Ngày 14/08, Andrew Ng, chuyên gia tiên phong hàng đầu thế giới về trí tuệ nhân tạo (AI), đã đăng tải bài viết “The AI Engineering Skills Map” trên trang X của mình. Đây bản đồ các kỹ năng AI Engineering mà ông cùng đội ngũ tại DeepLearning.AI đánh giá là quan trọng nhất ở thời điểm hiện tại và tương lai gần.

Khởi đầu là nhận định: “AI cho phép xây dựng phần mềm theo cách rất khác so với năm 2022, và ai nắm được kỹ năng để tận dụng sự thay đổi này sẽ có nhiều cơ hội dự án lẫn việc làm”. Và để xác định đâu là kỹ năng đáng học, nhóm của Ng đã phân tích hơn 10.000 tin tuyển dụng, thực hiện hàng chục cuộc phỏng vấn có cấu trúc với chuyên gia AI, hiring manager và recruiter, đồng thời kết hợp khảo sát cùng các nguồn dữ liệu trực tuyến khác. Kết quả, như một phép phân cụm (clustering) trên tập dữ liệu lớn, cho ra 4 nhóm kỹ năng trọng tâm:

  • Xây dựng và triển khai ứng dụng AI: Khác biệt lớn nhất so với phần mềm truyền thống là đầu ra khó đoán định. Khi prompt một LLM hay huấn luyện một mô hình, bạn không biết trước kết quả sẽ ra sao. Người giỏi mảng này nắm các khối nền tảng của AI (LLM, context engineering, RAG, agentic workflow) và dùng kỹ thuật thống kê để đo lường, điều hướng sao cho hệ thống dễ đoán hơn, với cốt lõi là làm evals và error analysis một cách có kỷ luật.

  • Nền tảng kỹ thuật phần mềm: Hiểu sâu cách phần mềm vận hành giúp nhận ra những đánh đổi giữa chi phí, khả năng mở rộng, độ tin cậy và tốc độ. Quan trọng hơn, nó cho phép “lái” coding agent bằng đúng ngôn ngữ kỹ thuật của phần mềm, thay vì vibe coding mà không biết agent đang chọn đánh đổi nào.

  • Dùng coding agent: Kỹ năng này đòi hỏi một mô hình tư duy đúng về cách agent hoạt động, hiểu giới hạn của chúng, biết can thiệp bao nhiêu là đủ, quản lý context, và cung cấp verifier/eval để agent tự đóng vòng lặp.

  • Định hình sản phẩm: Khi agent ngày càng thông minh, vai trò kỹ sư dịch chuyển từ biết cách xây sang biết quyết định “nên xây gì”, đòi hỏi sự nhạy bén và thấu hiểu bối cảnh kinh doanh, mục tiêu khách hàng.

Một lưu ý đáng chú ý về thuật ngữ: Ng dùng “AI Engineering skills” thay vì “AI Engineer” vì phạm vi rộng hơn nhiều. Cũng như mọi dev ngày nay đều cần biết cloud nhưng chỉ số ít mang danh “Cloud engineer”, mọi dev - từ full-stack, data engineer, DevOps đến MLE - đều cần kỹ năng AI Engineering.

Bên dưới tất cả là một tư duy học liên tục: AI vẫn đổi thay nhanh, nên kỹ năng phải được cập nhật theo các best practice mới. Ng cho biết sẽ đi sâu vào từng kỹ năng và công bố một bản đồ chi tiết hơn trong các bài viết sắp tới.

Khi phần “viết code” thô dần được coding agent đảm nhận, giá trị dịch chuyển về hai đầu, đó là định nghĩa đúng bài toán ở phía trước và đo lường, điều hướng đầu ra khó đoán ở phía sau. Đây cũng là cách thị trường bắt đầu định hình lại tiêu chí đánh giá một kỹ sư làm việc với AI.