Big Tech làm cho chuyên gia mạnh hơn trong quá khứ

Nghịch lý của Big Tech nằm ở chỗ nó có khả năng làm cho kỹ sư ngày càng mạnh hơn bên trong một thế giới công nghệ đã định hình sẵn, đồng thời làm gia tăng rủi ro tụt hậu chuyên môn của họ so với biên giới bên ngoài.

Đây không phải là luận điểm cho rằng làm việc tại một công ty lớn làm cho chuyên gia trở nên yếu đi. Ngược lại: nó có thể làm cho họ cực kỳ mạnh mẽ — về kiến trúc, vận hành, mở rộng quy mô, độ tin cậy (reliability), quy trình, làm việc nhóm và tech stack cụ thể.

Vấn đề nằm ở chỗ khác: chuyên gia thì mạnh lên, nhưng hệ quy chiếu mà họ lớn lên bên trong đó có thể đang già đi.

Sản phẩm thành công hướng tới sự ổn định

Hầu như bất kỳ tổ chức công nghệ lớn nào cũng muốn tạo ra một sản phẩm:

• hoạt động ổn định;
• tạo ra doanh thu;
• mở rộng quy mô được;
• có các quy trình có thể dự đoán trước;
• được duy trì bởi một đội ngũ lớn;
• không bị hỏng hóc sau mỗi thay đổi mới.

Kết quả thương mại lý tưởng là tạo ra một "con bò sữa" (cash cow): một hệ thống tạo ra giá trị trong thời gian dài và một cách có thể dự đoán trước.

Đối với kinh doanh, điều này rất hợp lý.

Nhưng chính sự thành công lại bắt đầu đóng băng tech stack.

Càng nhiều người dùng, tích hợp, dữ liệu, quy trình và tiền bạc gắn liền với sản phẩm, thì cái giá của thử nghiệm công nghệ càng cao. Một công nghệ mới không chỉ cần phải thú vị — nó phải biện minh được cho việc di chuyển, đào tạo đội ngũ, rủi ro mới, thay đổi hạ tầng và chi phí duy trì trong nhiều năm.

Tại sao thử nghiệm trở thành vấn đề tổ chức

Trong một dự án nhỏ, lập trình viên có thể thử nghiệm một công nghệ mới và tự mình gánh chịu cái giá cho sai lầm của họ.

Trong một sản phẩm lớn, thử nghiệm hầu như không bao giờ mang tính cá nhân:

• phần còn lại của nhóm phải hiểu cách tiếp cận mới;
• người review phải biết cách kiểm tra nó;
• DevOps và SRE phải hỗ trợ nó;
• công ty phải tuyển dụng những người có năng lực mới;
• tài liệu và quy trình phải thay đổi;
• công nghệ mới trở thành một cam kết kéo dài nhiều năm.

Một câu hỏi hoàn toàn hợp lý nảy sinh:

Đâu là bằng chứng cho thấy công nghệ mới sẽ mang lại lợi ích đủ lớn để bù đắp cho tất cả những chi phí đó?

Nhưng đối với một công nghệ thực sự mới, cơ sở bằng chứng như vậy thường chưa tồn tại.

Kết quả là một cái bẫy:

để triển khai cái mới, cần chứng minh lợi ích → để chứng minh lợi ích, cần có kinh nghiệm thực tế → để có kinh nghiệm, cần cho phép triển khai hoặc thử nghiệm.

Do đó, một tổ chức lớn theo tự nhiên sẽ ưu tiên các giải pháp đã được chứng minh.

Chuyên gia tiếp tục phát triển — nhưng đi đâu?

Làm việc nhiều năm với một hệ thống công nghệ, một người sẽ trở nên giỏi hơn trong hệ thống đó.

Họ biết:

• các trường hợp ngoại lệ hiếm gặp (edge cases);
• các giới hạn bên trong;
• nguyên nhân lịch sử đằng sau các quyết định kiến trúc;
• các đặc thù vận hành;
• cách giải quyết nhanh chóng các vấn đề mà người mới sẽ mất hàng tuần để xử lý.

Nghĩa là sức mạnh chuyên môn của họ thực sự đang tăng lên.

Nhưng nếu bản thân tech stack đó nằm ngoài thị trường hiện tại, sự phát triển của năng lực này sẽ ngày càng hướng về quá khứ.

COBOL như một ví dụ cực đoan

COBOL thể hiện rõ nghịch lý này.

Bạn có thể là một chuyên gia COBOL xuất sắc, hiểu rõ các hệ thống doanh nghiệp khổng lồ và giải quyết các bài toán vượt ngoài tầm với của hầu hết các lập trình viên hiện đại.

Đây là một sức mạnh chuyên môn thực sự.

Nhưng thật khó để khẳng định rằng việc trau dồi sâu sắc độc quyền trong COBOL đồng thời có nghĩa là đang tiến bước cùng biên giới công nghệ hiện đại.

Con người mạnh lên — nhưng lại trong một công nghệ mà vai trò của nó đối với thị trường mới đang dần thu hẹp.

MODX như một ví dụ cá nhân

MODX từng là một nền tảng hiện đại và thú vị. Xung quanh nó tồn tại một cộng đồng hoạt động tích cực, các cách tiếp cận mới, các gói (packages), giải pháp kiến trúc và các dự án thương mại phức tạp liên tục xuất hiện.

Nikolay Fi1osof Lanets là một trong những chuyên gia mạnh mẽ và nổi tiếng nhất trong hệ sinh thái này, từng tự tạo ra các gói và công cụ của riêng mình, làm việc sâu sắc với kiến trúc nội bộ của MODX và tham gia phát triển cộng đồng.

Nhưng theo thời gian, rõ ràng là bản thân nền tảng này phát triển ngày càng chậm lại.

Bạn có thể tiếp tục trở nên mạnh hơn nữa trong MODX, làm ra các loại website tương tự nhanh hơn và hiệu quả hơn, hiểu rõ hơn về lượng legacy tích tụ và vận hành stack hiện tại một cách chính xác hơn.

Đó sẽ là sự gia tăng về năng suất.

Nhưng năng suất không đồng nghĩa với phát triển chuyên môn.

Nếu thế giới công nghệ bên ngoài đang dịch chuyển sang kiến trúc API-first, các frontend framework hiện đại, hệ thống phân tán (distributed systems), AI và hệ thống tác nhân (agent systems), trong khi chuyên gia vẫn tiếp tục dành nhiều năm trau dồi chỉ bên trong một stack cũ, khoảng cách ấy chắc chắn sẽ ngày càng lớn.

Ngày nay, thị trường MODX nhỏ hơn đáng kể so với thời kỳ hoàng kim của nó. Đồng thời, các dự án legacy còn lại tạo ra một thị trường thương mại riêng biệt dành cho việc hỗ trợ và nâng cấp — nhưng đó đã là một vai trò khác của công nghệ: không phải biên giới, mà là di sản.

Big Tech khuếch đại hiệu ứng này

Vấn đề không chỉ tồn tại ở Big Tech, nhưng chính tại đó nó lại thể hiện rõ rệt nhất.

Một sản phẩm lớn và thành công:

• có chi phí sai lầm cao;
• tạo ra một lượng lớn mã nguồn legacy;
• gắn liền với rất nhiều người;
• đòi hỏi sự ổn định;
• có vòng đời dài;
• khó chịu đựng được những cú bẻ lái công nghệ đột ngột.

Do đó, một chuyên gia giỏi được sử dụng một cách hợp lý tại nơi mà họ đã đặc biệt hiệu quả.

Nghịch lý thay, kỹ sư càng có giá trị đối với hệ thống hiện tại, thì tổ chức càng có động lực muốn họ tiếp tục làm chính những gì mà họ đã giỏi sẵn.

Bộ kiểm duyệt nội bộ

Theo thời gian, giới hạn mang tính tổ chức có thể biến thành giới hạn bên trong tâm lý.

Kỹ sư chủ động loại bỏ các ý tưởng từ trước:

• "cái này sẽ không qua được khâu review kiến trúc đâu";
• "nhóm sẽ không muốn học cái này đâu";
• "họ sẽ không cho chúng ta thời gian để di cư hệ thống đâu";
• "không có ROI được chứng minh";
• "rủi ro production quá lớn".

Ngay cả khi không ai trực tiếp cấm thử nghiệm, chuyên gia cũng dần ngừng việc nghiêm túc cân nhắc những hướng đi không thể thực hiện được trong môi trường tổ chức của họ.

Chính tại đây, sự ì ạch về công nghệ bắt đầu ảnh hưởng không chỉ đến tech stack mà còn đến cả tư duy.

AI làm cho vấn đề trở nên đặc biệt nổi bật

Trong giai đoạn 2025–2026, biên giới công nghệ bắt đầu dịch chuyển với tốc độ cực kỳ nhanh chóng do sự bùng nổ của AI.

Ngay cả những công ty lớn nhất cũng chưa chắc đã có thể cung cấp cho chuyên gia những điều kiện tốt nhất để nghiên cứu các công nghệ AI mới nhất. Nguyên nhân không chỉ nằm ở ngân sách.

Thường thì bên trong tổ chức vẫn chưa có chuyên môn đủ để đánh giá một cách thấu đáo các rủi ro và giá trị tiềm năng của công nghệ mới, bởi vì kinh nghiệm thực tế ổn định đơn giản là chưa kịp tích lũy.

Công ty đòi hỏi bằng chứng, nhưng bằng chứng thì chưa thể có chính vì lĩnh vực này còn quá mới mẻ.

Kết quả là những thử nghiệm thú vị nhất lại là những thứ khó bảo vệ nhất về mặt tổ chức.

Điều này dẫn dắt cuộc trò chuyện đến vai trò của nhà tương lai học: một chuyên gia phải làm việc tại chính nơi mà kinh nghiệm quá khứ chưa đủ và một phần tương lai phải được kiểm chứng thông qua thử nghiệm.

Phòng thí nghiệm nghiên cứu so với logic sản xuất

Một xung đột đặc trưng nảy sinh khi một kỹ sư giỏi muốn khám phá các hướng đi mới, trong khi hoạt động kinh doanh đã được tối ưu hóa cho một quy trình sản xuất ổn định.

Doanh nghiệp lý trí nói:

Chúng ta kiếm tiền từ sản phẩm hiện tại. Chúng ta cần làm cho sản phẩm hiện tại tốt hơn.

Nhà nghiên cứu lý trí trả lời:

Trong lúc chúng ta đang cải thiện sản phẩm hiện tại, thế giới công nghệ có thể thay đổi mạnh mẽ đến mức hiệu suất hiện tại của chúng ta sẽ không còn giữ được giá trị như trước nữa.

Cả hai phía đều có thể đúng trong hệ quy chiếu của riêng mình.

Vấn đề phát sinh khi chuyên gia cần bước sang giai đoạn phát triển chuyên môn tiếp theo, trong khi tổ chức lại thấy có lợi hơn nếu tiếp tục tận dụng năng lực mà họ đã tích lũy từ trước.

Hai giai đoạn phát triển nghề nghiệp

Ở giai đoạn đầu, một tổ chức mạnh có thể thúc đẩy sự phát triển của chuyên gia với tốc độ chóng mặt.

Những thử thách lớn, đồng nghiệp giàu kinh nghiệm, trách nhiệm cao, tải trọng production và những ràng buộc thực tế mang lại cho họ những trải nghiệm khó có được ở các dự án nhỏ.

Nhưng sau một cấp độ nhất định, tình hình có thể đảo ngược.

Đầu tiên, một con người cần một hệ thống mạnh để trưởng thành.

Sau đó, họ có thể cần phải bước ra khỏi hệ thống ổn định đó để giành lại quyền:

• lựa chọn công nghệ mới;
• tự đặt ra các nhiệm vụ cho riêng mình;
• tiến hành các thử nghiệm mạo hiểm;
• từ bỏ những ý tưởng thất bại;
• xây dựng các dự án mà không cần phải chứng minh kết quả từ trước.

Luận điểm chính

Big Tech làm cho chuyên gia mạnh hơn trong quá khứ, khi sự phát triển nghề nghiệp của một người ngày càng diễn ra sâu bên trong một hệ thống công nghệ đã được chứng minh và ổn định, trong khi biên giới bên ngoài phát triển nhanh hơn khả năng thay đổi của hệ thống đó.

Điều này không có nghĩa là mọi chuyên gia trong Big Tech đều chắc chắn bị tụt hậu.

Giống như câu nói "chiến tranh cướp đi sinh mạng con người" không có nghĩa là mọi cá nhân tham gia chiến tranh đều thiệt mạng, luận điểm này mô tả một hiệu ứng nhân quả mang tính hệ thống chứ không phải là kết quả tuyệt đối cho mọi trường hợp cá biệt.

Rủi ro này có thể được giảm thiểu — thông qua các phòng thí nghiệm nghiên cứu, dự án phụ (side-projects), các nhóm R&D, chế độ nghỉ phép (sabbatical), môi trường sandbox nội bộ và việc duy trì thực hành thường xuyên bên ngoài production stack chính.

Tuy nhiên, bản thân xung đột giữa sự ổn định của sản phẩm thành công và sự khó lường của biên giới công nghệ vẫn sẽ ở đó.

Các Khái niệm Liên quan

• Nhà tương lai học — bàn về vai trò của chuyên gia phải khám phá không gian nơi kinh nghiệm thực tế chưa đủ;
• Nikolay Fi1osof Lanets — bối cảnh chuyên môn và lịch sử của tác giả;
• MODX → prisma-cms → freecode → haih-agent — ví dụ về việc thoát khỏi một hệ thống công nghệ và liên tục tìm kiếm các kiến trúc mới;
• Vấn đề kiến trúc của các tác nhân LLM hiện đại — ví dụ về hướng nghiên cứu hiện tại trên biên giới AI đang thay đổi chóng mặt;
• futurist.expert — dự án phục vụ cho việc phát triển sâu hơn các nghiên cứu này.