Có thể vài năm nữa, một đội làm sản phẩm sẽ không còn tách rạch ròi như bây giờ.
Engineer viết code. Product quyết định làm gì. BA phân tích nghiệp vụ và viết tài liệu. Designer thiết kế trải nghiệm. QA kiểm thử.
Mỗi người giữ một đoạn. Công việc đi từ người này sang người khác như một dây chuyền.
AI đang làm dây chuyền đó ngắn lại.
Không nhất thiết vì một vai trò sẽ biến mất hoàn toàn. Mà vì một người có thể tự đi qua nhiều đoạn hơn trước.
Một Product Manager có thể dựng prototype đủ thật để kiểm tra ý tưởng. Một BA có thể tạo luồng tự động và thử ngay một quy trình. Một Engineer có thể phân tích phản hồi người dùng, viết đặc tả rồi xây phiên bản đầu mà không cần chờ mọi tài liệu hoàn chỉnh.
Đường biên giữa các role bắt đầu mờ đi.
AI không chỉ làm nhanh hơn. Nó làm giảm chi phí chuyển giao
Trong quy trình truyền thống, mỗi vai trò thường tạo ra một loại đầu ra:
- Product tạo roadmap, ưu tiên và yêu cầu;
- BA tạo sơ đồ quy trình, use case và tài liệu nghiệp vụ;
- Designer tạo wireframe và giao diện;
- Engineer tạo code;
- QA tạo test case và xác nhận chất lượng.
Các đầu ra này cần thiết, nhưng chúng cũng là công cụ để chuyển ngữ suy nghĩ từ người này sang người khác.
Product viết để Engineer hiểu. BA mô hình hóa để nghiệp vụ và kỹ thuật thống nhất. Designer dựng màn hình để cả đội nhìn thấy cùng một thứ. Engineer viết tài liệu để người khác vận hành và bảo trì.
Mỗi lần chuyển giao đều có chi phí.
Thông tin bị mất. Bối cảnh bị rút gọn. Một câu trong tài liệu được hiểu theo hai cách. Đến khi sản phẩm chạy được, đội mới phát hiện vấn đề ban đầu đã bị biến dạng qua nhiều lớp.
AI làm chi phí tạo một số đầu ra giảm xuống: bản nháp yêu cầu, sơ đồ luồng, prototype, đoạn code, dữ liệu mẫu, test case hay tài liệu giải thích.
Khi một người có thể tự tạo và kiểm tra nhiều đầu ra liên tiếp, số lần phải bàn giao giảm đi.
Điểm thay đổi lớn có thể không nằm ở việc AI viết code nhanh hơn bao nhiêu.
Nó nằm ở việc một ý tưởng có thể đi từ câu hỏi đến phiên bản thử nghiệm với ít điểm chờ hơn.
Đơn vị công việc sẽ dịch chuyển từ “làm artefact” sang “tạo kết quả”
Khi code còn đắt, viết code là một năng lực tạo khác biệt lớn.
Khi prototype còn đắt, người dựng được prototype có quyền lực đặc biệt trong quá trình khám phá sản phẩm.
Khi việc tổng hợp nghiệp vụ mất nhiều ngày, một tài liệu đầy đủ là đầu ra đáng kể.
Nhưng khi AI giúp tạo bản đầu của những thứ này nhanh hơn, bản thân artefact không còn đủ để chứng minh giá trị.
Một PRD dài không bảo đảm đội đang giải đúng vấn đề.
Một prototype đẹp không bảo đảm người dùng cần nó.
Một pull request lớn không bảo đảm sản phẩm tạo ra kết quả.
Một bộ test đầy đủ cũng không có nghĩa những rủi ro quan trọng nhất đã được kiểm tra.
Giá trị bắt đầu dịch chuyển sang những câu hỏi khó hơn:
- Vấn đề nào thật sự đáng giải?
- Dữ kiện nào đáng tin?
- Giả định nào cần kiểm tra trước?
- Đánh đổi nào chấp nhận được?
- Hệ thống sẽ hỏng ở đâu khi đi vào vận hành?
- Ai chịu trách nhiệm nếu quyết định sai?
AI có thể hỗ trợ trả lời, nhưng chưa thể nhận trách nhiệm thay đội ngũ.
Vì vậy, vai trò tương lai có thể ít được định nghĩa bằng loại tài liệu một người tạo ra, và nhiều hơn bằng đoạn kết quả họ có thể sở hữu.
Một role mới có thể không cần tên mới
Ta có thể gọi người đi xuyên qua nhiều lớp công việc là Product Engineer, Product Builder, AI-native PM hay một tên nào khác.
Nhưng tên gọi chưa phải phần quan trọng.
Điểm chung của họ là có thể đi qua một vòng tương đối trọn vẹn:
- Hiểu vấn đề và bối cảnh kinh doanh.
- Nói chuyện với người dùng hoặc người vận hành.
- Chuyển quan sát thành giả thuyết.
- Dựng một phiên bản đủ nhỏ để kiểm tra.
- Đọc phản hồi và dữ liệu.
- Điều chỉnh sản phẩm hoặc quy trình.
- Chịu trách nhiệm về kết quả, không chỉ đầu ra.
Trước đây, rất ít người có đủ thời gian và kỹ năng để làm cả vòng.
AI không tự động biến ai cũng thành người đa năng. Nhưng nó làm giảm rào cản ở những đoạn trước đây cần nhiều công cụ hoặc kiến thức chuyên môn để tạo bản đầu.
Một Product không cần trở thành Senior Engineer mới có thể dựng một prototype hoạt động.
Một Engineer không cần trở thành chuyên gia nghiên cứu thị trường mới có thể tổng hợp phản hồi thành các nhóm vấn đề ban đầu.
Một BA không cần xây cả nền tảng mới có thể tự động hóa một bước nghiệp vụ để thử giả thuyết.
Năng lực chuyên sâu vẫn quan trọng. Nhưng khả năng bước sang “phần việc bên cạnh” sẽ ngày càng có giá trị.
Ranh giới mờ đi không có nghĩa chuyên môn biến mất
Đây là chỗ dễ bị đẩy quá xa.
Nếu AI giúp một người làm được nhiều việc hơn, không có nghĩa mọi hệ thống chỉ cần một người làm tất cả.
Một prototype chạy được khác xa một hệ thống phải phục vụ hàng triệu giao dịch. Một quy trình nội bộ khác với sản phẩm chịu yêu cầu pháp lý nghiêm ngặt. Một câu trả lời nghe hợp lý khác với một quyết định đã được kiểm chứng bằng dữ kiện và chịu được phản biện.
Càng đi vào quy mô lớn, rủi ro cao hoặc domain phức tạp, chiều sâu càng quan trọng:
- kiến trúc và độ tin cậy của hệ thống;
- bảo mật, quyền riêng tư và tuân thủ;
- nghiên cứu người dùng có phương pháp;
- mô hình dữ liệu và quy tắc nghiệp vụ;
- chiến lược sản phẩm và kinh tế đơn vị;
- kiểm thử trong những tình huống khó quan sát.
AI có thể giúp người không chuyên đi xa hơn ở những bước đầu. Phần còn lại đôi khi mới là nơi hậu quả thật xuất hiện.
Vì vậy, tương lai có thể không phải là “generalist thay hết specialist”.
Hợp lý hơn là: mỗi người có một trục chuyên môn đủ sâu, đồng thời có khả năng đi ngang qua nhiều lớp công việc hơn.
Người rộng mà không sâu dễ tạo ra sản phẩm chạy được nhưng mong manh.
Người sâu mà không hiểu bối cảnh dễ tối ưu rất tốt một thứ không còn quan trọng.
Cả hai đều chưa đủ.
Engineer, Product và BA sẽ phải học gì của nhau?
Nếu đường biên tiếp tục mờ, mỗi vai trò không cần bỏ nghề. Họ cần mở rộng phạm vi tạo giá trị.
Engineer cần hiểu vấn đề trước khi tối ưu giải pháp
Không chỉ hỏi yêu cầu là gì, mà hỏi vì sao yêu cầu tồn tại. Không chỉ nhận ticket, mà hiểu hành vi người dùng, luồng vận hành và tác động kinh doanh.
Khi AI làm phần triển khai ban đầu nhanh hơn, thời gian tiết kiệm được nên quay lại cho việc đọc hệ thống, kiểm chứng giả định và xử lý những phần có rủi ro cao.
Engineer mạnh sẽ không chỉ viết đúng thứ được yêu cầu.
Họ sẽ nhận ra khi yêu cầu đang giải sai vấn đề.
Product cần tiến gần hơn đến vật liệu thật
Không chỉ viết ý tưởng, mà phải chạm được vào prototype, dữ liệu và giới hạn kỹ thuật.
AI giúp việc dựng bản thử dễ hơn, nên câu “cần đội kỹ thuật làm rồi mới biết” sẽ ít thuyết phục hơn trong nhiều tình huống khám phá ban đầu.
Product không cần tự xây hệ thống production. Nhưng nên có khả năng biến một giả thuyết thành thứ đủ cụ thể để người dùng phản hồi.
BA cần chuyển từ mô tả quy trình sang thiết kế thay đổi
Năng lực hiểu nghiệp vụ vẫn rất quan trọng, đặc biệt trong những domain phức tạp.
Nhưng giá trị sẽ không dừng ở tài liệu hóa hiện trạng. BA có thể dùng AI để mô phỏng luồng, phát hiện ngoại lệ, dựng công cụ nhỏ và kiểm tra một quy trình mới trước khi đưa thành yêu cầu lớn.
Từ người ghi lại cách hệ thống đang hoạt động, BA có thể tiến gần hơn đến người thiết kế cách hệ thống nên hoạt động.
Tất cả đều phải biết kiểm chứng
AI tạo đầu ra rất nhanh. Nó cũng có thể tạo ra một bản trả lời rõ ràng, tự tin và sai.
Khi chi phí sản xuất giảm, chi phí kiểm chứng trở thành phần không thể bỏ qua.
Người có giá trị không phải người tạo được nhiều artefact nhất. Đó là người biết:
- phần nào có thể giao cho AI;
- phần nào cần dữ liệu thật;
- phần nào phải nhờ chuyên gia;
- phần nào chưa đủ chắc để đưa vào production;
- và khi nào phải dừng để kiểm tra lại.
Đội ngũ nhỏ hơn có thể làm được nhiều hơn — nhưng trách nhiệm phải rõ hơn
Khi một nhóm nhỏ có thể nghiên cứu, dựng thử, viết code và kiểm tra nhanh hơn, doanh nghiệp có thể tổ chức đội ngũ quanh một vấn đề thay vì quanh từng phòng ban.
Một nhóm như vậy có thể gồm vài người với chuyên môn khác nhau, nhưng mỗi người đều hiểu toàn bộ hành trình từ vấn đề đến kết quả.
Điều này giảm chờ đợi và tăng tốc độ học.
Nhưng nó cũng tạo ra một rủi ro mới: ai cũng làm được một chút nên không ai thật sự chịu trách nhiệm.
Ranh giới kỹ năng có thể linh hoạt.
Ranh giới trách nhiệm thì không nên mơ hồ.
Mỗi quyết định vẫn cần người sở hữu. Mỗi hệ thống vẫn cần tiêu chuẩn chất lượng. Mỗi rủi ro vẫn cần người đủ chuyên môn để đánh giá. AI càng giúp đội chạy nhanh, cơ chế review và quyền dừng càng phải rõ.
Tốc độ mà không có ownership chỉ giúp sai nhanh hơn.
Chức danh có thể còn, nhưng nội dung công việc sẽ đổi
Engineer, Product hay BA có thể vẫn tồn tại rất lâu vì doanh nghiệp vẫn cần phân chia trách nhiệm, tuyển dụng và con đường phát triển nghề nghiệp.
Nhưng cùng một chức danh có thể chứa một công việc rất khác so với hôm nay.
Engineer sẽ làm nhiều Product hơn.
Product sẽ chạm vào kỹ thuật nhiều hơn.
BA sẽ dựng và thử giải pháp nhiều hơn.
Không phải ai cũng trở thành một người làm tất cả. Nhưng người chỉ đứng trong ranh giới cũ và chờ đầu vào từ vai trò khác sẽ ngày càng khó tạo ra khác biệt.
Câu hỏi đáng quan tâm không còn là:
AI có lấy mất role của mình không?
Mà là:
Với AI, mình có thể sở hữu thêm đoạn nào trên hành trình từ vấn đề đến kết quả?
Chức danh là cách tổ chức đặt tên cho một vị trí.
Giá trị nằm ở việc mình giải được vấn đề nào.
