Nếu bạn đang học code để “cơ hội hơn trong thời AI”, bạn có thể đang đi sai hướng. Bài viết 765 điểm trên Hacker News tuần này chỉ ra điều ngược lại: người hiểu bài toán mới là người thắng, không phải người viết code giỏi nhất.
Tại sao domain expertise lại quan trọng hơn kỹ năng code khi có AI?
Domain expertise là kiến thức chuyên sâu về một lĩnh vực cụ thể mà bạn tích lũy qua năm tháng làm việc thực tế. Khi AI có thể viết code thay bạn, thứ phân biệt người giỏi và người tầm thường không còn là khả năng code nữa. Nó là khả năng nhìn vào kết quả AI tạo ra và biết ngay: cái này đúng hay sai.
Aaron Brethorst, một kỹ sư phần mềm kỳ cựu, vừa đăng một bài trên blog cá nhân với tựa đề “Domain Expertise Has Always Been the Real Moat”. Bài đạt 765 điểm và 477 bình luận trên Hacker News trong chưa đầy một ngày. Mình đọc qua và phải nói: đây là một trong những bài phân tích sắc bén nhất về tương lai nghề nghiệp trong thời AI mà mình gặp năm nay.
AI đã cắt đứt liên kết giữa “hiểu bài toán” và “viết code” như thế nào?
Trước đây, để xây dựng phần mềm cho một lĩnh vực, bạn phải làm hai việc: hiểu lĩnh vực đó, rồi dịch hiểu biết thành code. Hai việc này luôn đi liền với nhau. Bạn không thể viết hệ thống tính lương nếu không hiểu về thuế thu nhập, khấu trừ trước thuế, và cách xử lý khi kỳ lương chuyển đổi mức lương.
Agentic AI đã cắt đứt liên kết đó. Giờ đây bạn có thể tạo ra phần mềm mà không bao giờ cần hiểu lĩnh vực. Và đó chính là vấn đề.
Brethorst đặt ra một so sánh rất hay. Hãy tưởng tượng hai người:
Người thứ nhất: Chuyên gia lĩnh vực, không biết code. Một nhân viên điều độ xe, một kế toán bệnh viện, một chuyên gia bảo hiểm. Họ không đọc được stack trace, không phân biệt hash map và array. Nhưng khi nhìn vào lịch trình AI tạo ra, họ biết ngay: tài xế này không thể làm ca này vì vi phạm luật lao động. Khi nhìn vào claim bảo hiểm, họ biết: mã code này không bao giờ được thanh toán.
Người thứ hai: Kỹ sư giỏi, chưa từng làm trong lĩnh vực đó. Họ thiết kế hệ thống hoàn hảo, biết testing, biết reliability, biết giữ hệ thống sống sót lúc 2 giờ sáng. Nhưng thả họ vào hệ thống mã hóa lâm sàng, họ không phân biệt được đáp án “trông có vẻ đúng” và đáp án “thực sự đúng”. AI sẽ vui vẻ tạo ra một quy tắc thanh toán compile thành công, pass hết test mà kỹ sư viết, và âm thầm sai lầm — sai kiểu đắt đỏ.
Điểm mấu chốt: trước khi có AI agent, kỹ sư có lợi thế vì họ có thể đi học lĩnh vực. Chậm, đau khổ, bằng cách shadow chuyên gia và đọc spec và sai lầm trong production. Nhưng ít nhất có con đường đó. Chuyên gia lĩnh vực thì không có con đường tương đương, vì học viết phần mềm đáng tin cậy mất nhiều năm.
Agentic AI đã sụp đổ một con đường mà không sụp đổ con đường kia. Kỹ năng dịch domain model thành code giờ rẻ rồi. Kiến thức chuyên môn thì không. Bạn không thể prompt đến được nó. Không có skill file nào chứa được kiến thức ẩn của người đã đối chiếu hàng nghìn bảng lương.
Thực tế cho thấy điều gì qua số liệu?
Mình không nói suông. Hãy nhìn vào các dữ liệu thực tế:
- 765 điểm trên Hacker News — cộng đồng kỹ sư phần mềm lớn nhất thế giới. Khi chính kỹ sư đồng ý rằng kỹ năng code không còn là lợi thế lớn nhất, bạn biết điều gì đó đang thay đổi thực sự.
- 477 bình luận — mức engagement cực cao cho một bài blog cá nhân. So sánh: bài bình thường trend trên HN chỉ có 100-200 comments.
- Cognition AI (công ty tạo ra Devin AI coding agent) vừa gọi vốn 1 tỷ USD ở mức định giá 26 tỷ USD. Devin tự viết 90% code nội bộ. Nếu code là vũ khí, tại sao công ty 26 tỷ USD lại dùng AI để tự thay mình?
- Boris Cherny, người tạo ra Claude Code, thú nhận không viết code 6 tháng. Hackathon Anthropic: thợ mộc, bác sĩ thắng kỹ sư. Engineer nhường chỗ cho builder.
Bạn nên đầu tư thời gian vào đâu: học code hay học domain?
Câu trả lời ngắn: cả hai, nhưng ưu tiên domain expertise.
Câu trả lời dài: nếu bạn phải chọn một trong hai, hãy chọn lĩnh vực mà bạn muốn sâu. Code, AI sẽ giúp. Kiến thức chuyên ngành, không ai giúp được ngoài bản thân bạn.
Nếu bạn là developer
Nguyên văn Brethorst: “If you are an experienced engineer betting on where to spend the next few years, this is the bet. The mechanical skill you sweated for, turning a clear idea into clean code, has gotten dramatically less valuable. The thing that is still scarce is a deep, verified model of some real domain.”
Dịch nôm na: kỹ năng cơ học bạn đổ mồ hôi để học — biến ý tưởng thành code sạch — đã giảm giá trị mạnh. Thứ còn khan hiếm là mô hình sâu về một lĩnh vực thực tế.
Lời khuyên cụ thể:
- Chọn một ngành: logistics, y tế, tài chính, bất động sản, giáo dục, nông nghiệp
- Học nó như bạn từng học ngôn ngữ lập trình — nghiêm túc, có hệ thống
- Kết hợp khả năng code (mà AI sẽ hỗ trợ) với kiến thức domain (mà AI không thể thay)
Nếu bạn là chuyên gia lĩnh vực, không biết code
Tin tốt: lợi thế của bạn vừa tăng giá trị đáng kể. Bạn không cần học viết code trong 5 năm nữa. AI agent sẽ là kỹ sư của bạn. Công việc của bạn là: biết cái gì đúng, cái gì sai. Đó chính là thứ AI không thể tự làm.
Hãy bắt đầu bằng:
- Dùng ChatGPT hoặc Claude để prototype ý tưởng phần mềm trong lĩnh vực bạn hiểu
- Tập trung vào việc review output, không phải tạo ra nó
- Học đủ technical để giao tiếp với AI — không cần học để viết code production
So sánh trực tiếp: ai có lợi thế hơn trong thời AI?
| Tiêu chí | Developer giỏi, không biết domain | Chuyên gia domain, không biết code |
|---|---|---|
| Tạo phần nhanh | Chậm (phải học domain trước) | Nhanh (AI code giúp) |
| Kiểm tra đúng/sai | Không thể (thiếu ground truth) | Nhanh chóng (biết ngay kết quả đúng) |
| Viết test có ý nghĩa | Test kỹ thuật, có thể sai về mặt nghiệp vụ | Test nghiệp vụ, chính xác về mặt logic |
| Chi phí AI tối ưu | Cao (phải iterate nhiều vì không biết đáp án) | Thấp (biết đúng sai ngay lần đầu) |
| Rủi ro sai lầm | Cao (sai ngầm, khó phát hiện) | Thấp (phát hiện sai ngay) |
Nhìn bảng này là rõ: người có domain expertise có lợi thế lớn hơn trong hầu hết các tiêu chí khi dùng AI.
Liên hệ thực tế với người làm MMO và kiếm tiền online tại Việt Nam
Mình thấy bài này đặc biệt relevant với cộng đồng kiếm tiền online Việt Nam. Tại sao? Vì nhiều bạn đang chạy đua học AI tools, học coding, học prompt engineering — nhưng quên mất rằng thứ thực sự kiếm tiền là hiểu khách hàng, hiểu thị trường, hiểu sản phẩm.
Một số ví dụ cụ thể:
- Bán hàng trên Shopee/TikTok Shop: AI viết giúp listing, tạo ảnh, tối ưu SEO. Nhưng ai biết sản phẩm nào sẽ bán chạy mùa này? Người đã bán 3 năm, không phải người giỏi prompt nhất.
- Affiliate marketing: AI viết review giùm. Nhưng review nào chuyển đổi? Người hiểu nỗi đau của khách hàng mới biết chọn sản phẩm nào, nhấn vào điểm nào.
- Freelance trên Fiverr/Upwork: AI code giùm, design giùm. Nhưng khách hàng trả tiền cho ai? Người hiểu bài toán của họ, nói được ngôn ngữ ngành của họ.
Pattern rõ ràng: AI cung cấp kỹ năng sản xuất. Bạn cung cấp phán đoán. Phán đoán đúng là thứ khách hàng trả tiền.
Mình rút ra được gì sau khi đọc bài này?
Mình test đủ thứ AI tools mỗi tuần. Claude Code, Cursor, Codex, GPT-5.5 — mình đều dùng. Và mình nhận ra: công cụ nào cũng tốt, nhưng output chỉ xịn khi mình biết rõ mình muốn gì.
Ví dụ cụ thể: mình nhờ AI viết bài review hosting. Nếu mình chưa từng dùng 5-6 hosting khác nhau, chưa từng migrate site, chưa từng xử lý downtime lúc traffic tăng — AI sẽ viết ra một bài tổng hợp thông tin khô khan. Khá, nhưng không đặc biệt. Chỉ khi mình có trải nghiệm thực tế, mình mới biết nên nhấn vào điểm nào, nên so sánh gì, nên cảnh báo gì.
Bài của Brethorst không nói điều gì mới. Domain expertise luôn quan trọng. Nhưng AI đã làm cho nó trở thành thứ khan hiếm nhất, và khan hiếm thì có giá. Đó là điều đáng suy nghĩ.
3 bước hành động cụ thể bạn nên làm ngay
- Đánh giá lại bản thân: Bạn giỏi kỹ thuật hay giỏi domain? Nếu giỏi kỹ thuật, chọn một lĩnh vực để sâu. Nếu giỏi domain, bắt đầu dùng AI để biến kiến thức thành sản phẩm.
- Dùng AI đúng cách: AI là trợ lý sản xuất, không phải người quyết định. Bạn quyết định đúng sai. AI chỉ giúp bạn nhanh hơn.
- Xây moat thật: 10 năm kinh nghiệm trong một ngành là thứ không ai copy được, không AI nào thay thế được. Đầu tư vào đó.
Nguồn tham khảo:
- Domain Expertise Has Always Been the Real Moat — Aaron Brethorst (765 điểm Hacker News)
- Thảo luận trên Hacker News — 477 bình luận
