Một, bốn hay năm năm: tin tuyển dụng của Palantir, Anthropic và OpenAI cho biết quãng đường sang FDE dài bao lâu

Ba tin tuyển dụng cùng ghi chức danh Forward Deployed Engineer nhưng đòi ba con số khác nhau. Palantir cần ít nhất 1 năm kinh nghiệm sau đại học. Anthropic cần 4 năm trở lên ở vai trò kỹ thuật làm việc trực tiếp với khách hàng, còn OpenAI, với vị trí FDE mảng dịch vụ tài chính, cần từ 5 năm.

Vì thế câu hỏi “mất bao lâu để chuyển sang FDE” khó trả lời bằng số tuần. Không có khóa học tám tuần nào biến 2 năm kinh nghiệm thành 4 năm. Những tuần học thêm mang lại một thứ khác: bằng chứng cho đúng những yêu cầu mà người tuyển dụng sẽ soi.

Nếu bạn có 2 đến 8 năm làm kỹ sư phần mềm, có lẽ bạn đã đủ điều kiện cho ít nhất một tầng. Việc cần làm là xác định mình đứng ở tầng nào, xem còn thiếu gì để lên tầng tiếp theo, rồi dùng các buổi tối và cuối tuần để lấp đúng chỗ thiếu đó.

Cùng chức danh nhưng là ba công việc khác nhau

Khi so ba tin với nhau, chúng không chỉ khác ở số năm. Mỗi tin cho biết công ty sẽ giao bạn việc gì ngay từ tuần đầu.

Cần nói rõ một giới hạn: mỗi công ty ở đây chỉ có một tin, với Anthropic là vị trí ở Munich và OpenAI là mảng dịch vụ tài chính. Vì thế các “tầng” dưới đây là cách đọc ba tin cụ thể, không phải quy luật chung cho mọi vị trí FDE ở các AI lab.

	Palantir	Anthropic (Munich)	OpenAI (Financial Services)
Kinh nghiệm tối thiểu	1+ năm sau đại học	4+ năm ở vai trò kỹ thuật, customer-facing	5+ năm engineering hoặc deployment, có phần customer-facing
Kỹ năng code	Python, Java, C++, TypeScript/JavaScript hoặc tương tự	Kinh nghiệm production với LLM: prompt engineering, agent, eval	Code full-stack chuẩn production, Python, JavaScript hoặc tương đương
Sản phẩm phải giao	Kết hợp engineering với làm việc trực tiếp với stakeholder	MCP server, sub-agent, agent skill trong hệ thống khách	Tự chịu trách nhiệm từ prototype đầu tiên tới production ổn định, qua nhiều deployment
Đi công tác	Tới 25%, linh hoạt theo mong muốn cá nhân	25-50%	Tới 50%, bắt buộc
Bạn cần chứng minh	Code tốt, hợp tác được với người không chuyên kỹ thuật	Đã đưa LLM lên production và đo được chất lượng	Đã tự đưa nhiều dự án lên production cho khách hàng

Cột Palantir là cửa vào nghề. Tin này nhấn mạnh việc trao đổi trực tiếp với stakeholder của khách, từ đội kỹ thuật tới lãnh đạo, và khả năng làm việc hiệu quả trong nhóm có cả người kỹ thuật lẫn không kỹ thuật. Ngoài code, họ muốn thấy bạn không ngại ngồi cùng bàn với người không đọc code.

Hai cột còn lại là tầng AI lab, ít nhất trong hai tin này. Ở đây số năm đi kèm một điều kiện rất cụ thể: những năm đó phải có khách hàng hoặc có production.

Anthropic gọi thẳng tên sản phẩm phải giao là MCP server, sub-agent, agent skill. OpenAI nói rõ bạn tự chịu trách nhiệm từ bản prototype đầu tiên đến khi hệ thống chạy ổn định, và làm vậy với nhiều deployment.

Khoảng cách giữa các tầng không nằm ở ngôn ngữ lập trình

Nhìn vào hàng kỹ năng code, khác biệt giữa ba công ty khá nhỏ. Python và JavaScript có mặt trong cả tin của Palantir lẫn tin của OpenAI. Kỹ sư có 3 năm kinh nghiệm backend nhiều khả năng đã qua được hàng này.

Hai hàng còn lại mới tạo ra khoảng cách: kinh nghiệm customer-facing và kinh nghiệm production với LLM. Paraform, một nền tảng tuyển dụng, viết trong hướng dẫn về nghề FDE rằng chỉ có chiều sâu kỹ thuật thì chưa đủ để trụ được. Theo họ, quản lý stakeholder và khả năng thích nghi quan trọng không kém.

Paraform cũng đưa ra một nhận định đáng chú ý với người đang tính chuyển nghề. Theo họ, xuất thân ít quan trọng hơn tính cách, và bạn không cần từng làm consulting. Những kỹ sư từng đi hackathon, làm ở startup giai đoạn đầu hoặc trực on-call thường thích nghi nhanh nhất.

Như vậy, một phần kỹ năng làm việc với khách hàng có thể đã nằm sẵn trong công việc hiện tại của bạn, chỉ là chưa được kể ra. Một đêm on-call phải giải thích cho đội vận hành vì sao hệ thống thanh toán ngừng chạy cũng là một lần làm việc với stakeholder dưới áp lực.

Năm kinh nghiệm cũ được tính tới đâu?

Thử hình dung một kỹ sư backend có 4 năm kinh nghiệm, chưa từng mang chức danh nào có chữ “khách hàng”. Nếu đọc đúng từng chữ trong tin của Anthropic, người này chưa đủ điều kiện, vì tin ghi rõ số năm phải nằm ở một vai trò customer-facing.

Nếu trong 4 năm đó họ từng trực on-call, từng ngồi với đội sales để làm một tích hợp gấp, từng demo cho đối tác, thì đó là chất liệu tốt cho CV và buổi phỏng vấn.

Nhưng đừng mặc định nhà tuyển dụng sẽ tính những năm ấy ngang với năm làm ở vị trí customer-facing thật sự. Chúng chứng minh tố chất, chưa thay được điều kiện.

Việc cần làm là viết lại cho rõ, không phải bịa thêm hay đổi tên chức danh.

Với mỗi lần như vậy, hãy ghi ra ai là người cần giải pháp, họ không hiểu điều gì, bạn đã chuyển yêu cầu mơ hồ của họ thành hệ thống chạy được ra sao, và kết quả cuối cùng là gì.

Nếu không ghi được kết quả, câu chuyện đó chưa dùng được.

Tương tự, kỹ sư 2 năm kinh nghiệm không nên cố chen vào tin 5 năm của OpenAI. Tầng phù hợp với họ là kiểu tin như của Palantir, nơi ngưỡng là 1 năm và thứ được chấm là code tốt cộng khả năng hợp tác.

Nộp đúng tầng giúp bạn có thêm năm kinh nghiệm có khách hàng thật, và chính những năm đó mới mở được cửa vào tầng AI lab về sau.

Mười hai tuần vừa đi làm vừa tạo ra bằng chứng

Kế hoạch dưới đây là một gợi ý cho người đang đi làm toàn thời gian. Mỗi giai đoạn được thiết kế để tạo ra đúng một loại bằng chứng mà bảng trên cho thấy là còn thiếu.

Tuần 1 và 2 dành cho việc đọc tin tuyển dụng như đọc spec. Hãy chọn ba tin ở cả hai tầng, rồi chia từng dòng yêu cầu vào ba nhóm: đã có bằng chứng, có nhưng chưa ghi vào CV, và chưa có. Danh sách nhóm thứ ba chính là phạm vi công việc của mười tuần tiếp theo.

Tuần 3 đến 6 dành để xây một agent nhỏ có eval, vì đây là phần tin của Anthropic gọi tên rõ nhất: prompt engineering, phát triển agent, evaluation framework.

Hãy chọn một quy trình có thật ở công ty, chẳng hạn phân loại ticket hỗ trợ, và viết bộ test case trước khi viết prompt. Một agent kèm bảng điểm chất lượng qua từng phiên bản đáng giá hơn mười bản demo không đo đạc gì.

Tuần 7 đến 9, bạn bọc agent đó thành một MCP server để công cụ khác gọi được, sau đó đưa nó cho một người dùng thật không phải kỹ sư.

Giai đoạn này nhắm vào yêu cầu của OpenAI về việc tự chịu trách nhiệm từ prototype đến production, chỉ là ở quy mô nhỏ. Phần khó nhất sẽ là những lần người dùng đòi thứ khác với thứ bạn đã xây, và đó cũng là chuyện đáng mang vào buổi phỏng vấn nhất.

Tuần 10 đến 12 dành cho việc đóng gói. Hãy viết một bài ngắn mô tả vấn đề, người dùng, các con số eval và những gì bạn đã thay đổi sau phản hồi. Sau đó sửa CV sao cho mỗi gạch đầu dòng bắt đầu bằng một người hoặc một đội cụ thể bạn đã giúp, không bắt đầu bằng tên công nghệ.

Đi công tác là một phần của công việc

Có một dòng trong cả ba tin mà người chuyển nghề hay đọc lướt qua: đi công tác. Palantir ghi tới 25% và linh hoạt theo mong muốn cá nhân. Anthropic ghi 25-50% để xây sản phẩm trực tiếp cùng khách. OpenAI ghi tới 50% và nói rõ đây là yêu cầu bắt buộc.

Con số này nói lên bản chất công việc nhiều hơn mọi dòng mô tả khác. Với tin của OpenAI, cứ hai tuần thì có thể một tuần bạn ngồi ở văn phòng khách hàng. Nếu hoàn cảnh gia đình không cho phép, vị trí có mức đi lại linh hoạt hơn là lựa chọn hợp lý hơn, dù yêu cầu kinh nghiệm thấp hơn.

Vì thế, trong buổi phỏng vấn đầu tiên, hãy hỏi thẳng về tỷ lệ đi công tác thực tế của đội. Nói rõ giới hạn của mình từ sớm sẽ tốt hơn nhiều so với nhận việc rồi mới nhận ra lịch trình không phù hợp.

Đơn vị đo đúng là số deployment

Quay lại câu hỏi ban đầu. Với người có 1 năm kinh nghiệm, code tốt và chịu làm việc với người không chuyên kỹ thuật, các yêu cầu chính trong tin của Palantir đã nằm trong tầm với. Khi đó, mười hai tuần chủ yếu dùng để biến chúng thành bằng chứng mà người tuyển dụng nhìn thấy được, chứ không bảo đảm một lời mời làm việc.

Với người nhắm vào tầng AI lab, quãng đường được đo bằng số lần bạn đưa một hệ thống tới tay người dùng thật và chịu trách nhiệm cho nó.

Mười hai tuần không thay được bốn năm kinh nghiệm. Nhưng chúng đủ để bạn có deployment đầu tiên, và sau đó mỗi deployment tiếp theo đều tính vào hồ sơ.