Từ software engineer sang FDE: code production chỉ là tấm vé qua cửa

Tin tuyển Forward Deployed Engineer mảng Applied AI của Anthropic có một dòng dễ làm kỹ sư giỏi chùn tay. Yêu cầu không xoay quanh số năm viết Python. Họ cần từ 4 năm kinh nghiệm ở một vai trò kỹ thuật có tiếp xúc khách hàng, chẳng hạn chính vị trí FDE.

Dòng đó cho thấy nghịch lý của việc chuyển sang FDE. Kỹ năng khó nhất mà kỹ sư phần mềm luyện suốt nhiều năm, tức viết code chạy được trên production, lại bị nhà tuyển dụng coi là đương nhiên. Paraform, một nền tảng tuyển dụng, nói thẳng rằng kỹ năng kỹ thuật là mức sàn, không phải tiêu chí xếp hạng ứng viên.

Với một developer có 2-8 năm kinh nghiệm đang nhắm tới FDE, điều này vừa tốt vừa xấu. Tin tốt là bạn đã có một nửa bộ kỹ năng. Tin xấu là nửa còn lại không tự đến khi bạn viết thêm code, vì cách tổ chức công việc của bạn hiện nay vốn được thiết kế để giữ bạn tránh xa nó.

Nửa bạn đã có lớn hơn bạn nghĩ

Bắt đầu từ lợi thế. Mô hình FDE kiểu Palantir thường được tóm lại thế này: viết code chất lượng production nhưng làm việc ngay bên trong khách hàng. Vế đầu chính là nghề của bạn.

Paraform liệt kê năm kỹ năng lõi: một ngôn ngữ backend, hạ tầng cloud, data engineering, AI ứng dụng và giao tiếp với khách hàng. Ba mục đầu là việc hằng ngày của một backend engineer. Tin tuyển của Anthropic cũng mô tả công việc là xây ứng dụng production với mô hình Claude ngay trong hệ thống của khách hàng.

Playbook về FDE đăng trên Data Conversationalist mô tả FDE là người biết cần xây gì, vì sao nó quan trọng với doanh nghiệp, và cách deploy, scale nó trên production. Vế thứ ba là chỗ kỹ sư có kinh nghiệm hơn hẳn người chỉ giỏi nói chuyện với khách. Hiểu khách là một chuyện. Làm cho hệ thống chạy bền trong môi trường thật của họ là chuyện khác.

Vậy khoảng trống nằm ở đâu?

Kỹ sư phần mềm thường hụt ở hai vế đầu: cần xây gì, và vì sao. Lý do không phải vì kém, mà vì chưa bao giờ phải làm. Tác giả playbook cho rằng con đường sự nghiệp kỹ sư truyền thống không đòi hỏi những kỹ năng này, vì back office đã che chắn kỹ sư khỏi bài toán kinh doanh.

Futurense nhìn cùng hiện tượng từ một góc khác: ở phần lớn tổ chức, kỹ sư phần mềm ít làm việc trực tiếp với khách hàng, và phản hồi thường đến qua bộ phận support hoặc PM. Khi ticket tới tay bạn, đã có người diễn đạt lại vấn đề của người dùng thành yêu cầu, nên bạn chỉ nhận bản đã qua trung gian.

FDE thì phải tự làm phần diễn đạt đó, mà nghe trực tiếp người dùng không hề dễ. Playbook nhận xét rằng nhân viên hiếm khi tự kể ra quy trình ngầm hay những ngoại lệ họ vẫn xử lý bằng tay nếu không được hỏi. Muốn biết, bạn phải biết cách hỏi và phải được tin đủ để họ chịu kể.

Thử hình dung bạn được cử tới một công ty logistics để dựng agent xử lý chứng từ. Spec ghi “đọc hóa đơn, nhập vào ERP”. Có thể phải đến buổi thứ ba ngồi cạnh nhóm kế toán, bạn mới biết một khách lớn luôn gửi hóa đơn thành hai file rời và trưởng nhóm phải ghép tay mỗi tuần, một chi tiết mà spec không hề nhắc tới.

Rộng thay vì sâu, và một lớp AI mới

Khoảng trống tiếp theo nằm ở tính chất công việc. Futurense mô tả phạm vi kỹ thuật của FDE là rộng, trong khi kỹ sư phần mềm thường tập trung hoàn thiện một thành phần. Kỹ sư chuyên sâu quen hỏi “làm sao để module này tốt nhất”. FDE phải hỏi “khách cần gì chạy được trong tuần tới, và phần nào trong hệ thống đang cản việc đó”.

Lớp mới hơn cả là AI ứng dụng. Anthropic đòi kinh nghiệm đưa LLM lên production, gồm prompt engineering nâng cao và phát triển agent. Đây là khoảng trống cụ thể nhất nhưng cũng dễ lấp nhất, vì nó vẫn là kỹ thuật: bạn tự học, tự build và tự đo được.

Còn lại là phong cách làm việc. Tin của Anthropic đề cao tính chủ động cao và khả năng xoay xở với sự mơ hồ trong những tổ chức phức tạp. Paraform quan sát rằng kỹ sư từng đi hackathon, làm startup giai đoạn đầu hoặc trực on-call thường thích nghi nhanh nhất.

Ba môi trường này giống nhau ở một điểm: không ai đưa bạn spec hoàn chỉnh, và sai thì phải chịu hậu quả thật.

Khía cạnh	Kỹ sư phần mềm thường quen	FDE được kỳ vọng	Cách lấp từ vị trí hiện tại
Code production	Backend, cloud, data: lợi thế sẵn có	Viết code production trong hệ thống khách	Giữ vững; đây là mức sàn để qua vòng
Phạm vi	Đi sâu, hoàn thiện một thành phần	Trải rộng nhiều phần của hệ thống	Nhận việc end-to-end, đi qua nhiều lớp stack
Khách hàng	Phản hồi đến qua support hoặc PM	Nghe trực tiếp, tự xây lòng tin	Xin dự các buổi làm rõ yêu cầu
Nghiệp vụ	Back office che chắn	Tự tìm ra quy trình ngầm và ngoại lệ	Dành thời gian ngồi cạnh người dùng cuối
AI ứng dụng	Thường chưa đưa LLM lên production	Prompt engineering nâng cao, phát triển agent	Dự án nhỏ có người dùng thật và có đo lường
Sự mơ hồ	Có spec sẵn	Chủ động trong tổ chức phức tạp	Trực on-call, tham gia hackathon

Đừng chờ được giao việc gặp khách

Chi tiết đáng chú ý trong bảng là chỉ có một hàng, AI ứng dụng, lấp được chủ yếu bằng cách học thêm công nghệ. Các hàng còn lại đều là kinh nghiệm, và kinh nghiệm thì phải tích lũy trong môi trường làm việc thật. Đó là lý do việc chuyển sang FDE không thể chỉ gói gọn trong một khóa học.

Yêu cầu 4 năm của Anthropic cho thấy người chuyển ngành khó vào thẳng vị trí đó. Nhưng hãy đọc kỹ cách viết: họ tính kinh nghiệm ở vai trò kỹ thuật có tiếp xúc khách hàng, FDE chỉ là một ví dụ.

Vì thế con đường thực tế là tích lũy loại kinh nghiệm này ngay từ công việc hiện tại, rồi gọi đúng tên nó khi đi xin việc.

Nếu bạn làm ở công ty dịch vụ hay outsourcing, hãy xin tham gia các cuộc gọi làm rõ yêu cầu thay vì chỉ nhận ticket sau đó. Nếu bạn làm sản phẩm, hãy xin ngồi cùng support một buổi hoặc nhận vào lịch on-call. Mỗi lần bạn phát hiện một yêu cầu ẩn mà spec bỏ sót, hãy ghi lại.

Những ghi chép đó sẽ thành chất liệu cho CV. Một dòng như “triển khai tính năng X” chỉ chứng minh bạn đạt mức sàn. Một dòng kể rằng bạn đã phát hiện ngoại lệ gì, qua cuộc trao đổi nào, và kết quả sau khi deploy ra sao mới cho thấy những kỹ năng nằm trên mức sàn đó.

Lấy lại ví dụ giả định ở công ty logistics. Bản trước: “Xây agent đọc hóa đơn và nhập dữ liệu vào ERP.” Bản sau: “Qua ba buổi ngồi cùng nhóm kế toán, phát hiện một khách lớn luôn gửi hóa đơn thành hai file rời; thêm bước ghép file vào agent trước khi nhập ERP, bỏ được việc ghép tay hằng tuần của trưởng nhóm.”

Cùng một dự án, nhưng chỉ dòng sau mới cho người tuyển dụng thấy bạn đã đi qua cả ba vế: cần xây gì, vì sao, và làm cho nó chạy.

Khi đọc JD, hãy để ý các cụm như “customer systems”, “ambiguity”, “production experience with LLMs”. Chúng cho bạn biết vị trí đó cần bạn đã có kinh nghiệm thực tế ở những khoảng trống nào, chứ không chỉ cần bạn biết công nghệ gì.

Code production giúp bạn vượt qua mức sàn. Phần còn lại của JD, từ kinh nghiệm làm việc trực tiếp với khách hàng, khả năng xoay xở với sự mơ hồ đến kinh nghiệm đưa LLM lên production, mới là chỗ bạn có thể tách mình khỏi những ứng viên khác.