Kỹ năng AI cơ bản giảm 25%, nhu cầu người biết xây tăng

Ngày 5/10/2026, Workday công bố Global Workforce Report: trong yêu cầu tuyển dụng của hơn 550 doanh nghiệp dùng Workday Recruiting, nhu cầu kỹ năng AI cơ bản như viết prompt đơn giản giảm 25% sau đỉnh tháng 1/2026, còn kỹ năng xây công cụ AI, tự động hóa quy trình và kỹ thuật AI tăng 51% từ tháng 9/2025 đến tháng 7/2026; Phil Willburn, phó chủ tịch phụ trách hệ thống và phân tích nhân sự của hãng, nói: “Employees may not be changing jobs, but their jobs are changing around them.” Với người tìm việc, thay đổi đáng chú ý nằm ở loại năng lực được nêu trong yêu cầu tuyển dụng: biết dùng một công cụ vẫn có ích, nhưng khả năng đưa AI vào công việc đang được nhắc đến nhiều hơn.

Ở Mỹ, báo cáo việc làm công nghệ tháng 9/2026 của Dice dựa trên hơn 7 triệu tin tuyển dụng công nghệ, với dữ liệu trích xuất ngày 5/10/2026, ghi nhận số tin thuộc nhóm AI và máy học tăng 88% so với cùng kỳ, trong khi toàn bộ tin công nghệ tăng 17%. Đây là một lát cắt khác về nhu cầu tuyển dụng, tập trung vào thị trường Mỹ. Cả hai bộ số liệu đều hữu ích để định hướng học tập, nhưng không phải thống kê riêng cho Việt Nam.

Vì sao chỉ viết prompt khó tạo khác biệt?

Hai chiều biến động trong dữ liệu tuyển dụng phản ánh những nhóm kỹ năng khác nhau. Nhóm cơ bản được minh họa bằng việc đưa yêu cầu đơn giản cho AI; nhóm ứng dụng bao gồm xây công cụ, tự động hóa luồng công việc và kỹ thuật AI. Mức giảm được tính sau đỉnh đầu năm của nhóm thứ nhất, còn mức tăng của nhóm thứ hai trải trên một khoảng thời gian khác. Vì thế, không thể lấy hai tỷ lệ trừ cho nhau để đo một sự chuyển dịch trực tiếp giữa các vị trí.

Viết prompt vẫn là một phần của công việc với AI. Tuy nhiên, nếu hồ sơ chỉ nêu khả năng đặt câu hỏi cho chatbot, người tuyển dụng khó thấy ứng viên xử lý dữ liệu đầu vào, kiểm soát câu trả lời hay đưa kết quả vào quy trình đang vận hành ra sao. Khi yêu cầu công việc mở rộng sang những phần đó, một câu lệnh mẫu không thể hiện đủ phạm vi năng lực. Đây là cách diễn giải tín hiệu tuyển dụng, không phải kết luận rằng mọi vị trí đều cần ứng viên tự xây mô hình.

Quy mô tuyệt đối của thay đổi cũng cần được đọc thận trọng. ERP LEADERS lưu ý phần công bố công khai chưa nói rõ thước đo nhu cầu được đếm như thế nào hoặc quy mô gốc của nhóm kỹ năng tăng. Các tỷ lệ cho thấy hướng biến động trong tập yêu cầu tuyển dụng được phân tích; chúng không cho biết bao nhiêu ứng viên sở hữu kỹ năng, mức lương của họ hay xác suất được nhận việc.

Tin công nghệ Mỹ cho thấy nhu cầu triển khai ở đâu?

Trong nhóm kỹ năng tăng nhanh của dữ liệu tuyển dụng công nghệ Mỹ xuất hiện AI tác nhân, tác nhân AI, AI có trách nhiệm, hạ tầng AI và tích hợp hệ thống doanh nghiệp. Những tên gọi này trải từ cách thiết kế hệ thống đến việc kết nối và quản lý hệ thống khi sử dụng. Chúng giúp giải thích vì sao nhu cầu đối với công việc triển khai có thể tăng cùng lúc với việc một kỹ năng sử dụng cơ bản bớt nổi bật trong yêu cầu tuyển dụng.

Dù vậy, một tin tuyển dụng thuộc nhóm AI và máy học không tự động là vị trí xây mô hình. Doanh nghiệp cũng có thể cần người tích hợp, kiểm thử, vận hành hoặc quản trị công cụ đã có. Hai bộ dữ liệu khác nhau về phạm vi doanh nghiệp, thị trường và cách phân loại: một bên theo dõi kỹ năng trong yêu cầu tuyển dụng của khách hàng dùng nền tảng nhân sự, bên kia theo dõi tin tuyển dụng công nghệ tại Mỹ. Chúng chỉ nên được dùng như tín hiệu về loại công việc đang được chú ý, không như một phép đo chung cho mọi ngành.

Ba mức năng lực có thể thể hiện trong hồ sơ

Với ứng viên Việt Nam, cách hữu ích để chuyển tín hiệu này thành kế hoạch học tập là phân biệt biết dùng, biết tích hợp và biết xây. Đây là khung trình bày năng lực cho hồ sơ, không phải bộ tiêu chí chính thức do các đơn vị khảo sát ban hành. Mỗi mức gắn với một loại kết quả mà ứng viên thực sự có thể giải thích và chứng minh.

Người mới chỉ dùng công cụ: Năng lực nền tảng là đặt yêu cầu rõ, nhận ra đầu ra sai hoặc thiếu và chỉnh sửa trước khi sử dụng. Một mục portfolio phù hợp có thể cho thấy đầu vào của một nhiệm vụ, yêu cầu đã đưa cho AI, cách đối chiếu câu trả lời với tài liệu gốc và sản phẩm cuối sau khi sửa. Nếu toàn bộ quá trình vẫn do người làm thủ công, mô tả đó nên thể hiện khả năng sử dụng có kiểm soát, thay vì gọi thành một hệ thống tự động hóa.
Chuyên viên muốn tự động hóa công việc: Bằng chứng mạnh hơn là một quy trình lặp lại có nguồn đầu vào, điều kiện xử lý, điểm kiểm tra và nơi nhận kết quả. Trong một dự án giả định, chuyên viên có thể nối dữ liệu từ biểu mẫu với một tác vụ AI, chuyển kết quả tới người phụ trách duyệt rồi lưu bản đã chấp thuận. Portfolio cần làm rõ bước nào chạy tự động, khi nào con người can thiệp và chuyện gì xảy ra nếu dữ liệu đầu vào không đạt yêu cầu. Phần mô tả ấy cho thấy năng lực tích hợp cụ thể hơn một danh sách tên công cụ.
Kỹ sư xây hệ thống: Trọng tâm là kiến trúc, kết nối dữ liệu và dịch vụ, đánh giá chất lượng đầu ra, xử lý lỗi và giám sát sau khi triển khai. Một bản trình diễn có giá trị khi người xem biết thành phần nào do AI đảm nhiệm, thành phần nào dùng mã hoặc quy tắc, và hệ thống từ chối hay chuyển tiếp kết quả không đạt yêu cầu bằng cách nào. Cũng cần nói rõ phạm vi thử nghiệm: chạy được với một tập dữ liệu nhỏ là bằng chứng khác với duy trì được một dịch vụ cho người dùng thực.

Ranh giới giữa các mức nằm ở phần việc đã hoàn thành, không nằm ở tên sản phẩm AI được ghi trên CV. Một chuyên viên có thể tạo quy trình tự động hữu ích mà không huấn luyện mô hình; một kỹ sư có thể xây hệ thống dựa trên dịch vụ sẵn có mà vẫn chịu trách nhiệm về tích hợp và kiểm soát chất lượng. Ngược lại, một ví dụ prompt tốt chứng minh khả năng sử dụng công cụ, nhưng chưa tự nó chứng minh khả năng triển khai.

Ứng viên tại Việt Nam vẫn cần đối chiếu mức năng lực ấy với mô tả của vị trí mình nhắm tới, bởi các tỷ lệ quốc tế không cho biết doanh nghiệp trong nước đang tuyển từng kỹ năng với tốc độ nào. Hệ quả trực tiếp cho hồ sơ là phần dự án cần nêu rõ đầu vào, kết quả và trách nhiệm của ứng viên: người tuyển dụng sẽ nhìn thấy năng lực phù hợp với công việc, thay vì phải suy đoán từ một dòng ghi “biết sử dụng AI”.

Đọc thêm: