Khi ai cũng có AI, khoảng cách nằm ở đâu?

08/09/20268 phút đọc✦ Có AI hỗ trợ

AI ngày càng rẻ và dễ tiếp cận. Khi mọi người trong team đều có AI, lợi thế có lẽ không còn nằm ở việc ai có AI — mà ở việc mỗi người có thể làm được gì với nó.

Dạo này gần như developer nào quanh tôi cũng đã dùng AI.

ChatGPT, Claude, Codex, coding agent… khác nhau một chút, nhưng chuyện “có AI để dùng” đang dần trở nên bình thường.

Điều này làm tôi nghĩ đến một câu hỏi khác.

Nếu một ngày ai cũng có AI, lợi thế nằm ở đâu?

Trước đây tôi từng nghĩ khoảng cách sẽ khá đơn giản: người có tiền dùng model tốt hơn, nhiều token hơn, nhiều công cụ hơn thì sẽ có lợi thế hơn.

Nhưng càng dùng AI, tôi càng thấy câu chuyện đó chưa đủ.

Có một khoảng cách khác gần hơn nhiều. Nó có thể xuất hiện ngay giữa hai người ngồi trong cùng một team, được công ty cấp cùng một công cụ AI.

Minh họa: cùng có AI nhưng mức độ khuếch đại khác nhau

Cùng có AI, nhưng không cùng cách dùng

Thử tưởng tượng một team có 5 developer.

Công ty mua cùng một gói AI cho cả 5 người.

Về lý thuyết, khoảng cách tiếp cận gần như bằng 0.

Một người dùng AI chủ yếu như thế này:

đọc task
→ hỏi AI
→ copy code
→ chỉnh sửa
→ commit

AI giúp người đó làm những việc vốn đã biết nhanh hơn. Một task mất một giờ có thể còn bốn mươi phút. Một đoạn boilerplate không cần tự gõ nữa.

Rất hữu ích.

Nhưng một người khác bắt đầu thay đổi cả workflow:

requirement
→ AI giúp tìm context trong codebase
→ chia nhỏ vấn đề
→ agent implement
→ tạo test
→ kiểm tra diff
→ chạy CI
→ chuẩn bị PR

Rồi những việc lặp lại tiếp tục được đưa vào script, tool hoặc automation.

Cả hai đều có AI.

Nhưng thứ họ nhận được từ AI không giống nhau.

Tôi thấy đây là khác biệt giữa hai khái niệm:

AI access — tôi có được dùng AI hay không?

AI leverage — AI khuếch đại được năng lực của tôi đến đâu?

AI càng phổ biến, “có AI” càng ít đặc biệt

Có một nghịch lý khá thú vị.

Nếu chỉ 1 trong 10 developer có coding assistant, công cụ đó có thể là một lợi thế rõ ràng.

Nhưng nếu cả 10 người đều có?

AI access
không còn tạo khác biệt lớn

        ↓

khác biệt chuyển sang

AI leverage

Internet từng đi qua một quá trình tương tự.

Có Internet từng là một lợi thế. Bây giờ chuyện đó gần như mặc định với nhiều công việc tri thức.

Nhưng giá trị mỗi người lấy được từ Internet vẫn rất khác nhau: có người chủ yếu tiêu thụ nội dung, có người dùng nó để học, làm việc, xây sản phẩm hoặc vận hành cả doanh nghiệp.

AI có thể đang đi rất nhanh theo hướng đó.

Stanford AI Index 2026 cho thấy một điều đáng chú ý: trong khi việc xây frontier AI cần lượng compute và vốn khổng lồ, nhiều sản phẩm generative AI ở phía người dùng lại miễn phí hoặc gần miễn phí. Khả năng của model tăng nhanh trong khi chi phí để một người bình thường bắt đầu sử dụng AI ngày càng thấp.

Vì vậy tôi không còn nghĩ giá token là phần thú vị nhất của câu chuyện này.

AI có thể khuếch đại thứ mình đã có

Đây là phần khiến tôi suy nghĩ nhiều hơn.

Một developer đã biết cách đọc requirement, chia bài toán, hiểu codebase, viết test và review code có thể dùng AI để tăng tốc từng bước đó.

Một người biết automation có thể dùng AI để tạo thêm automation.

Một người hiểu system design có thể dùng AI để khám phá nhiều phương án nhanh hơn rồi tự đánh giá trade-off.

Một người biết mình đang tìm gì có thể dùng AI để học nhanh hơn.

AI không thay thế những năng lực đó theo cách đơn giản.

Trong nhiều trường hợp, nó đứng lên trên chúng.

chuyên môn
+ judgment
+ khả năng học
+ workflow
+ AI
      ↓
leverage lớn hơn

Điều ngược lại cũng đáng chú ý.

Nếu tôi chưa biết code tốt trông như thế nào, AI có thể giúp tôi tạo ra nhiều code hơn nhưng chưa chắc giúp tôi tạo ra nhiều năng lực hơn.

Đặc biệt khi output của model trông rất thuyết phục.

Đây cũng là lý do tôi không nghĩ tương lai đơn giản là “người biết AI” thắng “người không biết AI”.

Có thể câu hỏi đúng hơn là:

AI đang khuếch đại cái gì ở mỗi người?

Khoảng cách có thể tích lũy

Giả sử hai developer bắt đầu không quá khác nhau.

Sau vài tháng, một người đã dùng AI để nhận scope lớn hơn, thử nhiều thứ hơn và giải quyết những task trước đây họ ngại đụng tới.

Điều quan trọng là người đó không chỉ hoàn thành thêm task.

Họ còn nhận thêm kinh nghiệm.

Và kinh nghiệm đó quay lại làm cho việc sử dụng AI tốt hơn.

Biết làm việc tốt
       ↓
AI khuếch đại
       ↓
Làm được việc khó hơn
       ↓
Có thêm kinh nghiệm
       ↓
Biết sử dụng AI tốt hơn
       ↺

Đây mới là vòng lặp tôi thấy đáng chú ý.

Một khác biệt nhỏ về cách dùng AI hôm nay có thể chưa đáng kể.

Nhưng nếu nó giúp một người học nhanh hơn, nhận scope lớn hơn và tích lũy kinh nghiệm nhanh hơn trong vài năm thì khoảng cách có thể không còn nhỏ nữa.

Những nghiên cứu về AI và lao động cũng cho thấy câu chuyện không đơn giản là “có AI = năng suất tăng”. ILO nhấn mạnh rằng lợi ích từ AI phụ thuộc vào kỹ năng, hạ tầng và đặc điểm công việc. DORA khi nghiên cứu software development cũng mô tả AI như một amplifier: nó có xu hướng khuếch đại những điểm mạnh hoặc điểm yếu vốn có trong hệ thống làm việc.

Điều đó khá giống những gì tôi thấy khi nhìn ở cấp độ một developer.

Nhưng đây không nhất thiết là tin xấu

Nếu AI chỉ dành cho một nhóm nhỏ có rất nhiều tiền, câu chuyện đáng lo hơn nhiều.

Nhưng AI đang đi theo chiều ngược lại ở phía người dùng.

Một sinh viên có thể dùng AI để học lập trình.

Một junior developer có thể hỏi những câu trước đây ngại hỏi senior.

Một người không giỏi tiếng Anh có thể đọc tài liệu kỹ thuật dễ hơn.

Một developer độc lập có thể thử một ý tưởng mà trước đây cần cả team.

Đó là một lực rất mạnh theo hướng thu hẹp khoảng cách.

ILO trong báo cáo 2025 cũng không kết luận rằng phần lớn công việc sẽ đơn giản bị AI thay thế. Với nhiều nghề, kịch bản được nhấn mạnh hơn là công việc sẽ thay đổi khi con người làm việc cùng AI.

Vì vậy tôi không nghĩ có thể kết luận:

AI sẽ làm khoảng cách giữa mọi người ngày càng lớn.

Có thể AI giúp một người ít kinh nghiệm bắt kịp nhanh hơn.

Cũng có thể nó giúp một người vốn đã rất giỏi tiến nhanh hơn nữa.

Hai chuyện đó hoàn toàn có thể xảy ra cùng lúc.

Tôi nghĩ lợi thế đang dịch chuyển

Trước đây tôi nhìn AI như một tool:

không có AI → có AI

Bây giờ tôi thấy nó giống một lớp leverage hơn:

AI
×
kiến thức
×
judgment
×
workflow
×
khả năng học

Không phải công thức toán học. Chỉ là cách tôi hình dung vấn đề.

Và nó thay đổi câu hỏi tôi đặt ra cho chính mình.

Thay vì:

Tôi đang dùng model nào?

hay:

Quota của tôi nhiều bao nhiêu?

câu hỏi thú vị hơn có lẽ là:

AI đã thay đổi cách tôi làm việc như thế nào?

Nếu câu trả lời chỉ là “tôi viết cùng loại code nhưng nhanh hơn một chút”, có lẽ tôi mới khai thác một phần khá nhỏ của nó.