Khi AI Comic, ứng dụng giúp tạo truyện tranh cho người không biết vẽ, có những khách hàng đầu tiên đầu 2025, Nguyễn Khánh (Hà Nội) tin mình sẽ tạo ra một sản phẩm thành công. Ứng dụng giải được bài toán khó của các AI tạo hình khi đó: giữ sự nhất quán của nhân vật qua nhiều khung truyện, điều mà một số công cụ phổ biến cũng chưa làm được.
Dự án thu hút hàng trăm khách hàng trả phí, chủ yếu là đơn vị sáng tạo nội dung trên mạng xã hội, thậm chí có một tập đoàn lớn lớn ngỏ ý hợp tác. “Tôi đã hình dung viễn cảnh startup nhỏ của mình có thể thay đổi cách làm nội dung trên mạng xã hội của người Việt”, anh kể.
Nhưng bước ngoặt đến nhanh hơn dự đoán. Tháng 8/2025, Google tung ra công cụ Nano Banana tích hợp trong chatbot Gemini và bất cứ ai có thể sử dụng để tạo ảnh, khách hàng của anh bắt đầu rời đi. “Họ nói: sao phải trả tiền cho AI Comic khi Gemini làm được điều tương tự, thậm chí nhanh hơn”, nhà sáng lập chia sẻ.
Lượng người dùng mới giảm, khách cũ không gia hạn. Trong vài tháng, startup mà anh dành tâm huyết khi bỏ tiền mua thiết bị và kêu gọi một số người bạn nghỉ việc để xây dựng buộc phải đóng cửa.
“Đi trước, nhưng nhỏ thì phải chấp nhận thôi”, anh Khánh ngậm ngùi.
Giao diện ứng dụng thay quần áo FitRoom (trước) và ảnh giới thiệu Nano Banana 2 của Google.
Trước đó, tháng 2/2025, FitRoom – ứng dụng cho phép người dùng thử quần áo ảo bằng AI, gây sốt tại Việt Nam trong trào lưu “AI thay đồ”. Sản phẩm do SilverAI tại Việt Nam phát triển và nhanh chóng “leo top” về lượt tải trên App Store, nhờ khả năng cho mặc thử trang phục từ một bức ảnh. Trong thời gian ngắn, FitRoom liên tục thăng hạng, trở thành một trong những ứng dụng được tải về nhiều nhất. Với đội ngũ gần 20 kỹ sư tự phát triển công nghệ lõi thay vì dùng giải pháp mua sẵn, nhà phát triển từng được kỳ vọng làm nên chuyện cả ở thị trường quốc tế.
Nhưng vài tháng sau khi FitRoom được biết đến, Gemini của Google, ChatGPT của OpenAI và Grok của xAI liên tục được cập nhật, bổ sung các tính năng ghép ảnh mạnh mẽ. Thay vì phải tải ứng dụng và trả phí sử dụng, người dùng có thể đăng ký một tài khoản miễn phí, thêm ảnh vào đoạn chat và yêu cầu chatbot tạo ảnh theo yêu cầu.
“Hiện FitRoom ngừng mọi hoạt động marketing đại trà mà tập trung hơn phục vụ các ngách thị trường”, nhà sáng lập Phan Sỹ Quang xác nhận.
Với những người khổng lồ công nghệ trên thế giới, những bản cập nhật tính năng mới về AI giống như một cú nhích chân của họ. Nhưng với startup, trong đó có các startup Việt, đó có thể là dấu chấm hết cho nỗ lực của cả đội ngũ trong hàng năm.
“Họ có thể làm với chất lượng tốt hơn, miễn phí, lại có hạ tầng và người dùng sẵn có. Startup không có cửa cạnh tranh trực diện ở mặt này”, anh Quang nói.
“Chiếc xe thủ công đối đầu đoàn tàu”
Những gì xảy ra với AI Comic hay FitRoom không cá biệt. Trong lĩnh vực công nghệ, việc này từng nhiều lần xảy ra ở các giai đoạn bùng nổ trước đó, và thậm chí có tên gọi riêng với thuật ngữ “Sherlocking”
Bắt nguồn từ câu chuyện đầu những năm 2000 với Apple, khi hãng từng có tính năng tìm kiếm mang tên Sherlock. Công cụ Sherlock trên máy Mac khi ấy chưa đủ mạnh, nên tạo cơ hội cho những nhà phát triển ứng dụng bên thứ ba tích hợp vào để mở rộng nguồn thông tin cho người dùng. Trong số đó, có một phần mềm mang tên Watson do lập trình viên Dan Wood phát triển, cung cấp nhiều tiện ích như thời tiết, tỷ giá, lịch chiếu phim. Tuy nhiên sau đó, Apple ra mắt phiên bản hệ điều hành mới, Sherlock được nâng cấp, chứa gần như toàn bộ tính năng của Watson, khiến công ty đứng sau cuối cùng phải bán mình.
Trong câu chuyện do Dan Wood kể lại, nhà đồng sáng lập Apple Steve Jobs từng gọi điện cho ông, ví những nhà phát triển như Wood là những chiếc xe goòng vận hành thủ công trên đường ray, còn Apple mới là đoàn tàu thống trị đường ray đó.
Hơn 20 năm sau, trong thế giới đang thay đổi từng ngày vì AI, khi những sự kiện như DevDay của OpenAI, Google I/O của Google trình diễn nhiều tính năng mới, cũng là lúc những đoàn tàu đẩy hàng loạt xe kéo khỏi đường ray của họ.
Trên thế giới, theo dữ liệu được Clarifai đưa ra hồi tháng 1, các nghiên cứu năm 2025-2026 cho thấy khoảng 90% công ty khởi nghiệp chuyên về AI thất bại trong năm đầu, cao hơn tỷ lệ thất bại của các startup công nghệ truyền thống. Nguyên nhân được nhắc đến gồm: Sự kết hợp của các yếu tố như kỳ vọng không thực tế, sự không phù hợp giữa sản phẩm và thị trường, sự chuẩn bị dữ liệu chưa đầy đủ, chi phí cơ sở hạ tầng tăng vọt, sự phụ thuộc vào các mô hình bên ngoài, và những sai lầm trong lãnh đạo.
“Tại Việt Nam, trường hợp như vậy không hiếm, thực tế xảy ra ngày càng nhiều từ 2024 đến nay”, bà Laura Nguyễn, đến từ GenAI Fund chuyên hỗ trợ và kết nối startup AI, đánh giá. Theo bà, tình trạng xảy ra ở nhiều nhóm startup về AI, nhưng chủ yếu rơi vào startup xây dựng sản phẩm ở lớp ứng dụng chung (AI wrappers).
Trong hệ sinh thái startup tại Việt Nam, startup thường được chia thành các nhóm như: AI wrapper – các dự án tạo ra một lớp vỏ bọc bên ngoài giúp người dùng dễ dàng tương tác với các mô hình gốc; Vertical AI – đi sâu vào từng lĩnh vực như y tế, giáo dục, tài chính hoặc các bài toán bản địa; Deep tech – theo đuổi việc làm chủ mô hình hoặc tối ưu công nghệ lõi; và có những nhóm nhà phát triển chuyên cung cấp giải pháp tích hợp, đưa AI vào quy trình vận hành của doanh nghiệp.
Các startup “AI wrapper” thực tế là một “lớp bọc” giúp người dùng tương tác với các mô hình lõi. Do có lợi thế triển khai nhanh, chi phí đầu tư ban đầu thấp và dễ tiếp cận người dùng, startup dạng này chiếm tỷ trọng lớn trong giai đoạn đầu của thị trường tại Việt Nam, nhưng cũng là nhóm dễ tổn thương nhất.
Những ví dụ điển hình có thể thấy ở startup chuyên về tạo nội dung tự động như viết bài, tạo hình ảnh hay dựng video; tạo website bằng AI; AI chỉnh sửa hình ảnh; chuyển giọng nói thành văn bản hoặc tổng hợp giọng nói; hoặc xây dựng chatbot và trợ lý tổng quát.
Theo bà Laura phần lớn startup AI thất bại không phải vì yếu về công nghệ, mà do sai chiến lược, với nguyên nhân chính là xây sản phẩm mà lợi thế nằm ở mô hình thay vì giá trị riêng. Khi chỉ là lớp giao diện đặt trên các nền tảng như OpenAI hay Google, họ rơi vào thế cạnh tranh trực diện với Big Tech – những đơn vị có lợi thế vượt trội về hạ tầng, dữ liệu và phân phối.
Nguyên nhân thứ hai là thiếu dữ liệu hoặc quy trình vận hành (workflow) độc quyền. Bên cạnh đó, một số startup định nghĩa sai bài toán, thường nghĩ về việc AI có thể làm gì thay vì “vấn đề nào đủ đau để người dùng sẵn sàng trả tiền”.
“Giá trị bền vững với startup không phải bản thân mô hình, mà là dữ liệu riêng, quy trình nghiệp vụ tích hợp sâu và khả năng vận hành trong môi trường thực tế”, bà nhận định.
Một nguyên nhân khác cũng được các nhà phân tích trên thế giới nhắc đến là chi phí vận hành. Với ứng dụng AI tạo sinh, phí vận hành máy chủ và tài nguyên GPU tăng tuyến tính theo mức độ sử dụng. Mỗi câu lệnh hay yêu cầu xử lý từ người dùng đều tiêu tốn một khoản phí cố định trả cho các tập đoàn lớn nắm giữ mô hình nền tảng. Điều này có thể dẫn tới việc startup “càng được sử dụng càng lỗ”.
Hướng đi nào cho startup AI Việt?
Ngày 24/3, OpenAI thông báo ngừng phát triển ứng dụng video AI Sora sau chưa đầy nửa năm ra mắt, dù sản phẩm từng thu hút hàng chục triệu người dùng và tạo hiệu ứng mạnh trên thị trường.
Theo các nhà phân tích, sự thoái lui này cho thấy ngay cả “người khổng lồ” trong lĩnh vực AI cũng không thể theo đuổi mọi hướng cùng lúc. Khi chi phí tính toán ngày càng lớn, nguồn cung chip xử lý còn hạn chế và áp lực tối ưu tài nguyên gia tăng, các công ty lớn buộc phải tập trung vào những giá trị cốt lõi thay vì dàn trải. Đây cũng được xem là cơ hội cho startup: không chạy theo mô hình đa năng tốn kém, tập trung vào những bài toán hẹp, những lĩnh vực chuyên biệt – nơi đòi hỏi hiểu biết sâu về ngành, dữ liệu và quy trình. Dù tàu hỏa phát triển, xe goòng vẫn tồn tại và vẫn có những giá trị riêng.
“Đừng cạnh tranh với Big Tech ở nơi họ mạnh nhất. Hãy xây dựng ở nơi họ khó có thể đi sâu”, bà Laura Nguyễn nhấn mạnh.
Chia sẻ với VnExpress vào năm ngoái, một startup AI từng gọi vốn thành công gần 20 triệu USD, cho rằng bài học từ thành công của nền tảng nội địa trước đối thủ ngoại năm xưa vẫn còn nguyên giá trị: Muốn chinh phục người Việt, sản phẩm phải thực sự hiểu thói quen bản địa.
Startup này tập trung hóa giải ba rào cản chính mà các “ông lớn” thường bỏ ngỏ, thứ nhất là ngôn ngữ được tối ưu để hiểu cả tiếng lóng trên mạng xã hội hay lỗi chính tả đặc thù của người Việt. Thứ hai là yếu tố cộng đồng, cho phép người dùng chia sẻ và phản hồi lẫn nhau thay vì chỉ tương tác với máy. Cuối cùng là bài toán chi phí. Bằng cách duy trì mức phí thấp, họ kỳ vọng tạo ra một hệ sinh thái dữ liệu thuần Việt đủ lớn để tạo sự khác biệt bền vững, thay vì đối đầu trực diện ở những phân khúc mà Big Tech đang thống trị.
Từ kinh nghiệm làm việc với doanh nghiệp, bà Laura gợi ý bốn hướng đi. Trước hết là phát triển “Vertical AI” tập trung vào các bài toán chuyên sâu từng ngành như logistics, tài chính, sản xuất, giáo dục hay y tế – nơi đòi hỏi hiểu biết về quy trình, pháp lý và bối cảnh địa phương, những yếu tố mà các nền tảng như Google hay OpenAI khó tùy biến sâu.
Song song, startup cần xây dựng lợi thế dữ liệu càng sớm càng tốt. Theo bà, tài sản quan trọng nhất không phải là model, mà là dữ liệu độc quyền, có thể đến từ hành vi người dùng, quy trình doanh nghiệp, ngữ cảnh tiếng Việt chuyên ngành. Bên cạnh đó, việc tích hợp sâu vào workflow cũng giúp tạo rào cản thay thế.
“Một sản phẩm AI càng gắn chặt vào quy trình vận hành của người dùng, doanh nghiệp càng khó bị thay thế”, bà nhấn mạnh, lấy ví dụ một chatbot đơn giản có thể dễ dàng bị thay thế bởi hàng trăm chatbot khác, nhưng một hệ thống AI đã kết nối với ERP, hiểu quy trình nội bộ, được huấn luyện theo dữ liệu riêng và gắn với KPI vận hành, việc thay thế không còn là quyết định kỹ thuật đơn thuần mà trở thành một quyết định mang tính tổ chức, vì vậy startup sẽ khó bị thay thế.
Cuối cùng, các startup cần tận dụng lợi thế tốc độ, đồng thời coi sự phát triển của Big Tech chính là cơ hội để các mô hình ngày càng rẻ hơn và startup có thể tạo ra sản phẩm mới cũng ngày càng nhiều hơn.
“Startup không thể thắng Big Tech về quy mô, nhưng có thể thắng về tốc độ thử nghiệm, tốc độ hiểu khách hàng và tốc độ điều chỉnh sản phẩm. Nếu startup chọn đúng một ngách nhỏ và học nhanh hơn bất kỳ ai khác trong ngách đó, họ vẫn có thể tồn tại và phát triển”, bà Laura khuyến nghị.
Với Nguyễn Khánh, sau thời gian thất bại anh chuyển những bài học từ thời gian làm AI Comic để phục vụ một số dự án làm ảnh cho cộng đồng. Anh và cộng sự cũng ấp ủ đi sâu vào lĩnh vực y tế, văn hóa, với suy nghĩ đó là “lãnh địa” mà các ông lớn nước ngoài khó chạm đến.
Trong khi đó, dù có phần e ngại các ông lớn, SilverAI với toàn bộ kỹ sư Việt Nam này vẫn đẩy mạnh những ứng dụng về AI khác, đồng thời thử nghiệm nhiều sản phẩm mới và đang đạt được những thành công nhất định.
“Khi tự chủ công nghệ, chúng tôi có thể cung cấp được sản phẩm chất lượng tốt ở mức gần bằng nhưng giá rẻ hơn rất nhiều và có thể tùy biến được cho khách hàng”, nhà sáng lập Phan Sỹ Quang nói. “Tôi tin startup về AI tại Việt Nam luôn có cơ hội. Nếu được tạo điều kiện, họ có thể làm tốt và có sản phẩm cạnh tranh với các hãng nước ngoài trong những sân chơi hẹp hơn”.
Các nhà khoa học của Đại học Công nghệ Tân Cương (Trung Quốc) đã phát triển một loại tinh thể (crystal) tạo ra tia cực tím (UV) mới có thể giúp chế tạo đồng hồ hạt nhân thorium cực kỳ chính xác. Loại đồng hồ này được đánh giá rất cần thiết cho nhiệm vụ như dẫn đường, đặc biệt ở lĩnh vực quân sự và hàng không vũ trụ khi có thể giúp điều hướng thiết bị như tàu ngầm hoặc tàu thăm dò không gian sâu mà không cần Hệ thống Định vị Toàn cầu (GPS) trong tương lai.
Trên smartphone, smartwatch hay laptop, định vị GPS thường thông qua việc nhận tín hiệu từ vệ tinh, sau đó sử dụng một tập hợp các thuật toán, đo thời gian cần thiết để mỗi tín hiệu đến được. Thông tin này sau đó sử dụng để xác định vị trí trên bản đồ thế giới bằng phương pháp tam giác hóa (triangulate) dựa trên dữ liệu thời gian chính xác.
Nhưng những hệ thống như GPS đang gặp rất nhiều vấn đề. Chẳng hạn, chúng có thể bị gây nhiễu hoặc giả mạo tín hiệu, cũng như hoạt động không tốt dưới nước hoặc dưới lòng đất. Đối với các cỗ máy chiến tranh như tàu ngầm, GPS là cơn ác mộng bởi để sử dụng hiệu quả, tàu cần nổi lên mặt nước để định vị.
Để khắc phục vấn đề này, tàu ngầm hiện đại sử dụng đồng hồ nguyên tử, một loại thiết bị đo thời gian cực kỳ chính xác. Loại đồng hồ này hoạt động bằng cách sử dụng sự rung động của electron xung quanh các nguyên tử để giữ thời gian. Các loại đồng hồ nguyên tử hiện nay chủ yếu sử dụng cesium hoặc strontium.
Tuy nhiên, đồng hồ hạt nhân còn chính xác hơn thế, khi sử dụng sự rung động trong hạt nhân nguyên tử, qua đó có thể chính xác hơn 10-1.000 lần so với đồng hồ nguyên tử. Nguyên nhân là vì hạt nhân nguyên tử ổn định hơn electron và ít bị ảnh hưởng bởi nhiều yếu tố như nhiệt độ, cũng như ít bị tác động bởi sự rung động bên ngoài và các yếu tố khác như từ trường.
Thông thường, để chế tạo đồng hồ hạt nhân cần có tia laser UV cực kỳ chính xác với bước sóng 148,3 nm. Việc chế tạo loại laser này rất khó khăn, đó là lý do tại sao trước đây chưa có hệ thống nào có khả năng tương tự. Trước đây, kali berili floroborat, một loại tinh thể phát triển vào những năm 1990 và đang được ứng dụng phổ biến, chỉ đạt bước sóng 150 nm, thấp hơn con số tiêu chuẩn kể trên.
Đồng hồ hạt nhân sử dụng các nguyên tử thorium, một tia laser để thăm dò chúng và một bộ dò để đọc tín hiệu. Để làm cho "lõi" hoạt động, tia laser phải điều chỉnh đến một bước sóng rất cụ thể (dưới 148,3 nm). Thời gian phản hồi được xác định bởi tần số phản hồi của nó.
Nhóm nghiên cứu Trung Quốc đã sử dụng Thorium-229. Nguyên tố này được đánh giá đặc biệt, vì hạt nhân của nó dao động ở mức năng lượng rất thấp, giúp việc theo dõi và đo lường trở nên tương đối dễ dàng.
Với Thorium-229, hệ thống có thể chuyển đổi ánh sáng laser thành ánh sáng cực tím có bước sóng rất ngắn, thậm chí ngắn hơn con số 148,3 nm với 145,2 nm. "Một hợp chất borat-flo hóa có thể tăng cường ánh sáng laser lên bước sóng kỷ lục 145,2 nm, đủ ngắn để đáp ứng yêu cầu quan trọng đối với những chiếc đồng hồ hạt nhân siêu chính xác đang được phát triển tại Mỹ, Trung Quốc và các quốc gia khác", nhóm nghiên cứu giải thích trên blog.
Khi tinh thể ứng dụng trong đồng hồ hạt nhân, nó cung cấp một phương pháp "ước lượng vị trí" cực kỳ chính xác bằng cách so sánh tốc độ, hướng đi và thời gian di chuyển. Nếu hoàn thiện, các hệ thống trang bị công nghệ này có thể giúp phương tiện không còn phụ thuộc vào GPS và các giải pháp định vị qua vệ tinh.
Theo Interesting Engineering, mục đích quân sự là tiềm năng lớn nhất của loại đồng hồ này, chẳng hạn giúp tàu ngầm di chuyển tự do mà không cần nổi lên mặt nước, hoặc áp dụng vào tên lửa giúp "miễn nhiễm" với các hệ thống gây nhiễu. Đối với tàu vũ trụ, nó cũng có thể giúp chúng tự điều hướng trong không gian sâu mà không cần đến sự hiệu chỉnh từ Trái Đất.
Tuy nhiên, kể cả khi chế tạo thành công, nhóm nghiên cứu cho biết những chiếc đồng hồ này không làm cho GPS trở nên dư thừa. Thay vào đó, nó được đánh giá chỉ giúp giảm sự phụ thuộc vào các hệ thống định vị hiện có cũng như phục vụ thiết bị đặc thù. Ngoài ra, công nghệ đang trong giai đoạn đầu phát triển, còn rất lâu mới có thể ứng dụng thực tế.
GPS chỉ là một trong số các công cụ "định vị, dẫn đường và thời gian" qua vệ tinh được sử dụng trên toàn thế giới, khi còn có Glonass của Nga, Galileo của Liên minh châu Âu, QZSS của Nhật Bản hay Bắc Đẩu (Beidou) của Trung Quốc. Dù vậy, GPS hiện bị đánh giá là mong manh khi liên tục đối mặt nguy cơ nhiễu, dễ bị tấn công.
Nhiều người dùng hoảng loạn khi chiếc smartphone Android bỗng nhiên lăn ra 'chết giấc', không nhận sạc và cũng không thể khởi động. Tuy nhiên, sự thật có thể chỉ nằm ở cơ chế 'ngủ đông' của pin ít người biết tới.
Trong quá trình sử dụng, người dùng có thể vô tình để điện thoại cạn sạch năng lượng đến mức sập nguồn. Nhưng khi cố gắng bấm nút nguồn, hay thậm chí cắm cáp để mở máy, mọi thứ vẫn im lìm. Lúc này, thay vì hoang mang, đem ngay ra tiệm sửa chữa và tốn một khoản phí không đáng có, bạn nên tìm hiểu về cơ chế tự bảo vệ của pin Lithium-ion hiện đại để có cách 'cứu hộ' chính xác.
Đầu tiên, khi một viên pin Android bị rút cạn hoàn toàn, nó sẽ rơi vào trạng thái 'ngủ sâu' để bảo vệ các tế bào pin khỏi hư hại vĩnh viễn do sụt áp. Lúc này, dù bạn có cắm sạc, điện thoại sẽ không hiển thị bất kỳ tín hiệu nào, kể cả đèn LED.
Các chuyên gia khuyên bạn cần kiên nhẫn sạc liên tục từ 15 đến 30 phút. Đây là khoảng thời gian để dòng điện kích hoạt lại chu trình hóa học bên trong. Chỉ khi tích đủ một lượng điện năng nhất định, máy mới bắt đầu phản hồi và hiển thị biểu tượng sạc trở lại.
Sau khi đã bật nguồn được thiết bị, việc duy trì sức khỏe cho pin là điều cực kỳ quan trọng. Các chuyên gia công nghệ đã đưa ra quy tắc vàng 20 - 80% để tối ưu hóa tuổi thọ cho mọi thiết bị Android:
Nếu điện thoại vẫn không có tín hiệu nguồn sau 30 phút sạc, hãy thử nhấn giữ đồng thời nút nguồn và giảm âm lượng trong vài giây để buộc máy khởi động lại. Đôi khi, chỉ một thao tác nhỏ cũng có thể cứu bạn khỏi một hóa đơn sửa chữa đắt đỏ.
Khi Patrick Ciriello mất việc và không tìm được công việc mới trong gần một năm, mọi thứ với người đàn ông 60 tuổi ở Vermont (Mỹ) này dường như sụp đổ, bởi ông là trụ cột kinh tế của gia đình. "Bạn thường nghe về những người rơi xuống đáy vực", Ciriello nói với Guardian. "Tôi cũng đã ở trong hoàn cảnh đó".
Trong phần lớn sự nghiệp, Ciriello với tấm bằng thạc sĩ quản lý thông tin đã thiết kế vô số hệ thống phần mềm cho các ngân hàng, trường đại học và công ty dược phẩm. Ông đã trải qua nhiều cú sốc kinh tế, từ sự sụp đổ của bong bóng dotcom, khủng hoảng tài chính năm 2008 cho đến đại dịch Covid-19. Ông cũng mất việc nhiều lần, nhưng thường kiếm được công việc mới sau đó.
Nhưng đến năm 2023, khi cơn sốt AI bùng nổ, mọi thứ dường như khác hẳn. Ciriello cũng mất việc. Ông đã gửi hàng trăm đơn xin việc đến vị trí hỗ trợ IT, dịch vụ khách hàng, thậm chí cả công việc bán hàng tại quầy thực phẩm ở một siêu thị, nhưng đều nhận lại cái lắc đầu.
Không thể tìm công việc mới, Ciriello phải ở trên "ngôi nhà di động" là chiếc xe Toyota Highlander cũ. Vào một tối tháng 3/2024, ông nhận được tin nhắn bí ẩn trên LinkedIn và cuối cùng có công việc mới: huấn luyện các mô hình trí tuệ nhân tạo.
Sau khi tốt nghiệp trường Y khoa Albert Einstein và thạc sĩ y tế công cộng tại Đại học Brown nhiều năm trước, Rebecca Kimble, 52 tuổi, đã điều trị và cứu sống bệnh nhân tại các phòng cấp cứu trên khắp nước Mỹ, với thu nhập 300.000-500.000 USD mỗi năm. Nhưng vào tháng 2/2022, công việc của bà gặp trục trặc vì vấn đề sức khỏe. Sau hai năm điều trị và trở lại, bà liên tục bị từ chối khi ứng tuyển vào các vị trí.
Nhiều tháng nỗ lực tìm công việc mới không thành công, Kimble nhận ra bản thân có thể không quay lại phòng cấp cứu nữa, và đó là một cú sốc lớn. "Thật kinh khủng. Mỗi lần cố gắng nhưng lại bị từ chối, tôi lại phải trải qua quá trình vật lộn với chứng trầm cảm và lo âu. Tôi nghĩ một phần con người tôi đã chết, nhưng tôi chưa sẵn sàng cho điều đó". Đầu năm nay, Kimble tìm thấy công việc mới: đào tạo AI trên nhiều nền tảng khác nhau, đánh giá cách các mô hình ngôn ngữ lớn (LLM) phản hồi câu hỏi về y tế.
Giống như Kimble, Anne chuyển sang lĩnh vực đào tạo AI sau khi sự nghiệp học thuật của cô bị đình trệ. Người phụ nữ 60 tuổi yêu cầu giấu tên này có bằng thạc sĩ về khoa học sức khỏe và tiến sĩ về chính sách công, đã dành 18 năm làm việc trong lĩnh vực quản lý giáo dục đại học, giám sát và giảng dạy các chương trình tiến sĩ.
Tuy nhiên, các hội chứng liên quan đến hậu Covid-19 khiến Anne mệt mỏi và giảm trí nhớ. Bà nghỉ việc tháng 4/2023, sau đó ứng tuyển vào khoảng 100 vị trí làm việc từ xa, nhưng đều bị từ chối. Trong một lần tình cờ, Anne tìm thấy công việc huấn luyện AI trên mạng. Từng có mức lương 6 con số trong giới học thuật, bà khi đó kiếm được 26 USD/giờ khi huấn luyện AI của Google, sau đó là Meta, không có bất kỳ phúc lợi nào. "Thật đau lòng và nản chí khi nghĩ đến tất cả thời gian tôi đã dành cho sự nghiệp và những hy sinh tôi đã bỏ ra để có tấm bằng thạc sĩ", Anne nói.
Ciriello, Kimble, Anne là ba trong số những người trên 50 tuổi tìm đến công việc huấn luyện AI dù sở hữu trình độ chuyên môn cao. Công việc của họ chủ yếu là gắn nhãn và đánh giá thông tin sử dụng để đào tạo các mô hình như ChatGPT của OpenAI hay Gemini của Google. Các dịch vụ thường thông qua bên thứ ba như Mercor, GlobalLogic, TEKsystems, Micro1 hay Alignerr.
So với công việc trước đó, mức thu nhập của những chuyên gia giàu kinh nghiệm này có thể giảm rất sâu. Tuy nhiên, với hầu hết, chúng là công việc làm thêm, hoặc một phương án tạm thời sau khi bị sa thải. So với người huấn luyện phổ thông, nhóm chuyên gia này cũng kiếm nhiều tiền hơn, có thể tới 180 USD/giờ.
Nhưng đối với một số người lao động lớn tuổi như Ciriello, công việc huấn luyện AI lại mang ý nghĩa hoàn toàn khác: nơi nương náu cuối cùng trong một thị trường việc làm khắc nghiệt thời công nghệ, nơi càng lớn tuổi càng khó trụ lại hoặc quay lại làm việc. Đối với nhiều người trong số họ, việc AI "cướp" việc nếu đào tạo chúng hay không là điều không còn quan trọng. Họ cần việc làm ngay bây giờ.
Theo Richard Johnson, Phó chủ tịch Viện Chính sách Công AARP của Mỹ, lao động Mỹ trên 60 tuổi mất thời gian tìm việc mới lâu hơn tới 50% so với độ tuổi 20-30. Chỉ một phần nhỏ tìm được công việc có mức thu nhập trước đây. "Các nhà tuyển dụng cho rằng người lao động lớn tuổi tốn kém hơn, thiếu kỹ năng hiện đại và khó đào tạo hơn so với người trẻ tuổi", Johnson nói với WSJ.
Urban Institute, một tổ chức phi lợi nhuận chuyên nghiên cứu chính sách xã hội, cuối năm ngoái cho biết khoảng một nửa số người lao động ở Mỹ trong độ tuổi 50-54 bị buộc thôi việc sớm trước khi đến tuổi nghỉ hưu. Một tổ chức khác là Viện Chính sách Kinh tế (Economic Policy Institute) chỉ ra khoảng 5,7 triệu người lao động trên 55 tuổi đã mất việc làm giai đoạn 2020-2025, và nhiều người đến nay vẫn chưa tìm được việc làm ổn định.
Những người đang huấn luyện AI có trình độ cao cho biết công việc này có thể thú vị về mặt trí tuệ, nhưng nó cũng khiến họ phải đối mặt với sự bất ổn của nền kinh tế việc làm tự do. Ciriello cho biết đã phải ngừng một số công việc dán nhãn dữ liệu sau khi cảm thấy bị bóc lột; Anne đánh giá mọi thứ thoải mái hơn công việc cũ; nhưng Kimble cho rằng chúng "không phải là công việc", chỉ là một hình thức làm thêm.
"Nếu ngày mai, khi được giao một công việc đúng chuyên môn mà tôi nghĩ mình có thể làm được, tôi sẽ đi làm", bà Kimble nói". Tôi nhớ phòng cấp cứu".
Bảo Lâm tổng hợp
Mặt trái của nghề bán dữ liệu cá nhân cho AI
30 tỷ hình ảnh thu thập từ Pokémon Go được dùng để huấn luyện robot
Con người có thể cần huấn luyện để phân biệt khuôn mặt AI tạo
