Link bài viết gốc： https://mp.weixin.qq.com/s/VnunfrT0Z83Nn...
Beyond The Content Podcast · Official Account · BeyondTheContentPodcast · 2026-10-18 16:00
Bài viết này được chia sẻ lại, bản quyền thuộc về tác giả gốc, toàn văn căn cứ theo link bài gốc
BEYOND THE CONTENT · LENNY’S PODCAST · NETFLIX
Elizabeth Stone: Tại sao Netflix trong kỷ nguyên AI lại đặt cược vào “tư duy hệ thống” thay vì “chủ nghĩa chuyên gia”
“Chúng tôi cần nhiều người tư duy hệ thống hơn: những người có thể bao quát mọi lĩnh vực nghiệp vụ, nhìn ra các thành phần dùng chung, hạ tầng và các ràng buộc thực sự cốt lõi.”
Lenny’s Podcast · Elizabeth Stone × Lenny Rachitsky · Ngày 19 tháng 7 năm 2026
Đọc thêm
Cổng tuyển tập 【Lenny Archives】
Vũ khí bí mật của quỹ đầu tư mạo hiểm hàng đầu Thung lũng Silicon Y Combinator: Làm thế nào để đánh giá một founder có đáng để rót vốn hay không trong 10 phút? Jessica Livingston
Cách chọn lọc chuẩn xác các startup tiềm năng hàng đầu từ giai đoạn sớm: Tín hiệu tiềm ẩn của cơ hội top 1%
Không KPI, không đánh giá hiệu suất, Netflix quản lý đội ngũ kỹ sư hàng đầu bằng cách nào? Giám đốc Công nghệ (CTO) Elizabeth Stone giải thích chi tiết về văn hóa kỹ thuật của Netflix
Sai lầm lớn nhất của người bình thường khi muốn thăng tiến là nghĩ rằng chỉ cần “làm tốt việc” là đủ - CTO Netflix - Elizabeth Stone
Điều hướng video gốc
01 Mở đầu: Khi AI cho phép mọi người “làm được tất cả”, vai trò lại càng trở nên hỗn loạn hơn
tháng 02 Hai năm rưỡi qua, điều gì đã xảy ra với sản phẩm, kỹ thuật, thiết kế và khoa học dữ liệu
03 Các chức năng nghề nghiệp có biến mất không: Kỹ năng chuyên môn chuyên sâu vẫn rất quan trọng
**04** Netflix đang tuyển nhiều vị trí nào và giảm tuyển vị trí nào
**05** Tại sao “tư duy hệ thống” đang trở thành kỹ năng thăng tiến cho mọi vai trò
**06** Quy trình thiết kế đã chết chưa?
**07** Kỹ năng đang suy giảm giá trị: Chuyên môn hóa quá hẹp
**08** Năng lực sử dụng AI: Tầng năng lực chung mà Netflix áp dụng cho mọi vị trí
**09** Ngoài viết code, AI còn được ứng dụng ở đâu tại Netflix
10 tháng 6 Lịch sử AI của Netflix: Từ Netflix Prize đến ngày nay
11 Excellence as an Operating System: Biến sự xuất sắc thành một hệ điều hành
12 Các trụ cột của hệ điều hành xuất sắc
13 Keeper Test: Phần lớn thời gian nó thực chất là một cuộc trò chuyện tích cực
14 Cạnh tranh nhân tài hàng đầu trong thời đại của các phòng lab AI tiên phong
Ngày 15 Nhân sự junior, kỹ năng chuyên môn và vấn đề mentorship
Ngày 16 Các vị trí kỹ thuật sẽ ra sao sau 5 đến 10 năm nữa
Ngày 17 Tương lai của ngành giải trí: Không còn chỉ là phim ảnh và truyền hình
18 AI tiến vào Hollywood: Lập trường trao quyền cho nhà sáng tạo của Netflix
19 Hỏi nhanh đáp gọn và những suy ngẫm cuối cùng
Chương video gốc 01
Mở đầu: Khi AI cho phép mọi người “làm được tất cả”, vai trò lại càng trở nên hỗn loạn hơn
Elizabeth Stone
Hiện tại, hầu như ai cũng có thể làm gần như mọi việc. Product manager có thể commit code, designer có thể viết PRD, kỹ sư cũng có thể làm sản phẩm.
Kéo theo đó là sự hoang mang và cảm giác hụt hẫng rất thật: Vậy công việc thực sự của mình là gì?
Sau khi bất kỳ công nghệ mới nào xuất hiện, các tổ chức đều sẽ trải qua một giai đoạn va chạm trước tiên — đó là giai đoạn xung đột, hỗn loạn và ranh giới bị mờ nhạt — rồi sau đó mới bước vào giai đoạn định hình, tái thiết lập các phương thức ổn định mới.
Chúng ta hiện đang ở lưng chừng của quá trình đó.
Điều đó không có nghĩa là chúng ta nên nhét AI trở lại vào hộp và nói: ‘Thôi, đừng dùng nữa, nó làm đảo lộn hết mọi nhận thức trước đây của chúng ta về vị trí và vai trò.’
Vấn đề thực sự là làm thế nào để chúng ta gặt hái được những lợi ích mà AI mang lại, đồng thời giảm thiểu tối đa các chi phí phát sinh.
Tôi cho rằng việc mọi người thử nghiệm ‘làm sao để phát triển một ý tưởng nhanh hơn, làm prototype nhanh hơn, viết trước một phiên bản code để kiểm chứng’ là rất tốt.
Nhưng điều đó không có nghĩa là ai cũng nên đẩy code trực tiếp lên môi trường production, cũng không có nghĩa là rốt cuộc mỗi cá nhân phải gánh vác toàn bộ công việc.
Khi đội ngũ sản phẩm và kỹ thuật thực sự ngồi lại cùng nhau, và bài toán kinh doanh đã đủ rõ ràng, thì việc tồn tại sự linh hoạt nhất định giữa các vai trò thực chất lại rất lành mạnh.
Product và design có thể nhanh chóng làm một số prototype trước khi đội ngũ kỹ thuật chính thức tham gia.
Nhưng cuối cùng, các bạn vẫn nên cùng các đồng nghiệp kỹ thuật suy nghĩ: Làm thế nào để đóng gói thành sản phẩm hoàn chỉnh? Làm thế nào để mở rộng quy mô? Cần thiết lập những hàng rào bảo vệ nào?
Vì vậy, tôi không nghĩ năng lực chuyên môn theo chức năng đã trở nên lỗi thời.
Tôi cho rằng điều thay đổi là: các đội ngũ cần thích nghi tốt hơn với việc ranh giới vai trò đôi khi sẽ mờ đi, và quen dần với việc một số định hướng có thể tiến triển nhanh hơn nhiều nhờ AI.
Từ góc độ tổ chức, tôi đặc biệt chú ý đến một số hạ tầng và phương thức làm việc.
Chẳng hạn: Dữ liệu nào mới là nguồn chân lý duy nhất (single source of truth)? Khi nào code mới được đưa lên production? Trước khi thực hiện những thay đổi lớn thì kiểm thử ra sao? Trường hợp nào có thể tin tưởng output của AI, trường hợp nào bắt buộc phải có con người review lại?
Còn một điểm cực kỳ quan trọng: Con người vẫn phải chịu trách nhiệm về kết quả cuối cùng.
Dù code là do agent viết, hay một phân tích nào đó không thuộc chuyên môn ban đầu của bạn, bạn vẫn phải chịu trách nhiệm về những gì mình làm ra.
Lenny Rachitsky
Hai năm rưỡi trước khi bạn lần đầu đến chương trình này, AI vẫn chưa tái định hình cả thế giới như hiện tại.
Vì vậy, điều đặc biệt thú vị lúc này là chúng ta có thể nhìn lại toàn bộ sự thay đổi đó.
Chương video gốc 02
Hai năm rưỡi qua, điều gì đã xảy ra với sản phẩm, kỹ thuật, thiết kế và khoa học dữ liệu
Lenny Rachitsky
Nếu nhìn vào các vị trí sản phẩm, kỹ thuật, thiết kế, khoa học dữ liệu, nghiên cứu người dùng, trong hai năm rưỡi qua ai là người thay đổi nhiều nhất, ai thay đổi ít nhất?
Elizabeth Stone
Product manager, designer, data scientist giờ đây đều có thể tiến xa hơn nhiều trong vòng đời phát triển sản phẩm trước khi thực sự cần đội ngũ kỹ thuật đứng mũi chịu sào để mở đường cho các bước tiếp theo.
Vài năm trước, điều này không rõ rệt đến vậy.
Tất nhiên tôi sẽ thêm vào một điều kiện ràng buộc quan trọng.
Điều này không có nghĩa là mọi người đột nhiên phải làm ra hàng nghìn prototype, cũng không phải là ai nấy đều lao vào ném bừa mọi thứ lên tường xem cái gì dính lại.
Tiền đề vẫn là: bạn đang giải quyết một vấn đề thực sự quan trọng đối với hoạt động kinh doanh, các đồng nghiệp kỹ thuật biết bạn đang giải quyết vấn đề đó, và nhóm đã đạt được sự đồng thuận nhất định về việc ‘product và design có thể đi trước một bước để định hình ý tưởng’.
Trong bối cảnh đó, tôi thực sự thấy cả product, design lẫn data science đều có thể tiến nhanh hơn đến bước ‘hãy đưa ra một thứ có thể kiểm thử được để xác thực giả thuyết’.
Đó có thể là một prototype, hoặc cũng có thể là trực tiếp viết một vài đoạn code.
Một dạng thay đổi khác là việc tiếp nhận tri thức.
Netflix bao năm qua đã tích lũy một lượng thông tin khổng lồ: hàng chục năm dữ liệu thử nghiệm, insight người tiêu dùng, và đầu vào từ nhiều bộ phận kinh doanh khác nhau.
Trước đây, khó khăn thực sự là: làm sao từ kho lịch sử đồ sộ ấy nhanh chóng tìm ra tri thức hữu ích cho bài toán của ngày hôm nay?
AI rất giỏi trong việc chắt lọc thông tin, tìm kiếm trên khối lượng tài liệu khổng lồ, phân tích sơ bộ, rồi cung cấp những insight cốt lõi nhất cho bạn trước.
Tôi không hoàn toàn phụ thuộc vào nó, nhưng nó có thể tạo ra một lợi thế khởi đầu vô cùng lớn.
Ngay cả bản thân tôi giờ cũng hiếm khi phải gửi email cho ai đó để hỏi: ‘Bạn có nhớ năm nào chúng ta từng làm nghiên cứu gì, vấn đề lúc đó là gì, và đã chạy những đợt thử nghiệm nào không?’
Tôi thường có thể tìm ra những thông tin này rất nhanh, rồi từ đó hình thành nhận định của riêng mình: ở đây rốt cuộc có điều gì đáng để đào sâu tiếp.
Điều này đồng nghĩa với việc phân tích dữ liệu, mô hình hóa thông tin, chắt lọc tri thức giờ không còn là đặc quyền của ‘những người đã ở Netflix 20 năm và từng chứng kiến mọi cuộc thử nghiệm’.
Toàn bộ tổ chức sản phẩm và công nghệ đều có thể thực hiện việc này nhanh hơn.
Thậm chí các đội ngũ phía kinh doanh như tài chính, nội dung, quảng cáo cũng có thể tự hình thành các giả thuyết ban đầu trước, sau đó mới quay lại làm việc sâu hơn cùng các data scientist và kỹ sư.
Vì vậy, thay đổi mà tôi nhìn thấy là: các khâu từ tạo giả thuyết, làm prototype đến thấu hiểu sâu sắc bài toán đều đang tăng tốc toàn diện, đồng thời sự luân chuyển giữa các chức năng cũng trở nên linh hoạt hơn.
Nhưng lợi thế tương đối vẫn luôn tồn tại.
Data scientist vẫn là những người giỏi nhất trong việc đánh giá dữ liệu có đáng tin cậy hay không, diễn giải có chính xác hay không, chỗ nào nên dựa vào dữ liệu và chỗ nào nên dùng trực giác phán đoán.
Product manager vẫn phải là người giỏi nhất trong việc trả lời: Liệu chúng ta đã thực sự định nghĩa đúng vấn đề đáng để giải quyết hay chưa?
Kỹ sư vẫn nắm giữ chuyên môn thực thụ trong khâu ‘làm như thế nào’: Làm sao để mở rộng quy mô? Làm sao để đảm bảo chất lượng cao? Cách xây dựng và triển khai ngày hôm nay liệu có gây ra vấn đề gì trong tương lai?
Vì vậy những lợi thế chuyên môn cốt lõi này vẫn tồn tại, chỉ là hiện nay mọi người có thể linh hoạt vượt qua những bước từng dễ bị tắc nghẽn.
Chương 03 của video gốc
Các vai trò chức năng có biến mất không: Tay nghề chuyên môn vẫn rất quan trọng
Lenny Rachitsky
Nếu tất cả mọi người đều trở thành builder, liệu sau này chúng ta có còn cần nhiều vai trò chức năng độc lập đến vậy không?
Hiện nay trong các công ty AI rất thịnh hành vai trò Technical Staff, dường như không cần phải gò ép một người vào bất kỳ khuôn khổ nào như sản phẩm, kỹ thuật hay thiết kế.
Elizabeth Stone
Tôi vẫn thấy sự hiện diện mạnh mẽ của tay nghề chuyên môn (craftsmanship), tức là sự xuất sắc về mặt kỹ năng chuyên môn, và tôi không nghĩ nó sẽ sớm biến mất.
Dù nội dung công việc có vượt qua ranh giới chức năng, con người cuối cùng vẫn phải đánh giá: Liệu chúng ta có đang giải quyết đúng vấn đề không? Có đang giải quyết theo cách phù hợp nhất cho các thành viên Netflix và đối tác kinh doanh hay không?
Một kỹ sư, nhà khoa học dữ liệu hay nhà thiết kế, nhờ có AI hỗ trợ, giờ đây quả thực có thể nói được nhiều "ngôn ngữ" hơn.
Nhưng hiểu biết của họ về việc "thế nào mới là thực sự xuất sắc" vẫn có một phần không thể thay thế.
Và điều này đúng với mọi cấp bậc.
Năng lực kỹ thuật xuất sắc vẫn khan hiếm, khoa học dữ liệu xuất sắc vẫn khan hiếm, và sự sáng tạo thực sự xuất sắc cũng vẫn khan hiếm.
Chương 04 của video gốc
Netflix đang tuyển nhiều vị trí nào và giảm tuyển vị trí nào
Lenny Rachitsky
Vậy hiện tại các bạn rốt cuộc đang tuyển nhiều vị trí nào và giảm tuyển vị trí nào?
Elizabeth Stone
Nó không hoàn toàn tương ứng với một vai trò chức năng cụ thể, nhưng tôi có thể nói rõ ràng rằng: trong thế giới AI, chúng ta cần nhiều người có tư duy hệ thống hơn.
Lấy hạ tầng cốt lõi và đội ngũ kỹ thuật trung tâm của Netflix làm ví dụ.
Trước đây Netflix thành công phần lớn là nhờ mỗi nhóm nghiệp vụ cục bộ đều có thể hành động nhanh chóng xoay quanh các bài toán của riêng mình.
Họ không nhất thiết phải đi theo một lộ trình chuẩn hóa tập trung, mà tự dựng một bộ tech stack phù hợp nhất cho bài toán trước mắt.
Nhưng kỷ nguyên AI thì khác.
Khi agent phải làm việc xuyên suốt nhiều hệ thống, khi tất cả mọi người đều phụ thuộc vào nguồn dữ liệu chuẩn duy nhất (single source of truth), và khi bạn lại cần thiết lập rào chắn bảo vệ giữa tốc độ và chất lượng an toàn, thì hạ tầng dùng chung, lộ trình chuẩn hóa chung, cùng năng lực chỉ giải quyết cùng một vấn đề đúng một lần sẽ trở nên quan trọng hơn rõ rệt.
Vì vậy hiện nay chúng tôi cần hơn những người có khả năng bao quát toàn bộ các mảng nghiệp vụ, rồi trừu tượng hóa xem "trong tương lai thực sự cần những thành phần dùng chung nào".
Xét từ chân dung kỹ sư, điều này có nghĩa là cần nhiều hơn về hệ thống phân tán, năng lực hạ tầng, tư duy hệ thống, chứ không chỉ sở hữu kiến thức chuyên sâu về một mảng nghiệp vụ cục bộ.
Dĩ nhiên, chúng tôi vẫn cần những nhân sự có chuyên môn rất sâu trong các lĩnh vực như cá nhân hóa, quảng cáo, phân phối nội dung.
Nhưng yếu tố thực sự mới xuất hiện và ngày càng quan trọng chính là hệ thống hạ tầng và tư duy hệ thống đó.
Thiết kế cũng tương tự như vậy.
Đội ngũ thiết kế trải nghiệm của chúng tôi hiện nay phải làm nhiều hơn về template, design system, định vị thương hiệu, để định nghĩa xem "trên Netflix, thế nào mới là trải nghiệm người dùng xuất sắc".
Lý do là sau này sẽ ngày càng có nhiều người không phải designer cũng trực tiếp tham gia xây dựng sản phẩm.
Nếu không có tiếng nói chung, cuối cùng sẽ rất dễ tạo ra đủ kiểu tương tác không nhất quán, tạo nên một sản phẩm chắp vá kiểu Frankenstein.
Vì vậy designer cũng cần lùi lại một bước từ việc "vẽ phương án cho một tính năng cụ thể", để suy nghĩ: làm thế nào định nghĩa một hệ thống giúp nhiều người hơn có thể tạo ra trải nghiệm liền mạch, nhất quán và mang đậm bản sắc Netflix.
Hầu hết mọi vai trò chức năng đều đang trải qua sự chuyển dịch theo kiểu "lùi lại một bước để nhìn toàn cục" như vậy.
Đồng thời còn có một yêu cầu thuần túy về mặt tư duy.
Chúng tôi sẽ không tuyển những người không sẵn lòng khám phá, không chịu thử nghiệm cái mới hoặc không chấp nhận được việc nhiều thứ đang biến chuyển.
Bạn phải cảm thấy thoải mái với sự mơ hồ, sự thay đổi và việc tái cấu trúc cách thức hợp tác.
Sự tò mò và tư duy đổi mới này, trong suốt sự nghiệp của tôi, chưa bao giờ quan trọng như hôm nay.
Chương 05 của video gốc
Vì sao "tư duy hệ thống" đang trở thành kỹ năng ngày càng thăng hạng ở mọi vai trò
Lenny Rachitsky
Tại sao tư duy hệ thống đột nhiên lại quan trọng đến vậy? Có phải vì mọi người đang tiến quá nhanh, nên bắt buộc phải đầu tư vào nền tảng, framework, ngôn ngữ thiết kế để không ai bị tắc nghẽn?
Elizabeth Stone
Tốc độ dĩ nhiên là một lý do.
Bản thân nền tảng vốn đã có hiệu ứng đòn bẩy.
Nếu một nền tảng có thể đưa hầu hết các nhóm đến thẳng mốc 80%, họ sẽ không cần lãng phí công sức làm lại những khối hạ tầng cơ bản đó nữa.
Hiện nay toàn bộ công ty đang đặt cược vào nhiều việc hơn cùng lúc, và cũng đang xây dựng nhiều thứ hơn.
Do đó tư duy nền tảng ngày càng đóng vai trò như một yếu tố hỗ trợ then chốt.
Còn một tầng lớp nữa: thế giới AI cần scaffolding.
Không chỉ có tốc độ cao hơn, mà ngày càng có nhiều người đang làm những công việc chưa từng làm trước đây, hoặc không thuộc phạm vi mô tả công việc truyền thống.
Điều này sẽ mang lại hàng loạt rủi ro về quyền truy cập, định danh, bảo mật, chất lượng code, thiết kế và trải nghiệm người dùng.
Một tổ chức hàng nghìn người không thể để mỗi người tham gia xây dựng đều phải tự mình nghĩ lại từ đầu: Thế nào là tốt ở đây? Tôi nên tuân theo những rào chắn bảo vệ nào?
Những thứ này cần được mã hóa vào các lộ trình chuẩn hóa và phương thức làm việc.
Phân tích dữ liệu cũng vậy: đâu mới là nguồn dữ liệu chuẩn duy nhất? Nên diễn giải thế nào? Truy cập ra sao? Dữ liệu nào tuyệt đối không được dùng bừa bãi?
Các tổ chức lớn không thể tiếp tục phụ thuộc vào tri thức ngầm chỉ nằm trong đầu một số ít người, cũng không thể tiếp tục dựa vào cách "đi tìm người duy nhất biết rõ chuyện này".
Vấn đề này thực ra đã tồn tại từ trước khi có AI, chỉ là hiện tại nó trở nên cấp bách hơn.
Hơn nữa, Netflix trong tương lai sẽ có lượng lớn agent trực tiếp tham gia vào công việc.
Con người sẽ tiếp tục quyết định vấn đề thực sự là gì, đánh giá xem kết quả cuối cùng có giá trị và chất lượng hay không, nhưng công việc cụ thể sẽ ngày càng do con người và agent cùng nhau hoàn thành.
Điều này sẽ mang lại ưu thế tốc độ to lớn, nhưng cũng tiềm ẩn rủi ro.
Đặc biệt dưới góc độ kỹ thuật, chúng tôi phải thiết kế một hệ thống vừa giúp mọi người tiến nhanh, vừa không tạo ra rủi ro tổn hại lớn.
Chương 06 của video gốc
Quy trình thiết kế đã chết rồi sao?
Lenny Rachitsky
Jenny Wen khi đến chương trình từng đưa ra quan điểm "quy trình thiết kế đã chết".
Ý của cô ấy không phải thiết kế không còn quan trọng, mà là không còn thời gian để đi hết quy trình hoàn chỉnh như trước nữa, designer sẽ thiên về steering, định hướng, hiệu chỉnh nhiều hơn, rồi khi rảnh mới nhìn lại bức tranh tổng thể.
Nghe bạn nói dường như cũng đang đề cập đến điều này.
Elizabeth Stone
Tôi có cảm nhận hơi phức tạp về nhận định này.
Tôi dĩ nhiên ủng hộ việc vận dụng hạ tầng và tư duy hệ thống để giúp nhiều người hơn có thể tạo ra sản phẩm có thiết kế tốt.
Công nghệ mới một khi đã mang đến cơ hội này thì dĩ nhiên nên tận dụng.
Nhưng đối với các ưu tiên sản phẩm quan trọng nhất của chúng tôi, thiết kế vẫn vô cùng cốt yếu.
Chúng tôi vẫn sẽ dành thời gian cho những công việc thiết kế thực sự quan trọng.
Chỉ là hiện nay designer có nhiều công cụ hơn, nên có thể hoàn thành công việc xuất sắc nhanh hơn, đưa ra được nhiều phương án hơn, đồng thời học hỏi, lặp lại và thử nghiệm nhanh hơn.
Nếu chỉ vì code viết nhanh hơn, phân tích dữ liệu nhanh hơn mà đi thẳng đến kết luận "tư duy thiết kế chuyên sâu không còn quan trọng nữa", thì tôi cho rằng đó là sai lầm.
Ít nhất đối với một sản phẩm tiêu dùng quy mô lớn như Netflix, chúng tôi sẽ vì thế mà đánh mất một trong những lợi thế quan trọng nhất của Netflix: sản phẩm, công nghệ và thiết kế kết hợp cùng nhau để ẩn đi những thứ cực kỳ phức tạp phía sau, mang lại cho người dùng cảm giác toàn bộ trải nghiệm vô cùng mượt mà.
Đằng sau điều này thực chất chính là một tư duy thiết kế.
Hình thức làm việc có thể thay đổi, nhưng tư duy này không thể đánh mất.
Chương 07 của video gốc
Kỹ năng đang suy giảm: Chuyên môn hóa quá hẹp
Lenny Rachitsky
Tư duy hệ thống đang thăng hạng, sự cởi mở với thay đổi cũng đang thăng hạng.
Vậy năng lực nào đang suy giảm? Những điều nào bạn từng rất xem trọng, nhưng giờ đây không còn coi trọng đến thế nữa?
Elizabeth Stone
Sự chuyên môn hóa quá hẹp, quá sâu, tôi cảm thấy không gian dành cho nó đang thu hẹp lại.
Dĩ nhiên vẫn có những ngoại lệ.
Trong một số ngành nghề, một số lĩnh vực kỹ thuật nhất định, cả thế giới chỉ có vài người thực sự am hiểu, ví dụ như video encoding, hệ thống phát nội dung và các lĩnh vực mà Netflix từng tạo ra rất nhiều đổi mới mang tính đột phá, những người này vẫn vô cùng quan trọng.
Nhưng nhìn chung, so với 5 hay 10 năm trước, tôi nghĩ sau này chúng ta sẽ có ít nhân sự thuần chuyên gia hơn, và có nhiều người đa năng hơn, hoặc ít nhất là những người có thể mở rộng nhanh chóng sang nhiều hướng.
Điều này có thể là xuyên chức năng, hoặc cũng có thể là bên trong tech stack kỹ thuật.
Chẳng hạn như một kỹ sư liệu có thể hiểu được cả backend lẫn frontend không? Liệu có thể kết nối tương đối sâu vào hạ tầng hay không?
Tư duy thực sự quan trọng ngày nay giống như là: nếu cần, tôi có thể học hỏi rất nhanh.
Vì vậy các chuyên gia cũng nên có khả năng mở rộng bộ công cụ của mình một cách dễ dàng hơn.
Điều này khiến tổ chức không còn cần quá nhiều người tự bó buộc mình vào một hướng đi quá hẹp nữa.
Điều khiến tôi lo lắng hơn lại là kiểu tư duy “tôi thuộc về lĩnh vực này, tôi sẽ chỉ tiếp tục làm theo cách cũ”.
Ngay cả khi bạn là chuyên gia, bạn vẫn phải tiếp tục tự hỏi: công cụ này liệu ngày nay có còn phù hợp không? Vấn đề này ngày nay liệu có nên tiếp tục giải quyết theo cách đó không?
Cái gọi là nhân tài chuyên môn, có thể là “tôi là kỹ sư frontend”, hoặc “tôi là chuyên gia thanh toán”, “tôi là chuyên gia thiết kế tiếp thị quảng cáo”, hay “tôi là chuyên gia về một công cụ sản xuất phim ảnh nào đó”.
Những kiến thức chuyên môn theo lĩnh vực này dĩ nhiên vẫn có giá trị, với điều kiện là người đó sẵn sàng tiếp tục mở rộng và tái định hình các phiên bản tương lai.
Lenny Rachitsky
Vậy nếu có ai nghe xong mà muốn rèn luyện tư duy hệ thống thì cụ thể nên luyện tập như thế nào?
Elizabeth Stone
Tôi có một mẹo nhỏ này.
Mỗi khi bạn đang giải quyết một vấn đề, hãy lùi lại một bước và tự hỏi: đối với hệ thống lớn hơn này, rốt cuộc mình đang mặc định điều gì là đúng?
Elizabeth Stone
Giả sử bạn đang làm một tính năng mới cho trải nghiệm thành viên của Netflix.
Hãy tạm dừng một chút và hỏi: vấn đề lớn hơn của người dùng mà tôi thực sự đang giải quyết là gì? Tính năng này sẽ phục vụ những loại nội dung nào?
Cách thức tôi chuẩn bị xây dựng hiện tại liệu có thể mở rộng quy mô trên nhiều loại nội dung khác nhau không?
Liệu nó có cơ hội được trừu tượng hóa thành một năng lực nền tảng để nhiều mảng nghiệp vụ có thể tái sử dụng không?
Vấn đề này liệu có phải là một trong những câu hỏi quan trọng nhất khi thế giới giải trí tương lai của Netflix ngày càng phong phú, ngày càng cá nhân hóa và ngày càng sống động hơn không?
Bạn không cần phải giải quyết toàn bộ chiến lược của Netflix ngay lập tức, cũng không cần phải đun sôi cả đại dương.
Chỉ cần xoay quanh vấn đề mình phụ trách và nhìn rộng ra bên ngoài từng tầng một.
Cũng đừng ở lại giai đoạn chất vấn này quá lâu, nếu không bạn sẽ hoàn toàn không có tiến triển nào.
Mục tiêu chỉ là giúp bạn tự xác nhận: liệu mình có đang giải quyết vấn đề thực sự chuẩn xác bằng phương pháp chuẩn xác hay không?
Một phương pháp khác là thử nhìn nhận vấn đề dưới góc nhìn của người quản lý của mình.
Đừng chỉ nghĩ đến nhóm của mình và các chỉ số then chốt, mà hãy nghĩ xem: nếu tôi là quản lý của mình—người đồng thời phải quán xuyến sản phẩm, công nghệ, tài chính, nội dung và các mảng nghiệp vụ khác—thì người đó sẽ nhìn nhận mối quan hệ giữa những yếu tố này như thế nào?
Điều này sẽ tự nhiên buộc bạn phải nhìn thấy các bộ phận cấu thành khác nhau phối hợp với nhau ra sao, cũng như tổng thể lớn hơn tổng các phần tử như thế nào.
Kỹ sư cũng có thể tự hỏi: làm thế nào để khi mình rời đi, hệ thống sẽ tốt hơn lúc mình mới đến? Cách tôi xây dựng hôm nay liệu có giúp các đồng nghiệp khác tiếp tục đổi mới sáng tạo trong tương lai không?
Chương video gốc 08
Năng lực sử dụng AI: Lớp năng lực chung mà Netflix áp dụng cho mọi vị trí
Lenny Rachitsky
Netflix gần đây đã bổ sung hệ thống cấp bậc nghề nghiệp và các cấp bậc chức danh.
Trong thế giới AI, các bạn có đưa thêm yêu cầu mới nào vào đó không?
Elizabeth Stone
Hiện tại cách làm của chúng tôi không phải là viết riêng cho từng cấp bậc xem “AI đã thay đổi điều gì”.
Chúng tôi đúng hơn là thêm một lớp năng lực chung lên trên toàn bộ nhân tài của Netflix: Năng lực sử dụng AI.
Biểu hiện cụ thể của nó sẽ thay đổi tùy thuộc vào vị trí, chức năng và giai đoạn sự nghiệp.
Năng lực sử dụng AI rất khó có thể định nghĩa trọn vẹn trong một câu.
Nó có thể mang ý nghĩa: bạn có tư duy thực nghiệm; bạn biết AI hữu ích ở đâu và không hữu ích ở đâu; bạn đã thực sự dùng AI để xây dựng nên sản phẩm; bạn luôn cởi mở trước những thay đổi.
Những yêu cầu này thậm chí có thể thay đổi theo từng quý, từng tháng, từng ngày, bởi vì công nghệ nền tảng tiến bộ quá nhanh.
Vì vậy, chúng tôi có xu hướng đặt nó thành yêu cầu phổ quát cho tất cả mọi người, thay vì viết thành điều khoản đặc thù cho một cấp bậc hay một vị trí cụ thể nào đó.
Và điều này hoàn toàn không phải là ứng dụng AI chỉ vì phong trào AI.
Yêu cầu thực sự là khả năng phán đoán tốt: biết rõ nơi nào đáng để dùng, cùng với sự sẵn sàng khám phá và thử nghiệm những điều mới mẻ.
Điều này cũng hoàn toàn áp dụng cho những lãnh đạo cấp cao nhất tại Netflix.
Ngay cả khi công việc hàng ngày hoàn toàn không viết code, họ vẫn phải đạt độ thông thạo sâu sắc về AI.
Nó cũng đã bắt đầu ảnh hưởng đến quá trình tuyển dụng.
Chúng tôi sẽ tìm hiểu trong các buổi phỏng vấn xem ứng viên nhìn nhận về AI ra sao, hiện tại họ thực sự dùng những công cụ nào trong công việc và họ cảm thấy thoải mái đến mức nào trước sự thay đổi và việc thử nghiệm.
Thậm chí trong các buổi phỏng vấn lập trình, chúng tôi đương nhiên cho phép ứng viên sử dụng các công cụ AI, bởi công việc thực tế vốn dĩ sẽ dùng đến chúng.
Nhưng cuộc chuyển dịch này chắc chắn vẫn chưa kết thúc.
Hiện tại chúng ta vẫn đang ở ngay tâm điểm của làn sóng thay đổi đó.
Chương video gốc 09
Ngoài việc viết code, AI còn được ứng dụng ở đâu tại Netflix?
Lenny Rachitsky
Ảnh hưởng của AI đối với lập trình và tạo bản mẫu thì ai cũng biết rồi.
Netflix còn có những use case AI nào khác không quá hiển nhiên nhưng đã mang lại giá trị đặc biệt lớn?
Elizabeth Stone
Nhóm thứ nhất chính là phân tích dữ liệu, chắt lọc thông tin và mô hình hóa như đã đề cập ở phần trước.
Chẳng hạn như việc trả lời nhanh các câu hỏi: Trước đây chúng ta từng làm những thử nghiệm nào? Vấn đề này nên theo dõi những chỉ số nào? Chúng ta đã thực hiện những nghiên cứu người tiêu dùng nào?
Chỉ cần bạn nhớ kiểm chứng kết quả và xác nhận với các data scientist nội bộ rằng mình thực sự dùng nguồn dữ liệu đáng tin cậy duy nhất, những công cụ này có thể nâng cao tốc độ và chất lượng một cách rõ rệt.
Đây cũng là phương diện mà bản thân tôi sử dụng AI nhiều nhất hàng ngày: nhanh chóng chuyển hóa dữ liệu thành insight và hành động.
Nhóm thứ hai là sản xuất nội dung.
Việc này thậm chí còn xuất hiện trước cả Generative AI.
Machine learning và AI từ lâu đã được ứng dụng trong các công cụ sản xuất phim ảnh đa dạng.
Chúng tôi luôn dùng nó để tạo các tư liệu quảng bá trên quy mô lớn, đồng thời dùng nó cho công tác bản địa hóa phụ đề và lồng tiếng.
Generative AI đã thúc đẩy điều này tiến thêm một bước tiến lớn.
Chẳng hạn như lên ý tưởng sáng tạo và tiền trù bị trực quan.
Cụ thể hóa những ý tưởng thị giác trong đầu nhà sáng tạo trước khi thực sự dựng trường quay và bước vào sản xuất.
Giai đoạn hậu kỳ cũng có rất nhiều use case.
Gần đây chúng tôi đã mua lại một công ty tên là InterPositive, do Ben Affleck sáng lập.
Họ xây dựng một bộ model và công cụ cho phép sau khi quay xong có thể đánh sáng lại, bố cục lại khung hình, điều chỉnh cảm giác máy quay, thậm chí thay đổi cả lời thoại.
Ở đây, nhà sáng tạo vẫn luôn đóng vai trò chủ đạo.
Nhà sáng tạo nói: “Tôi muốn thử một hướng đi khác để hiệu ứng thị giác này sát hơn với ý tưởng của tôi”.
AI giúp họ làm được điều đó dễ dàng hơn.
Tương tự, sau khi nội dung được đưa vào sản phẩm của Netflix, phụ đề, lồng tiếng, trailer, hình ảnh và tư liệu thị giác đều có thể nhờ AI tạo ra trên quy mô lớn với chất lượng cao, giúp người dùng toàn cầu dễ dàng khám phá nội dung mà họ thực sự yêu thích hơn.
Những năng lực này không chỉ phục vụ sản xuất phim ảnh, mà còn có thể ứng dụng cho quảng cáo, tiếp thị và các chiến dịch tiếp thị ngoài nền tảng.
Chương video gốc 10
Lịch sử AI của Netflix: Từ Netflix Prize đến hôm nay
Lenny Rachitsky
Netflix thực ra đã bắt đầu làm AI và machine learning từ rất sớm.
Những người trẻ bây giờ có lẽ không biết tới Netflix Prize.
Khi đó các bạn đã treo thưởng 1 triệu USD để mọi người trên khắp thế giới tối ưu hóa thuật toán xếp hạng đề xuất của Netflix, chỉ cần cải thiện thêm vài phần trăm so với ban đầu đã là điều phi thường.
Elizabeth Stone
Đúng vậy.
Mỗi khi có ai hỏi Netflix ngày nay nhìn nhận AI như thế nào, tôi đều thích nhắc mọi người trước rằng: đây hoàn toàn không phải là điều gì mới mẻ.
Đặc biệt trong lĩnh vực cá nhân hóa, AI từ rất sớm đã là cốt lõi trong trải nghiệm người dùng của Netflix.
Nội dung của Netflix ngày càng nhiều, ngày nay không chỉ có phim lẻ và phim bộ, mà còn gồm cả trò chơi, phát sóng trực tiếp và podcast.
Nội dung càng phong phú thì bài toán khám phá nội dung lại càng khó.
Do đó cá nhân hóa sẽ chỉ càng trở nên quan trọng hơn: đưa đúng nội dung đến đúng người vào đúng thời điểm.
Chúng tôi đã có bề dày tích lũy lịch sử qua thời gian dài, vì vậy hôm nay khi đối mặt với những AI mạnh mẽ hơn, chúng tôi có thể trực tiếp xuất phát ngay từ những câu hỏi cốt lõi như: “vấn đề rốt cuộc là gì, và tại sao vấn đề này lại quan trọng đối với thành viên Netflix?”.
Ở khía cạnh sáng tạo cũng tương tự như vậy.
Các lĩnh vực như hiệu ứng hình ảnh, bản địa hóa từ lâu đã có sự hiện diện của AI và machine learning.
Hôm nay chỉ là bước sang một giai đoạn tiếp theo: năng lực công nghệ mạnh hơn thì chúng ta sẽ xem xét cách tiếp tục làm cho những điều đó trở nên tốt hơn nữa.
Thế mạnh của Netflix từ trước đến nay luôn là sự kết hợp giữa giải trí và công nghệ.
Hiện tại điều đó vẫn không hề thay đổi.
Dù Netflix sẽ không tự định vị thương hiệu thành một công ty AI, AI vẫn là một công cụ mà chúng tôi sử dụng một cách rất tự nhiên để tạo ra nội dung giải trí tốt hơn, sản phẩm ưu việt hơn và kết quả công nghệ vượt trội hơn.
Chương video gốc 11
Excellence as an Operating System: Coi sự xuất sắc như một hệ điều hành
Lenny Rachitsky
Khi xem culture deck thời kỳ đầu của Netflix, bạn sẽ thấy những yếu tố như quyền chủ động hành động cao, quyền tự chủ, mật độ nhân tài cao, tính bottom-up rất rõ nét, thử nghiệm nhanh và mức đãi ngộ đứng đầu thị trường.
Điều thú vị là hiện nay tất cả các AI lab hàng đầu đều đang nói về những điều này.
Mọi người dường như đang hướng về cách thức mà Netflix đã thiết lập từ rất sớm.
Elizabeth Stone
Tôi gọi bộ văn hóa này của Netflix là: Excellence as an Operating System – coi sự xuất sắc như một hệ điều hành.
Bản thân những yếu tố văn hóa này chưa bao giờ là đích đến cuối cùng.
Mục tiêu không phải là "càng nhiều trách nhiệm càng tốt", cũng không phải là "chúng tôi ghét quy trình nên dẹp bỏ mọi quy trình".
Niềm tin cốt lõi thực sự là: muốn có được kết quả xuất sắc thì nên trao cho nhân tài xuất sắc đủ quyền chủ động hành động và trách nhiệm về kết quả, đẩy việc ra quyết định xuống sâu nhất có thể trong tổ chức, để những người thực sự có năng lực phán đoán đưa ra quyết định.
Điều này không chỉ mang lại kết quả kinh doanh tốt hơn, mà còn tạo ra động lực và tinh thần trách nhiệm mạnh mẽ hơn cho mọi người.
Khi bạn biết công ty thực sự trao chìa khóa quan trọng và trách nhiệm vào tay mình, bạn sẽ tự nhiên càng muốn cống hiến những kết quả công việc tốt nhất.
Vì vậy, bản chất văn hóa của Netflix luôn theo đuổi excellence.
Tìm những người thực sự xuất sắc, rồi đừng nhấn chìm họ trong quản lý vi mô và quy trình.
Đương nhiên văn hóa không phải là thứ tĩnh tại.
Khi công ty lớn mạnh hơn, các vấn đề sẽ thay đổi, và văn hóa cũng bắt buộc phải tiếp tục tiến hóa.
Nhưng cốt lõi đó không đổi: chúng tôi theo đuổi sự xuất sắc và tin rằng những người thực sự giỏi cần không gian để tạo ra kết quả công việc tốt nhất của họ.
Chương video gốc 12
Những trụ cột của hệ điều hành xuất sắc
Lenny Rachitsky
Nếu một founder cũng muốn xây dựng "hệ điều hành xuất sắc" kiểu này, thì những trụ cột then chốt nhất là gì?
Elizabeth Stone
Thứ nhất, mật độ nhân tài là điều không thể nhân nhượng.
Nếu không có mật độ nhân tài rất cao, bạn hoàn toàn không thể yên tâm trao quyền quyết định xuống cấp dưới.
Thứ hai, phải để mọi người dám chấp nhận rủi ro và đổi mới nhanh chóng.
Văn hóa Netflix không phải là cố gắng né tránh thất bại, mà là chấp nhận thất bại và phục hồi nhanh nhất có thể.
Việc chúng tôi bước vào mảng nội dung phát sóng trực tiếp là một ví dụ điển hình.
Chúng tôi biết sẽ có những điều chưa hoàn hảo, biết rằng sẽ mắc sai lầm, nhưng sẵn sàng chấp nhận rủi ro lớn, vì chỉ có như vậy mới thực sự học hỏi nhanh được.
Thứ ba, phải hiểu rất rõ rằng: mục tiêu cuối cùng là kết quả dành cho Netflix và các thành viên của Netflix.
Đó không phải là sở thích cá nhân, cũng không phải thành công nghề nghiệp của riêng ai.
Ở đây có tinh thần ưu tiên kết quả tổng thể, tức là đặt kết quả của tập thể lên trên cá nhân.
Thứ tư, còn có những điều rất trái với bản tính tự nhiên của con người.
Chẳng hạn, khi nhìn vào một quyết định nào đó, tôi nghĩ thầm: "Nếu là mình, có lẽ mình sẽ không quyết định như vậy."
Nhưng công việc của tôi không phải là lần nào cũng nhảy vào để lật ngược, phủ quyết hay chất vấn.
Miễn là quyết định đó không đến mức thiêu rụi cả công ty, thì nên cho phép người khác tự quyết định và tự học hỏi.
Sau đó mới quay lại hỏi: Kết quả thế nào? Có khi cuối cùng lại chứng minh là tôi đã sai.
Bản thân tôi cũng thường nhận được không gian như vậy từ cấp trên và đồng nghiệp.
Họ sẽ nói: Đây là quyết định của bạn. Tôi có thể đưa ra ý kiến, cùng bạn suy nghĩ, nhưng quyết định cuối cùng là của bạn.
Trong một môi trường rủi ro cao, sự buông tay như thế này thực sự rất phản trực giác.
Còn một điểm phản trực giác nữa: khi mọi việc không suôn sẻ, đừng mặc định rằng "thêm một quy trình nữa" là có thể giải quyết được.
Trong vài năm qua, dù là lập kế hoạch, phản hồi, cấp bậc hay đãi ngộ, chúng tôi đã nhiều lần nhận thấy: thêm nhiều quy trình sẽ chiếm dụng thêm thời gian, nhưng chưa chắc mang lại kết quả tốt hơn.
Bản năng của con người là: khi sự việc phức tạp, ta liền đặt thêm nhiều ràng buộc để vấn đề trông có vẻ đơn giản hơn.
Thế nhưng điều này thường bóp nghẹt các giải pháp sáng tạo hơn.
Trong văn hóa Netflix luôn có một sự kháng cự không ngừng: không để tổ chức tự trượt vào các bài bản khuôn mẫu mà những công ty lớn hay làm, và phải làm quen với việc chấp nhận sự không thoải mái đó.
Lenny Rachitsky
Điều này thực sự rất trái với bản tính con người.
Khi có người mắc sai lầm, phản ứng đầu tiên của mọi người thường là: Rốt cuộc vấn đề nằm ở đâu? Sau này phải thêm một quy trình để đảm bảo không bao giờ tái diễn.
Elizabeth Stone
Đúng vậy.
Điều mà nhân tài xuất sắc thực sự muốn là một buổi review không truy cứu trách nhiệm, tức là buổi review không nhằm mục đích đổ lỗi.
Họ sẽ tự nhận trách nhiệm rất cao về mình, rồi tự hỏi: Mình có thể chia sẻ những bài học này như thế nào? Sau này mình nên đổi phương thức làm việc ra sao để tránh lặp lại vấn đề?
Nếu bạn thực sự tin tưởng trao quyền cho mọi người tự suy ngẫm, học hỏi và trưởng thành, kết quả về lâu dài sẽ tốt hơn rất nhiều.
Mục tiêu của người lãnh đạo không phải là kiểm soát mọi thứ, mà là bồi dưỡng một đội ngũ kiên cường hơn, bền bỉ hơn và biết cách liên tục tạo ra kết quả tốt.
Chương video gốc 13
Keeper Test: Phần lớn thời gian nó thực sự là một cuộc trò chuyện tích cực
Lenny Rachitsky
Điều này kết nối trực tiếp đến Keeper Test rất nổi tiếng của Netflix.
Trong hai năm qua nó có thay đổi gì không?
Elizabeth Stone
Nó vẫn là cốt lõi văn hóa.
Bên ngoài thường chỉ hiểu Keeper Test theo hướng: người này chưa đủ tốt nên quản lý quyết định cho họ rời đi.
Nhưng trong thực tế, nó cũng thường xuyên được dùng để mở đầu cho một cuộc trao đổi rất tích cực.
Ví dụ, cấp dưới trực tiếp hỏi tôi: "Em thể hiện thế nào trong Keeper Test của chị?"
Đa số trường hợp, tôi sẽ nói: "Chị sẽ nỗ lực hết sức để tìm cách giữ em ở lại."
Sau đó tôi sẽ nói cụ thể cho họ biết: bạn làm đặc biệt tốt ở những điểm nào, thế mạnh của bạn là gì, bạn đã tạo ra tác động to lớn ở đâu, và nếu tiếp tục tiến xa hơn thì bạn có thể làm tốt hơn nữa bằng cách nào.
Vì vậy, nó thường là một cuộc trò chuyện phản hồi rất tích cực và truyền cảm hứng.
Đương nhiên, cũng có những tình huống khó khăn.
Đôi khi câu trả lời thực tế là: Hiện tại bạn chưa vượt qua được.
Với một số người, chúng tôi nhận thấy vẫn còn lộ trình rõ ràng để họ quay trở lại đúng quỹ đạo thông qua phản hồi và các cột mốc cụ thể.
Nhưng cũng có những tình huống: chúng tôi đã thử nhiều cách, và tôi không còn thấy lộ trình thành công ở đâu nữa.
Keeper Test thực chất chỉ là một điểm neo, giúp một cuộc trò chuyện phản hồi vốn dĩ nên diễn ra trở nên dễ bắt đầu hơn.
Nó buộc bạn phải định kỳ rà soát trạng thái của đội ngũ, đồng thời buộc bạn không được né tránh những cuộc trò chuyện khó khăn.
Tương tự, nếu một người thực sự xuất sắc, bạn cũng phải nói rõ ràng cho họ biết: Bạn đang làm rất tuyệt vời.
Lenny Rachitsky
Giải thích đơn giản một chút: một phiên bản của Keeper Test là, với tư cách là quản lý, bạn sẽ liên tục tự hỏi: Nếu hôm nay tuyển dụng lại người này, biết rõ tất cả những gì mình đang biết hiện tại, liệu mình có tuyển họ nữa không?
Elizabeth Stone
Đúng vậy. Còn một câu hỏi liên quan nữa là: Nếu hôm nay người này nói với tôi rằng họ muốn nghỉ việc, liệu tôi có nỗ lực hết mình để giữ họ lại hay không?
Nếu cảm xúc thật của tôi lại là "thở phào nhẹ nhõm, cuối cùng cũng có thể thay người", thì điều đó thực ra cho thấy lẽ ra tôi đã phải hành động từ lâu rồi.
Keeper Test, duy trì mật độ nhân tài, cung cấp context thay vì kiểm soát, đồng bộ cao và ghép nối lỏng – những điều này đều rất trái với bản năng tự nhiên của một tổ chức.
Các tổ chức lớn tự nhiên sẽ trượt về phía kiểm soát nhiều hơn và quy trình nhiều hơn, vì vậy bạn phải liên tục gìn giữ nó.
Chương video gốc 14
Cạnh tranh nhân tài đỉnh cao trong kỷ nguyên các frontier AI lab
Lenny Rachitsky
Để bộ văn hóa này vận hành được, bạn bắt buộc phải thu hút được những người xuất sắc nhất.
Nhưng ngày nay có biết bao nhiêu frontier AI lab, có quá nhiều tiền và sự cạnh tranh vô cùng khốc liệt.
Netflix làm thế nào để tiếp tục thuyết phục những nhân tài hàng đầu tham gia?
Elizabeth Stone
Netflix xưa nay vẫn luôn cạnh tranh nhân tài vô cùng gay gắt.
Ngày nay điều đó có thể rõ rệt hơn, nhưng bản thân đội ngũ của chúng tôi vốn đã sở hữu những con người rất xuất sắc, bao gồm cả những nhân sự mới tuyển gần đây lẫn nhiều người đã gắn bó lâu năm.
Điều thực sự cần làm rõ hơn là kiểu nhân tài xuất sắc nào phù hợp nhất với Netflix, thay vì một frontier AI lab.
Người ở Netflix phải thực sự đam mê việc ứng dụng công nghệ, cũng như dùng công nghệ và sản phẩm để giải quyết các vấn đề cụ thể.
Bạn phải yêu thích giải trí, yêu thích các sản phẩm tiêu dùng quy mô lớn và hứng thú với những bài toán ở phạm vi toàn cầu.
Có một nhóm nhân sự cực kỳ xuất sắc đặc biệt hào hứng với điểm giao giữa "công nghệ × sản phẩm × giải trí".
Nếu điều thực sự khiến bạn hào hứng nhất là nghiên cứu nền tảng về các frontier model, thì đó có lẽ là một kiểu tính cách khác, một không gian vấn đề khác.
Nhưng tôi hoàn toàn không nghĩ rằng thế giới đang thiếu những người cũng hào hứng không kém với tầng ứng dụng.
Khả năng thực sự đưa công nghệ tiên tiến vào những thứ mọi người sử dụng và yêu thích mỗi ngày, tự nó đã là một sứ mệnh vô cùng mạnh mẽ.
Chương video gốc 15
Nhân sự junior, tay nghề chuyên môn và bài toán mentor
Lenny Rachitsky
Vậy các nhân sự junior thì sao?
AI làm cho nhiều việc trở nên quá dễ dàng, liệu có khiến các kỹ sư, product manager, designer trẻ không còn cơ hội thực sự rèn luyện kỹ năng cơ bản, và rồi mãi mãi không thể phát triển lên mức Senior?
Elizabeth Stone
Netflix vẫn đang tuyển dụng nhân sự junior, và họ đóng vai trò rất quan trọng đối với chiến lược nhân tài của chúng tôi.
Chúng tôi vẫn duy trì các chương trình thực tập cũng như chương trình dành cho sinh viên mới tốt nghiệp.
Trên thực tế, đây là sự thay đổi mới thực sự bắt đầu trong vài năm gần đây.
Trước đây, Netflix gần như chỉ tuyển người đã có kinh nghiệm, còn hiện tại chúng tôi tuyển dụng trực tiếp từ các chương trình đại học và sau đại học.
Trong kỷ nguyên AI, người trẻ trái lại thường cởi mở hơn và tiếp cận tự nhiên hơn với những phương thức làm việc mới.
Hơn nữa đối với Netflix, họ vốn dĩ hiểu rõ hơn cách giải trí, hành vi người tiêu dùng và cách sử dụng sản phẩm đang thay đổi ra sao.
Góc nhìn về thế giới của một người ở độ tuổi ngoài 20 tự nó đã là nguồn input vô cùng giá trị cho đội ngũ.
Nhưng sau khi bước vào vị trí công việc, mastery về tay nghề chuyên môn vẫn cực kỳ quan trọng.
Bạn vẫn phải chịu trách nhiệm về chất lượng code mà mình đẩy lên môi trường production; vẫn phải chịu trách nhiệm về chất lượng sản phẩm; vẫn phải chịu trách nhiệm về thiết kế và trải nghiệm người dùng.
Vì vậy, các tài năng trẻ vẫn cần có mentor để giúp họ thực sự hiểu được "thế nào mới là tốt".
Các công cụ AI có thể thay đổi cách bạn hoàn thành công việc, nhưng không thể tước bỏ trách nhiệm của bạn đối với kết quả cuối cùng.
Bạn vẫn cần biết code review, test code, chẩn đoán vấn đề, và cũng cần biết thế nào là một sản phẩm thực sự xuất sắc.
Loại craft mastery này đến nay vẫn vô cùng khan hiếm.
Cách đào tạo nhân tài dĩ nhiên sẽ thay đổi, bởi vì công cụ đã thay đổi.
Hơn nữa, người trẻ chắc chắn cũng sẽ dạy ngược lại cho những nhân viên thâm niên hơn như tôi rất nhiều điều mới mẻ.
Chương video gốc 16
Vị trí kỹ sư sẽ trở thành thế nào sau 5 đến 10 năm nữa
Lenny Rachitsky
Năm năm, mười năm nữa, các vị trí kỹ sư sẽ trở thành như thế nào?
Con người có còn thực sự cần phải hiểu C++, Java, Python không? Hay sẽ xuất hiện một tầng trừu tượng khiến con người hoàn toàn không cần hiểu code nữa?
Elizabeth Stone
Tôi cho rằng "việc có tự tay viết từng dòng code bằng một ngôn ngữ nào đó hay không" và "khả năng hiểu code, hệ thống máy tính cũng như sản phẩm thực sự hoạt động ra sao" là hai chuyện hoàn toàn khác nhau.
Vế trước có thể ngày càng bị trừu tượng hóa đi, nhưng vế sau sẽ không biến mất.
Nếu chúng ta để agent viết mọi ngôn ngữ, viết toàn bộ code, trong khi con người lại hoàn toàn không biết tại sao hệ thống lại vận hành như vậy, thì bạn căn bản không có cách nào đánh giá được: đây là một sản phẩm tốt hay xấu?
Khi phát sinh sự cố, bạn cũng chẳng biết chuyện gì thực sự đã xảy ra.
Trong văn hóa của Netflix, chúng tôi chấp nhận rất nhiều rủi ro, thất bại nhanh chóng và cũng phục hồi nhanh chóng.
Điều này đòi hỏi con người vẫn phải hiểu hệ thống thực sự đang vận hành ra sao.
Agent có thể giúp bạn tìm ra điểm bất thường, triage sự cố, nhanh chóng nắm bắt vấn đề.
Nhưng bản thân bạn vẫn phải có sự thông thạo cơ bản về việc "chúng ta thực sự đã xây dựng cái gì, tại sao nó lại hoạt động như vậy, và khi xảy ra lỗi thì sửa thế nào".
Hiện nay, bản thân tôi khi nhìn vào code do một số model hay agent viết ra cũng thường cảm thấy rất băn khoăn.
Tôi biết hiệu năng đã tốt hơn, nhưng hoàn toàn không hiểu tại sao.
Nếu nó bị hỏng, tôi thậm chí còn không biết phải sửa thế nào.
Điều này cho thấy chúng ta vẫn đang ở trên một đường cong học tập rất dốc: trong tương lai rốt cuộc cần phải dùng cơ chế kiểm thử, giải thích và thấu hiểu như thế nào mới có thể khiến con người thực sự yên tâm.
Các vị trí kỹ sư chắc chắn sẽ tiếp tục tiến hóa để thích nghi với thế giới này, đồng thời học cách định hướng cho công nghệ mới và các agent nhằm đảm bảo output đủ tốt.
Lenny Rachitsky
Sự thay đổi của ngành kỹ thuật trong hai năm qua thực sự có phần khó tin.
Trước đây chỉ là ngồi trong IDE gõ code, còn bây giờ ngày càng giống như đang trò chuyện với agent, code review và gửi 100 PR mỗi ngày.
Elizabeth Stone
Đúng là sự thay đổi đang được tăng tốc.
Nhưng nếu bạn kéo dài mốc thời gian ra 10 năm, 20 năm, thì thực tế ngành kỹ thuật vẫn luôn trải qua những biến chuyển to lớn.
Data science hay product cũng vậy.
Ngay cả ngành sản xuất phim trong 100 năm qua, nhờ sự thay đổi của công nghệ và công cụ, cũng đã trở nên hoàn toàn khác biệt.
Chỉ là hiện tại toàn bộ chu kỳ này đã tăng tốc rõ rệt.
Chương video gốc 17
Tương lai của giải trí: Không còn chỉ là phim điện ảnh và truyền hình
Lenny Rachitsky
Còn ngành giải trí thì sao? Năm năm, mười năm nữa, Netflix liệu có còn chỉ là mở lên để xem một bộ phim lẻ hay một bộ phim bộ không?
Elizabeth Stone
Thực ra sự thay đổi đã bắt đầu rồi.
Giải trí trong tương lai sẽ không chỉ là một dạng duy nhất, và trên thực tế ngày nay nó cũng không còn là một dạng đơn thuần nữa.
Netflix đang vượt ra ngoài phim điện ảnh và phim truyền hình truyền thống.
Bởi vì định dạng, thiết bị cũng như các thời điểm sử dụng trong ngày mà người tiêu dùng kỳ vọng đang ngày càng trở nên đa dạng hơn.
Chúng tôi đã bắt đầu bổ sung game di động và TV game, cloud gaming, nội dung phát sóng trực tiếp, podcast, đồng thời hợp tác với nhiều nhà sáng tạo hơn.
Khi ranh giới giải trí được mở rộng hơn, Netflix phải định nghĩa rõ hơn: làm thế nào để tất cả những thứ này trông vẫn như một thế giới thống nhất.
Chẳng hạn, bạn có thể nghe Bill Simmons Podcast, rồi vì thích nội dung liên quan mà xem 《Quarterback》, sau đó chơi tựa game FIFA cloud gaming mới nhất.
Đồng thời, bạn mong muốn chuyển đổi mượt mà giữa TV và điện thoại, bởi vì vào những thời điểm và ngữ cảnh khác nhau trong ngày, cách bạn tiếp cận nội dung cũng sẽ khác.
Giải trí trong tương lai sẽ cá nhân hóa hơn, đắm chìm hơn và tương tác nhiều hơn.
Người dùng sẽ cảm thấy mình bước vào một thế giới có thể khám phá theo rất nhiều hướng.
Thách thức thực sự là: ngày nay nội dung đã quá nhiều và quá phân mảnh.
Netflix phải làm cho việc khám phá và tham gia trải nghiệm trở nên dễ dàng hơn hôm nay rất nhiều.
Và tôi tin rằng Netflix, với vị thế nằm ở giao điểm giữa giải trí, sản phẩm và công nghệ, là cái tên cực kỳ phù hợp để giải quyết bài toán này.
Chương video gốc 18
AI tiến vào Hollywood: Lập trường trao quyền cho nhà sáng tạo của Netflix
Lenny Rachitsky
Trong ngành công nghệ, AI thường nhận được phản hồi kiểu "Tuyệt vời quá, đây chính là tương lai", nhưng tại Hollywood lại xuất hiện những phản ứng rất khác biệt.
Netflix đứng ở vị trí nào trong câu chuyện này?
Elizabeth Stone
Vai trò của chúng tôi là: giúp các nhà sáng tạo có thể sử dụng những công cụ mà họ thực sự muốn dùng để biến tầm nhìn của mình thành hiện thực.
Chắc chắn sẽ có những đạo diễn hoặc nhà sáng tạo nói thẳng rằng: Tôi tuyệt đối không dùng AI, đây không phải là phương thức sản xuất của tôi, cũng không phù hợp với tầm nhìn sáng tạo của tôi.
Hoàn toàn không vấn đề gì, chúng tôi sẽ ủng hộ họ.
Đồng thời, cũng sẽ có ngày càng nhiều nhà sáng tạo rất muốn khám phá: Liệu AI tạo sinh có thể giúp tôi làm ra những thứ trước đây không làm được không? Có thể kể chuyện theo cách mới không? Liệu có thể nâng cao chất lượng tác phẩm và lay động khán giả hơn không?
Chúng tôi cũng ủng hộ nhóm nhà sáng tạo này, và cả tất cả những người ở giữa.
Điều này rất quan trọng với Netflix, bởi vì giải trí tương lai sẽ không chỉ có một định dạng duy nhất, cũng không chỉ có một phương thức sản xuất duy nhất.
Một số tác phẩm phim ảnh sẽ tiếp tục theo lối rất truyền thống, nhưng cũng sẽ xuất hiện những hình thức nội dung hoàn toàn mới lạ.
Netflix muốn tham gia vào toàn bộ sự chuyển biến này, vì vậy chúng tôi nên lựa chọn trao quyền cho nhà sáng tạo, thay vì quy định "mọi người chỉ được làm theo một cách duy nhất".
Lenny Rachitsky
Bạn có nghĩ rằng trong tương lai sẽ có một bộ phim truyền hình hoàn chỉnh do AI tạo ra 100%, và khán giả thực sự rất yêu thích nó không?
Elizabeth Stone
Tôi rất khó tưởng tượng ra một hình thức giải trí mà con người hoàn toàn không nằm ở vị trí trung tâm.
Thứ thực sự khan hiếm vẫn là khả năng kể chuyện.
Câu chuyện và nhân tính gần như là một.
Biết được điều gì có thể tạo ra sự kết nối với con người, về bản chất, chính là năng lực của con người.
Nhìn nhân vật trên màn ảnh bộc lộ chân thực một cảm xúc nào đó, thổi hồn vào một vai diễn, bên trong đó chứa đựng nhân tính vô cùng sâu sắc.
AI có hỗ trợ không? Chắc chắn rồi.
Nó có đóng vai trò quan trọng trong nhiều khâu sản xuất, tác động đến thị giác, chất liệu và sự biểu đạt không? Chắc chắn rồi.
Nhưng tôi vẫn chưa thấy được một phiên bản nào mà 'con người hoàn toàn không nằm trong bộ khung cốt lõi'.
Có một câu nói thường bị gán nhầm cho Salman Rushdie, đại ý là: khi một đứa trẻ chào đời, điều đầu tiên nó cần là thức ăn, nước uống và sự bảo bọc, nhưng ngay sau đó nó sẽ nói: hãy kể cho con nghe một câu chuyện.
Từ thuở sơ khai của nhân loại, kể chuyện đã luôn là một phần của cộng đồng, các mối quan hệ xã hội, cảm xúc và sự gắn kết giữa con người với nhau.
Tôi vô cùng thích việc công nghệ khuếch đại năng lực này, dùng những phương thức hoàn toàn mới để giúp các câu chuyện trở nên sống động.
Nhưng nếu loại bỏ hoàn toàn tính nhân bản, tôi cảm thấy điều đó sẽ đánh mất đi phần quan trọng nhất.
Chương video gốc 19
Hỏi nhanh đáp gọn và những suy nghĩ đọng lại
Elizabeth Stone
Nếu phải đúc kết một cảm nhận chung sau cùng, tôi muốn nhấn mạnh lại rằng: hiện tại là một thời đại xây dựng sản phẩm vô cùng hào hứng, đặc biệt là trong ngành giải trí.
Công nghệ đang đổi thay, người tiêu dùng đang đổi thay, và chính bản chất của câu hỏi 'giải trí là gì' cũng đang thay đổi.
Chúng ta đang ở trong một giai đoạn đổi mới sáng tạo với tốc độ cực kỳ chóng mặt.
Ngoài ra, cả ngành công nghiệp đôi khi bàn tán quá nhiều về bản thân công nghệ, để rồi lãng quên đi mục đích thực sự.
Chúng ta không tồn tại chỉ để sở hữu công nghệ lợi hại hơn. Cuối cùng, chúng ta đang tạo ra những sản phẩm mà người tiêu dùng thực sự yêu thích, mang lại trải nghiệm giải trí mà họ thực sự đam mê.
Elizabeth Stone
Sau đây chúng ta sẽ bước vào phần hỏi nhanh đáp gọn.
Lenny Rachitsky
Hai hoặc ba cuốn sách mà bạn hay giới thiệu cho người khác nhất là gì?
Elizabeth Stone
Tôi muốn giới thiệu những cuốn khác với lần trước.
Hai cuốn sách cũ mà lúc này tôi nghĩ tới: «Into Thin Air» của Jon Krakauer, và «Liar’s Poker» của Michael Lewis.
Trước đây tôi từng làm việc ở Wall Street, nên tôi thích nhắc mọi người nhớ về việc thế giới ngày xưa rốt cuộc trông như thế nào.
Lenny Rachitsky
Bộ phim điện ảnh hoặc phim truyền hình nào gần đây bạn đặc biệt yêu thích?
Elizabeth Stone
Danh sách này dài lắm.
Gần đây nhất tôi đọc cuốn «Remarkably Bright Creatures» do mẹ tôi giới thiệu.
Rất cảm động rơi nước mắt, và cũng vừa khéo tương ứng với điều chúng ta vừa bàn tới — phần nhân tính trong những câu chuyện.
Lenny Rachitsky
Sản phẩm nào bạn mới khám phá gần đây và đặc biệt yêu thích?
Elizabeth Stone
Một thứ cực kỳ quan trọng đối với sức khỏe và hạnh phúc của tôi: Eight Sleep.
Lenny Rachitsky
Có châm ngôn sống nào mà bạn thường hay suy ngẫm lại không?
Elizabeth Stone
Phần lớn đều đến từ những điều cha mẹ đã truyền dạy cho tôi từ tấm bé.
Thứ nhất: Mỗi ngày đều có một điều tốt đẹp xảy ra, hãy chú ý để nhận ra nó, ngay cả trong những lúc chịu nhiều áp lực nhất.
Thứ hai: 5% nỗ lực cuối cùng thường sẽ quyết định tất cả.
Lenny Rachitsky
Bạn cũng có nhắc đến việc gần đây đang chuẩn bị tham gia một sự kiện đạp xe?
Elizabeth Stone
Tôi và chồng đang chuẩn bị cho một chuyến đi: đạp xe dọc theo cung đường thi đấu vào tuần cuối cùng của giải Tour de France.
Tour de France kéo dài tổng cộng ba tuần, và tuần cuối cùng có rất nhiều chặng leo núi.
Mỗi buổi sáng chúng tôi đạp một đoạn thuộc chặng đua của ngày hôm đó, còn buổi chiều thì theo dõi cuộc đua thực sự.
Đây chắc chắn không phải là một kỳ nghỉ dưỡng nhẹ nhàng gì rồi.
Vì vậy tôi đang tích cực tập luyện, hy vọng khi thực sự bước vào chuyến đi vẫn có thể tận hưởng được những chặng đạp xe đó.
Tôi rất yêu thích thể thao chuyên nghiệp, việc được hòa mình tham gia theo một cách nào đó thực sự rất thú vị.
Tất nhiên đây không phải là thi đấu, tôi cũng sẽ cố gắng đạp thoải mái nhất có thể.
Nhưng tôi cũng không muốn luôn bị rớt lại tận cuối đoàn, nên phải tập luyện để ít nhất vẫn theo kịp.
Những việc như thế này hoàn toàn khác biệt so với công việc của tôi.
Nó đưa tôi ra ngoài trời, đồng thời mang lại cho tôi một góc nhìn cân bằng rất tuyệt vời.
Lenny Rachitsky
Hai câu hỏi cuối cùng: Mọi người có thể tìm thấy bạn ở đâu? Và thính giả có thể hỗ trợ bạn như thế nào?
Elizabeth Stone
Nơi tốt nhất thực ra là Netflix Tech Blog.
Chúng tôi chia sẻ ở đó rất nhiều phần việc mà tôi đã nói hôm nay, và cũng đang nỗ lực giải thích rõ hơn ra bên ngoài về những điều thú vị mà chúng tôi đang thực hiện.
Còn về việc làm sao để giúp chúng tôi: Hãy trải nghiệm những thứ mới mà Netflix đang ra mắt.
Xem phát sóng trực tiếp, chơi game, trải nghiệm thử feed video dọc mới có tên Clips trên thiết bị di động, rồi gửi phản hồi cho chúng tôi.
Đối với Netflix, rất nhiều trong số đó là những dự án từ 0 đến 1 hoàn toàn mới.
Chúng tôi hy vọng có thể nhanh chóng biến chúng từ những thứ mới mẻ thành các trải nghiệm thực sự xuất sắc.
Lenny Rachitsky
Rất thích bài tập về nhà này: đi xem Netflix.
Elizabeth, cảm ơn bạn rất nhiều vì đã một lần nữa đến với chương trình.
Elizabeth Stone
Cảm ơn vì lời mời. Lúc nào tham gia cũng rất vui.
Bên lề nội dung · LENNY’S PODCAST · NETFLIX
Nhận định cốt lõi của Elizabeth Stone không phải là “AI sẽ khiến mọi chức năng nghề nghiệp biến mất”, mà là ranh giới giữa các vai trò sẽ ngày càng linh hoạt hơn, và thứ thực sự khan hiếm sẽ là hai nhóm năng lực: một là chuyên môn nghiệp vụ vẫn đủ sâu, hai là tư duy hệ thống có thể lùi lại một bước để bao quát toàn bộ hệ thống, thấu hiểu hạ tầng dùng chung, và phán đoán xem việc tối ưu hóa cục bộ sẽ tác động thế nào đến tổng thể.
Học tương tác với AI (NotebookLM)
Ngoài đọc , bạn có thể nghe , xem và xem hoạ thông tin ở đầu bài. Bài này còn có bộ công cụ tương tác do AI tạo: Bài kiểm tra trắc nghiệm, Thẻ ghi nhớ, Sơ đồ tư duy, Bản trình bày và Báo cáo chuyên sâu.
Mở không gian học tương tác