Kỹ năng FDE theo 1.000 tin tuyển dụng: Python đứng đầu với 66%, sau đó là gì?

Bạn mở một tin tuyển Forward Deployed Engineer và đếm được mười mấy yêu cầu: Python, TypeScript, một nền tảng cloud, LLM, agent, giao tiếp với stakeholder, sẵn sàng đi công tác. Lúc đó câu hỏi cần trả lời không còn là “mình đủ chưa”, mà là “nên học cái nào trước”.

Đoán theo cảm giác thì rất dễ sai hướng. Bloomberry đã phân tích 1.000 tin FDE và đếm xem mỗi kỹ năng xuất hiện bao nhiêu lần, nên có sẵn một căn cứ tốt hơn.

Khi biết kỹ năng nào có mặt ở hai phần ba số tin và kỹ năng nào chỉ ở chưa tới một phần năm, bạn sẽ có thứ tự ưu tiên cho cả việc học lẫn cách viết CV.

Đọc tin tuyển có phương pháp ngày càng đáng giá. Dữ liệu tuyển dụng của Paraform cho thấy số tin FDE tăng 350% từ quý 1/2025 đến quý 1/2026. Tin càng nhiều thì càng nhiễu, và người biết lọc ra phần cốt lõi sẽ nộp hồ sơ đúng chỗ hơn.

Hai phần ba số tin đòi cùng một ngôn ngữ

Dưới đây là các kỹ năng kỹ thuật trong mẫu của Bloomberry, xếp theo tần suất. Cột thứ ba đổi phần trăm ra số tin cụ thể trên tổng 1.000 tin, để bạn hình dung quy mô dễ hơn.

Kỹ năng	Tỷ lệ tin nhắc tới	Tương đương
Python	66%	660 tin
TypeScript	35%	350 tin
AI agent	35%	350 tin
AWS	32%	320 tin
Kinh nghiệm LLM	31%	310 tin
GCP	22%	220 tin
Azure	18%	180 tin

Python bỏ xa mọi kỹ năng còn lại: 66%, gần gấp đôi TypeScript ở hàng thứ hai. Sau đó là một nhóm sát nhau quanh mức một phần ba: TypeScript, agent, AWS và LLM. Nói cách khác, Python gần như là cửa vào, còn nhóm thứ hai là chỗ các ứng viên bắt đầu khác nhau.

Ngoài phần kỹ thuật, có một con số khác cũng nên nhớ: 68% số tin yêu cầu đi công tác tới chỗ khách hàng.

Vì sao không được cộng các con số phần trăm?

Đây là lỗi đọc dữ liệu hay gặp nhất. Cộng AWS, GCP và Azure lại thì được 72%, nhưng không thể kết luận rằng 72% số tin đòi hỏi cloud. Một tin có thể nhắc cả AWS lẫn GCP, nên cùng một tin bị đếm hai lần.

Vì thế, hãy đọc mỗi kỹ năng như một con số riêng, tính độc lập trên tổng 1.000 tin. Câu hỏi đúng là: nếu chỉ học thêm một thứ, thứ nào mở ra được nhiều tin nhất? Với cloud thì đó là AWS, có mặt ở 320 tin, so với 220 tin của GCP.

Cách đọc này cũng giúp bạn tránh học lan man. Một engineer thành thạo AWS, từng tự deploy, tự gỡ lỗi IAM và theo dõi chi phí, sẽ thuyết phục hơn người chỉ học sơ qua cả ba cloud. Khi đã hiểu sâu một nền tảng, chuyển sang nền tảng khác tại chỗ khách hàng sẽ nhanh hơn nhiều.

Bóc tách một tin thật: OpenAI ở New York

Giờ thử áp bảng tần suất vào tin FDE của OpenAI tại New York. Tin này đòi 5 năm kinh nghiệm kỹ thuật hoặc triển khai trở lên, trong đó phải có phần làm việc trực tiếp với khách hàng. Ứng viên cần viết được code production bằng Python hoặc JavaScript, và phải từng xây hoặc triển khai hệ thống chạy bằng LLM hay mô hình sinh.

Hãy so từng yêu cầu với bảng tần suất. Python là kỹ năng phổ biến nhất (66%). JavaScript thì không có số riêng, vì Bloomberry chỉ đếm TypeScript (35%), nhưng Paraform xếp cả Python lẫn JavaScript vào nhóm “table stakes”, tức mức vé vào cửa. Yêu cầu về LLM (31%) mới là nơi tin này bắt đầu chọn lọc.

Dòng tiếp theo dễ bị đọc lướt nhất. Tin của OpenAI muốn ứng viên giao tiếp rõ ràng với kỹ sư, đội sản phẩm và các bên liên quan phía khách hàng.

Paraform cũng cho rằng sự khác biệt giữa các ứng viên nằm ở việc đã triển khai LLM hoặc agent thật, cộng với kỹ năng mềm như thấu hiểu khách hàng. Tin của OpenAI khớp đúng hai điểm đó: đòi người đã từng xây hoặc triển khai hệ thống LLM, và đòi người giao tiếp tốt với phía khách hàng.

So với tin Forward Deployed Software Engineer mảng chính phủ Mỹ của Palantir thì thấy một kiểu khác. Tin này muốn người code giỏi với Python, Java hoặc C++, và đòi giấy phép an ninh cấp Top Secret.

Giấy phép an ninh gắn với mảng chính phủ của riêng tin này, nên hợp lý hơn cả là xếp nó vào nhóm rào cản đặc thù của một công ty, thay vì coi là tín hiệu chung của thị trường.

Tin của Palantir còn nói thêm một điều hữu ích: FDSE làm việc tự chủ, tự ra quyết định và thường xuyên hỏi ý kiến khách hàng. Gặp câu như vậy, bạn nên chuẩn bị sẵn một câu chuyện phỏng vấn về lần bạn phải tự quyết khi không có ai duyệt giúp.

Từ bảng tần suất đến kế hoạch học

Từ bảng trên có thể xếp ra ba tầng. Tầng một là Python ở mức production: có test, đóng gói được, xử lý lỗi đàng hoàng.

Tầng hai là một hoặc hai kỹ năng trong nhóm một phần ba: TypeScript nếu bạn hay làm giao diện cho khách hàng, agent và LLM nếu bạn muốn nhắm vào các công ty AI.

Tầng ba là một cloud, và nếu chưa có lý do riêng thì chọn AWS.

Xuyên suốt cả ba tầng là bằng chứng bạn từng làm việc trực tiếp với khách hàng. Khi 68% số tin yêu cầu đi công tác và tin của OpenAI ghi rõ kinh nghiệm phải có phần làm với khách hàng, nhiều khả năng người tuyển muốn thấy bạn từng xây một thứ cho người thật dùng, ngay tại chỗ của họ.

Đến bước viết CV, thử so hai cách viết. Cách yếu: “Có kinh nghiệm với LLM, agent, AWS”. Cách mạnh hơn, ở dạng giả định: “Xây agent đọc hoá đơn cho đội kế toán 12 người, chạy trên AWS Lambda, giảm thời gian đối soát từ hai ngày xuống nửa ngày”.

Câu thứ hai trả lời đúng ba điều tin tuyển muốn biết: bạn xây gì, cho ai dùng, và nó có chạy thật không.

Ba lỗi khiến danh sách kỹ năng phản tác dụng

Lỗi phổ biến nhất là học cho đủ mọi ô trong danh sách. Bảng tần suất dùng để chọn bỏ bớt, không phải để gom hết. Ứng viên biết sâu Python, một cloud và từng có một dự án agent chạy thật sẽ đứng trên người biết sơ sơ cả bảy kỹ năng.

Một lỗi khác là coi số năm kinh nghiệm như một bức tường. Bloomberry ghi nhận 60% số tin nhắm vào nhóm mid-level từ 3 đến 5 năm, còn entry-level chỉ chiếm 12%, tức khoảng 120 trên 1.000 tin.

Nếu bạn dưới ba năm kinh nghiệm, hãy nhắm thẳng vào nhóm nhỏ đó, đồng thời tích luỹ những việc làm với khách hàng ngay trong công việc hiện tại.

Lỗi cuối cùng là chỉ liệt kê từ khoá. Ghi “LLM” trên CV thì trình lọc tự động có thể nhận ra, nhưng người phỏng vấn sẽ hỏi bạn đã đưa gì lên production, nó hỏng ở đâu và bạn sửa thế nào. Chuẩn bị sẵn một câu chuyện có số liệu thật thì hiệu quả hơn mười từ khoá.

Bài tập: tự đếm trên năm tin tuyển

Chọn năm tin FDE ở những công ty bạn thật sự muốn vào. Chép từng yêu cầu thành một dòng trong bảng tính, gộp các cách diễn đạt khác nhau của cùng một kỹ năng, rồi đếm. So kết quả với bảng ở trên: chỗ nào khớp là tín hiệu của thị trường, chỗ nào lệch là đặc thù của nhóm công ty bạn nhắm tới.

Bảng của Bloomberry cho bạn cái nhìn chung về thị trường. Năm tin bạn tự đếm mới cho biết bạn nên học gì vào thứ Hai tới.