Khi Big Tech đổ $725 tỷ vào AI và sa thải 20.000 người trong một tháng: Việt Nam đứng ở đâu?

Dữ liệu tính đến tháng 5/2026 — Lĩnh vực này thay đổi nhanh. Một số số liệu, mô hình, hoặc công cụ có thể đã được cập nhật.

Tháng 4/2026, trong vòng chưa đầy hai tuần, Meta cắt giảm 8.000 vị trí và hủy thêm 6.000 vị trí đang tuyển. Microsoft theo sau với gói "tự nguyện nghỉ việc" dành cho 8.750 nhân viên tại Mỹ — tương đương khoảng 7% lực lượng lao động nội địa. Cộng lại: hơn 20.000 người mất việc hoặc sắp mất việc trong một tháng, tại hai trong số những công ty giàu nhất lịch sử nhân loại.

Cùng lúc đó, Big Tech đang trên đà chi $725 tỷ đô la cho AI capex (cơ sở hạ tầng AI) trong năm 2026. Không phải nghịch lý — mà là một phương trình rất lạnh lùng: tiền từ quỹ lương đang được chuyển thành tiền mua GPU.

Bài viết này không phân tích đợt sa thải này như một sự kiện đơn lẻ. Thay vào đó, tôi muốn đặt nó vào bức tranh lớn hơn: điều gì đang thực sự xảy ra với thị trường lao động công nghệ toàn cầu, cấu trúc nào đang thay đổi và không thể đảo ngược, và một Data Scientist hay developer người Việt — có 3 đến 7 năm kinh nghiệm — cần đọc những tín hiệu này như thế nào.

---

Bức tranh sa thải tại Mỹ: Con số và nguyên nhân thật sự

Từ 2022 đến 2025, hơn 600.000 kỹ sư công nghệ bị sa thải tại Mỹ. Để có cảm giác về quy mô: năm 2024 một mình đã ghi nhận 152.922 người bị cắt giảm từ 551 công ty; năm 2025 con số nhảy lên gần 246.000 người trong 783 sự kiện được theo dõi.

Nhưng câu hỏi quan trọng hơn con số là: tại sao?

Có ba nguyên nhân cộng hưởng, và chúng không dễ tách bạch:

Thứ nhất, điều chỉnh sau đại dịch. Trong 2020–2021, các công ty công nghệ tuyển dụng ồ ạt dựa trên kỳ vọng tăng trưởng không tưởng. Khi thực tế trở lại, headcount phải giảm. Meta đơn lẻ đã cắt ~21.000 người chỉ trong tháng 11/2022. Amazon cắt tổng 27.000 người trong hai đợt năm 2023.

Thứ hai, lãi suất và áp lực lợi nhuận. Khi chi phí vốn tăng, Wall Street không còn thưởng cho tăng trưởng bằng mọi giá — họ thưởng cho margin. Mỗi nhân viên công nghệ ở San Francisco tốn trung bình $250.000–$400.000/năm khi tính cả lương, equity và phúc lợi. Cắt giảm headcount là cách nhanh nhất để cải thiện số liệu tài chính trước khi earnings call.

Thứ ba — và đây là phần phức tạp — AI automation. Theo dữ liệu từ Goldman Sachs, chỉ 11% công ty công khai quy trách cho AI khi sa thải. Nhưng 47% nói rằng họ dùng AI để tăng năng suất — có nghĩa là làm cùng khối lượng công việc với ít người hơn. Như Washington Post phân tích vào tháng 5/2026, ngay cả Sam Altman cũng thừa nhận hiện tượng "AI washing": nhiều công ty đổ lỗi cho AI những gì thực ra họ sẽ cắt dù sao — nhưng điều đó không có nghĩa là AI không có ảnh hưởng thực. Nó có. Chỉ là khó đo hơn người ta tưởng.

Ba nguyên nhân này đan xen nhau. Đó là lý do tại sao cả hai luận điểm cực đoan — "AI đang cướp việc của mọi người" và "đây chỉ là chu kỳ bình thường" — đều vừa đúng vừa sai.

---

Bản chất vấn đề: Ai là người đầu tiên ngã?

Nếu bạn muốn tìm tín hiệu AI thực sự trong dữ liệu sa thải, đừng nhìn vào tổng số. Hãy nhìn vào việc làm entry-level.

Theo Rest of World và CNBC, tuyển dụng entry-level trong lĩnh vực công nghệ đã giảm hơn 50% trong vòng ba năm (2022–2025). Chỉ riêng năm 2024, số lượng tin tuyển dụng entry-level giảm 25% so với năm trước. Số lượng internship trên nền tảng Handshake giảm 30% từ 2023.

Stanford Digital Economy Lab ghi nhận: nhóm software developer tuổi 22–25 chứng kiến mức giảm việc làm khoảng 20% từ đỉnh cuối 2022. Một nhà kinh tế của Goldman Sachs chỉ ra rằng tỷ lệ thất nghiệp trong nhóm 20–30 tuổi ở các ngành nghề bị AI ảnh hưởng đã tăng khoảng 3 điểm phần trăm từ đầu 2025. Kết quả khảo sát SHRM 2024 còn thẳng thắn hơn: 70% hiring manager cho rằng AI có thể làm được công việc của intern.

Điều này không xảy ra ngẫu nhiên. Những công việc entry-level trong tech thường là những công việc có tính lặp lại cao nhất: viết unit test, review code cơ bản, xử lý dữ liệu, phân tích báo cáo sơ bộ, Tier 1 support. Đây chính xác là danh mục mà các công cụ AI hiện tại có thể xử lý đủ tốt để thay thế. Không cần thay thế hoàn toàn — chỉ cần đủ tốt để một senior engineer với AI có thể làm bằng công việc của ba junior engineers trước đây.

Hậu quả ngoài ý muốn: bậc thang sự nghiệp truyền thống đang mất đi bậc thấp nhất. Trước đây bạn học nghề ở tầng dưới, tích lũy kinh nghiệm và leo lên. Khi tầng dưới biến mất, câu hỏi là: người mới vào nghề bắt đầu từ đâu?

---

Nhật Bản: Khi AI không sa thải bạn nhưng có thể vô hiệu hóa bạn

Nhật Bản là trường hợp phản nghịch đáng suy ngẫm nhất trong câu chuyện này.

Tại Mỹ, khi AI tăng hiệu quả, công ty cắt headcount. Tại Nhật Bản, điều đó gần như không thể xảy ra. Hệ thống shushin koyo (終身雇用 — việc làm suốt đời) được nhúng sâu vào cả văn hóa lẫn luật pháp: sa thải một nhân viên chính thức đòi hỏi bằng chứng chính đáng, một quy trình dài và mức bồi thường đủ cao để hầu hết doanh nghiệp lớn tránh hoàn toàn.

Thay vào đó, Nhật Bản phát minh ra madogiwazoku (窓際族) — "bộ tộc cửa sổ". Khi một nhân viên không còn đủ năng lực hoặc không còn cần thiết, thay vì sa thải, họ được phân công đến bàn làm việc gần cửa sổ với ít hoặc không có nhiệm vụ thực sự — nhưng vẫn hưởng nguyên lương. Fortune đã viết về hiện tượng này vào tháng 2/2026 như một kịch bản kỳ lạ đang xảy ra nhiều hơn khi AI tăng hiệu quả nhưng công ty không thể — hay không muốn — giảm biên chế.

Nhưng đó chỉ là nửa bức tranh. Vấn đề thực sự của Nhật Bản không phải là quá nhiều người bị thay thế — mà là quá ít người để vận hành AI. Dân số trên 65 tuổi đạt kỷ lục 36,25 triệu người (29,3% tổng dân số) vào 2024. Một nửa số doanh nghiệp Nhật Bản báo cáo thiếu nhân lực chính thức đủ năng lực — cũng là mức kỷ lục. Theo IMF Working Paper 2025/184, thiếu hụt IT professionals sẽ đạt 220.000 người vào 2025 và 790.000 người vào 2030.

Theo OECD, mức độ tiếp xúc với AI của người lao động Nhật Bản thấp hơn so với các nền kinh tế tiên tiến khác — vừa là lớp đệm chống displacement, vừa là lực cản năng suất. Nhật Bản không bị AI lấy mất công việc; Nhật Bản đang chạy đua để có đủ người hiểu AI trước khi "Digital Cliff" — vách đá kỹ thuật số — sập xuống vào cuối thập kỷ này.

Chính phủ Nhật cam kết 10 nghìn tỷ yên (~$65 tỷ) cho AI đến 2030, trong đó 1 nghìn tỷ yên ($7,5 tỷ) dành riêng cho reskilling lao động. Hiện có 2,3 triệu lao động nước ngoài tại Nhật (mức cao lịch sử, tăng 12% so với năm trước), và chính phủ đang mở cửa hơn cho chuyên gia IT nước ngoài.

---

Việt Nam: Giữa hai lực kéo

Việt Nam đang ở một vị trí không hoàn toàn thuận lợi, nhưng cũng không tệ như nhiều người nghĩ — với điều kiện phải đọc đúng tín hiệu.

Lực kéo tích cực: Thị trường AI nội địa Việt Nam đạt $753 triệu năm 2024, tăng trưởng 28,36% mỗi năm. Số lượng tin tuyển dụng AI/ML tăng 41% trong Q1/2025 so với cùng kỳ năm trước. Theo ITviec, mức lương AI/ML Engineer đạt $1.110–$2.060/tháng, trung bình trên $1.580/tháng — và dự báo lên $1.500–$3.000/tháng cuối năm 2025. Data Scientist có thể kỳ vọng $34.000–$50.000/năm. Nhu cầu AI freelance đang ở mức ~$71,70/giờ.

Thiếu hụt nhân lực vẫn ở mức 150.000–200.000 developer mỗi năm. 46,25% doanh nghiệp Việt Nam xếp tuyển dụng AI specialist là ưu tiên hàng đầu. 59,1% đang đầu tư reskilling nội bộ.

Lực kéo tiêu cực: Mảng outsourcing/BPO của Việt Nam — vốn là xương sống của nhiều công ty IT nhỏ và vừa — đang đối mặt với áp lực có tính cấu trúc. Theo Axios, AI đã bắt đầu thay thế offshore jobs, với người lao động Mỹ là mục tiêu dài hạn tiếp theo. Các công việc BPO điển hình — testing, data entry, code review cơ bản, Tier 1 support — là chính xác những gì AI đang tự động hóa.

Ngắn hạn, Việt Nam thực ra hưởng lợi từ làn sóng sa thải tại Mỹ: khoảng 30% công ty Mỹ từng sa thải đã chuyển công việc sang nhân lực offshore, và 24% có kế hoạch làm vậy. Lợi thế chi phí của Việt Nam so với Ấn Độ (thấp hơn 30–50%) vẫn còn giá trị trong ngắn hạn. Nhưng đây là arbitrage có thời hạn — khi AI automation đủ tốt để thay thế cả offshore work, không có lý do để công ty trả ngay cả mức giá rẻ đó.

Phản ứng chính sách: Nghị quyết 57-NQ/TW (tháng 12/2024) của Bộ Chính trị đặt AI và bán dẫn là ưu tiên chiến lược quốc gia hàng đầu, với mục tiêu top 3 ASEAN và top 50 toàn cầu về AI readiness vào 2030. Luật AI (số 134/2025/QH15), có hiệu lực từ tháng 3/2026, thiết lập khung pháp lý dựa trên mức độ rủi ro và lập Quỹ Phát triển AI quốc gia. Mục tiêu đào tạo: 5.000 cử nhân AI/năm vào 2028; 100.000 nhân lực ICT/năm vào 2030. Ngân sách giáo dục AI: $240 triệu cho 2025–2027.

Đây là theo VietnamPlus một trong những phản ứng chính sách quyết liệt nhất trong khu vực — nhưng khoảng cách giữa cam kết và thực thi vẫn là câu hỏi mở.

---

So sánh ba mô hình

Chiều	Mỹ	Nhật Bản	Việt Nam
Văn hóa sa thải	Nhanh và quyết liệt; áp lực earnings theo quý	Gần như không có; madogiwazoku thay cho sa thải	Doanh nghiệp nội địa theo mô hình nhẹ nhàng; mảng offshore phơi nhiễm trực tiếp
Tình trạng cung AI talent	Thừa mid-senior; thiếu entry-level nghiêm trọng	Thiếu mọi cấp độ (220K thiếu hụt hiện tại; 790K vào 2030)	Thiếu 150–200K developers/năm; AI talent đặc biệt khan hiếm
Tốc độ áp dụng AI	Nhanh nhất toàn cầu; triển khai ở quy mô lớn	Dưới mức trung bình của các nền kinh tế tiên tiến	Tăng nhanh; 40,7% doanh nghiệp tích hợp AI vào kế hoạch chiến lược
Phản ứng chính phủ	Điều tiết phản ứng; tập trung antitrust	¥10 nghìn tỷ đầu tư; thân thiện với đổi mới	Nghị quyết 57; Luật AI; $240M đầu tư giáo dục; miễn thuế thu nhập 5 năm
Rủi ro chính	Thất nghiệp cấu trúc với lao động không có AI skills	Không đủ người để vận hành hệ thống AI	BPO/offshore bị automation; pipeline talent vẫn còn non nớt
Cơ hội chính	Buildout AI infrastructure; tạo việc làm mới trong AI	AI như giải pháp cho thiếu hụt lao động; thu hút talent nước ngoài	Nhu cầu AI nội địa tăng mạnh; trở thành nguồn cung AI talent cho Nhật Bản

Bảng này không chỉ là so sánh học thuật. Nó chỉ ra một điều rất cụ thể: cơ hội Nhật–Việt là có thật và có cơ sở cấu trúc. Nhật Bản cần 790.000 IT professionals mà họ không có. Việt Nam đang sản xuất AI talent với chi phí và tốc độ mà Nhật Bản không thể tự làm được. Với chính sách visa mới của Nhật (chuyên gia IT nước ngoài được cấp visa 5 năm không cần work permit) và Resolution 57 của Việt Nam, đây là một hành lang đang hình thành — không phải giả thuyết.

---

Tương lai 2025–2030: Những vai trò nào sống sót?

McKinsey ước tính AI và robot có thể tự động hóa kỹ thuật 57% tổng số giờ làm việc tại Mỹ; 30% số giờ đó có thể tự động hóa thực tế vào 2030. 12 triệu người Mỹ sẽ phải chuyển đổi nghề nghiệp trong thập kỷ này.

Quan trọng hơn: McKinsey chỉ ra nhu cầu "AI fluency" trong job postings đã tăng 7 lần trong hai năm — từ 1 triệu vị trí năm 2023 lên 7 triệu năm 2025. Đây không còn là kỹ năng nâng cao. Đây là mức sàn tuyển dụng.

Những vai trò có rủi ro cao nhất theo Goldman Sachs: administrative/office support (46% tasks tự động hóa được), customer service (41%), data processing (38%), dịch vụ tài chính cơ bản (37%). Đây đều là danh mục quen thuộc với mảng BPO Việt Nam.

Những vai trò tăng trưởng: AI infrastructure (power grid, data center buildout), STEM chuyên sâu, healthcare technology, vai trò đòi hỏi kỹ năng xã hội/cảm xúc cao, và — quan trọng nhất — "domain expert + AI tooling" hybrid. Đây là kiểu người biết đủ sâu về một lĩnh vực để biết AI đang sai ở đâu.

Goldman Sachs lập luận rằng sự gián đoạn sẽ là "tạm thời" và các vai trò mới sẽ xuất hiện — đây là quan điểm có cơ sở lịch sử từ cách mạng công nghiệp và tin học hóa. McKinsey thực dụng hơn: họ thấy 12 triệu "occupational transitions" không phải là con số nhỏ, và khoảng thời gian chuyển đổi sẽ không bình đẳng giữa các nhóm kỹ năng.

Cả hai đều đúng. Câu hỏi không phải là "cuối cùng có ổn không" — mà là "bạn sẽ ở phía nào của đường cong thích nghi?"

---

Sai Lầm Thường Gặp

1. Nhầm "tôi biết dùng ChatGPT" với AI fluency. McKinsey định nghĩa AI fluency là khả năng thiết kế workflow có AI, đánh giá chất lượng output của AI, và biết khi nào không dùng AI. Dùng được ChatGPT là điểm khởi đầu, không phải đích đến.

2. Nghĩ rằng công việc outsourcing hiện tại sẽ ổn vì "khách hàng vẫn đang trả tiền." Lợi thế chi phí của offshore work đang bị thu hẹp từ hai phía: AI automation phía client, và kỳ vọng lương tăng phía Việt Nam. Hợp đồng hiện tại không phải chỉ báo của 3 năm tới.

3. Đổ lỗi hoàn toàn cho AI hoặc hoàn toàn phủ nhận nó. Như phân tích ở trên, 3 nguyên nhân cộng hưởng: điều chỉnh sau đại dịch, lãi suất, và AI. Quy tất cả vào AI là oversimplification; bỏ qua vai trò của AI là ngây thơ. Hiểu đúng nguyên nhân mới đưa ra được phản ứng đúng.

4. Chờ "AI ổn định" rồi mới học. Không có điểm ổn định. McKinsey ghi nhận AI fluency job postings tăng 7 lần trong 2 năm — tốc độ này không cho phép bạn học theo kiểu truyền thống rồi áp dụng. Phải học song song với làm.

5. Nghĩ rằng chỉ cần học thêm một framework. Mối đe dọa với developer Việt Nam không phải là "React vs. Vue" — mà là mô hình kinh tế của offshore junior work đang sụp đổ. Framework chỉ là công cụ; thứ cần thay đổi là cách bạn tạo ra giá trị.

6. Bỏ qua tín hiệu Nhật Bản. Đây không phải thị trường xa lạ. 790.000 IT professionals thiếu hụt, visa mới thuận lợi hơn, lương senior AI engineer 80.000–120.000 USD/năm. Với người có thể làm việc bằng tiếng Nhật hoặc tiếng Anh, đây là cơ hội có thể tính được bằng năm, không phải thập kỷ.

---

Tóm tắt:

• Big Tech chi $725 tỷ cho AI trong khi cắt 20.000+ người trong một tháng — đây là tái phân bổ vốn có chủ đích từ lao động sang hạ tầng, không đơn thuần là chu kỳ kinh tế.
• Tín hiệu AI displacement rõ nhất không nằm ở tổng số sa thải mà ở sự sụp đổ của việc làm entry-level: giảm hơn 50% trong 3 năm, 70% hiring manager tin AI làm được việc của intern.
• Nhật Bản và Mỹ là hai cực đối lập: một bên sa thải nhanh và thích nghi đau đớn, một bên không sa thải được nhưng đang cạn kiệt nhân lực IT đến mức báo động.
• Việt Nam hưởng lợi ngắn hạn từ offshore demand nhưng mô hình BPO-repetitive-task đang tiến đến điểm tới hạn — chuyển đổi sang "AI-augmented specialist" là hướng đi, không phải lựa chọn.
• AI fluency đã tăng từ kỹ năng nâng cao thành mức sàn tuyển dụng — 7 triệu job postings đòi hỏi kỹ năng này năm 2025, tăng từ 1 triệu năm 2023; người Việt có 2–3 năm để đáp ứng mức sàn đó hoặc bị bỏ lại.