Kỷ nguyên AI: Người thắng không ở bàn làm việc, mà ở công trường?

Trong khi cả thế giới lao vào cuộc chạy đua AI, thứ được nhắc đến nhiều nhất vẫn là chip, thuật toán, mô hình và dữ liệu. Nhưng thứ đang thiếu hụt nghiêm trọng lại chính là những cơ sở hạ tầng cấu tạo nên những trung tâm dữ liệu khổng lồ: điện công nghiệp, đường ống, hệ thống làm mát, cơ khí và xây dựng.

Một nghịch lý rõ ràng đang hình thành: dân văn phòng ngày càng chịu áp lực bị AI thay thế, trong khi lao động tay nghề cao như thợ điện, thợ nước, thợ hồ, thợ mộc… lại trở thành nhóm được săn đón nhất trong thập kỷ tới.

Và đây không phải là suy đoán cảm tính. Jensen Huang (CEO của Nvidia) từng nhấn mạnh rằng hạ tầng AI sẽ phải tăng trưởng theo cấp số nhân, và gần như nhân đôi mỗi năm trong nhiều năm liên tiếp.

Điều đó cho thấy cuộc chơi AI sắp tới không chỉ là cuộc chiến của phần mềm, mà là cuộc chiến của hạ tầng vật lý, nơi những người thợ lành nghề đang trở thành mắt xích không thể thiếu.

AI không chỉ là thuật toán mà là một cuộc chiến hạ tầng quy mô quốc gia

Nếu giai đoạn 2020-2024 là thời kỳ AI bùng nổ về sản phẩm, khi thế giới liên tục chứng kiến những cái tên như ChatGPT, Copilot hay Midjourney thay đổi cách con người làm việc và sáng tạo, thì giai đoạn tiếp theo sẽ là một cuộc đua ở tầng sâu hơn: cuộc đua xây dựng hạ tầng AI.

AI hiện đại không vận hành bằng “phép màu”. Đằng sau mỗi câu trả lời trơn tru của chatbot, mỗi hình ảnh được tạo ra trong vài giây, là một chuỗi hệ thống cực kỳ vật lý: những trung tâm dữ liệu khổng lồ, nguồn điện công suất cao, hệ thống làm mát công nghiệp, đường truyền tốc độ lớn, mặt bằng, vật liệu xây dựng, và quan trọng nhất là đội ngũ nhân lực có thể thi công, lắp đặt và vận hành toàn bộ bộ máy đó.

Đọc thêm: Sau năm đầu nhiệm kỳ, Trump đang chính trị hóa crypto?

Và thị trường đang cho thấy xu hướng này một cách rất rõ ràng. Tổng chi tiêu cơ sở hạ tầng của nhóm Big Tech đã tăng mạnh từ 107 tỷ USD năm 2020 lên 256 tỷ USD năm 2024. Đáng chú ý hơn, trong những năm tới, chi tiêu vào cơ sở hạ tầng của nhóm này có thể tiếp tục tăng với mức trung bình 24%/năm ước tính tới năm 2027.

Nói cách khác, chỉ trong vòng 7 năm, cuộc chơi AI đang kéo theo một chu kỳ đầu tư hạ tầng tăng từ khoảng 100 tỷ USD lên hơn 600 tỷ USD mỗi năm, một quy mô tương tự những cuộc cách mạng công nghiệp từng thay đổi lịch sử.

Áp lực này không chỉ đến từ nhu cầu AI, mà còn đến từ bài toán năng lượng. Cơ quan Năng lượng Quốc tế (IEA) đã dự dự báo rằng nhu cầu điện từ các trung tâm dữ liệu, AI và tiền điện tử có thể tăng gấp đôi vào năm 2026. Điều đó cho thấy AI không chỉ là cuộc chiến của chip và mô hình, mà còn là cuộc chiến về điện năng, hạ tầng và năng lực triển khai trong thế giới thật.

Và khi hạ tầng trở thành trung tâm của cuộc chơi, một hệ quả tất yếu bắt đầu xuất hiện: thị trường lao động đảo chiều. Nhu cầu nhân lực không còn tập trung tuyệt đối vào các công việc giấy tờ mà dịch chuyển mạnh sang những nhóm nghề có thể xây dựng và vận hành thế giới vật lý, nơi AI vẫn chưa thể thay thế con người.

Cơn sốt đào vàng vs cơn sốt AI: Người giàu không nằm ở nơi bạn nghĩ

Lịch sử từng chứng kiến một bài học rất kinh điển: cơn sốt đào vàng. Khi hàng trăm nghìn người đổ xô đi tìm vàng với giấc mơ đổi đời, số ít thực sự giàu lên nhờ “đào được vàng”. Phần lớn còn lại rơi vào vòng xoáy chi phí leo thang, cạnh tranh khốc liệt, rủi ro cao và không ít người cuối cùng trắng tay.

Nhưng điều thú vị là: trong khi thợ mỏ lao vào cuộc chơi may rủi, một tầng lớp khác lại âm thầm làm giàu bền vững. Đó là những người cung cấp hạ tầng và dịch vụ cho toàn bộ cơn sốt. Không chỉ có người bán xẻng, bán dụng cụ, mà còn có cả những nhóm phục vụ cho làn sóng di cư: chủ nhà trọ, khách sạn, quán ăn, nhà hàng, vận tải, y tế, sửa chữa cơ khí và cung ứng vật liệu. Nói cách khác, người giàu nhất không đứng ở hầm mỏ, mà đứng ở phía sau hầm mỏ, nơi dòng tiền chảy đều và rủi ro thấp hơn rất nhiều.

Đọc thêm: Máy tính lượng tử: Mối đe dọa hay nỗi sợ bị thổi phồng?

Một ví dụ nổi tiếng nhất chính là Levi Strauss. Thay vì đào vàng, Levi nhận ra thứ thợ mỏ cần không phải là bản đồ kho báu, mà là những chiếc quần đủ bền để chịu được điều kiện làm việc khắc nghiệt mà quần vải thông thường không thể đáp ứng.

Ông bắt đầu với vải bạt dùng cho lều trại, sau đó chuyển sang denim, rồi gia cố bằng đinh tán đồng để tạo ra chiếc quần jeans “bất tử”. Kết quả là Levi’s. trở thành một đế chế quần jeans tồn tại hàng trăm năm, trong khi hàng triệu thợ mỏ của thời kỳ đó đã bị lịch sử lãng quên.

Cơn sốt AI hôm nay đang có cấu trúc tương tự. Thứ mọi người nhìn thấy là cuộc đua mô hình, ứng dụng, thuật toán, giống như “đào vàng” trong thời hiện đại. Nhưng thứ quyết định cuộc chơi lại nằm ở tầng sâu hơn: điện, trung tâm dữ liệu, hệ thống làm mát, xây dựng, lắp đặt và vận hành. Và cũng giống như thời đào vàng, nhóm hưởng lợi bền vững nhất không nhất thiết là những người “đào” ở tuyến đầu, mà là những người xây dựng và cung cấp hạ tầng cho cả hệ sinh thái vận hành.

Đó chính là lý do vì sao những nghề tưởng như không thời thượng như thợ điện, thợ nước, thợ cơ khí, thợ xây… lại đang trở thành nhóm được săn đón nhất trong một thập kỷ tới, không phải vì xã hội đột nhiên tôn vinh lao động tay chân, mà vì nền kinh tế AI buộc phải dựa vào họ để tồn tại và mở rộng.

AI đang bóp nghẹt việc làm văn phòng?!

Trong nhiều thập kỷ, xã hội thường mặc định rằng học giỏi sẽ dẫn đến công việc văn phòng, thu nhập cao và một tương lai ổn định. Tuy nhiên, AI đang làm lung lay trật tự này theo cách rất rõ ràng. Công nghệ mới thay thế nhanh nhất những công việc diễn ra chủ yếu trên máy tính, có thể chuẩn hóa thành quy trình và tự động hóa.

Dữ liệu về tăng trưởng bảng lương theo năm, so với xu hướng giai đoạn 2015-2019, cho thấy việc làm đang co hẹp ở nhiều lĩnh vực vốn thuộc nhóm cổ cồn trắng.

Các ngành như thiết kế đồ họa, hành chính văn phòng, tổng đài chăm sóc khách hàng, tư vấn marketing, xuất bản phần mềm và thiết kế hệ thống máy tính đều ghi nhận xu hướng giảm. Điểm chung của nhóm nghề này là sản phẩm đầu ra chủ yếu thuộc thế giới số, bao gồm thông tin, văn bản, hình ảnh và quy trình. Đây cũng chính là loại công việc mà AI có thể can thiệp trực tiếp và nhanh chóng nhất.

Ở chiều ngược lại, thị trường lao động tay nghề cao lại bước vào trạng thái thiếu hụt. Theo Associated Builders and Contractors (ABC), riêng trong năm 2024, ngành xây dựng tại Mỹ cần thu hút thêm khoảng 501,000 lao động mới để đáp ứng nhu cầu. Đồng thời, ABC ước tính rằng mỗi 1 tỷ USD chi tiêu xây dựng bổ sung có thể tạo ra khoảng 3,550 việc làm mới. Điều này cho thấy khi quy mô đầu tư hạ tầng tăng lên, nhu cầu nhân lực thực địa cũng sẽ tăng mạnh và rất khó thay thế bằng tự động hóa.

Đọc thêm: Đình lạm: Kịch bản tệ nhất của kinh tế đang hình thành?

Sự tương phản này lý giải vì sao các nghề như thợ điện, kỹ thuật làm mát công nghiệp, cơ khí, xây dựng và lắp đặt hệ thống ống nước đang trở thành nhóm được săn đón trong thập kỷ tới. Không phải vì xã hội đột nhiên thay đổi quan điểm về lao động tay chân, mà vì nền kinh tế AI đang bước vào giai đoạn công nghiệp hóa. Khi hạ tầng vật lý trở thành nền tảng của cuộc chơi, nhu cầu về những con người có thể xây dựng và vận hành hạ tầng đó sẽ trở thành yếu tố sống còn.

Nói một cách đơn giản, AI có thể tạo ra mã lập trình, nhưng nó vẫn chưa thể thay con người kéo dây điện trong một công trường luôn biến động và đầy rủi ro.

Tại sao AI giỏi viết code nhưng vẫn bất lực trước công trường?

Nghe có vẻ nghịch lý, nhưng đây là một sự thật mang tính kỹ thuật: AI có thể xử lý hàng tỷ phép tính mỗi giây, có thể viết code, tạo hình ảnh và tổng hợp tri thức cực nhanh, nhưng lại gặp khó trước những công việc mà con người xem là rất đời thường như kéo dây điện, vá ống nước hay trộn hồ. Lý do không nằm ở sức mạnh tính toán, mà nằm ở khoảng cách giữa thế giới số và thế giới vật lý.

Có ba rào cản lớn khiến robot rất khó thay thế lao động tay nghề cao, và rào cản đầu tiên cũng là rào cản quan trọng nhất nằm ở môi trường làm việc.

Môi trường làm việc không chuẩn hóa

Robot hoạt động cực tốt trong những môi trường ổn định và có cấu trúc như nhà máy. Ở đó, mọi thứ được thiết kế để robot vận hành: dây chuyền đứng yên, khoảng cách chính xác, ánh sáng chuẩn, vật thể được đặt đúng vị trí, sai số nhỏ, và tình huống phát sinh được kiểm soát. Chính vì vậy, trong các nhà máy ô tô, robot có thể đảm nhận tới 80-90% các công đoạn hàn và sơn, bởi đây là những thao tác lặp lại trong một không gian gần như không thay đổi.

Nhưng công trường xây dựng thì hoàn toàn ngược lại. Đây là môi trường phi cấu trúc, nơi mọi thứ luôn bừa bộn, thay đổi liên tục, mỗi công trình một kiểu, và đầy những yếu tố bất ngờ. Một vết bụi, một nền gạch hơi nghiêng, một vật cản bị dời đi vài centimet, hay đơn giản là ánh sáng thay đổi cũng đủ khiến robot mất ổn định. Nói cách khác, robot giỏi khi mọi thứ đứng yên, nhưng khi thế giới chuyển động, robot rất dễ bị “đóng băng”.

Thực tế phản ánh điều đó rất rõ. Trong ngành xây dựng, tỷ lệ tự động hóa bằng robot hiện tại vẫn ở mức cực thấp, dưới 1%. Không phải vì con người chưa muốn dùng robot, mà vì môi trường làm việc quá khó để robot vận hành ổn định, an toàn và hiệu quả về chi phí.

Một ví dụ điển hình là Boston Dynamics, công ty robot hàng đầu thế giới. Họ mất hơn 10 năm để huấn luyện robot Atlas có thể nhảy parkour và thực hiện các động tác phức tạp. Tuy nhiên, chính các kỹ sư của lĩnh vực robot cũng thừa nhận rằng chỉ cần thay đổi điều kiện môi trường như ánh sáng, mặt sàn có cát bụi, hoặc một chướng ngại vật bị dịch chuyển nhẹ, robot có thể ngã ngay lập tức. Vấn đề nằm ở chỗ robot thiếu khả năng khái quát hóa. Nó có thể học rất giỏi một kịch bản cụ thể, nhưng lại không thực sự hiểu thế giới vật lý theo cách con người hiểu.

Và đó chính là lý do vì sao, ít nhất trong tương lai gần, các nghề như thợ điện, thợ nước hay thợ xây vẫn là nhóm mà robot và AI khó thay thế nhất. Đây là những công việc đòi hỏi khả năng thích nghi theo tình huống thực tế, xử lý sai số liên tục và phản ứng nhanh trong một môi trường luôn biến động.

Chẩn đoán vấn đề cần trực giác và kinh nghiệm

Rào cản thứ hai khiến robot khó thay thế thợ điện, thợ nước hay thợ hồ nằm ở khả năng chẩn đoán vấn đề. Trong thực tế, một sự cố tưởng như rất đơn giản cũng có thể có vô số nguyên nhân khác nhau. Chẳng hạn, một bóng đèn không sáng có thể do chập điện, quá tải, công tắc hỏng, dây bị chuột cắn, dây mục theo thời gian, bóng bị lỏng, hoặc đôi khi chỉ đơn giản là người dùng quên cắm phích.

Với một người thợ lành nghề, việc tìm ra nguyên nhân thường diễn ra rất nhanh. Họ không chỉ dựa vào lý thuyết, mà dựa vào trực giác được tích lũy qua hàng trăm tình huống thực tế. Chỉ cần quan sát vài dấu hiệu nhỏ, họ đã có thể khoanh vùng đúng vấn đề trong vài phút và đưa ra giải pháp phù hợp.

Ngược lại, để robot làm được điều tương tự, hệ thống phải được huấn luyện bằng một khối lượng dữ liệu khổng lồ và vô số kịch bản khác nhau, nhưng vẫn không chắc hiệu quả khi triển khai ngoài đời. Lý do là phần lớn năng lực chẩn đoán của thợ lành nghề thuộc về kiến thức ngầm, chẳng hạn việc nhận ra tiếng “rè rè” từ tủ điện nguy hiểm đến đâu dựa trên mùi khét nhẹ, độ rung bất thường hoặc cảm giác nóng lên ở một điểm tiếp xúc. AI hiện nay học tốt kiến thức hiện, tức những gì có thể ghi lại thành dữ liệu và quy trình, nhưng vẫn rất yếu ở phần kiến thức ngầm nằm trong kinh nghiệm và cảm nhận của con người.

“Bàn tay robot” vẫn là bài toán cực khó và cực đắt

Rào cản thứ ba nằm ở thứ tưởng chừng đơn giản nhất, nhưng lại là bài toán khó nhất trong robot học: đôi tay. Robot có thể làm rất tốt những thao tác lặp đi lặp lại trong môi trường ổn định, nơi mọi vật thể được đặt đúng vị trí và sai số gần như bằng không. Đây là lý do vì sao robot phát huy tối đa hiệu quả trong dây chuyền sản xuất, nơi các động tác có thể được lập trình chính xác và lặp lại hàng triệu lần.

Nhưng công việc của thợ điện, thợ nước hay thợ mộc lại thuộc một thế giới hoàn toàn khác. Những nghề này đòi hỏi sự khéo léo, độ chính xác cao, khả năng xử lý trong không gian chật hẹp và thao tác linh hoạt theo tình huống. Mỗi công trình đều có những sai lệch nhỏ, mỗi sự cố đều có một biến số bất ngờ, và người thợ buộc phải điều chỉnh liên tục bằng cảm giác tay và kinh nghiệm thực tế.

Chỉ riêng việc tạo ra một robot có thể leo lên trần nhà, tuốt dây điện mà không làm đứt lõi đồng bên trong, sau đó quấn dây và dán băng keo gọn gàng theo đúng tiêu chuẩn đã là một bài toán vừa phức tạp vừa tốn kém. Nó không chỉ cần phần cứng tinh vi, cảm biến chính xác và thuật toán điều khiển cực kỳ phức tạp, mà còn cần khả năng thích nghi với vô số điều kiện khác nhau ngoài đời. Ở thời điểm hiện tại, đây vẫn là một bài toán gần như không tưởng nếu xét trên cả chi phí lẫn độ tin cậy khi triển khai thực tế.

Đọc thêm: TGE 2026: Đừng tìm cơ hội xả, hãy tìm mô hình góp vốn thực thụ