Tôi rất vui được giới thiệu Bản đồ Kỹ năng Kỹ thuật AI (The AI Engineering Skills Map). AI cho phép chúng ta xây dựng phần mềm theo những cách rất khác so với năm 2022, và bất kỳ ai có kỹ năng tận dụng được sự thay đổi này đều có vô số cơ hội dự án và việc làm thú vị. Nhưng giữa một môi trường thông tin ồn ào, đầy hype xung quanh AI, đâu là những kỹ năng đáng giá nhất để bạn học? Tôi đã làm việc cùng đội ngũ của mình để tổng hợp một bản đồ kỹ năng kỹ thuật AI nhằm giúp (i) các nhà phát triển xác định ưu tiên học tập, và (ii) các nhà tuyển dụng tìm được những nhà phát triển có kỹ năng phù hợp.
Dựa trên việc phân tích hơn 10.000 tin tuyển dụng; tiến hành hàng chục cuộc phỏng vấn có cấu trúc với các chuyên gia AI, nhà quản lý tuyển dụng và chuyên viên săn đầu người; thu thập dữ liệu qua khảo sát; và tổng hợp các dữ liệu trực tuyến khác, dưới đây là bốn kỹ năng kỹ thuật AI quan trọng nhất:
- Xây dựng và triển khai các ứng dụng AI
- Kiến thức nền tảng về kỹ thuật phần mềm
- Sử dụng các tác nhân lập trình (coding agents)
- Định hình quá trình xây dựng
Nói một cách nôm na, bạn có thể hình dung quá trình của chúng tôi giống như việc chạy thuật toán phân cụm (clustering) trên một tập dữ liệu khổng lồ gồm các tin tuyển dụng và các cuộc phỏng vấn chuyên gia để xác định những kỹ năng quan trọng nhất — không chỉ ở hiện tại mà còn trong tương lai gần.
Một lưu ý về thuật ngữ: Tôi nói về kỹ năng kỹ thuật AI thay vì vai trò "Kỹ sư AI" (người có công việc là xây dựng các hệ thống AI), bởi vì khái niệm trước rộng hơn nhiều. Ngày nay, tất cả các nhà phát triển nên biết cách làm việc với cloud (điện toán đám mây), và chỉ một số ít người mang chức danh "Kỹ sư Cloud". Tương tự, tất cả các nhà phát triển — kỹ sư full-stack, kỹ sư dữ liệu, kỹ sư DevOps, kỹ sư học máy, và tất nhiên cả kỹ sư AI — đều sẽ cần những kỹ năng kỹ thuật AI.
Xây dựng và triển khai các ứng dụng AI. Điểm khác biệt chính giữa ứng dụng AI và ứng dụng phi AI là ứng dụng AI có đầu ra không thể đoán trước được. Khi bạn đưa ra lời nhắc (prompt) cho một LLM, bạn không biết mình sẽ nhận lại được gì. Khi bạn huấn luyện một thuật toán học sâu, bạn không biết nó sẽ đưa ra dự đoán gì trên những mẫu dữ liệu mới. Ngược lại, phần mềm truyền thống hoạt động theo cách có thể dự đoán được hơn nhiều.
Những người giỏi xây dựng và triển khai các ứng dụng AI hiểu rõ các khối cấu thành của AI (như LLM, kỹ thuật ngữ cảnh (context engineering), RAG, luồng tác nhân (agentic workflows), học máy và học sâu) và — quan trọng là — biết cách sử dụng các kỹ thuật thống kê để đo lường, định hướng và quản trị các hệ thống AI sao cho chúng hoạt động có thể dự đoán được hơn. Một kỹ năng cốt lõi trong việc này là biết cách vận hành các vòng đánh giá (evals) và phân tích lỗi một cách bài bản.
Kiến thức nền tảng về kỹ thuật phần mềm. Khi bạn hiểu sâu về cách phần mềm vận hành, bạn có thể xây dựng hiệu quả hơn rất nhiều. Kỹ thuật phần mềm đòi hỏi phải cân bằng giữa chi phí, khả năng mở rộng, độ tin cậy, tốc độ và nhiều yếu tố khác. Bảo mật và quyền riêng tư càng làm tăng thêm độ phức tạp.
Hiểu kiến thức nền tảng về phần mềm giúp bạn nhận biết được những sự đánh đổi nào đang tồn tại. Điều này dẫn đến những quyết định tốt hơn trong việc lựa chọn stack phần mềm, thiết kế kiến trúc hệ thống, thiết kế kho dữ liệu, kiểm thử, v.v. Nó cũng mang lại kết quả tốt hơn nhiều so với một nhà phát triển thiếu kinh nghiệm, người "vibe code" ra một giải pháp mà không hiểu những đánh đổi mà tác nhân lập trình của họ đang thực hiện — vốn thường là những đánh đổi kém, bởi vì họ không biết nên cung cấp ngữ cảnh gì cho tác nhân lập trình của mình. Hiểu kiến thức nền tảng về kỹ thuật phần mềm giúp bạn đưa ra những đánh đổi hợp lý bằng cách điều hướng các tác nhân lập trình bằng chính ngôn ngữ chính xác của kỹ thuật phần mềm.
Sử dụng các tác nhân lập trình. Sử dụng lập trình tác nhân (agentic coding) một cách hiệu quả hiện là kỹ năng then chốt của mọi nhà phát triển. Khi có kỹ năng này, bạn có một mô hình tinh thần tốt về cách các tác nhân hoạt động. Bạn hiểu những hạn chế của chúng và cách khắc phục, đồng thời có thể nhanh chóng điều hướng chúng — biết khi nào nên can thiệp và khi nào nên để chúng tự làm việc — để xây dựng phần mềm vững chắc mà không lãng phí quá nhiều thời gian hay token.
Điều này đòi hỏi bạn phải biết cách quản lý ngữ cảnh của tác nhân lập trình, cân bằng giữa lập kế hoạch và thực thi, đồng thời giúp tác nhân tự động khép kín các vòng lặp bằng cách cung cấp các trình xác minh (verifiers) hoặc bộ đánh giá (evals). Bạn cũng cần biết cách làm việc với một đặc tả (spec) rõ ràng (và khi nào thì không cần thiết), điều phối nhiều tác nhân làm việc cùng nhau, và tránh những cạm bẫy như nguy cơ tác nhân làm hỏng cơ sở dữ liệu production của bạn. Bởi vì lập trình tác nhân đang phát triển nhanh chóng, sử dụng các tác nhân lập trình một cách khéo léo không chỉ đòi hỏi nắm vững những phương pháp tiên tiến nhất, mà còn cần có thói quen liên tục thử nghiệm các công cụ mới và phát triển quy trình làm việc khi các phương pháp tốt nhất thay đổi.
Định hình quá trình xây dựng. Với một đặc tả rõ ràng, các tác nhân lập trình đang ngày càng giỏi hơn trong việc thực hiện đúng theo đặc tả đó. Do đó, công việc của chúng ta với tư cách là kỹ sư đang chuyển dịch sang việc quyết định những gì nên có trong đặc tả. Các kỹ sư không còn nên kỳ vọng rằng họ sẽ được đưa cho một bản thiết kế hoàn hảo từng pixel và chỉ cần hiện thực hóa nó. Thay vào đó, kỹ thuật AI hiệu quả đòi hỏi bạn phải có tư duy sản phẩm (product sense) và hiểu được bối cảnh kinh doanh cũng như mục tiêu của khách hàng, để có thể tham gia định hình và thúc đẩy quá trình xây dựng.
AI cũng mang đến cho bạn cơ hội nắm quyền làm chủ và chủ động hơn trước đây. Bạn có thể xác định những vấn đề và cơ hội thú vị, rồi hành động để tận dụng chúng một cách có trách nhiệm. Tận dụng được cơ hội này đòi hỏi bạn phải biết cách thúc đẩy dự án tiến về phía trước. Ví dụ, biết khi nào nên nhanh chóng xây dựng một MVP để đưa cho người dùng thử nghiệm, và khi nào nên chậm lại, dành nhiều thời gian hơn để xây dựng một cách cẩn thận hơn.
Làm nền tảng cho tất cả những kỹ năng này là tư duy học tập không ngừng. AI tiếp tục thay đổi nhanh chóng, vì vậy tất cả chúng ta phải tiếp tục học hỏi và phát triển kỹ năng của mình để áp dụng những phương pháp tốt nhất đang nổi lên.
DeepLearning.AI tập trung chính vào việc giúp các nhà phát triển đạt được những kỹ năng kỹ thuật AI này. Tôi còn nhiều điều muốn chia sẻ về từng kỹ năng trong bốn kỹ năng này, và sẽ trình bày chi tiết chúng trong các bài viết sắp tới cùng với một Bản đồ Kỹ năng Kỹ thuật AI chi tiết hơn. Khi nhìn về hướng đi của kỹ thuật AI, tôi vô cùng hào hứng về những gì tất cả chúng ta sẽ có thể xây dựng. Tôi hy vọng bạn sẽ đóng một vai trò thú vị trong tương lai này.
