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

Đợt tăng trưởng tiếp theo của tiền điện tử, liệu sẽ bắt đầu từ các giao dịch trên chuỗi của SpaceX không?

Tóm tắt: Bài viết dự đoán cấu trúc thị trường tiền mã hóa từ 2026–2029, với luận điểm chính: động lực chính của thị trường sẽ chuyển từ "câu chuyện token" sang "lối vào tài sản thực". Năm 2026: Hợp đồng perpetual pre-IPO cho các công ty tư nhân hàng đầu (như SpaceX, OpenAI trên Hyperliquid) trở thành tài sản tổng hợp có giá trị duy nhất trên chain, đáp ứng nhu cầu về tài sản chất lượng. Phần lớn AI x Crypto bị bác bỏ, ngoại trừ thị trường dự đoán. Năm 2027: Các quỹ công khai blockchain buộc phải chọn lập trường, thường nghiêng về xây dựng cơ sở hạ tầng phù hợp quy định cho tổ chức, thực chất là phục vụ nhà đầu tư bán lẻ trong tương lai. Stablecoin và mã hóa tài sản (tín dụng tư nhân, quỹ) tăng trưởng ổn định nhưng bị hạn chế bởi yếu tố chính trị và quy định. Năm 2028: Bong bóng hợp đồng perpetual pre-IPO có thể vỡ, phơi bày rủi ro của tài sản tổng hợp không có "mỏ neo" thực. Điều này có thể thúc đẩy sự nới lỏng quy định, cho phép chào bán công khai thứ cấp chứng khoán tư nhân cho nhà đầu tư đủ tiêu chuẩn được mở rộng. Cổ phần thực của các công ty tư nhân sẽ dần thay thế tài sản tổng hợp, trở thành tài sản cốt lõi cho chu kỳ bull market mới. Năm 2029: Ngành công nghiệp trở nên "nhàm chán" nhưng quan trọng hơn: stablecoin và thanh toán on-chain trở thành một phần cơ sở hạ tầng tài chính truyền thống. Giá trị token sẽ được xác định bởi dòng tiền thực, quyền đòi hỏi có thể thực thi hoặc cơ chế nắm bắt giá trị rõ ràng. Các token không có tài sản cơ sở sẽ mất ý nghĩa giao dịch. Biến số then chốt để kiểm chứng dự đoán: Liệu đến cuối 2028, nhu cầu của nhà đầu tư nhỏ lẻ với công ty tư nhân có tìm được kênh hợp pháp (cổ phần thực) hay vẫn phải phụ thuộc vào sản phẩm tổng hợp offshore. Nút thắt cho sự phát triển tiếp theo nằm ở kênh pháp lý, không phải công nghệ.

marsbit21 phút trước

Đợt tăng trưởng tiếp theo của tiền điện tử, liệu sẽ bắt đầu từ các giao dịch trên chuỗi của SpaceX không?

marsbit21 phút trước

Sự phân bổ giá trị của stablecoin

Tác giả phân tích sự phân phối giá trị trong ngành stablecoin, chia thành 4 tầng: 1. **Lớp phát hành** (như Tether, Circle): Đúc stablecoin, nắm tài sản dự trữ, hưởng chênh lệch lãi suất. 2. **Lớp cơ sở hạ tầng** (như Bridge, BVNK): Kết nối stablecoin với hệ thống tài chính thực - xử lý nạp/rút tiền pháp định, đối ngân hàng, tuân thủ, quản lý tài sản. Đây là công việc phức tạp, tạo ra rào cản cạnh tranh. 3. **Lớp thu nhận/phân phối** (như Stripe, Coinbase): Tích hợp stablecoin vào hệ thống doanh nghiệp, quản lý thanh toán. 4. **Lớp ứng dụng**: Người dùng và doanh nghiệp cuối cùng. Lớp phát hành thu lợi nhuận lớn nhất. Tuy nhiên, tác giả nhấn mạnh tầm quan trọng tiềm năng của **lớp cơ sở hạ tầng**. Khó khăn thực sự không nằm ở chuyển tiền trên blockchain, mà ở việc kết nối nó với thế giới thực: đối ngân hàng, xử lý quy định, tích hợp vào quy trình nghiệp vụ doanh nghiệp. Các công ty như Stripe (mua lại Bridge) và Mastercard (mua lại BVNK) đang tranh giành để trở thành cổng kết nối mặc định này. Lớp cơ sở hạ tầng hiện ở giai đoạn đầu, vất vả, cần vốn, và bị kẹt giữa các tầng khác. Nhưng một khi stablecoin trở thành phương thức tài chính phổ biến, những công ty đã xây dựng được mạng lưới kết nối rộng khắp và sâu vào hệ thống doanh nghiệp sẽ có vị thế mạnh và quyền định giá.

marsbit7 giờ trước

Sự phân bổ giá trị của stablecoin

marsbit7 giờ trước

Tại sao NVIDIA không thiếu tiền nhưng vẫn muốn vay 200 tỷ USD?

Tóm tắt: Mặc dù có dòng tiền tự do mạnh mẽ (khoảng 486 tỷ USD trong quý gần nhất) và không thiếu tiền mặt, NVIDIA vẫn có kế hoạch phát hành ít nhất 20 tỷ USD trái phiếu (hối phiếu cao cấp) với kỳ hạn lên đến 30 năm. Động thái này không phải vì thiếu vốn, mà là một chiến lược quản lý vốn chủ động, tận dụng xếp hạng tín dụng AA vừa được nâng cấp để huy động vốn dài hạn với chi phí thấp. Mục đích của việc vay nợ bao gồm tái cấp vốn, đầu tư vào cơ sở hạ tầng và trung tâm dữ liệu AI, nghiên cứu & phát triển, thanh toán trước cho chuỗi cung ứng và các khoản đầu tư chiến lược. So với việc phát hành thêm cổ phiếu (làm loãng lợi ích của cổ đông hiện tại), việc phát hành trái phiếu được coi là có lợi hơn cho cổ đông khi NVIDIA có thể vừa duy trì các chương trình mua lại cổ phiếu và cổ tức lớn, vừa tài trợ cho sự mở rộng dài hạn. Hành động của NVIDIA phản ánh một xu hướng rộng hơn trong ngành công nghệ, nơi các gã khổng lồ như Alphabet, Meta và Amazon cũng đang sử dụng vốn vay để tài trợ cho chu kỳ chi tiêu vốn nặng về AI. Điều này cho thấy câu chuyện đầu tư AI đang chuyển sang một giai đoạn mới, đòi hỏi nguồn vốn dài hạn và quy mô lớn cho cơ sở hạ tầng. Thách thức chính trong tương lai là khả năng sinh lời từ các khoản đầu tư AI này phải đủ cao và đúng hạn để biện minh cho kỳ vọng và cấu trúc vốn mới.

marsbit7 giờ trước

Tại sao NVIDIA không thiếu tiền nhưng vẫn muốn vay 200 tỷ USD?

marsbit7 giờ trước

Liberland Sa Thải Bộ Trưởng Công Nghệ Sau Vụ Cố Gắng Chiếm Quyền Blockchain Và Trang Web

Theo một nghị quyết chính thức được công bố, Quốc hội Liberland - một dự án vi quốc gia - đã bỏ phiếu bãi nhiệm Bộ trưởng Công nghệ Dorian Stern Vukotić. Ông bị cáo buộc thực hiện một loạt hành động nhằm giành quyền kiểm soát cơ sở hạ tầng kỹ thuật của dự án, bao gồm việc gỡ bỏ bảo vệ đa chữ ký (multisig) trên tài khoản quản trị Sudo, cố gắng chiếm quyền điều khiển tên miền Liberland.org, chặn quyền bỏ phiếu của Tổng thống Vít Jedlička và phát hành token trái phép. Sự việc này nêu bật những rủi ro quản trị thực tế trong không gian crypto, vượt ra ngoài các lỗ hổng hợp đồng thông minh đơn thuần. Nó liên quan đến quyền kiểm soát các điểm then chốt ngoài chuỗi như tài khoản quản trị, tên miền website, quyền truy cập biểu quyết và thiết kế đa chữ ký. Tranh chấp tại Liberland trở thành một nghiên cứu điển hình về cách thức các dự án phụ thuộc vào sự pha trộn giữa quản trị on-chain và các cơ chế kiểm soát off-chain. Bài học chính cho người dùng crypto là những tuyên bố về phi tập trung cần được kiểm chứng với thực tế vận hành. Nếu chỉ một số ít người có thể kiểm soát các chức năng quản trị hoặc quyền truy cập then chốt, thì hệ thống quản trị vẫn có thể dễ bị tổn thương. Sự kiện này phản ánh xu hướng rộng hơn trong thị trường crypto, nơi cơ sở hạ tầng, bảo mật và quản trị ngày càng trở nên quan trọng ngang bằng với biến động giá.

bitcoinist8 giờ trước

Liberland Sa Thải Bộ Trưởng Công Nghệ Sau Vụ Cố Gắng Chiếm Quyền Blockchain Và Trang Web

bitcoinist8 giờ trước

Làm Thế Nào Để Nghiên Cứu Tốt: Rèn Luyện Những Khả Năng Thực Sự Có Thể 'Luyện Tập Chủ Động'

Chưa ai thực sự dạy bạn cách làm nghiên cứu. Hầu hết mọi người chỉ học cách "trông giống" một nhà nghiên cứu, trong khi năng lực thực sự là sự tích lũy các kỹ năng có thể rèn luyện có chủ ý. **Chọn vấn đề của riêng bạn:** Đừng chỉ tiếp nhận vấn đề từ người khác. Hãy bắt đầu từ một kết quả bạn thực sự muốn đạt được và suy ngược để thiết kế thí nghiệm. Điều này tạo ra tính độc đáo. "Khiếu thẩm mỹ" trong nghiên cứu giống như một cơ bắp, có thể phát triển thông qua việc dự đoán kết quả thí nghiệm và kiểm tra lại các dự đoán đó. **Nâng cấp đầu vào:** Đừng chỉ đọc các xu hướng mới nhất. Tài liệu cũ (như bài phát biểu của Claude Shannon năm 1952) và các lĩnh vực rộng (thần kinh học, thống kê, kiến ​​trúc máy tính) thường mang lại những hiểu biết sâu sắc có giá trị. Hãy đọc chính bài báo gốc, đặc biệt là phần phụ lục và hạn chế. **Viết mọi thứ xuống:** Viết lách là cơ chế phòng thủ rẻ nhất chống lại sự tự lừa dối. Nó phơi bày những lỗ hổng trong suy nghĩ. Giữ một cuốn nhật ký ghi lại giả thuyết, cài đặt, dự đoán, kết quả và bài học. Xem lại nó sẽ dạy bạn sự khiêm tốn. Tóm lại, nghiên cứu hiệu quả dựa trên việc chủ động chọn vấn đề, mở rộng nguồn tri thức và ghi chép trung thực để rèn giũa tư duy.

marsbit9 giờ trước

Làm Thế Nào Để Nghiên Cứu Tốt: Rèn Luyện Những Khả Năng Thực Sự Có Thể 'Luyện Tập Chủ Động'

marsbit9 giờ trước

Giao dịch

Giao ngay
Hợp đồng Tương lai
活动图片