Có một chi tiết trong tiểu thuyết Hum mà tôi nghĩ về mãi, vì nó không phải chuyện khoa học viễn tưởng — nó là mô tả công việc của rất nhiều người tôi quen.
Nhân vật chính, May, là chuyên gia giao tiếp với AI. Cô mất việc không phải vì làm kém, mà vì làm quá giỏi: nhiệm vụ của cô là dạy máy, và cô dạy đến mức máy không cần cô nữa. Phần thưởng cho sự thành thạo của cô là sự dư thừa. Cô được trả lương để huấn luyện chính thứ sẽ thay thế mình, và cô làm việc đó tốt đến mức tự đẩy nhanh ngày mình bị loại.
Đây là cái bẫy tôi muốn nói tới, và nó không phải bẫy của riêng May. Một kỹ sư viết mã sạch, đặt tên biến rõ ràng, viết tài liệu kiến trúc mạch lạc, giải thích trong code review vì sao cách này hơn cách kia — mỗi hành động đó vừa là dấu hiệu của tay nghề cao, vừa là một mẫu huấn luyện hoàn hảo cho cái sẽ làm thay anh ta. Người càng giỏi, dữ liệu để lại càng sạch, máy học càng nhanh. Chúng ta đang ở trong vòng lặp của May, và phần lớn còn tự hào về việc đó.
May là hư cấu, nhưng vòng lặp thì không. Hỏi một kỹ sư Cobol năm 1995 ai đe doạ họ — ngày đó không phải AI mà là outsource sang Ấn Độ; câu chuyện cùng hình dáng. Ngày một kỹ năng được mô tả đủ rõ để dạy lại, nó bắt đầu rời tay người sở hữu, và mỗi người làm tốt phần đó đều đang góp một dòng vào tài liệu của chính người thay mình.
Phản xạ đầu tiên khi thấy cái bẫy này là hỏi "vậy làm gì để AI không thay được tôi?" — và đó là câu hỏi sai, câu hỏi sẽ dẫn bạn đi lạc. Vì nó là câu hỏi tĩnh: nó giả định có một vùng an toàn cố định nào đó, một loại việc "AI không làm được", chỉ cần dọn vào đó là xong. Nhưng không có vùng nào cố định. Mọi vùng tưởng an toàn hôm nay — viết, phân tích, thiết kế, kể cả phán đoán chiến lược — đều đang bị thu hẹp với tốc độ khác nhau. Đi tìm pháo đài là tự dối mình. Câu hỏi đúng phải là câu hỏi động: không phải "trốn vào đâu" mà "di chuyển thế nào".
Để thấy hướng di chuyển, phải gọi đúng tên cơ chế của cái bẫy. Tôi mượn một analogy từ sinh học, có ý thức rằng nó là analogy chứ không phải bằng chứng: trong sinh học, mọi trạng thái cường độ cao đều bị kéo về mức nền — không phải vì có gì sai, mà vì đó là thiết kế giữ cho hệ thống còn khả năng thích nghi. Cơ chế kinh tế dưới đây khác (sự thành hàng hóa khi chi phí biên của tái tạo tiến tới 0), nhưng hình của hai đường cong giống nhau, và đó là chỗ analogy còn dùng được. Trong nghề nghiệp, cái bẫy "dạy để bị thay" là một dạng hội tụ: bạn tối ưu một kỹ năng cho đến khi thành thạo, và chính sự thành thạo đó — vì nó ổn định, lặp lại được, mô tả được — là thứ máy học để sao chép. Bạn hội tụ vào một điểm tối ưu cục bộ, và điểm tối ưu cục bộ là đúng nơi máy đến tìm bạn. Càng đứng yên ở đó lâu, càng chắc bị sao chép.
Nếu cái bẫy là hội tụ, thì lối thoát chỉ có một tên: chống hội tụ. Thoát khỏi mô hình "dạy để bị thay" không phải là tìm một kỹ năng bất khả xâm phạm — không có thứ đó — mà là liên tục rời khỏi vùng mình vừa thành thạo, trước khi nó kịp bị mã hóa thành thứ sao chép được. Không phải chạy trốn AI. Là từ chối đứng yên đủ lâu để bị chụp lại.
Có một phản biện hiển nhiên phải xử lý ngay: AI cũng đang chống hội tụ. Mô hình được retrain, fine-tune, mở rộng năng lực — và với chu kỳ đo bằng tuần thay vì năm. Nếu trận này chỉ là cuộc đua chống hội tụ, con người thua, và thua đậm. Cái cứu lập luận này không phải tốc độ thích nghi của con người — ta không thắng được ở đó — mà là vùng thích nghi: AI chống hội tụ trên không gian các mẫu hình đã có dữ liệu; con người chống hội tụ được vào những bài toán mà chính mình là dữ liệu duy nhất — bối cảnh, ràng buộc, cuộc đời cụ thể không lặp lại. Tôi phải thành thật rằng ngay cả vùng này cũng đang bị thu hẹp: cá nhân hóa, bộ nhớ dài hạn, agent học hành vi một người qua thời gian đang lấn dần vào đúng chỗ đó. Đây là nơi nước rút chậm nhất, không phải vùng đất không bao giờ ngập. Lối thoát này mua cho bạn thời gian và thế chủ động, không mua cho bạn chiến thắng vĩnh viễn trước máy.
Câu "liên tục rời vùng thành thạo" nghe dễ thành một lời sáo rỗng kiểu "hãy luôn học hỏi", nên tôi phải làm nó chính xác, vì sự chính xác mới là chỗ nó có giá trị. Chống hội tụ không có nghĩa là không bao giờ được sâu, không bao giờ được dừng. Một cái máy chạy bộ kiệt sức không phải là người thích nghi tốt — đó chỉ là người chưa kịp gục. Sinh học không cấm trạng thái ổn định; nó cấm trạng thái ổn định vĩnh viễn. Cơ chế đúng là một chu kỳ: lao vào một vùng, thành thạo nó thật sâu, rồi — đây là phần khó — dịch đi khi còn đang giỏi, không đợi đến lúc bị đẩy. May ở lại quá lâu trong một vùng thành thạo duy nhất; cô tối ưu sâu một chỗ cho đến khi chỗ đó bị sao chép trọn vẹn. Người thoát được không phải người nông cạn hơn, mà là người coi mọi sự thành thạo là tạm thời, và rời đi trên đỉnh chứ không phải dưới đáy.
Nhưng "rời khi còn đang giỏi" lập tức gặp một phản biện chí mạng: làm sao biết khi nào sắp bị sao chép để mà rời? May không biết. Phần lớn người không biết. Khuyên "hãy rời trước khi quá muộn" mà không chỉ được cái đồng hồ thì cũng vô dụng như khuyên "hãy bán cổ phiếu trước khi nó rớt". Đây là chỗ luận điểm phải đưa ra một tín hiệu cụ thể, nếu không nó chỉ là lời tiên tri rỗng. Và tín hiệu đó có thật: khi việc bạn làm bắt đầu giải thích được thành quy trình — khi nó có thể viết thành tài liệu, dạy cho người mới trong một tuần, đóng gói thành các bước lặp lại — đó chính là lúc nó đang bị mã hóa thành dữ liệu. Và một tín hiệu thứ hai, kín hơn: khi đầu ra của bạn đang được số hóa và đưa vào tập huấn luyện — mọi commit công khai, mọi bản nháp gửi qua công cụ AI, mọi quyết định được log lại. Quy trình hóa được là điều kiện đủ; có-dữ-liệu-mẫu mới là điều kiện cần. Học đầu-cuối (end-to-end learning) nuốt được cả những việc bạn không quy trình hóa được, miễn là có đủ dữ liệu hành vi. Nghịch lý là: thời điểm bạn cảm thấy thoải mái nhất, thành thạo nhất, "đã nắm chắc rồi" — chính là tín hiệu sớm nhất rằng đã đến lúc dịch đi. Cảm giác làm chủ là cái đồng hồ báo động, không phải đích đến.
Ở đây có một phản biện sắc khác phải nhận: nếu thành thạo cần 5 năm mà vùng tồn tại chỉ 3 năm, thì không bao giờ có "đỉnh" để rời từ trên — bạn rời từ giữa dốc, không phải đỉnh. Đây là sự thật cứng với phần lớn nghề trong thời chu kỳ rút ngắn. Phiên bản trung thực hơn của lời khuyên: rời khi đã đủ giỏi để mang theo được cái gì đó dùng được sang vùng kế, không phải đợi đến đỉnh. Đỉnh là xa xỉ của thời chu kỳ dài; giờ ta học để mang đi, không học để định cư.
Và đây là chỗ Hum cho bài học sâu nhất, không phải về AI mà về cái chúng ta bám vào. Câu hỏi thật không phải "rời đi đâu" mà "rời cái gì, giữ cái gì". May rời sai thứ. Khi cùng đường, cô bán chính khuôn mặt mình — danh tính, cái neo cuối cùng — để được biến mất khỏi hệ thống nhận diện. Nhưng cái cô lẽ ra phải bỏ thì cô giữ chặt: niềm tin rằng giá trị của một con người nằm ở chỗ làm tốt việc được giao. Cô buông đúng thứ không nên buông và ôm đúng thứ đang giết mình. Người thoát được làm ngược lại: họ rời vùng thao tác cụ thể — kỹ năng X, công cụ Y, cách làm Z — nhưng giữ lại cái duy nhất đáng giữ, là năng lực liên tục tái định nghĩa mình. Cái được giữ không phải một kỹ năng nào cả. Nó là khả năng thay kỹ năng. Đó là tài sản duy nhất không bị hội tụ, vì bản chất của nó là không đứng yên.
Tổ chức kẹt trong cùng cái bẫy, chỉ ở quy mô lớn hơn, và phần lớn người điều hành chưa nhìn ra vì nó đội lốt thành tựu. Cả nghệ thuật xây một công ty lớn là mã hóa năng lực thành quy trình, SOP, sổ tay — để nhân bản: hàng ngàn cửa hàng chạy cùng một cách, một sản phẩm bán ở mọi nơi. Nhưng cái gì mã hóa được thành quy trình thì AI sao chép được. Nên tổ chức kẹt y hệt May: càng chuẩn hóa giỏi, nó càng tự biến mình thành thứ có thể bị sao chép trọn. Một công ty mà toàn bộ lợi thế nằm ở quy trình vận hành xuất sắc đang ngồi trên đúng cái ghế của May — thành thạo, ổn định, và vì thế dễ bị nuốt. Lối thoát ở tầng tổ chức là cùng một nguyên lý: đừng để bất kỳ năng lực lõi nào đông cứng thành quy trình tĩnh rồi dừng ở đó. Tổ chức sống sót là tổ chức luôn giữ một phần của mình ở trạng thái đang-tái-định-nghĩa — đang hỏi "cái gì chúng ta làm hôm nay sắp trở thành hàng hóa, và chúng ta dịch lõi giá trị lên đâu trước khi điều đó xảy ra". Cái đáng giữ ở tầng công ty cũng không phải một quy trình xuất sắc nào, mà là khả năng liên tục thay quy trình — đúng thứ mà tối ưu vận hành thuần túy bào mòn.
Điều này đổi cả cách đo lường và tổ chức con người, theo hướng ngược với hầu hết công ty hôm nay. Đo sản lượng — số dòng mã, số việc xong, số bản nháp — là đo đúng cái đang trên đường thành hàng hóa, và tệ hơn, là thưởng cho việc đào sâu vào một vùng thành thạo, tức thưởng cho chính hành vi dẫn vào bẫy. Người được tưởng thưởng vì làm cùng một việc giỏi hơn mỗi năm đang được trả tiền để hội tụ. Tổ chức khôn hơn tưởng thưởng cho sự dịch chuyển: cho người dám rời một vùng họ đã làm chủ để mở một vùng mới, cho người liên tục đẩy lõi giá trị của mình lên tầng chưa bị mã hóa. Người giỏi nhất không nên bị chôn sâu nhất trong một khâu — vì đó là cách biến tài năng thành dữ liệu huấn luyện — mà nên được luân chuyển tới đúng những chỗ bài toán còn chưa có lời giải thành quy trình.
Tôi sẽ thành thật về giới hạn của chính luận điểm này, vì một bài về việc không-đứng-yên mà tự cho mình là chân lý cuối cùng thì đã tự phản bội. Chống hội tụ trả lời được "di chuyển thế nào" nhưng không trả lời "ai trả giá cho việc phải di chuyển mãi". Người gắn nhãn dữ liệu, người làm công việc lặp lại ở đáy chuỗi, không có vốn để dịch — không phải vì họ lười đứng yên, mà vì họ chưa từng được trao một vùng thành thạo nào đủ để rời đi từ trên đỉnh. Với họ, "hãy liên tục tái định nghĩa mình" là một câu nói của người đã có đủ ăn. Đây là câu hỏi phân phối và chính sách, không phải câu hỏi tự hoàn thiện, và tôi không có lời giải cho nó trong một bài viết — nhưng để câu hỏi đó treo lửng mà không gọi tên thì là sự bất lương dễ chịu của người đang đứng ở phía thắng. Và còn một giới hạn nữa: "rời khi còn đang giỏi" giả định bạn có đủ an toàn để mạo hiểm rời đi. Không phải ai cũng có cái xa xỉ đó. Lời khuyên này thật nhất với người có đường lùi, và mỏng dần với người không có — đó là sự thật tôi không muốn tô hồng.
May tự hoàn thiện thứ thay thế mình vì cô chỉ có một khung nhìn: giá trị nằm ở chỗ làm tốt việc được giao. Đó là khung nhìn của một thế giới đứng yên — thế giới mà bạn học một nghề, giỏi dần lên, rồi sống bằng nó. Thế giới đó đã hết. Trong thế giới đang dịch dưới chân, sự thành thạo cố định không còn là tài sản mà là một cái đồng hồ đếm ngược: càng đứng yên trên nó lâu, càng chắc bị sao chép. Bài học từ Hum không phải "AI đang đến lấy việc của bạn". Mà là: thứ đang quyết định bạn còn việc gì sau cùng chính là sự đứng yên của bạn — và lối thoát duy nhất không phải chạy nhanh hơn máy trên cùng một đường, mà là không bao giờ cho phép mình, hay tổ chức mình, đông cứng lại đủ lâu để bị chụp lại thành dữ liệu. May bị đẩy ra khỏi vùng thành thạo của mình bởi tai họa, khi đã quá muộn. Câu hỏi cho chúng ta là liệu ta có tự rời đi được không — khi vẫn còn đang đứng trên đỉnh, và còn lựa chọn.