Nâng cấp kỹ năng

Làm luật sư vài năm rồi, tối còn cắp sách đi học Thạc sĩ Chính sách công làm gì cho cực?

Tuần này bạn bè đồng nghiệp ai gặp cũng hỏi mình đúng câu đó.

Thú thật, làm nghề một thời gian, phản xạ tự nhiên của mình là mở luật ra xem: điều khoản nào áp dụng được, làm sao để thân chủ thắng hoặc an toàn nhất trong cuộc chơi có sẵn. Nhưng càng làm, mình càng hay bị khựng lại trước những câu hỏi ở tầng trên:
• Ai là người viết ra luật chơi này?
• Tại sao một quy định đọc qua thấy rất chặt chẽ, đúng quy trình, nhưng khi áp vào thực tế lại khiến cả thị trường lẫn doanh nghiệp xoay xở không kịp?

Quyết định bước vào FSPPM khóa này là để mình học lại: không chỉ nhìn sự việc bằng lăng kính đúng – sai vi mô, mà học cách tư duy về sự đánh đổi nguồn lực của cả một hệ thống.
Vừa kết thúc buổi học đầu tiên tối qua, khối lượng bài đọc và các câu hỏi phản biện của thầy thực sự làm mình phải nhìn lại rất nhiều thói quen tư duy cũ.

Các bác đang làm trong ngành luật hay tài chính có bao giờ thấy ranh giới giữa việc "làm đúng luật" và "làm cho chính sách thực sự hiệu quả ngoài đời" nó xa nhau đến kỳ lạ không? Hay chỉ mỗi mình bị "overthinking" chuyện này? ☕📖
#luatsugenz #fulbrightdiaries #chinhsachcong #mpp #learningeveryday

Dùng AI nhiều nhưng kết quả ít

Ở Việt Nam, 97% doanh nghiệp đã sử dụng AI nhưng chỉ 3% thực sự đo được giá trị theo EY, Talentnet.

Trên toàn thế giới, McKinsey (8/2026) cho rằng 80% người dùng AI thấy năng suất cá nhân tăng, nhưng chỉ 6% doanh nghiệp thấy lợi nhuận tăng rõ rệt nhờ AI - nhóm này lại làm lại quy trình, không kết hợp AI vào cách làm cũ.

Bạn thử chọn một công việc cụ thể, đo thời gian hoàn thành trước và sau khi dùng AI xem sao nhe!

Nguồn:
1. https://vnexpress.net/vi-sao-doanh-nghiep-dung-ai-nhieu-nhung-hieu-qua-thap-5127385.html
2. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai/

Meta được báo cáo đã giảm số lượng nhân viên sử dụng Claude Code từ khoảng 60.000 xuống còn 30.000, chuyển sang các công cụ nội bộ như MetaCode và Muse Code. Microsoft cũng cắt giảm hơn một phần ba khoản chi dự kiến 1 tỷ USD dành cho Claude, theo The Information. Meta chưa đưa ra bình luận, còn Microsoft xác nhận đang đẩy mạnh GitHub Copilot.

Mình không nghĩ đây là dấu hiệu Claude bị bỏ rơi. Lý do được nêu là chi phí và việc Meta, Microsoft muốn kiểm soát hoàn toàn công cụ mà họ dùng. Báo cáo chỉ nói về việc chuyển sang dùng nội bộ, không phải từ bỏ hoàn toàn.

Điều mình rút ra: các công ty lớn không muốn phụ thuộc vào một model duy nhất. Họ chọn model nào phù hợp thì dùng, nhưng quy trình làm việc xung quanh thì vẫn là của họ. Họ cần kiểm soát, tùy chỉnh, tích hợp vào hệ thống của riêng mình.

Cũng vậy với kỹ năng cá nhân. Nếu bạn chỉ học cách dùng một công cụ cụ thể như “biết dùng tool X", thì khi công cụ đó thay đổi, bạn phải học lại từ đầu. Nhưng nếu bạn hiểu cách giao việc cho AI, kiểm tra output, thiết kế quy trình xung quanh việc dùng AI, thì kỹ năng đó sẽ theo bạn đến đâu cũng dùng được.

Thư viện Skills trên Claude

Nhiều anh em trả tiền gói Claude nhưng chỉ dùng để chat hỏi đáp thì hơi phí.
Trong phần Customize có mục Skills, tab Discover. Ở đó có rất nhiều skills chia theo hơn 30 nhóm: Marketing, Sales, Finance, Operations, Email... Mỗi skill là một bộ quy trình làm sẵn cho một loại việc cụ thể.

Việc nào anh em làm đi làm lại, cần chuyên môn sâu, thì vào đúng nhóm, đọc mô tả, thấy hợp thì thêm vào. Từ đó Claude tự dùng skill khi gặp đúng việc, không cần mình nhắc lại cách làm mỗi lần.

Bên cạnh còn có Connectors (kết nối Gmail, Drive, lịch...) và Plugins (gói gộp skills với connectors), để bài sau nói kỹ.

Đọc mô tả kỹ trước khi thêm nhe, cái nào không hiểu nó làm gì thì chưa cần cài.

Gần đây mình đọc về Forward Deployed Engineer (FDE) — một role khá mới và đang được chú ý nhiều hơn. Điểm khác biệt lớn so với kỹ sư phần mềm truyền thống là FDE thường không bắt đầu từ một requirement đã được định nghĩa rõ, mà bắt đầu từ vấn đề thực tế của khách hàng. Ví dụ, thay vì được giao task “xây một dashboard”, FDE có thể nhận bài toán “đội vận hành đang mất quá nhiều thời gian để theo dõi dữ liệu từ nhiều hệ thống khác nhau”. Lúc này, FDE phải làm việc với khách hàng để hiểu quy trình, xác định vấn đề, đề xuất giải pháp, xây prototype, tích hợp với hệ thống hiện tại và tiếp tục điều chỉnh cho đến khi giải pháp thực sự dùng được. Nói ngắn gọn, kỹ sư truyền thống thường tập trung nhiều vào how to build, còn FDE cần hiểu cả: what to build, why it matters và how to make it work in the real world. Ở Việt Nam, title này hiện chưa phổ biến nhưng mình nghĩ những role có tính chất tương tự sẽ xuất hiện nhiều hơn trong tương lai. Nếu mọi người đã từng nghe qua role này hoặc đang có kinh nghiệm làm những công việc tương tự, mình rất vui nếu được nghe thêm góc nhìn và chia sẻ từ mọi người.
Bài viết tham khảo: https://cole.vn/bai-viet/webinar-giai-ma-nghe-forward-deployed-engineer

Ai nên sài thế nào cho phù hợp và sử dụng trong học tập và cuộc sống ạ

3 TIPS ĐỂ SENIOR CHUYỂN NGÀNH MÀ KHÔNG PHẢI RESET TỪ ĐẦU

🧭 Chuyển ngành khi đã có nhiều năm kinh nghiệm có thể khiến bạn lo lắng về việc phải bắt đầu lại từ đầu. Nhưng những gì bạn đã tích lũy vẫn có thể trở thành lợi thế trong hành trình mới, nếu biết cách tận dụng đúng.

Dưới đây là 3 tips giúp Senior chuyển ngành mà không phải bắt đầu từ con số 0:

🔗 Thử sức ở ngành mới trước khi chuyển hướng

Một công việc có thể trông rất hấp dẫn khi nhìn từ bên ngoài, nhưng chỉ khi trực tiếp trải nghiệm, bạn mới biết mình có thực sự phù hợp hay không. Vì vậy, trước khi quyết định nghỉ việc và chuyển hẳn sang một lĩnh vực mới, hãy bắt đầu từ những trải nghiệm nhỏ.

Bạn có thể tham gia một dự án liên quan, thử sức với công việc freelance hoặc chủ động nhận những task giúp mình làm quen với lĩnh vực mới. Qua đó, bạn sẽ có góc nhìn thực tế hơn về công việc, biết mình cần bổ sung gì và quan trọng nhất là xác định đây có thực sự là hướng đi mình muốn theo đuổi hay không.

Đồng thời, những trải nghiệm này cũng giúp bạn tích lũy kinh nghiệm thực tế để bổ sung vào CV, tạo thêm cơ sở chứng minh năng lực khi bắt đầu ứng tuyển vào ngành mới.

🔗 Tận dụng kinh nghiệm cũ để tạo lợi thế

Chuyển sang một lĩnh vực mới không có nghĩa là bạn phải bỏ lại toàn bộ những gì đã có. Sau nhiều năm làm việc, bạn đã xây dựng được một nền tảng kiến thức nhất định và hoàn toàn có thể tiếp tục phát huy những giá trị đó ở hướng đi mới.

Hãy đối chiếu yêu cầu của vị trí muốn ứng tuyển với kinh nghiệm từ công việc cũ. Đó có thể là một kỹ năng, kiến thức chuyên môn, kinh nghiệm xử lý vấn đề hay một thành tựu cho thấy bạn đã từng làm tốt những điều mà vai trò mới cũng yêu cầu.

Khi viết CV, hãy “dịch” kinh nghiệm cũ sang ngôn ngữ của của ngành bạn đang hướng đến. Tập trung vào những kỹ năng và kết quả có liên quan đến vị trí đang ứng tuyển, để nhà tuyển dụng thấy được những gì bạn đã có vẫn có thể tạo ra giá trị ở vai trò mới.

🔗 Mở rộng cơ hội thông qua networking

Khi bước vào một lĩnh vực mới, việc tìm kiếm một công việc phù hợp có thể khó hơn khi CV của bạn chưa có nhiều kinh nghiệm trực tiếp trong ngành. Đây cũng là lúc networking có thể trở thành một kênh tiếp cận cơ hội việc làm hiệu quả.

Hãy chủ động kết nối với những người đang làm trong lĩnh vực bạn quan tâm, tham gia các cộng đồng chuyên môn, sự kiện hoặc workshop trong ngành. Qua đó, bạn có thể hiểu rõ hơn về công việc, yêu cầu tuyển dụng và tiếp cận những vị trí chưa được đăng tải rộng rãi.

Khi người trong ngành hiểu được background, năng lực và định hướng của bạn, họ cũng có thể giới thiệu bạn đến những cơ hội phù hợp, giúp rút ngắn khoảng cách khi bước sang một lĩnh vực mới.

✨Chuyển ngành không nhất thiết là bắt đầu lại hoàn toàn. Chuẩn bị kỹ trước khi chuyển hướng và biết cách tận dụng những gì đã có sẽ giúp bạn giảm bớt khoảng trống khi bước vào lĩnh vực mới.

#VietnamWorks #YourTrustedCareerPartner

Có một chuyện mình nghĩ khá nhiều thời gian gần đây. Ở một số công ty lớn, team có hệ sinh thái công nghệ riêng khá mạnh. Họ tự build framework, tool, platform, infrastructure, thậm chí có những thứ bên ngoài dùng open source thì bên trong lại có một phiên bản internal riêng. Làm trong môi trường đó thực ra học được rất nhiều. Giá trị lớn nhất có lẽ không nằm ở việc biết một framework cụ thể, mà là hiểu cách hệ thống lớn chạy thế nào, scale ra sao, debug production thế nào, tối ưu performance, maintain codebase lớn hay xử lý dependency giữa nhiều team. Nhưng đến lúc muốn chuyển việc thì bắt đầu có một vấn đề hơi khó xử. CV có thể nhìn khá ổn về số năm kinh nghiệm và scope công việc, nhưng khi so trực tiếp với JD bên ngoài thì lại thiếu khá nhiều keyword. Công ty mới cần kinh nghiệm với A, B, C, còn mình thì từng giải quyết đúng những bài toán đó, chỉ là dùng công nghệ nội bộ của công ty cũ. Nếu đã vào được vòng technical interview thì mình nghĩ vẫn còn cơ hội để giải thích. Khó nhất là vòng CV, vì ở vòng này người ta đâu có nhiều thời gian để hiểu xem internal framework của công ty cũ tương đương với cái gì bên ngoài. Thường họ chỉ nhìn xem profile có match với thứ họ đang tuyển hay không. Thế nên mình mới tự hỏi là nếu ngoài giờ mình làm personal project bằng những công nghệ phổ biến trên thị trường thì có đủ không? Không phải kiểu project tutorial hoặc clone một app đơn giản, mà là làm tương đối nghiêm túc như có architecture, test, CI/CD, deploy, monitoring, documentation và xử lý một số bài toán gần với production. Một project như vậy có đủ để nhà tuyển dụng tin rằng mình có thể làm việc tốt với stack của họ không? Hay cuối cùng họ vẫn sẽ ưu tiên một ứng viên đã có production experience với đúng công nghệ đó? Mình thấy đây là một sự đánh đổi khá thú vị. Làm ở môi trường có internal tech mạnh thì có thể giúp engineering skill tốt lên rất nhiều, nhưng nếu không chủ động cập nhật bên ngoài thì đôi khi CV lại khó match với thị trường hơn mình nghĩ. Không biết mọi người từng gặp trường hợp này chưa? Và nếu là người tuyển dụng, mọi người đánh giá personal project nặng đến mức nào khi ứng viên thiếu production experience với stack trong JD?

💬 Bạn từng phải mất nhiều năm để thành thạo một công việc, nhưng giờ đây AI có thể làm điều đó nhanh hơn, thậm chí tốt hơn bạn. Từ viết nội dung, tổng hợp thông tin đến làm báo cáo, ngày càng nhiều công việc bạn từng đảm nhận đang dần được AI thay thế.

Vậy bạn nên làm gì để tận dụng AI mà không đánh mất lợi thế của mình?

🔷 Với những việc AI đã làm tốt:

Có những công việc AI có thể làm nhanh và chính xác hơn con người, đặc biệt là những việc lặp lại hoặc có quy trình rõ ràng. Ví dụ: tổng hợp thông tin, làm báo cáo định kỳ, phân loại và sắp xếp dữ liệu, tóm tắt tài liệu hoặc cuộc họp…

👉 Khi AI có thể đảm nhận phần thực thi, vai trò của bạn là kiểm soát chất lượng và tối ưu cách AI hỗ trợ công việc. Hãy rà soát các đầu việc hiện tại, xác định những phần có thể giao cho AI và tự động hóa chúng.

🔷 Với những việc AI có thể cùng bạn thực hiện:

Có những công việc AI có thể hỗ trợ nhưng chưa thể tự mình hoàn thành. Ví dụ: tìm kiếm và đề xuất giải pháp, so sánh các phương án, phát triển ý tưởng…

👉 Lúc này, bạn là người giữ vai trò định hướng và quyết định. Hãy xây dựng một quy trình làm việc rõ ràng:

Bạn đưa vấn đề → AI hỗ trợ → Bạn kiểm tra và bổ sung → AI hoàn thiện → Bạn đưa ra quyết định.

Đồng thời, hãy trau dồi cách viết prompt và kiểm tra câu trả lời của AI. Bạn càng biết cách đưa thông tin và định hướng cho AI, kết quả nhận được càng sát với nhu cầu thực tế.

🔷 Với những việc AI vẫn chưa thể làm tốt:

AI vẫn khó thay thế những công việc cần sự thấu hiểu con người và khả năng ứng biến trong thực tế. Ví dụ: xây dựng mối quan hệ, đàm phán, xử lý tình huống, nắm bắt cảm xúc và nhu cầu của khách hàng…

👉 Đây là những phần việc bạn vẫn cần trực tiếp đảm nhận. Vì vậy, hãy chủ động dành thời gian đào sâu chuyên môn, tích lũy kinh nghiệm để làm tốt những điều AI chưa thể làm thay bạn.

✨ Trong thời đại AI, lợi thế không chỉ nằm ở những gì bạn đã biết, mà còn ở cách bạn thích nghi với những thay đổi mới. Thay vì lo lắng trước những thay đổi, hãy chủ động ứng dụng AI để làm tốt hơn, tiết kiệm thời gian và dành nguồn lực cho những công việc thực sự tạo ra giá trị lâu dài.

#VietnamWorks #YourTrustedCareerPartner

Bạn đã bao giờ nghe về Roadmap hay từ ngày AI xuất hiện chúng ta đã bỏ quên nó và để cho AI đưa đường dẫn lối. Hay bạn chấp nhận liều lĩnh chạy trên sa mạc gặp vũng nước nào thì húp vũng nước đó

Roadmap – Không phải để biết ngày mai làm gì

Trong công việc, chúng ta thường tập trung vào câu hỏi “Hôm nay phải làm gì?”, nhưng câu hỏi quan trọng hơn là:

“Những việc đang làm có đưa chúng ta đến nơi muốn đến không?”

Đó chính là vai trò của roadmap.

Roadmap không phải danh sách task. Nó là định hướng chung: muốn đi đâu, vì sao và đâu là ưu tiên.

Không có roadmap, một team vẫn có thể rất bận: ticket liên tục, feature liên tục, deadline liên tục. Nhưng sau một thời gian, có thể phát hiện rằng mọi người đều đang chạy, nhưng không chắc đang chạy cùng một hướng.

Microsoft là một ví dụ. Dưới thời Satya Nadella, công ty chuyển trọng tâm sang cloud và developer ecosystem, thay vì chỉ tập trung vào Windows. Azure, Microsoft 365, GitHub… cùng nằm trong một hướng đi chiến lược lớn hơn.

Netflix cũng cho thấy một điều khác: roadmap không phải kế hoạch bất biến. Từ một công ty cho thuê DVD, Netflix chuyển sang streaming khi công nghệ và hành vi người dùng thay đổi.

Vì vậy, roadmap không phải để dự đoán chính xác tương lai.

Roadmap là để xác định hướng đi, tập trung nguồn lực và biết khi nào cần thay đổi.

Điều này đúng với cả cá nhân. Một người có thể học rất nhiều thứ nhưng vẫn không tiến xa nếu không biết mình muốn trở thành ai.

Cuối cùng, roadmap chỉ cần trả lời ba câu hỏi:

Đang ở đâu? → Muốn đi đâu? → Tiếp theo cần tập trung vào điều gì?

Đi chậm không đáng sợ. Đáng sợ là đi rất nhanh nhưng không biết mình đang đi về đâu.

Bạn muốn một team biết tự vận hành, hay một team “chỉ đâu đánh đó” khiến Manager lúc nào cũng phải xử lý? Tất cả nằm ở cách bạn trao quyền cho nhân sự.

Xem ngay 3 cách trao quyền hiệu quả 👇

#VietnamWorks #YourTrustedCareerPartner

Hii mọi người, em cần tìm công việc liên quan đến des và edit video để nâng cao kỹ năng và kiếm thêm thu nhập ạ, ưu tiên làm remote ạ

Idea gốc của bản thân. Chỉ dùng AI phản biện, tham khảo, nháp.
Bản cuối luôn là tự bản thân ráp, check kỹ từng phần.
Sợ nhất ai đẩy cho một đoạn do AI viết dài mà không tóm tắt tổng quan về gì, sẽ hướng tới gì bằng phương pháp nào. (Trường hợp này nên làm mẫu tổng hợp gói gọn tóm ý cho một lần, nếu sau họ còn tái diễn thì kệ).
Nếu “không biết mình muốn gì” sẽ rơi vào tình huống dự án bị vặn vẹo méo mó vì AI sẽ không chốt thay người dùng được đâu là bản final, cứ liên tục sửa chỗ nọ chỗ kia, hình dáng cốt lõi ban đầu có thể lệch trọng tâm hoặc chỉ còn là text thảo luận hỗn độn.

Lời khuyên dành cho dân IT thời AI: Đừng chỉ học cách dùng AI. Hãy học cách không để AI nghĩ thay mình.

AI đang làm được ngày càng nhiều việc mà trước đây một developer phải tự làm:
Code một function.
Debug một đoạn code.
Viết SQL.
Tạo test case.
Giải thích một codebase.

Thậm chí đề xuất cả cách tiếp cận cho một bài toán.

Vậy lợi thế của một người làm IT trong vài năm tới sẽ là gì?
Không còn đơn giản là “tôi code giỏi”.
Vì AI có thể code rất nhanh.

Điều khó thay thế hơn là khả năng hiểu bài toán, đặt đúng câu hỏi, nhìn ra vấn đề và đưa ra quyết định.

Cùng một task:
Người phụ thuộc AI:
→ Có task → prompt → lấy code → sửa lỗi → chạy được.

Người làm chủ AI:
→ Hiểu business problem → phân tích yêu cầu → dùng AI để mở rộng các hướng giải quyết → kiểm chứng → đánh giá trade-off → tự đưa ra quyết định.

AI giúp cả hai người viết code nhanh hơn.
Nhưng chỉ một người thực sự giải quyết được vấn đề.

Vì vậy, nếu bạn đang làm IT, đừng chỉ dành thời gian học thêm một framework hay một tool AI mới.

Hãy rèn cả những thứ AI khó làm thay bạn:
Tư duy hệ thống.
Tư duy phản biện.
Khả năng đặt câu hỏi.
Khả năng hiểu con người và business.

Và quan trọng nhất: khả năng tự suy nghĩ.
AI càng mạnh, giá trị của một người biết mình đang làm gì và tại sao mình làm điều đó càng lớn.

Đừng biến AI thành người làm việc thay bạn.

Hãy biến AI thành một “đồng đội” giúp bạn nghĩ nhanh hơn, sâu hơn và đi xa hơn.

Hầu như mọi người muốn dùng ap, phần mềm Ai ...luôn nghĩ ngay là mua để xài vì trong túi ví lúc nào cũng sẵn tiền, tuy nhiên có một quy luật cực cực quan trọng là phải thử xài và level mình đáng để.mua xài không nhằm tránh hoang phí vì thời đại AI công nghệ cập nhật từng giờ đồng thời hàng dùng miễn phí tức cho thử không thiếu nếu ta có trình cao thì mua cũng chưa muộn.

Có AI nào phân tích video và tạo sub theo nội dung không nhỉ

Bộ tool dành cho ae tính Startup:

- Claude = coding ($20/tháng)
- Supabase/Convex = backend (Miễn phí)
- Vercel = deloy ứng dụng (Miễn phí)
- Stripe = thanh toán (2,9%/giao dịch)
- GitHub = version control (Miễn phí)
- Resend = gửi email (Miễn phí)
- Cloudflare = DNS (Miễn phí)
- PostHog = phân tích dữ liệu (Miễn phí)
- Rephrais = AI rephrase (Miễn phí)
- Sentry = theo dõi lỗi (Miễn phí)
- Upstash = Redis (Miễn phí)
- Pinecone = vector database (Miễn phí)

Tổng chi phí hàng tháng để vận hành một startup: khoảng $20.

Chưa bao giờ việc xây dựng một startup lại tiết kiệm đến thế 😝