Chiều rộng bắt đầu có giá: execution rẻ đi, phán đoán đa lĩnh vực lên giá

Milos Mandic trên FDE Hub lập luận rằng chiều rộng kinh nghiệm — thứ bị xem nhẹ suốt nhiều năm — giờ mới có giá trên thị trường tuyển dụng kỹ sư. Lập luận của ông nhắm vào tuyển dụng kỹ sư nói chung, không riêng FDE; chức danh FDE chỉ là nơi dịch chuyển này lộ ra rõ nhất. Đây là bài quan điểm, không kèm số liệu, nhưng lập luận cốt lõi rất rõ.

AI làm phần thực thi rẻ đi, nên giá trị dồn về khả năng phán đoán output có đúng nghiệp vụ của từng lĩnh vực hay không.

Vì sao chiều rộng từng bị định giá thấp? Mandic chỉ ra mô tả công việc luôn ưu ái người đi sâu một đường, đơn giản vì chuyên gia dễ đánh giá. Hồ sơ trải rộng không có thước đo sẵn, và quy trình tuyển dụng được xây quanh thứ đo được.

Execution rẻ, phán đoán đắt

Lập luận cốt lõi của bài: kỹ thuật phần mềm vẫn nằm trong danh sách những thứ cần phán đoán, nhưng không còn là mục duy nhất. Đòn bẩy AI có một giới hạn: model chỉ khuếch đại sự tò mò, phán đoán và gu mà người dùng mang vào; nó không bù được thứ bạn thiếu. Với FDE, điều này chạm thẳng vào bản chất công việc: ngồi cạnh khách hàng và quyết định output nào đúng với nghiệp vụ của họ.

Lời khuyên của Mandic cho nhà tuyển dụng: hỏi ứng viên phân biệt được đúng–sai trong bao nhiêu lĩnh vực.

Dữ liệu tuyển dụng nói gì

Số liệu tin tuyển dụng khớp với lập luận này. Perspective phân tích 1.000 tin tuyển FDE: yêu cầu tăng nhanh nhất là khả năng customer discovery trực tiếp với khách hàng, xuất hiện ở hơn 70% tin gần đây. Coding chỉ là điều kiện tối thiểu; ngôn ngữ dùng để phân biệt ứng viên xoay quanh việc hiểu khách hàng.

Tốc độ của làn sóng này tùy cách đếm. Perspective ghi nhận tuyển FDE tăng hơn 1.000% so với cùng kỳ tính đến đầu 2026; Paraform tính 350% từ quý 1/2025 đến quý 1/2026. Paraform cũng ghi nhận nguồn cung ứng viên đủ chuẩn chưa theo kịp cầu, và khuyên nhà tuyển dụng tập trung sàng lọc hai phẩm chất khó đo nhất: đồng cảm với khách hàng và chịu được sự mơ hồ.

Phía cầu có thêm những cái tên lớn. AWS đã theo chân OpenAI và Anthropic đưa kỹ sư vào làm việc bên trong doanh nghiệp.

Chuẩn bị cho vòng phỏng vấn kiểu mới

Câu có thể gặp	Thứ họ đang đo	Cách thể hiện
“Bạn phân biệt đúng–sai được trong bao nhiêu lĩnh vực?”	Phán đoán đa lĩnh vực	Kể 2–3 dự án ở ngành khác nhau, mỗi dự án một lần bạn bác bỏ output chạy được nhưng sai nghiệp vụ
“Buổi gặp đầu với khách hàng, bạn hỏi gì?”	Customer discovery	Trình bày chuỗi câu hỏi đi từ quy trình hiện tại đến chỗ đau, không bắt đầu từ giải pháp
“Yêu cầu mơ hồ, bạn làm gì trước?”	Chịu được mơ hồ	Mô tả cách bạn chốt một giả định nhỏ để chạy thử thay vì chờ spec đầy đủ
“Bạn dùng AI thế nào trong công việc?”	Gu và phán đoán mang vào model	Nêu ví dụ bạn sửa hoặc loại output của model vì hiểu lĩnh vực hơn nó

Với developer Việt Nam đã làm outsourcing qua nhiều ngành, đây là lợi thế bị bỏ phí lâu nay. Hồ sơ liệt kê stack sẽ trông như “biết nhiều nhưng không sâu”; hồ sơ sắp xếp theo lĩnh vực nghiệp vụ, kèm quyết định bạn đã đưa ra ở mỗi ngành, lại khớp đúng thứ thị trường FDE đang tìm. Khi đọc job description, hãy để ý cụm “discovery”, “customer-facing”, “ambiguity”: đó là tín hiệu công ty đang tuyển phán đoán, không tuyển tay code.