Tweet
Một thập kỷ trước, thực tập sinh CNTT ở Việt Nam thường miệt mài “dịch, photo, lấy cà phê” – những việc lặp lại ít giá trị học hỏi. Ngày nay, cùng một vị trí nhưng nhiệm vụ đã xoay trục: mentor đưa keyword, thực tập sinh tự nghiên cứu, làm lab, rồi viết lại thành bài. Hành trình “học-làm-chia sẻ” ấy không chỉ giúp lưu lại tri thức mà còn rèn tư duy hệ thống. Bài viết này là vài dòng ngẫm nghĩ của một người kỹ thuật đang làm việc ẩn danh, từng đi qua cả hai mô hình, giữa “bão” AI và thị trường lao động đang thay đổi.
1. Từ việc vặt đến học qua sản phẩm
Ngày xưa, thực tập sinh IT chủ yếu cài phần mềm, lắp cáp, dịch tài liệu, ghi chép báo cáo. Giá trị thu nhận ít ỏi vì kiến thức được nhai lại chứ không trải nghiệm.
Hôm nay, mentor chỉ gợi một từ khoá. Trò phải tự dựng lab, vọc công cụ, viết write-up, public Git hoặc blog rồi thuyết trình cho nhóm. Quy trình này biến việc viết thành bộ nhớ thứ hai: khi ta gõ phím, não phải sắp xếp, kết nối và tự chất vấn giả định của chính mình.
Tôi còn nhớ lần đầu nhận nhiệm vụ phân tích memory dump bằng Volatility trong một CTF forensics. Ba ngày miệt mài với pslist, cmdline, netscan, cuối cùng phát hiện ra process ẩn đang exfiltrate data qua network connection bất thường. Từ một challenge forensics đơn giản, nhóm CTF của chúng tôi đã xây dựng được pipeline tự động hóa memory analysis kết hợp với ELK stack để correlation - thứ không bao giờ có được nếu chỉ ngồi đọc sách về digital forensics.
2. Khi trí nhớ không còn là thước đo
Xã hội từng tôn vinh “học thuộc lòng” – nhớ càng nhiều càng giỏi. Nhưng AI bây giờ lưu trữ và truy xuất hàng tỷ tham số, vượt xa bộ não về khả năng ký ức chính xác. Điều đó đặt câu hỏi: con người còn lại gì?
Các nghiên cứu chỉ ra AI vượt chuyên gia trong dự đoán kết quả thí nghiệm thần kinh và thậm chí tạo ý tưởng sáng tạo trung bình cao hơn người7. Tuy nhiên, AI thiếu chiều sâu ngữ cảnh, cảm xúc và khả năng “quên có chủ đích” – thứ giúp ta linh hoạt trước tình thế mơ hồ.
Vì vậy, giá trị của thực tập – và của người làm kỹ thuật – chuyển dịch từ nhớ sang hiểu, từ ghi chép sang diễn giải-phản biện. Việc viết lại bài lab chính là “constructive episodic simulation”: tái cấu trúc ký ức để tưởng tượng phương án mới.
3. Thị trường lao động: từ “fresher” đến “tech”
Sự dịch chuyển này phản chiếu ra ngoài doanh nghiệp. Báo cáo SignalFire cho thấy tỷ lệ sinh viên mới ra trường trong tổng tuyển dụng của BigTech giảm từ 15% (2019) còn 7% (2025)10. Công ty ưu tiên ứng viên “làm được việc ngay”, có kinh nghiệm tự tay build-test-viết.
Ở Ấn Độ, nhiều doanh nghiệp bỏ hẳn title “fresher”, chuyển sang khung “tech level” kèm yêu cầu AI literacy. Bằng sáng trong vỏn vẹn không đủ; người trẻ phải chứng minh qua GitHub, blog, CTF – tức chính mô hình tự học ghi chép đang bàn.
4. Góc nhìn nội bộ
Tại các doanh nghiệp hiện đại, nhân viên - thực tập sinh duy trì “ke-lab-blog” như tiêu chuẩn. Một ngày xen lẫn cấu hình OPNsense, phân tích, viết detection, rồi tối về chỉnh bài blog chia sẻ trên diễn đàn.
Cái thú là mỗi bài viết trở thành tài liệu nội bộ, cũng là portfolio cá nhân. Khi cần tuyển cộng sự, chỉ việc gửi link write-up và code – không CV dài dòng. Đồng nghiệp đọc, phản biện, nảy ra cải tiến, vòng lặp tri thức không ngừng.
5. Mấy dòng cho người sẽ đến
Trong kỷ nguyên AI nhớ giùm chúng ta mọi thứ, giá trị của con người nằm ở năng lực chọn lọc, diễn giải và biến kiến thức thành hành động. Mô hình thực tập dựa trên keyword-lab-write-up không phải phát minh lớn lao, nhưng nó trả lại cho người học quyền sở hữu tri thức và tạo ra dấu vết số bền vững. Viết để nhớ, để quên đúng chỗ, và để chứng minh với thị trường rằng bạn không chỉ “nhớ” – bạn hiểu và làm được.
1. Từ việc vặt đến học qua sản phẩm
Ngày xưa, thực tập sinh IT chủ yếu cài phần mềm, lắp cáp, dịch tài liệu, ghi chép báo cáo. Giá trị thu nhận ít ỏi vì kiến thức được nhai lại chứ không trải nghiệm.
Hôm nay, mentor chỉ gợi một từ khoá. Trò phải tự dựng lab, vọc công cụ, viết write-up, public Git hoặc blog rồi thuyết trình cho nhóm. Quy trình này biến việc viết thành bộ nhớ thứ hai: khi ta gõ phím, não phải sắp xếp, kết nối và tự chất vấn giả định của chính mình.
Tôi còn nhớ lần đầu nhận nhiệm vụ phân tích memory dump bằng Volatility trong một CTF forensics. Ba ngày miệt mài với pslist, cmdline, netscan, cuối cùng phát hiện ra process ẩn đang exfiltrate data qua network connection bất thường. Từ một challenge forensics đơn giản, nhóm CTF của chúng tôi đã xây dựng được pipeline tự động hóa memory analysis kết hợp với ELK stack để correlation - thứ không bao giờ có được nếu chỉ ngồi đọc sách về digital forensics.
2. Khi trí nhớ không còn là thước đo
Xã hội từng tôn vinh “học thuộc lòng” – nhớ càng nhiều càng giỏi. Nhưng AI bây giờ lưu trữ và truy xuất hàng tỷ tham số, vượt xa bộ não về khả năng ký ức chính xác. Điều đó đặt câu hỏi: con người còn lại gì?
Các nghiên cứu chỉ ra AI vượt chuyên gia trong dự đoán kết quả thí nghiệm thần kinh và thậm chí tạo ý tưởng sáng tạo trung bình cao hơn người7. Tuy nhiên, AI thiếu chiều sâu ngữ cảnh, cảm xúc và khả năng “quên có chủ đích” – thứ giúp ta linh hoạt trước tình thế mơ hồ.
Vì vậy, giá trị của thực tập – và của người làm kỹ thuật – chuyển dịch từ nhớ sang hiểu, từ ghi chép sang diễn giải-phản biện. Việc viết lại bài lab chính là “constructive episodic simulation”: tái cấu trúc ký ức để tưởng tượng phương án mới.
3. Thị trường lao động: từ “fresher” đến “tech”
Sự dịch chuyển này phản chiếu ra ngoài doanh nghiệp. Báo cáo SignalFire cho thấy tỷ lệ sinh viên mới ra trường trong tổng tuyển dụng của BigTech giảm từ 15% (2019) còn 7% (2025)10. Công ty ưu tiên ứng viên “làm được việc ngay”, có kinh nghiệm tự tay build-test-viết.
Tỷ lệ tuyển dụng fresher tại các hãng công nghệ lớn giảm một nửa từ 2019 đến 2025
Ở Ấn Độ, nhiều doanh nghiệp bỏ hẳn title “fresher”, chuyển sang khung “tech level” kèm yêu cầu AI literacy. Bằng sáng trong vỏn vẹn không đủ; người trẻ phải chứng minh qua GitHub, blog, CTF – tức chính mô hình tự học ghi chép đang bàn.
4. Góc nhìn nội bộ
Tại các doanh nghiệp hiện đại, nhân viên - thực tập sinh duy trì “ke-lab-blog” như tiêu chuẩn. Một ngày xen lẫn cấu hình OPNsense, phân tích, viết detection, rồi tối về chỉnh bài blog chia sẻ trên diễn đàn.
Cái thú là mỗi bài viết trở thành tài liệu nội bộ, cũng là portfolio cá nhân. Khi cần tuyển cộng sự, chỉ việc gửi link write-up và code – không CV dài dòng. Đồng nghiệp đọc, phản biện, nảy ra cải tiến, vòng lặp tri thức không ngừng.
5. Mấy dòng cho người sẽ đến
- Viết để nhớ, để soi lại tư duy – đừng sợ bài dở; dở rồi mới khá.
- Tự đặt câu hỏi “Tại sao?” trước khi google – thói quen này giúp não tạo liên kết ngữ cảnh, thứ AI chưa làm giỏi.
- Biến blog thành phòng lab mở – người đọc phản hồi chính là peer-review miễn phí, đẩy bạn thoát “echo chamber”.
Trong kỷ nguyên AI nhớ giùm chúng ta mọi thứ, giá trị của con người nằm ở năng lực chọn lọc, diễn giải và biến kiến thức thành hành động. Mô hình thực tập dựa trên keyword-lab-write-up không phải phát minh lớn lao, nhưng nó trả lại cho người học quyền sở hữu tri thức và tạo ra dấu vết số bền vững. Viết để nhớ, để quên đúng chỗ, và để chứng minh với thị trường rằng bạn không chỉ “nhớ” – bạn hiểu và làm được.