26 triệu bảng lương vừa phơi bày một sự thật: AI không lấy việc, AI đang đẻ ra việc — rồi bỏ dở

80% dự án AI đã được nhúng vào doanh nghi chính. Chỉ 31% hoàn thành bàn giao. Đó là con số từ Gartner, không phải từ một đồng coin AI agent nào mà anh đang ôm trong ví. Con số đó nói gì? Nói rằng 69% số tiền AI đã tiêu đang “nợ” giá trị. Nghe quen không? Giống hệt một bullrun: TVL phồng to, revenue không có. Nhưng khác ở một điểm: lần này, cái nợ không nằm ở thanh khoản, mà nằm ở khả năng thực thi. ChatSee.ai vừa công bố dữ liệu từ hơn 10.000 sự cố AI trong doanh nghiệp. Ảo giác — hallucination — chỉ còn chiếm dưới 10% tổng thất bại. Nhưng lỗi thuộc nhóm “thực thi và hành động” — tăng 62%. AI ngày càng “hiểu” nhưng lại ngày càng “làm hỏng”. Anh cười? Tôi không cười. Trong crypto, tôi thấy chính xác kịch bản đó đang diễn ra với lũ agent tự động hoá. — Nghiên cứu từ ADP và Đại học Stanford vừa chạy trên 26 triệu bảng lương của người Mỹ. Cụ thể: họ dùng thuật toán hồi quy hedonic để đo xem từng kỹ năng cụ thể đang được trả giá bao nhiêu, sau khi loại bỏ yếu tố nhiễu. Họ ánh xạ dữ liệu O*NET — bộ mô tả nhiệm vụ chuẩn hoá của Bộ Lao động Mỹ — lên từng dòng lương thực tế. Đây không phải khảo sát ý kiến, không phải bình luận trên LinkedIn. Đây là 26 triệu dòng dữ liệu lương thật. Kết quả: các nhiệm vụ “thực thi” — chẩn đoán hệ thống, viết tài liệu, cấu hình, phát triển mô hình, giải thích kỹ thuật — đang bị mất giá. Các nhiệm vụ “phán đoán” — thiết kế, đánh giá, chỉ đạo kỹ thuật, xác định thông số — tăng giá. Nói thẳng: AI đang ép giá những việc nó làm được, đồng thời đẩy giá những việc nó chưa làm được. Với blockchain, điều đó nghĩa là gì? Viết smart contract? AI làm được. Viết tài liệu kỹ thuật? AI làm nhanh hơn anh. Deploy node, cấu hình môi trường, dò lỗi thông báo gas? AI làm trong vài phút. Nhưng đánh giá rủi ro giao thức, thiết kế tokenomics, quyết định entry-exit, phân bổ vốn — những thứ đòi hỏi phán đoán — vẫn được trả giá cao hơn, vì AI chưa làm được một cách đáng tin cậy. — Tôi là người làm quant, tôi tin vào bảng lương hơn bất kỳ lời hứa hẹn nào trên X. Bảng lương 26 triệu người cho thấy thị trường lao động đang tái định giá theo đúng năng lực thực thi của AI. Đó không phải dự báo, đó là dữ liệu. Để tôi mổ xẻ ba con số mà tôi cho là quan trọng nhất đối với anh — người đang đứng ở rìa thị trường crypto. Con số thứ nhất: 62%. Đây là mức tăng của các lỗi thuộc nhóm “thực thi và hành động” trong nghiên cứu của ChatSee.ai. Họ phân tích hơn 10.000 sự cố AI trong doanh nghiệp. Năm 2023, lỗi phổ biến nhất là AI “bịa” thông tin — hallucination. Giờ đây mô hình ngôn ngữ đã tốt hơn, ảo giác chỉ còn dưới 10% thất bại. Vấn đề mới nằm ở hành động: agent gọi API sai, agent không lên kế hoạch nhiều bước, agent không tự sửa lỗi khi gặp sự cố môi trường. Theo thuật ngữ của tôi: model-level capability đang tiến bộ, nhưng agent-level reliability vẫn là cổ chai. Tại sao nó liên quan đến crypto? Vì crypto là môi trường khắc nghiệt nhất cho agent: trượt giá, phí gas biến động, reorg, sandwich attack, nonce mismatch. Một bot thanh khoản của giao thức tôi từng cố vấn đã fail vì nonce sai trên mạng BSC. AI không phát hiện ra. Một con người phát hiện ra — sau khi đã mất 400.000 USD thanh khoản. Đây chính là “execution gap” — khoảng trống thực thi. Nó không phải chuyện tương lai, nó đang xảy ra trên sổ lệnh của anh ngay bây giờ. Con số thứ hai: 80% đã nhúng, 31% hoàn thành bàn giao. Gartner đưa ra tỷ lệ này cho các dự án AI trong doanh nghiệp. Tôi gọi phần chênh lệch 49 điểm phần trăm là “nợ giá trị”. Công ty đã mua, đã cài, đã đào tạo, nhưng AI không hoàn thành đúng cam kết. Giống hệt một giao thức DeFi có TVL 1 tỷ nhưng revenue bằng không. Số tiền đã vào, sản phẩm chưa ra. Với anh — một người đang đọc bài viết này — nợ giá trị đó tạo ra hai cơ hội. Thứ nhất: dịch vụ dọn dẹp. Kiểm toán AI, đánh giá tác động, giám sát con người trong vòng lặp. Ở crypto, nó là bảo hiểm agent, là forensic cho smart contract, là quản trị rủi ro cho bot. Thứ hai: những sản phẩm thật sự đóng được khoảng trống thực thi sẽ được trả giá rất cao. Nhưng hãy nhớ: đừng mua một đồng token chỉ vì nó có chữ “AI” trong tên. Hãy nhìn xem nó có giải quyết được 49 điểm phần trăm chênh lệch đó không. Con số thứ ba: âm 3,8% mỗi năm. Canaries Dashboard — tổ chức theo dõi việc làm ngành công nghệ — chỉ ra rằng nhóm 22-25 tuổi trong các ngành dễ bị AI thay thế (phát triển phần mềm, chăm sóc khách hàng) đang giảm 3,8% mỗi năm. Đây là những bạn trẻ làm: code theo yêu cầu, viết tài liệu, xử lý ticket. Chính là những task đang bị mất giá trong nghiên cứu ADP. Nói cách khác: nấc thang đầu tiên trong sự nghiệp — nơi người ta học từ việc thực thi — đang bị AI rút đi. Điều này tạo ra một vấn đề thế hệ, và cả một cơ hội thế hệ. Nếu anh là người trẻ: đừng cạnh tranh với AI ở khoản viết code nhanh. Anh sẽ thua. Hãy học cách phán đoán — cách đọc bảng cân đối của giao thức, cách đánh giá rủi ro một đồng coin, cách xác định một entry point. Còn nếu anh là senior: hãy tận dụng khoảng trống này. Tôi nói từ kinh nghiệm: trong team tôi, các junior dùng Copilot viết nhanh gấp ba lần, nhưng senior phải dành thêm ba tiếng mỗi ngày để review. Năng suất tổng thể tăng, nhưng giá trị lao động dịch chuyển lên trên. Nếu anh là junior, AI đang “hút” giá trị của anh. Nếu anh là senior, AI đang “nâng” giá trị của anh. Đó là cách đọc bảng lương, không phải cảm tính. Có một điểm kỹ thuật mà nghiên cứu gốc không nhấn mạnh: dữ liệu ADP/Stanford là tương quan, không phải nhân quả. Nhưng tôi không quan tâm đến nhãn mác. Trong giao dịch, tôi học được rằng giá cả phản ánh kỳ vọng. Bảng lương đang phản ánh kỳ vọng của thị trường về AI: thị trường tin rằng AI sẽ thay thế được task thực thi, nhưng chưa tin AI thay thế được task phán đoán. Kỳ vọng đó có thể sai — AI có thể vượt qua cả phán đoán trong 5 năm nữa. Nhưng ở hiện tại, tôi giao dịch theo kỳ vọng, không theo viễn cảnh. — Nói về thực thi, tôi nhớ lại chuỗi ngày tôi tự sửa sai. Năm 2017, tôi giao dịch 5 ETH trên EtherDelta — một DEX thanh khoản kém. Trượt giá nuốt 2 ETH trước khi tôi kịp hiểu chuyện gì đang xảy ra. Bài học: phải kiểm tra độ sâu thị trường trước khi vào lệnh. Năm 2020, tôi đưa 100.000 USD vào yield farming, kiếm 30.000 USD trong 4 tháng, rồi mất 8.000 USD vì gas oracle cạn mà tôi không kiểm tra. Bài học: cần một bot tự động theo dõi gas. Năm 2021, tôi short một bộ sưu tập NFT lạ với đòn bẩy 3x, thị trường đi ngược 2 tuần, tôi cắt lỗ 5.000 USD, rồi long ngược lại gỡ được 10.000 USD. Bài học: tôn trọng xu hướng, luôn cắt lỗ. Mỗi lần mất tiền là một lần tôi phát hiện ra một khoảng trống thực thi — và tôi xây công cụ để lấp nó. Năm 2022, tôi short LUNA từ 90 USD xuống 0.5 USD, thu về 12 ETH, nhờ đã học được cách đánh giá rủi ro phán đoán từ những sai lầm trước. Năm 2024, tôi long ETF với đòn bẩy 2x, kiếm 40% trong 6 tháng, nhờ theo dõi dòng tiền tổ chức. Điểm chung của tất cả lần thắng: tôi không chạy theo công cụ, tôi lấp khoảng trống bằng phán đoán. Còn bây giờ, hãy nói về Uniswap V4. Hooks của V4 biến DEX thành Lego lập trình được — nhưng độ phức tạp tăng vọt sẽ làm 90% developer nản lòng. Nghe quen không? Giống hệt Gartner: 80% công ty nhúng AI, 90% developer bối rối, và chỉ 31% hoàn thành bàn giao. Nhưng 10% developer hiểu hooks sâu — cũng giống 31% nhân sự phán đoán — sẽ được trả giá cực cao. Anh muốn nằm trong nhóm nào? Về quy định, có một thứ tôi học được từ Hồng Kông: cấp phép tài sản ảo không phải để đón nhận đổi mới — nó để cướp vị trí trung tâm tài chính châu Á của Singapore. Tương tự, việc Mỹ dùng dữ liệu bảng lương 26 triệu người để điều chỉnh chính sách AI không bao giờ chỉ vì bảo vệ người lao động. Luôn luôn là vị thế. Nếu anh không hiểu động cơ cấu trúc đó, anh sẽ bị bỏ lại phía sau. — Mọi người đang hoảng loạn: “AI lấy việc của tôi!” Xin lỗi, anh đang nhìn ngược kính hiển vi. AI không lấy việc của anh. AI đang đẻ thêm việc — và rồi bỏ dở. 69% dự án chưa bàn giao nghĩa là cần người dọn dẹp. Cần người tư vấn cấu hình, cần người kiểm toán agent, cần người định nghĩa “hoàn thành” là gì. Trong crypto, điều này còn rõ hơn: lũ AI-agent trên thị trường hiện nay — 30% là marketing, 40% là code ẩu, 30% là lừa đảo. Chúng tạo ra vô số lỗi để con người dọn dẹp. Câu chuyện của tôi: tôi từng bị một con bot tự động hoá “cướp” 8.000 USD vì gas oracle cạn mà bot không nhận ra. Lỗi của tôi — không kiểm tra oracle. Sau đó tôi học được: đừng bao giờ để AI tự hành động mà không có người giám sát. Nhưng người giám sát đó cần được trả lương xứng đáng. Đó là lý do các hãng kiểm toán Big Four mở rộng đội AI assurance: AI càng thất bại, họ càng giàu. Trong crypto, cơ hội này nằm ở bảo hiểm rủi ro AI agent, dịch vụ “human-in-the-loop” — con người giám sát AI trong giao dịch, trong audit, trong quản trị giao thức. Anh muốn một nghịch lý nữa? Những task đang mất giá — chẩn đoán hệ thống, viết tài liệu — lại chính là những thứ cần thiết để đào tạo thế hệ phán đoán tiếp theo. Khi nấc thang đầu tiên bị AI chiếm, ai sẽ học cách trở thành senior? Giáo dục đại học không kịp thích nghi. Các bootcamp lập trình dạy toàn thứ AI làm tốt hơn. Tôi không có câu trả lời. Nhưng tôi biết: ai giải quyết được vấn đề này — bằng chương trình thực tập kiểu mới, bằng mô phỏng giao dịch, bằng hệ thống cố vấn phán đoán — sẽ là người nắm giữ chìa khóa nguồn nhân lực trong thập kỷ tới. Trong lúc thị trường đi ngang, tôi không đuổi theo token AI agent. Tôi tìm những dự án đã giảm 70% nhưng vẫn tuyển dụng nhân sự làm phán đoán — risk manager, chuyên gia tuân thủ, nhà phân tích on-chain. Đó là dấu hiệu họ đang lấp khoảng trống thực thi, không phải đang hái lộc kể chuyện. Đó cũng là cách tôi đọc bảng lương của chính thị trường: dòng tiền đi đâu, kỹ năng đó được trả giá cao. — Thị trường đi ngang. Anh có hai lựa chọn: ngồi nhìn chart và sợ hãi, hoặc đọc dữ liệu. Bảng lương 26 triệu người vừa gửi tín hiệu rõ ràng: nhiệm vụ AI đang làm được thì mất giá, nhiệm vụ AI chưa làm được thì tăng giá. Khoảng trống đó là nơi dòng tiền thông minh đang đứng — và là nơi anh nên đứng theo. Khi AI làm được 80% công việc, liệu anh có nằm trong 31% được trả cao hơn, hay 69% còn lại đang “nợ” giá trị? Đừng hỏi token nào sẽ pump. Hỏi điều đó trước đã.