Độ rộng hơn Độ sâu: Suy ngẫm về vai trò của chuyên gia đa năng trong kỷ nguyên dữ liệu

Độ rộng hơn Độ sâu: Suy ngẫm về vai trò của chuyên gia đa năng trong kỷ nguyên dữ liệu

Năm năm trước, tôi đã viết một bài trên Towards Data Science với tiêu đề: “Range over depth – the value of a generalist in your data team” (Độ rộng hơn độ sâu – Giá trị của một chuyên gia đa năng trong đội dữ liệu của bạn). Lập luận của tôi khi đó rất đơn giản: Trong khi các chuyên gia chuyên sâu (specialists) xuất sắc trong việc giải quyết các vấn đề phức tạp đã được định nghĩa rõ ràng, thì các chuyên gia đa năng (generalists) thường có giá trị hơn vì họ chính là người xác định vấn đề đó từ đầu, và chỉ sau đó mới đưa các chuyên gia chuyên sâu vào khi cần thiết.

Môi trường học tập phức tạp

Do sự bùng nổ của AI trong cuộc sống hàng ngày, tôi tò mò xem những suy nghĩ đó còn phù hợp đến mức nào, nên tôi đã quay lại đọc lại bài viết cũ. định của tôi là viết lại nó, nhưng ngạc nhiên thay, tôi thấy mình đồng ý với hầu hết mọi thứ mà phiên bản trẻ hơn của mình đã viết. Chỉ có một sự thay đổi tinh tế nhưng rất quan trọng đã xảy ra.

Sự thay đổi: AI trở thành chuyên gia mới

Trong năm năm qua, AI đã phát triển đến mức có thể xử lý nhiều nhiệm vụ mà trước đây chúng ta thường dựa vào các chuyên gia chuyên sâu. Những loại công việc đòi hỏi chuyên môn sâu, yêu cầu chỉ báo rõ ràng và hướng dẫn chi tiết, nay chính là nơi AI tỏa sáng. Và không giống như con người, AI làm điều này nhanh hơn và không biết mệt mỏi.

Vì vậy, tôi quyết định vẫn viết về chủ đề này, nhưng thay vì viết lại, đó chỉ là một sự suy ngẫm về những suy nghĩ trước đây của tôi, làm nổi bật những nơi cần điều chỉnh.

Chúng ta vẫn hoạt động trong môi trường học tập đầy rẫy cạm bẫy

Chúng ta không hoạt động trong các hệ thống khép kín gọn gàng. Chúng ta hoạt động trong những gì David Epstein gọi là “môi trường học tập đầy rẫy cạm bẫy” (wicked learning environments) — những bối cảnh mà luật chơi không rõ ràng, phản hồi bị chậm trễ hoặc gây hiểu lầm, và các mô hình không lặp lại một cách nhất quán. Trong những môi trường này, bạn có thể làm “đúng” việc nhưng vẫn nhận kết quả sai, hoặc làm sai việc nhưng lại trông có vẻ thành công. Đó chính là điều khiến chúng trở nên nguy hiểm.

Thách thức thực sự không phải là giải quyết vấn đề. Năm năm trước không phải, và ngày nay chắc chắn cũng không. Thách thức nằm ở việc biết vấn đề nào đáng để giải quyết, và liệu các tín hiệu bạn đang sử dụng để dẫn đường có đáng tin hay không.

AI không loại bỏ sự mơ hồ này. Nếu có, nó còn khuếch đại nó. Khi câu trả lời đến nhanh hơn và trông thuyết phục hơn, rủi ro của việc tự tin giải quyết sai vấn đề chỉ tăng lên.

Nhu cầu siêu chuyên môn hóa đang giảm dần (nhưng chưa biến mất)

Trước đây, tôi lập luận rằng việc tiếp cận thông tin làm giảm nhu cầu về chuyên môn hóa sâu. Stack Overflow, các blog và tài liệu hướng dẫn có nghĩa là một chuyên gia đa năng có khả năng có thể tự tìm ra cách giải quyết đủ nhanh để tiến lên.

Hôm nay, động lực này đã thay đổi đáng kể.

Thông tin không còn chỉ đơn thuần là có sẵn. Nó được biên tập, tổng hợp, so sánh và trình bày… trong tích tắc. AI không chỉ giúp bạn tìm câu trả lời. Nó đưa cho bạn một câu trả lời có thể hoạt động được ngay lập tức.

Và điều đó đẩy chúng ta đi xa hơn:

Nhu cầu về siêu chuyên môn hóa không biến mất, nhưng nó đang bị đẩy ra gần rìa hơn (một số người có thể gọi là vực thẳm). Các chuyên gia đa năng giờ đây được trao quyền để đi xa hơn nhiều trước khi cần sự đầu vào của chuyên gia chuyên sâu.

Chi phí phối hợp vẫn là kẻ thù thực sự

Chuyên gia đa năng giảm thiểu nỗ lực phối hợp về cơ bản bằng cách loại bỏ các mối quan hệ không cần thiết, bởi họ hoạt động bao quát trên nhiều lĩnh vực đó. Họ cần được trao quyền đưa ra quyết định và do đó cắt giảm việc quản lý các mối quan hệ thêm vào.

Đây là một trong những điểm mạnh của tôi thời đó và nó còn đúng hơn cả ngày nay. Chi phí phối hợp trong các tổ chức thường bị đánh giá thấp và điều đó chưa thay đổi.

Jeff Bezos đã phổ biến quy tắc “nhóm hai cái pizza”: các đội nhóm nên đủ nhỏ để chỉ cần hai cái pizza là đủ ăn. Trong thế giới ngày nay, bạn có thể lập luận rằng chúng ta đang hướng tới các “nhóm một cái pizza”. Không phải vì công việc đơn giản hơn, mà vì các chuyên gia đa năng có năng lực hơn và AI lấp đầy nhiều khoảng trống chuyên môn, điều này dẫn đến ít việc bàn giao (handoffs) hơn được yêu cầu.

Mô hình nhóm làm việc mới

Vấn đề kinh doanh cốt lõi không thay đổi

Nếu lột bỏ mọi thứ, các câu hỏi cốt lõi vẫn giữ nguyên:

Làm thế nào để tăng doanh thu? Làm thế nào để giữ chân khách hàng? Làm thế nào để vận hành hiệu quả hơn?

Các công cụ đã phát triển (đáng kể). Các phương pháp trở nên tinh vi hơn. Nhưng các vấn đề cơ bản bên dưới vẫn không đổi.

Và giống như năm năm trước, các doanh nghiệp vẫn không quan tâm liệu giải pháp có liên quan đến một mô hình tác nhân (agentic model) tiên tiến nhất hay một truy vấn SQL được đặt đúng chỗ hay không. Họ có thể nói họ quan tâm trong các cuộc họp điều hành, nhưng thực sự họ không nhìn vào việc nó đạt được như thế nào, chỉ là liệu nó có được giải quyết hay không.

Tóm lại, điều gì đã thay đổi?

Không phải tầm quan trọng của các chuyên gia đa năng. Nếu có, giá trị của họ đã tăng lên.

Sự thay đổi chính là ở chỗ:

Các chuyên gia đa năng không còn chỉ là những người kết nối giữa các chuyên gia chuyên sâu. Họ là những người điều hướng trong các môi trường mà vấn đề không rõ ràng, tín hiệu ồn ào và con đường phía trước không hiển nhiên.

Họ kết nối không chỉ con người, mà cả các khả năng — quyết định khi nào nên tin vào trực giác, khi nào nên dựa vào kinh nghiệm, và khi nào nên đưa vào một chuyên gia chuyên sâu theo yêu cầu, dù là con người hay AI.

Phạm vi của họ giờ đây được khuếch đại, có khả năng tự thực hiện các công việc sâu sắc hơn nhiều. Không phải vì thế giới trở nên đơn giản hơn, mà vì họ vẫn hoạt động tốt trong sự phức tạp, với AI như một lớp chuyên gia luôn sẵn sàng.

Tôi rất mong đợi trợ lý AI cá nhân của mình sẽ thực hiện một sự suy ngẫm khác nữa trong năm năm tới.