Vị Trí Hot Nhất Thời AI

Nếu bạn biết cách bóc tách một bài toán kinh doanh, bạn đã có hơn một nửa năng lực quan trọng của một trong những nhóm công việc đang được săn đón nhất trong vài năm tới.

Khoảng cách lớn nhất đang cản nhiều công ty ứng dụng AI không phải là thiếu model, thiếu phần mềm, hay thiếu thêm một con AI Agent mới. Khoảng cách lớn nhất là thiếu người có thể bước vào một doanh nghiệp, hiểu bài toán thật, hiểu quy trình thật, hiểu con người thật, rồi biến AI thành một giải pháp chạy được trong công việc hằng ngày.

Đây cũng là lý do vai trò Forward Deployed Engineer bắt đầu được nhắc đến rất nhiều. Salesforce gọi FDE là một trong những vai trò nóng nhất hiện tại, với nhiệm vụ kết hợp giữa kỹ thuật, tư vấn kinh doanh và triển khai thực tế để giúp doanh nghiệp đưa AI Agent vào vận hành. Bài của Salesforce cũng dẫn số liệu rằng job posting cho vai trò này tăng hơn 800% từ tháng 1 đến tháng 9 năm 2025, và Salesforce cam kết xây dựng đội ngũ 1.000 FDE.

Nhưng điều khiến mình dừng lại không phải là con số đó.

Điều khiến tôi chú ý hơn là: ai đang lấp đầy những vị trí này?

Forward Deployed Engineer không chỉ là một người biết code

Nghe tên “Forward Deployed Engineer”, nhiều người sẽ nghĩ đây chắc chắn là vai trò dành cho kỹ sư, dân code, dân kỹ thuật rất sâu. Đúng là phần kỹ thuật rất quan trọng. Nhưng nếu nhìn kỹ hơn, FDE không đơn giản là một người ngồi code theo yêu cầu.

FDE là người đi sát với khách hàng, bước vào môi trường thật của doanh nghiệp, hiểu workflow, hiểu dữ liệu, hiểu vấn đề, hiểu vì sao một yêu cầu được đưa ra, rồi mới thiết kế và triển khai giải pháp AI phù hợp. FDE được mô tả không chỉ cần kỹ năng kỹ thuật, mà còn cần problem-solving, communication và business acumen tức là khả năng hiểu bản chất kinh doanh đằng sau yêu cầu của khách hàng.

OpenAI cũng đang đi theo hướng tương tự khi ra mắt OpenAI Deployment Company, với FDE được nhúng vào tổ chức khách hàng để kết nối model với dữ liệu, công cụ, điểm kiểm soát và quy trình kinh doanh thật. OpenAI nói rất rõ: giai đoạn tiếp theo của enterprise AI nằm ở việc triển khai công nghệ vào use case thật và workflow vận hành thật, không chỉ dừng ở demo hay thử nghiệm bề mặt.

Anthropic cũng tuyển Forward Deployed Engineer cho Applied AI team, với mô tả là làm việc trực tiếp với khách hàng chiến lược, xây ứng dụng AI giải quyết vấn đề kinh doanh thật, ship sản phẩm vào production workflow và phối hợp với product, engineering, post-sales.

Nói cách khác, đây không còn là câu chuyện “biết code là đủ”.

Đây là vai trò nằm ở giao điểm giữa chuyên môn ngành, tư duy sản phẩm, vận hành, business, kỹ thuật và AI.

Người có chuyên môn lĩnh vực sẽ có lợi thế rất lớn

Mình nghĩ đây là điểm nhiều người đang bỏ qua.

Thời AI không có nghĩa là chuyên môn cũ mất giá trị. Ngược lại, chuyên môn lĩnh vực càng trở nên quan trọng hơn.

Một người làm marketing hiểu hành vi khách hàng, hiểu content nào có khả năng kéo chuyển đổi, hiểu ads fail ở đâu, hiểu vì sao một concept nhìn hay nhưng khó scale. Một người làm sales hiểu khách hàng hỏi gì, chốt ở điểm nào, objection nào lặp lại nhiều nhất. Một người làm vận hành hiểu quy trình đang nghẽn ở đâu, dữ liệu nằm chỗ nào, người nào đang xử lý thủ công quá nhiều, bước nào lặp lại nhưng chưa được chuẩn hóa. Một người làm consulting hay project management hiểu cách bóc tách vấn đề, map stakeholder, quản lý scope và đưa một giải pháp đi từ ý tưởng đến triển khai.

Những người này nếu biết dùng AI đúng cách, họ có lợi thế rất lớn.

Vì AI không tự biết bài toán nào đáng giải. AI không tự hiểu ngành của bạn nếu bạn không đưa cho nó đúng ngữ cảnh. AI không tự biết đâu là output đủ tốt cho thị trường của bạn nếu bạn không có tiêu chuẩn đánh giá.

Người dùng AI phải có chuyên môn.

Không nhất thiết phải là chuyên môn kỹ thuật ngay từ đầu, nhưng phải có chuyên môn về lĩnh vực mình đang giải quyết. Nếu không, bạn sẽ rất dễ bị cuốn vào tool, demo, workflow nhìn rất ngầu nhưng không biết áp vào đâu.

Vấn đề của nhiều người không phải là không đủ giỏi, mà là học AI sai điểm

Mình gặp không ít bạn làm marketing, kinh doanh, vận hành, content, ads, project management. Các bạn xem content AI mỗi ngày, lưu rất nhiều tool, thử rất nhiều prompt, nghe rất nhiều case study. Nhưng sau đó vẫn tự hỏi: “Rồi mình ứng dụng cái này vào chỗ nào trong công việc của mình?”

Mình không nghĩ vấn đề là các bạn không đủ giỏi.

Vấn đề là phần lớn nội dung AI ngoài kia đang nói sai điểm.

Nó cho bạn thấy một màn hình đen chạy code. Nó cho bạn thấy terminal. Nó cho bạn thấy một demo rất oách. Nó cho bạn thấy một agent tự làm vài tác vụ nghe rất tương lai. Nhưng nó không chỉ cho bạn cách quay lại công việc của mình và bóc tách:

Bài toán thật là gì?
Ai đang bị đau ở điểm nào?
Dữ liệu đang nằm ở đâu?
Quy trình hiện tại đang chạy ra sao?
Bước nào có thể để AI hỗ trợ?
Bước nào vẫn cần con người quyết định?
Output nào mới được gọi là dùng được?
Đo kết quả bằng gì?

Khi không có lớp tư duy đó, bạn học AI xong vẫn đứng nguyên chỗ cũ. Không phải vì AI khó. Mà vì bạn chưa biết đặt AI vào đúng bài toán.

Bóc tách bài toán là kỹ năng lõi

Và với mindset của mình xuyên suốt, kỹ năng quan trọng nhất trong thời AI không phải là biết thật nhiều công cụ. Mà là biết bóc tách bài toán.

Bóc tách bài toán nghĩa là bạn không dừng lại ở câu yêu cầu bề mặt.

Khách nói: “Tôi muốn làm chatbot.”
Nhưng bài toán thật có thể là: team chăm sóc khách hàng đang trả lời lặp lại quá nhiều câu hỏi.

Khách nói: “Tôi muốn tự động hóa marketing.”
Nhưng bài toán thật có thể là: lead về nhiều nhưng không được phân loại, không được nuôi dưỡng, sale không biết ưu tiên ai trước.

Khách nói: “Tôi muốn làm AI Agent cho doanh nghiệp.”
Nhưng bài toán thật có thể là: dữ liệu đang rải rác, quy trình chưa rõ, mỗi phòng ban đang làm một kiểu, không có dashboard để nhìn toàn bộ.

Khách nói: “Tôi muốn làm content bằng AI.”
Nhưng bài toán thật có thể là: thương hiệu chưa có góc nhìn rõ, chưa hiểu insight khách hàng, chưa có hệ thống phân phối, nên AI viết nhanh hơn cũng không giải quyết được chuyển đổi.

Người có năng lực không chỉ nghe yêu cầu rồi làm đúng yêu cầu. Người có năng lực phải bóc được lớp bên dưới: vì sao họ cần cái đó, nó đang giải quyết nút thắt nào, nếu làm xong thì kết quả kinh doanh nào thay đổi.

Đó là kỹ năng mà AI rất cần con người dẫn đường.

AI không thay bạn hiểu vấn đề

Mình không phải dân kỹ thuật truyền thống. Mình không bắt đầu từ code. Nhưng mình hiểu một điều rất rõ: khi bạn biết mình muốn giải bài toán gì, AI sẽ trở nên dễ dùng hơn rất nhiều.

Vì lúc đó, bạn không còn hỏi chung chung: “AI làm được gì?”
Bạn bắt đầu hỏi cụ thể hơn: “Tôi có một quy trình như thế này, dữ liệu nằm ở đây, người dùng cần output này, vậy nên thiết kế flow thế nào?”

Sự khác biệt nằm ở đó.

Một người chưa rõ bài toán sẽ thấy AI rất rộng, rất nhiều tool, rất loạn, học mãi không biết bắt đầu từ đâu. Một người hiểu rõ bài toán sẽ biết chính xác cần hỏi gì, cần test gì, cần build gì, cần bỏ qua gì.

AI rất mạnh khi bài toán được đóng khung rõ.

Nhưng nếu bài toán mơ hồ, AI chỉ tạo ra thêm nhiều output mơ hồ hơn.

FDE là tư duy, không chỉ là chức danh

Tôi không nghĩ ai cũng cần trở thành Forward Deployed Engineer theo đúng nghĩa tuyển dụng của các công ty lớn. Nhưng tôi nghĩ tư duy FDE sẽ trở thành một lợi thế rất lớn cho nhiều người làm marketing, vận hành, kinh doanh, consulting, sản phẩm và cả những người tự học, tự build.

Tư duy đó rất đơn giản:

Bóc tách bài toán → hiểu mục tiêu cần đến → thiết kế giải pháp → dùng AI và agent để triển khai → đo kết quả → sửa tiếp.

Bạn không nhất thiết phải là người code tất cả từ đầu. Nhưng bạn phải hiểu giải pháp cần làm gì. Bạn phải biết output thế nào là đúng. Bạn phải biết phần nào giao cho AI, phần nào cần con người, phần nào cần kỹ thuật sâu hơn, phần nào cần kiểm soát rủi ro.

Đây là lý do người có chuyên môn ngành sẽ không bị mất lợi thế nếu họ biết học AI đúng cách. Ngược lại, họ sẽ mạnh hơn.

Một người làm marketing biết AI có thể build workflow content, phân tích comment, gom insight, tạo landing page, test concept, dựng kịch bản, tự động hóa báo cáo. Nhưng người đó vẫn phải hiểu thị trường, hiểu khách hàng, hiểu thông điệp và hiểu chuyển đổi.

Một người làm vận hành biết AI có thể gom dữ liệu, phân loại, nhắc việc, tạo báo cáo, tự động hóa luồng xử lý. Nhưng người đó vẫn phải hiểu quy trình thật, điểm nghẽn thật, quyền truy cập, trách nhiệm và rủi ro.

Một người làm sales biết AI có thể tóm tắt call, phân loại lead, viết follow-up, tracking pipeline. Nhưng người đó vẫn phải hiểu khách, hiểu thời điểm, hiểu tâm lý mua hàng và biết lúc nào nên can thiệp bằng con người.

AI không lấy đi giá trị của chuyên môn. AI khuếch đại chuyên môn của người biết dùng.

Đừng học AI như học một danh sách tool

Nếu bạn chỉ học AI bằng cách lưu thêm tool, thử thêm prompt, xem thêm demo, bạn sẽ rất dễ bị quá tải. Mỗi ngày có một công cụ mới. Mỗi tuần có một workflow mới. Mỗi tháng có một “cách làm thay đổi cuộc chơi” mới.

Nhưng nếu bạn học AI từ bài toán kinh doanh, mọi thứ sẽ rõ hơn rất nhiều.

Bạn không cần biết tất cả tool. Bạn cần biết mình đang giải quyết điểm nghẽn nào.

Muốn tăng lead? Hãy nhìn lại funnel, content, landing page, offer, tracking.
Muốn giảm thời gian vận hành? Hãy nhìn lại quy trình, dữ liệu, bước lặp lại, quyền xử lý.
Muốn cải thiện chăm sóc khách hàng? Hãy nhìn lại câu hỏi lặp lại, ngữ cảnh khách hàng, kịch bản phản hồi, điểm cần người thật can thiệp.
Muốn làm video nhanh hơn? Hãy nhìn lại insight, hook, storyboard, asset, edit, phân phối và mục tiêu chuyển đổi.

Khi bài toán rõ, AI mới có đất để làm việc.

Còn khi bài toán chưa rõ, thêm tool chỉ làm bạn cảm thấy mình đang học rất nhiều, nhưng chưa chắc tạo ra kết quả.

Cơ hội mới dành cho người biết làm thật

Hiện tại những người biết ứng dụng AI đang được săn đón, ở Singapore mức lương cùng vị trí nhưng biết sử dụng AI đã tăng lên khá nhiều: những người có chuyên môn thực tế trong một lĩnh vực, hiểu vấn đề vận hành hoặc tăng trưởng, và biết dùng AI để biến hiểu biết đó thành giải pháp. Và nghe thế là ai cũng muốn và cần rồi đúng không!

Họ có thể không phải kỹ sư phần mềm truyền thống. Họ có thể đến từ marketing, sales, vận hành, consulting, project management, content, ads, sản phẩm. Nhưng họ có một điểm chung: họ không học AI để khoe tool. Họ học AI để giải quyết bài toán thật.

Và đây cũng là thứ mình đang tự làm.

Nếu bạn biết thì mình đi từ Growth & Marketing, và đó là lý do mình hiểu sản phẩm một chút

Vậy nên hãy học AI theo mindset đúng để áp dụng nó giải bài toán thực tế nhé!

P/S: 

Mình đã mất cả năm 2024 học n8n vì thấy ngầu. Tháng 4/2025 chia sẻ AI UGC khi thị trường còn mơ hồ. Tháng 11/2025 vibe code khi mọi người vẫn còn hỏi "cái đó là gì".

Chỉ vì mình hay mò và có một tư duy đúng.

Và cái trang bạn đang đọc này? Được tạo bằng AI. Tin nhắn dẫn bạn đến đây cũng bằng AI tự vận hành.

Nếu bạn muốn hiểu cách nhìn công việc kinh doanh, marketing dưới lăng kính AI, không phải học tool, không phải học kỹ thuật - mà là học cách tư duy để biết dùng nó ở đâu, lúc nào, ghép vào đâu trong doanh nghiệp của bạn...

Mình có TỔNG HỢP TRỌN BỘ CHIA SẺ chi tiết tại đây!

Bạn có hai lựa chọn lúc này.

Một - tự thử, tự mày mò. Hoàn toàn được.

Hai - nếu bạn muốn hiểu tại sao đằng sau mỗi setup, ghép nó vào luồng thực tế của doanh nghiệp như thế nào, tiết kiệm vài tháng thử sai, thì Phương đã đóng gói lại hết rồi.

→ Xem chi tiết tại: pennydinh.click