Cuộc thuê lại vĩ đại: làn sóng sa thải AI 2026 chảy về Việt Nam — qua một trong hai cửa

Cuối 2025 và đầu 2026, mọi tiêu đề lớn đều nói cùng một điều: AI đang xoá sổ việc làm kỹ sư. Con số sa thải thật thì khổng lồ. Nhưng nếu đọc kỹ phần phía sau con số — ai bị cắt, việc của họ đi đâu — bức tranh đảo chiều, và nó chỉ thẳng về phía một thị trường như Việt Nam. Bài này suy luận đến tận cùng: dòng việc đó là gì, vì sao nó chảy về đây, và vì sao chỉ một trong hai cách đón nó là sống sót.

TL;DR

• Đầu 2026: khoảng 80.000 việc công nghệ bị cắt, gần một nửa gắn mác AI (Oracle, Amazon, Meta, Intuit, Snap).
• Nhưng phần lớn là dịch chuyển lao động bọc vỏ AI: Forrester dự báo nửa số đó được thuê lại ngầm ở nước ngoài, lương thấp hơn.
• Việc không biến mất — nó đổi chỗ. Việt Nam đang ở đúng đường đi của dòng chảy đó.
• Hai cửa đón việc: Cửa 1 (đôi tay rẻ theo đặc tả — AI nuốt trong 18 tháng); Cửa 2 (tầng 0, phán đoán, hào — cộng dồn).
• Phép thử cho cá nhân và công ty: sau mỗi lần làm xong, bạn còn lại gì — một hoá đơn, hay một tài sản?

Nỗi sợ phổ thông và dữ liệu thật

Câu chuyện phổ thông rất gọn: AI viết được code, nên công ty không cần kỹ sư nữa, nên kỹ sư mất việc. Mỗi mệnh đề nghe hợp lý, và đợt sa thải gần đây có vẻ xác nhận tất cả.

Quy mô là thật. Những tháng đầu năm 2026, ngành công nghệ cắt khoảng 78.000–80.000 việc làm; theo phân tích của Nikkei Asia, gần 48% số đó được quy cho việc AI và tự động hoá làm giảm nhu cầu nhân lực. Oracle dẫn đầu với khoảng 30.000 vị trí, theo sau là Amazon, Meta, Dell. Intuit cắt 17% nhân sự, Snap cắt 16% — và cả hai đều công khai viện dẫn lý do "AI cho phép đội nhỏ hơn làm nhiều hơn".

Đến đây phần lớn người đọc dừng lại và rút ra kết luận hiển nhiên. Đó là sai lầm. Vì câu hỏi quan trọng không phải "bao nhiêu người bị cắt", mà là "việc của họ đi đâu" — và đây là chỗ câu chuyện phổ thông im lặng.

Bóc lớp vỏ "sa thải vì AI"

Có một khoảng cách lớn giữa "công ty nói sa thải vì AI" và "AI thật sự làm được việc đó". Chính Sam Altman thừa nhận có hiện tượng tô vẽ AI (AI washing): một phần các đợt cắt giảm là việc công ty vốn đã muốn làm, nay mượn AI làm cái cớ nghe hợp thời; phần còn lại mới là dịch chuyển thật.

Forrester đi xa hơn trong báo cáo dự đoán 2026: khoảng một nửa số người bị sa thải dưới danh nghĩa AI sẽ được thuê lại — nhưng ở nước ngoài, hoặc với mức lương thấp hơn đáng kể. Hơn nữa, 55% nhà tuyển dụng nói họ hối tiếc vì đã cắt người cho AI, và nhiều công ty đang sa thải để đặt cược vào năng lực AI còn chưa tồn tại.

Điều này khớp với một con số tôi đã viết trong bài về AI agent: 88% dự án tác tử AI (AI agent) doanh nghiệp không bao giờ lên được vận hành thật, và nút thắt không phải trí thông minh của mô hình mà là tích hợp vào hệ thống thật. Nói cách khác, năng lực để thật sự thay con người ở quy mô đang bị thổi phồng trước thị trường. Phần lớn tổ chức chưa có thứ đó.

Ghép hai mảnh lại: nếu năng lực AI chưa đủ để xoá việc, mà việc vẫn bị cắt khỏi bảng lương phương Tây, thì việc đó không bốc hơi. Nó đổi chỗ. Một phần thành tự động hoá thật; một phần lớn hơn thành lao động rẻ hơn ở nơi khác, khoác lên mình câu chuyện AI cho gọn. "Cuộc thuê lại vĩ đại" là tên cho phần thứ hai — và nó cần một điểm đến.

Vì sao dòng việc chảy về Việt Nam

Việt Nam là một trong những điểm đến rõ ràng nhất của dòng chảy này, vì ba thứ trùng nhau đúng lúc. Thứ nhất là quy mô đang lên: theo Modor Intelligence, thị trường dịch vụ công nghệ thông tin Việt Nam tăng từ khoảng 2,37 tỷ đô (2025) lên 2,63 tỷ đô (2026), và được dự báo đạt 4,39 tỷ đô vào 2031. Thứ hai là nhân lực: hơn 650.000 chuyên gia công nghệ, khoảng 55.000 kỹ sư mới mỗi năm, trong đó hơn 300.000 người đã chuyển sang AI và học máy (machine learning).

Thứ ba, và quan trọng nhất: bản chất cầu đang đổi. Việt Nam đang được nhìn nhận lại — từ "điểm gia công giá rẻ" sang "đối tác công nghệ chiến lược". Doanh nghiệp phương Tây không còn dựng đội gia công đông và đa năng nữa; họ tìm các nhóm nhỏ, kỹ năng cao, giỏi sâu một công nghệ cụ thể. Đây là một tín hiệu sống còn mà tôi sẽ quay lại — vì nó chính là biên giới giữa hai cửa.

Nhưng đừng đọc đây là tin vui thuần tuý. Ấn Độ thường đi trước Việt Nam 3–5 năm trong các xu hướng gia công, và các công ty gia công lớn của Ấn Độ đã cắt hàng chục nghìn người trong vòng 18 tháng qua. Dòng việc chảy về không có nghĩa là nó ở lại. Nó chỉ ở lại với ai đón nó qua đúng cửa.

Hai cửa

Hình dung dòng việc từ phương Tây chảy về, và trước mặt nó có hai cánh cửa.

Cửa 1 là "đôi tay rẻ làm theo đặc tả": khách gửi yêu cầu, đội ở Việt Nam viết code, giao lại. Đây đúng là tầng 3 thuần trong chuỗi giá trị phần mềm — và là tầng AI làm tốt nhất, tan rã nhanh nhất. Lợi thế duy nhất của cửa này là giá — và đó là cuộc đua con người khó thắng ở dạng việc này. Chi phí suy luận (inference) của AI không hề nhỏ và là một gánh nặng vận hành thật; nhưng tính trên mỗi đơn vị việc theo đặc tả, nó vẫn rẻ hơn lao động, chạy được 24/7 mà không gánh chi phí tuyển dụng hay quản lý theo đầu người, và còn đang đi xuống nhanh theo từng thế hệ mô hình. Đón việc qua Cửa 1 là bước vào một cuộc đua xuống đáy mà người thắng cuối cùng không phải con người. Khe thời gian: khoảng 12–18 tháng trước khi biên lợi nhuận bị bào mỏng đến mức vô nghĩa.

Cửa 2 là tầng kiến trúc và phán đoán mà AI chưa làm phẳng được, cộng với những hào quanh nó: dữ liệu nghiệp vụ chuyên ngành, kênh phân phối, quan hệ định kỳ, và năng lực dựng — vận hành AI (tầng 0). Đón việc qua Cửa 2 là mỗi lần làm xong lại để lại một tài sản cộng dồn, chứ không phải một hoá đơn rồi hết.

flowchart TD
    W[Việc bị cắt khỏi<br/>bảng lương phương Tây] --> R[Đổi chỗ,<br/>không biến mất]
    R --> D{Đón qua<br/>cửa nào?}
    D -->|Cửa 1| C1[Đôi tay rẻ<br/>làm theo đặc tả]
    D -->|Cửa 2| C2[Kiến trúc + phán đoán<br/>+ hào tổ chức]
    C1 --> E1[AI nuốt trong<br/>12–18 tháng]
    C2 --> E2[Tài sản cộng dồn,<br/>khó thay thế]

Khác biệt giữa hai cửa không nằm ở công nghệ dùng — cả hai đều "làm AI". Nó nằm ở cấu trúc kinh tế của việc: Cửa 1 bán công, Cửa 2 bán vị trí. Và vì ai cũng nghe cụm "AI Native" như nhau, rất nhiều đội đang tưởng mình ở Cửa 2 trong khi thực chất đứng ở Cửa 1 với một lớp sơn mới.

Cửa 2 không chỉ là tầng 0

Cách nhanh nhất để hiểu Cửa 2 ở tầng kỹ thuật là qua khái niệm tầng 0 — lớp hạ tầng AI mà tôi đã mô tả trong bài về sản xuất phần mềm: những người chọn mô hình, viết vòng lặp tác tử, cài đặt tích hợp (MCP, công cụ), dựng hệ thống đánh giá, kiểm soát chi phí suy luận và rào chắn. Đây là pháo đài bền nhất ở tầng kỹ thuật, vì AI chưa tự dựng được AI ở mức tổ chức — quá nhiều ngữ cảnh ngầm không trích xuất ra được.

Nhưng tầng 0 chỉ là một lát của Cửa 2, không phải toàn bộ. Nó là phần "dựng và vận hành AI". Còn phán đoán về vấn đề (tầng 1 — bền nhờ trách nhiệm pháp lý và niềm tin) và phán đoán về giải pháp (tầng 2 — đánh giá thoả hiệp trong ngữ cảnh) là những lát khác, cũng nằm phía Cửa 2. Một người cực giỏi tầng 0 nhưng không có phán đoán tầng 1–2 vẫn có thể bị đẩy về thành thợ lắp ráp AI — tức là vẫn dính rủi ro Cửa 1, chỉ tinh vi hơn.

Ở cấp tổ chức, Cửa 2 còn rộng hơn nữa. Nó là cả khối hào: dữ liệu nghiệp vụ chuyên ngành (loại bền, không AI nào tự sinh ra được), kênh phân phối, mô hình nhà tích hợp dọc (vertical integrator), và bán kết quả thay vì bán quyền sử dụng (license). Tầng 0 là điều kiện cần nhưng không đủ. Công ty thắng trong làn sóng này là công ty có vốn vật chất, cộng dữ liệu nghiệp vụ, cộng người tầng 0 — ba chân, không phải một.

Và một điều dễ quên: ngay cả tầng 0 cũng có đồng hồ đếm ngược. Đã có những đội xây "tác tử dựng tác tử"; nếu thành công, tầng 0 cũng tự tan rã, chỉ chậm hơn (10 năm trở lên). Nên Cửa 2 là pháo đài bền nhất, không phải vĩnh viễn. Đây là luận điểm chống hội tụ: không có vị trí nào là hào vĩnh cửu, kể cả vị trí tốt nhất hôm nay. Người sống lâu là người tiếp tục rời vùng mình vừa thành thạo trước khi nó kịp bị mã hoá thành thứ sao chép được.

Phép thử: sau triển khai còn lại gì?

Bài học trừu tượng trên đáng được biến thành một phép thử cụ thể. Lấy một mô hình đang thịnh: công ty chuyên đi "triển khai AI Native" cho doanh nghiệp — tức nghề đưa AI vào làm gốc cho vận hành. Hợp lý không?

Ngắn hạn: rất hợp lý, như một cỗ máy tạo tiền. Nút thắt thật của thị trường lúc này không phải mô hình mà là tích hợp — cắm AI vào hệ thống vận hành lộn xộn của doanh nghiệp một cách an toàn, đáng tin. Phần lớn tổ chức không tự làm nổi. Một công ty biết triển khai vào thực tế đang đứng đúng chỗ cầu lớn nhất, thu tiền ngay, lại có cớ chính đáng để chạm vào dữ liệu và hệ thống lõi của khách.

Dài hạn: không hợp lý, nếu dừng ở đó. Ba lực kéo ngược, đều từ khung phía trên. Một, bản chất "đi triển khai" là dịch vụ tầng 3 cộng bán tầng 0 dưới dạng lao động — đúng cái AI đang làm phẳng; lợi thế "đội tôi làm nhanh và rẻ hơn" hết hạn khi mô hình mạnh lên. Hai, có một mâu thuẫn chí mạng: bạn đang bán đúng thứ mà logic phía trên bảo khách đừng bao giờ thuê ngoài — năng lực tầng 0. Khách giỏi sẽ xây tầng 0 nội bộ; cầu cho "tầng 0 thuê ngoài" co về nhóm khách kém tinh vi nhất, mà nhóm đó cũng dễ thất bại và dễ rời bỏ nhất. Đó là một nghịch lý chọn lọc ngược. Ba, khách nào đã có tầng 0 sẽ tự xây — nên mỗi hợp đồng triển khai có hạn dùng gắn sẵn.

Tóm lại: hợp lý như một cỗ máy và một cây cầu, không hợp lý như một đích đến. Toàn bộ trò chơi là chuyển hoá tiền, quyền truy cập và dữ liệu từ giai đoạn triển khai thành một vị trí Cửa 2 — trước khi khe tích hợp đóng lại. Bốn cách chuyển hoá:

• Bán kết quả trong một ngành dọc, không bán công triển khai: "giảm hao hụt chuỗi lạnh X%", không phải "dựng cho anh một bảng điều khiển".
• Sở hữu dữ liệu nghiệp vụ chuyên ngành tích luỹ qua từng dự án, để mỗi lần triển khai làm dày hào thay vì bán đứt một lần.
• Trở thành nhà tích hợp dọc: phần cứng cộng phần mềm cộng dịch vụ trong một ngành — rào cản kép mà startup phần mềm thuần không tấn công được và nền tảng siêu quy mô không nuốt được.
• Giữ quan hệ định kỳ thay vì dự án rời.

Phép thử rút gọn thành một câu để tự hỏi sau mỗi lần làm xong: bạn còn lại gì? Nếu chỉ còn một hoá đơn, bạn đang ở Cửa 1, dù tên dự án có chữ "AI Native". Nếu còn lại dữ liệu, một mảnh sản phẩm tái dùng được, và một quan hệ định kỳ — bạn đang dịch dần về Cửa 2.

flowchart LR
    T[Một lần triển khai] --> Q{Còn lại gì?}
    Q -->|Chỉ hoá đơn| A[Cửa 1 — bán công]
    Q -->|Dữ liệu + sản phẩm tái dùng<br/>+ quan hệ định kỳ| B[Cửa 2 — bán vị trí]

Riêng với Việt Nam: cửa sổ 18 tháng

Ngành gia công công nghệ thông tin Việt Nam đang ở đúng tâm của câu chuyện này, và phần lớn doanh thu của nó đứng trên tầng dễ tan rã nhất. Đây không phải vì kỹ sư Việt yếu — mà vì cả mô hình kinh doanh được dựng quanh việc bán công theo đặc tả, tức Cửa 1. Khi dòng việc mới chảy về, các công ty này sẽ là nhóm đầu tiên cảm nhận cả hai mặt: cầu tăng trong ngắn hạn, rồi biên lợi nhuận bị bào trong trung hạn.

Hai lối thoát, đều là cách bước qua Cửa 2. Một, đi lên chuỗi giá trị — từ "viết code theo đặc tả" sang thiết kế giải pháp và hiểu vấn đề khách hàng; con đường khó, đòi hỏi đầu tư đào tạo nhiều năm và làm việc sâu với khách. Hai, đi xuống tầng vật chất — trở thành nhà tích hợp dọc trong các ngành Việt Nam có sẵn vốn vật chất: sản xuất, hậu cần, bán lẻ, nông nghiệp.

Lối thứ hai cụ thể hơn nhiều người tưởng. Một đội vừa làm phần cứng cảm biến, vừa viết phần mềm giám sát, vừa vận hành dịch vụ tại hàng nghìn điểm bán lẻ — ví dụ giám sát chuỗi lạnh để giảm hao hụt hàng hoá — không phải đang "triển khai AI" chung chung. Đó là một nhà tích hợp dọc đang thành hình: có dữ liệu vận hành thật ở quy mô, có nghiệp vụ chuyên ngành sâu, có quan hệ định kỳ với khách. Startup phần mềm thuần không vào được vì thiếu chân vật chất; nền tảng toàn cầu không xuống tới vì quá hẹp về ngành.

Và đây là chỗ nghịch lý nhất. Các tập đoàn đa ngành Việt Nam — những nơi không tự nhận là "công ty công nghệ" — lại đang ở vị thế Cửa 2 thuận lợi nhất: họ có vốn vật chất (nhà máy, bán lẻ, viễn thông), có dữ liệu nghiệp vụ bền, và đủ nguồn lực để xây tầng 0 nội bộ. Trong làn sóng này, công ty có vốn vật chất cộng dữ liệu cộng người tầng 0 sẽ thắng công ty chỉ có nhiều kỹ sư phần mềm thuần.

Với cá nhân: nếu bạn là kỹ sư trẻ, đầu tư vào năng lực Cửa 2 — tầng 0 cộng phán đoán nghiệp vụ — gần như chắc chắn là quyết định nghề tốt hơn cố giỏi hơn AI ở tầng 3, một cuộc đua bạn không thắng. Với founder và CTO: cửa sổ không mở mãi. Khe tích hợp — quãng thời gian doanh nghiệp cần người ngoài để cắm AI vào hệ thống — có lẽ chỉ rộng khoảng 18 tháng trước khi khách giỏi tự làm và mô hình tự mạnh lên. Việc dịch từ Cửa 1 sang Cửa 2 phải bắt đầu bây giờ, không phải năm sau.

Kết: bạn còn lại gì?

Làn sóng sa thải mà phương Tây đang sợ là thật, nhưng nó không phải dấu chấm hết cho kỹ sư — nó là một cuộc tái phân phối việc làm khổng lồ, và Việt Nam nằm đúng đường đi của nó. Câu hỏi không phải "AI có lấy việc của tôi không". Câu hỏi là bạn đón dòng việc đó qua cửa nào.

Và phép thử thì luôn là một câu, dù bạn là cá nhân hay cả một công ty: sau mỗi lần làm xong, bạn còn lại gì? Một hoá đơn, hay một vị trí khó thay thế hơn so với lúc bắt đầu? Trả lời thật câu đó — không phải cho ai cả, chỉ cho chính mình.

Ghi chú: bài này có thể sai ở đâu

Như mọi suy luận đi xa khỏi dữ liệu hiện có, có những chỗ đáng nghi ngờ.

Một, "thuê lại ở nước ngoài" có thể bị thổi phồng. Dự báo của Forrester là dự báo, không phải dữ liệu đã xảy ra. Có khả năng phần lớn việc bị cắt thật sự biến mất — hoặc được giữ trong nước nhờ chính nhân sự còn lại dùng AI làm nhiều hơn, chứ không chảy ra ngoài. Nếu vậy, dòng chảy về Việt Nam nhỏ hơn nhiều so với bài này giả định.

Hai, ngay cả khi việc chảy ra ngoài, nó chưa chắc chảy về Việt Nam. Ấn Độ, Ba Lan, Mỹ Latinh đều cạnh tranh, mỗi nơi một lợi thế (quy mô, múi giờ, văn hoá). Việt Nam không có quyền mặc định trong dòng chảy này; "ở đúng đường đi" không bằng "chắc chắn nhận được".

Ba, cửa sổ 18 tháng là một ước lượng, không phải con số đo được. Khe tích hợp có thể rộng hơn nếu rào cản tổ chức của doanh nghiệp dai dẳng hơn dự đoán — lịch sử cho thấy phần lớn công ty truyền thống tự xây phần mềm đều thất bại — hoặc hẹp hơn nếu các hệ "tác tử dựng tác tử" tiến nhanh hơn.

Bốn, mô hình hai cửa là một lát cắt gọn. Thực tế có thể có nhiều hơn hai cửa, hoặc một dạng giá trị mới chưa ai hình dung ra — như internet không chỉ là "bưu điện nhanh hơn". Nếu vậy, khung này lỗi thời từ khi viết. Đọc nó như một cách định hướng, không phải một bản đồ chắc chắn.