Vietnamese IT firms and the reinvention of workDoanh nghiệp CNTT Việt trong kỷ nguyên tái tạo công việc
Machines taking jobs is the smaller worry. The bigger one is that almost every job keeps its title while the work inside it changes.Máy lấy mất việc là nỗi lo nhỏ hơn. Nỗi lo lớn hơn là gần như mọi công việc vẫn giữ tên gọi, còn những gì diễn ra bên trong thì đổi khác.

McKinsey's latest work on the future of jobs makes one point I keep coming back to: the issue is mostly reinvention, with replacement a smaller part. More than 70% of workers will see their tasks change, and they will need to reallocate more than 15% of their working time.
Fifteen percent sounds modest until you translate it. It is most of a working day each week, every week, spent on something different from what you were trained to do. Nobody gets a new title for it and few people get a course. It shows up quietly: the report you used to write by hand now comes from a tool, and your job becomes checking whether it is right and deciding what to do about it.
In Vietnam this happens alongside the twin transition, digital and green at the same time. For an IT company it lands on Monday's planning meeting, in the form of a client who wants AI in the product, a regulation about data, and a team that is unsure which of its skills will still matter in a year.
A double task
Many Vietnamese IT firms, Green System included, carry two roles: a software team that builds and runs products, and a support or investment role for startups. Each faces its own version of the change. The software team has to change how it works. The support role has to change what it teaches and which founders it backs.
The two sides teach each other. A team that has gone through the change in its own workflow can tell a founder honestly what an AI feature costs to build and maintain. A support role that sees dozens of startups notices patterns earlier than any single team: which kinds of products are being commoditised, which skills founders keep looking for and failing to find.
For the startup side, the change shows up in what I ask founders. A few years ago the question was whether the team could build the product. Today a small team with good tools can build almost anything in a few months, so the harder questions move elsewhere: who will pay, why this team understands the problem better than anyone, and what stops a larger company from copying the feature in a week. A founder who answers these well with a modest prototype is more interesting to me than one with a polished demo and no clear customer.
From coder to system designer
Hiring is actually growing for senior and AI-oriented roles. Developers need to move from pure coding toward designing workflows, supervising AI systems and solving problems that have no template. In practice that means more time spent on the questions around the code: what the user is trying to do, where the data comes from, what happens when the model is wrong, who gets alerted and how fast.
There is a cost people talk about less. When routine tasks go to machines, what remains for people is the heavier part: interpreting, deciding, taking responsibility. Cognitive load rises. A day that used to mix easy and hard tasks becomes a day of hard tasks only. A company that automates without protecting its people's attention will burn them out, and the first sign is usually a rise in small mistakes, well before anyone complains.
Extreme Programming had an answer to this long before AI: sustainable pace. Forty hours of focused work beats sixty hours of tired work, because tired people make errors that cost more than the extra hours produce. The principle matters more now, since the work left to people is exactly the kind that suffers most from fatigue.
Redesigning work, one role at a time
The practical step I find most useful is to take one role and list its tasks honestly, with rough hours. Then mark each task: a machine can do it now, a machine can draft it and a person checks, or it needs a person throughout. The list usually surprises people. Some tasks everyone assumed were safe turn out to be easy to automate, and some that looked routine depend on context only a person has.
The freed hours are where the real decision lies. They can be cut as cost, or moved to work the team never had time for: talking to users, writing better tests, documenting decisions, mentoring juniors. The second choice is slower to show results and much better for the company five years out.
The company as the central link
No worker can handle this transition alone. It needs the state, schools and businesses working together. The state provides labour-market data, modular credentials and support during the switch. Schools move to short, demand-led programmes and teach the higher-layer skills. Businesses hire on skills and redesign work. The company sits where these meet, because that is where work is actually reinvented.
In Da Nang the pieces exist but move at different speeds. Universities produce strong graduates on a four-year cycle while tools change every few months. Companies know what they need but rarely say it in a form schools can use. A small, concrete contribution a company can make is to publish its skill needs plainly, offer real problems for student projects, and take interns who work on production code with a mentor beside them.
Invest in people as seriously as you invest in technology.
The economies and companies that capture AI's value will be those that move talent as fast as they deploy technology. For a small firm in Da Nang, that starts with a simple question in every plan: which people on the team will this change, and what will they need?
Nghiên cứu mới nhất của McKinsey về tương lai việc làm có một ý tôi cứ quay lại mãi: vấn đề chủ yếu là tái tạo công việc, còn thay thế chỉ là phần nhỏ hơn. Hơn 70% người lao động sẽ thấy nhiệm vụ của mình thay đổi, và họ phải phân bổ lại hơn 15% thời gian làm việc.
Mười lăm phần trăm nghe có vẻ khiêm tốn cho đến khi quy đổi ra. Đó là gần trọn một ngày làm việc mỗi tuần, tuần nào cũng vậy, dành cho một việc khác với thứ bạn được đào tạo. Không ai được đổi chức danh vì nó và ít người được đi học. Nó đến lặng lẽ: bản báo cáo trước đây bạn tự viết giờ do công cụ tạo ra, và việc của bạn thành kiểm tra xem nó đúng không và quyết định làm gì tiếp.
Ở Việt Nam, điều này diễn ra cùng lúc với chuyển đổi kép: số và xanh song hành. Với một công ty CNTT, nó xuất hiện ngay trong cuộc họp kế hoạch sáng thứ Hai, dưới dạng một khách hàng muốn đưa AI vào sản phẩm, một quy định mới về dữ liệu, và một đội ngũ không chắc kỹ năng nào của mình còn giá trị sau một năm nữa.
Nhiệm vụ kép
Nhiều doanh nghiệp CNTT Việt Nam, trong đó có Green System, mang hai vai: một đội phần mềm xây và vận hành sản phẩm, và một vai hỗ trợ hoặc đầu tư cho startup. Mỗi vai đối diện một phiên bản riêng của sự thay đổi. Đội phần mềm phải đổi cách làm việc. Vai hỗ trợ phải đổi thứ mình dạy và những nhà sáng lập mình chọn đồng hành.
Hai phía học được từ nhau. Một đội đã tự trải qua thay đổi trong quy trình của mình có thể nói thật với nhà sáng lập chi phí xây và duy trì một tính năng AI là bao nhiêu. Một vai hỗ trợ tiếp xúc hàng chục startup sẽ thấy mô thức sớm hơn bất kỳ đội đơn lẻ nào: loại sản phẩm nào đang bị phổ thông hóa, kỹ năng nào nhà sáng lập cứ tìm mà không thấy.
Ở phía hỗ trợ khởi nghiệp, thay đổi thể hiện ngay trong câu hỏi tôi đặt cho nhà sáng lập. Vài năm trước, câu hỏi là đội có làm ra được sản phẩm không. Giờ một đội nhỏ với công cụ tốt có thể làm gần như mọi thứ trong vài tháng, nên câu hỏi khó chuyển sang chỗ khác: ai sẽ trả tiền, vì sao đội này hiểu vấn đề hơn ai hết, và điều gì ngăn một công ty lớn sao chép tính năng trong một tuần. Nhà sáng lập trả lời tốt những câu đó với một bản mẫu khiêm tốn khiến tôi quan tâm hơn người có bản demo bóng bẩy mà chưa rõ khách hàng.
Từ người viết code đến người thiết kế hệ thống
Tuyển dụng thực ra đang tăng ở các vị trí senior và định hướng AI. Lập trình viên cần chuyển từ thuần viết code sang thiết kế quy trình, giám sát hệ thống AI và giải những bài toán không có khuôn mẫu. Trên thực tế, nghĩa là dành nhiều thời gian hơn cho các câu hỏi xung quanh code: người dùng đang muốn làm gì, dữ liệu đến từ đâu, chuyện gì xảy ra khi mô hình sai, ai được báo và báo nhanh đến mức nào.
Có một cái giá ít được nhắc tới. Khi việc lặp lại chuyển cho máy, phần còn lại cho con người là phần nặng: diễn giải, quyết định, chịu trách nhiệm. Tải nhận thức tăng lên. Một ngày làm việc trước đây xen kẽ việc dễ và việc khó giờ chỉ còn việc khó. Doanh nghiệp tự động hóa mà không bảo vệ sự tập trung của nhân viên sẽ làm họ kiệt sức, và dấu hiệu đầu tiên thường là lỗi nhỏ tăng dần, trước khi có ai phàn nàn.
Extreme Programming đã có câu trả lời cho chuyện này từ lâu trước AI: nhịp độ bền vững. Bốn mươi giờ làm việc tập trung tốt hơn sáu mươi giờ mệt mỏi, vì người mệt mắc lỗi tốn kém hơn số giờ làm thêm tạo ra. Nguyên tắc đó giờ còn quan trọng hơn, vì phần việc còn lại cho con người chính là loại việc chịu ảnh hưởng nặng nhất khi mệt.
Thiết kế lại công việc, từng vai một
Bước thực tế tôi thấy hữu ích nhất là lấy một vai trò và liệt kê thật lòng các đầu việc, kèm số giờ ước chừng. Rồi đánh dấu từng việc: máy làm được ngay, máy làm bản nháp còn người kiểm tra, hay cần con người từ đầu đến cuối. Danh sách thường làm mọi người bất ngờ. Có việc ai cũng nghĩ an toàn hóa ra rất dễ tự động hóa, có việc tưởng lặp lại lại phụ thuộc vào bối cảnh mà chỉ con người nắm.
Số giờ được giải phóng mới là nơi có quyết định thật sự. Có thể cắt chúng như một khoản chi phí, hoặc chuyển sang những việc đội chưa bao giờ có thời gian làm: nói chuyện với người dùng, viết test tốt hơn, ghi lại quyết định, kèm cặp junior. Lựa chọn thứ hai chậm thấy kết quả hơn nhưng tốt hơn nhiều cho công ty năm năm sau.
Doanh nghiệp là mắt xích trung tâm
Không người lao động nào tự xoay xở nổi quá trình chuyển đổi này. Cần nhà nước, nhà trường và doanh nghiệp cùng làm. Nhà nước cung cấp dữ liệu thị trường lao động, chứng chỉ theo mô-đun và hỗ trợ trong giai đoạn chuyển đổi. Nhà trường chuyển sang chương trình ngắn, bám theo nhu cầu, và dạy các kỹ năng tầng cao. Doanh nghiệp tuyển theo kỹ năng và thiết kế lại công việc. Doanh nghiệp đứng ở điểm giao, vì đó là nơi công việc thực sự được tái tạo.
Ở Đà Nẵng, các mảnh ghép đã có nhưng chạy với tốc độ khác nhau. Trường đại học đào tạo sinh viên giỏi theo chu kỳ bốn năm, trong khi công cụ đổi vài tháng một lần. Doanh nghiệp biết mình cần gì nhưng hiếm khi nói ra theo cách nhà trường dùng được. Một đóng góp nhỏ và cụ thể doanh nghiệp có thể làm: công bố rõ nhu cầu kỹ năng, đưa bài toán thật cho đồ án sinh viên, và nhận thực tập sinh làm việc trên code thật với người hướng dẫn ngồi cạnh.
Đầu tư vào con người nghiêm túc như đầu tư vào công nghệ.
Những nền kinh tế và doanh nghiệp nắm được giá trị của AI sẽ là những nơi dịch chuyển nhân lực nhanh ngang với tốc độ triển khai công nghệ. Với một công ty nhỏ ở Đà Nẵng, việc đó bắt đầu bằng một câu hỏi đơn giản trong mọi kế hoạch: thay đổi này chạm đến những ai trong đội, và họ sẽ cần gì?
