Sau khi AI tạo sinh nhanh chóng xâm nhập nơi làm việc, người cảm nhận cái lạnh đầu tiên có thể không phải là những người lao động kỳ cựu đã đứng vững vị trí, mà là những tân cử nhân đang chuẩn bị bước vào môi trường làm việc. Từ lộ trình sự nghiệp trước đây “làm việc cấp thấp trước, rồi từ từ leo lên” cho đến nay doanh nghiệp lại có xu hướng tuyển thẳng người đã có kinh nghiệm, có thể sử dụng ngay, AI đang viết lại không chỉ nội dung công việc, mà còn là “sân tập” mà người trẻ trước vốn dựa vào để trưởng thành.
Trong 《商談不廢話》, người dẫn chương trình Linga và Bradley—người có nền tảng y khoa tại Đài Loan đại học, công vệ sinh (public health) ở Harvard và McKinsey, đồng thời từng đảm nhiệm vị trí quản lý cấp cao tại 乐天醫藥 và Appier—đã xoay quanh hiện tượng này để thảo luận. Hai người cố gắng trả lời một câu hỏi ngày càng trở nên gắt gỏng: Liệu AI có phải không phải trước tiên thay thế nhân viên kỳ cựu, mà là trước tiên khiến tân binh thậm chí không có cơ hội bước lên sân khấu?
Sau khi tìm được các nghiên cứu liên quan đến Harvard và Stanford, chương trình phát hiện rằng sau khi ChatGPT ra mắt, các vị trí tuyển cho người mới bắt đầu đúng là có sự sụt giảm rõ rệt, đặc biệt ở những ngành nghề mức độ phơi nhiễm với AI cao hơn. Những công việc như hành chính, thư ký, kinh doanh cấp khởi đầu, marketing… chịu tác động trực tiếp hơn cả.
AI+đồng nghiệp kỳ cựu là đủ rồi, cần gì đào tạo tân binh?
Chương trình trích dẫn một nghiên cứu liên quan đến Harvard và Stanford và phát hiện rằng sau khi ChatGPT ra mắt, các vị trí tuyển cho người mới bắt đầu đúng là có sự sụt giảm rõ rệt, đặc biệt ở những ngành nghề mức độ phơi nhiễm với AI cao hơn. Những công việc như hành chính, thư ký, kinh doanh cấp khởi đầu, marketing… chịu tác động trực tiếp hơn cả. Điều này có nghĩa là doanh nghiệp không hẳn dừng hoàn toàn việc tuyển dụng, mà bắt đầu cân nhắc lại: Nếu một nhân viên có chút kinh nghiệm kết hợp công cụ AI là có thể tạo ra sản lượng trước đây cần đến hai ba người mới làm được, thì có còn cần chi cùng ngân sách để đào tạo nhiều tân binh không?
Bradley thẳng thắn nói rằng sự thay đổi này trong thực tế doanh nghiệp đã khá rõ ràng. Trước đây công ty sẵn sàng dành cho người mới nửa năm, một năm để huấn luyện, luân chuyển, làm quen với ngành, nhưng giờ đây sự kiên nhẫn đó đang nhanh chóng co lại. Với nhà quản lý, bài toán thực tế trở nên rất trực tiếp: thuê hai ba nhân viên cấp đầu vào, rồi bố trí đồng nghiệp kỳ cựu dẫn dắt, đầu tư nguồn lực đào tạo; hay đơn giản thuê một người có kinh nghiệm, kèm theo công cụ AI tốt nhất, rồi trực tiếp xông ra trận? Ở đa số công ty coi trọng hiệu suất và năng lực làm ngay, câu trả lời gần như tự hiển nhiên.
Vì vậy, việc biến mất các vị trí cấp khởi đầu không chỉ đơn giản là “mất đi vài cơ hội việc làm”, mà là cả cấu trúc học tập bắt đầu lung lay.
Bởi vì nhiều nhiệm vụ mà tân binh trước đây dùng để luyện tay, lại đúng là nhóm công việc mà AI làm tốt nhất: tìm kiếm tài liệu, tổng hợp tóm lược, dịch thuật, viết code cơ bản, thực hiện phân tích ban đầu. Dù trước đây những công việc này tuy lặp đi lặp lại và vụn vặt, nhưng lại là điểm khởi đầu để người mới xây dựng cảm giác làm việc, hiểu tiêu chuẩn chất lượng và quan sát tiền bối đánh giá sự việc như thế nào. Giờ đây, những nhiệm vụ đó chỉ cần vài phút là AI làm xong; tân binh không chỉ mất đi “sân tập”, mà thậm chí cơ hội ngồi cạnh để xem cấp trên sửa thế nào, nghĩ thế nào, và đánh giá thế nào cũng giảm đi.
Thế hệ AI, thật sự biết thế nào là “tốt” không?
Linga cũng nhắc rằng sự thay đổi này đã phản ánh vào khoảng cách năng lực giữa sinh viên và early professional. Ở thế hệ trước khi chưa có công cụ AI, việc làm báo cáo bắt đầu từ số không: tự tìm tài liệu, xác minh nguồn, xây giả thuyết, rồi từ trang trắng làm dần đến khi có thể lên thuyết trình. Những người này dù chậm hơn, nhưng thường lại biết cách đi từ 0 lên 100.
Ngược lại, thế hệ sinh viên mới từ thời đại học đã sống trong thế giới của ChatGPT, Grok, Gemini. Họ quen với việc ném cùng một câu hỏi cho nhiều AI khác nhau, rồi ghép nhanh các đầu ra vào slide hoặc bảng biểu. Nhìn có vẻ hiệu quả hơn, nhưng cũng dễ khiến người ta—trong khi chưa có khả năng phán đoán—lấy luôn đáp án 60 điểm hoặc 80 điểm do AI tạo ra để nộp cho xong.
(AI làm được 80 điểm, người không làm được 100 điểm thì chắc chắn bị loại thải! McKinsey, cựu sinh viên Harvard khuyên tân binh làm như thế này)
Điều này cũng khiến các quản lý rơi vào một thế khó mới. Lấy ví dụ trong công việc tư vấn: trước đây, việc nhờ junior viết một email xin khách hàng cung cấp dữ liệu—trông có vẻ chỉ là công việc bằng chữ—nhưng thực tế lại là một quá trình quan trọng để rèn luyện: giúp người kia hiểu bối cảnh của khách hàng, nắm nhịp giao tiếp và cân đối câu chữ khi ra quyết định. Nhưng bây giờ, tình huống thường biến thành việc: quản lý vừa nhìn đã biết email đó không phải viết chưa đủ chín chắn, thì cũng rất rõ ràng là do AI sinh ra, vẫn cách khá xa trạng thái “dùng được”.
Lời khuyên cho người trẻ: chủ động hiểu “chuẩn mực” trong đầu cấp quản lý
Tuy nhiên, hai người không dừng lại ở sự lo lắng, mà đi xa hơn để bàn: khi nấc thang đầu tiên đang biến mất, người trẻ phải tự xây ra “sân tập” mới như thế nào?
Linga cho rằng việc đầu tiên là chủ động hiểu chuẩn mực nằm trong đầu người quản lý. Bởi nhiều người “cao thủ” nơi công sở làm tốt hơn người khác không chỉ vì họ nỗ lực hơn, mà vì trong lòng họ có sẵn cả một bộ checklist phán đoán: nguồn dữ liệu có cần được xác minh chéo hay không, có cần kiểm tra lý lịch của người nghiên cứu không, kết luận có cần nêu rõ điều kiện giới hạn không, logic của bản thuyết trình sắp xếp thế nào. Trước đây, các chuẩn mực này có thể được ẩn trong việc sửa đi sửa lại và chỉ dẫn bằng lời nói.
Nhưng trong thời đại AI, rất nhiều thứ trong số đó đã được quản lý chuyển thành prompt và constraint. Với người trẻ đi làm, điều thật sự quan trọng không phải là biết có dùng công cụ hay không, mà là có thể làm rõ trước “thế nào là tốt”.
Cảm nhận về cấu trúc và khả năng phán đoán—phần AI không thể thay thế
Việc thứ hai là, trong kỷ nguyên bùng nổ thông tin, hãy tập luyện lại năng lực đọc và tổng hợp của chính mình. AI có thể giúp bạn quét đồng thời 25 báo cáo, rồi nhanh chóng đưa cho bạn một bản tóm tắt, nhưng điều đó cũng rất dễ khiến người ta tưởng rằng mình đã hiểu vấn đề. Linga cho rằng, càng ở thời đại này, càng phải ép bản thân chọn ra nội dung thực sự có chất lượng cao, dành thời gian để đào sâu: xem tác giả định nghĩa vấn đề như thế nào, phân rã ngành ra sao, thiết kế phương pháp thế nào, xác minh giả thuyết ra sao—và cuối cùng lại đưa ra phán đoán dựa trên kinh nghiệm như thế nào.
Những đường đi nước bước về cảm nhận cấu trúc và phán đoán này chính là phần AI không thể tự “nội hóa” trực tiếp thay bạn.
Bradley thì nhắc rằng, nếu người trẻ muốn tiến gần hơn tới công việc cấp cao, bước đầu tiên luôn là “lấy kết quả để đổi lấy vé vào cổng”. Không chỉ là làm xong nhiệm vụ, mà phải làm sao để cấp trên yên tâm, sẵn sàng giao cho bạn những thứ phức tạp hơn. Ngoài ra, còn cần học cách chủ động “bổ vị”. Bởi trong môi trường làm việc, rất nhiều công việc cấp cao hơn, gần hơn với lõi ra quyết định, không phải là không có cơ hội, mà là không có ai làm.
Ví dụ, một nhiệm vụ bề ngoài chỉ là phân tích tỷ lệ chuyển đổi. Thực ra, điểm then chốt thường không nằm ở bản thân con số, mà là nhiệm vụ phân tích đó cần phải hỗ trợ quyết định gì đằng sau. Nếu cấp trên muốn biết bước tiếp theo nên phân bổ ngân sách marketing vào nhóm khách hàng nào nhiều hơn, thì bạn không nên chỉ giao mỗi tỷ lệ chuyển đổi; bạn cần đi thêm một bước, bổ sung chi phí thu hút khách (CAC), Lifetime Value, ROI, thậm chí đưa ra ngôn ngữ quyết định như “Nếu tăng ngân sách thêm 20%, doanh thu có thể tăng bao nhiêu”. Khả năng chuyển phân tích thành khuyến nghị này chính là một trong những thứ giá trị nhất trong thời đại AI.
Doanh nghiệp trong tương lai cần người như thế nào: tiến lên trong mơ hồ, biết thế nào là “tốt”
Khi nói về việc doanh nghiệp rốt cuộc cần tìm người như thế nào, Bradley cũng đưa ra câu trả lời khá rõ ràng. Thứ nhất, là người có thể tiến lên trong sự mơ hồ. Bởi thời đại AI thay đổi quá nhanh, chỉ sau ba tháng, nội dung công việc của bạn có thể đã hoàn toàn khác. Nếu một người nhất định phải đợi mọi thứ được định nghĩa rõ ràng mới hành động, thì không chỉ bản thân sẽ rất khổ, mà còn cho thấy rất có khả năng nội dung công việc của người đó sớm hay muộn cũng bị AI thay thế.
Thứ hai, có thể phán đoán đầu ra của AI không? Biết thế nào là “kết quả tốt”? Hiện nay “biết dùng AI” đã là ngưỡng cơ bản, khoảng cách thật sự nằm ở chỗ: sau khi xem phân tích thị trường do AI tạo ra, bạn có quan điểm của riêng mình không? Bạn có biết những chỗ nào cần xác minh? Những chỗ nào không thể bê nguyên xi chấp nhận tất cả? Bởi dữ liệu ngày nay đã không còn hiếm, thứ thực sự hiếm chính là quan điểm.
Tân binh tìm việc khó hơn, vị trí cấp khởi đầu bắt đầu lung lay
Thứ ba là có biết tự nâng cấp bản thân không. Trước một môi trường biến động nhanh, doanh nghiệp thà lấy một người hiện tại kỹ năng chưa nhiều nhưng học rất nhanh, chứ không muốn một người có nhiều kỹ năng nhưng lại đứng yên tại chỗ.
Vì thế, hai người cũng cho rằng, thay vì nói các vị trí cấp khởi đầu “biến mất”, thì đúng hơn là chúng đang được “định nghĩa lại”. Doanh nghiệp không phải là không cần người trẻ, mà không còn chỉ muốn những người làm được nhiệm vụ lặp lại. Mốc xuất phát mới trở thành việc bạn có hiểu AI không, có quan điểm không, có khả năng chủ động học nhanh không, và có biến công cụ thành đòn bẩy của riêng mình không. Với nhiều doanh nghiệp, người trẻ không chỉ còn là người được dẫn dắt, mà đang dần trở thành người mang trực giác AI, thói quen dùng công cụ và nhịp điệu của thế giới mới vào tổ chức.
Ở phần kết, chương trình cũng đưa ra một lời khuyên khá thực tế: nếu bạn hiện đang tìm việc, cách chuẩn bị hiệu quả nhất có thể không phải là đi học thêm một bằng cấp về AI, mà là tự làm một AI side project cho ngành bạn muốn bước vào. Giả sử bạn muốn vào bộ phận marketing của Google, thì hãy thử dùng công cụ AI để chạy trọn vẹn một quy trình công việc marketing: từ việc tìm vấn đề, thiết kế giải pháp, đến việc demo ra kết quả thực tế. Như vậy khi phỏng vấn, bạn không còn nói suông “tôi rất hứng thú với AI”, mà có thể trực tiếp đem ra một dự án end-to-end để chứng minh với nhà tuyển dụng rằng bạn đã có thể dùng công cụ để giải quyết vấn đề thực.
Với những tân binh đang đối mặt với lo lắng khi tốt nghiệp và đi tìm việc, thực tế khắc nghiệt nhất có lẽ là: cái “cầu thang sự nghiệp” trước đây trông như đương nhiên—giờ đang bị AI phá bỏ một phần.
Nhưng như Bradley nói, sự nghiệp có lẽ chưa bao giờ chỉ là leo cầu thang; nó còn giống như bơi lội. Con đường trước đây là được sắp sẵn, còn bây giờ bạn phải tự tìm phương hướng và tự bơi về phía trước. Khi nấc thang đầu tiên trở nên không còn vững chắc, điều thật sự quan trọng có lẽ không phải là cứ nhìn xem cầu thang đó còn tồn tại hay không, mà là bạn có năng lực chủ động tìm ra bước đi tiếp theo để giúp mình nổi lên.
Bài viết này “Lo lắng khi tốt nghiệp đi xin việc? Nghiên cứu cho thấy AI tác động trực tiếp đến vị trí cấp khởi đầu, tư vấn McKinsey khuyên tân binh làm như thế này” lần đầu xuất hiện trên 鏈新聞 ABMedia.
