Futurist

Futurist không phải là người chỉ mơ mộng về tương lai. Theo nghĩa chuyên môn, chủ nghĩa vị lai gắn liền với tầm nhìn chiến lược (strategic foresight): tìm kiếm các tín hiệu yếu, xây dựng kịch bản, đánh giá các hệ quả có thể xảy ra và chuẩn bị các quyết định trong điều kiện bất định cao.

Các cộng đồng và tổ chức chuyên nghiệp hiện đại coi foresight là một bộ môn riêng biệt với các phương pháp của riêng mình: horizon scanning, scenario planning, systems thinking, backcasting, weak signals, trend analysis và các cách tiếp cận khác.

Tuy nhiên, sự phát triển vũ bão của AI đặt ra cho nghề nghiệp futurist một thách thức mới: kinh nghiệm lịch sử và các phép loại suy được tài liệu hóa ngày càng bắt nhịp kém với tốc độ thay đổi công nghệ.

Futurist cổ điển

Một professional futurist cổ điển không nên chỉ bịa ra những kịch bản đẹp đẽ. Công việc của họ thường được xây dựng trên sự kết hợp giữa:

• lịch sử và các phép loại suy;
• thống kê và nghiên cứu;
• phân tích xu hướng công nghệ và xã hội;
• kinh tế học;
• hành vi tổ chức;
• mô hình hóa kịch bản;
• đánh giá hệ quả thứ cấp.

Một futurist giỏi cố gắng trả lời không chỉ câu hỏi "điều gì có thể xảy ra?", mà còn cả các câu hỏi:

• điều gì đã xảy ra trước đây trong các tình huống tương tự;
• những công ty và quốc gia nào đã thực hiện những hành động tương tự;
• những hệ quả nào đã mang lại;
• lực lượng nào có thể thúc đẩy hoặc ngăn chặn kịch bản;
• những rủi ro nào mà tổ chức đang đánh giá thấp;
• những quyết định nào vẫn có thể đảo ngược.

Đó chính là lý do tại sao professional foresight về mặt lịch sử gần gũi với phân tích hệ thống hơn là khoa học viễn tưởng.

Tại sao AI đang thay đổi chính nghề nghiệp futurist

Trong kỷ nguyên AI, một giới hạn cơ bản xuất hiện: công nghệ phát triển nhanh đến mức kinh nghiệm tích lũy ổn định bị tụt lại phía sau so với biên giới (frontier).

Cho đến khi tổ chức nhận được đủ lượng case study, nghiên cứu và bằng chứng, thì bối cảnh công nghệ bản thân nó đã có thể thay đổi rồi.

Mâu thuẫn phát sinh:

cần bằng chứng để ra quyết định tự tin → bằng chứng xuất hiện sau thực tiễn → thực tiễn đòi hỏi quyết định trước khi bằng chứng được tích lũy.

Điều này đặc biệt đáng chú ý trong giai đoạn 2025–2026, khi các khoản đầu tư lớn vào AI diễn ra dưới kỳ vọng và lời hứa, nhưng sau đó các giới hạn thực tế bắt đầu lộ diện ngày càng rõ: chi phí vận hành, chất lượng dữ liệu, khả năng mở rộng, latency, bảo mật, maintenance, tích hợp, sự thiếu hụt ROI kỳ vọng.

Lý thuyết và Thực tiễn

Một trong những giả thuyết của tác giả nằm làm nền tảng cho hướng đi này: trong những thập kỷ gần đây, các mô hình lý thuyết ở nhiều lĩnh vực đã đạt được trọng lượng thể chế rất lớn. Một số thành tựu lớn thực sự ban đầu xuất hiện trong lý thuyết và chỉ sau đó mới được thực tiễn xác nhận.

Vấn đề bắt đầu khi các lý thuyết mới được xây dựng chồng lên trên các lý thuyết khác mà bản thân chúng chưa trải qua kiểm chứng thực tế đầy đủ. Một chuỗi giả định dài xuất hiện, nơi tính nhất quán toán học hoặc logic có thể được duy trì, trong khi hệ thống thực tế đã từ lâu lệch khỏi mô hình.

Trong tình huống như vậy, một chuyên gia thực chiến sở hữu một loại tri thức khác. Họ có thể không thông thạo tất cả các công thức của một lý thuyết cụ thể, nhưng qua nhiều năm kinh nghiệm, họ nhanh chóng nhận ra các giới hạn hệ thống:

• "ở đây kinh tế học sẽ không khớp";
• "khối lượng dữ liệu sẽ bắt đầu tăng theo cấp số nhân và hệ thống sẽ sặc nước";
• "điều này không thể được hỗ trợ đúng mức bởi một đội ngũ có kích thước như thế này";
• "bạn đang đánh giá thấp chi phí di cư";
• "người dùng sẽ không cư xử theo cách mà mô hình giả định";
• "trên production, điều này sẽ đòi hỏi một kiến trúc khác".

Điều này không phủ nhận lý thuyết. Thực tiễn đóng vai trò là cách thức để phát hiện nhanh hơn các biến số ẩn mà mô hình chưa tính đến.

Kỹ sư-futurist (Engineering Futurist)

Từ đây nảy sinh giả thuyết về một loại futurist công nghệ mới.

Một futurist hiện đại trong môi trường công nghệ biến động nhanh không chỉ phải là nhà phân tích, mà còn phải là một thực chiến gia mạnh mẽ, có khả năng tự tay kiểm tra một phần của tương lai giả định.

Chu kỳ làm việc của họ trông đại khái như sau:

nhìn thấy tín hiệu yếu → xây dựng giả thuyết → thu thập một thử nghiệm nhỏ → kiểm tra các giới hạn thực tế → xem xét lại kịch bản.

Năng lực chuyên sâu ít nhất trong một lĩnh vực kỹ thuật phức tạp là vô cùng quan trọng. Đồng thời, kỹ thuật đơn thuần là chưa đủ: futurist cần có sự am hiểu hệ thống về kinh tế, tâm lý học, hậu cần, tổ chức kinh doanh, pháp luật, cơ sở hạ tầng và các lĩnh vực khác, bởi vì các thay đổi công nghệ hầu như không bao giờ nằm gọn trong một tầng kỹ thuật duy nhất.

Tại sao các công ty hiếm khi có thể cung cấp cho futurist các điều kiện phù hợp

Nghịch lý tổ chức phát sinh ở đây.

Một thử nghiệm nghiên cứu thực sự trong lĩnh vực chưa có kinh nghiệm ổn định là điều không thể đảm bảo trước. Nếu kết quả đã có thể được chứng minh với độ chính xác đủ lớn, thì đó thường không còn là nghiên cứu nữa, mà là việc ứng dụng thông thường.

Một futurist làm việc tại biên giới cần:

• sự tự do đáng kể trong việc lựa chọn hướng đi;
• quyền kiểm tra các giả thuyết mà không cần đảm bảo kết quả;
• không gian cho các thử nghiệm nhanh chóng và đôi khi có vẻ vô nghĩa;
• cơ hội vứt bỏ các giải pháp không thành công;
• quyền truy cập vào các hệ thống kỹ thuật thực tế;
• thời gian cho nghiên cứu có thể không mang lại kết quả thương mại.

Nhưng đối với công ty, tất cả những điều này trông giống như rủi ro được quản lý kém.

Một công ty lý trí muốn có business case, budget dự đoán được, KPI, thời hạn và xác suất kết quả. Do đó, hầu hết các tổ chức bắt đầu tích cực triển khai công nghệ mới chỉ sau khi có người khác đã giảm bớt sự bất định ở mức độ đủ lớn.

Do đó, sự hiếm có của các phòng thí nghiệm nghiên cứu doanh nghiệp thực thụ và sự hiếm có hơn nữa của một vị trí có thể được gọi là một tech futurist đích thực.

Futurist và Big Tech

Vấn đề này gắn trực tiếp với concept «Big Tech makes a specialist stronger in the past».

Một tổ chức lớn thành công thường khen thưởng khả năng vận hành đáng tin cậy các công nghệ đã được chứng minh. Sản phẩm càng thành công, giá của một thử nghiệm triệt để càng cao.

Do đó, một production engineer tự nhiên trở nên mạnh mẽ hơn trong hệ thống công nghệ hiện có, trong khi futurist cần phải liên tục bước ra ngoài ranh giới của nó — đến nơi mà các bằng chứng vẫn chưa đủ.

Kinh nghiệm thực tế làm nền tảng cho foresight

Đối với Nikolay Fi1osof Lanets, chủ đề này gắn liền với hơn 19 năm lập trình thực tế tích cực, làm việc với MODX, các hệ thống production lớn, legacy, kiến trúc, AI agents và các dự án thử nghiệm của riêng mình.

Cách tiếp cận không được xây dựng trên sự đối lập giữa lý thuyết và thực tiễn, mà dựa trên nguyên tắc sau:

Tương lai càng bất định, khả năng nhanh chóng biến giả thuyết thành một thử nghiệm thực tế và nhìn thấy các giới hạn thực tế trước khi chúng lọt vào các báo cáo và nghiên cứu càng quan trọng hơn.

Chính hướng đi này được lên kế hoạch phát triển trong dự án futurist.expert.

Chủ đề liên quan

• Big Tech makes a specialist stronger in the past
• Nikolay Fi1osof Lanets
• Architectural problems of modern LLM agents

Nguồn và hướng nghiên cứu thêm

• Association of Professional Futurists — cộng đồng chuyên nghiệp các nhà tương lai học;
• OECD — tài liệu về strategic foresight và năng lực của các practitioner foresight;
• World Economic Forum — strategic foresight, AI và các tổ chức sẵn sàng cho tương lai (future-ready organizations);
• các nghiên cứu hiện đại về reproducibility/theory crisis và các giới hạn thực tế của việc triển khai AI.