Vị trí mới tại Thung lũng Silicon FDE đang thịnh hành, doanh nghiệp cần nhân tài AI như thế nào?

marsbitXuất bản vào 2026-06-02Cập nhật gần nhất vào 2026-06-02

Tóm tắt

Bài viết thảo luận về sự xuất hiện và nổi bật của vị trí Kỹ sư Triển khai Tiền tuyến AI (AI Forward Deployed Engineer - FDE) trong thung lũng Silicon, được các công ty như OpenAI và Anthropic chú trọng. Vai trò chính của FDE là làm việc trực tiếp với khách hàng để tùy chỉnh và tích hợp các mô hình ngôn ngữ lớn (LLM) chung vào quy trình nghiệp vụ cụ thể, tạo ra luồng công việc Agent phù hợp. Tuy nhiên, bài viết nhấn mạnh rằng tác động lớn hơn của AI đến thị trường việc làm không phải là sự thay thế đơn thuần, mà là sự phân hóa và tạo ra các vai trò mới. Tác giả dự đoán nhu cầu lớn hơn sẽ dành cho các Kỹ sư AI nội bộ của doanh nghiệp. Những kỹ sư này cần thành thạo nhiều kỹ năng như viết prompt, sử dụng khung Agent, hệ thống đánh giá, cũng như các công cụ lập trình AI như Claude Code hay Codex để nhúng khả năng AI vào phần mềm và hệ thống nghiệp vụ. Sự phát triển này được so sánh với quá trình chuyên môn hóa của kỹ sư phần mềm trước đây, khi vai trò chung ban đầu dần phân nhánh thành front-end, back-end, mobile, DevOps... Tương tự, vai trò Kỹ sư AI tổng quát hiện nay được kỳ vọng sẽ tiến hóa thành nhiều vị trí chuyên sâu hơn trong tương lai, chẳng hạn như Kỹ sư LLMOps, Kỹ sư Đánh giá (Evals Engineer), Kỹ sư Dữ liệu AI... Điều quan trọng nhất là nhu cầu về những người vừa có năng lực kỹ thuật xuất sắc, vừa hiểu sâu sắc về bối cảnh và nhu cầu kinh doanh cụ thể.

Lời biên tập: Khi các công ty như OpenAI, Anthropic bắt đầu thành lập các đội Kỹ sư Triển khai Tiền tuyến AI (AI Forward Deployed Engineer, viết tắt là FDE), một vị trí cũ bắt nguồn từ Palantir đang tái thịnh hành tại Thung lũng Silicon. Giá trị cốt lõi của FDE là đi vào hiện trường khách hàng, biến đổi mô hình ngôn ngữ lớn phổ quát thành các quy trình làm việc của Agent phù hợp với quy trình kinh doanh cụ thể.

Nhưng điều bài viết này thực sự thảo luận không chỉ là nghề nghiệp mới FDE, mà là cấu trúc công việc sẽ tái phân hóa như thế nào trong thời đại AI. Tác giả cho rằng, so với một số ít FDE được cử đến làm việc nội bộ khách hàng, phục vụ cho việc triển khai sản phẩm của nhà cung cấp cụ thể, thì nhu cầu lớn hơn trong tương lai sẽ là các Kỹ sư AI của chính doanh nghiệp. Họ cần hiểu về lời nhắc, khung Agent, hệ thống đánh giá, cũng cần biết sử dụng các công cụ lập trình AI như Claude Code, Codex, để thực sự nhúng khả năng AI vào phần mềm và hệ thống nghiệp vụ.

Điều này cũng có nghĩa là, tác động của AI lên thị trường lao động chưa chắc đã là sự "thay thế" đơn giản. Nó có thể trước hết tạo ra một loạt vị trí công việc tổng quát mới, sau đó tiếp tục tiến hóa, giống như trước đây kỹ sư phần mềm đã phân hóa thành front-end, back-end, mobile, DevOps, để tiếp tục phát triển thành các nghề nghiệp chuyên sâu hơn như LLMOps, Kỹ sư Đánh giá, Kỹ sư Dữ liệu AI. Thứ thực sự khan hiếm sẽ là những người vừa hiểu thực thi kỹ thuật, lại có thể thấu hiểu ngữ cảnh nghiệp vụ.

Dưới đây là bài viết gốc:

Gần đây tại Thung lũng Silicon xuất hiện một vị trí công việc mới thu hút sự chú ý đáng kể: Kỹ sư Triển khai Tiền tuyến AI (AI Forward Deployed Engineer, viết tắt là FDE). Loại kỹ sư này sẽ được cử đến làm việc nội bộ tổ chức khách hàng, giúp khách hàng tùy chỉnh giải pháp, ví dụ như xây dựng và điều chỉnh các quy trình làm việc của Agent phù hợp với nhu cầu cụ thể của khách hàng. Kể từ khi OpenAI và Anthropic bắt đầu thành lập đội ngũ mới, cử FDE đến các tổ chức khách hàng, tôi cũng nghe thấy không ít người bắt đầu quan tâm trở lại con đường sự nghiệp FDE này.

Khối lượng công việc AI thúc đẩy sự trỗi dậy của vị trí FDE là một ví dụ về việc AI đang tạo ra công việc mới. Điều này cũng cho thấy, câu chuyện "jobpocalypse" (tận thế việc làm) về sự sụp đổ sắp xảy ra của thị trường lao động là không đúng - tương lai vẫn sẽ có một lượng lớn công việc liên quan đến AI và không liên quan đến AI. Tuy nhiên, như giải thích dưới đây, tôi cho rằng số lượng vị trí kỹ sư AI sẽ nhiều hơn rất nhiều so với FDE.

Vai trò FDE này được Palantir khởi xướng vào khoảng hai mươi năm trước. Khi đó, Palantir sẽ cử kỹ sư đến làm việc tại hiện trường cơ quan chính phủ, trong môi trường an toàn, cách ly với mạng bên ngoài. Ngoài năng lực kỹ thuật vững vàng, FDE còn cần có kỹ năng giao tiếp, đôi khi cũng cần một chút phán đoán kinh doanh. Ví dụ, họ có thể cần giao tiếp với khách hàng, hiểu nhu cầu khách hàng; xây dựng chiến lược ưu tiên dự án; giải thích công nghệ phức tạp; cũng như phản hồi một cách tôn trọng nhưng kiên định khi khách hàng đưa ra yêu cầu không thực tế. Hiện nay FDE lại thu hút sự chú ý, chủ yếu là do việc thực sự nhúng một mô hình ngôn ngữ lớn có sẵn vào nghiệp vụ doanh nghiệp, cải tạo nó thành quy trình làm việc tùy chỉnh của Agent phù hợp với nhu cầu nghiệp vụ cụ thể, cần rất nhiều công việc triển khai thực tế.

Tuy nhiên, tôi cho rằng quy mô của vị trí kỹ sư AI sẽ lớn hơn nhiều. Một công ty có thể chấp nhận một số ít FDE vào làm việc nội bộ hợp tác, nhưng hầu hết công ty sẽ mong muốn để nhiều nhân viên của chính mình tham gia vào việc xây dựng dự án. Lấy tổ chức của tôi làm ví dụ, chúng tôi thực sự tuyển dụng FDE, nhưng số lượng kỹ sư AI tuyển dụng nhiều hơn rất nhiều. Ngoài ra, một mối lo ngại phổ biến của khách hàng là rất khó tìm được FDE thực sự "trung lập với nhà cung cấp". Xét cho cùng, nhiệm vụ của FDE về bản chất là tích hợp sâu sản phẩm của một nhà cung cấp cụ thể vào hệ thống doanh nghiệp. Ở giai đoạn hiện tại, rất khó dự đoán một năm sau dịch vụ AI nào sẽ trở thành lựa chọn tốt nhất, do đó "khả năng lựa chọn" là rất quan trọng, tức là doanh nghiệp có thể lựa chọn nhà cung cấp phù hợp nhất với mình trong tương lai. Ngược lại, nếu để FDE ràng buộc sâu quy trình kinh doanh của công ty với một nhà cung cấp cụ thể, sẽ làm suy yếu đáng kể khả năng lựa chọn này.

Hiện tại, tôi thấy nhu cầu thị trường đối với kỹ sư AI đang tăng nhanh chóng. Loại kỹ sư này có thể sử dụng các thành phần phần mềm AI để xây dựng ứng dụng, ví dụ như lời nhắc LLM, khung Agent, hệ thống đánh giá, v.v.; đồng thời cũng có thể sử dụng hiệu quả các Agent lập trình AI, như Claude Code, Codex, Antigravity CLI và OpenCode. Khi vai trò kỹ sư AI này dần trưởng thành, tôi dự đoán nó sẽ tiếp tục được tách thành các vị trí chuyên môn hóa hơn. Tương tự như vài chục năm trước, vị trí tổng quát "kỹ sư phần mềm" sau này dần phân hóa thành các hướng front-end, back-end, mobile, data engineering, DevOps, v.v.

Tương lai sẽ xuất hiện những vị trí kỹ thuật AI chuyên môn hóa nào? Tôi vẫn chưa thể xác định. Có thể sẽ có Kỹ sư FDE AI, Kỹ sư LLMOps, Kỹ sư Đánh giá, Kỹ sư Dữ liệu AI, Kỹ sư Harness, và một số vị trí mới mà hiện tại chúng ta chưa đặt tên. Nhưng ít nhất ở thời điểm hiện tại, nhiều kỹ sư AI tổng quát đã đang tạo ra giá trị to lớn. Các kỹ sư AI xuất sắc đang ở trong tình trạng khan hiếm cao độ. Khi lĩnh vực này tiếp tục trưởng thành trong thập kỷ tới, tôi cũng kỳ vọng sẽ xuất hiện nhiều phân công chuyên môn hơn trong nội bộ ngành kỹ thuật AI, và từ đó tạo ra nhiều cơ hội việc làm mới hơn nữa.

Câu hỏi Liên quan

QVị trí công việc mới FDE đang nổi lên tại Thung lũng Silicon là gì và mục đích chính của vị trí này là gì?

AVị trí công việc mới nổi lên tại Thung lũng Silicon là Kỹ sư Triển khai Tiền tuyến AI (AI Forward Deployed Engineer - FDE). Mục đích chính của vị trí này là được cử đến làm việc tại chỗ của khách hàng để tùy chỉnh và triển khai các giải pháp AI, cụ thể là biến đổi các mô hình ngôn ngữ lớn (LLM) chung thành các quy trình công việc Agent (tác nhân) phù hợp với quy trình kinh doanh cụ thể của khách hàng.

QTheo bài viết, tại sao nhu cầu về Kỹ sư AI (AI Engineer) trong doanh nghiệp được dự đoán sẽ lớn hơn nhiều so với Kỹ sư FDE?

ATheo bài viết, nhu cầu về Kỹ sư AI trong nội bộ doanh nghiệp được dự đoán lớn hơn vì hai lý do chính: (1) Phần lớn các công ty muốn nhân viên của chính họ tham gia xây dựng và tích hợp hệ thống AI để duy trì kiến thức và quyền kiểm soát. (2) Các công ty lo ngại về tính 'trung lập của nhà cung cấp' (vendor neutrality). Việc để FDE của một nhà cung cấp bên ngoài tích hợp sâu sản phẩm của họ có thể làm giảm khả năng lựa chọn và chuyển đổi nhà cung cấp AI khác trong tương lai.

QKỹ sư AI (AI Engineer) cần có những kỹ năng hoặc kiến thức nào theo mô tả trong bài viết?

ATheo bài viết, một Kỹ sư AI cần có các kỹ năng và kiến thức sau: hiểu biết về lập trình nhắc (prompt engineering), khung tác nhân (Agent framework), hệ thống đánh giá (evaluation system); đồng thời thành thạo sử dụng các công cụ lập trình AI như Claude Code, Codex, Antigravity CLI và OpenCode để tích hợp khả năng AI vào phần mềm và hệ thống nghiệp vụ.

QTác động của AI đối với thị trường việc làm được mô tả như thế nào trong bài viết, so với quan điểm cho rằng AI sẽ thay thế hàng loạt công việc?

ABài viết phản bác quan điểm AI sẽ gây ra sự sụp đổ hàng loạt trên thị trường việc làm ('jobpocalypse'). Thay vào đó, tác động của AI được mô tả là sẽ tạo ra nhiều công việc mới, trước hết là các vị trí tổng quát như Kỹ sư AI, sau đó tiếp tục phân hóa thành các chuyên ngành hẹp hơn (tương tự như sự phát triển từ 'kỹ sư phần mềm' chung thành front-end, back-end, DevOps...). Do đó, AI không chỉ đơn thuần 'thay thế' mà chủ yếu là 'định hình lại' cấu trúc nghề nghiệp.

QBài viết dự đoán về sự phát triển nghề nghiệp trong lĩnh vực Kỹ thuật AI trong tương lai như thế nào?

ABài viết dự đoán rằng khi lĩnh vực Kỹ thuật AI trưởng thành, vai trò Kỹ sư AI tổng quát sẽ tiếp tục được chuyên môn hóa thành các vị trí chi tiết hơn, giống như quá trình phát triển của ngành kỹ sư phần mềm trước đây. Một số chuyên ngành AI tiềm năng được đề cập bao gồm: Kỹ sư LLMOps, Kỹ sư Đánh giá (Evals Engineer), Kỹ sư Dữ liệu AI (AI Data Engineer), Kỹ sư Harness, và cả những vị trí chưa có tên gọi hiện tại. Sự phân hóa này sẽ tạo ra nhiều cơ hội việc làm mới.

Nội dung Liên quan

Matt Van: Tất cả các kỹ thuật Agent Engineering mà tôi biết

Bài viết của Matt Van Horn chia sẻ phương pháp làm việc với AI Agent (Agentic Engineering). Thay vì tự viết code, ông dùng AI như một đội thực thi: bắt đầu bằng lệnh `/ce-plan` để tạo kế hoạch `plan.md`, sau đó dùng `/ce-work` để thực hiện. Ông nhập liệu bằng giọng nói, mở nhiều phiên Claude và Codex song song, giao nhiệm vụ lập kế hoạch cho Claude và viết code cho Codex. Các công cụ chính bao gồm: **Compound Engineering** (tạo và chạy kế hoạch), **last30days** (nghiên cứu chủ đề), **Printing Press** (tạo CLI cho các tác vụ thực tế), và **Agent Cookie** (quản lý xác thực). Ông cũng kết nối AI với kho ghi chú cá nhân (như Bear) để tăng cường ngữ cảnh, sử dụng **cmux** để chạy nhiều tác vụ đồng thời, và cấu hình để bỏ qua các hộp thoại xác nhận nhằm tăng tốc độ. Phương pháp này chuyển trọng tâm của con người từ việc "tự tay thực hiện" sang "đưa ra định hướng, ràng buộc và phán đoán". Matt cảnh báo về nguy cơ "nghiện" xây dựng với AI và khuyên nên cân bằng, tập trung vào những thứ người khác thực sự cần. Bài viết được chính ông soạn thảo bằng cách ra lệnh bằng giọng nói cho Claude Code trong cmux.

marsbit1 giờ trước

Matt Van: Tất cả các kỹ thuật Agent Engineering mà tôi biết

marsbit1 giờ trước

Đừng chỉ chăm chú vào GPU, Intel tung ra đòn chí mạng, liệu có thể chấm dứt độc quyền điện toán của NVIDIA?

Trong hai năm qua, GPU gần như là trung tâm duy nhất của phần cứng AI, đẩy giá cổ phiếu NVIDIA lên cao. Tuy nhiên, tại COMPUTEX 2026, Intel đưa ra nhận định khác: giai đoạn tiếp theo của AI không thể chỉ nhìn vào GPU, mà trọng tâm là **Agentic AI (Trí tuệ thể tác nhân)**. Agentic AI thay đổi hoàn toàn cách vận hành: thay vì hỏi-đáp từng lượt, nó hoạt động trong luồng công việc thực tế, liên tục "suy nghĩ, lập kế hoạch, hành động, phản ánh". Điều này biến suy luận AI thành một hệ thống ra quyết định tự chủ, làm thay đổi căn bản cách bố trí sức mạnh tính toán trong trung tâm dữ liệu. Tỷ lệ CPU/GPU có thể chuyển từ 1:8 (trong đào tạo mô hình) xuống 1:1 hoặc thậm chí cần nhiều CPU hơn để điều phối công việc phức tạp, vì mức tiêu thụ Token của một tác nhân có thể tăng gấp 1000 lần so với suy luận thông thường. Để đáp ứng nhu cầu này, Intel ra mắt bộ xử lý Xeon 6+ (sản xuất trên tiến trình 18A), với tối đa 288 lõi hiệu suất cao và bộ nhớ đệm 576MB, nhắm đến điện toán đám mây gốc và tải Agentic AI, cung cấp hiệu suất ổn định và tiết kiệm năng lượng hơn. Bên cạnh đó, Intel cùng các đối tác công bố kiến trúc suy luận tách rời hoàn toàn mới, nơi CPU Xeon 6 phụ trách điều phối, SambaNova SN40L RDU xử lý giải mã và GPU NVIDIA Blackwell đảm nhiệm làm đầy trước, nhằm tối đa hóa hiệu quả bằng cách chạy từng giai đoạn trên phần cứng phù hợp nhất. Ở phía thiết bị đầu cuối, Intel trình diễn máy chủ lai kết hợp bộ xử lý Core Ultra thế hệ thứ 3 (cho AI cục bộ) với máy chủ đám mây Xeon 6+, cho phép phân bổ động tải công việc giữa thiết bị và đám mây, giảm chi phí và bảo vệ quyền riêng tư dữ liệu. Ngoài chip đa dụng, Intel cũng nhấn mạnh vào thị trường chip tùy chỉnh, hợp tác với các khách hành như Google (IPU) và Ericsson, đóng gói giải pháp toàn diện gồm chip, hệ thống, phần mềm và hợp tác ngành. Tóm lại, Intel định vị lại mình trong kỷ nguyên Agentic AI: CPU trở nên quan trọng cho điều phối, hệ thống suy luận cần kiến trúc dị thể, thiết bị biên và AI cục bộ cần chip tiết kiệm năng lượng, và khách hàng doanh nghiệp cần chip tùy chỉnh. Mặc dù NVIDIA và AMD vẫn là đối thủ cạnh tranh mạnh, Intel hướng tới việc trở nên "có mặt ở khắp mọi nơi" hơn bằng cách nắm bắt cơ hội tái phân công trong cơ sở hạ tầng AI.

marsbit1 giờ trước

Đừng chỉ chăm chú vào GPU, Intel tung ra đòn chí mạng, liệu có thể chấm dứt độc quyền điện toán của NVIDIA?

marsbit1 giờ trước

Cardano Hay Solana? Lựa Chọn Hàng Đầu Của Chuyên Gia Sau Khi ADA, SOL Giảm 10%

Thị trường tiền điện tử sụt giảm khi Bitcoin (BTC) tạm thời xuống dưới 67.000 USD, kéo theo Solana (SOL) và Cardano (ADA) mất giá khoảng 10%. Chuyên gia Anders Bylund so sánh hai nền tảng. Solana được thiết kế cho tốc độ cao và phí giao dịch rẻ, nhưng có lịch sử gặp sự cố ngừng hoạt động. Mặc dù mạng lưới đã ổn định hơn kể từ đầu năm 2024, bài viết cho rằng độ tin cậy lâu dài vẫn là một câu hỏi. Ngược lại, Cardano theo đuổi triết lý chú trọng nghiên cứu học thuật và xác minh chính thức, nhằm tạo ra một blockchain ổn định hơn, dù có thể phát triển tính năng mới chậm hơn. Về hoạt động thực tế, Solana thể hiện rõ hơn với khối lượng giao dịch trên các sàn phi tập trung (DEX) cao gấp hơn 400 lần so với Cardano. Kết luận, chuyên gia cho rằng Solana là lựa chọn mạnh hơn hiện tại, do lợi thế về mức độ sử dụng trong thực tế. Tuy nhiên, cả hai đều là khoản đầu tư rủi ro. Nếu Bitcoin giảm 30%, các altcoin như SOL và ADA có thể giảm từ 50-70%. Thời điểm bài viết, ADA giao dịch quanh 0,21 USD và SOL ở 76 USD, cả hai đều giảm hơn 5% trong 24h. ADA hiện thấp hơn 92% so với mức đỉnh mọi thời đại, trong khi SOL thấp hơn 73%.

bitcoinist3 giờ trước

Cardano Hay Solana? Lựa Chọn Hàng Đầu Của Chuyên Gia Sau Khi ADA, SOL Giảm 10%

bitcoinist3 giờ trước

Morningstar định giá SpaceX chỉ 7800 tỷ USD, chưa bằng một nửa mục tiêu IPO, "IPO lớn nhất lịch sử" định giá quá cao?

SpaceX đang chuẩn bị cho đợt IPO có thể là lớn nhất lịch sử với mục tiêu định giá 1.750 tỷ USD. Tuy nhiên, Morningstar đưa ra định giá hợp lý chỉ 780 tỷ USD, tương đương 45% mục tiêu, và nhận định công ty bị định giá quá cao. Theo phân tích, Morningstar định giá riêng lõi kinh doanh phóng tên lửa và Starlink khoảng 611 tỷ USD. Phần định giá 170 tỷ USD còn lại dành cho hoạt động AI (bao gồm xAI và nền tảng X), được tính trọng số xác suất với kịch bản bi quan chiếm ưu thế. Starlink là mảng duy nhất có lãi với doanh thu 2025 đạt 11,3 tỷ USD. Dù đánh giá cao, Morningstar thừa nhận giá cổ phiếu SpaceX có thể tăng ngắn hạn sau IPO nhờ lượng cổ phiếu lưu hành thấp (chỉ ~3%), nhu cầu cao với cổ phiếu hạ tầng AI và cơ chế đưa nhanh vào chỉ số Nasdaq 100 sau 15 phiên giao dịch. Tuy nhiên, áp lực bán từ cơ cấu giải ngân cổ phiếu nội bộ theo tầng và rủi ro tái cấp vốn cho khoản vay cầu nối 200 tỷ USD đáo hạn sau 15 tháng là những điểm cần lưu ý. Rủi ro quản trị cũng được nêu do cấu trúc cổ phần cho phép Elon Musk nắm ~85% quyền biểu quyết. Lộ trình dự kiến: SpaceX bắt đầu roadshow vào tuần ngày 8/6, định giá ngày 11/6 và niêm yết trên Nasdaq (mã SPCX) vào ngày 12/6.

marsbit3 giờ trước

Morningstar định giá SpaceX chỉ 7800 tỷ USD, chưa bằng một nửa mục tiêu IPO, "IPO lớn nhất lịch sử" định giá quá cao?

marsbit3 giờ trước

a16z: Tại sao thị trường dự đoán sẽ trở thành cơ sở hạ tầng của 'xác suất tương lai'

Thị trường dự đoán đang phát triển từ công cụ giao dịch nhỏ thành cơ sở hạ tầng cung cấp tín hiệu xác suất cho các sự kiện tương lai. Về bản chất, chúng là thị trường thuần túy, tận dụng khả năng tổng hợp thông tin phân tán thông qua cơ chế giá, biến các sự kiện như bầu cử hay biến động địa chính trị thành tài sản có thể giao dịch với mức giá phản ánh xác suất xảy ra. Ưu điểm chính của thị trường dự đoán so với thăm dò truyền thống là cơ chế khuyến khích bằng tiền thật, buộc người tham gia phải cân nhắc kỹ lưỡng dựa trên thông tin họ có, từ đó tạo ra tín hiệu xác suất động, cập nhật theo thời gian thực. Chúng cũng linh hoạt, có thể áp dụng cho các vấn đề chuyên biệt như đánh giá hiệu suất AI mà thị trường truyền thống không phản ánh được. Tuy nhiên, hiệu quả của thị trường dự đoán không tự động đạt được. Nó phụ thuộc vào việc người có thông tin có tham gia hay không, thiết kế hợp đồng, cơ chế xác định kết quả và nguy cơ bị thao túng bởi nội gián hoặc các nhóm muốn định hướng nhận thức công chúng. Do đó, bước phát triển tiếp theo là xây dựng cơ sở hạ tầng thị trường đáng tin cậy: quy tắc minh bạch, thiết kế hợp đồng rõ ràng, cơ chế thanh toán có thể kiểm toán và các biện pháp ngăn chặn thao túng. Giá trị cốt lõi của chúng không nằm ở việc "đặt cược vào tương lai", mà ở việc cung cấp một tín hiệu xác suất công cộng mới trong môi trường đầy bất định.

marsbit3 giờ trước

a16z: Tại sao thị trường dự đoán sẽ trở thành cơ sở hạ tầng của 'xác suất tương lai'

marsbit3 giờ trước

Giao dịch

Giao ngay
Hợp đồng Tương lai
活动图片