Cựu kỹ sư Blizzard thất nghiệp 6 tháng tìm việc mãi không được, AI dùng cơ chế sàng lọc gây ra nghịch lý trong tuyển dụng

Một kỹ sư phần mềm ẩn danh đã đăng bài viết trên blog cá nhân vào ngày 19 tháng 6 với tựa đề《Công việc và ngành công nghiệp phần mềm đã chết rồi》，ghi lại trải nghiệm của mình: sau khi bị sa thải cùng với toàn bộ đội ngũ Blizzard vào tháng 6 năm 2025, anh đã mất đến sáu tháng tìm việc mà không đạt được tiến triển nào; anh cho biết có 10 năm kinh nghiệm phát triển, trong đó 7 năm làm việc tại Blizzard. Kỹ sư này đã chỉ trích cơ chế sàng lọc được đại diện bởi Coderpad và phần mềm giám sát thi bằng AI, cho rằng logic thiết kế của nó không gắn với môi trường làm việc thực tế.

Luận điểm cốt lõi của blog: Phê bình cơ chế sàng lọc và nghịch lý lọc bằng AI

Theo bài blog của kỹ sư đó (ẩn danh; toàn bộ nội dung sau đây đều là lời kể cá nhân, không có bên thứ ba xác minh):

Chỉ trích công cụ sàng lọc: Coderpad, HackerRank và các phần mềm giám sát thi bằng AI sử dụng khóa toàn màn hình, không cho phép tra cứu tài liệu API, mô phỏng một môi trường cách ly mà ngoài đời không tồn tại; anh thẳng thắn rằng “người thiết kế quy trình này rõ ràng chưa từng thực sự viết code”.

Nhận xét về việc gian lận trong môi trường “cấm AI”: Kỹ sư cho rằng, trong môi trường thử nghiệm “cấm sử dụng AI”, các ứng viên khác chỉ cần dùng điện thoại kèm công cụ AI để làm bài dễ dàng, trong khi anh cố gắng tuân thủ quy tắc thì lại bất lợi. Phần nội dung nguyên văn ghi rõ rằng kỹ sư không cung cấp bất kỳ tài liệu chứng minh nào cho việc này; đây là tuyên bố mang tính quan sát của cá nhân anh.

Lập luận về vai trò kép của AI: Bài viết cho rằng AI đồng thời đóng hai vai: “người gác cổng (phía phỏng vấn)” và “người thay thế (phía sản xuất)”; bài viết cho rằng sau khi nhà phát triển sử dụng công cụ AI, năng suất mỗi sprint tăng khoảng 40% đến 55%, nhưng không cung cấp nguồn nghiên cứu cụ thể cho các con số này.

Dữ liệu việc làm được bài viết dẫn: Kỹ sư dưới 25 tuổi và quy gán cho sa thải

Bài blog của kỹ sư trích dẫn các dữ liệu sau (tất cả đều cần dựa trên báo cáo nghiên cứu gốc; bài viết không liệt kê từng nguồn gốc ban đầu):

Việc làm của kỹ sư phần mềm dưới 25 tuổi: giảm gần 20% so với đỉnh cao năm 2022

Sự kiện sa thải năm 2026: 56% các sự kiện (liên quan đến khoảng 156.270 nhân viên) được nêu rõ trong thông báo hoặc báo cáo tài chính rằng nguyên nhân chủ yếu là AI, tự động hóa hoặc máy học

Khảo sát lãnh đạo doanh nghiệp: 90% lãnh đạo doanh nghiệp cho biết AI đối với tình hình việc làm của công ty họ “không ảnh hưởng gì”

Mâu thuẫn giữa thông báo sa thải và khảo sát lãnh đạo: Khung diễn giải của kỹ sư

Một trong các luận điểm của bài viết kỹ sư là chỉ ra sự mâu thuẫn mang tính cấu trúc của hai nhóm số liệu nêu trên: thông báo sa thải nêu AI là nguyên nhân chủ yếu, nhưng bảng câu hỏi của lãnh đạo lại khẳng định ảnh hưởng là bằng không. Diễn giải của kỹ sư là giữa hai bên tồn tại một “kẽ hở mang tính hệ thống”, tức là khoảng cách giữa truyền thông công khai của doanh nghiệp và quyết định thực tế nội bộ. Đây là khung diễn giải của kỹ sư đối với dữ liệu, chứ không phải kết luận của một nghiên cứu học thuật độc lập.

Câu hỏi thường gặp

Có thể xác minh danh tính và bối cảnh sa thải của vị kỹ sư này không?

Kỹ sư chọn đăng ẩn danh; anh mô tả rằng vào tháng 6 năm 2025, anh đã “bị sa thải cùng toàn bộ nhóm”, và công ty nơi anh làm là Blizzard (Blizzard Entertainment). Sự kiện sa thải quy mô lớn của Blizzard thuộc hồ sơ công khai, nhưng danh tính cá nhân không được tiết lộ; việc tìm việc của anh và quan sát “người khác gian lận” không có tài liệu bên thứ ba để kiểm chứng.

Nguồn của các con số tăng năng suất 40-55% khi dùng AI là gì?

Bài blog của kỹ sư nói rằng sau khi nhà phát triển sử dụng công cụ AI, năng suất mỗi sprint tăng khoảng 40% đến 55%, nhưng bài viết không cung cấp nguồn nghiên cứu cụ thể. Đây là tuyên bố không nêu nguồn; khi trích dẫn, cần lưu ý.

Dữ liệu 56% sa thải nêu AI và 90% lãnh đạo nói ảnh hưởng bằng không đến từ đâu?

Kỹ sư trích dẫn hai nhóm số liệu này trong blog cá nhân của mình, nhưng không liệt kê trong bài viết tổ chức nghiên cứu gốc hay cơ sở dữ liệu nào. Các con số này không thấy có sự kiểm chứng độc lập trong các báo cáo hiện có; khi trích dẫn, cần lưu ý rằng chúng đều xuất phát từ bài blog cá nhân của kỹ sư.