Những nghề mới hình thành quanh AI và tự động hoá ít hào nhoáng hơn trên báo, nhưng thiết thực hơn. Rõ nét nhất là các việc chuẩn bị và kiểm tra dữ liệu mà hệ thống AI phải dựa vào, thiết lập và giám sát các quy trình tự động trong doanh nghiệp, giữ cho công cụ AI chạy ổn định, và quản lý rủi ro của chúng: quyền riêng tư, thiên lệch, sai sót, lạm dụng. Nhiều vai trò trong số này hợp với người vừa hiểu nghiệp vụ vừa có kỹ năng kỹ thuật thực tế, chứ không chỉ dành cho người học khoa học máy tính.
Nghề mới thật sự xuất hiện như thế nào
Nghề mới hiếm khi xuất hiện kèm một chức danh rõ ràng. Nó bắt đầu từ những việc kiêm nhiệm mà ai đó nhận vì không ai khác hiểu công cụ mới. Một kế toán thành người duy trì quy trình tự động đọc hoá đơn. Một trưởng nhóm chăm sóc khách hàng rốt cuộc là người viết các quy tắc chatbot được trả lời câu nào, không được trả lời câu nào. Lâu dần, việc kiêm nhiệm đủ lớn để thành một vị trí.
Đó là lý do chức danh ở mảng này rất lộn xộn. Cùng một việc, công ty này gọi là chuyên viên tự động hoá, công ty kia gọi là phân tích quy trình, vận hành AI, hay đơn giản là cán bộ chuyển đổi số. Nhìn vào bản chất công việc đáng tin hơn là chạy theo một cái tên.
Nó cũng giải thích vì sao hiểu biết nghiệp vụ quan trọng tới vậy. Người nắm rõ hồ sơ bồi thường được xử lý ra sao, hàng hoá đi trong kho thế nào, phòng khám xếp lịch bệnh nhân kiểu gì thường là người hợp nhất để tự động hoá các quy trình đó một cách an toàn, khi họ bổ sung thêm chút kỹ năng kỹ thuật.
Một ví dụ cụ thể: một nhà phân phối quy mô vừa đưa vào phần mềm tự đọc hoá đơn nhà cung cấp. Công cụ đọc đúng phần lớn hoá đơn nhưng vấp ở ghi chú viết tay, bố cục lạ, chiết khấu ghi bằng chữ. Phải có người xem lại các ca ngoại lệ, chỉnh quy tắc, báo lỗi cho bên bán phần mềm và hướng dẫn đồng nghiệp mới. Chưa tới một năm, người đó, vốn là một nhân viên kế toán bình thường, dành gần hết tuần cho việc này. Không ai đăng tuyển vị trí ấy; chính công việc đã đẻ ra nó.
Cuối cùng, nên dè chừng những danh sách "nghề hot" kèm con số chỗ trống cụ thể. Nhu cầu khác nhau theo quốc gia, theo ngành, theo chu kỳ kinh tế, và dự báo ở lĩnh vực này đổi rất nhanh.
Những vai trò đang thành hình quanh AI và tự động hoá
Mô tả mộc mạc từng vai trò, dựa trên công việc chứ không dựa trên chức danh của công ty nào.
| Vai trò (theo công việc) | Công việc trông ra sao | Nền tảng thường hợp |
|---|---|---|
| Chất lượng dữ liệu, gán nhãn | Gán nhãn ví dụ, kiểm bộ dữ liệu, viết quy tắc thế nào là đúng | Người tỉ mỉ có chuyên môn: y, luật, ngôn ngữ, bán lẻ |
| Tự động hoá quy trình | Vẽ quy trình, dựng tự động hoá bằng RPA hoặc công cụ no-code, theo dõi khi lỗi | Nhân viên vận hành, kế toán, hành chính văn phòng giỏi bảng tính |
| Vận hành AI | Cấu hình công cụ AI, quản lý câu lệnh và nguồn tri thức, theo dõi lỗi và chi phí | Hỗ trợ IT, nhân sự sản phẩm có hiểu kỹ thuật, chuyên viên phân tích |
| Đánh giá, kiểm thử AI | Thiết kế tình huống kiểm, so sánh kết quả, tìm ra kiểu lỗi lặp lại | Kiểm thử phần mềm, biên tập viên, chuyên gia lĩnh vực, người làm nghiên cứu |
| Quản trị rủi ro AI | Viết quy định sử dụng, kiểm quyền riêng tư và thiên lệch, lưu hồ sơ quyết định | Tuân thủ, pháp chế, kiểm toán, quản lý chất lượng |
| Kỹ thuật viên IoT và thiết bị biên | Lắp đặt, kết nối, bảo trì cảm biến và thiết bị thông minh | Thợ điện, kỹ thuật viên, hỗ trợ mạng |
| Vận hành bảo mật cho công ty nhỏ | Quản lý tài khoản, sao lưu, an toàn thiết bị, xử lý sự cố | Người làm IT tổng hợp thích công việc cẩn thận, có quy trình |
Những vai trò này có điểm gì chung
Đứng giữa nghiệp vụ và công nghệ. Phần lớn công việc là chuyển quy trình thật thành quy tắc, dữ liệu và bài kiểm mà công cụ làm theo được.
Trọng người kiểm kỹ. Một phần lớn công việc là nhận ra khi kết quả sai một cách tinh vi.
Cần viết rõ ràng. Quy định, kịch bản kiểm thử, sơ đồ quy trình, hướng dẫn cho đồng nghiệp đều là văn bản.
Dựa vào bảng tính và dữ liệu cơ bản. Lọc, sắp xếp, so sánh, tổng hợp dữ liệu là việc hằng ngày.
Thay đổi liên tục. Công cụ cập nhật thường xuyên, nên học liên tục là một phần của vai trò.
Gắn với trách nhiệm. Phải có người trả lời khi quy trình tự động gửi nhầm hoá đơn hay công cụ AI làm lộ dữ liệu.
Thường bắt đầu bằng kiêm nhiệm. Nhiều người làm một phần việc này song song với công việc hiện tại trước.
Coi trọng tư duy quy trình. Nhìn ra các bước, ngoại lệ và chỗ chuyển giao quan trọng hơn thuộc lòng mọi tính năng của một công cụ.
Thử xem một vai trò có hợp với mình không
Trước khi bỏ thời gian và tiền cho học hành, hãy thử việc ở quy mô nhỏ.
- Chọn một vai trò nối được với việc hiện tại. Kế toán có thể bắt đầu từ tự động hoá; biên tập viên từ đánh giá AI.
- Tìm một vấn đề thật, nhỏ. Một việc lặp lại ở công ty, một quy trình ở cơ sở kinh doanh của gia đình, hay một dự án thiện nguyện.
- Học vừa đủ công cụ để thử. Một nền tảng tự động hoá no-code, một bảng tính, một công cụ AI với dữ liệu được phép dùng.
- Làm trọn vẹn một lần. Vẽ quy trình, dựng hoặc kiểm, viết tài liệu, rồi giao cho người khác dùng.
- Để ý mình thích gì, ngán gì. Có người mê sự tỉ mỉ của kiểm thử; có người thích thiết kế quy trình hơn.
- Hỏi người đang làm việc đó. Vài cuộc trò chuyện ngắn cho thấy thực tế hằng ngày rõ hơn tờ giới thiệu khoá học.
- Quyết bước tiếp theo. Đào sâu kỹ năng, thử vai trò bên cạnh, hoặc ở lại chỗ cũ với một năng lực mới hữu ích.
Nhìn thẳng vào rủi ro
Một số vai trò trong này còn chưa ổn định. Việc hôm nay cần người gán nhãn cẩn thận ngày mai có thể được tự động hoá một phần, và các vị trí tự động hoá đơn giản có thể co lại khi công cụ dễ dùng tới mức ai cũng tự làm được. Phần bền hơn thường là óc phán đoán, chuyên môn sâu, tinh thần trách nhiệm và khả năng giải thích quyết định.
Cẩn thận với những nơi đào tạo hứa chắc chắn có vị trí sau một khoá ngắn. Các vai trò này thường trọng kết quả thực tế đã chứng minh hơn là chứng chỉ. Một bộ hồ sơ nhỏ gồm những vấn đề thật đã giải quyết, mô tả rõ trước và sau, thuyết phục hơn một xấp huy hiệu.
Cũng nên biết làm công nghệ có áp lực riêng. Tự động hoá trục trặc, rò rỉ dữ liệu, AI sai có thể xảy ra vào lúc chẳng ai muốn, và người phụ trách hệ thống là người bị gọi. Biết trước điều này giúp chọn vai trò hợp với tính khí của mình.
Tin tốt là phần lớn các con đường này trọng đúng thứ người đi làm lâu năm đã có sẵn: hiểu công việc thật được làm ra sao, và đủ kiên nhẫn để làm cho đúng từng chi tiết.
Câu hỏi thường gặp
Có cần bằng khoa học máy tính để làm những vai trò này không?
Với nhiều vai trò thì không. Chất lượng dữ liệu, tự động hoá quy trình, đánh giá AI và quản trị rủi ro AI thường trọng hiểu biết nghiệp vụ và sự cẩn thận hơn bằng cấp khoa học máy tính. Các vị trí kỹ thuật sâu thì khác, thường cần nền tảng kỹ thuật vững hơn.
"Kỹ sư câu lệnh" có phải nghề lâu dài không?
Viết hướng dẫn tốt cho công cụ AI là kỹ năng hữu ích, nhưng thành một nghề riêng thì chưa chắc, vì công cụ ngày một dễ ra lệnh hơn. Nó thường được gộp vào các vai trò rộng hơn như vận hành AI, đánh giá AI hay làm sản phẩm.
Có thể bắt đầu bán thời gian không?
Thường là được, nhất là tự động hoá và chất lượng dữ liệu, có thể bắt đầu như một việc kiêm nhiệm ở chỗ làm hiện tại hoặc các dự án nhỏ. Bắt đầu kiểu này giúp thử độ hứng thú của mình mà không phải liều lớn.
Vai trò nào ít bị tự động hoá trong tương lai nhất?
Không vai trò nào an toàn tuyệt đối, nhưng công việc kết hợp phán đoán, trách nhiệm và chuyên môn sâu, như quản trị rủi ro, đánh giá trong lĩnh vực chuyên biệt hay thiết kế quy trình, thường đổi chậm hơn việc gán nhãn lặp đi lặp lại.
Chưa có kinh nghiệm chính thức thì chứng minh kỹ năng thế nào?
Ghi lại vài dự án nhỏ có thật: vấn đề là gì, mình đã dựng hay kiểm thử gì, sau đó cái gì thay đổi. Mô tả rõ ràng kèm giới hạn trung thực thuyết phục hơn chỉ có chứng chỉ.
