Dành cho người mới · 10/2026
Số liệu mâu thuẫn:
tin số nào?
Từ 2025, bài này nói AI xóa việc của người mới, bài kia nói ngược lại. Vì sao các con số lệch nhau, và người mới làm gì được?
Ai được đếm
Đếm cái gì
Sáu câu hỏi
Việc làm được
Thấp hơn 19%
Tăng 12%
Câu hỏi của bài này
Hai tiêu đề trái nhau
Bên nói cửa đang hẹp19% thấp hơn
Việc làm của người 22 đến 25 tuổi ở nghề chịu ảnh hưởng nhiều từ AI, so với mức lẽ ra có (Stanford, dữ liệu đến 6/2026).
Bên nói ngược lại12% tăng
Số người ở cấp mới vào tại công ty chi nhiều cho AI, sau hai năm (Ramp và Revelio, 6/2026).
Cả hai là số thật. Chúng đếm hai thứ khác nhau. Chưa ai hiểu hết nguyên nhân, nên đây là bài đọc số liệu, không phải lời phán.
Một hình dung
Năm người cân một đám đông
1
Đếm trẻ em
Chỉ nhìn một nhóm.
Thấy ít đi
2
Đếm tất cả
Nhìn cả đám đông.
Gần như không đổi
3
Đứng ở cửa
Chỉ đếm người mới vào.
Giảm mạnh
4
Đọc bảng tin
Đếm biển cần người.
Bảng đang vơi
5
Hỏi từng người
Hỏi: có khó vào không?
Nhiều người nói có
Cả năm người đều trung thực. Họ chỉ đo mỗi người một thứ. Ví dụ minh họa, không phải dữ liệu thật.
Từ khó, nói dễ
Sáu từ sẽ gặp trong bài
Việc làm
tên kỹ thuật: headcount
Số người đang có việc, như đếm người đang ngồi trong phòng.
Tuyển dụng
tên kỹ thuật: hiring
Số người mới được nhận, như đếm người vừa bước qua cửa.
Tin đăng
tên kỹ thuật: job postings
Số biển cần người, chưa chắc có ai được nhận.
Mốc so sánh
tên kỹ thuật: baseline
Điểm xuất phát để tính giảm bao nhiêu. Đổi mốc, đổi số.
Nhóm đối chứng
tên kỹ thuật: control group
Nhóm để so, cho biết nếu không có chuyện này thì sẽ ra sao.
Tương quan
khác với nhân quả
Hai thứ cùng đổi, chưa chắc thứ này gây ra thứ kia.
Bên cửa đang hẹp
Bên nói cửa đang hẹp lại
| Nguồn | Đếm ai, đếm gì | Con số |
|---|
| Stanford, dữ liệu lương ADP | 22 đến 25 tuổi, nghề chịu ảnh hưởng nhiều từ AI, số người đang làm | Thấp hơn 19% |
| Harvard, hồ sơ trực tuyến | Junior ở công ty có đăng tin tích hợp AI, sau 6 quý | Giảm 9% |
| SignalFire, dữ liệu riêng | Số lần tuyển sinh viên mới ra trường ở 15 công ty công nghệ lớn, 2023 sang 2024 | Giảm 25% |
Toàn dữ liệu Mỹ. Chính bài Stanford nói không thấy mất việc rộng khắp trên cả nền kinh tế.
Bên chưa thấy
Bên chưa thấy, bên thấy ngược
| Nguồn | Đếm ai, đếm gì | Con số |
|---|
| Yale Budget Lab | Cả thị trường lao động Mỹ, 33 tháng sau ChatGPT | Chưa thấy xáo trộn |
| Ramp và Revelio | Hơn 21.000 công ty chi nhiều cho AI, số người cấp mới vào sau 2 năm | Tăng 12% |
| Fed New York | Sinh viên mới ra trường 22 đến 27 tuổi, thất nghiệp quý 2/2026 | 5,6% thất nghiệp |
Ramp ghi rõ: các công ty này vốn đã lớn và tăng nhanh từ trước. Đó là tương quan, chưa phải nhân quả.
Cùng một nhóm
Một nhóm người, bốn con số
Người 22 đến 25 tuổi ở nghề chịu ảnh hưởng nhiều từ AI, cùng nguồn lương ADP, Mỹ.
So nhóm khác, bản 2025
13% So nhóm khác, bản 2026
19% Lập trình viên, so với đỉnh
20% Khác nhau ở mốc và cách so sánh. Không ai nói dối. Các con số: ADP Research và bài Stanford.
Ví dụ minh họa
Thị trấn đồ chơi, ba đáp án
100 việc cho người mới. Nhóm A: 40 còn 32. Nhóm B: 60 lên 66. Số tự dựng.
| Cách đếm | Phép tính | Kết quả |
|---|
| Chỉ nhóm A, so với chính nó | 32 / 40 - 1 | giảm 20% |
| Nhóm A, so với nhịp nhóm B | 0,8 / 1,1 - 1 | thấp hơn 27,3% |
| Cả thị trấn | 98 / 100 - 1 | giảm 2% |
Cùng dữ liệu, ba câu trả lời. Con số 19% của Stanford ra theo cách thứ hai: 0,89 / 1,10 - 1.
Số liệu thật
Đổi mốc, đổi câu chuyện
Từ đỉnh, 2/202265,4%
giảm, từ 233,82 xuống 80,79
Từ trước đại dịch19,2%
giảm, từ 100 xuống 80,79
Từ đáy, 5/202532,2%
tăng, từ 61,10 lên 80,79
Một chuỗi tin đăng phần mềm của Indeed (đến 23/10/2026), ba câu chuyện. Đầu 2022 tin đăng gấp 2,3 lần trước đại dịch.
Vì sao lệch nhau
Bốn thứ làm số lệch nhau
Đếm cái gì
Số người đang làm, số lần tuyển, tin đăng hay tỷ lệ thất nghiệp.
Mốc thời gian
Từ đỉnh 2022, từ trước đại dịch hay từ khi ChatGPT ra mắt.
Đếm ai
Cả nước, công ty dùng AI hay sinh viên mới ra trường.
Nguồn dữ liệu
Bảng lương, hồ sơ trực tuyến, tin đăng hay khảo sát.
Còn gì thay đổi
Những lý do không phải AI
1Lãi suất tăngFed: từ gần 0 đầu 2022 lên khoảng 5% đến 5/2023.
2Thuế Section 174Từ 2022, Mỹ buộc phân bổ chi phí phần mềm trong 5 năm. Luật 2025 khôi phục.
3Tuyển quá tay 2021 đến 2022Tin đăng phần mềm đầu 2022 gấp 2,3 lần trước đại dịch.
4Điều chỉnh sau đại dịchNhu cầu số hóa tăng vọt rồi hạ nhiệt.
Nhà nghiên cứu đã thử loại các lý do này. Chưa ai loại sạch được. Thuế mới là giả thuyết, chưa được tách riêng.
Bài Stanford, bản 2026
Chính tác giả nêu giới hạn
Chỉ báo sớm
Họ gọi đó là chỉ báo mô tả sớm, chưa phải ước lượng nhân quả.
Học vấn
Khoảng cách giảm đi khi kiểm soát trình độ học vấn.
Có từ trước AI
Một số xu hướng lệch đã có từ trước khi AI tạo sinh ra đời.
Nguồn dữ liệu
Rõ hơn trong dữ liệu ADP so với các khảo sát quốc gia.
Một nghiên cứu đáng tin tự nói chỗ yếu của mình. Hãy dè chừng số liệu không có phần giới hạn.
Công cụ để mang về
Sáu câu hỏi trước khi tin
1Đếm ai?tuổi, nghề, công ty, nước
2Đếm cái gì?người đang làm, lần tuyển, tin đăng, tỷ lệ
3Mốc nào, bao lâu?mốc ngay đỉnh hay đáy thì đáng ngờ
4Dữ liệu từ đâu?ai công bố, mẫu bao nhiêu, kiểm lại được không
5Còn gì đổi cùng lúc?lãi suất, thuế, tuyển quá tay
6Chắc đến đâu?tương quan hay nhân quả, bản nào
Ví dụ minh họa
Thử với một tiêu đề
Tiêu đề tự đặt“Việc làm cho dev mới giảm 20%”
Hỏi lần lượt- Nước nào? Số người hay lần tuyển?
- Giảm từ năm nào, đỉnh hay trước đại dịch?
- Bảng lương hay tin đăng?
- Có tính lãi suất, thuế, tuyển quá tay?
- Có nhóm so sánh không?
Bài không trả lời được từ ba câu trở lên: coi con số là lời đồn có số, chưa phải số liệu.
Ngoài nước Mỹ
Việt Nam và Nhật Bản
Việt NamKhảo sát ManpowerGroup, quý 4/2026
285 nhà tuyển dụng: 57% tăng tuyển người mới vào nghề so với 2025, 77% ở nhóm thông tin. Tự khai, không tách riêng lập trình viên.
Nhật BảnChưa có dữ liệu gốc về người mới
Dự báo thiếu khoảng 16 đến 79 vạn nhân lực IT năm 2030 là dự báo tổng số, làm trước AI tạo sinh. Mình chỉ đọc qua tóm tắt.
Phần lớn số liệu trong bài là của Mỹ. Với Việt Nam và Nhật, mình chưa có bằng chứng đủ chắc. Hãy mở bản gốc trước khi trích.
Dù bên nào đúng
Dù bên nào đúng, làm gì
1Tự đếm. Mỗi tuần ghi 20 tin tuyển ở nơi bạn muốn nộp hồ sơ.
2Nhắm nhiều loại cửa. Kiểm thử, hỗ trợ kỹ thuật, dữ liệu, IT nội bộ, công ty nhỏ.
3Có bằng chứng thật. Dự án giải thích được, gỡ lỗi trực tiếp được.
4Xem lại mỗi quý bằng sáu câu hỏi, và định trước điều gì làm bạn đổi kế hoạch.
Mang cả ô lẫn kính râm thì không cần đoán đúng bên nào. Đây là gợi ý của tác giả, chưa kiểm chứng trên nhiều người.
Nói thẳng
Điều chưa biết
- Bao nhiêu phần là AI, bao nhiêu là lãi suất, thuế và tuyển quá tay.
- Chỉ tuyển muộn hơn, hay mất hẳn một nấc thang.
- Riêng nghề phần mềm: ít dữ liệu, mẫu nhỏ.
- Việt Nam và Nhật Bản: chưa có bằng chứng chắc.
- Con số đổi theo phiên bản: Stanford từ 13% lên 16% rồi 19%.
Kết luận
Đừng hỏi số nào đúng. Hãy hỏi số ấy đo cái gì.
Tuần này, ghi 20 tin tuyển ở nơi bạn muốn nộp hồ sơ, và đừng đổi kế hoạch chỉ vì một tiêu đề.