AI & việc làm: Báo cáo từ Anthropic, nghề nào ổn - nghề nào không ổn lắm?
Thú thật đọc xong báo cáo của công ty Anthropic tôi thấy cái nghề của mình không ổn chút nào. Nhưng may mắn thay cái nghề của bà xã tôi thì lại rất ổn (ít nhất trong 10 năm nữa)
Mấy ngày gần đây, tôi dành trọn một buổi để đọc báo cáo “Labor Market Impacts of AI” của Anthropic - công ty tạo ra Claude, một trong những AI mạnh nhất hiện tại.
Báo công bố nghiên cứu riêng của họ về tác động của AI lên thị trường lao động. Đây không phải dự báo từ một consultant (chuyên gia tư vấn) hay think tank (viện nghiên cứu/nhóm tư duy). Đây là dữ liệu từ chính hệ thống của họ: người ta đang thực sự dùng AI để làm gì, với những nghề nào, theo cách nào.
Đọc xong, cảm giác đầu tiên không phải là hoảng sợ, mà là suy tư. Tôi cũng nhận ra kết quả khá thú vị và phức tạp hơn rất nhiều so với những gì các headline tôi hay đọc được trên truyền thông. Đặc biệt với nhóm người 35–55 tuổi.
Có thể nói: AI không cướp việc làm ngay lập tức, nhưng nó đang âm thầm thay đổi cách con người bước vào thị trường lao động.
Và điều đó khiến tôi phải tự hỏi: nếu không chuẩn bị từ hôm nay, liệu chúng ta có bị bỏ lại phía sau?
Nhưng trước hết tôi & bạn hãy xem…
Anthropic đo gì & tại sao cách đo đó quan trọng
Hầu hết các báo cáo về “AI thay thế việc làm” dùng một phương pháp đơn giản: liệt kê những task mà AI có thể làm được về mặt lý thuyết, rồi cộng lại theo nghề. Nghề nào có nhiều task AI làm được = nghề đó “nguy hiểm.”
Anthropic làm khác. Họ tạo ra một thước đo gọi là “observed exposure” tạm dịch là “mức độ tiếp xúc thực tế.” Thay vì hỏi “AI có thể làm gì?”, họ hỏi: “Người ta đang thực sự dùng AI để làm gì trong môi trường làm việc?”
Sự khác biệt này lớn chúng ta tưởng nhiều đó nha.
Ví dụ, Anthropic tìm thấy rằng với nhóm ngành Máy tính & Toán học, AI về lý thuyết có thể cover tới 94% số task. Nhưng thực tế quan sát được? Chỉ 33%. Khoảng cách 61 điểm phần trăm, đó chính là khoảng cách giữa “AI có thể làm” và “AI đang thực sự làm trong bối cảnh công việc thực.”
Lý do cho khoảng cách đó là gì?
Rào cản pháp lý. Yêu cầu xác minh của con người. Vấn đề bảo mật dữ liệu. Tích hợp phần mềm chưa hoàn thiện. Và đơn giản là tốc độ adoption (phổ cập/tiếp nhận) của thị trường chậm hơn tốc độ của công nghệ rất nhiều.
Nói cách khác: biết AI có thể làm gì không đủ để dự đoán thị trường lao động. Điều quan trọng hơn là AI đang thực sự được triển khai ở đâu, và ở tốc độ nào.
Biểu đồ radar so sánh AI có thể làm (xanh) vs AI đang thực sự làm (đỏ) theo từng ngành
Khi AI không thay thế công việc, mà thay đổi cánh cửa vào nghề
Tôi làm trong lĩnh vực nội dung và marketing đã hơn 10 năm. Công việc mỗi ngày bao gồm viết bài, chỉnh sửa, nghiên cứu thông tin và xây dựng ý tưởng. Nghe có vẻ sáng tạo, nhưng thực tế, phần lớn là những tác vụ lặp lại. Khi ChatGPT xuất hiện vào năm 2022, tôi đã dùng từ những ngày đầu & đã từng tự hỏi: liệu một ngày nào đó AI sẽ thay thế mình?
Rồi gần đây Claude Cowork xuất hiện thì gần như câu hỏi của tôi đã được xác nhận: mình có thể đã bị thay thế một phần
Báo cáo của Anthropic cho thấy nỗi lo ấy không phải vô căn cứ. Tuy nhiên, điều đáng chú ý là AI chưa thay thế hoàn toàn con người. Thay vào đó, nó đang thu hẹp cơ hội cho những người mới bước vào nghề, đặc biệt là các vị trí cấp thấp.
AI không loại bỏ công việc, nó loại bỏ những công việc dễ chuẩn hóa.
Nghề nào đang thực sự bị ảnh hưởng và liên hệ với Việt Nam
Trong danh sách 10 nghề có “observed exposure” (mức độ tiếp xúc thực tế) cao nhất theo báo cáo Anthropic, ba vị trí đầu là: lập trình viên (75%), nhân viên chăm sóc khách hàng (70%), và nhân viên nhập liệu (67%).
Ở góc nhìn ngành, bốn nhóm chịu tác động nhiều nhất gồm: IT & Toán học, Văn phòng & Hành chính, Tài chính & Kế toán, và Sales. Đây đều là những ngành mà phần lớn công việc có thể mô tả thành quy trình rõ ràng, lặp lại, và thực hiện qua màn hình.
Cụ thể hơn, những lĩnh vực có mức độ tác động cao bao gồm:
Lập trình viên, đặc biệt là cấp độ junior.
Nhân viên chăm sóc khách hàng.
Nhân viên nhập liệu và xử lý dữ liệu.
Chuyên viên phân tích tài chính.
Nhân viên nghiên cứu thị trường.
Chuyên viên kiểm thử phần mềm.
Người làm nội dung & marketing.
Điểm chung của những công việc này là phụ thuộc nhiều vào thông tin và ngôn ngữ – lĩnh vực mà AI đang tiến bộ nhanh chóng.
Đọc đến đây, mình nhận ra: không phải AI đang đến, mà nó đã ở đây rồi.
Liên hệ sang Việt Nam, những nhóm công việc tương ứng chịu áp lực lớn nhất có thể kể đến: giao dịch viên ngân hàng, nhân viên kế toán chứng từ và nhập liệu, telesales và chăm sóc khách hàng qua điện thoại, môi giới chứng khoán cấp thấp, và cả một số vị trí trong ngành bảo hiểm.
Những nghề tưởng chừng đơn giản lại trở nên “an toàn”
Ở phía ngược lại những nghề ít bị ảnh hưởng nhất lại là công việc đòi hỏi sự hiện diện vật lý hoặc kỹ năng tay nghề:
Đầu bếp.
Thợ sửa xe.
Nhân viên cứu hộ và y tế.
Bartender và nhân viên phục vụ.
Thợ may và thợ thủ công.
Chăm sóc cá nhân (thợ cắt tóc, spa, y tế lâm sàng)
Những công việc này đòi hỏi kỹ năng thực tế, cảm xúc và sự hiện diện vật lý – những yếu tố mà AI chưa thể thay thế trong tương lai gần.
Điều này khiến mình nhận ra một nghịch lý thú vị: không phải cứ công việc lương cao là an toàn, và không phải cứ lao động tay chân là dễ bị thay thế.
Nhưng đây mới là phần thú vị nhất của báo cáo...
"Không có sự sụt giảm nào ở nhóm trên 25 tuổi" - câu này Anthropic rất viết thẳng
Báo cáo của Anthropic tìm thấy một điều mà hầu như không có headline nào nhắc đến: tỷ lệ tuyển dụng vào các vị trí chịu tác động cao của AI đang giảm - nhưng chỉ với nhóm 22–25 tuổi. Cụ thể, Anthropic ghi nhận mức giảm khoảng 14% trong job finding rate của nhóm này ở các ngành có AI exposure (mức độ tiếp xúc với AI) cao.
Còn với người trên 25 tuổi? Báo cáo viết thẳng: “There is no such decrease for workers older than 25.” Không có sụt giảm nào tương tự ở nhóm này.
Tại sao lại như vậy? Anthropic và các nghiên cứu kèm theo chỉ ra một lý do cốt lõi của sự khác biệt giữa:
Codified knowledge - kiến thức có thể viết thành sách, quy trình, checklist
Tacit knowledge - kiến thức từ trải nghiệm, không thể mô tả đầy đủ.
AI rất giỏi với loại thứ nhất. Nhưng AI còn rất hạn chế với loại thứ hai.
Một nhân viên ngân hàng 20 năm kinh nghiệm không chỉ biết quy trình xét duyệt hồ sơ. Họ biết tại sao khách hàng này nên được ưu tiên dù hồ sơ chưa đủ điểm. Họ biết khi nào nên gọi điện thay vì email. Họ biết dấu hiệu nào cho thấy một khoản vay có rủi ro mà con số không phản ánh.
Đó là thứ AI đọc từ sách không học được.
Bác sĩ 15 năm nhìn bệnh nhân khác hoàn toàn so với sinh viên y khoa đọc sách giáo khoa. Giáo viên 10 năm biết học sinh nào đang gặp vấn đề ở nhà dù bài kiểm tra vẫn đạt. Người bán hàng B2B kỳ cựu hiểu tâm lý quyết định của khách hàng theo từng ngành, từng vùng miền, thậm chí từng cá nhân cụ thể.
Đây chính là lý do tại sao người có kinh nghiệm không phải đối tượng AI thay thế đầu tiên, mà là người trẻ chưa có kinh nghiệm, đang ở vị trí mà công ty có thể cân nhắc: “Thay vì thuê thêm người này, tôi có thể dùng AI không?”
Tín hiệu đáng suy ngẫm từ thị trường lao động
Một điểm đáng chú ý trong báo cáo là tỷ lệ thất nghiệp chưa tăng đột biến kể từ khi AI bùng nổ. Tuy nhiên, cơ hội việc làm dành cho người mới tốt nghiệp lại giảm đáng kể.
Nói cách khác, AI không đẩy người đi làm ra khỏi thị trường, nhưng đang khiến người trẻ khó bước vào hơn. Đoạn này giúp tôi phần nào giải thích được thông tin mà Cục Thống kê công bố hồi đầu năm 2026:
Dù thị trường lao động ổn định, số thanh niên không học, không làm, không đào tạo tăng mạnh, lên 1,6 triệu người
Theo thông cáo báo chí về tình hình lao động – việc làm quý I/2026 của Cục Thống kê, thị trường lao động Việt Nam
Tôi chợt nhớ đến những thông tin về thị trường ứng tuyển lao động gần đây. Những vị trí từng dành cho người mới nay yêu cầu kinh nghiệm nhiều hơn. Có lẽ AI đã thay thế phần việc cơ bản, khiến doanh nghiệp chỉ tuyển những người có khả năng quản lý và kiểm soát công nghệ.
Rủi ro thật sự với người trung niên: không phải bị thay thế, mà là bị bỏ lại
Nhưng tôi sẽ không kết thúc ở đây và nói: “Bạn 40 tuổi, bạn ổn, đừng lo gì cả.” Vì như vậy là không trung thực.
Rủi ro thật sự với người 35–55 tuổi không phải là bị AI thay thế trực tiếp. Rủi ro là bị bỏ lại phía sau bởi những người kết hợp được kinh nghiệm của mình với công cụ AI. (đó cũng là lý do tôi vẫn phải học, đọc, làm về AI mỗi ngày & viết về AI ở Cham.media)
Hãy tưởng tượng hai kế toán cùng 15 năm kinh nghiệm. Người thứ nhất tiếp tục làm theo cách cũ, không đụng đến AI. Người thứ hai bắt đầu dùng AI để soát xét chứng từ nhanh hơn, viết báo cáo tài chính nhanh hơn, và dành thời gian tiết kiệm được để tư vấn chiến lược cho ban giám đốc - thứ AI chưa làm được.
Sau 2 năm, ai trong số họ có nhiều giá trị hơn với tổ chức?
Báo cáo tháng 3/2026 của Anthropic về “learning curves” ghi nhận: người dùng AI lâu năm (trên 6 tháng) có tỷ lệ thành công trong tương tác với AI cao hơn 5 điểm phần trăm so với người mới. Quan trọng hơn, lợi thế đó tiếp tục tích lũy.
Tức là kỹ năng dùng AI là kỹ năng có đường cong học hỏi, người bắt đầu sớm hơn sẽ có lợi thế tích lũy.
Người trung niên có một lợi thế cực kỳ lớn ở đây: họ đã có nền tảng kinh nghiệm. Họ biết ngành. Họ biết khách hàng. Họ biết những thứ không ai viết thành tài liệu.
Nếu họ bắt đầu thêm vào đó khả năng sử dụng AI như một công cụ tăng tốc, không coi AI như thứ gì đó đáng sợ, thì khoảng cách giữa họ và người trẻ hơn sẽ không thu hẹp. Nó sẽ rộng hơn.
Ngược lại, nếu người 45 tuổi cố tình tránh né AI vì cảm thấy “đã quen cách cũ rồi” hoặc “công nghệ không dành cho người già như mình”, thì trong vài năm tới, người 30 tuổi dùng AI thành thạo sẽ làm được nhiều hơn, nhanh hơn, với chi phí thấp hơn.
Và câu hỏi của công ty lúc đó sẽ không còn là “thay người này bằng AI không?” Mà là “thay người này bằng người khác dùng AI tốt hơn không?”
Đó mới là mối đe dọa thật.
Suy nghĩ của tôi về nhóm người 35-55 tuổi khi đọc báo cáo: AI đang làm cho giá trị của kinh nghiệm thực chiến nổi lên rõ hơn.
Ngày trước, người có chuyên môn nhưng làm việc thủ công có thể bị giới hạn bởi thời gian và sức người. Bây giờ, nếu biết dùng AI, họ giống như được trao thêm một trợ lý cực nhanh, làm việc không biết mệt, có thể đọc, tổng hợp, gợi ý trong vài phút. Người trung niên không cần trở thành kỹ sư AI. Họ chỉ cần học cách biến AI thành “cánh tay nối dài” của chuyên môn mình đã tích lũy hàng chục năm.
Sau đó dùng kinh nghiệm để kết hợp các công cụ AI rồi “gọt dũa” kết quả của nó tạo ra.
Vì vậy, tôi nghĩ AI với người 35–55 tuổi, nó còn có thể là cơ hội để “đòn bẩy hóa” kinh nghiệm của mình lần đầu tiên trong đời.
Vì sao người trung niên có lợi thế hơn họ tưởng?
Lý do đầu tiên là họ hiểu ngữ cảnh công việc. AI rất giỏi tạo ra câu trả lời nghe hợp lý. Nhưng người có kinh nghiệm mới đủ khả năng nhận ra đâu là câu trả lời đúng trong bối cảnh thật.
Lý do thứ hai là họ có khả năng ra quyết định. Trong phần lớn công việc, giá trị lớn nhất không nằm ở việc tạo ra bản nháp đầu tiên. Giá trị nằm ở việc chọn hướng nào, bỏ hướng nào, chấp nhận rủi ro nào. Đó là kỹ năng được tích lũy qua nhiều năm làm việc, va vấp, sai rồi sửa.
Lý do thứ ba là họ có mạng lưới quan hệ và hiểu con người. AI có thể viết email, lên kế hoạch, phân tích dữ liệu. Nhưng chốt hợp đồng, giữ đối tác, dẫn dắt đội nhóm, xử lý xung đột nội bộ hay thuyết phục khách hàng lớn thì vẫn là sân của con người trưởng thành.
Lý do cuối cùng, và theo mình là quan trọng nhất: người trung niên thường đã bắt đầu hiểu giới hạn của mình. Họ không còn ảo tưởng phải tự làm hết mọi thứ. Một khi vượt qua rào cản tâm lý ban đầu, họ lại dễ dùng AI theo cách thực dụng hơn: dùng để tiết kiệm thời gian, giảm việc lặp lại, tăng hiệu suất, chứ không sa đà vào thử cho vui.
Ví dụ rất cụ thể về lợi thế này
Một luật sư 42 tuổi có thể dùng AI để đọc nhanh hợp đồng, đánh dấu điều khoản rủi ro, so sánh 2 phiên bản, tóm tắt điểm khác nhau. AI giúp tiết kiệm vài giờ đọc văn bản, nhưng giá trị lớn nhất vẫn nằm ở kinh nghiệm của luật sư: biết điều khoản nào tuy nhỏ nhưng có thể gây tranh chấp lớn.
Một bác sĩ hoặc điều dưỡng trưởng 45 tuổi có thể dùng AI để tóm tắt tài liệu chuyên môn, xây checklist chăm sóc bệnh nhân, chuẩn hóa hướng dẫn nội bộ. AI hỗ trợ tốc độ. Nhưng khả năng đánh giá tình huống thực tế, đọc cảm xúc bệnh nhân, quyết định ưu tiên xử lý vẫn là giá trị của con người.
Một chủ shop, chủ doanh nghiệp nhỏ 38–50 tuổi có thể dùng AI để viết nội dung bán hàng, trả lời khách, phân tích phản hồi, làm kịch bản video, soạn SOP cho nhân viên. Trước đây họ thiếu đội ngũ nên bị nghẽn. Bây giờ AI giúp họ “nhân bản năng lực quản lý” ở mức cơ bản.
Một người làm giáo dục, đào tạo hay tư vấn 40 tuổi cũng vậy. Họ có vốn sống, có trải nghiệm, có câu chuyện thật. Khi dùng AI, họ không tạo ra tri thức từ số 0, mà biến tri thức có sẵn thành khóa học, bài viết, video, email, tài liệu hướng dẫn nhanh hơn rất nhiều.
AI mạnh nhất khi nằm trong tay người đã có chất liệu sống và chuyên môn thật.
Lộ trình học và ứng dụng AI cho từng nhóm tuổi
Sau khi suy ngẫm thêm về báo cáo tôi nghĩ không nên khuyên tất cả mọi người học AI theo một cách giống nhau. Mỗi nhóm tuổi có một bài toán khác nhau.
Nhóm 22–25 tuổi: ưu tiên “vào nghề nhanh hơn AI”
Đây là nhóm dễ bị ảnh hưởng nhất vì phần việc cấp thấp đang bị AI ăn dần. Vậy nên mục tiêu không phải chỉ là “biết dùng AI”, mà là dùng AI để có trải nghiệm thật nhanh hơn người khác.
Giai đoạn đầu, khoảng 1–2 tháng, nên tập trung vào những thứ rất nền tảng: biết dùng ChatGPT/Claude để nghiên cứu, tóm tắt, viết nháp, brainstorm, sửa CV, viết email, chuẩn bị phỏng vấn. Không cần học quá kỹ thuật. Điều cần là dùng mỗi ngày cho học tập và công việc.
(Lưu ý của tôi là phải dùng AI bản trả phí, vì có sự khác biệt rất lớn giữa bản free & bản trả phí)
Giai đoạn tiếp theo, 2–3 tháng sau, phải chọn một ngách nghề cụ thể để gắn AI vào. Ví dụ:
Muốn làm content thì học viết outline, nghiên cứu insight, lên kịch bản video, tạo content calendar bằng AI.
Muốn làm marketing thì học dùng AI để phân tích khách hàng, viết ads, tóm tắt báo cáo chiến dịch.
Muốn làm dev thì học AI để debug, giải thích code, viết test, đọc tài liệu nhanh.
Muốn làm tài chính thì học AI để tóm tắt báo cáo, giải thích chỉ số, dựng mẫu phân tích cơ bản.
Sau đó, điều bắt buộc là tạo ra portfolio. Không chỉ nói “em biết dùng AI”, mà phải chứng minh: “đây là 10 việc em đã làm với AI”. Có thể là một blog nhỏ, kênh video ngắn, một bộ case study, một landing page, một repo code, hay vài dự án freelance.
Với nhóm này, tôi nghĩ công thức tốt nhất là:
Học AI + làm dự án thật + kiếm trải nghiệm thật càng sớm càng tốt.
Vì điều doanh nghiệp cần không phải là một người chỉ biết hỏi AI. Họ cần người biết biến AI thành kết quả công việc.
Nhóm 25–35 tuổi: ưu tiên “tăng tốc và nâng cấp vai trò”
Đây là nhóm đã có vài năm kinh nghiệm, thường đang ở giai đoạn muốn tăng lương, lên senior, lead hoặc bắt đầu quản lý một phần công việc. Với nhóm này, AI không chỉ là công cụ hỗ trợ. Nó là cách để nhảy lên một tầng giá trị cao hơn.
Trong 1–2 tháng đầu, nên rà lại toàn bộ công việc hiện tại và chia thành 3 loại:
Việc lặp lại, tốn thời gian.
Việc cần phân tích, tổng hợp.
Việc cần phán đoán, giao tiếp, phối hợp.
Nhóm đầu tiên gần như nên giao cho AI càng nhiều càng tốt. Nhóm thứ hai nên học cách phối hợp với AI để làm nhanh hơn. Còn nhóm thứ ba là nơi bạn phải đầu tư sâu hơn để trở nên khó thay thế hơn.
Ví dụ một người làm marketing 30 tuổi có thể dùng AI để viết nháp, phân tích feedback khách hàng, tóm tắt dữ liệu ads, lên nhiều góc nội dung. Thời gian tiết kiệm được nên dồn sang việc học chiến lược thương hiệu, hiểu khách hàng, xây funnel, quản lý chiến dịch. Khi đó, họ không còn là “người viết content”, mà trở thành người điều phối tăng trưởng.
Một người làm HR 32 tuổi có thể dùng AI để viết JD, lọc CV bước đầu, soạn email, làm tài liệu onboarding. Nhưng giá trị thật nằm ở việc thiết kế trải nghiệm nhân sự, phỏng vấn đúng người, xây văn hóa đội ngũ. AI làm phần máy móc để con người đi lên phần có giá trị cao hơn.
Một người làm tài chính, vận hành, quản lý dự án cũng tương tự. Mục tiêu không còn là làm nhanh hơn 20%, mà là dùng AI để giải phóng thời gian và tiến lên vai trò có tính quyết định cao hơn.
Với nhóm 25–35, lộ trình học AI nên đi theo hướng:
Tự động hóa việc lặp lại → tăng tốc phân tích → nâng cấp bản thân lên vai trò ra quyết định.
Nếu là người 35–55 tuổi, nên học AI thế nào cho thực tế?
Tôi nghĩ nhóm trung niên không cần chạy theo quá nhiều công cụ. Chỉ cần đi theo 3 bước rất thực dụng.
Bước 1 là chọn đúng 1–2 công cụ dễ dùng nhất, ví dụ Perplexity hoặc Claude, rồi dùng nó mỗi ngày trong chính công việc hiện tại.
Bước 2 là xác định 5 việc mình làm lặp lại nhiều nhất mỗi tuần. Ví dụ viết email, đọc báo cáo, họp hành, soạn đề cương, trả lời khách, làm kế hoạch, tổng hợp ghi chú. Sau đó học cách để AI hỗ trợ từng việc một.
Bước 3 là luôn dùng AI trên nền chuyên môn sẵn có của mình. Đừng cố học AI như một sinh viên kỹ thuật. Hãy học AI như một kế toán, một bác sĩ, một giáo viên, một người bán hàng, một chủ doanh nghiệp nhỏ. Khi đó việc học sẽ nhẹ hơn rất nhiều mà hiệu quả lại cao hơn.
Người trung niên không cần thắng người trẻ ở tốc độ thử tool. Họ chỉ cần thắng ở chỗ:
Biết dùng AI như “đòn bẩy thế hệ mới” để khuếch đại giá trị nghề nghiệp đã có.
Thay lời kết tôi nghĩ đây mới là bức tranh thật
Nếu nhìn hời hợt, chúng ta dễ nghĩ AI là cuộc chơi của người trẻ. Nhưng nếu nhìn sâu hơn vào bản chất công việc, mình lại thấy AI có thể tạo ra một sự dịch chuyển rất lạ:
Người mới vào nghề sẽ khó khăn hơn vì cửa vào hẹp lại.
Người đã có 5–10 năm kinh nghiệm sẽ tăng tốc mạnh nếu biết dùng AI.
Người có 15–20 năm kinh nghiệm, nếu chịu học, có thể bước vào giai đoạn hiệu quả nhất sự nghiệp.
Câu hỏi đúng không phải là “AI có thay thế tôi không?”
Câu hỏi đúng là: “Trong 2 năm tới, tôi sẽ dùng AI để làm được nhiều hơn những gì tôi đang làm, hay tôi sẽ để người khác dùng nó để vượt qua tôi?”
Câu trả lời, như thường lệ, nằm ở chúng ta. Không phải ở AI.