Podcast

Báo chí phương Tây bán nỗi sợ AI cướp việc kỹ sư, nhưng dữ liệu 2026 kể chuyện khác: một phần lớn số người bị cắt đang được thuê lại ngầm ở nước ngoài, và Việt Nam là điểm đến hàng đầu. Đây là cơ hội lớn nhất một thập kỷ của tech Việt — nhưng nó đến qua hai cửa, và chọn sai cửa thì 18 tháng nữa bị AI nuốt.

Dopamine không đo khoái cảm; nó là tín hiệu dạy bộ não *muốn* cái gì. Và vì nó dạy cái muốn tách rời khỏi cái thích, mọi hệ gộp hai thứ vào một tín hiệu — từ não người đến AI agent — đều sẽ đuổi theo thứ đã thôi tốt.

Một phòng họp toàn người giỏi không tự nhiên ra quyết định giỏi — nó chỉ hợp lý hoá tập thể tinh vi hơn. Nối tiếp 'Cái giá của trí thông minh': nếu cá nhân không tự sửa được mình từ bên trong, cơ chế ngoại tại duy nhất là một con người dám nói bạn sai. Đối đầu xây dựng (constructive confrontation) chính là cơ chế đó — và ba lớp văn hoá Việt (thể diện, tôn ti, lẫn lộn ý kiến với con người) được thiết kế gần như hoàn hảo để dập tắt nó. Cách dựng lại cơ chế, và vì sao AI chỉ nên là totem thêm vào chứ không thay thế.

Trong tiểu thuyết Hum, May mất việc không phải vì làm kém — mà vì làm quá giỏi, dạy máy đến mức nó không cần cô nữa. Đó là cái bẫy "dạy để bị thay": càng thành thạo, dữ liệu để lại càng sạch, máy học càng nhanh. Lối thoát không phải tìm một kỹ năng AI không làm được — không có thứ đó — mà là chống hội tụ: liên tục rời vùng mình vừa thành thạo, khi còn đang đứng trên đỉnh, trước khi nó kịp bị mã hóa thành thứ sao chép được. Bài học cho cá nhân và tổ chức.

Tám mươi tám phần trăm dự án AI agent doanh nghiệp không bao giờ lên được vận hành thực. Mười hai phần trăm còn lại có ROI trung bình 171%. Thị trường lưỡng cực: trung dung thua sạch, cam kết đủ sâu thắng đậm. Nhưng vì sao khe lại hẹp như vậy? Nghiên cứu MAST tại NeurIPS 2025 phân tích 1.642 dấu vết thực thi cho thấy 78,71% thất bại không phải vấn đề mô hình — là kiến trúc. METR cho thấy mô hình đang tăng tốc rất nhanh nhưng vẫn không cứu được. Kết luận cho founder Việt: lợi thế đến từ kiến trúc, không từ mô hình. Bài cụ thể hoá năm mảnh dịch còn trống và ba đặc điểm để tự tìm ngành đáng đặt cược.

Collins đặt tên sai cho cái ông quan sát thấy. "Khiêm tốn" thực ra là *chính trực* — và đây không phải vấn đề ngữ nghĩa. Khi đặt lại tên, Level 5 trở nên áp được vào thời AI: một CEO phô trương vẫn có thể Level 5 nếu chính trực; một CEO trông khiêm tốn nhưng không nhất quán với sự thật thì không.

Trong 11 công ty Collins gọi là 'vĩ đại', một phần ba đã sụp đổ hoặc mất giá trị nghiêm trọng sau khi sách xuất bản. Sao lại như vậy? Và định nghĩa 'vĩ đại' của ông — bền lâu, vượt thị trường 3 lần trong 15 năm — có còn hợp lý khi công ty AI-bẩm-sinh chạy theo gia tốc chứ không phải vận tốc đều?

Tôi chưa đọc Good to Great và không định đọc tuyến tính. Đây là một thí nghiệm: đọc sách thời AI — vài ngày tập trung đối thoại với AI, phản biện, đúc kết thành blog, nghe lại. Không phải lười đọc, mà là cách tiếp cận tri thức mới cho thời có quá nhiều sách và quá ít thời gian.

Sinh học và kỹ thuật xây AI agents đã độc lập đi đến cùng một nguyên tắc thiết kế: không hệ thống nào cần thích nghi được phép hội tụ vĩnh viễn. Các cơ chế sau hiện tượng hedonic adaptation ở người soi chiếu các cơ chế sau exploration schedule ở agent. Bài học cho cách bạn xây tổ chức, sản phẩm và chính mình.

Thói quen không phải bản chất — đó là trọng số, được tích luỹ qua hàng vạn lần lặp lại trong mạng nơ-ron của bạn. Bài viết đặt thiết kế môi trường, rèn luyện chú ý và tái định khung nhận thức cạnh học theo nguyên lý Hebb, mã hoá dự đoán (Friston), cảm xúc kiến tạo (Barrett) và ba mạng não phân tán (DMN/SN/CEN) — để thấy vì sao 'biết mà không làm được' không phải lỗi, mà là đặc tính tiến hoá.

Công ty một người không còn là khẩu hiệu lifestyle. Có những người đang một mình vận hành P&L vài triệu đô bằng AI. Nhưng dữ liệu hậu thuẫn phần lớn là dữ liệu pre-AI, và cấu hình mới đang định hình ra một thứ chưa có tên: một người vận hành cả phạm vi của một SME đa chức năng, đồng thời sinh ra nhiều vai trò chuyên môn mới. Bài này dành cho người Việt làm tech đang nghĩ đến chuyện rời ghế CTO — phân tích đến tận cùng vì sao mô hình này khả thi hơn bao giờ hết, vì sao đa số người thử vẫn sẽ thất bại, và đâu là vị trí đặc biệt của Việt Nam.

Bài trước nói về số phận của lập trình viên. Bài này đi xa hơn một bước: nếu viết code chỉ là một mắt xích nhỏ trong chuỗi sản xuất phần mềm, thì cả chuỗi sẽ biến đổi thế nào khi AI nuốt dần từng mắt xích? Và cái gọi là 'công ty phần mềm' còn nghĩa lý gì?

Suy luận đến tận cùng về tương lai nghề lập trình: khi AI viết code tốt hơn con người và con người không còn động lực rèn kỹ năng đó, hiểu biết của loài người về phần mềm sẽ đi đâu? Và nếu bạn không muốn trôi theo dòng, bạn cần đầu tư vào điều gì?

Người thông minh không tự lừa dối ít hơn — họ tự lừa dối tinh vi hơn. IQ cao là số nhân: nó nhân hướng ý định lên, bất kể hướng đó đúng hay sai. Bài viết về bốn hình thái motivated reasoning ở người thông minh và lý do mọi giải pháp thuần nội tại đều thất bại.

Phần lớn kỹ sư chững lại ở mid-level không phải vì thiếu thông minh hay cơ hội. Họ chững lại vì không thể nhìn thẳng vào sự thật rằng mình đang thiếu cái gì. Đây không phải vấn đề kỹ thuật — đây là vấn đề chính trực. Và trong thời đại AI, vấn đề này đang trở nên nguy hiểm theo một cách chưa từng có.

Inception cho ta xem từng bước cụ thể của việc cấy ý tưởng vào tiềm thức: vì sao phải vào giấc mơ, quy luật phiên bản đơn giản nhất, kiến trúc tầng, chiến thuật Mr. Charles, cảnh két sắt, totem và bài học từ Mal. Mỗi kỹ thuật của Cobb tương ứng với một quyết định thiết kế cụ thể cho người đang xây AI agents — và một trách nhiệm đạo đức cụ thể.

Hai nguyên tắc cũ vừa trở thành kỹ năng quan trọng nhất của thập kỷ tới. Trí tuệ nhân tạo khuếch đại phán đoán tốt và cũng khuếch đại phán đoán xấu. Sự khác biệt là khả năng quay lại sự thật cơ bản.