Cử nhân công nghệ khó tìm việc: đợt phục hồi đang nghiêng về người có kinh nghiệm

Cơ hội đầu vào của cử nhân công nghệ tại Mỹ vẫn eo hẹp dù tin tuyển dụng phát triển phần mềm đã tăng trở lại. Trong phóng sự của AP ngày 24/9/2026, tỷ lệ thất nghiệp của người mới tốt nghiệp ngành khoa học máy tính và kỹ thuật máy tính được ước tính khoảng 7,1%; Jack Zemke, một cử nhân của Tulane University, nói về kỳ vọng ở công việc mới: “These jobs are expecting you to be able to jump in and kind of operate on the frontier.” Trước khi được một doanh nghiệp kỹ thuật dân dụng chú ý tại hội nghị chuyên ngành nhờ dự án nhóm về công cụ tìm kiếm ứng dụng AI, anh đã gửi hàng trăm hồ sơ xin việc mà hầu như không nhận được phản hồi.

Đà tăng tin đăng chưa phân bổ đều cho người tìm việc. Theo phân tích của Indeed Hiring Lab, tại Mỹ, vị trí cấp cao chiếm 71% mức tăng tin tuyển dụng phát triển phần mềm từ tháng 5/2025 đến tháng 5/2026, còn chức danh nhắc đến AI chiếm 37%; đến tháng 6/2026, tổng số tin đăng phần mềm vẫn thấp hơn khoảng 27,5% so với tháng 2/2020. Vì vậy, một cử nhân mới ra trường có thể nghe tin thị trường phục hồi mà vẫn thấy ít vị trí phù hợp với kinh nghiệm của mình.

Phần tăng tuyển dụng tập trung ở đâu?

Hai tỷ lệ về vị trí cấp cao và chức danh có AI mô tả những cách phân loại khác nhau của cùng phần tăng tin đăng. Một vị trí có thể đồng thời thuộc cả hai nhóm, nên không thể cộng chúng để suy ra tỷ trọng tuyển dụng dành cho người mới. Điều nổi bật là phần lớn nhu cầu tăng thêm được gắn với cấp bậc cao hơn, trong khi việc nhắc đến AI trên chức danh chỉ cho biết cách doanh nghiệp gọi vị trí, chưa nói rõ ứng viên sẽ dùng công cụ ấy đến mức nào.

Mức nền cũng ảnh hưởng đến cảm nhận về đợt phục hồi. Khi số tin đăng tăng sau giai đoạn sụt giảm kéo dài nhưng vẫn thấp hơn trước đại dịch, thị trường có thể cải thiện trên biểu đồ mà chưa tạo ra nhiều lựa chọn mới cho sinh viên tốt nghiệp. Tin đăng còn là thước đo ý định tuyển người, không phải số hợp đồng lao động đã ký. Dữ liệu tuyển dụng vì thế cho thấy nhu cầu đang dịch về đâu, nhưng không thể tự nó cho biết xác suất nhận việc của một ứng viên.

Dữ liệu việc làm cho thấy áp lực nào với người trẻ?

Khoảng cách còn xuất hiện trong dữ liệu bảng lương, với phạm vi rộng hơn riêng ngành phần mềm. cập nhật của Stanford Digital Economy Lab cho thấy đến tháng 6/2026, việc làm của nhóm 22–25 tuổi trong các nghề phơi nhiễm AI cao thấp hơn khoảng 19% so với mức giả định nếu nhóm này tăng cùng nhịp với người đồng tuổi ở các nghề ít phơi nhiễm hơn. Đây là khoảng cách so với một kịch bản đối chiếu, không phải tỷ lệ thất nghiệp của cử nhân công nghệ hay mức giảm việc làm của riêng lập trình viên.

Trong mẫu dữ liệu đó, sự điều chỉnh chủ yếu đi qua việc tuyển người trẻ ít hơn, thay vì số người rời việc tăng mạnh. Những nghề mà AI thường thay thế tác vụ của con người có diễn biến khác với các nghề nơi công cụ chủ yếu hỗ trợ người làm việc. Kết quả cũng gợi ra vai trò của kinh nghiệm tích lũy qua thực hành, xử lý tình huống và hiểu bối cảnh công việc, bên cạnh kiến thức có thể học từ tài liệu hoặc quy trình chuẩn.

Các tác giả xem đây là xu hướng mô tả, chưa phải ước tính AI đã gây ra bao nhiêu phần của khoảng cách. Khi tính thêm trình độ học vấn, chênh lệch thu hẹp; một số xu hướng cũng đã xuất hiện trước khi AI tạo sinh được dùng rộng rãi. Vì thế, dữ liệu bảng lương giúp nhận diện nhóm đang chịu áp lực, còn dữ liệu tin đăng cho thấy loại vị trí đang được tìm kiếm. Hai thước đo giải thích những phần khác nhau của trải nghiệm tìm việc.

Một dự án có thể chứng minh điều gì thay cho thâm niên?

Người mới tốt nghiệp không thể biến dự án cá nhân thành nhiều năm kinh nghiệm làm việc. Họ có thể dùng portfolio để cho thấy cách mình xác định một nhu cầu cụ thể, quyết định phạm vi sản phẩm và kiểm tra kết quả. Dự án tìm kiếm của Zemke gây chú ý khi được trình bày trong bối cảnh ứng dụng của một ngành khác; giá trị của ví dụ này nằm ở mối liên hệ giữa công cụ và công việc cần giải quyết, chứ không phải ở việc gắn nhãn AI cho dự án.

Chẳng hạn, trong một dự án giả định về tra cứu tài liệu nội bộ, phần mô tả có thể nêu người dùng cần tìm loại thông tin nào, dữ liệu nào được phép sử dụng và khi nào hệ thống phải trả lời rằng chưa đủ căn cứ. Ứng viên có thể trình bày một câu hỏi mà hệ thống trả lời đúng, một trường hợp tài liệu mâu thuẫn và một trường hợp thông tin đã lỗi thời. Những lựa chọn ấy cho thấy họ hiểu hậu quả của câu trả lời sai đối với người dùng, thay vì chỉ trình diễn chức năng tìm kiếm.

Nếu AI được dùng để viết mã hoặc tạo câu trả lời, bằng chứng hữu ích là các lỗi đã phát hiện, bài kiểm thử tái hiện lỗi và quyết định sửa hoặc loại bỏ đầu ra. Portfolio cũng nên phân biệt phần ứng viên tự thiết kế với phần do công cụ đề xuất, đồng thời ghi rõ những tình huống chưa được kiểm tra. Một bản chạy thử có thể thể hiện năng lực triển khai; nhật ký kiểm thử và các quyết định của con người giúp người xem hiểu thêm khả năng giám sát sản phẩm khi AI đưa ra kết quả thiếu tin cậy.

Ứng viên tại Việt Nam nên hiểu tín hiệu này thế nào?

Các tỷ lệ trên được đo tại Mỹ, nơi nguồn tin đăng, dữ liệu bảng lương và cơ cấu nhà tuyển dụng khác Việt Nam. Chúng không cho phép suy ra số vị trí junior trong nước đã thay đổi cùng mức. Với ứng viên Việt Nam, điều có thể rút ra là cách phân biệt một tin tuyển dụng chỉ nhắc đến AI với một công việc đòi hỏi kiểm tra đầu ra, sửa lỗi và chịu trách nhiệm về kết quả cho người dùng.

Khi kinh nghiệm là lợi thế mà thị trường đang tìm kiếm, một portfolio có bối cảnh nghiệp vụ, ca kiểm thử và dấu vết quyết định kỹ thuật giúp người mới tốt nghiệp trình bày năng lực hiện có rõ hơn. Nó không bảo đảm một lời mời làm việc, nhưng cho nhà tuyển dụng cơ sở cụ thể để đánh giá điều ứng viên có thể tự làm và điều họ vẫn cần được hướng dẫn khi bước vào công việc.

Đọc thêm:

• AI làm hồ sơ xin việc giống nhau hơn, người chưa có kinh nghiệm chịu thiệt nhất
• New Glenn được tìm kiếm tăng mạnh: tên lửa này giữ vai trò gì trong Artemis?
• Claude tìm thấy hệ enzyme giống CRISPR, nhưng chức năng vẫn chưa rõ