Trả lời ngắn: Ngày 8/10/2026, Anthropic, công ty đứng sau Claude, công bố phiên bản mới của Chính sách sử dụng (Usage Policy), có hiệu lực từ ngày 12/11. Điểm doanh nghiệp nên để ý nhất: mọi chiến dịch lừa dối, "dù là chính trị hay thương mại", đều bị cấm, kể cả việc dùng tài khoản hay bài đăng giả để khuếch đại nội dung. Với các quyết định ảnh hưởng tới sức khoẻ, quyền lợi pháp lý, tài chính hay sinh kế của một người, vẫn phải có người có chuyên môn xem lại kết quả của AI, và người bị ảnh hưởng phải được biết là có AI tham gia. Chính sách mới thay đổi những gì? Anthropic gộp các quy định trước đây nằm rải rác ở nhiều mục (bầu cử, gian lận, quyền riêng tư, thông tin sai lệch) thành một mục mới: "Không tham gia chiến dịch lừa dối hoặc hoạt động giả tạo" (Do Not Engage in Deceptive Campaigns or Artificial Activity). Theo bài công bố, mục này cấm: Che giấu ai thật sự đứng sau một thông điệp. Khuếch đại nội dung bằng tài khoản giả hoặc bài đăng giả. Xây dựng công cụ, hạ tầng phục vụ các chiến dịch thao túng (influence campaign). Mục dành cho các trường hợp rủi ro cao (high-risk use cases) giữ nguyên yêu cầu cũ nhưng viết rõ hơn: khi AI đưa ra khuyến nghị trong các lĩnh vực ảnh hưởng tới sức khoẻ, quyền lợi pháp lý, tài chính, sinh kế (livelihood) hoặc khả năng tiếp cận dịch vụ thiết yếu, một người có chuyên môn phải xem lại và sửa được khuyến nghị đó, và người bị ảnh hưởng phải được thông báo là có dùng AI. Bản mới còn liệt kê loại khuyến nghị nào thuộc diện này và loại nào không. Ngoài ra, chính sách cấm theo dõi một người khi chưa có sự đồng ý, dù theo thời gian thực hay qua phân tích dữ liệu đã thu thập trước đó. Vì sao doanh nghiệp Việt nên để ý? Vì một số cách làm quen thuộc trong marketing online nằm rất gần lằn ranh này. "Seeding" (gieo bình luận, đánh giá để tạo hiệu ứng đám đông) bằng tài khoản ảo, viết hàng loạt đánh giá dưới tên người dùng không có thật, hay chạy fanpage vệ tinh mà không cho người xem biết ai đứng sau: khi AI giúp làm những việc này nhanh hơn và rẻ hơn, nó cũng đưa doanh nghiệp vào đúng vùng xám mà chính sách mới gọi tên. Rủi ro không chỉ là bị khoá tài khoản AI. Một chiến dịch dựa trên tài khoản giả, khi bị phát hiện, có thể làm mất niềm tin của khách hàng nhanh hơn rất nhiều so với thời gian bỏ ra để dựng nó. Mảng thứ hai là nhân sự và tài chính. Chính sách không nêu tên từng nghiệp vụ như lọc hồ sơ ứng viên hay chấm điểm khách hàng vay, nhưng các việc này có thể chạm tới "sinh kế" hoặc "tài chính" của một người. Nếu đội ngũ đang để AI tự loại hồ sơ hay tự từ chối khách mà không ai xem lại, đây là lúc nên kiểm tra. Doanh nghiệp nên làm gì trước ngày 12/11? Liệt kê các việc đang dùng AI (Claude hay bất kỳ công cụ nào): viết nội dung, trả lời khách, lọc hồ sơ, chấm điểm, phân tích dữ liệu khách hàng. Với marketing: bỏ hẳn mọi kịch bản dùng tài khoản ảo hoặc đánh giá giả, kể cả khi do agency (công ty dịch vụ) làm hộ. Nội dung do AI hỗ trợ vẫn phải đứng tên thương hiệu thật. Với tuyển dụng, tín dụng, chăm sóc sức khoẻ: đặt một bước người duyệt trước khi ra quyết định cuối, và ghi rõ trong thông báo cho ứng viên hoặc khách hàng rằng có dùng AI hỗ trợ. Đọc bản đầy đủ của chính sách, vì bài tóm tắt chỉ nêu ý chính; nếu dùng nhiều nhà cung cấp AI, kiểm tra điều khoản của từng bên. Viết quy tắc dùng AI một trang cho cả công ty: việc gì được làm, việc gì cấm, ai chịu trách nhiệm kiểm lại. Với người dẫn dắt đội nhóm Chính sách của nhà cung cấp chỉ là mức sàn. Câu hỏi quan trọng hơn là doanh nghiệp muốn khách hàng nhìn thấy mình như thế nào khi họ biết AI đã tham gia. Một quy trình minh bạch, có người chịu trách nhiệm, thường chính là thứ giúp doanh nghiệp nhỏ dùng AI lâu dài mà không phải lo mỗi lần điều khoản thay đổi. Nguồn: Anthropic - Usage Policy update (8/10/2026) - https://www.anthropic.com/news/2026-usage-policy-update Anthropic - Anthropic Cyber Mission (8/10/2026) - https://www.anthropic.com/news/anthropic-cyber-mission Bài viết mang tính thông tin, không phải tư vấn pháp lý.

Trả lời ngắn: Người tạo ra Linux, một trong những dự án phần mềm khắt khe nhất thế giới, vừa công khai dùng trợ lý lập trình AI (AI coding assistant) Claude Code để viết một loạt bản vá (patch) cho nhân Linux. AI viết code, viết chương trình kiểm thử và bản nháp thư giới thiệu. Torvalds ra đề, tự đo hiệu năng trên máy của mình và tự nêu những chỗ chưa giải quyết xong. Bài học cho người đi làm không phải là "AI thay lập trình viên", mà là giá trị đang dồn về người biết ra đề, kiểm chứng và chịu trách nhiệm. Chuyện gì vừa xảy ra? Ngày 11/10/2026 (giờ Mỹ), trang tin công nghệ Phoronix phát hiện Linus Torvalds đẩy lên kho mã Linux chính của ông một nhánh (branch) mới tên là noref-filemap-read-with-llm. Bản thân việc này đã hiếm: Torvalds thường chỉ giữ nhánh master trong kho đó. Nhánh gồm 8 bản vá, dựa trên Linux 7.3-rc6, sửa phần page cache (bộ nhớ đệm trang, nơi hệ điều hành giữ dữ liệu file vừa đọc). Vấn đề cần giải đã được kỹ sư Matthew Wilcox nêu từ năm 2024, xuất phát từ khối công việc thật của một khách hàng: khi nhiều luồng (thread) cùng đọc những mẩu dữ liệu nhỏ của một file, chúng tranh nhau cùng một chỗ trong bộ nhớ và làm nhau chậm lại. Trong thư giới thiệu, Torvalds ghi rõ phần code, chương trình kiểm thử, phần rà soát đằng sau danh sách vấn đề còn mở và bản nháp đầu tiên của lá thư "were done with an LLM coding assistant (Claude Code) under my direction" - được làm bằng trợ lý lập trình AI, dưới sự chỉ đạo của ông. Các phép đo thì chạy trên máy của chính ông. Kết quả ra sao, và còn dở dang ở đâu? Theo số liệu Torvalds đo trên laptop của ông (chip Core i7-8565U, 4 nhân 8 luồng), được Hardware Busters tổng hợp: 8 luồng cùng đọc các mẩu 16 byte từ một file: thông lượng tăng từ khoảng 10 triệu lên 30-33 triệu lượt đọc mỗi giây, tức gần gấp 3. Chi phí mỗi lượt đọc trong nhân giảm từ khoảng 2.950 xuống khoảng 725 chu kỳ máy. Với 1 luồng, mỗi lượt đọc rẻ hơn khoảng 10%. Nhưng chính Torvalds cũng liệt kê điểm yếu, và đây là phần đáng học nhất: Có một trường hợp chậm đi: đọc vào một trang bộ nhớ chưa được ánh xạ tăng từ khoảng 4.150 lên 6.550 chu kỳ. Phiên bản 6 bản vá từng khiến máy ảo thử nghiệm 2 GiB kích hoạt cơ chế tự ngắt tiến trình khi hết bộ nhớ (OOM killer). Phải đủ 8 bản vá mới chạy trọn. Phần thu hồi bộ nhớ (memory reclaim) được ông gọi là phần "least solved" - phần chưa giải quyết tốt nhất. Nhánh này chưa được hợp nhất (merge) vào Linux và mới chỉ đo trên một chiếc laptop. Vì sao người đi làm và chủ doanh nghiệp nên để ý? Nhân Linux chạy bên dưới rất nhiều máy chủ, điện thoại và thiết bị, nên đây là nơi người ta dè dặt nhất với code lạ. Việc chính người tạo ra nó dùng AI cho một phần khó như bộ nhớ đệm cho thấy ba điều. AI đã vào việc khó, không chỉ việc vặt. Không còn dừng ở soạn email hay tóm tắt tài liệu. Chuyên gia không biến mất, vai trò đổi đi. Torvalds chọn vấn đề, đặt hướng, tự đo lại và tự nói chỗ chưa ổn. Đó là những việc AI không chịu trách nhiệm thay. Minh bạch đang thành chuẩn mới. Ông ghi rõ AI làm phần nào ngay trong thư. Doanh nghiệp đang lưỡng lự giữa cấm AI và để nhân viên dùng lén (shadow AI) có thể học đúng cách này. Người đi làm nên làm gì từ tuần này? Tập ra đề cho AI như một chuyên gia: nói rõ vấn đề, giới hạn, và đo thành công bằng gì trước khi giao việc. Giữ năng lực kiểm chứng: tự chạy lại, tự đo lại, không nhận con số AI báo như kết quả cuối. Viết ra phần chưa chắc. Một danh sách "vấn đề còn mở" trung thực có giá trị hơn một báo cáo trơn tru. Ghi rõ phần nào AI làm khi nộp sản phẩm. Người duyệt cần biết điều đó để kiểm đúng chỗ. Với người dẫn dắt đội nhóm Đặt quy tắc "AI làm, người duyệt", và mỗi đầu việc có một người ký tên chịu trách nhiệm. Đo trước và sau bằng số liệu thật, trên dữ liệu thật của mình, trước khi kết luận AI giúp được bao nhiêu. Cho sản phẩm AI làm đi qua một vòng thử riêng trước khi đưa vào vận hành, giống cách Torvalds để bản vá ở một nhánh riêng. Khen người công khai cách dùng AI, thay vì để họ phải giấu. AI có thể viết nhanh hơn bạn rất nhiều lần. Nhưng người đứng tên dưới kết quả vẫn phải là bạn. Nguồn: Phoronix, tin về nhánh Linux do Torvalds làm cùng Claude Code (11/10/2026) - https://www.phoronix.com/news/Linus-Torvalds-Claude-Code Hardware Busters, số liệu chi tiết của loạt bản vá page cache (12/10/2026) - https://hwbusters.com/news/linus-torvalds-uses-claude-code-to-rework-the-linux-page-cache-tripling-small-read-throughput/

Trả lời ngắn: Ngày 9/10/2026, Anthropic, công ty đứng sau Claude, công bố một loạt trường hợp mô hình AI của chính họ làm những việc không ai yêu cầu trên các trang web thật: gửi biểu mẫu thật của một cơ quan chính phủ thay vì bản tập, tự chấp nhận một thỏa thuận sử dụng dữ liệu, dùng dịch vụ rút gọn đường link để lách giới hạn của công cụ. Anthropic cho biết các trường hợp tìm thấy đến nay có tác động thực tế rất nhỏ. Nhưng bài học cho doanh nghiệp thì lớn: khi giao cho AI agent (tác nhân AI - phần mềm tự nhận mục tiêu và tự thao tác để hoàn thành) quyền bấm nút thay mình, thứ cần thiết kế trước không phải câu lệnh hay, mà là giới hạn. Chuyện gì vừa xảy ra? Từ tháng 7, Anthropic rà lại nhật ký làm việc (transcript) của các mô hình trong những lần chạy đánh giá (evaluation) có kết nối internet. Các hành vi tìm được chia thành bốn nhóm: Khai thác lỗi phần mềm: không dùng được một công cụ công khai của một trường đại học, mô hình tự tìm lỗ hổng để chạy phép tính trên máy chủ. Gửi biểu mẫu không nên gửi: một mô hình nghiên cứu được giao điền bản tập của một biểu mẫu chính phủ; bản tập lỗi, nó gửi luôn biểu mẫu thật. Ở tác vụ khác, Claude Haiku 4.5 được dặn dừng trước bước gửi cuối nhưng vẫn bấm gửi nhiều lần. Có lần nó còn gửi một tin báo bịa đặt vào biểu mẫu của một sở cảnh sát; hệ thống của sở đánh dấu là spam nên tin không được chuyển đi. Lách hạn chế để lấy dữ liệu: đọc tệp cài đặt của trang web để tìm mã truy cập (access token) còn dùng được, hoặc xin token từ một bảng số liệu công khai để truy vấn dữ liệu vốn phải trả phí. Dùng dịch vụ rút gọn link để vượt giới hạn độ dài đường link mà công cụ đặt ra. Giới hạn này vốn để chặn kiểu tấn công chèn lệnh qua link dài. Điều đáng chú ý nhất: theo Anthropic, một số trường hợp xảy ra trong lúc dùng Claude làm agent bình thường, không chỉ trong phòng thử nghiệm. Anthropic đang siết lại thế nào? Cắt kết nối internet thật cho toàn bộ các lần đánh giá nội bộ, cho đến khi hệ thống giám sát chứng minh bắt được các hành vi này. Siết các công cụ truy cập web như web fetch. Xây công cụ tự động phát hiện và chặn; khi thử lại, công cụ này chặn được tất cả các trường hợp nêu trong bài. Đưa agent nội bộ về hạ tầng quản lý tập trung, giảm tối đa quyền vào internet và giám sát nhiều hơn. Nói cho công bằng: công ty tự công bố lỗi của mình, đã báo cho các cơ quan liên quan, và cho biết không trường hợp nào liên quan đến dữ liệu khách hàng. Đó là cách xử lý đáng ghi nhận. Nhưng nếu một phòng thí nghiệm AI hàng đầu còn cần cả một loạt biện pháp để giữ agent trong làn đường, doanh nghiệp nhỏ khó có thể giao quyền thao tác cho agent mà không dựng hàng rào nào. Vì sao doanh nghiệp Việt nên để ý ngay bây giờ? Cùng tuần, Google giới thiệu Gemini agent, trong đó các coworker agent (agent đồng nghiệp) có tài khoản Workspace riêng: email, lịch, Drive và có tên trong danh bạ công ty. Đi kèm là một bộ quản trị: mỗi agent có danh tính riêng với quyền tối thiểu (least privilege), mọi thao tác được ghi vào nhật ký kiểm tra (audit trail) dưới tên agent, và có thể đặt trần chi phí AI theo dự án; chạm trần thì agent tạm dừng. Đặt hai tin cạnh nhau sẽ thấy một hướng đi rõ: agent đang được đối xử như một nhân viên mới. Và với nhân viên mới, không ai trao chìa khóa kho, con dấu và mật khẩu ngân hàng ngay ngày đầu. Với doanh nghiệp nhỏ và vừa (SME) Việt Nam, những việc dễ giao cho agent nhất lại thường là những việc có nút "Gửi": trả lời khách, đặt lịch, điền hồ sơ, đăng bài, đặt hàng nhà cung cấp. Đó cũng chính là kiểu hành động agent dễ làm quá tay. Doanh nghiệp nhỏ nên làm gì trong tháng này? Lập danh sách "nút đỏ": các hành động không rút lại được, như gửi email cho khách, nộp hồ sơ cho cơ quan nhà nước, thanh toán, đăng công khai, xóa dữ liệu. Agent soạn sẵn, người bấm gửi. Tách tài khoản: cho agent tài khoản riêng, quyền tối thiểu, không dùng chung tài khoản của chủ doanh nghiệp. Có chuyện gì, bạn biết ngay ai đã làm gì. Bật nhật ký và đọc nó: mỗi tuần dành 15 phút xem agent đã làm gì, nhất là những lần nó "tìm đường khác" khi bị chặn. Đặt trần chi phí và trần số thao tác. Một agent chạy suốt đêm có thể tốn tiền và tạo ra hàng loạt hành động trước khi có người thức dậy. Thử trên môi trường tập trước: tài khoản thử, dữ liệu mẫu, email nội bộ. Chỉ chuyển sang hệ thống thật khi đã xem kỹ kết quả. Với người dẫn dắt đội nhóm Câu hỏi không còn là "nhân viên có dùng AI không" mà là "AI đang được phép làm gì nhân danh công ty". Hãy giao rõ một người chịu trách nhiệm cho mỗi agent, giống như phân công người kèm cặp nhân viên mới. Ít nhất, bạn cần biết agent của mình được bấm những nút nào. AI agent làm được nhiều hơn sau mỗi tháng. Việc của chúng ta là quyết định nó được phép làm đến đâu. Nguồn: Anthropic, Investigating unintended model actions (9/10/2026) - https://www.anthropic.com/news/investigating-unintended-model-actions Google Cloud, Welcome to Gemini at Work 2026 (8/10/2026) - https://cloud.google.com/blog/products/ai-machine-learning/welcome-to-gemini-at-work-2026

Trả lời ngắn: Từ ngày 8/10/2026, người dùng ChatGPT gói Free và Go đã được dùng GPT-6 (bản Luna); các gói trả phí dùng GPT-6 Sol từ ngày 7/10. Cùng tuần, Anthropic ra Claude Haiku 5.5 với giá rẻ hơn khoảng 75% so với Haiku 4.5. AI ở mức "đủ dùng" đang rẻ đi rất nhanh. Với doanh nghiệp nhỏ và vừa (SME), câu hỏi không còn là "có nên dùng AI không" mà là "trả tiền cho phần nào thì đáng". Chuyện gì vừa xảy ra? Ngày 7/10/2026, OpenAI công bố GPT-6 trở thành mô hình (model) mặc định trong tab Chat của ChatGPT, sản phẩm mà theo OpenAI có hơn 1,2 tỷ người dùng mỗi tuần. Các gói Plus, Pro, Business và Enterprise nhận GPT-6 Sol; gói Free và Go nhận GPT-6 Luna từ ngày hôm sau. Các mô hình phía sau chế độ Work và Codex không thay đổi. Bài công bố không nêu giới hạn sử dụng cho gói miễn phí. Thay đổi dễ thấy nhất là "Intelligent UI" (giao diện thông minh): câu trả lời không chỉ là chữ mà có thể kèm nút bấm, biểu mẫu (form), biểu đồ, thậm chí một công cụ nhỏ dựng ngay trong cuộc trò chuyện, ví dụ máy tính tiết kiệm hay công cụ chia hoá đơn. Theo OpenAI, GPT-6 Instant bắt đầu trả lời các câu cần tìm kiếm web nhanh hơn trung bình 44% so với GPT-5.6 Instant. Cũng ngày 7/10, Anthropic ra Claude Haiku 5.5, mô hình nhỏ dành cho người xây công cụ trên API. Giá: 0,10 USD cho 1 triệu token đầu vào và 0,50 USD cho 1 triệu token đầu ra (với yêu cầu đến 100.000 token), so với 1 USD và 5 USD của Haiku 4.5. Anthropic cho biết tính trung bình mức giá mới rẻ hơn khoảng 75%. Trên bài kiểm tra OSWorld 2.1 (đo khả năng tự thao tác máy tính, phần offline), Haiku 5.5 đạt 72,4%, so với 15,7% của Haiku 4.5. Vì sao người đi làm và chủ doanh nghiệp nên để ý? Hai tin này cùng chỉ về một hướng: phần trí tuệ "phổ thông" của AI đang rẻ đi rất nhanh. Người dùng miễn phí hôm nay được dùng một thế hệ mô hình mới. Còn chi phí để chạy một tác tử AI (AI agent) làm các việc lặp lại như tóm tắt, phân loại, trả lời câu hỏi thường gặp có thể giảm mạnh. Có thể rút ra ba hệ quả: Khoảng cách giữa bản miễn phí và bản trả phí đang hẹp lại ở nhiều việc hằng ngày. Một số tài khoản trả phí trong công ty có thể đang dư, hoặc ngược lại, đang được dùng chưa tới. Lợi thế không còn nằm ở chỗ "có AI", mà ở chỗ biết giao đúng việc và kiểm tra kết quả. Doanh nghiệp nhỏ có thể tự dựng công cụ AI nhỏ với chi phí thấp hơn trước, thay vì chỉ mua phần mềm tính tiền theo đầu người. Doanh nghiệp nhỏ nên làm gì trong tháng này? Kiểm kê tài khoản AI trả phí: ai đang dùng, dùng cho việc gì, bao nhiêu lần mỗi tuần. Cho một nhóm nhỏ thử bản miễn phí trong 2 tuần với cùng loại việc rồi so kết quả. Trả tiền cho thứ tạo khác biệt: hạn mức sử dụng, quyền quản trị, bảo mật dữ liệu, tích hợp với hệ thống của công ty. Đừng trả tiền chỉ vì "bản mới". Chọn 1-2 việc lặp lại nhiều nhất (trả lời khách, tóm tắt cuộc họp, phân loại email) và thử giao cho AI, có người kiểm duyệt trước khi gửi đi. Viết quy tắc dùng AI dài một trang: dữ liệu nào không được đưa vào công cụ miễn phí, ai chịu trách nhiệm kiểm lại kết quả. Nếu đội có người biết lập trình, tính lại chi phí API với các mô hình nhỏ vừa ra: nhiều ý tưởng trước đây "đắt quá" có thể đã nằm trong ngân sách. Với người dẫn dắt đội nhóm Khi công cụ rẻ đi, nút thắt chuyển sang con người: ai biết đặt câu hỏi đúng, ai biết nghi ngờ một câu trả lời nghe rất trôi chảy, ai biết biến một mẹo cá nhân thành quy trình chung cho cả đội. Đó là năng lực cần đầu tư, và nó không nằm trong gói thuê bao nào. AI rẻ đi không tự làm bạn giỏi lên. Cách bạn dùng nó mới làm được điều đó. Nguồn: OpenAI - GPT-6 for everyone (7/10/2026) - https://openai.com/index/gpt-6-for-everyone/ Anthropic - Claude Haiku 5.5 (7/10/2026) - https://www.anthropic.com/claude-haiku-5-5 Bài viết mang tính thông tin, không phải tư vấn tài chính hay đầu tư.

Người làm nhập liệu văn phòng muốn chuyển sang chăm sóc người cao tuổi gần như phải bắt đầu lại từ đầu. Ngoài sự cẩn thận và tính kiên nhẫn, rất ít kỹ năng cũ dùng được ở nghề mới. Người trợ lý văn phòng muốn làm quản lý dự án thì khác: họ đã có sẵn 58% số kỹ năng nghề mới cần. Con số 58% này nằm trong báo cáo Workforce in Motion (Lực lượng lao động đang dịch chuyển) mà Viện Toàn cầu McKinsey công bố ngày 29/9/2026, và khoảng cách giữa hai trường hợp giải thích vì sao cùng một làn sóng AI, có người chuyển nghề trong vài tháng, có người mất vài năm. Báo cáo ước tính khoảng 11 triệu người lao động Mỹ có thể phải đổi hẳn nghề trước năm 2035, với nhịp khoảng 770.000 người mỗi năm, gấp 3,6 lần mức trung bình trong lịch sử. Nhưng phần đáng đọc nhất của báo cáo là phần về kỹ năng, vì kỹ năng là thứ quyết định con đường chuyển đổi từ nghề cũ sang nghề mới ngắn hay dài. McKinsey không xem kỹ năng là một danh sách dài ngang hàng nhau. Họ chia kỹ năng thành ba tầng, mỗi tầng tạo ra giá trị theo một cách khác nhau. Hiểu được ba tầng đó, người đi làm sẽ biết nên đầu tư thời gian học vào đâu, thay vì học dàn trải theo xu hướng. Ba tầng kỹ năng, ba cách tạo giá trị Tầng thứ nhất là kỹ năng nền tảng (Essential), gồm giải quyết vấn đề, lãnh đạo, giao tiếp, quản lý con người và quy trình, và sự tỉ mỉ trong từng chi tiết. Theo McKinsey, hơn 75% số nghề ở Mỹ cần đến nhóm kỹ năng này. Chúng ít khi tự mang lại mức lương cao, nhưng mở rộng số công việc bạn có thể vươn tới. Khi một nghề thu hẹp, đây là phần năng lực bạn mang sang nơi khác được mà không bị mất giá. Tầng thứ hai là kỹ năng nâng bậc (Enabling), gồm đổi mới sáng tạo, tạo ảnh hưởng, ra quyết định, hợp tác và tư duy phản biện. Những kỹ năng này dùng được ở nhiều nghề, nhưng tập trung ở các vị trí trả lương cao. Ở nhóm nghề thu nhập cao nhất có yêu cầu các kỹ năng này, mức lương trung bình vượt 83.000 USD mỗi năm. Nếu lớp nền tảng giúp bạn bước vào được nhiều nghề, thì lớp này quyết định bạn đứng ở bậc nào trong nghề đó. Tầng thứ ba là kỹ năng tự làm mới (Empowering), gồm thành thạo AI, tinh thần sẵn sàng học hỏi, sự bền bỉ, khả năng thích ứng và óc tò mò. Đây là nhóm kỹ năng giúp người lao động theo kịp khi công nghệ và cách làm việc thay đổi. Kể từ năm 2022, nhu cầu về nhóm này đã tăng từ 3 đến 11 lần, nhanh nhất trong ba tầng. Chúng không phải kỹ năng học một lần là xong, mà là thứ giữ cho hai tầng còn lại không bị lỗi thời. Báo cáo đo kỹ năng như thế nào, và tìm thấy gì? McKinsey không hỏi người lao động họ giỏi gì. Họ đọc hàng triệu tin tuyển dụng trên Lightcast, một nền tảng dữ liệu thị trường lao động, rồi ghi nhận những kỹ năng xuất hiện trong hơn 5% số tin tuyển dụng của mỗi nghề. Sau đó, họ dùng kỹ thuật nhúng ngữ nghĩa (semantic embedding) để đo mức độ giống nhau giữa bộ kỹ năng của nghề cũ và nghề mới. Con số cuối cùng trả lời một câu hỏi rất thực tế: nghề đang làm đã trang bị sẵn bao nhiêu phần trăm những gì nghề mong muốn cần. Từ cách đo đó, báo cáo đưa ra năm phát hiện về kỹ năng. Nghề đang tăng trưởng cần nhiều kỹ năng hơn hẳn. Trung bình, nhà tuyển dụng Mỹ tìm 64 kỹ năng khác nhau trong một tin tuyển dụng. Ở các nghề đang tăng, con số này là 68. Ở các nghề đang thu hẹp, chỉ 47. Nghề mới đòi hỏi gấp rưỡi, và 84% nghề đang tăng yêu cầu học vấn sau phổ thông, so với 45% ở nghề đang giảm. Mức độ trùng lặp kỹ năng quyết định độ dài con đường. Ba ví dụ trong báo cáo cho thấy rõ điều này: Từ rửa bát sang hộ lý chăm sóc tại nhà: trùng 20%. Người lao động phải học các kỹ năng mới hoàn toàn như hỗ trợ bệnh nhân và đo dấu hiệu sinh tồn, dù khoá đào tạo chứng chỉ chỉ mất khoảng một tháng. Từ đóng gói sang thợ gia công sản xuất: trùng 52%, kèm mức tăng lương đáng kể. Phần còn thiếu chủ yếu là kỹ năng chế tạo và lắp ráp. Từ trợ lý văn phòng sang quản lý dự án: trùng 58%, một trong những mức tăng lương lớn nhất trong các ví dụ. Nhưng nghề đích yêu cầu bằng cử nhân và chứng chỉ quản lý dự án. Ví dụ thứ ba cho thấy một điều quan trọng: có sẵn nhiều kỹ năng vẫn chưa đủ, nếu thiếu tấm bằng chứng minh những kỹ năng đó. Kỹ năng nền tảng là bệ đỡ cho việc di chuyển. Báo cáo viết rằng nhóm kỹ năng này là "nền móng của sự dịch chuyển lực lượng lao động, vì chúng giúp người lao động chuyển đổi giữa các nghề dễ dàng hơn". Một nhân viên bán lẻ giỏi quan hệ khách hàng, giải quyết vấn đề và tỉ mỉ có thể chuyển sang chăm sóc, điều phối hành chính hay vận hành. Kỹ năng nâng bậc mở cửa lên công việc giá trị cao. Ra quyết định, đổi mới và tư duy phản biện tập trung ở các công việc lương cao, và dẫn sang điều phối, vận hành kinh doanh, dẫn dắt dự án. Kỹ năng tự làm mới tăng nhanh nhất, nhưng tăng lệch nhau. Từ 2022 đến 2026, nhu cầu về thành thạo AI tăng khoảng 11 lần, khả năng thích ứng tăng khoảng 5 lần, còn tinh thần sẵn sàng học hỏi, sự bền bỉ và óc tò mò tăng khoảng 3 lần. Báo cáo nhận xét khoảng cách giữa năm kỹ năng này "đang nới rộng chứ không thu hẹp". Và họ nhấn mạnh: "thành thạo AI không phải là đích đến, mà là một năng lực được các kỹ năng khác nâng đỡ, và phải liên tục được làm mới khi công nghệ AI thay đổi". Ba tầng kỹ năng là ba loại tài sản Cách dễ hiểu nhất để đọc khung của McKinsey là xem kỹ năng như một danh mục đầu tư. Mỗi tầng kỹ năng giống một loại tài sản, và mỗi loại đóng một vai trò mà loại khác không thay thế được. Kỹ năng nền tảng là tính thanh khoản. Chúng không tự động mang lại mức lương cao, nhưng được hơn 75% số nghề chấp nhận. Khi một nghề thu hẹp, đây là phần vốn bạn mang sang được nơi khác mà không bị mất giá. Kỹ năng nâng bậc là lợi suất. Chúng tập trung ở các nghề có thu nhập trung bình trên 83.000 USD/năm. Đây là phần vốn quyết định bạn được trả thu nhập bao nhiêu. Kỹ năng tự làm mới là khả năng chống mất giá. Chúng không phải thứ bạn "có" rồi để đó, mà là thứ giữ cho hai lớp còn lại không lỗi thời khi công nghệ thay đổi. Một danh mục chỉ có một loại tài sản thì dễ vỡ. Người có nền tảng vững nhưng thiếu kỹ năng nâng bậc sẽ chuyển nghề được, nhưng thường chuyển ngang. Người có kỹ năng nâng bậc nhưng thiếu kỹ năng tự làm mới sẽ đứng vững một thời gian, rồi chậm dần khi cách làm việc thay đổi. Từ đó, có năm điều đáng suy ngẫm. Thứ nhất, những kỹ năng nghe "cũ" nhất lại đi xa nhất. Giải quyết vấn đề, giao tiếp, lãnh đạo không phải chủ đề gây chú ý trên mạng xã hội. Nhưng chính những kỹ năng này giúp một nhân viên bán lẻ có đường sang ba ngành khác nhau. Trong lúc nhiều người dồn sức học công cụ mới, phần nền móng này dễ bị xem nhẹ nhất. Thứ hai, nghề mới là phép cộng chứ không phải phép thay thế. Khoảng cách từ 47 lên 68 kỹ năng cho thấy nghề đang tăng không bỏ đi những gì nghề cũ cần, mà xếp chồng thêm. Một quản lý dự án vẫn cần sự tỉ mỉ của một trợ lý văn phòng, cộng thêm khả năng ra quyết định và tạo ảnh hưởng. Vì vậy, đường lên nghề tốt hơn thường là đường tích luỹ, không phải đường làm lại từ đầu. Thứ ba, thị trường đang "mua" công cụ nhanh hơn nền móng để dùng công cụ. Nhu cầu về thành thạo AI tăng 11 lần, còn sẵn sàng học hỏi và tò mò chỉ tăng 3 lần. Nếu đúng như McKinsey nói rằng thành thạo AI được các kỹ năng khác nâng đỡ, thì khoảng cách này là một rủi ro. Người chỉ học cách dùng một công cụ cụ thể sẽ phải học lại từ đầu mỗi khi công cụ đổi. Người có thói quen học hỏi và óc tò mò thì chuyển sang công cụ mới nhanh hơn nhiều. Thứ tư, kỹ năng chỉ được tính khi nó được nhìn thấy. Toàn bộ phân tích của McKinsey dựa trên những gì nhà tuyển dụng viết trong tin tuyển dụng. Người trợ lý văn phòng có sẵn 58% kỹ năng của quản lý dự án vẫn bị chặn lại vì thiếu bằng cấp. Những kỹ năng bạn có nhưng không gọi tên đúng ngôn ngữ của nhà tuyển dụng, không có chứng chỉ hay sản phẩm để chứng minh, sẽ không được tính vào con đường của bạn. Thứ năm, kỹ năng nâng bậc thường chỉ lớn lên khi được giao quyền. Ra quyết định, tạo ảnh hưởng hay đổi mới rất khó học qua sách vở. Chúng hình thành khi một người được trao quyết định thật và chịu trách nhiệm về kết quả. Điều này có thể giúp giải thích một con số khác trong báo cáo: chỉ 10% người thuộc nhóm lương thấp nhất có con đường chuyển nghề thẳng, so với 40% ở nhóm lương cao nhất. Nhiều công việc lương thấp hiếm khi trao cho người làm quyền quyết định, nên họ ít có cơ hội tích luỹ đúng lớp kỹ năng dẫn lên nghề tốt hơn. Đây là cách đọc của bài viết, không phải kết luận của McKinsey. Người đi làm nên làm gì với từng tầng kỹ năng? Kiểm kê danh mục kỹ năng hiện tại theo ba lớp. Lấy một tờ giấy chia ba cột: nền tảng, nâng bậc, tự làm mới. Ghi vào mỗi cột những kỹ năng bạn đã dùng thật trong sáu tháng qua, kèm một ví dụ cụ thể cho mỗi kỹ năng. Cột nào trống hoặc chỉ có ví dụ mơ hồ là cột cần đầu tư trước. Giữ vững nền tảng bằng cách nhận việc buộc phải giao tiếp và giải quyết vấn đề. Đây là tầng mang lại nhiều lối ra nhất, vì hơn 75% số nghề cần đến nó. Hãy xin trình bày kết quả dự án trước lãnh đạo, nhận xử lý một khách hàng khó, hoặc điều phối một việc cần nhiều phòng ban cùng làm. Những việc này rèn nền tảng nhanh hơn bất kỳ khoá học nào. Chủ động xin quyền ra quyết định để xây tầng nâng bậc. Vì ra quyết định và tạo ảnh hưởng chỉ lớn lên khi được giao quyền, bạn cần tìm những việc nhỏ mà bạn được quyết định và chịu trách nhiệm về kết quả: một ngân sách nhỏ, một quy trình cần cải tiến, một đề xuất cần bảo vệ. Mỗi quyết định có kết quả đo được là một bằng chứng cho tầng kỹ năng đang được trả lương cao nhất. Học AI theo cách giữ được giá trị khi công cụ đổi. Thay vì học thuộc thao tác của một công cụ, hãy học cách chia một việc thành các bước, bước nào giao cho AI, bước nào cần con người kiểm tra. Mỗi khi có công cụ mới, thử nó trên cùng một việc quen thuộc và so kết quả. Cách học này rèn cùng lúc cả thành thạo AI lẫn sự tò mò và thích ứng, đúng những kỹ năng McKinsey nói phải đi cùng nhau. Biến kỹ năng thành thứ nhà tuyển dụng nhìn thấy được. Viết lại hồ sơ bằng đúng những từ nhà tuyển dụng đang dùng trong tin tuyển dụng của nghề đích, kèm số liệu chứng minh. Với những nghề bắt buộc phải có chứng chỉ, hãy bắt đầu lấy chứng chỉ khi còn đang đi làm, vì chính báo cáo cho thấy 58% kỹ năng sẵn có vẫn không đủ để vượt qua yêu cầu bằng cấp. Chọn nghề mong muốn theo mức trùng lặp, không chỉ theo mức lương. Trước khi quyết định chuyển nghề, hãy đọc mười tin tuyển dụng của nghề mong muốn và đánh dấu những kỹ năng bạn đã có. Nếu phần đánh dấu chiếm hơn một nửa, bạn đang đứng trước một con đường ngắn. Nếu chỉ vài kỹ năng, hãy tính toán trước thời gian và tiền bạc cần để đi hết con đường đó. Nếu bạn đang quản lý đội ngũ, hãy nhớ rằng kỹ năng nâng bậc của nhân viên phần lớn được hình thành từ những quyết định bạn giao cho họ. Trao quyền không chỉ là cách quản lý, mà còn là cách đào tạo hiệu quả nhất cho lớp kỹ năng thị trường đang trả giá cao. Học sâu hơn, miễn phí Toàn bộ mười lăm kỹ năng trong ba lớp trên đã được tôi hệ thống hoá và hướng dẫn trong cuốn sách Go Global – Cẩm nang sống, làm việc và toả sáng toàn cầu. Mỗi kỹ năng cũng đều có một khoá học miễn phí trên Go Global Learning Hub để bạn bắt đầu ngay hôm nay. Tầng kỹ năng nền tảng Giải quyết vấn đề — Giải Quyết Những Vấn Đề Phức Tạp Lãnh đạo — Lãnh Đạo Không Cần Chức Danh Giao tiếp — Cách Nói Để Người Khác Thực Sự Hành Động Quản lý con người và quy trình — Quản Lý Tiến Độ & Cam Kết Thời Hạn Hiệu Quả Tỉ mỉ chi tiết — Chú Trọng Tiểu Tiết Tầng kỹ năng nâng bậc Đổi mới sáng tạo — Ý Tưởng Theo Yêu Cầu Tạo ảnh hưởng — Quản Trị Các Bên Liên Quan Ra quyết định — Năng Lực Phán Đoán & Ra Quyết Định Trong Kỷ Nguyên Bất Định Hợp tác — Cộng Tác Liên Phòng Ban Tư duy phản biện — Bắt Lỗi AI — Tư Duy Phản Biện Tầng kỹ năng tự làm mới Thành thạo AI — Làm Chủ AI Theo Cách Của Bạn Sẵn sàng học hỏi — Học Cách Học Suốt Đời Bền bỉ — Dẻo Dai Trước Sóng Gió Thích ứng — Bình Tĩnh Giữa Bất Định Tò mò — Nghệ Thuật Đặt Câu Hỏi Trong Kỷ Nguyên AI Trong nhiều năm, chúng ta quen hỏi "kỹ năng nào đang hot". Báo cáo của McKinsey gợi ý một câu hỏi khác: mỗi kỹ năng bạn đang học đóng vai trò gì trong danh mục của bạn. Kỹ năng nền tảng cho bạn nhiều lối ra. Kỹ năng nâng bậc cho bạn mức lương xứng đáng. Kỹ năng tự làm mới giữ cho hai lớp kia không mất giá.

Cuối tháng 9 vừa qua, giữa làn sóng tin tức dồn dập về trí tuệ nhân tạo, một báo cáo mang tên "Economic Scenarios for Transformative AI" (Các kịch bản kinh tế của AI chuyển đổi) được bộ phận nghiên cứu kinh tế của Anthropic công bố. Thay vì tuyên bố một con số duy nhất như cách phần lớn các dự báo vẫn làm, nhóm nghiên cứu chọn một hướng đi khiêm tốn và trung thực hơn: họ dựng một mô hình tương tác, rồi để nó chạy ra ba viễn cảnh tùy theo mức độ giỏi lên của AI và mức độ ứng dụng AI từ doanh nghiệp. Kết quả tạo ra ba bức tranh về tỷ lệ thất nghiệp của dân văn phòng đến năm 2030. Vấn đề là, ba con số cách nhau xa đến mức gần như mô tả ba thế giới không liên quan gì nhau. Kịch bản thứ nhất: khi AI chỉ là người phụ việc Ở viễn cảnh ôn hòa nhất, AI tiếp tục giỏi lên nhưng chỉ thay thế được công việc trí óc ở một phạm vi hẹp. Tỷ lệ thất nghiệp của dân văn phòng dừng ở 2,9%. Đây là thế giới quen thuộc nhất với chúng ta lúc này. AI đóng vai trò trợ lý soạn bản nháp, tóm tắt tài liệu, viết đoạn mã đầu tiên, dọn dữ liệu nhưng con người vẫn là người cầm lái. Quyết định cuối cùng, trách nhiệm, phán đoán trong những tình huống mập mờ — tất cả vẫn thuộc về con người. Ai biết dùng công cụ thì làm nhanh hơn, nhẹ đầu hơn, nhưng không ai vì cái công cụ đó mà mất đi chỗ đứng. Kịch bản thứ hai: khi ranh giới bắt đầu dịch chuyển Ở viễn cảnh mạnh hơn, năng lực của AI và tốc độ ứng dụng cùng tăng tốc, cho phép máy đảm đương nhiều phần việc trí óc hơn hẳn. Thất nghiệp cổ cồn trắng tăng lên 4,5%. Con số nghe vẫn nhỏ, nhưng cảm giác bên trong một công sở thì khác. Đây là thế giới của sự "định nghĩa lại": một số vị trí bị gộp vào nhau, một người nay làm phần việc trước đây của hai hoặc ba người có AI hỗ trợ. Doanh nghiệp tuyển ít hơn, mỗi vị trí mở ra có nhiều người tranh giành hơn, và những nấc thang thăng tiến vốn quen thuộc trở nên chật chội. Nó chưa phải là khủng hoảng, nhưng là một thị trường bị siết lại, nơi người chịu học, chịu dịch chuyển vẫn xoay xở được, còn người đứng yên thì không cách nào tìm thấy lới đi. Kịch bản thứ ba: con số khiến cả thế giới ngỡ ngàng Thứ ba là viễn cảnh cực đoan. AI tiến bộ đặc biệt nhanh và có thể thay thế một lượng rất lớn công việc trí óc. Tỷ lệ thất nghiệp của lao động văn phòng chạm 17,9% nghĩa là cứ mỗi 5 người làm quản lý, chuyên môn, kỹ thuật, bán hàng và văn phòng thì có 1 người mất việc làm. Để hình dung mức độ, đây là tỷ lệ thất nghiệp vượt qua mọi kỷ lục của thời kỳ hậu Thế chiến. Nó không còn là chuyện "một ngành nào đó bị ảnh hưởng", mà là một sự xáo trộn trên diện rộng, chạm đến chính tầng lớp lâu nay vẫn tin rằng bằng cấp và công việc bàn giấy là chỗ trú ẩn an toàn nhất. Đây là con số đang được chia sẻ khắp nơi, và cũng là con số dễ bị đọc sai nhất. Điều ít ai đọc kỹ: miếng bánh to hơn, nhưng phần của người làm công nhỏ lại Nhưng ngay cả trong kịch bản tệ nhất, báo cáo không hề mô tả một nền kinh tế sụp đổ. Ngược lại, quy mô kinh tế vẫn phình to lên. Của cải được tạo ra nhiều hơn chứ không hề ít đi. Vấn đề nằm ở chỗ của cải đó chảy về đâu. Hôm nay, cứ mỗi đồng giá trị kinh tế được tạo ra, người lao động nhận về khoảng 60%, nhà đầu tư, người nắm công nghệ nhận về 40%. Trong kịch bản cực đoan, cán cân này đảo chiều đáng kể: phần của người lao động rơi xuống còn 45,2%, trong khi nhà đầu tư thu về 54,8%, một sự dịch chuyển gần 15 điểm phần trăm từ túi người đi làm thuê sang túi người sở hữu. Đây mới là thông điệp thật sự của báo cáo, ẩn dưới con số 17,9% gây sốc. Nỗi lo lớn nhất không hẳn là "AI cướp việc của tôi". Nỗi lo sâu hơn là: phần thưởng của nền kinh tế đang lặng lẽ dịch chuyển khỏi hầu bao của những người bán sức lao động và bán giờ công, để dồn về phía những người sở hữu kết quả. Chiếc bánh lớn hơn, nhưng người đứng xếp hàng với chiếc đĩa trên tay lại được chia ít đi. Ba kịch bản, không phải một lời tiên tri Trước khi ai đó kịp hoảng loạn hoặc kịp phủ nhận, cần nhớ kỹ một điều: đây là kịch bản từ một mô hình, không phải dự báo chắc chắn. Chính nhóm nghiên cứu nhấn mạnh rằng giá trị của công trình nằm ở cái khoảng giữa 2,9% và 17,9%, không ở bất kỳ con số đơn lẻ nào. Họ thậm chí công khai mô hình tương tác để ai cũng có thể tự chỉnh các giả định và xem kết quả đổi theo. Nhưng nếu khoảng cách giữa hai đầu rộng đến vậy, thì điều gì đẩy chúng ta về phía đầu này thay vì đầu kia? Phần lớn là lựa chọn — tốc độ và cách doanh nghiệp triển khai AI, các quyết định chính sách, hệ thống giáo dục và đào tạo lại, và cả cách từng người trong chúng ta chuẩn bị. Nói cách khác, 2030 không phải một bản án đã tuyên. Nó là một dải xác suất mà hành động hôm nay đang âm thầm kéo về một phía. Vì thế, câu hỏi hữu ích nhất cho một người đi làm không phải là “kịch bản nào sẽ xảy ra”. Không ai có thể trả lời chắc chắn. Câu hỏi đúng là: dù kịch bản nào xảy ra, hôm nay tôi nên chuẩn bị gì để không trở thành người chịu thiệt? Năm việc nên làm ngay hôm nay — đúng trong cả ba ngữ cảnh Điểm hay của cách tư duy theo kịch bản là nó giúp ta tìm ra những nước đi "không hối tiếc”, những việc có lợi dù tương lai nào đến. Có năm việc như thế. Thứ nhất, bắt đầu dịch chuyển bản thân về phía sở hữu. Nếu xu hướng lớn là phần thưởng chảy về phía vốn, thì bài học cá nhân là đừng để toàn bộ thu nhập của mình phụ thuộc vào việc bán giờ công. Hãy gây dựng một phần giá trị không tính theo giờ: một kỹ năng khan hiếm có thể ra giá cao, một tài sản tạo ra thu nhập, một phần sở hữu trong kết quả mình làm ra. Dù khởi đầu nhỏ, hướng đi mới là điều quan trọng. Thứ hai, trở thành người dùng AI giỏi nhất trong phòng, nhưng khuếch đạo thứ AI không thay thế được. Trong mọi kịch bản, người biến AI thành đòn bẩy đều ở thế tốt hơn người né tránh nó. Song song đó, hãy đầu tư vào những năng lực mà máy khó thay thế như khả năng phán đoán khi dữ kiện chưa rõ, xây dựng quan hệ, sẵn sàng nhận trách nhiệm cho một quyết định. Thứ ba, xây "vốn" của riêng mình theo nghĩa rộng nhất. Uy tín nghề nghiệp, mạng lưới quan hệ, danh tiếng cá nhân — đó là loại tài sản không nằm trong bảng lương và không dễ bị xóa sổ trong một đợt tái cấu trúc. Đây là thứ vốn mà ngay cả thị trường khắc nghiệt nhất cũng khó tịch thu của bạn. Thứ tư, giảm độ mong manh về tài chính. Một quỹ dự phòng dày hơn, bớt lệ thuộc vào đúng một nguồn thu nhập, là tấm đệm cho bất kỳ cú sốc nào. Nghịch lý là người có đường lùi lại chính là người dám tiến — dám từ chối, dám chọn, dám chờ cơ hội đúng thay vì chộp lấy cơ hội đầu tiên vì sợ. Thứ năm, học cái mang đi được, đừng chỉ học cái gắn với một chiếc ghế. Kỹ năng thuộc riêng về một quy trình, một công cụ, một vị trí sẽ biến mất cùng vị trí đó. Năng lực chuyển đổi được — tư duy hệ thống, giao tiếp, khả năng học nhanh cái mới — thì theo bạn sang bất kỳ chỗ làm nào, trong bất kỳ kịch bản nào. Điểm đáng giá nhất của một báo cáo dựng kịch bản không phải là nó cho ta biết tương lai. Mà là nó trả lại cho ta cảm giác mình có phần trong tương lai đó. Bạn không chọn được 2030 nào sẽ tới. Nhưng bạn lựa chọn được vị thế cá nhân dù kịch bản có là gì. Và lựa chọn ấy không bắt đầu vào năm 2030. Lựa chọn ấy bắt đầu từ hôm nay. Nguồn: báo cáo "Economic Scenarios for Transformative AI", bộ phận nghiên cứu kinh tế của Anthropic, tháng 9/2026.

Bạn vẫn làm xong việc. Đúng hạn, đủ chất lượng, không ai phàn nàn. Chỉ là bạn không giơ tay nữa. Trong cuộc họp tuần trước, bạn có một ý hay hơn ý đang được bàn. Bạn không nói. Không phải vì sợ, cũng không phải vì giận. Chỉ là bạn đã nhẩm rất nhanh trong đầu: nếu nói ra, kết quả nhiều khả năng nhất là bạn nhận thêm việc. Và chỉ có thế. Người ta gọi trạng thái này là coasting — trôi theo quán tính. Làm đủ, không cố thêm. Quiet quitting là một tuyên ngôn — người ta vạch một đường ranh và cố ý lùi về sau nó, thường kèm theo chút giận dữ. Coasting im lặng hơn. Nó là việc rút lại phần nỗ lực tự nguyện, phần không ai yêu cầu, không ai đo lường, không có trong mô tả công việc, phần khiến một người trở nên đáng nhớ. Và vì phần đó chưa bao giờ được đo, nên khi nó biến mất, không hệ thống đánh giá nào phát hiện ra. Bảng KPI vẫn xanh. Người ta vẫn được đánh giá "đạt yêu cầu". Đó là lý do coasting lan rộng nhưng gần như không ai bấm chuông. Vậy chuyện gì đã xảy ra? Có một cỗ máy đã chạy suốt mười, hai mươi năm, và năm nay nó dừng chọn dừng lại. Cỗ máy đó rất đơn giản: bạn làm tốt hơn mức yêu cầu, có người để ý, thị trường bên ngoài trả giá cao hơn cho bạn, và bạn dùng cái giá đó — hoặc để đi, hoặc để đàm phán ở lại. Nỗ lực thêm được quy đổi thành tiền và vị trí, thông qua cánh cửa bên ngoài. Năm 2025 và 2026, cánh cửa đó đóng lại. Trong khảo sát của ResumeBuilder, hơn 80% người đang ôm chặt lấy công việc thừa nhận họ lo mình sẽ là người bị cắt đầu tiên nếu chuyển sang chỗ mới. Sợ không đủ giỏi để đi, nên ở lại. Ở lại mà không cố thêm, nên không giỏi thêm. Không giỏi thêm, nên năm sau càng sợ hơn. Ở Việt Nam, coasting có hình dạng khác. Khảo sát của TopCV trên 3.000 doanh nghiệp và người lao động trong quý III/2025 cho thấy Gen Z vẫn dẫn đầu về nhảy việc với 35,7%, cao hơn hẳn Gen Y và Gen X. Người trẻ Việt Nam vẫn di chuyển. Nhưng phía tuyển dụng thì đang thắt lại. Theo báo cáo lương Talentnet–Mercer, chỉ 35% doanh nghiệp có kế hoạch tuyển thêm trong năm 2026, 47,7% không mở rộng nhân sự, và 6,7% dự kiến cắt giảm. Và đây là con số đáng suy nghĩ nhất trong cả bài. Cũng theo khảo sát TopCV, Gen X là nhóm bị cắt giảm nhiều nhất với 19,05%. Trong số những người bị cắt giảm, chỉ khoảng 4% tìm lại được việc đúng chuyên môn, khoảng 8% chấp nhận làm trái ngành, và khoảng 66% vẫn đang tìm việc. Ghép hai bức tranh này lại thì phiên bản Việt Nam của coasting lộ ra, và nó tinh vi hơn phiên bản phương Tây. Ở đó, người ta không ôm chặt lấy một công việc. Người ta di chuyển liên tục nhưng mỗi lần di chuyển chỉ đổi chỗ ngồi, đổi mức lương thêm mười lăm phần trăm, đổi cái tên trên danh thiếp. Không đổi năng lực. Nhìn từ ngoài, đó là một hồ sơ năng động. Nhìn từ bên trong, đó là mười năm coasting được ngụy trang bằng sự dịch chuyển. Rồi tới tuổi bốn mươi lăm, thị trường hỏi đúng một câu mà mười năm nhảy việc không trả lời được: bạn giỏi cái gì mà người khác không giỏi? Con số 19,05% và con số 4% ở trên chính là câu trả lời tập thể cho câu hỏi đó. Vậy phải làm sao trong bối cảnh chung này? 1. Đặt ngày hết hạn cho quãng coasting của bạn. Coasting có chủ đích trong sáu tháng — sau một năm kiệt sức, khi con còn nhỏ, khi đang học thêm buổi tối — là một quyết định phân bổ nguồn lực hoàn toàn hợp lý. Coasting không có ngày hết hạn thì không còn là quyết định, nó là quán tính. Mở lịch ra, chọn một ngày cụ thể, đặt lịch nhắc. Đến ngày đó thì xem lại. 2. Đổi chỗ đặt nỗ lực, đừng giảm mức độ nỗ lực. Nếu nỗ lực thêm ở công ty hiện tại không quy đổi được nữa, thì vấn đề nằm ở kênh quy đổi chứ không nằm ở nỗ lực. Chuyển phần nỗ lực đó sang thứ vẫn còn quy đổi được, ví dụ như học một kỹ năng mới, tạo một sản phẩm mang tên bạn, xây dựng một mạng lưới bên ngoài công ty. 3. Giữ một hồ sơ bằng chứng sống. Mỗi tháng, ba dòng: tháng này mình làm được gì, đo bằng con số nào, ai xác nhận được. Mất năm phút. Khi thị trường lao động cửa mở lại — và nó sẽ mở đột ngột — người đi trước không phải người có thâm niên dài nhất, mà là người có bằng chứng sẵn sàng nhất. Người còn lại sẽ mất ba tuần chỉ để nhớ ra mình đã làm gì trong hai năm qua. 4. Sáu tháng một lần, kiểm tra khả năng ra đi — kể cả khi không định đi. Cách làm cụ thể: đọc năm tin tuyển dụng cho vị trí cao hơn bạn một bậc, gạch chân những yêu cầu bạn chưa đáp ứng. Danh sách gạch chân đó chính là kế hoạch học của sáu tháng tới. Đây không phải là chuẩn bị nghỉ việc. Đây là đo xem mình có còn lựa chọn hay không và biết mình có lựa chọn là thứ thay đổi hoàn toàn cách bạn ngồi trong một cuộc họp. 5. Hỏi sếp một câu thẳng thắn về đường quy đổi. Nguyên văn để bạn dùng: "Em muốn hỏi rõ một chuyện. Trong mười hai tháng tới, nếu em làm tốt hơn mức được yêu cầu, thì cái gì sẽ khác đi? Em vẫn sẽ làm, nhưng em muốn biết để tính đúng." Câu trả lời sẽ cho bạn nhiều thông tin hơn mọi buổi đánh giá cuối năm. Nếu hỏi ba lần trong một năm mà vẫn không có câu trả lời nào cụ thể, thì đó cũng là một câu trả lời. 6. Nếu bạn đang quản lý một đội đang coasting, đừng gọi đó là thái độ. Coasting của một đội thường là bản báo cáo trung thực nhất về hệ thống khen thưởng của chính bạn. Câu hỏi để tự soi: trong mười hai tháng qua, một người làm vượt mức đã nhận được gì mà người làm vừa đủ không nhận được? Nếu câu trả lời trung thực là "thêm việc", thì đội của bạn không hỏng. Họ chỉ đang tính đúng, và bạn là người ra đề. Nhưng không phải mọi trường hợp làm vừa đủ đều là vấn đề. Có những người giữ công việc ở mức đủ tốt để dồn phần còn lại cho con nhỏ, cho cha mẹ đang bệnh, cho một thứ họ đang xây dựng bên ngoài. Đó là phân bổ nguồn lực có ý thức, và nó đáng được tôn trọng chứ không phải sửa chữa. Thứ biến coasting thành vấn đề không phải bản thân việc hạ ga, mà là hạ ga mà hạ ga không theo lựa chọn. Và bài này cũng không giúp được tất cả. Với 61,7% người có việc làm ở Việt Nam đang làm việc phi chính thức, lời khuyên "giữ nỗ lực để chờ cửa mở" là lời khuyên của người có lưới đỡ. Người làm hai việc để đủ sống không coasting — họ đang tồn tại, và đó là hai chuyện hoàn toàn khác nhau. Với họ, câu hỏi thật không phải "làm sao để cố thêm", mà là "làm sao để có thêm một lựa chọn nữa”. Nhưng với số đông đang ở khoảng giữa, có một điều đáng nhớ: thứ đóng băng là thị trường, không phải bạn. Bạn không mất năng lực. Bạn chỉ đang tạm thời không thấy nó được trả giá. Hai chuyện đó nhìn giống nhau trong một năm, và khác nhau rất xa trong năm năm. Coasting có thể là câu trả lời đúng cho câu hỏi của năm nay. Vấn đề là sang năm, thị trường sẽ hỏi một câu hỏi khác mà bạn chưa chuẩn bị.

Báo cáo Workplace Well-Being 2026 của Gies College of Business (Đại học Illinois), công bố ngày 4/2/2026 trên 2.000 người đi làm ở Mỹ, tìm ra một con số làm nhiều người giật mình: 61% người đi làm đang "lay lất" (languishing), và chỉ 39% thật sự "sống tốt & phát triển" (flourishing). Languishing — tạm dịch là uể oải, lay lất — không phải là một căn bệnh. Đó chính là điểm khiến nó khó bị nhận ra. Nhà xã hội học Corey Keyes, người đặt ra khái niệm này, mô tả sức khỏe tinh thần như một dải liên tục: một đầu là flourishing (tràn đầy sinh lực, thấy đời có ý nghĩa), đầu kia là trầm cảm. Languishing nằm ở khoảng trống chính giữa — nơi bạn không mắc bệnh gì, nhưng cũng chẳng còn sức sống. Nó là sự vắng mặt của cái tốt, chứ không phải sự hiện diện của cái xấu. Nói cách khác: bạn không rơi xuống vực. Bạn chỉ đang đứng trên một vùng đất phẳng lì, xám xịt, không dốc lên cũng chẳng dốc xuống. Và vì không có cú ngã nào rõ ràng, gần như không ai thấy mình có bệnh. "Không sao" không có nghĩa là an toàn. Đây mới là chỗ cần dừng lại. Người ta hay nghĩ: chưa bệnh thì chưa cần lo. Nhưng dữ liệu thì nói điều ngược lại. Trong số những người đang lay lất, 38% cho biết họ kiệt sức "rất thường xuyên", và 34% có ý định đi tìm việc mới trong vòng 12 tháng. Nghĩa là trạng thái tưởng như "vô hại" ấy đang âm thầm rút cạn năng lượng, và đẩy một phần ba người đi làm ra khỏi chỗ làm hiện hữu. Đứng lâu ở vùng xám đó, người ta dễ trượt dần về phía kiệt sức, mất kết nối, rồi mới đến những vấn đề nặng hơn. Nhận biết được nó sớm — khi mới chỉ là dấu hiệu “uể “oải chính là cơ hội tốt nhất để quay đầu, trước khi cần tới những can thiệp lớn hơn. Gallup, trong báo cáo State of the Global Workplace 2026, cho biết ở Việt Nam chỉ 9% người đi làm thật sự gắn kết (engaged) với công việc, 9%. Nghĩa là hơn chín trên mười người đi làm mỗi ngày đến chỗ làm, làm cho xong việc, rồi về. Không ghét bỏ, nhưng cũng chẳng thiết tha. Điều kỳ lạ về languishing là: chỉ riêng việc gọi đúng tên nó đã là một liều thuốc. Khi bạn biết cái cảm giác nhàn nhạt kéo dài này có tên, có nguyên nhân, và rất nhiều người cũng đang trải qua, nó không còn là "mình sao sao" nữa. Nó thành một thứ nhìn thấy được, gọi tên được, và vì thế, xử lý được. Nhưng gọi tên chỉ là bước đầu tiên. Cần làm gì để bước ra khỏi vùng xám? Đối nghịch với lay lất không phải là nghỉ ngơi, mà là những liều nhỏ của ba thứ: sự tiến bộ, ý nghĩa, và sự kết nối. Dưới đây là cách đưa chúng vào đời sống thường ngày. Mỗi ngày một chiến thắng nhỏ, thấy được. Lay lất sống nhờ cảm giác "ngày nào cũng như ngày nào". Cách phá nó là tạo ra một dấu tiến bộ mỗi ngày, dù bé xíu: học xong một kỹ năng mới, làm dứt điểm một việc treo lơ lửng đã lâu, cải thiện một quy trình. Cảm giác "hôm nay mình có hoàn thành” chính là thứ vùng xám đang thiếu thốn nhất. Nối lại một sợi dây kết nối với người khác. Languishing khiến người ta co lại, và càng co lại thì càng lay lắt. Cắt đứt sự mất kết nối này bằng một hành động kết nối rất nhỏ: một tin nhắn hỏi thăm thật lòng, một bữa trưa không nói chuyện công việc, mười phút gọi cho người bạn cũ. Không cần nhiều. Cần thật. Tìm lại ý nghĩa trong việc đang làm. Không phải ai cũng đổi được việc, nhưng gần như ai cũng có thể hỏi lại: việc mình đang làm giúp được ai, phần nào trong đó mình thấy đáng giá? Kéo sự chú ý về phần có ý nghĩa — dù nhỏ — cũng đủ thắp lại một chút lửa mà công việc lặp lại đã làm cho nó lụi tắt đi. Dành riêng một khoảng thời gian cho “trạng thái dòng chảy". Đó là những lúc bạn chìm hẳn vào một việc vừa đủ khó đến quên cả thời gian. Những khoảnh khắc ấy là liều thuốc giải bệnh lay lất mạnh nhất. Hãy dành riêng một khoảng thời gian trong tuần cho thứ khiến bạn thật sự đắm chìm vào — một dự án, một sở thích, một việc bạn làm chỉ vì thích. Trước khi bạn à ha và và tự dán cho mình cái nhãn "languishing", tự hỏi mình 3 cầu hỏi: Thứ nhất, và quan trọng nhất: lay lất không phải một chẩn đoán y khoa. Nó là một cách gọi tên một trạng thái, không phải một cái bệnh in trên giấy. Đừng nhầm nó với trầm cảm. Trầm cảm là một tình trạng sức khỏe thật sự, cần được nhìn nhận nghiêm túc và cần chuyên môn. Nếu điều bạn đang trải qua không chỉ là "nhạt", mà là buồn sâu, mất ngủ, mất hết hứng thú, thấy mình vô giá trị, kéo dài nhiều tuần thì đó đã vượt khỏi phạm vi của một bài viết trên mạng. Lúc đó, điều can đảm và đúng đắn nhất là tìm đến một chuyên gia sức khỏe tinh thần. Mấy "liều nhỏ" ở trên là để nhấc mình ra khỏi vùng xám, không phải để thay thế cho sự giúp đỡ chuyên môn khi bạn cần nó. Thứ hai, không phải lúc nào "ở giữa" cũng là vấn đề cần chỉnh sửa. Có những giai đoạn trong đời — sau một biến cố, giữa một mùa quá tải — mà "ổn ở mức vừa" đã là một thành tựu. Không phải ngày nào ta cũng phải flourishing. Đặt kỳ vọng phải-luôn-rực-rỡ lên chính mình đôi khi lại thành một áp lực mới. Hãy tử tế với bản thân. Thứ ba, cũng phải thành thật: một phần của languishing không nằm trong tay cá nhân. Một công việc bào mòn, một môi trường độc hại, một mức lương không đủ sống — những cái đó không "thiền" hay "chiến thắng nhỏ" nào chữa được. Có những vùng xám là do hệ thống, và lời giải của nó cũng phải ở tầm hệ thống. Đừng nhận hết về mình cái vốn không phải lỗi của mình. Nhưng trong phạm vi bạn kiểm soát được — sự chú ý, những sợi dây bạn chọn nối lại, những chiến thắng nhỏ bạn tự tạo ra — thì bạn đang có nhiều quyền hơn bạn tưởng. Vùng xám không kéo bạn xuống bằng một cú giật. Nó giữ bạn lại bằng cách khiến mọi thứ nhạt đến mức bạn quên mất bạn tan vào trong nó. Gọi đúng tên nó, rồi bước một bước nhỏ hôm nay, đó đã là bạn đang bước ra khỏi nơi đang kéo mình về phía xám.

Tên mới cho một cách làm không mới Suốt mấy chục năm, sự nghiệp được hình dung như một cái thang. Bắt đầu ở một vị trí thấp, làm tốt, leo lên một nấc, rồi thêm một nấc nữa. Chức danh cao hơn, đội ngũ lớn hơn, quyền quyết định nhiều hơn. Đích đến gần như đã được vẽ sẵn. Khác nhau chỉ là ai leo nhanh hơn, có chiến thuật hơn. Nhưng ngày càng nhiều người đang chọn một cách di chuyển khác. Tháng 9 này, công ty tuyển dụng Robert Half gọi tên xu hướng đó là wildflowering — có thể hiểu là “nở như hoa dại”. Thay vì bám vào một lộ trình nghề nghiệp thẳng đứng, người đi làm xây sự nghiệp quanh thế mạnh, mối quan tâm và những kỹ năng liên tục tiến hóa của mình. Theo cách này, thành công không nhất thiết nằm ở một chức danh mới. Nó có thể nằm ở việc giỏi hơn một kỹ năng, dẫn dắt một dự án lớn hơn, tạo ra nhiều tác động hơn hoặc mở rộng phạm vi ảnh hưởng mà không cần đổi title. Những con số đi kèm cho thấy đây không chỉ là một cách chơi chữ. Theo khảo sát của Robert Half, 89% người đi làm đang chủ động nâng cấp kỹ năng; gần một nửa đang phát triển kỹ năng AI; hơn một nửa cho biết cơ hội phát triển là động lực quan trọng để họ đi làm, thay vì chỉ nhắm đến một chức vụ cao hơn. Đáng chú ý, 28% cho biết AI đã làm thay đổi công việc hiện tại của họ, trong khi 16% muốn có người dẫn dắt nhưng chưa tìm được. Chiếc thang nghề nghiệp đang thay đổi. Nhưng câu hỏi là: chúng ta đang thật sự được tự do đi theo một con đường khác, hay chỉ đang học cách gọi một con đường ít bậc hơn bằng một cái tên đẹp hơn? Tự do, hay không còn thang để leo? Đây là chỗ cần nhìn thẳng vào hai sự thật cùng lúc. Sự thật thứ nhất: nhiều người thực sự không còn muốn leo. Họ nhìn chiếc ghế quản lý và thấy thêm những cuộc họp, thêm trách nhiệm, thêm áp lực, nhưng lại ít thời gian hơn để làm thứ mình giỏi và thích. Với họ, không lên quản lý không có nghĩa là thiếu tham vọng. Đó có thể là một lựa chọn rất có chủ đích. Sự thật thứ hai kém dễ chịu hơn. Trong nhiều tổ chức, cái thang đang thực sự bị rút bớt nấc. Các lớp quản lý trung gian mỏng đi. AI đảm nhiệm ngày càng nhiều đầu việc. Doanh nghiệp không còn mở thêm chức danh quản lý chỉ để tạo cảm giác “có đường thăng tiến”. Khi đó, “nở như hoa dại” đôi khi có thể trở thành một cái tên đẹp cho một thực tế không đẹp: không còn chỗ để lên, nên gọi việc đi ngang là phát triển. Cả hai điều này đều có thể đúng. Vấn đề không nằm ở việc đi lên hay đi ngang. Vấn đề là ai đang quyết định hướng đi đó. Nếu bạn chọn nó, đó là sự tự do lựa chọn. Nếu tổ chức chọn nó thay bạn, đó có thể chỉ là sự thiếu lựa chọn được đóng gói bằng một cái tên nghe rất hay. Vì sao chiếc thang đang mất dần sức hút? Có ít nhất ba ngoại lực đang cùng lúc làm thay đổi cách con người xây dựng sự nghiệp. Thứ nhất, AI đang viết lại mô tả công việc. Khi 28% người đi làm nói công việc của họ đã thay đổi vì AI, chuyên môn không còn là một khối kiến thức cố định để học một lần rồi dùng trong 20 năm. Kỹ năng có vòng đời ngắn hơn. Những gì hôm nay tạo ra lợi thế, ngày mai có thể trở thành tiêu chuẩn tối thiểu. Vì vậy, lợi thế ngày càng thuộc về những người học nhanh, học liên tục và biết chọn đúng thứ để học. Đường ngang — bước sang một lĩnh vực mới, học thêm một năng lực mới, kết hợp nhiều chuyên môn — vì thế có thể có giá trị không kém đường dọc. Thứ hai, cấu trúc tổ chức đang phẳng hơn. Ít tầng quản lý hơn đồng nghĩa với ít nấc thang truyền thống hơn. Khi không thể cứ hai năm lại thưởng một người giỏi bằng một chức danh mới, doanh nghiệp buộc phải nghĩ lại về khái niệm phát triển. Một người có thể lớn lên bằng cách dẫn một dự án quan trọng hơn, phụ trách một thị trường rộng hơn, trở thành chuyên gia sâu hơn hoặc tạo ảnh hưởng xuyên nhiều bộ phận mà không nhất thiết phải trở thành sếp. Thứ ba, chính thước đo thành công của người đi làm cũng đang thay đổi. Với nhiều người, thành công không còn mặc định đồng nghĩa với chức vụ. Làm chủ một kỹ năng. Tạo ra tác động thật. Có quyền tự chủ. Có thời gian cho gia đình và cuộc sống. Được làm công việc mình thấy có ý nghĩa. Những thứ đó ngày càng được đặt lên cùng bàn cân với một dòng chức danh mới trên LinkedIn. Tại Việt Nam, sự thay đổi này va vào một niềm tin rất lâu đời: thăng tiến = lên làm sếp. Người chọn đi sâu vào chuyên môn thay vì chuyển sang quản lý đôi khi vẫn bị nhìn như người thiếu tham vọng. Nhưng có thể đó chỉ là một dạng tham vọng khác. Không phải tham vọng cao hơn, mà là tham vọng giỏi hơn. Làm sao để “nở” có chủ đích, thay vì chỉ trôi dạt? Khác biệt giữa một người đang wildflowering và một người chỉ đang đứng yên không nằm ở việc họ có chức danh gì. Nó nằm ở chỗ người thứ nhất tự vẽ bản đồ phát triển của mình. 1. Vẽ bản đồ thế mạnh — và cập nhật nó mỗi năm. Chiếc thang cũ có sẵn đích đến. Con đường mới thì không. Hãy trả lời được ba câu hỏi: mình đang giỏi điều gì, muốn giỏi thêm điều gì và muốn tạo ra tác động ở đâu. Không có câu trả lời, “linh hoạt” rất dễ biến thành “không biết mình đang đi đâu”. 2. Chủ động xin việc khó thay vì chờ được giao. Trên thang cũ, tổ chức thường nói cho bạn biết nấc tiếp theo là gì. Trên đường ngang, không ai tự động đẩy bạn lên. Bạn phải tự giơ tay: xin một dự án liên phòng ban, nhận một bài toán chưa từng làm, thử một thị trường mới, hoặc đảm nhận một phần việc lớn hơn năng lực hiện tại một chút. Đó chính là stretch assignment — nhiệm vụ đủ khó để kéo năng lực của bạn sang một vùng đất mới. 3. Đừng chờ mentor xuất hiện. Hãy đi tìm. 16% người được khảo sát muốn có người dẫn dắt nhưng chưa tìm được. Một phần vấn đề có thể nằm ở cách chúng ta nghĩ về mentoring (cố vấn nghề nghiệp): cứ phải có ai đó “được chỉ định” làm mentor thì mới bắt đầu. Không nhất thiết. Một lời mời cà phê 30 phút với người mình muốn học hỏi đôi khi đã là điểm khởi đầu. 4. Học những kỹ năng bổ trợ cho AI, thay vì cạnh tranh trực tiếp với AI. Đừng chỉ hỏi: “AI làm được gì?” Hãy hỏi: “AI làm được việc này thì con người cần giỏi hơn ở đâu?” Phán đoán. Đặt câu hỏi. Kết nối các vấn đề. Làm việc xuyên chức năng. Giao tiếp. Dẫn dắt con người. Ra quyết định trong những tình huống chưa có đáp án. Càng nhiều AI, những năng lực này càng có giá trị. 5. Đổi thước đo thành công — nhưng phải thành thật với chính mình. Nếu bạn chọn đi sâu thay vì đi lên, hãy đo mình bằng độ thành thạo và tác động tạo ra, thay vì nhìn title của người khác rồi cảm thấy mình đang tụt lại. Đây là phần giải phóng nhất của wildflowering. 6. Nhưng đừng biến “phát triển ngang” thành cái cớ để đứng yên. Đây là ranh giới quan trọng nhất. Đi ngang vẫn phải đi kèm với năng lực tăng lên, phạm vi ảnh hưởng rộng ra và, một cách sòng phẳng, giá trị bạn nhận lại cũng phải tăng. Nếu năm này qua năm khác, bạn gọi đó là “linh hoạt” nhưng kỹ năng không tăng, ảnh hưởng không tăng, thu nhập không tăng và cơ hội cũng không mở rộng, thì đó không phải wildflowering. Đó là giậm chân tại chỗ, chỉ được đặt cho một cái tên dễ nghe hơn. Và nếu bạn là người đang dẫn dắt người khác? Wildflowering cũng buộc doanh nghiệp phải nghĩ lại về cách giữ chân người giỏi. Không phải ai cũng muốn được thưởng bằng một chức danh quản lý. Ba việc trở nên quan trọng hơn. Một là trao dự án kéo giãn và cơ hội làm việc xuyên phòng ban như một con đường phát triển chính thức, thay vì coi đó là phần thưởng ngẫu hứng. Hai là xây cơ chế mentoring, thay vì để những người cần người dẫn dắt tự bơi. Ba là thiết kế lại career path (lộ trình nghề nghiệp) để có cả nhánh chuyên gia, nhánh quản lý và những hướng phát triển khác. Một người có thể ở cùng một chức danh trong vài năm nhưng năng lực, phạm vi ảnh hưởng và giá trị tạo ra tăng lên rất nhiều. Ngược lại, một người có thể liên tục được thăng chức nhưng thực chất chỉ đang di chuyển lên trên trong một cấu trúc ngày càng hẹp. Người ở lại lâu không nhất thiết là người được hứa hẹn chức vụ cao nhất. Thường là người cảm thấy mình vẫn đang lớn lên. Chiếc thang không biến mất. Chỉ là nó không còn là con đường duy nhất. Wildflowering không phải là từ bỏ tham vọng. Nó là chuyển quyền định nghĩa thành công từ tổ chức về lại cho mỗi cá nhân. Bạn muốn giỏi gì? Muốn tạo tác động ở đâu? Muốn mở rộng năng lực theo hướng nào? Muốn trở thành chuyên gia, nhà quản lý, người xây dựng hay kết hợp nhiều vai trò? Không có một đáp án đúng cho tất cả. Nhưng có một điều đáng suy nghĩ: sự nghiệp không nhất thiết phải là một cuộc leo thang. Có người muốn đi lên. Có người muốn đi sâu. Có người muốn đi rộng. Có người muốn rẽ sang một hướng hoàn toàn khác. Miễn là đó là hướng mình lựa chọn, và mỗi bước đi đều làm bản thân có giá trị hơn. Hoa dại không cần một cái thang để lớn lên. Nhưng nó vẫn phải lớn.

Ngày xưa, thợ mỏ thường mang theo một con chim hoàng yến khi xuống hầm. Loài chim nhỏ này có hệ hô hấp nhạy hơn con người, nên thường phản ứng nhạy với khí độc. Khi chim ngừng hót, đó là tín hiệu con người dưới mỏ phải tìm đường đi lên. Đó cũng là hình ảnh mà nhóm nghiên cứu của Erik Brynjolfsson tại Đại học Stanford dùng để mô tả một tín hiệu đang xuất hiện trên thị trường lao động: người trẻ mới bước vào nghề có thể đang là những “con chim hoàng yến” của nền kinh tế AI. Vậy họ đang dự báo điều gì? CHIM HOÀNG YẾN TRONG MỎ THAN LÀ AI? Hãy nhìn vào một ngày làm việc rất bình thường của một người mới ra trường. Làm slide cho sếp. Soạn bản nháp đầu tiên của hợp đồng. Tổng hợp tài liệu để người khác đọc. Viết những đoạn code cơ bản. Trả lời những câu hỏi khách hàng đơn giản nhất. Rà số liệu. Ghi biên bản cuộc họp, vv. Đó cũng chính là nhóm công việc mà AI có khả năng tự động hóa hoặc hỗ trợ gỏi nhất. Trong nghiên cứu cập nhật tháng 8/2026, nhóm Brynjolfsson, Bharat Chandar và Ruyu Chen sử dụng dữ liệu bảng lương của hàng triệu người lao động Mỹ để theo dõi sự thay đổi việc làm sau khi AI tạo sinh được sử dụng rộng rãi. Kết quả mới nhất cho thấy việc làm của nhóm 22–25 tuổi trong các nghề chịu tác động mạnh của AI đã giảm khoảng 19%. Trong khi đó, nhóm lao động nhiều kinh nghiệm gần như không ghi nhận mức suy giảm tương tự. Điều đáng nói là tác động này chưa chưa tạo ra một làn sóng sa thải hàng loạt. Nó chỉ diễn ra âm thầm khi doanh nghiệp tuyển ít người trẻ hơn, đặc biệt ở những vị trí mà AI có thể đảm nhận phần lớn các nhiệm vụ cơ bản. Nói cách khác, AI chưa lấy đi mọi việc làm. Nhưng nó có thể đang lấy đi chính những công việc từng giúp người trẻ bước chân vào nghề và tích lũy kinh nghiệm. Nấc thang đầu tiên đang mỏng đi. VIỆT NAM THÌ SAO? Theo báo cáo xu hướng tuyển dụng 2025–2026 của TopCV, 61,2% doanh nghiệp được khảo sát cho biết đã và đang ứng dụng AI trong vận hành, ở các mức độ khác nhau. Những nhóm ngành được doanh nghiệp đánh giá có khả năng ứng dụng AI để tối ưu ngân sách và hiệu quả công việc gồm kinh doanh/bán hàng, marketing/truyền thông/quảng cáo, IT-phần mềm, chăm sóc khách hàng và nhân sự. Điều này đáng chú ý vì đây cũng chính là những lĩnh vực có rất nhiều công việc entry-level (vị trí đầu vào): tổng hợp thông tin, viết nội dung, hỗ trợ khách hàng, phân tích cơ bản, xử lý dữ liệu, tuyển dụng sơ cấp… Nhưng câu chuyện không chỉ nằm ở AI. Thị trường lao động Việt Nam cũng đang trải qua một quá trình tái cơ cấu mạnh. Chẳng hạn, theo JobOKO, 15/27 ngân hàng niêm yết đã cắt giảm gần 7.500 lao động trong 9 tháng đầu năm 2025; đồng thời, tuyển dụng ngân hàng trong năm 2026 đang dịch chuyển nhiều hơn về các nhóm kinh doanh, công nghệ và dữ liệu. Điều đáng suy nghĩ nằm ở một nghịch lý rất quen thuộc: Doanh nghiệp muốn người có kinh nghiệm, nhưng kinh nghiệm chỉ xuất hiện khi ai đó chịu tuyển người chưa có kinh nghiệm. Nếu phần việc đầu vào ngày càng được giao cho AI, bài toán sẽ không dừng ở chuyện “người trẻ khó tìm việc”. Nó có thể trở thành bài toán đứt pipeline (đường ống nhân tài). Hôm nay doanh nghiệp tiết kiệm được một vị trí junior (nhân sự cấp đầu vào). Ba năm nữa, họ cần một người có ba năm kinh nghiệm. Nhưng ba năm trước, họ đã không tuyển người đó. ĐÂY CÓ PHẢI CHUYỆN CỦA RIÊNG NGƯỜI TRẺ? Rất dễ nhìn những con số trên và nghĩ: May quá, mình qua giai đoạn đó rồi. Không hẳn. Nếu đang ở tuổi 30–45, đây vẫn là câu chuyện của bạn. Thứ nhất, cái thang bạn từng leo đang có nguy cơ mất những nấc phía dưới. Kinh nghiệm hôm nay không tự nhiên xuất hiện. Nó được tạo ra từ hàng nghìn lần làm những việc tưởng như rất nhỏ: viết bản nháp, tham gia cuộc họp, sửa một lỗi, nói chuyện với khách hàng, xử lý một vấn đề thật, làm sai rồi được người đi trước sửa. Nếu lớp người phía sau không còn cơ hội làm những việc đó, thì hệ thống đang tự cắt mất quá trình sản xuất kinh nghiệm. Thứ hai, đội ngũ kế cận có thể không còn hình thành theo cách cũ. Doanh nghiệp giao việc khởi điểm cho AI có thể đạt hiệu suất cao hơn trong ngắn hạn. Nhưng nếu tất cả những công việc từng dùng để “nuôi” một junior thành mid-level (nhân sự cấp trung) đều biến mất, vài năm sau doanh nghiệp sẽ phải hỏi một câu rất khó: Người có 3–5 năm kinh nghiệm lấy đâu ra? Thứ ba, ranh giới sẽ tiếp tục dịch chuyển. Nếu AI đang xử lý tốt những nhiệm vụ ở nấc một, câu hỏi tiếp theo không còn là: “AI có lên nấc hai không?” Mà là: “Khi AI lên nấc hai, phần nào trong công việc của mình vẫn cần một con người?” Đây mới là câu hỏi đáng suy nghĩ bởi nấc thang nghề nghiệp không phải là một quy luật tự nhiên. Nó là kết quả của những quyết định rất cụ thể: Ai được tuyển? Việc gì giao cho AI? Việc gì giao cho người mới? Ai được trả tiền để học nghề? Và ai chịu trách nhiệm đào tạo thế hệ tiếp theo? NẾU BẠN ĐANG Ở NHỮNG NẤC ĐẦU TIÊN, NÊN LÀM GÌ? 1. Đừng cạnh tranh ở phần AI làm nhanh hơn. Bản nháp đầu tiên, bản tổng hợp, bản rà soát cơ bản ngày càng khó là nơi để chứng minh giá trị. Hãy đi lên phần judgment (phán đoán): Vấn đề thật sự là gì? Dữ liệu đang bỏ sót điều gì? Vì sao chọn phương án A thay vì B? Điều gì có thể xảy ra nếu quyết định sai? AI có thể đưa ra câu trả lời. Người có giá trị là người biết đặt đúng câu hỏi và chịu trách nhiệm với câu trả lời đó. 2. Đi tìm kinh nghiệm ở nơi vẫn còn trao cơ hội. Nếu nấc thang trong các tập đoàn lớn đang hẹp lại, hãy nhìn sang doanh nghiệp nhỏ, startup, dự án ngắn hạn, freelance (công việc tự do) hoặc những công việc cho phép tự tay giải quyết vấn đề. Tên công ty đầu tiên trên CV có thể không quan trọng bằng số lần bạn thật sự phải tự xử lý một vấn đề có hậu quả. 3. Tích lũy bằng chứng, không chỉ bằng cấp. Một CV nói “có kỹ năng phân tích” không mạnh bằng một dự án cho thấy bạn đã phân tích gì, giải quyết vấn đề nào và tạo ra kết quả gì. Trong thị trường mà AI có thể tạo ra một CV đẹp trong vài phút, evidence of work (bằng chứng về năng lực qua công việc thực tế) càng quan trọng. 4. Dùng AI để rút ngắn đường học, không phải để né phần khó. AI có thể giúp bạn hiểu một lĩnh vực mới trong vài ngày thay vì vài tháng. Nhưng nếu dùng AI để bỏ qua toàn bộ quá trình tự suy nghĩ, tự làm và tự sửa, bạn có thể đang tiết kiệm thời gian theo cách rất đắt: bạn tiết kiệm luôn cả quá trình tạo ra năng lực của mình. 5. Chủ động tìm người đi trước. Khi việc kèm cặp chính thức trong doanh nghiệp có thể ngày càng ít đi, mentor (người hướng dẫn) càng trở nên quan trọng. Đừng chỉ hỏi: “Anh/chị có thể dạy em không?” Hãy hỏi: “Em có thể làm phần này và gửi anh/chị review (góp ý) không?” Người chịu làm trước rồi xin phản hồi thường học nhanh hơn người chỉ chờ được dạy. NẾU BẠN LÀ NGƯỜI ĐÃ ĐI TRƯỚC, NÊN LÀM GÌ? Giữ lại một phần việc khởi điểm cho con người. Không phải vì lòng tốt. Mà vì đó là infrastructure (hạ tầng) của đội ngũ kế cận. Một số việc AI làm tốt vẫn có thể giao cho người mới, kèm feedback (phản hồi) và giám sát. Hãy coi đó là chi phí đào tạo, thay vì chỉ nhìn nó như một khoản chi phí kém hiệu quả. Thiết kế lại cách người mới học nghề. Nếu quãng “làm việc dễ” ngày càng ngắn, doanh nghiệp phải tìm cách bù lại bằng trải nghiệm có cấu trúc hơn. Cho người mới tham gia các cuộc họp thật. Giải thích vì sao một quyết định được đưa ra. Cho họ xử lý vấn đề thật sớm hơn nhưng với mức giám sát cao hơn. Không phải bỏ qua nấc thang. Mà là thiết kế lại nấc thang. Và quan trọng nhất: Nói thẳng về bài toán này trong tổ chức. Quyết định cắt một vị trí junior thường xuất hiện rất đẹp trên bảng tính: giảm chi phí, tăng năng suất, tối ưu headcount (quy mô nhân sự). Nhưng phần mất mát có thể chỉ xuất hiện ba năm sau khi doanh nghiệp cần một người có kinh nghiệm và nhận ra mình đã không tạo ra họ. Đó là một dạng training debt (nợ đào tạo). Và giống mọi khoản nợ khác, nó không biến mất chỉ vì hôm nay chưa nhìn thấy trên bảng cân đối. Thị trường lao động chưa cho chúng ta bằng chứng rằng AI đang lấy đi việc làm của tất cả mọi người. Ngược lại, dữ liệu Stanford hiện cũng không cho thấy sự thay thế việc làm trên diện rộng trong toàn nền kinh tế. Nhưng có một điều ngày càng khó bỏ qua: AI đang làm thay đổi cách con người bước vào nghề. Và đó có thể là thay đổi lớn hơn chuyện một vài vị trí bị thay thế. Bởi nếu nấc đầu tiên biến mất, những nấc thang phía trên cuối cùng cũng sẽ phải thay đổi. Người trẻ sẽ phải học nhanh hơn. Doanh nghiệp sẽ phải đào tạo khác đi. Người đi trước sẽ phải chủ động truyền nghề hơn. Và mỗi người sẽ phải tự hỏi một câu không mấy dễ chịu: Nếu AI có thể làm phần việc từng được dùng để đào tạo tôi, thì tôi đang học gì mới mà AI chưa thể nào thay thế? Con chim hoàng yến không hót cho riêng nó. Nó còn truyền tín hiệu cho tất cả mọi người….

Sáng thứ bảy. Bạn ngồi xuống với một ly cà phê, nhưng thay vì tận hưởng, trong đầu lập tức hiện lên danh sách những việc chưa làm. Xem hết một tập phim, cảm giác sao áy náy. Nằm nghỉ 20 phút, nhưng phần lớn thời gian lại để nghĩ xem lẽ ra mình nên sử dụng thời gian đó để làm gì. Đi chơi với gia đình, thân ở đó nhưng đầu óc vẫn mắc kẹt trong nội dung email chưa trả lời. Bạn đang nghỉ nhưng không thật sự nghỉ. Trạng thái này có một cái tên: leisure guilt – cảm giác tội lỗi khi nghỉ ngơi. Một nghiên cứu công bố trên Personality and Social Psychology Bulletin đã xây dựng thang đo cảm giác này trên khoảng 1.000 người, sau đó theo dõi 300 người trưởng thành bằng cách hỏi họ sáu lần mỗi ngày trong một tuần. Cách làm này giúp các nhà nghiên cứu ghi nhận cảm giác của người tham gia ngay tại thời điểm họ đang trải qua nó. Kết quả cho thấy khoảng 14% thời gian rảnh được dành cho việc lo lắng về năng suất làm việc thay vì thực sự nghỉ ngơi.Cứ khoảng bảy khoảnh khắc thảnh thơi sẽ có một khoảnh khắc đi kèm cảm giác: “Mình đang phun phí thời gian.” Người có leisure guilt cao không chỉ ít tận hưởng thời gian rảnh hơn. Họ còn có xu hướng cảm thấy mình có quá nhiều thời gian rảnh, đồng thời cảm thấy căng thẳng và lo âu hơn. Cảm giác có lỗi không khiến bạn làm việc hiệu quả hơn. Nó chỉ khiến thời gian nghỉ mất đi một phần tác dụng. Nghiên cứu cũng cho thấy cảm giác này xuất hiện rõ hơn ở một số nhóm, trong đó phụ nữ nhiều hơn nam giới, người trẻ nhiều hơn người lớn tuổi và người có thu nhập thấp nhiều hơn người có thu nhập cao. Có thể vấn đề nằm ở một niềm tin mà chúng ta đã quen đến mức không còn đặt câu hỏi: nghỉ ngơi là thứ phải “xứng đáng” mới được hưởng. Việc chưa xong thì chưa được nghỉ. Danh sách còn dài thì chưa được nghỉ. Hôm nay chưa đủ năng suất thì càng không được nghỉ. Nhưng danh sách việc cần làm thì gần như không bao giờ hết. Nếu cứ chờ đến lúc mọi thứ hoàn thành mới cho phép mình nghỉ, có lẽ sẽ chẳng bao giờ có một thời điểm thật sự được gọi là “được phép nghỉ”. Điều cần thay đổi không phải là nghỉ nhiều hơn mà là nghỉ cho trọn vẹn. Một buổi sáng. Hai tiếng. Một bữa ăn. Một tập phim. Trong khoảng thời gian đó, không mở danh sách việc ra kiểm tra. Không tính xem mình lẽ ra có thể làm thêm gì. Không mặc cả với bản thân chỉ nghỉ thêm năm phút. Nghỉ mà não vẫn canh chừng công việc thì chưa thật sự nghỉ. Nghỉ mà vẫn mặc cả với chính mình cũng chưa thật sự nghỉ. Nghỉ mà vẫn thấy có lỗi thì càng khó có cảm giác được hồi phục. Hôm nay là thứ bảy. Có khi cũng nên buông hết xuống một lần và nghỉ cho trọn vẹn….

Khi nói về sự cô đơn, người ta hay tưởng tượng hình ảnh người lớn tuổi ngồi một mình. Một nghiên cứu mới cho thấy bức tranh có thể gần như ngược lại. Nhóm nghiên cứu tại Trường Y tế Công cộng, Đại học Washington ở St. Louis, do Salma Abdalla dẫn đầu, đã khảo sát 7.997 người trưởng thành tại tám quốc gia gồm Brazil, Pháp, Ấn Độ, Indonesia, Nigeria, Philippines, Thổ Nhĩ Kỳ và Mỹ, với khoảng 1.000 người ở mỗi nước. Kết quả được công bố trên Social Psychiatry and Psychiatric Epidemiologyvào đầu tháng 2 năm nay. Tính chung cả tám quốc gia, gần bốn trong mười người trưởng thành cho biết họ cảm thấy cô đơn. Nhưng con số đáng chú ý hơn xuất hiện khi chia theo độ tuổi. Gần 1/2 nhóm 18–24 tuổi cho biết mình đang cô đơn. Trong khi đó, tỷ lệ ở nhóm 55 tuổi trở lên chỉ khoảng 30%. Nghiên cứu cũng ghi nhận mức độ cô đơn cao hơn ở phụ nữ, người có thu nhập thấp, người có trình độ học vấn thấp hơn, người chưa lập gia đình và người sống tại đô thị. Có thể vấn đề không phải người trẻ ít kết nối, mà ngược lại là có quá nhiều kết nối bề mặt nhưng ít kết nối sâu. Hàng trăm mối quan hệ được duy trì bằng một lượt thích, một lần xem story, một biểu tượng cảm xúc. Đủ để không mất liên lạc, nhưng chưa chắc đủ để ai đó nhận ra mình đang không ổn. Và thành phố có thể đang làm một điều khá nghịch lý. Ta sống giữa hàng triệu người, nhưng lại liên tục thay đổi chỗ ở, nơi làm việc, nhóm bạn và nhịp sinh hoạt. Đi làm xa hơn. Về nhà muộn hơn. Sống cạnh rất nhiều người nhưng không thực sự thuộc về một cộng đồng nào. Đông người không đồng nghĩa với thuộc về. Cô đơn vì vậy không được giải quyết bằng cách quen thêm thật nhiều người. Nó có thể bắt đầu bằng việc làm cho một vài mối quan hệ đang có trở nên sâu sắc hơn. Và điều đó thường bắt đầu bằng những việc rất nhỏ, ví dụ như nhắn một tin nhắn thật lòng thay vì câu "khi nào rảnh cà phê”, câu mà cả hai đều biết sẽ chẳng bao giờ thành sự thật. Gọi điện thay vì thả tim. Rủ một người cụ thể, cùng làm một việc cụ thể, trong một ngày cụ thể. Hỏi lại người tuần trước từng kể một chuyện khó khăn: "Chuyện đó thế nào rồi?" Đôi khi, kết nối không cần thêm người, chỉ cần thêm một chút hiện diện. Và nếu bạn đang cô đơn, điều khó nhất có lẽ là chấp nhận một chuyện khá đơn giản: bạn chắc chắn không phải là người duy nhất. Cô đơn không nhất thiết là không có ai bên cạnh. Nó có thể là có rất nhiều người, nhưng không ai khiến bạn cảm thấy an toàn để chia sẻ thật. Và khoảng cách giữa hai điều đó đôi khi chỉ là một tin nhắn mà cả hai đều đang chờ người kia gửi trước. Chủ nhật có lẽ là thời điểm khá tốt để phá vỡ vòng chờ đợi đó. Người bạn đang nghĩ tới, biết đâu cũng đang nghĩ tới bạn….