AI đang tạo ra một làn sóng quan tâm lớn với học sinh, sinh viên yêu thích công nghệ. Nhưng phía sau những mô hình AI có khả năng tạo văn bản, hình ảnh, viết code hay tự động hóa công việc là cả một hệ thống kỹ thuật phức tạp, cần đến dữ liệu, thuật toán và năng lực tính toán.
Vậy nghề kỹ sư AI thực sự làm gì? Một kỹ sư AI có phải cả ngày chỉ ngồi viết code? Khi chính AI ngày càng có khả năng hỗ trợ lập trình, cơ hội nghề nghiệp của những người theo lĩnh vực này sẽ thay đổi thế nào?
Từ góc nhìn của TS. Phạm Hy Hiếu, Giám đốc Khối Chuyển đổi Trí tuệ nhân tạo Techcombank, câu chuyện về nghề kỹ sư AI không chỉ nằm ở việc học một công nghệ đang “hot”, mà là hiểu AI được tạo nên từ đâu, con người đang giải quyết những bài toán gì và giá trị của người làm nghề sẽ dịch chuyển ra sao khi công cụ ngày càng mạnh.
Nghề kỹ sư AI thực chất làm gì?
Một cách dễ hiểu, kỹ sư AI là những người sử dụng kiến thức khoa học, toán học, kỹ thuật và công nghệ để xây dựng, vận hành hoặc tối ưu các hệ thống trí tuệ nhân tạo.
Theo TS. Phạm Hy Hiếu chia sẻ trong podcast Đơn giản hoá chuyện ngành, AI là sự kết hợp của bốn thành phần trong STEM gồm khoa học, công nghệ, engineering và toán học. Khoa học giúp con người quan sát thế giới và tìm ra quy luật; công nghệ cung cấp nền tảng như internet, điện toán đám mây; engineering biến tri thức thành những sản phẩm hữu ích; còn toán học cung cấp ngôn ngữ để biểu diễn các phép tính và mô hình.
Nhìn sâu hơn vào công việc, người làm AI có thể tham gia ở ba trụ cột lớn: compute, data và algorithm. Compute liên quan tới năng lực tính toán, chip, bộ nhớ và hạ tầng; data tập trung vào việc xử lý và khai thác dữ liệu; còn algorithm là bài toán xây dựng các phương pháp để máy tính giải quyết vấn đề.
Điều đó có nghĩa là nghề kỹ sư AI không phải một công việc duy nhất. Một người có thể làm việc với dữ liệu, một người tập trung vào thuật toán, trong khi người khác đi sâu vào hạ tầng tính toán, kernel, compiler hay chip.
>>> Xem thêm: Định hướng nghề lập trình IT: Hành trình trở thành IT chuyên nghiệp
Ba trụ cột của nghề kỹ sư AI
Theo TS. Phạm Hy Hiếu, có lẽ là cách đơn giản nhất để hình dung “bản đồ” nghề kỹ sư AI là phân tích thông qua ba trụ cột của nghề này: compute, data và algorithm.
Compute: Phía sau một hệ thống AI là cả một hạ tầng
AI cần thực hiện một lượng phép tính cực lớn. Vì vậy, hệ thống AI cần những con chip có khả năng tính toán song song với tốc độ cao. Nhưng chip chỉ là một phần của câu chuyện.
Theo TS. Phạm Hy Hiếu, kernel là những chương trình được viết để điều khiển chip, còn compiler là lớp phần mềm giúp chuyển ngôn ngữ lập trình của con người thành dạng mà máy tính có thể thực thi. Đây là những tầng kỹ thuật nằm phía dưới các sản phẩm AI mà người dùng thông thường ít khi nhìn thấy.
Với những bạn thích máy tính nhưng không nhất thiết muốn làm các sản phẩm ứng dụng trực tiếp, đây có thể là một hướng chuyên sâu đáng tìm hiểu trong nghề kỹ sư AI.
Data: Tìm quy luật giữa một lượng thông tin hỗn loạn
AI dựa rất nhiều vào dữ liệu lớn. Công việc của người làm data không đơn giản là “có thật nhiều dữ liệu”, mà là tìm được quy luật bên trong một khối thông tin có thể rất lớn và hỗn loạn.
“Nếu bạn là người mà thích tìm ra quy luật trong sự hỗn loạn, ok, maybe bạn nên đi theo data.”
Cách diễn giải này cho thấy data phù hợp với những người thích đặt câu hỏi, phân tích và tìm ra điều có ý nghĩa phía sau những con số tưởng như rời rạc.
Algorithm: Khi bài toán cần tư duy logic và trừu tượng
Trong nghề kỹ sư AI, nếu data là câu chuyện tìm quy luật từ dữ liệu thì algorithm lại thiên về tư duy logic và trừu tượng.
TS. Phạm Hy Hiếu đưa ra ví dụ về việc một điểm vector di chuyển trong không gian nhiều chiều để mô tả kiểu bài toán mà người làm thuật toán có thể phải suy nghĩ tới. Theo ông, những người thích kiểu tư duy trừu tượng này có thể phù hợp với hướng algorithm.
Ba hướng này không tồn tại tách rời. Muốn tạo ra một hệ thống AI hoàn chỉnh, cả dữ liệu, thuật toán và năng lực tính toán đều đóng vai trò cần thiết.
Điều gì khiến nghề kỹ sư AI khác với một công việc công nghệ thông thường?
Một điểm đặc biệt của nghề kỹ sư AI là người làm nghề thường phải giải quyết những bài toán chưa có đáp án rõ ràng. Có những công việc có thể làm theo một quy trình khá ổn định. Nhưng với AI, kỹ sư có thể phải thử một phương pháp, đo kết quả, sửa lại, tối ưu tiếp và lặp lại nhiều lần.
TS. Phạm Hy Hiếu từng trải qua điều đó từ khá sớm. Khi còn là sinh viên, anh đi cơ hội thực tập và trượt nhiều cuộc phỏng vấn. Có những câu hỏi anh biết câu trả lời nhưng khi ngồi trước người phỏng vấn lại không thể giải quyết. Ngay cả những đoạn code chỉ vài chục dòng cũng có lúc anh không thể tìm ra lỗi.
Đây là một thực tế đáng chú ý với những bạn đang tìm hiểu nghề kỹ sư AI: kiến thức học được và khả năng giải quyết một bài toán trong môi trường thực tế không hoàn toàn giống nhau. Chỉ khi bắt tay vào làm, người học mới nhận ra mình đang thiếu ở đâu.
>>> Xem thêm: 15+ Mẹo ghi điểm trong buổi phỏng vấn giúp chinh phục nhà tuyển dụng
“Bài toán khó” cũng là một phần của nghề
Với kỹ sư AI, áp lực không chỉ đến từ lượng kiến thức cần học mà còn từ chính bản chất công việc.
“Áp lực của kỹ sư AI là việc luôn phải đứng trước hai lựa chọn: kiên trì, dồn tâm sức đến khi có lời giải hay chấp nhận dừng lại ở một mức độ hoàn thiện nhất định để nhường chỗ cho công việc khác.”
Một bài toán khó có thể khiến kỹ sư AI phải tiếp tục đào sâu trong thời gian dài. Nhưng ở chiều ngược lại, doanh nghiệp cũng cần biết khi nào nên dừng một hướng tiếp cận, chấp nhận một mức độ hoàn thiện nhất định và chuyển sang công việc khác.
TS. Phạm Hy Hiếu cho biết bản thân từng nhiều lần đối mặt với lựa chọn này. Khi đã gắn bó với một bài toán và cố gắng tìm lời giải, anh thậm chí có cảm giác gắn bó với chính bài toán đó nên việc buông nó xuống cũng có yếu tố cảm xúc.
Vì vậy, khi tìm hiểu nghề kỹ sư AI, người trẻ không chỉ nên hình dung về những sản phẩm “thông minh” mà còn cần hình dung về quá trình phía sau: rất nhiều lần thử, sai, sửa và tối ưu.
AI đang thay đổi chính công việc của kỹ sư AI
Một điều thú vị là AI không chỉ là sản phẩm mà kỹ sư xây dựng. Nó cũng đang trở thành công cụ mà chính kỹ sư sử dụng mỗi ngày.
TS. Phạm Hy Hiếu cho biết trước đây nhiều phần mềm và kernel phải do con người viết, nhưng hiện tại AI đã có thể hỗ trợ viết một phần đáng kể các chương trình đó. Bản thân anh cũng sử dụng AI để viết code trong công việc.
Điều này đặt ra một câu hỏi quan trọng: khi AI có thể viết ngày càng nhiều code, kỹ năng của kỹ sư AI sẽ nằm ở đâu? Theo TS. Hiếu, người làm nghề cần học cách ứng dụng AI vào chính công việc của mình, thay vì nhìn AI như một đối thủ.
“Hãy học cách coi AI là một người đồng nghiệp đắc lực của mình.”
Anh cho rằng hai thái cực “AI sẽ lấy mất việc của tôi” và “AI chưa làm được gì đáng kể” đều không phù hợp. Cách tiếp cận hiệu quả hơn là xem AI như một người bạn, một đồng nghiệp mà con người có thể sử dụng trong công việc.
>>> Mời bạn đọc: Hướng nghiệp sau THPT: Làm gì để hiệu quả trong thời AI
Kỹ năng viết prompt có còn quan trọng?
Một ví dụ rất rõ về tốc độ thay đổi của nghề kỹ sư AI là kỹ năng viết prompt.
Theo TS. Hiếu, khoảng sáu tháng trước, việc viết prompt thật chi tiết rất quan trọng; sau đó mức độ cần thiết giảm dần. Khi AI thông minh hơn, người dùng có thể chỉ cần đưa ra yêu cầu ở mức cao và AI tự hỏi lại những thông tin còn thiếu để hoàn thành nhiệm vụ.
Điều này có một ý nghĩa lớn với những bạn đang định hướng nghề công nghệ thông tin: kỹ năng gắn với một công cụ cụ thể có thể nhanh chóng thay đổi.
Thay vì chỉ học cách “ra lệnh cho AI”, người học cần hiểu mình muốn tạo ra sản phẩm gì, sản phẩm đó gồm những thành phần nào và mục tiêu cuối cùng là gì. Sau đó mới lựa chọn cách thực hiện phù hợp. Đây chính là cách tiếp cận first principles thinking được TS. Hiếu nhấn mạnh trong podcast.
Vì sao kiến thức nền tảng vẫn quan trọng khi AI phát triển quá nhanh?
AI thay đổi với tốc độ rất nhanh. Vì vậy, một trong những rủi ro của người học là quá tập trung vào công nghệ mới nhất mà bỏ qua kiến thức nền tảng.
TS. Phạm Hy Hiếu cho rằng toán, vật lý và tin học có lợi thế ở chỗ đây là những lĩnh vực đã phát triển trong thời gian dài. Những kiến thức nền tảng có thể không phải thứ “mới nhất”, nhưng lại tạo ra cách tư duy có thể tiếp tục áp dụng khi công nghệ thay đổi.
Với AI, các kiến thức toán cơ bản được anh nhắc đến gồm đại số tuyến tính, giải tích và xác suất. Người học cũng cần nền tảng lập trình, hiểu một số thuật toán cơ bản và làm quen với Python.
Sau đó mới đi sâu hơn vào bản chất của AI, lịch sử phát triển của lĩnh vực, các mô hình và những hướng chuyên ngành khác nhau.
Nói cách khác, nghề kỹ sư AI là một lĩnh vực công nghệ thay đổi rất nhanh nhưng lại đòi hỏi nền tảng đủ chắc để thích nghi với chính sự thay đổi đó.
>>> Xem thêm: Khám phá 7 bước hướng nghiệp cho học sinh đam mê kỹ thuật
Cơ hội việc làm của nghề kỹ sư AI ở đâu?
Theo TS. Hiếu, ba trụ cột compute, data và algorithm đều cần nhân sự. Không có một trụ cột nào có thể bị bỏ đi nếu muốn xây dựng một hệ thống AI hoàn chỉnh.
Tại Việt Nam, anh cho biết AI đang phát triển theo hướng khá thực dụng và thích nghi, trong đó AI agent là một hướng được nhiều người quan tâm. Khi tuyển dụng, anh thường hỏi ứng viên về một việc gần đây họ đã làm và nhận thấy nhiều ứng viên kể về các dự án liên quan đến AI agent. Từ đó, anh quan sát thấy thị trường AI Việt Nam đang đi theo những kỹ năng mới đang nổi lên trong lĩnh vực này.
Một điểm khác được TS. Phạm Hy Hiếu nhắc tới là lợi thế của nhân lực Việt Nam. Theo ông, Việt Nam có nguồn nhân lực tốt và chi phí lao động cạnh tranh so với nhiều thị trường khác.
Cũng từ góc nhìn đó, câu chuyện về AI ở Việt Nam không chỉ là sử dụng những công cụ có sẵn mà còn liên quan đến khả năng làm chủ các thành phần của công nghệ. TS. Hiếu cho rằng ba trụ cột data, compute và algorithm cần được phát triển song song; trong đó, hạ tầng compute về lâu dài có thể mang ý nghĩa tương tự những hạ tầng thiết yếu của một quốc gia.
>>> Xem thêm: Nghề nào phát triển với công nghệ AI? Top ngành “không sợ bị thay thế” trong tương lai
AI có khiến người học công nghệ khó tìm việc hơn?
Đây có lẽ là câu hỏi được nhiều sinh viên quan tâm nhất khi cân nhắc nghề kỹ sư AI.
Quan điểm của TS. Phạm Hy Hiếu là không nên nhìn AI theo hướng đơn giản rằng máy móc sẽ lấy hết việc của con người. Anh đưa ra ví dụ về nghề kế toán: khi máy tính xuất hiện, từng có những lo ngại rằng kế toán sẽ mất việc vì máy có thể thực hiện các phép tính và quản lý sổ sách. Nhưng nghề kế toán vẫn tồn tại và số người làm nghề này không biến mất.
“AI không lấy đi công việc của ai mà ngược lại, sẽ sinh ra thêm việc làm mới cho con người.”
Phần đáng chú ý trong lập luận này không nằm ở việc phủ nhận khả năng thay đổi của thị trường lao động, mà ở cách nhìn về sự thay đổi. Một số công việc có thể được tự động hóa, nhưng đồng thời những cách làm việc mới và những công việc mới cũng có thể xuất hiện.
Với người trẻ, điều đó đồng nghĩa câu hỏi quan trọng hơn không chỉ là “AI có thay mình làm việc không?”, mà là “mình có thể làm được gì tốt hơn khi biết sử dụng AI?”.
Học AI không nhất thiết phải bắt đầu bằng AI
Một chi tiết thú vị trong câu chuyện của TS. Phạm Hy Hiếu là càng nói về một ngành công nghệ mới, anh lại càng nhấn mạnh những kiến thức không mới.
Khi nhìn lại tuổi 18, anh cho biết mình tiếc vì đã không dành nhiều thời gian hơn để học sâu vật lý lý thuyết và một số lĩnh vực toán cao cấp. Theo anh, dù những kiến thức này không trực tiếp liên quan đến mọi bài toán AI, chúng có thể xây dựng những nền tảng tư duy giúp con người giải quyết vấn đề tốt hơn.
Điều này đặc biệt đáng suy nghĩ với học sinh đang định hướng nghề công nghệ thông tin. Trước một lĩnh vực thay đổi nhanh, việc học một công cụ đang nổi có thể tạo ra lợi thế trong ngắn hạn, nhưng nền tảng tư duy mới là thứ giúp người học tiếp tục thích nghi về dài hạn.
Người trẻ bắt đầu nghề kỹ sư AI từ đâu?
Không nhất thiết phải bắt đầu bằng một dự án AI thật lớn. Theo TS. Hiếu, mọi người đều bắt đầu từ con số 0. Điều khác biệt là trong quá trình đó, một số người có năng lực, đam mê và không từ bỏ việc mình đang làm sẽ dần tích lũy được kinh nghiệm.
Một cách tiếp cận thực tế là bắt đầu từ những bài toán nhỏ, học kiến thức nền tảng, làm dự án và quan sát xem mình thực sự thích loại vấn đề nào. Sau đó, người học có thể lựa chọn đi sâu hơn vào data, algorithm hoặc compute.
TS. Phạm Hy Hiếu cũng nhấn mạnh rằng khi còn trẻ, nên ưu tiên những công việc giúp mình học hỏi và phát triển thay vì chỉ nhìn vào thu nhập ban đầu.
Ba “vốn nghề” cần có nếu muốn đi xa với AI
Khi được hỏi về những yếu tố sinh viên nên tập trung đầu tư trước khi bước vào thị trường lao động, TS. Phạm Hy Hiếu chọn ba thứ: chuyên môn, thời gian và mối quan hệ.
Chuyên môn tạo nên năng lực thực chất. Thời gian cho phép người trẻ làm, sai, sửa và tích lũy kinh nghiệm. Còn mối quan hệ giúp họ gặp được người đi trước, học hỏi và tiếp cận những cơ hội phù hợp.
“Một cánh không có cánh én nào mà làm lên mùa xuân được hết.”
Đây cũng là lý do nghề kỹ sư AI không nên được nhìn như một nghề chỉ dành cho những người “giỏi máy tính”. Để phát triển lâu dài, người làm nghề còn cần một quá trình tích lũy trải nghiệm và học hỏi từ cộng đồng chuyên môn.
>>> Xem thêm: Cần làm gì khi đi thực tập tại các trường và công ty: 5 Hướng dẫn quan trọng
Q&A về nghề kỹ sư AI
Nghề kỹ sư AI đang mở ra nhiều cơ hội việc làm, thu nhập, cơ hội phát triển cho bạn trẻ. Mời các bạn tìm hiểu thêm về nghề này qua một số câu hỏi và giải đáp dưới đây
Nghề kỹ sư AI có phải chỉ là viết code?
Không. Công việc AI có thể trải rộng từ data, algorithm đến compute, hạ tầng, kernel, compiler và nhiều phần việc kỹ thuật khác. Viết code là một công cụ quan trọng nhưng không phải toàn bộ nghề.
Học AI cần những kiến thức toán nào?
Theo TS. Phạm Hy Hiếu, nền tảng toán gồm đại số tuyến tính, giải tích và xác suất. Nếu đi sâu vào một lĩnh vực chuyên biệt, yêu cầu toán học có thể cao hơn.
Python có còn quan trọng với người học AI?
Python được TS. Hiếu xem là một ngôn ngữ lập trình rất quan trọng với AI hiện nay. Tuy nhiên, ông cũng cho rằng vai trò của việc tự viết code có thể tiếp tục thay đổi khi AI ngày càng có khả năng hỗ trợ lập trình.
Nên theo data, algorithm hay compute?
Không có câu trả lời chung. Theo cách phân tích của TS. Hiếu, người thích tìm quy luật trong dữ liệu có thể quan tâm đến data; người thích tư duy logic, trừu tượng có thể tìm hiểu algorithm; còn người thích sự tỉ mỉ, chi tiết có thể phù hợp với compute.
AI có thay thế kỹ sư AI không?
AI đang hỗ trợ kỹ sư thực hiện nhiều phần việc, trong đó có viết code. Nhưng theo TS. Hiếu, người làm nghề kỹ sư AI nên học cách sử dụng AI như một đồng nghiệp thay vì chỉ xem nó là đối thủ.
Học ngành AI có cần chạy theo công nghệ mới nhất không?
Theo TS. Hiếu, không nên chỉ chạy theo “phần ngọn” mà bỏ qua nền tảng. AI thay đổi nhanh, trong khi những nền tảng khoa học, toán học và tin học giúp người học có tư duy đủ chắc để thích nghi với các thay đổi sau này trong nghề kỹ sư AI.
Kết luận
Nghề kỹ sư AI đang mở ra một thế giới công việc rộng hơn nhiều so với hình dung quen thuộc về một người ngồi viết code. Phía sau một hệ thống AI có thể là dữ liệu, thuật toán, chip, bộ nhớ, kernel, compiler, điện toán đám mây và cả một chuỗi kỹ thuật phức tạp.
Trong khi đó, chính AI lại đang thay đổi cách kỹ sư làm việc. Một số công việc từng cần con người thực hiện thủ công có thể được AI hỗ trợ, nhưng điều này đồng thời buộc người làm nghề phải chuyển từ việc chỉ “làm bằng tay” sang hiểu sâu bài toán, xác định mục tiêu và biết sử dụng công cụ.
Với người trẻ đang quan tâm đến công nghệ, điều quan trọng khi tìm hiểu nghề kỹ sư AI có lẽ không phải là chạy theo một công nghệ đang nổi. Đó là hiểu mình thích giải quyết loại bài toán nào, xây dựng nền tảng đủ chắc và sẵn sàng làm việc cùng những công cụ sẽ tiếp tục thay đổi.
Như TS. Phạm Hy Hiếu chia sẻ, “Ai cũng bắt đầu từ con số 0 cả.”
Viết Chung
35 lượt xem
29-09-2026
