Một marketer còn đáng giá ở đâu?
Trong phần lớn lịch sử marketing, giá trị nghề nghiệp được bảo vệ một phần bởi sự khan hiếm. Nghiên cứu cần thời gian. Phân tích đòi hỏi chuyên môn. Sản xuất sáng tạo cần cả đội ngũ. Vận hành media cần những người được đào tạo. Phối hợp công việc cần nhiều tầng nhân sự. Ngay cả để tạo ra một sản phẩm ở mức đủ tốt cũng từng rất tốn kém.
AI thay đổi cấu trúc kinh tế đó trước khi nó thay đổi toàn bộ công việc.
Tác động quan trọng nhất của AI không nằm ở việc máy móc đột nhiên có thể làm mọi thứ tốt hơn con người. Chúng chưa thể. Điều đáng chú ý hơn là chi phí biên để tạo ra những sản phẩm trí tuệ đủ tốt đang giảm xuống trên một phạm vi ngày càng rộng của marketing. Phân tích ngành hàng, tổng hợp đối thủ, creative brief, campaign territory, bản nháp phân khúc khách hàng, diễn giải dashboard, lịch social, chuỗi CRM, mô tả sản phẩm, localization hay những đề xuất chiến lược vòng đầu đều có thể được tạo ra nhanh hơn và với quy mô lớn hơn trước rất nhiều.
Sự dịch chuyển này đã bắt đầu hiện rõ. Trong khảo sát năm 2026 của BCG với 300 CMO toàn cầu, 96% cho biết AI đang thúc đẩy quá trình chuyển đổi marketing end-to-end. Nhưng 42% vẫn chủ yếu sử dụng generative AI như một trợ lý cho các tác vụ riêng lẻ, trong khi chỉ khoảng một phần ba đã tiến gần hơn tới những hình thức thực thi mang tính agentic. Khoảng cách đó cho thấy phần lớn sự chú ý hiện nay — dùng model nào, viết prompt ra sao, mua công cụ gì — vẫn thuộc về một operating model còn ở giai đoạn đầu.
Câu hỏi quan trọng hơn nằm ở phía sau giai đoạn này.
Điều gì xảy ra với giá trị của trí tuệ khi năng lực trí tuệ ở mức đủ tốt trở nên phổ biến?
Thị trường hiếm khi duy trì mức premium lâu dài cho một năng lực khi năng lực đó không còn khan hiếm. Search từng làm thay đổi giá trị của việc ghi nhớ thông tin. Spreadsheet làm thay đổi giá trị của những phép tính thường quy. Presentation software làm thay đổi chi phí để tạo ra những tài liệu trình bày chuyên nghiệp. AI đang bắt đầu tạo áp lực tương tự lên chính hoạt động sản xuất nhận thức.
Điều đó không có nghĩa trí tuệ mất giá trị.
Nó có nghĩa sự khan hiếm chuyển chỗ.
Khi năng lực thực thi đủ tốt trở nên dư dả, nút thắt giá trị của marketing chuyển từ việc tạo ra output sang việc quyết định output nào xứng đáng trở thành hành động.
Sự dịch chuyển này không chỉ thay đổi những kỹ năng marketer cần có.
Nó thay đổi marketing organization tồn tại để làm gì.
Sự khan hiếm dịch chuyển lên thượng nguồn
Marketing luôn biến thông tin thành quyết định, rồi biến quyết định thành hành động trên thị trường. Trong quá khứ, phần lớn chi phí kinh tế nằm ở việc tạo ra những sản phẩm trung gian của quá trình này: thu thập thông tin, phân tích, tạo phương án, sản xuất asset, vận hành hệ thống và phối hợp thực thi.
AI đang dần nén chi phí của gần như tất cả những hoạt động đó.
Microsoft mô tả sự tiến hóa của mô hình làm việc giữa con người và AI qua một tiến trình từ Author và Editor đến Director và Orchestrator. Tên gọi cụ thể không quan trọng bằng chuyển động mà chúng phản ánh. Ban đầu, con người làm việc với sự hỗ trợ của máy. Sau đó, máy tạo ra ngày càng nhiều phần việc, còn con người xác định yêu cầu, đánh giá và điều phối. Cuối cùng, con người ngày càng hoạt động ở các ranh giới của hành động máy: đặt mục tiêu, thiết kế hệ thống, đánh giá output, xử lý ngoại lệ và chịu trách nhiệm cho những gì xảy ra.
Điều đó làm thay đổi nơi sự khác biệt nghề nghiệp có thể tồn tại.
Nếu trước đây một strategist tạo được ba positioning territory trong một tuần, còn nay một người khác có thể tạo ba mươi territory đủ thuyết phục trong một buổi chiều, thì khả năng tạo ra territory không còn phân hóa mạnh như trước. Năng lực khan hiếm chuyển sang việc nhận ra territory nào thương hiệu thực sự có quyền sở hữu; territory nào bắt nguồn từ một insight thay vì chỉ là một biến thể ngôn ngữ; territory nào có thể đứng vững khi va chạm với đối thủ và khách hàng.
Nếu một creative team có thể tạo năm mươi kịch bản thay vì năm, nút thắt không còn là số lượng ý tưởng.
Nó là khả năng phân biệt.
Nếu một hệ thống analytics có thể phát hiện hàng trăm tương quan, nút thắt không còn là phát hiện pattern. Nó là xác định pattern nào đủ tính nhân quả, đủ quan trọng và đủ đáng tin để thay đổi một quyết định.
Nếu một optimization agent có thể liên tục phân bổ lại media, nút thắt lại chuyển thêm một lần nữa: ai đã quyết định hệ thống phải tối ưu cái gì? Revenue? Incrementality? Margin? Chất lượng khách hàng? Conversion ngắn hạn? Hay demand dài hạn?
Máy có thể trở nên cực kỳ mạnh mà vẫn không tự giải quyết được những câu hỏi này, bởi năng lực và mục tiêu là hai thứ khác nhau.
Đó là lý do “kỹ năng AI” không nên bị nhầm với đích đến bền vững của giá trị nghề nghiệp. Trong giai đoạn chuyển đổi công nghệ, biết vận hành công nghệ mới đương nhiên tạo ra premium. PwC cho thấy những công việc yêu cầu kỹ năng AI đang tăng trưởng nhanh hơn và hiện có mức lương cao hơn đáng kể. Nhưng khi khả năng tiếp cận mở rộng và giao diện trở nên đơn giản hơn, công nghệ thường dịch chuyển từ lợi thế của một nhóm chuyên gia sang hạ tầng cơ bản mà mọi người đều có thể sử dụng.
Vì vậy, câu hỏi bền vững không phải:
Một marketer có biết sử dụng AI hay không?
Mà là:
Marketer đó có thể làm gì khi tất cả mọi người đều biết sử dụng AI?
Câu trả lời bắt đầu ở phía thượng nguồn của execution.
Trước khi máy giải một bài toán, ai đó phải quyết định bài toán nào đáng giải. Trước khi nó tối ưu một mục tiêu, ai đó phải quyết định mục tiêu đó có thực sự đại diện cho giá trị hay không. Trước khi nó đánh giá các phương án, ai đó phải xác định thế nào là tốt. Trước khi nó được phép hành động tự chủ, ai đó phải quyết định quyền tự chủ ấy dừng ở đâu.
Premium dịch chuyển khỏi việc tạo ra câu trả lời và tiến về phía thiết lập những điều kiện để một câu trả lời xứng đáng trở thành quyết định.
Trí tuệ dư dả làm điều gì trở nên giá trị hơn?
Một hệ quả của sự dịch chuyển này khá nghịch lý.
Khi machine intelligence trở nên mạnh hơn, tiếp xúc trực tiếp với thực tế có thể trở nên giá trị hơn, chứ không phải kém đi.
AI có thể xử lý một lượng thông tin khổng lồ. Nó có thể tổng hợp nghiên cứu công khai, phân tích tài liệu, tạo giả thuyết và kết nối pattern giữa nhiều lĩnh vực ở quy mô mà không một marketer đơn lẻ nào có thể theo kịp. Nhưng nếu các tổ chức cạnh tranh ngày càng sử dụng những frontier model tương tự nhau, được huấn luyện trên những nguồn thông tin phần lớn chồng lấn, thì bản thân năng lực xử lý ngày càng khó tạo ra khác biệt.
Chất lượng và tính khác biệt của những gì được đưa vào hệ thống vì thế trở nên quan trọng hơn.
Một marketer đã trực tiếp nghe các cuộc gọi chăm sóc khách hàng, quan sát người dùng vật lộn với sản phẩm, đi thị trường, nói chuyện với distributor, chứng kiến sales team thực sự bán hàng như thế nào, tự chạy experiment, hiểu những giới hạn nội bộ hay tích lũy nhiều năm category memory sở hữu một thứ khác với marketer chỉ đơn giản có quyền truy cập vào một model mạnh hơn.
Khác biệt ở đây không phải trực giác con người đối đầu với trí tuệ máy.
Nó là suy luận đối lập với tiếp xúc trực tiếp.
AI có thể suy luận từ những biểu diễn của thực tế. Nhưng tổ chức vẫn cần con người và hệ thống tiếp xúc với thực tế đủ gần để nhận ra khi những biểu diễn đó còn thiếu.
Điều này cũng làm thay đổi giá trị của research.
Khi việc truy xuất và tổng hợp thông tin trở nên rẻ, thu thập thêm thông tin không còn gây ấn tượng như trước. Năng lực khan hiếm chuyển sang việc xác định thứ gì thực sự đủ tư cách được coi là bằng chứng.
Model có thể tìm ra một con số. Judgment phải quyết định con số đó có thực sự hỗ trợ cho claim đang được đưa ra hay không. Model có thể nhận ra một pattern. Judgment phải phân biệt đó là tương quan hay một mechanism đủ đáng tin để hành động. Model có thể tạo ra một recommendation đầy tự tin. Judgment phải xác định mức độ tự tin đó có được biện minh hay không.
Creative cũng thay đổi theo cùng một mechanism.
Generative AI khiến variation trở nên rẻ. Headline, hình ảnh, script, layout, territory và treatment có thể được sản xuất với chi phí biên gần như bằng không. Nhưng tăng nguồn cung khả năng không đồng nghĩa với tăng nguồn cung quyết định tốt.
Đến một thời điểm, abundance tự tạo ra một bài toán selection.
Taste vì vậy trở nên quan trọng không phải vì con người sở hữu một phẩm chất sáng tạo huyền bí mà máy móc vĩnh viễn không thể có. Một lập luận như vậy vừa không cần thiết vừa dễ lỗi thời.
Taste quan trọng bởi tổ chức vẫn cần một năng lực phân biệt đủ tốt để quyết định phương án nào phù hợp với thương hiệu, thời điểm, khán giả và những ràng buộc chiến lược hơn những phương án còn lại.
Performance marketing cho thấy cùng cấu trúc đó từ một hướng khác.
Optimization tốt hơn không loại bỏ judgment. Nó có thể làm hậu quả của việc đặt sai objective trở nên lớn hơn. Một hệ thống cực mạnh tối ưu sai proxy có thể nguy hiểm hơn chính vì nó mạnh.
Execution càng tốt, specification càng quan trọng.
Brand governance cũng vận hành theo logic tương tự. Khi content trở nên rẻ và agent ngày càng có thể tự tạo, điều chỉnh và phân phối communication, bài toán trung tâm chuyển từ việc trực tiếp tạo từng biểu đạt sang việc quản trị hệ thống tạo ra các biểu đạt đó.
Điều gì được phép thay đổi? Điều gì không? Trường hợp nào cần phê duyệt? Tín hiệu nào phải kích hoạt sự can thiệp? Ai có quyền override máy?
Creative, performance và brand work dường như rất khác nhau.
Nhưng bên dưới, chúng đang trải qua cùng một chuyển động kinh tế:
Production trở nên dễ hơn. Những ranh giới xung quanh production trở nên quan trọng hơn.
Những ranh giới đó đòi hỏi problem framing trước hành động, discrimination tại thời điểm hành động và accountability sau hành động.
Gộp lại, chúng tạo thành một năng lực rộng hơn chuyên môn của bất kỳ chức năng marketing riêng lẻ nào.
Đó là judgment.
Nghịch lý học nghề
Nhưng chính ở đây xuất hiện một vấn đề thứ hai, ít dễ thấy hơn.
Marketing từ trước đến nay tạo ra judgment thông qua công việc.
Junior strategist trở thành senior strategist bằng cách làm research, viết những brief chưa tốt, chứng kiến chúng thất bại, ngồi trong những cuộc họp nơi client phản biện, sửa lại lập luận và dần học được distinction nào thực sự quan trọng. Junior creative tạo ra rất nhiều sản phẩm bình thường trước khi hình thành taste. Analyst làm report trước khi hiểu con số nào đáng chú ý. Media practitioner trực tiếp vận hành campaign trước khi nhận ra lúc nào optimization metric đang dẫn mình đi sai hướng.
Phần lớn những công việc đó không hiệu quả.
Nhưng chúng đồng thời là quá trình học nghề.
AI tạo ra một khả năng khó chịu: tổ chức có thể tự động hóa chính những hoạt động mà qua đó con người từng hình thành judgment — thứ mà tự động hóa lại khiến trở nên giá trị hơn.
Đây không phải một nghịch lý ngôn từ.
Nó là một mâu thuẫn mang tính cấu trúc.
AI làm tăng premium của judgment trong khi có thể đồng thời làm suy yếu quá trình từng tạo ra judgment.
Một doanh nghiệp hoàn toàn có lý khi cho rằng junior employee không nên dành sáu giờ để làm một category scan mà AI có thể tạo trong sáu phút. Nhưng nếu người đó không bao giờ phải tự tìm hiểu category được cấu thành như thế nào, nguồn nào mâu thuẫn với nguồn nào, evidence nào yếu, claim nào của competitor gây hiểu lầm và tại sao một observation quan trọng hơn observation khác, tổ chức không chỉ loại bỏ một task.
Nó có thể đã loại bỏ một phần của learning mechanism.
Điều tương tự xảy ra khi AI viết bản strategy đầu tiên, đề xuất creative territory, diễn giải dashboard hay đưa ra media recommendation. Một junior professional có thể trở nên năng suất hơn rất nhiều trong khi lại có ít cơ hội hơn để tự hình thành quan điểm trước khi nhìn thấy câu trả lời của máy.
Efficiency và capability development vì thế có thể đi theo hai hướng khác nhau.
Điều này quan trọng bởi judgment không đơn giản là một lượng thông tin lớn hơn nằm trong đầu một người nhiều kinh nghiệm hơn.
Judgment một phần là hệ quả đã được nén lại thành kinh nghiệm.
Con người học điều gì quan trọng bằng cách đưa ra lựa chọn, nhìn thấy kết quả, phát hiện nơi abstraction thất bại và cập nhật mental model của mình. Nếu máy ngày càng hấp thụ những quyết định rủi ro thấp từng giúp hình thành các mental model đó, tổ chức không thể tiếp tục giả định rằng senior judgment sẽ tự nhiên xuất hiện sau nhiều năm làm việc.
Career ladder truyền thống âm thầm phụ thuộc vào production như một môi trường đào tạo.
Giả định đó đang bắt đầu rạn vỡ.
Vì vậy, marketing organization tương lai đối mặt với một bài toán khó hơn reskilling:
Làm thế nào tạo ra expertise khi execution không còn là một cơ chế học nghề đáng tin cậy?
Điều đó có thể buộc doanh nghiệp chủ động giữ lại một số dạng công việc dù về mặt kỹ thuật chúng hoàn toàn có thể được tự động hóa. Có thể cần cho junior tự giải quyết vấn đề trước khi nhìn thấy recommendation của máy. Có thể cần simulation, rotation, tiếp xúc trực tiếp với khách hàng, decision review và việc phân tích có hệ thống những phán đoán sai.
Quan trọng hơn, doanh nghiệp có thể phải đánh giá sự trưởng thành không phải bằng lượng công việc một người có thể sản xuất, mà bằng chất lượng của những quyết định họ ngày càng có thể tự đưa ra mà không cần giám sát.
AI không xóa bỏ nhu cầu học hỏi.
Nó xóa bỏ giả định rằng con người sẽ tự nhiên học được thông qua production.
Thiết kế cho một thế giới nơi judgment khan hiếm
Đến đây, vấn đề không còn chủ yếu là câu chuyện nghề nghiệp của từng marketer.
Nó trở thành bài toán thiết kế tổ chức.
Nếu execution và coordination tiếp tục trở nên rẻ hơn, doanh nghiệp sẽ có động lực kinh tế để giảm những vai trò và tầng quản lý mà đóng góp chủ yếu là di chuyển thông tin, tạo output thường quy hoặc điều phối những workflow có thể dự đoán.
Điều đó cuối cùng có làm marketing department nhỏ hơn hay không sẽ phụ thuộc vào từng công ty, category và tốc độ adoption. Nhưng có một áp lực dễ bảo vệ hơn: những vai trò con người còn lại sẽ phải gánh phạm vi quyết định rộng hơn.
Một marketer trước đây chỉ sản xuất một phần của campaign có thể ngày càng phải giám sát hệ thống có khả năng sản xuất nhiều phần cùng lúc. Một manager từng điều phối specialist có thể ngày càng phải thiết kế workflow giữa con người, agent, data và platform. Một leader từng review một lượng công việc hữu hạn do con người tạo ra có thể phải quản trị những hệ thống có khả năng hành động liên tục ở quy mô không đội ngũ nào có thể kiểm tra thủ công.
Vì thế, trọng lượng nhận thức của mỗi quyết định con người có thể tăng lên ngay cả khi lượng production do con người trực tiếp thực hiện giảm xuống.
Điều này kéo theo câu hỏi về authority.
Tổ chức không thể delegate execution mà không xác định ai được phép đưa ra quyết định nào. Không thể đưa autonomous agent vào hệ thống mà không xác định khi nào agent phải escalate. Không thể tăng tốc độ hành động mà không hỏi liệu governance có thể vận hành ở cùng tốc độ hay không. Và không thể đơn giản đặt một human “in the loop” nếu chưa xác định con người đó thực sự chịu trách nhiệm phát hiện điều gì, quyết định điều gì và dừng điều gì.
Accountability đặc biệt quan trọng bởi AI có thể tạo output nhưng không sở hữu hậu quả.
Một model có thể đề xuất campaign. Nó không gánh reputational cost nếu campaign làm tổn hại thương hiệu. Một optimization system có thể theo đuổi metric. Nó không sở hữu strategic consequence nếu metric đó là thứ sai để tối ưu. Một agent có thể hành động trong phạm vi permission được cấp. Nó không quyết định permission đó có nên tồn tại ngay từ đầu hay không.
Vì vậy, giá trị của con người không tồn tại đơn giản vì vẫn còn một số task AI chưa thể tự động hóa.
Đó là một cách hiểu quá phòng thủ về tương lai nghề nghiệp.
Nền tảng mạnh hơn nằm ở chỗ tổ chức vẫn cần một locus of judgment có trách nhiệm: một cá nhân hoặc một nhóm được quản trị rõ ràng, có khả năng kết nối objective, context, evidence, trade-off và consequence thành quyết định.
Điều này cũng thay đổi thứ leadership nên đo lường.
Nếu tổ chức tiếp tục đánh giá marketer chủ yếu bằng production volume trong khi production đang trở nên dư dả, họ sẽ tiếp tục tưởng thưởng cho phần của hệ thống đang ngày càng rẻ đi. Nhiều brief hơn, nhiều asset hơn, nhiều analysis hơn và nhiều campaign hơn có thể phản ánh throughput cao hơn mà không đồng nghĩa với marketing tốt hơn.
Những câu hỏi quan trọng hơn sẽ khác.
Chúng ta có frame đúng problem không?
Chúng ta có thay đổi quyết định bởi evidence thực sự biện minh cho thay đổi đó không?
Hệ thống đang tối ưu thứ business thực sự coi trọng, hay chỉ một proxy dễ đo?
Có ai nhận ra khi máy sai một cách đầy tự tin không?
Chúng ta có duy trì được brand integrity khi tăng tốc độ không?
Con người trong tổ chức có đang dần đủ khả năng gánh phạm vi quyết định lớn hơn, hay chỉ đang trở thành những operator hiệu quả hơn của machine output?
Đó không còn là câu hỏi về AI adoption.
Đó là câu hỏi về operating model bao quanh AI.
Evidence hiện tại chưa đủ để xác lập hình dạng cuối cùng của marketing work. Adoption vẫn không đồng đều, công nghệ tiếp tục thay đổi và mỗi category sẽ dịch chuyển với tốc độ khác nhau.
Nhưng hướng của áp lực đã ngày càng rõ: nhiều phần của cognitive production có thể được delegate hơn, trong khi phần việc con người còn lại bị đẩy về phía specification, evaluation, integration, governance và responsibility.
Vì vậy, tương lai marketing không nên chỉ được nhìn như cuộc cạnh tranh giữa human intelligence và artificial intelligence.
Chuyển động sâu hơn nằm ở việc chúng ta đang đi từ một thế giới nơi intelligence khan hiếm sang một thế giới nơi intelligence trở nên dư dả.
Và khi một dạng scarcity biến mất, giá trị không biến mất cùng nó.
Scarcity chuyển chỗ.
Các tổ chức đã đầu tư rất mạnh để làm intelligence trở nên rẻ hơn: nhiều model hơn, nhiều agent hơn, nhiều automation hơn, nhiều nội dung được tạo ra hơn, nhiều cognitive capacity hơn trên mỗi nhân sự.
Bài toán khó hơn nằm ở phía sau.
Nếu judgment một phần được hình thành thông qua experience, trong khi AI loại bỏ ngày càng nhiều công việc từng tạo ra experience đó, capability development không thể tiếp tục chỉ là một sản phẩm phụ của employment.
Nó phải trở thành một trách nhiệm được thiết kế có chủ đích.
Operating model tiếp theo của marketing vì thế có hai nhiệm vụ:
Làm intelligence trở nên rẻ. Và chủ động tạo ra judgment.
Phần lớn tổ chức đang nghiêm túc làm việc đầu tiên.
Rất ít tổ chức đã thực sự thiết kế cho việc thứ hai.