Cuộc cách mạng công nghiệp AI Chúng ta đang ở đâu bây giờ

Trong năm qua, tôi đã tham dự một số hội nghị ngành về chủ đề AI. Trên sân khấu, các khách mời lần lượt trình diễn các trò chơi của AI, dưới sân khấu mọi người cầm điện thoại chụp màn hình, gửi ảnh lên mạng xã hội rồi tiếp tục lướt điện thoại. Nhưng trở về văn phòng, vẫn là các cuộc họp hàng tuần, các quy trình phê duyệt, các báo cáo tuần giống như cũ. Các tập đoàn lớn đã đưa lượng Token tiêu thụ vào KPI, có người dựa vào script để tăng lượng thì trở thành mẫu mực. Trong nhóm bạn bè trên mạng xã hội, hôm nay Claude gây cách mạng, ngày mai Codex xuất sắc, ngày kia Gemini muôn năm — đó là đang ôm lấy cuộc cách mạng, hay đang vội vàng chạy theo?

Tất cả đều là tiếng ồn, không phải là câu trả lời tôi muốn.

Vấn đề thực sự không phải là AI có đủ mạnh hay không — máy hơi nước đã được chế tạo xong, vấn đề là ai là người đầu tiên tháo dỡ xưởng cũ.

Ngày thực sự bắt đầu cuộc cách mạng công nghiệp không phải là khi Watt cải tiến máy hơi nước, mà là chủ nhà máy ở Lancashire quyết định rời bỏ dòng sông, xây dựng lại xưởng quanh máy hơi nước. Thời điểm quan trọng nhất của AI cũng vậy — không phải ngày phát minh ra mô hình lớn, mà là ngày tổ chức đầu tiên quyết định tháo dỡ quy trình cũ, xây dựng lại phương thức sản xuất dựa trên AI.

Ngày đó vẫn chưa đến. Nhưng nó đã trên đường rồi.

Hai người đã nhận ra điều này từ rất sớm. CEO Notion, Zhao Yiwan, đã viết bài "Steam, Steel, and Infinite Minds" vào cuối năm 2025, với đánh giá khá lạnh lùng: chúng ta vẫn đang trong giai đoạn "thay thế bánh xe nước" — thêm AI chatbot vào các công cụ hiện có, nhưng chưa ai thiết kế lại nhà máy. Leopold Aschenbrenner, cựu nhân viên OpenAI, đi theo con đường khác: viết 165 trang "Situational Awareness", rồi thành lập quỹ, từ 225 triệu đô la lên đến 13,68 tỷ đô la, tất cả đều đặt cược vào hạ tầng AI. Một người nhìn vào nội bộ, một người đặt cược ra ngoài.

Bài viết này không nói về họ. Mà về chúng ta — chúng ta đang đứng ở đâu, và chúng ta đang lặp lại đoạn lịch sử nào.

( Thêu dệt bằng máy dệt Power-loom, khắc bởi J. Tingle theo Thomas Allom, 1835 / Wikimedia Commons )

1. Xưởng vẫn là cũ

Hầu hết mọi người đều có ngày như thế này: sáng dùng AI viết một email, tiết kiệm được mười phút; rồi dành hai tiếng đồng hồ để họp một cuộc họp hàng tuần mà đáng lẽ không cần; chiều thì sao chép dán cùng một dữ liệu giữa ba công cụ; tối đăng một bức ảnh lên mạng xã hội nói "AI thật tuyệt". Mười phút tiết kiệm được, lại bị quy trình cũ giữ chặt lấy.

Tương tự, khi máy hơi nước ra đời, chủ nhà máy ban đầu cũng chỉ thay bánh xe nước bằng máy hơi, mọi thứ vẫn giữ nguyên — nhà máy vẫn xây bên sông, vẫn là tòa nhà nhiều tầng, vẫn là trục truyền động trung tâm kéo toàn bộ dây chuyền sản xuất. Chúng ta đưa ChatGPT vào Slack, tích hợp Copilot vào Office, chèn cửa sổ trò chuyện AI vào quy trình làm việc — đều làm cùng một việc. Công cụ nâng cấp, xưởng vẫn cũ.

Nhưng thay máy mới không đồng nghĩa với thay xưởng. McLuhan đã nói rất hay:

Chúng ta lái xe về phía tương lai qua gương chiếu hậu. Dùng quy trình cũ để chứa đựng công cụ mới, giống như phim thời kỳ đầu chỉ là sân khấu của kịch bản. Bước đột phá thực sự phải chờ đến khi ai đó hoàn toàn thoát khỏi dòng sông, thiết kế lại toàn bộ phương thức sản xuất quanh năng lượng mới.

So sánh dòng thời gian của cuộc cách mạng công nghiệp và AI, có thể định vị chúng ta trên bản đồ:

Hiện tại, dòng thời gian này bị rút ngắn đáng kể. Cuộc cách mạng công nghiệp từ máy hơi nước đến đường sắt mất 60 năm, còn AI từ Transformer đến làn sóng xây dựng trung tâm dữ liệu chỉ mất 7 năm.

Tốc độ không phải là vấn đề, vấn đề là chúng ta mắc kẹt ở đâu — bốn dòng đầu vẫn là giai đoạn lắp máy mới vào xưởng cũ, máy hơi nước đã có, đường sắt đang trải, nhưng phương thức sản xuất vẫn giữ nguyên. Dòng thứ sáu mới là điểm phân định thực sự. Chúng ta có khả năng mắc kẹt giữa hai bước này.

Máy hơi nước đã trong tay, nhưng xưởng vẫn cũ.

2. Tiền đổ vào tầng xa nhất của nhà máy

Hạ tầng luôn bị xây dựng quá mức. Người phá sản cuối cùng là nhà đầu tư, chứ không phải hạ tầng.

Năm 1846, Quốc hội Anh thông qua 263 dự luật đường sắt, phê duyệt xây dựng 9.500 dặm đường sắt mới. Đầu tư vào đường sắt đạt đỉnh, chiếm 13% GDP Anh. Cổ phiếu đường sắt chỉ cần đặt cọc 10% là mua được, tầng lớp trung lưu ào ào tham gia. Bong bóng vỡ vào năm 1847. Một phần ba các tuyến đường được phê duyệt chưa từng xây, vô số nhà đầu tư mất sạch vốn. Darwin thua lỗ 60% trên cổ phiếu đường sắt, may mắn hơn nhiều người.

Nhưng đường sắt vẫn còn đó.

Hạ tầng AI ngày nay cũng đi theo con đường tương tự. Goldman Sachs ước tính, đến 2026, chi tiêu vốn cho hạ tầng AI toàn cầu đạt 765 tỷ USD, đến 2031 dự kiến mỗi năm là 1,6 nghìn tỷ USD. Chi phí vận hành của các nhà đám mây lớn chiếm tỷ lệ từ khoảng 40% năm 2023 lên gần 70% năm 2025. Đầu tư liên quan đến AI đã chiếm khoảng một phần tư tổng đầu tư của Mỹ. 13,68 tỷ USD của Aschenbrenner chính là cược vào tầng này — ông ta không đặt cược vào ứng dụng nào sẽ thắng, mà vào hạ tầng tính toán nền tảng.

Vòng luân hồi vốn này, giống như phát triển bất động sản. Xây trung tâm dữ liệu cũng giống như xây tòa nhà: đất đai là điện, vật liệu xây dựng là GPU và lưu trữ, nhà thầu là nhà xây dựng trung tâm dữ liệu, nhà phát triển là các nhà đám mây, khách thuê là các công ty AI, tiền thuê là doanh thu API. Mô hình kinh doanh của các nhà đám mây là thuê để vay — dùng doanh thu API để trang trải chi phí vốn của trung tâm dữ liệu, chờ đợi sự bùng nổ của ứng dụng AI nâng cao định giá.

( Bất động sản tính toán: thế hệ này có hạ tầng của thế hệ đó )

Rủi ro cốt lõi cũng giống nhau: tốc độ giảm giá của API có bị bù đắp bởi tốc độ tăng gọi API không? Nếu tiền thuê giảm xuống dưới mức trả nợ — đó là cơn ác mộng quen thuộc của các nhà phát triển bất động sản. Bài học từ khủng hoảng 2008 không phải là xây quá nhiều nhà, mà là cấu trúc của các căn nhà không phù hợp với nhu cầu thực. Rủi ro tương đương của AI là: dư thừa tính toán chung, nhưng khả năng xử lý các kịch bản giá trị cao như tuân thủ tài chính, chẩn đoán y tế vẫn khan hiếm.

Đường sắt, bất động sản, AI — ba thời đại đầu tư hạ tầng đều chia sẻ quy luật chung: xây dựng quá mức là bình thường, các nhà cung cấp vật liệu luôn mất quyền định giá, lợi nhuận dài hạn luôn thuộc về chủ sở hữu "vị trí trung tâm". Nhìn vào danh mục của các quỹ đầu tư trên Wall Street quý 1, ta thấy rõ điều này — có khả năng 80% nằm trong tầng hạ tầng này: NVIDIA, trung tâm dữ liệu, hạ tầng đám mây. Nhưng cuộc đam mê đường sắt đã dạy chúng ta rằng: đó chưa phải toàn bộ cuộc cách mạng AI, thậm chí chưa phải tầng mang lại lợi nhuận cao nhất.

Vị trí trung tâm của AI là gì? Là dữ liệu ngành độc đáo, và quy trình làm việc sâu đã tích hợp. Đối với cá nhân, "vị trí trung tâm" thực sự không phải là cổ phiếu sở hữu, mà là khả năng phán đoán không thể thay thế và kiến thức ngành — miễn là đã xây dựng lại cách sử dụng chúng quanh AI.

Lợi nhuận thực sự nằm ở tầng tiếp theo. Nhưng từ hạ tầng đến tạo giá trị không phải là quá trình liền mạch. Có một khe hở — trong lịch sử, khe hở này đã nuốt chửng hàng chục năm.

3. Ai đang tháo dỡ xưởng

Người tháo dỡ xưởng và người "tăng năng suất nhờ AI" không phải là cùng một nhóm.

Simon, đồng sáng lập của Zhao Yiwan, trước đây là "lập trình viên gấp mười lần", giờ ít khi tự viết mã — anh ta điều khiển ba bốn AI Agent mã hóa, hiệu quả đạt 30 đến 40 lần. Notion hiện có 1.000 nhân viên và hơn 700 AI Agent. Khoảng cách không phải là công cụ, mà là Simon đã tháo dỡ xưởng cũ của chính mình, còn phần lớn mọi người chỉ đổi một chiếc bánh xe nước.

600 triệu người dùng Trung Quốc đã từng dùng các công cụ AI sinh nội dung, tăng trưởng 142% — đây là thị trường nhu cầu AI lớn nhất thế giới. Nhưng hầu như không có công ty Trung Quốc nào xây dựng lại quy trình làm việc cốt lõi quanh AI. Thị trường nhu cầu lớn nhất thế giới, trong khi tổ chức cung ứng gần như không đổi. Chính sự đối lập này là một tín hiệu: Không phải là công cụ chưa đủ, mà là tổ chức chưa theo kịp. Công việc tri thức phân tán trong hàng chục công cụ và hàng chục bộ não, sản phẩm không thể xác thực, không ai biết cách đánh giá một bản ghi nhớ chiến lược có hiệu quả hay không.

( Tác động của AI đến thị trường lao động: Một thước đo mới và bằng chứng sơ bộ )

Anthropic đã bắt đầu hành động trên quy mô lớn hơn. Họ phát hành Chỉ số Kinh tế (Economic Index), dựa trên dữ liệu thực tế mô tả AI bắt đầu thay thế những nhiệm vụ và ngành nào, rồi dựa vào đó xây dựng: hợp tác với Goldman Sachs, Blackstone, Hellman & Friedman thành lập công ty dịch vụ doanh nghiệp gốc AI; hợp tác với KPMG, 276.000 nhân viên truy cập Claude; thành lập nhóm kinh doanh của Accenture, đào tạo 30.000 người, tập trung vào tài chính, khoa học đời sống và y tế.

Vai trò của các công ty tư vấn này không phải là người dùng AI, mà là kỹ sư đường sắt của AI — họ không chế tạo máy hơi nước, cũng không trải đường sắt, mà giúp doanh nghiệp tháo dỡ nhà máy cũ, xây dựng lại dây chuyền sản xuất quanh năng lượng mới. Không có vai trò này, hầu hết chủ nhà máy không biết bắt đầu từ đâu.

Các tín hiệu đã rõ ràng. Một trong những rõ ràng nhất là thị trường lao động.

Người trẻ 22-25 tuổi tham gia các nghề có độ phơi nhiễm cao với AI có xác suất tìm được việc thấp hơn 14% so với các nghề ít phơi nhiễm. Các vị trí cấp thấp đã bắt đầu bị đẩy lùi.

Nếu tôi là sinh viên mới ra trường, con số này sẽ ảnh hưởng trực tiếp đến việc tìm việc của tôi. Nếu tôi là quản lý, thế hệ tuyển dụng tiếp theo của tôi có thể không còn là người nữa.

Tổ chức đang tháo dỡ, còn cá nhân thì sao? Trình độ học vấn, hồ sơ, kinh nghiệm ngành tích lũy những năm qua — đó là bánh xe nước của tôi. Chúng từng thúc đẩy toàn bộ dây chuyền sản xuất của tôi, nhưng máy hơi nước đã đến rồi. Trường đại học danh tiếng không còn là hàng rào chắn, nó chỉ chứng minh tôi từng xây một nhà máy tốt bên sông.

Vấn đề bây giờ là, chúng ta có khả năng rời khỏi dòng sông đó không.

Dữ liệu của Anthropic cho thấy, người dùng AI hơn 6 tháng có tỷ lệ thành công nhiệm vụ cao hơn 10% so với người mới bắt đầu. Người đi trước nửa năm đã dẫn trước 10%, và khoảng cách này sẽ cộng dồn theo thời gian.

Nhưng hiện tại, chưa có công ty nào phá sản vì không dùng AI, ít nhất là công ty luật của tôi vẫn đang hăng say quanh AI. Chưa có ai chiến thắng rõ ràng trên thị trường. Đường học tập là có thật — người đi trước đã tích lũy lợi thế, nhưng phần lớn vẫn còn ở điểm xuất phát.

4. Nghề nghiệp tiếp theo của tôi chưa có tên

Liệu chức danh nghề nghiệp của tôi có còn tồn tại sau mười năm nữa không? Những công cụ tôi dùng hàng ngày cách đây năm năm còn mấy cái? Câu trả lời có thể đều là không. Nhưng tôi không biết cái thay thế chúng tên là gì — vì những thứ đó hiện vẫn chưa tồn tại.

Trong lịch sử, mỗi lần như vậy đều thế này. Những thứ mới không được hoạch định, mà tự mọc ra sau khi các ràng buộc cũ biến mất.

Trước khi xây đường sắt, nước Anh là các thực thể kinh tế địa phương riêng biệt. Giá vải cotton ở Manchester có thể chênh lệch 30% so với London. Mỗi thành phố có tiêu chuẩn thời gian riêng, không ai thấy có vấn đề gì. Sau khi xây đường sắt, trong hai mươi năm, mọi thứ đã thay đổi. Thị trường thống nhất toàn quốc lần đầu xuất hiện, chênh lệch giá bị san bằng; giờ chuẩn được đẩy ra bởi đường sắt, không phải là phát minh; các công việc như trưởng ga, nhân viên điện tín, đại lý du lịch — tất cả đều không tồn tại trước đường sắt.

Chẳng ai dự đoán được trước khi xây đường sắt rằng sẽ có các trung tâm thương mại. Chẳng ai dự đoán được trước khi chế tạo máy hơi nước rằng sẽ có giờ chuẩn.

(Các câu chuyện về hơi nước, thép và trí tuệ vô hạn của AI)

Lịch sử các thành phố cũng kể cùng một câu chuyện. Cách đây vài trăm năm, các thành phố là quy mô của con người — đi bộ 40 phút qua Florence. Khung thép cho phép xây dựng các tòa nhà chọc trời, đường sắt kết nối thành phố với vùng ngoại ô, thang máy, tàu điện ngầm, cao tốc ra đời. Tokyo, Trùng Khánh, Dallas — không phải là những Florence lớn hơn, mà là những lối sống hoàn toàn mới.

Còn công việc tri thức ngày nay cũng là quy mô của con người. Nhóm vài chục người, họp hành, gửi email theo nhịp độ, quá tải khi vượt quá vài trăm người. Chúng ta đang xây Florence bằng đá và gỗ. AI khiến "Tokyo" trở thành khả thi — tổ chức gồm hàng nghìn AI Agent và nhân sự, quy trình làm việc xuyên múi giờ liên tục vận hành. Các cuộc họp hàng tuần cũ, kế hoạch hàng quý, đánh giá hàng năm — có thể không còn ý nghĩa nữa.

Simon đã không còn viết mã nữa — công việc của anh giờ là "quản lý AI Agent". Hai năm trước, vị trí này còn chưa tồn tại. Nghề nghiệp tiếp theo của tôi có thể còn chưa có tên. Nhưng đã có người bắt đầu xây dựng tương lai mà chúng ta còn chưa gọi tên đó rồi.

5. Xưởng mới trông như thế nào

Sau khi tháo dỡ xưởng cũ, xây gì đây? YC trả lời: để công ty tự cải tiến chính nó.

Hệ thống nội bộ của họ giờ có thể tự sửa mã của chính mình vào ban đêm. Một nhân viên gửi câu hỏi ban ngày, thất bại. Một Agent giám sát đọc được thất bại này, suy luận nguyên nhân, tự viết mã sửa, gửi duyệt, triển khai. Ngày hôm sau, câu hỏi đó chạy trơn tru. Tất cả hoàn thành khi mọi người còn đang ngủ.

Đây không phải là AI giúp con người làm ra nhiều hơn 30%. Đây là hệ thống tự chạy vòng khép kín, tự nghĩ ra cách trở nên tốt hơn.

Tom Blomfield, đồng sáng lập YC, gọi dạng tổ chức này là "chu trình tự cải tiến của AI". Ông nhận định rất rõ ràng: phần lớn các công ty vẫn là đội quân La Mã — truyền xuống từng lớp, báo cáo từng lớp, con người chỉ đóng vai trò trung gian truyền đạt thông tin. AI không chỉ nâng cao hiệu quả của một khâu nào đó, mà phá vỡ toàn bộ cấu trúc phân cấp này.

Ông đề xuất logic mới: đốt Token, đừng đốt người. Áp lực đang chuyển từ nhân lực sang sức mạnh tính toán. YC thấy dữ liệu rằng, các công ty tham gia Demo Day có trung bình thu nhập cao gấp 5 lần 18 tháng trước. Vai trò quản lý trung tầng bị AI tiếp quản — "phối hợp" không còn cần con người nữa. Mỗi người giờ là IC, builder, operator, mỗi việc đều có người phụ trách rõ ràng, không còn ủy ban.

Và một điều kiện tiên quyết: công ty phải "đọc được" AI. Những việc không được ghi lại, coi như chưa từng xảy ra với AI. YC đang đưa toàn bộ email của các đối tác, tất cả tin nhắn Slack, ghi âm các buổi office hour vào kho dữ liệu. Một đối tác dùng 3 tháng tích lũy 2000 giờ ghi âm, để AI tạo ra một cuốn sổ tay nội bộ 150 trang — còn tốt hơn bản gốc rất nhiều. Cuốn sổ này tự động cập nhật hàng tháng, trở thành một "bộ não sống" luôn tươi mới.

Tom để lại một câu hỏi:

Nếu hôm nay bắt đầu xây dựng công ty từ con số 0, bạn có làm theo mô hình này không? Nếu công ty của bạn đã xây dựng theo cấu trúc phân cấp, thì câu hỏi khó hơn: việc xây dựng lại có thể nhẹ nhàng hơn so với việc tiếp tục vận hành theo mô hình La Mã này không?

Con người không còn trung tâm của xưởng nữa, mà ở ngoài vòng — phụ trách những nơi AI tạm thời chưa thể vào được: đánh giá offline, các tình huống mới, những khoảnh khắc cược lớn, cảm xúc cao. Trung tâm của công ty là "bộ não công ty" do dữ liệu, ghi chép và kiến thức ngành ghép lại. Phần mềm chạy trên đó là hàng tiêu dùng, có thể sinh ra rồi sinh ra nữa. Những thứ đáng giá nằm trong trí óc con người — cách doanh nghiệp vận hành, các bước liên quan đến phán đoán, những hiểu biết này mới là tài sản thực sự.

Trong "Steam, Steel, and Infinite Minds", Zhao Yiwan mô tả chính xác hướng đi này — tổ chức gồm 1.000 nhân viên và hơn 700 AI Agent hợp tác, người phụ trách phán đoán, Agent phụ trách thực thi. Aschenbrenner đặt cược vào hạ tầng tính toán, Zhao Yiwan đặt cược vào tổ chức tái cấu trúc. Hai con đường cuối cùng đều hướng tới một điểm chung: xây dựng lại phương thức sản xuất mới dựa trên AI.

6. Kết luận

Giữa thập niên 1840 và 1850 — đường sắt đã trải dài khắp nơi, còn nhà máy chưa xây lại.

Chúng ta đang ở đâu? Simon đã không còn viết mã nữa. Bánh xe nước của anh ấy là do chính anh tháo dỡ.

Vấn đề không phải là máy hơi nước có đủ tốt hay không, mà là ai là người đầu tiên tháo dỡ xưởng cũ.

Tôi không dự đoán trước tương lai của các trung tâm thương mại, tôi chỉ cố làm tốt chính mình — chỉ cần đảm bảo mình đứng trên tuyến đường sắt, chứ không phải giữ lấy dòng sông đang cạn kiệt.

Còn bạn thì sao?