Vì sao Lyubomir cho rằng AI sẽ làm tăng nhu cầu software engineer

1. Lý do Lyubomir lạc quan giữa làn sóng doom talk

Lyubomir nói anh lập kênh để có một chỗ trò chuyện và bàn về những gì đang diễn ra trong AI. Nhưng cùng lúc đó, anh bắt đầu thấy nhiều video của các software engineer và đọc khá nhiều "doom talk". Theo anh (video đăng ngày 01/11/2026), có vẻ rất nhiều người trong ngành của chúng ta lúc này đang mất hy vọng.

Vì vậy anh muốn nói thêm về chuyện này, bởi góc nhìn của anh hoàn toàn khác. Theo Lyubomir (video đăng ngày 01/11/2026), sự dồi dào (abundance) và nhu cầu dành cho software engineer rồi sẽ cao tới mức xuất hiện như từ hư không, hoàn toàn bất ngờ, và sẽ có cả tình trạng thiếu người. Lúc này rất nhiều người đang sợ vì tự động hoá (automation).

2. Cái giá thật của tự động hoá

Tự động hoá làm gì? Theo Lyubomir (video đăng ngày 01/11/2026), nó khiến người ta mất việc. Anh lấy ví dụ người viết, nhiếp ảnh gia: mỗi khi có một công nghệ mới, nó tràn tới và hấp thụ tất cả mọi người, rồi có một hai công ty hay một hai người trở nên cực kỳ giàu vì họ hưởng lợi từ hiệu quả đó. Và vì giờ mọi thứ quá hiệu quả, quá rẻ, ai cũng có thể mua món đồ ấy, chẳng hạn một chiếc máy ảnh. Nhu cầu máy ảnh tăng lên, những người sản xuất máy ảnh còn giàu hơn nữa. Nhưng những người từng là người viết, hay từng vẽ tranh, thì giờ không còn việc.

Vậy họ làm gì? Lyubomir nói (video đăng ngày 01/11/2026) những người đó giờ đây chính là các software engineer. Anh cho rằng có một khác biệt căn bản trong cách nghĩ, và anh sẽ giải thích sau. Điều đang xảy ra là những người ấy bị đẩy ra khỏi công việc trong ngắn hạn, và cuộc sống buộc họ phải tìm một thứ gì đó sinh lời hơn để còn có cái ăn trên bàn.

Anh nói điều này khá tàn nhẫn, thật ra là cực kỳ tàn nhẫn: bạn bị tự động hoá bởi một người đã tìm ra cách làm công việc của bạn hiệu quả hơn, giờ việc của bạn biến mất và bạn phải tự tìm ra một thứ khác. Nhưng theo Lyubomir (video đăng ngày 01/11/2026), vòng lặp này xưa nay vẫn luôn tiếp diễn, và nó nằm ở cốt lõi của tiến bộ loài người, dù bạn có thích hay không. Đó đơn giản là một phần của tiến bộ.

3. Tự động hoá chính những người làm tự động hoá

Theo Lyubomir (video đăng ngày 01/11/2026), software engineering có một khác biệt căn bản: AI đang tự động hoá chính những người làm tự động hoá. Thực tế, những người tự động hoá mọi thứ đang tự động hoá chính mình. Anh thấy điều này rất thú vị, vì khi những người đó mất việc (cứ giả sử là vậy), việc họ bắt đầu làm là tự động hoá mọi thứ khác.

Và khi bạn tự động hoá mọi thứ khác, bạn tạo ra nhiều công nghệ hơn, kéo theo nhiều nhu cầu hơn cho người làm trong lĩnh vực tự động hoá, nên bạn phải tuyển thêm engineer. Theo Lyubomir (video đăng ngày 01/11/2026), rốt cuộc chúng ta sẽ hội tụ về một thế giới mà ai cũng là engineer, nhưng thế giới này sẽ được xây bởi thế hệ software engineer hiện nay và những người trẻ đang đi ngay sau chúng ta.

Anh lấy ví dụ ngay trong tuần đó: Anthropic vừa ra một bản cập nhật cho Claude Code, hay cho Claude Cowork, anh nói anh không chắc là cái nào, và với bản cập nhật đó nó giờ có thể làm công việc của một luật sư (theo Lyubomir, video đăng ngày 01/11/2026). Vậy điều đang xảy ra là bạn cần tuyển engineer để làm việc trên Claude Code nhằm tự động hoá luật sư. Theo anh, chúng ta không đi tới chỗ software engineer bị tự động hoá biến mất, dù những người cứ giữ lối cũ thì có lẽ sẽ bị thay.

Vì thế, theo Lyubomir (video đăng ngày 01/11/2026), chúng ta cần tìm cách thích nghi với thay đổi này, cách áp dụng kỹ năng của mình vào thế giới mới, và những thứ mới cần học; anh nói có lẽ sẽ bàn tới điều đó trong video này, tuỳ dòng suy nghĩ đưa anh tới đâu. Ý chính của anh là hiệu quả mà tự động hoá mang lại có lẽ sẽ khiến một số software engineer mất việc, và những người đó sẽ đi tự động hoá những thứ khác.

Anh đưa thêm một ví dụ (video đăng ngày 01/11/2026): họ sẽ tự động hoá cả việc dựng video. Anh bắt đầu nói tới những người nên lo lắng, rồi dừng lại để nói rằng anh không muốn vẽ ra một trò chơi tổng bằng không (zero-sum game), và anh sẽ không làm vậy, vì sau đó anh còn một điều khác để nói. Cứ giả sử một software engineer bị tự động hoá mất việc. Người đó đi tìm ra một trình phát video mới để dựng video, và engineer này trở nên siêu giàu vì đã giải quyết cả cái ngành tự động hoá video. Nhưng giờ các video editor lại mất việc.

Theo Lyubomir (video đăng ngày 01/11/2026), bạn thấy đấy, rất khó tự động hoá cho biến mất những người tự động hoá mọi thứ khác, vì ngay khi bạn tự động hoá một người trong số họ, họ lại tìm ra những thứ khác để tự động hoá. Khuôn mẫu tự động hoá cũ gãy đi khi nói tới software engineer, tới những người hiểu công nghệ: kết quả không phải là họ thất nghiệp, mà là các công việc khác bị tự động hoá.

4. Hiệu quả hơn không có nghĩa là sa thải: ví dụ Meta

Lyubomir nói anh không vẽ ra một trò chơi tổng bằng không vì còn một điều nữa. Theo anh (video đăng ngày 01/11/2026), khi các công ty đó, các công ty AI và big tech, thật sự hiệu quả hơn, họ có thể làm cùng khối lượng việc với ít người hơn. Tuy nhiên, họ đã tuyển những người thông minh nhất mà họ đủ tiền tuyển.

Anh lấy ví dụ Meta (theo Lyubomir, video đăng ngày 01/11/2026): công ty đã tuyển những engineer giỏi nhất mà họ có thể trả lương, và giờ họ có thể làm cùng khối lượng việc với ít engineer hơn rất nhiều. Bạn có biết Zuckerberg làm gì với khoản tiền này không? Bạn nghĩ ông ấy sẽ sa thải nửa công ty rồi để những người thông minh đó đi làm cho đối thủ sao?

Theo Lyubomir (video đăng ngày 01/11/2026), câu trả lời là không. Ông ấy sẽ cố tìm cách dùng họ hiệu quả hơn, làm sao tạo ra nhiều đổi mới hơn nữa, vì ông có rất nhiều thu nhập, có rất nhiều tiền mặt, và ông muốn chiếm một phần lớn hơn của chiếc bánh. Ông không muốn một chiếc bánh hiệu quả hơn, ông muốn nhiều bánh hơn, và lý tưởng là một chiếc bánh to hơn. Nên ông sẽ lấy tất cả những người đó và tìm những cách khác để dùng họ hiệu quả hơn, chẳng hạn tạo ra các LLM mới.

5. Từ phần mềm sang thế giới vật lý

Lyubomir đẩy lập luận đi xa thêm: giả sử chúng ta đã tự động hoá rất nhiều thứ, và trong lĩnh vực phần mềm không còn nhiều thứ để tự động hoá nữa. Theo anh (video đăng ngày 01/11/2026), lúc đó Zuckerberg sẽ cố tìm đường vào thế giới vật lý, và ông đã bắt đầu làm vậy với kính Ray-Ban.

Nhưng chúng ta còn cần phát triển robot cho rất nhiều việc, và theo Lyubomir (video đăng ngày 01/11/2026), robot cực kỳ phức tạp: chúng cần nhận thức thế giới (world perception), lập kế hoạch, vật lý, khớp nối. Có lẽ chúng ta cần những world model mới, những AI model mới cho robot. Chúng ta cần rất nhiều thứ: cần sản xuất, bỗng nhiên cần xây cơ sở để sản xuất robot, cần tìm cách khai thác năng lượng hiệu quả.

Theo Lyubomir (video đăng ngày 01/11/2026), hiệu quả mà chúng ta có được từ việc AI tự động hoá nhiều công việc software engineering là thứ Zuckerberg muốn lấy và đem vào các lĩnh vực engineering lân cận. Anh nói việc chúng ta học các lĩnh vực lân cận là quan trọng. Zuckerberg lấy hiệu quả này và áp vào các lĩnh vực lân cận: ông xây nhà máy phần cứng, nhà máy robot, cơ sở mới, cách mới để khai thác năng lượng.

Và bạn biết đó là gì không? Theo Lyubomir (video đăng ngày 01/11/2026), đó toàn là công nghệ mà chúng ta đều cần hiểu để xây cho đúng. Thế giới mới này sẽ cần nhiều engineer hơn nữa. Nhưng anh nhắc lại, điểm mấu chốt không phải là viết code. Điểm mấu chốt là có khả năng ghép các thứ lại với nhau (stitch together), làm phần plumbing, và hiểu công nghệ và engineering ở mức khái niệm để làm được việc đó. Theo anh, lấy một software engineer, bạn có thể dễ dàng chuyển họ sang xây những thứ như vậy.

Lyubomir nói anh có cảm giác một nửa nhân viên ở OpenAI là cựu software engineer giờ chuyển thành nhà nghiên cứu, vì rất nhiều khái niệm giữa khoa học máy tính và AI trùng nhau. Theo anh (video đăng ngày 01/11/2026), khi bóc tách ra thì về cơ bản đó là toán và tính toán, không phức tạp đến thế.

Theo Lyubomir (video đăng ngày 01/11/2026), giờ chúng ta đang đi vào một thế giới nơi chúng ta xây robot. Và để xây những con robot đó, cần tìm cách khai thác thêm năng lượng để cấp điện cho "tất cả những sinh vật này". Rồi có lẽ chúng ta phải xây lại cả lưới điện, vì nó không chịu nổi lượng công suất, lượng năng lượng như thế. Chúng ta cần phát triển công nghệ mới, có lẽ cần thêm nguyên liệu thô.

Theo anh (video đăng ngày 01/11/2026), tự động hoá giải phóng một số người thông minh nhất hành tinh để họ thật sự bắt tay vào "nấu" (cook). Và các công ty muốn có những người đó, vì lúc này chưa có ai được đào tạo sẵn. Nên cách tốt nhất của họ, theo anh, là lấy engineer và đưa vào những lĩnh vực mới đó, kiểu: "cố mà tìm ra cách đi". Và điều tất cả chúng ta đang làm lúc này cũng chỉ là cố tìm ra cách.

6. Vì sao vẫn phải là chuyên gia: TCP hay UDP

Lyubomir nói anh cược rằng bạn cần thật sự giỏi engineering và hiểu máy tính. Theo anh (video đăng ngày 01/11/2026), việc có tay nghề cao còn quan trọng vì chuyện giao tiếp với AI. Kiến thức chuyên môn (domain knowledge) và hiểu biết của con người chính là mật độ băng thông (bandwidth density), anh đoán vậy, của cách chúng ta giao tiếp với AI. Chúng ta càng có nhiều kiến thức, chúng ta càng giao tiếp với AI nhanh hơn.

Ví dụ của anh: khi model hỏi bạn "bạn muốn dùng giao thức TCP hay UDP ở đây?", bạn không muốn mất hai tuần ngồi thảo luận với agent xem TCP là gì, UDP là gì, đánh đổi giữa chúng ra sao. Bạn chỉ muốn nói: "tôi chọn cái này". Bạn có thể nói: model có thể tự quyết cho bạn. Lyubomir thừa nhận đúng là model có thể tự quyết, nhưng theo anh (video đăng ngày 01/11/2026), khi đó bạn đang giao cho model rất nhiều giả định và yêu cầu ngầm, và tới một lúc nào đó nó sẽ mắc lỗi vì nó không thống nhất (aligned) với bạn.

Theo Lyubomir (video đăng ngày 01/11/2026), khả năng thống nhất với model bị nghẽn ở kiến thức của con người. Và sự thống nhất này rất quan trọng, vì nếu bạn không thống nhất với model, model có thể đạt một mục tiêu khác mà bạn không muốn. Với mục tiêu cụ thể này, bạn cần chọn TCP hay UDP, anh nói đó chỉ là một ví dụ. Nếu bạn không biết đây là gì, mà đây là một khái niệm rất cơ bản, thì hãy hình dung lúc AI bắt đầu giải những bài toán còn phức tạp hơn nhiều.

Anh nói anh còn một ví dụ khác, một ví dụ rất hay, về việc bạn cần giao tiếp được với AI: các nhà toán học. Theo Lyubomir (video đăng ngày 01/11/2026), OpenAI giờ đã giải được khoảng hàng nghìn bài toán, rồi anh nói ngay rằng anh không biết chắc. Có lẽ chúng ta có thể đem những lời giải đó vào thế giới thật, có thêm hiệu quả và thêm dồi dào, vì giờ có thể tối ưu nhiều pipeline dựa trên các khám phá toán học mới.

Nhưng theo anh (video đăng ngày 01/11/2026), vấn đề là chúng ta bị nghẽn ở sự hiểu biết của con người: biết áp những lời giải đó vào đâu, và kiểm chứng chúng. AI sẽ ngày càng thông minh hơn, và những người cản đường AI ít nhất sẽ là những người được trả công cực kỳ cao, vì họ sẽ là người mở khoá toàn bộ sự dồi dào đến từ trí tuệ, hay siêu trí tuệ.

7. Xây lại hạ tầng cho agent

Theo Lyubomir (video đăng ngày 01/11/2026), chúng ta còn cần xây lại rất nhiều hạ tầng nền tảng, riêng cho software engineering, như continuous integration hay Git. Đây là những thứ từng chạy tốt cho con người, nhưng không chạy được khi bạn scale lên cho 1.000 agent. Nên thật sự là chúng ta cần xây lại rất nhiều thứ.

Anh nói (video đăng ngày 01/11/2026) chúng ta cần xây lại cả internet từ đầu cho agent, giả định quy mô gấp 10.000 lần những gì con người từng có. Hãy hình dung: có lẽ chúng ta cần thiết kế database mới. Bạn sẽ hình dung một database chịu tải gấp 10.000 lần hiện giờ ra sao? Chúng ta cần database mới, cần mọi thứ, cần protocol mới. Theo anh, số thứ cần thiết kế lại và xây lại nhiều tới mức điên rồ.

Ý lớn hơn của Lyubomir (video đăng ngày 01/11/2026) là anh thấy một sự dồi dào không có điểm dừng, đặc biệt cho những người có tay nghề rất, rất cao.

8. Một engineer đối đầu cả một công ty

Khi thấy các software engineer chỉ toàn doom talk, toàn suy nghĩ tiêu cực, "hết việc rồi", Lyubomir nghĩ: trời ạ, đây là một vòng tự củng cố (self-reinforcing cycle). Theo anh (video đăng ngày 01/11/2026), chúng ta đang sống trong thời hoàng kim của công nghệ, vậy mà bạn định bỏ cuộc vì AI viết được code, thay vì nhìn xa hơn, thấy cơ hội rồi nắm lấy nó bằng cách học thêm, tự đào tạo bản thân, và tìm cách làm việc cùng các agent.

Anh nói còn một điều rất thú vị nữa, lần đầu tiên trong lịch sử. Nhớ lại ví dụ của anh: một công ty tới và tạo ra một thiết bị giúp bạn chụp ảnh thay cho hoạ sĩ, rồi hoạ sĩ bị tự động hoá. Nhưng trong phép so sánh này với software engineer, theo Lyubomir (video đăng ngày 01/11/2026), nếu một software engineer bị sa thải, anh ta có thể thật sự lập một công ty số với rất nhiều agent và lật đổ những công ty đang thống trị (incumbent).

Theo anh (video đăng ngày 01/11/2026), ngay lúc này đang có ai đó, thất nghiệp, đang "nấu" trong tầng hầm, cố thay thế Adobe bằng cách tạo một video editor AI-native. Anh thấy thật điên rồ khi thứ đó chưa tồn tại. Một người giờ có thể lật đổ cả công ty. Và nhờ mạng xã hội, bạn có thể tiếp cận rất nhiều người, chỉ bằng việc nói chuyện trước camera.

Theo Lyubomir (video đăng ngày 01/11/2026), nhìn đâu anh cũng thấy một điều anh chắc chắn: engineer sẽ làm tốt. Nhìn các công ty, anh không biết, có thể họ sẽ bị engineer lật đổ, vì một engineer giờ có thể hiệu quả tới vậy. Và một engineer không đấu với cả công ty. Có lẽ họ đấu với đội product, mà đội product là những người với công việc bình thường, chỉ muốn tới đó làm từ chín giờ tới năm giờ. Nhưng bạn có biết một người thất nghiệp đang "đói" trông như thế nào không?

Từ đó, theo Lyubomir (video đăng ngày 01/11/2026), có engineer, có các công ty, và có cả những công việc khác. Mọi công việc anh nghĩ ra được đều có thể bị tự động hoá, và công việc cuối cùng, thật sự cuối cùng, bị tự động hoá có lẽ là công việc tự động hoá tất cả mọi người, mọi thứ khác. Anh không biết thế giới sẽ ra sao khi chúng ta không cần con người làm bất kỳ công việc nào nữa, nhưng anh nghĩ điều đó cực kỳ dystopian. Anh nói: dù sao thì, hẹn nói chuyện với bạn về chuyện đó sau 100 năm nữa.

9. Từ app to-do tới một personal agent

Lyubomir đưa thêm một ví dụ cho thấy, theo anh (video đăng ngày 01/11/2026), khi agent mạnh hơn thì toàn bộ vòng đời phát triển cho bạn làm được nhiều hơn, nhưng cũng trở nên phức tạp hơn rất nhiều. Hãy nói về app to-do. Trước đây, bạn chỉ cần dựng một ứng dụng React JavaScript, viết app to-do, và thế là có một app to-do trên điện thoại hay trên web.

Nhưng theo Lyubomir (video đăng ngày 01/11/2026), bạn biết người ta muốn gì ngày nay không? Họ muốn một AI agent liên tục theo dõi mọi việc của bạn, mọi context của bạn, lưu chúng vào memory, và có lẽ truy vấn lại qua Bash hay qua vài tool trên một database, gì cũng được. Bạn thấy đã có bao nhiêu lớp phức tạp rồi đấy.

Rồi LLM phải phán đoán được nên đưa gì vào danh sách to-do, gạch việc gì là đã xong, khi nào nhắc bạn, yêu cầu nào gấp tới đâu. Có thể bạn đã làm việc đó rồi và nó không cần nhắc nữa, nhưng muốn biết bạn đã làm chưa thì nó lại phải đọc email của bạn. Theo Lyubomir (video đăng ngày 01/11/2026), để giải một danh sách to-do đơn giản cho thời AI, giờ chúng ta có quá nhiều lớp phức tạp. Nhưng thứ bạn nhận được không phải là một danh sách to-do, mà là một trợ lý điều hành (executive assistant) thực thụ, một agent luôn bật, lo giúp bạn rất nhiều thứ đáng ra bạn phải tự lo: đặt đồ tạp hoá, lo bảo hiểm, đặt vé máy bay, mọi thứ.

Theo Lyubomir (video đăng ngày 01/11/2026), chúng ta chưa giải được bài toán này: chưa có một personal agent tốt nào làm được những việc đó, vì đây là một bài toán engineering rất phức tạp. Chúng ta có trí tuệ, nhưng chưa có hạ tầng, và chưa tìm ra một cách sáng tạo nào để làm việc đó một cách đáng tin cậy. Và có thể các agent chưa có trọn bức tranh về tâm trí con người, về sự đồng cảm, về việc nên ưu tiên gì.

Nhưng theo anh (video đăng ngày 01/11/2026), với agent bây giờ, chúng ta có thể viết một danh sách to-do tốt hơn nhiều, rồi dần biến nó thành một trợ lý điều hành, một người trợ lý trong cuộc sống của bạn, mở khoá rất nhiều thứ và làm cuộc sống dễ dàng hơn. Tuy vậy chưa ai làm được, vì có vẻ chúng ta cần những người có tay nghề cao; AI tự nó thì chưa làm được.

Bạn có thể nói: 20 năm nữa thì làm được. Lyubomir đáp (video đăng ngày 01/11/2026) rằng anh có thể đưa cùng phép so sánh đó sang một lĩnh vực khác. App to-do là một ví dụ rất nhỏ, nhưng 20 năm nữa chúng ta sẽ nói về những hệ thống phức tạp hơn nhiều, có lẽ là robot. Làm sao một con robot chăm sóc một người bà cần được chăm sóc? Khi nào thì nói chuyện với bà, khi nào thì gợi chuyện, khi nào thì đưa bà ra ngoài đi dạo? Mức rủi ro cao hơn nhiều và phức tạp hơn nhiều, vì giờ nó bao gồm cả cảm xúc, các tương tác giữa người với người.

Theo Lyubomir (video đăng ngày 01/11/2026), bạn thấy nó phức tạp đến đâu rồi đấy. Có lẽ tất cả đều giải được bằng engineering, nhưng sẽ không giải được nếu ai cũng bỏ engineering để đi làm điều mình muốn, chẳng hạn làm nông. Anh nghĩ làm nông cũng đã được tự động hoá; bạn có thể làm vì yêu thích. Nhưng bất kỳ công việc nào bạn nghĩ ra, anh nói, đều không có chỗ nào để chạy trốn. Lựa chọn duy nhất là chạy thật nhanh, nhanh tới mức bạn không biết mình đã bỏ xa tới đâu. Nên, theo anh, hãy bắt đầu adopt, bắt đầu học.

10. Software engineer nên học gì

Học gì? Theo Lyubomir (video đăng ngày 01/11/2026), mọi software engineer ít nhất nên hiểu những điều cơ bản của LLM, cơ bản của một agent: agent loop, tool calling, context window, caching. Tất cả những điều cơ bản đó, chúng ta nên biết.

Anh nói (video đăng ngày 01/11/2026) có lẽ cũng hợp lý nếu tự phát triển và tự train một transformer nhỏ, rồi fine-tune nó, để có cảm giác về cách mọi thứ vận hành. Vậy nên, theo anh, hiểu các điều cơ bản của LLM, hiểu LLM và quá trình training, là rất tốt.

Theo Lyubomir (video đăng ngày 01/11/2026), cũng nên hiểu một cách căn bản máy tính hoạt động thế nào, hạ tầng nền tảng, các protocol. Đó là lý do ngôn ngữ lập trình hữu ích: chúng cho bạn thấy bên dưới đang xảy ra chuyện gì. Thay vì đọc điều đó trong sách giáo khoa, bạn có thể tự implement rồi học qua việc làm.

Anh tóm lại (video đăng ngày 01/11/2026): LLM, hạ tầng (infra), các protocol khác nhau, về cơ bản là agent hoạt động thế nào và máy tính hoạt động thế nào.

Điều thật sự hấp dẫn với riêng anh, Lyubomir nói (video đăng ngày 01/11/2026), là có chút hình dung về cách robot được xây. Nếu khái quát cho số đông, anh cho rằng thử sức với các lĩnh vực lân cận có lẽ là một ý hay. Nhưng theo anh, robot lúc này hơi đắt để mua về chơi thử; có lẽ anh vẫn muốn làm vậy.

Anh kể (video đăng ngày 01/11/2026) hôm trước anh nghĩ: sao mình phải bỏ ra 2.000 đô cho một cánh tay robot? Rồi anh hỏi ChatGPT: "này, tôi có thể tự phát triển nó không?" Sao lại không tự phát triển? Theo anh, ChatGPT có đúng tất cả những kiến thức anh cần để tự làm, và anh chỉ cần đầu tư thời gian và sức lực tinh thần để học.

11. Kỹ năng con người và taste

Theo Lyubomir (video đăng ngày 01/11/2026), engineer giờ cũng cần giỏi hơn nhiều ở các việc liên quan tới con người, và mạng xã hội là một ví dụ tốt. Anh nghĩ mạng xã hội có thể bị software engineer làm thay đổi rất mạnh. Anh nhắc lại chuyện video editor đã nói ở trên, rồi kể thêm: đăng bài, lên lịch, thumbnail.

Theo anh (video đăng ngày 01/11/2026), chuyện này đang xảy ra rất nhiều: người làm thumbnail không còn là một nghề nữa, vì bạn chỉ cần prompt ChatGPT để tạo thumbnail. Nhưng một "thumbnail director" thì có thể bàn: một con người có taste, hiểu rất rõ "cuộc chơi" YouTube và có thể tư vấn cho bạn nên làm thumbnail thế nào. Anh nghĩ vai trò đó vẫn rất, rất có giá trị.

Anh nhắc lại cho engineer (video đăng ngày 01/11/2026): LLM, infra, protocol, có thể thêm một chút lĩnh vực lân cận, hardware. Và hãy cởi mở, theo dõi những gì đang diễn ra trong ngành, hãy dễ thích nghi. Theo anh, không ai biết chính xác mọi chuyện rồi sẽ ra sao.

12. Thích nghi với một tương lai chưa ai biết trước

Lyubomir kể anh đã nghỉ việc khoảng một năm trước (tính từ video đăng ngày 01/11/2026) để dạy engineering và dạy lập trình. Nhưng giờ tất cả những điều đó đã không còn. Anh nói anh không thể dạy bạn nữa: dạy bạn cách viết React hay cách tạo một API không còn hợp lý với anh, vì LLM giờ làm được việc đó.

Thay vì chán nản vì điều đó, theo Lyubomir (video đăng ngày 01/11/2026), anh thấy rất, rất nhiều cơ hội khác: anh có thể làm video YouTube trong khi các agent phát triển phần mềm mà anh đang làm. Con đường kém thẳng tắp hơn, nhưng cơ hội lớn hơn rất, rất nhiều; trần giờ cao hơn rất, rất nhiều.

Anh nói (video đăng ngày 01/11/2026) anh thậm chí không ngại đối đầu cả những công ty nếu có đúng ý tưởng. Nhưng để làm vậy, bạn cũng cần một chút kiến thức chuyên môn. Nên theo anh, các chuyên gia trong từng lĩnh vực cũng sẽ dần trở thành engineer, và rốt cuộc, như anh nói từ đầu, ai cũng sẽ hội tụ về chỗ trở thành engineer.

Theo Lyubomir (video đăng ngày 01/11/2026), có một thế hệ vào khoảng 2018, 2019 đã lao vào các bootcamp khoa học máy tính, lập trình. Họ có thể cảm thấy bị dẫn dắt sai, vì họ từng nghĩ: được rồi, mình sẽ học Python, rồi mình sẽ ổn. Và hiển nhiên, điều đó sẽ không xảy ra.

Theo anh (video đăng ngày 01/11/2026), cạnh tranh nói chung rất khốc liệt, đặc biệt ở những lĩnh vực mà người ta, anh nói anh không muốn dùng chữ "thông minh", nhưng nhìn chung software engineer thật sự rất thông minh, và cạnh tranh rất khốc liệt. Nếu muốn chơi trong ngành này, bạn phải sẵn sàng chơi cùng hoặc đối đầu với những người thông minh nhất. Và anh khép lại: đó là những suy nghĩ của anh về tự động hoá, và rốt cuộc là lý do anh lạc quan (bullish).