề xác định quyền sở hữu và phân phối giá trị của tài sản số. Nhiều người đơn giản xem nó tương đương với tiền mã hóa, nhưng về bản chất, nó vẫn đang dừng lại ở cuộc博弈 về quy tắc phân phối của cải, chưa chạm đến mối quan hệ "sản xuất và chế tạo" của sản phẩm số.
Đêm trước Web4
AI lần đầu tiên chạm tới việc thay đổi chính bản thân mối quan hệ sản xuất. Nó không còn chỉ là một công cụ nâng cao hiệu suất, mà đang trở thành một loại tư liệu sản xuất mới. Ai sử dụng nó tốt hơn, người đó sẽ kéo mức giới hạn đầu ra lên một cấp độ.
Trong hợp tác nhóm truyền thống, có rất nhiều chi phí ẩn: khả năng phán đoán và trực giác ngành của những nhà lãnh đạo xuất sắc rất khó để truyền lại cho cấp dưới, và trong quá trình thực hiện bởi nhiều người, sai lệch trong hiểu biết và tổn thất do làm lại là không thể tránh khỏi. Đây là những “loại thuế ẩn” trong vận hành tổ chức, trước đây chưa có giải pháp rõ ràng. AI đã thu hẹp đáng kể loại thuế ẩn này — nó không có đường cong học tập, chỉ cần đưa ra hướng dẫn rõ ràng là có thể thực hiện chất lượng cao, đồng thời xử lý song song nhiều luồng nhiệm vụ. Sự kết hợp giữa khả năng phán đoán chiến lược của một người và đòn bẩy thực thi của AI có thể tạo ra sản lượng tương đương cả một đội nhóm trước đây.
Tất nhiên, AI hiện tại vẫn đôi khi "nói bậy một cách nghiêm túc", điều này cho thấy vai trò của con người trong việc kiểm duyệt và phán quyết vẫn không thể thay thế. Tuy nhiên, độ tin cậy của mô hình đang được cải thiện theo từng tháng, và khoảng thời gian đệm dành cho các vị trí chỉ thực thi thuần túy ngắn hơn nhiều so với hầu hết mọi người nghĩ.
Sự bình đẳng về hiệu suất và khủng hoảng sâu sắc: Khi rào cản gia nhập bị xóa bỏ
Trong ngắn hạn, người bình thường khi tiếp cận các công cụ AI có thể hưởng lợi từ hiệu suất. Nhưng khi xem xét về lâu dài, khi AI xóa nhòa sự khác biệt về hiệu suất cơ bản và làm giảm đáng kể rào cản gia nhập nghề nghiệp, các doanh nghiệp sẽ nhận ra: sau khi hiệu suất đầu ra của từng cá nhân tăng mạnh, nếu quy mô kinh doanh tổng thể không mở rộng tương ứng, việc duy trì số lượng nhân viên như cũ sẽ trở thành một tài sản tiêu cực.
Xem xét sự phân hóa mức lương hiện tại là rõ ràng. Theo dữ liệu theo dõi vị trí của TT3LABS, kể từ năm 2025, thị trường việc làm AI đã nhiều lần xuất hiện các gói lương với mức "trên 10 triệu đô la Mỹ", và những ứng viên này đều là các kỹ sư AI trẻ tuổi, không có nhiều kinh nghiệm về "kỹ năng quản lý nhóm". Khi Meta tuyển dụng các nhà nghiên cứu cốt lõi từ OpenAI, tiền thưởng ký kết đã vượt quá 100 triệu đô la Mỹ, mức lương cổ phiếu trung bình của nhân viên OpenAI đạt 1,5 triệu đô la Mỹ, và mức lương cơ bản hàng năm cao nhất của các kỹ sư nghiên cứu cấp cao tại Anthropic lên tới 690.000 đô la Mỹ (chưa bao gồm cổ phiếu).
Số tiền này được đầu tư vào một khả năng khan hiếm: làm cho chính AI trở nên mạnh mẽ hơn. Những người có thể thúc đẩy sự tiến hóa của các mô hình nền tảng sẽ có giá trị được nhân lên theo cấp số nhân trong toàn bộ mạng lưới thương mại. Trong khi những người khác, nếu công việc của họ có thể bị AI thay thế với chi phí thấp hơn, thì định giá có thể bị giảm xuống.
Điều này đồng thời gây ra một cuộc khủng hoảng tiềm ẩn sâu sắc hơn. Ngày càng nhiều người khi gặp vấn đề, phản ứng đầu tiên là yêu cầu AI đưa ra câu trả lời, bỏ qua quá trình tự suy luận, xác minh và thử nghiệm, về lâu dài sẽ làm mất đi khả năng tư duy. Vấn đề là chính những "công việc khó nhọc" này lại giúp hình thành trực giác của bạn đối với vấn đề. Việc phụ thuộc lâu dài vào AI để thay bạn thực hiện quá trình này sẽ khiến vai trò của bạn trong công việc bị suy giảm thành một “người dịch yêu cầu”: chuyển yêu cầu của người khác thành đầu vào cho AI, rồi chuyển đầu ra của AI cho người khác. Và chính khâu trung gian này lại là nơi thế hệ AI tiếp theo dễ dàng bỏ qua nhất.
Đồ thị tác động: Bạn đang ở vị trí nào?
Nỗi sợ nếu không có tọa độ, thì chỉ là lo lắng. Trước khi thảo luận các biện pháp đối phó, chúng ta cần vẽ trước một "bản đồ tác động". Điều này không nhằm gây hoang mang, mà để mỗi người xác định vị trí của chính mình.
Các vị trí có nội dung công việc nguy hiểm cao có thể được hướng dẫn rõ ràng
Các vị trí như lập trình mã cơ bản, phân tích dữ liệu cơ bản, tạo báo cáo chuẩn hóa, thiết kế theo mẫu, dịch và hiệu đính thông thường có đặc điểm chung là công việc có thể được chia rõ ràng thành "đầu vào → xử lý → đầu ra". Trong số hơn 4.000 người bị cắt giảm bởi Block, một bộ phận đáng kể nằm trong phạm vi này. Năng lực chuyên môn của họ không kém, nhưng những gì họ làm đúng là những việc mà mô hình lớn có thể đảm nhiệm.
Một tiêu chuẩn đáng để tự hỏi: Nếu toàn bộ công việc của bạn có thể được viết thành một lệnh AI, thì điều đó có nghĩa là máy móc đã đủ điều kiện để thay thế bạn, và chỉ còn lại vấn đề doanh nghiệp sẽ đưa ra quyết định này khi nào.
Các nhà giao dịch trung cấp có kinh nghiệm đang nén sự dao động
Quản lý dự án, giám đốc vận hành, kỹ sư cấp trung. Công việc của họ bao gồm phán đoán và điều phối, AI trong ngắn hạn chưa thể thay thế, nhưng đang bị “nén lại”. Trước đây, một chuỗi nghiệp vụ cần năm cấp trung quản lý từng đoạn và phối hợp lẫn nhau, giờ đây AI đã tiếp nhận các nhiệm vụ thực thi ở đầu vào và đầu ra, chỉ cần một hoặc hai người là có thể vận hành toàn bộ chuỗi.
Nhóm này đang đối mặt với tình cảnh "số vị trí giảm đi". Kỹ năng của bạn không suy giảm, nhưng nhu cầu thị trường đối với vai trò của bạn đang sụt giảm mạnh. Con đường thoát cho nhóm này là tận dụng AI để tăng cường khả năng thực thi về phía dưới, và giành quyền định nghĩa vấn đề về phía trên.
Người điều khiển sự không chắc chắn về giá trị gia tăng
Có một loại công việc, cốt lõi không phải là “làm đúng”, mà là “đưa ra quyết định trong điều kiện thông tin luôn không đầy đủ, và chịu trách nhiệm cho hậu quả”. Các cuộc đàm phán kinh doanh phức tạp, xử lý khủng hoảng truyền thông, quản lý tổ chức đa văn hóa, đánh giá đầu tư rủi ro cao. AI có thể cung cấp phân tích và đề xuất, nhưng không thể ký thay bạn, không thể gánh vác lỗi thay bạn, và không thể đọc hiểu những mong muốn lợi ích đằng sau một ánh mắt của đối phương trong bữa ăn.
Những vai trò này không chỉ không bị giảm giá trị, mà còn tăng giá do chi phí thực thi nền tảng bị AI giảm mạnh, cùng một ngân sách có thể thúc đẩy các dự án lớn hơn, đòn bẩy trong tay người ra quyết định trở nên dài hơn.
Trong thực tế, nhiều người làm công việc trải dài qua nhiều cấp độ khác nhau. Một cách tự kiểm tra đơn giản: hãy nghĩ về nội dung công việc hàng ngày của bạn, có bao nhiêu phần có thể được giao phó thông qua một lệnh cụ thể, và bao nhiêu phần đòi hỏi bạn phải tự đưa ra quyết định trong tình huống mơ hồ. Càng có tỷ lệ cao phần đầu, bạn càng cần nhanh chóng thay đổi.
Dừng lo lắng về công cụ, chuyển đổi sức mạnh tính toán công cộng thành rào cản riêng
Cuối tháng 1, OpenClaw ("con tôm hùm đất") ra đời và trong vài ngày, số sao trên GitHub đã vượt quá 170.000. Các nhà sản xuất mô hình đều nhanh chóng phản ứng, Alibaba Cloud ra mắt tính năng triển khai một chạm, Tencent công bố CoPaw để cạnh tranh, MiniMax và Kimi cũng đều tung ra các giải pháp tương thích của riêng họ.
Sau đó bạn sẽ nhận ra một hiện tượng rất thú vị: Nhiều người tháng này dành thời gian để "nghiên cứu cách triển khai tôm hùm đất" và "so sánh gói nào rẻ hơn" nhiều hơn thời gian họ thực sự dùng AI để tạo ra kết quả kinh doanh. Mọi người đều đuổi theo công cụ, nhưng sau khi đuổi theo xong, cấu hình bạn đã triển khai, người khác chỉ mất hai giờ để sao chép y hệt.
Tất cả các mô hình ngôn ngữ lớn — OpenAI, Anthropic, Meta, Google, xAI — đều được huấn luyện bằng dữ liệu internet công khai giống nhau. Vì vậy, về bản chất chúng đều giống nhau, và đó là lý do tại sao chúng đang được thương mại hóa với tốc độ cực nhanh.
— Larry Ellison, Oracle Quý 2 năm tài chính 2026
Ngược lại, điều đó có nghĩa là: nếu công việc của bạn chỉ dựa vào khả năng công khai của các mô hình lớn phổ thông, thì sản phẩm của bạn sẽ bị đồng nhất, ngay cả khi bạn viết lệnh một cách cầu kỳ đến đâu, cũng không có hàng rào bảo vệ.
The real barrier lies in moving from public to private.
Hiện đã có một xu hướng rõ ràng: từ các doanh nghiệp lớn đến các đội ngũ khởi nghiệp, ngày càng nhiều tổ chức đang triển khai các mô hình riêng tư tại chỗ. Nguyên nhân trực tiếp là an toàn thông tin, không ai muốn gửi dữ liệu kinh doanh cốt lõi cho các API bên thứ ba. Nhưng xu hướng này có một hệ quả lan truyền bị đánh giá thấp: khi các chủ thể chính trong ngành đều giam giữ dữ liệu và tri thức trong các mô hình riêng tư, thông tin ngành trên mạng công khai mà các mô hình phổ quát có thể học được sẽ ngày càng ít đi và ngày càng lỗi thời.表面上 AI đã hạ thấp rào cản tri thức cho tất cả mọi người, nhưng lớp tri thức ngành có giá trị thực sự đang nhanh chóng biến mất khỏi mạng công khai và chìm vào các kho tri thức riêng của từng tổ chức.
Vì vậy, những "kiến thức ẩn" mà bạn tích lũy được trong nhiều năm qua không hề mất giá, mà đang tăng giá — miễn là bạn biết cách vận dụng chúng.
Tổng hợp những kinh nghiệm nghiệp vụ không chuẩn hóa nằm rải rác trong đầu bạn, trong lịch sử trò chuyện và email, biến chúng thành “ngữ cảnh” mà mô hình riêng của bạn có thể tiêu hóa. Dữ liệu từ nền tảng TT3LABS cho thấy, tỷ lệ qua vòng sàng lọc ban đầu của các ứng viên có hơn hai năm kinh nghiệm trong ngành Web3 cao hơn đáng kể so với các kỹ sư công nghệ từ các tập đoàn lớn không có nền tảng ngành, lý do cốt lõi là trọng số của kiến thức chuyên ngành vượt xa năng lực kỹ thuật chung. Một người có ba năm kinh nghiệm vận hành CEX hiểu rõ logic tuân thủ và các quy tắc ngầm khi niêm yết token; một người đã trải qua hai chu kỳ quản trị DAO có khả năng phán đoán thiết kế đề xuất và điểm xoay chuyển cảm xúc cộng đồng; một người chuyên sâu vào nội dung chuyên ngành có trực giác nhạy bén về tâm lý người dùng và nhịp điệu kể chuyện — những điều này không bao giờ xuất hiện trong bất kỳ dữ liệu huấn luyện công khai nào.
Khi bạn cấu trúc hóa những kinh nghiệm riêng tư này và tích hợp vào mô hình, AI của bạn sẽ không còn là một cuốn bách khoa toàn thư phổ thông, mà trở thành một đối tác riêng biệt chỉ làm việc cho bạn và hiểu duy nhất lĩnh vực của bạn. Sự sâu sắc trong kết quả tạo ra này là điều mà người khác dùng cùng mô hình phổ thông cũng không thể nào theo kịp.
Logic cốt lõi chỉ có một: AI vượt trội hoàn toàn trong việc xử lý kiến thức công khai, nhưng hoàn toàn phụ thuộc vào việc bạn cung cấp dữ liệu để xử lý kinh nghiệm riêng tư. Những người kết hợp được kiến thức chuyên sâu ngành với AI mới là tài sản cốt lõi trong mô hình phân công lao động mới.
Bộ sưu tập kinh nghiệm của bạn mới chính là "mô hình" thực sự
Các mô hình AI đang tiến hóa nhanh chóng; GPT, Claude, Gemini hôm nay có thể đều bị thay thế bởi các phiên bản mạnh hơn sau sáu tháng. Nhưng đối với bạn, việc chuyển sang một mô hình mạnh hơn chỉ đơn giản là thay đổi một giao diện API. Điều thực sự không bị thay thế hay luân chuyển chính là bộ dữ liệu riêng và kho kinh nghiệm mà bạn cung cấp cho nó.
Mô hình là cơ sở hạ tầng phổ dụng, ai cũng có thể sử dụng. Nhưng những nhận thức ngành, phán đoán kinh doanh và kinh nghiệm thất bại mà bạn nạp vào chính là "tập dữ liệu huấn luyện" duy nhất thuộc về bạn. AI càng mạnh, khả năng nó tiếp thu bộ dữ liệu của bạn càng cao, rào cản riêng của bạn càng cao. Vì vậy, đừng bận tâm liệu việc xây dựng kho tri thức hiện tại có nhanh chóng lỗi thời hay không — kho tri thức của bạn là tài sản duy nhất không bị giảm giá do sự tiến hóa của mô hình. Mô hình đang thay đổi, nhưng rào cản dữ liệu của bạn chỉ tăng giá cùng với khả năng ngày càng nâng cao của AI.
Đồng thời, logic cạnh tranh trong môi trường làm việc truyền thống cũng đang được viết lại. Trước đây, nhân viên có thể thể hiện thái độ bằng cách làm việc khuya, nhưng máy móc có thể hoạt động 7×24 giờ, mọi chiến lược cạnh tranh dựa trên "tôi chịu đựng được nhiều hơn người khác" đều trở về con số không trước AI.
Nhiều người sẽ nói: “Tôi vẫn đang cung cấp giá trị cảm xúc cho đội nhóm.” Đúng vậy, đó là khả năng độc đáo của con người, nhưng mức giá trị gia tăng của nó phụ thuộc vào cấp bậc bạn đang ở. Khi đội ngũ cấp cơ sở thu hẹp từ mười người xuống còn hai người cộng một hàng AI Agent, vai trò “chất bôi trơn đội nhóm” sẽ mất đi bối cảnh sử dụng. Nhưng ở cấp ra quyết định, những cuộc博弈 thương mại phức tạp, việc xây dựng niềm tin trong rủi ro cao, và điều phối xung đột giữa các bên có lợi ích khác nhau — sự kết nối sâu sắc giữa con người với nhau lại trở nên có giá trị hơn bao giờ hết nhờ chi phí nền tảng giảm xuống. Giá trị cảm xúc không biến mất, mà đang dịch chuyển lên cao hơn.
Cuối cùng, điều mà cá nhân nên đầu tư nhiều nhất trong thời đại AI không phải là học cách sử dụng công cụ nào, mà là duy trì liên tục bộ AI riêng biệt chỉ bạn mới có. Công cụ sẽ được cập nhật, nhưng kho kinh nghiệm thì không.
Ba hành động, có thể bắt đầu ngay bây giờ
Trở lại trường hợp của Block, có người bị sa thải nhưng cũng có người vẫn ở lại, sự khác biệt nằm ở việc sau khi AI trở thành công cụ sản xuất tiêu chuẩn, ai vẫn là người không thể bị loại bỏ. Đừng chờ công ty sắp xếp đào tạo AI cho bạn, từ hôm nay, chúng ta có thể bắt đầu thực hiện những hành động này:
01、Chuyển từ “tự tay làm” sang “xây dựng quy trình làm việc”
Bẫy dễ mắc phải nhất của người đi làm là dùng AI để giúp mình "lười biếng" (ví dụ: dùng AI viết báo cáo tuần, chỉnh sửa email), nhưng đây vẫn là tư duy ở cấp độ thực thi. Điều bạn thực sự cần làm là coi bản thân như một "thầu xây dựng", tái cấu trúc sản phẩm cốt lõi nhất của vị trí hiện tại thành một dây chuyền sản xuất tự động hóa bởi AI.
Đừng cố thử đồng thời hàng chục mô hình mới, hãy chọn một công cụ chín muồi nhất hiện tại (ví dụ: ChatGPT Plus hoặc Claude), và ép buộc nó tham gia vào khâu tốn nhiều thời gian và kinh nghiệm nhất trong công việc của bạn. Chuyển đổi quy trình thao tác đơn tuyến ban đầu của bạn “thu thập dữ liệu thủ công → phân tích so sánh → đưa ra kết luận” thành “thiết lập tự động thu thập → nạp vào khung phân tích AI → can thiệp và tinh chỉnh bởi con người”. Khi bạn có thể dùng quy trình làm việc này để rút ngắn công việc vốn mất một tuần xuống còn một ngày, đồng thời đảm bảo chất lượng cực kỳ ổn định, bạn sẽ không còn là một nút tính toán đơn lẻ nữa — bạn chính là một “công ty vi mô” với đòn bẩy cao.
02、Biến kinh nghiệm ẩn thành bản sao kỹ thuật số riêng của bạn
Mô hình lớn học từ dữ liệu công khai, nó hiểu tất cả các lý thuyết, nhưng tuyệt đối không biết khách hàng lớn khó tính của công ty bạn có những sở thích ẩn nào, cũng không biết giữa bộ phận của bạn và bộ phận tài chính có những vùng cấm nào khi phối hợp. Những “kiến thức ẩn” mà bạn đã trả giá bằng vô số sai lầm mới có được, chính là tài sản cốt lõi nhất của bạn.
Nhưng những tài sản này nếu chỉ dừng lại trong đầu bạn thì không thể tạo ra lãi kép. Nhiệm vụ hiện tại của bạn là tận dụng các tính năng tùy chỉnh mà các mô hình lớn hiện đang cung cấp (ví dụ: Custom GPTs hoặc Claude Projects), để biến kinh nghiệm của bạn thành "lệnh thiết lập hệ thống" của nó. Hãy cung cấp cho nó tất cả các trường hợp ngoại lệ bạn đã xử lý, các báo cáo tổng kết thất bại, và những quy tắc ngầm trong ngành mà không ai nói ra. Mục tiêu của bạn không phải là xây dựng một ghi chú kho tri thức tĩnh, mà là "huấn luyện" ra một trợ lý cá nhân 24/7 mang đậm phong cách kinh doanh riêng của bạn, chỉ phục vụ riêng bạn. Khi "bản sao kỹ thuật số" của bạn được hình thành, người khác dù có AI phổ thông cũng không thể sánh kịp với bạn.
03、Tăng cường quyền xác định vấn đề và trách nhiệm của bản thân
Trong đội nhóm, hãy bắt đầu luyện tập chủ động giao công việc “tìm câu trả lời” cho máy móc, đồng thời giữ cho mình quyền lực “đặt câu hỏi” và “đưa ra quyết định”. AI là một động cơ giải đáp hoàn hảo, nhưng nó sẽ không bao giờ nhận ra được động cơ kinh doanh thực sự đằng sau một nhu cầu. Sếp nói “Tôi muốn tạo một chiến lược giữ chân người dùng mới”, AI sẽ lập tức đưa ra 10 mô hình lý thuyết tăng trưởng hacker. Nhưng chỉ có bạn mới có thể kết hợp ngân sách và nguồn lực phát triển hiện tại để chỉ ra “Giải pháp B tuy hoàn hảo nhưng hiện tại không thể triển khai, giải pháp C cắt giảm một nửa chức năng sẽ phù hợp với nhịp độ hiện tại của chúng ta nhất”.
Đồng thời, bạn phải hiểu một điều: AI sẽ không đi tù, không chịu trách nhiệm. Doanh nghiệp trả lương cao cho bạn, phần lớn là để mua sự "đảm bảo" về kết quả kinh doanh từ bạn. Khi bạn nộp mã hoặc giải pháp do AI tạo ra, bạn phải có đủ tự tin nói: “Tôi đã kiểm tra đầu ra của AI bằng kinh nghiệm chuyên môn của mình, tôi chịu trách nhiệm cho kết quả cuối cùng.” Sự dám đưa ra quyết định trong vùng mờ và dám gánh chịu hậu quả kinh doanh cuối cùng — cái gọi là “phần thưởng trách nhiệm” này — là điều máy móc không bao giờ có thể thay thế được trong bất kỳ thời đại nào.
Dorsey nói: "Hầu hết các công ty đã trễ hẹn." Nhưng đối với cá nhân, câu này cũng đúng theo nghĩa ngược lại: phần lớn mọi người vẫn chưa bắt đầu chuẩn bị và chưa nhận thức được xu hướng này.
Không phải ai cũng cần trở thành chuyên gia AI. Nhưng mỗi người đều cần suy nghĩ kỹ một câu hỏi: Trong công việc của bạn, phần nào mà máy móc cuối cùng sẽ làm được, phần nào là độc đáo của bạn, rồi chuyển thời gian và năng lượng từ phần đầu sang phần sau.
Nếu một ngày nào đó AI vượt trội hoàn toàn con người ở mọi lĩnh vực, có thể vào năm 2027, có thể vào năm 2030, nhưng đây không phải là một sự thay đổi mà bạn có thể đứng ngoài quan sát.
Nó không chờ bạn sẵn sàng.