- Phần lớn startup đã hoạt động hơn 2 năm nhiều khả năng có kế hoạch kinh doanh và tech stack đã lỗi thời trong bối cảnh môi trường thời đại AI thay đổi chóng mặt, và cần kiểm tra lại tình hình ngay lập tức
- Tính đến năm 2025, hai phần ba vốn đầu tư VC tập trung vào các thương vụ liên quan đến AI, khiến các startup không làm AI phải cạnh tranh trong một nguồn vốn ngày càng thu hẹp
- Các công cụ Vibe coding cho phép xây MVP chỉ trong vài ngày, khiến cách tổ chức đội ngũ phát triển và bản thân quy trình Agile truyền thống đang bị tái cấu trúc tận gốc
- AI Agent đang thay đổi mọi danh mục phần mềm, và khi sản phẩm chuyển từ dựa trên giao diện sang dựa trên kết quả, mô hình định giá cũng dịch chuyển từ seat-based sang outcome-based
- Muốn có cơ hội sống sót, cần tránh bẫy chi phí chìm với công nghệ và đội ngũ đã xây dựng trong quá khứ, đồng thời tự hỏi: “Nếu khởi nghiệp hôm nay, mình sẽ làm gì?”
Bối cảnh: trường hợp của một nhà sáng lập startup năm thứ 6
- Chris, nhà sáng lập của một startup được đầu tư từ 6 năm trước, đang giải một bài toán tự hành phức tạp bằng một mô hình kinh doanh độc đáo trong thị trường hiện hữu
- Đúng lúc chuẩn bị bắt đầu một đợt gọi vốn lớn, moat phần mềm mà anh đã xây suốt 5 năm dần không còn mang tính độc nhất
- Drone tự hành và phương tiện mặt đất tự hành tại Ukraine đã tạo ra hàng chục đến hàng trăm đối thủ cạnh tranh, và các đội ngũ phát triển lớn hơn, có tiềm lực tài chính mạnh hơn cũng đang giải cùng bài toán
- Trong khi Chris đang vật lộn để giành mức độ chấp nhận trong một thị trường ngách, thị trường tự hành ở lĩnh vực quốc phòng (defense) — một thị trường liền kề — lại tăng trưởng bùng nổ
- Trong 5 năm qua, đầu tư VC vào các startup quốc phòng đã tăng từ 0 lên 20 tỷ USD mỗi năm
- Sản phẩm của anh phù hợp với contested logistics và sơ tán y tế, nhưng bản thân anh thậm chí còn không biết cơ hội này tồn tại
- Đội của Chris có điểm khác biệt ở tích hợp hệ thống với các nền tảng hàng không hiện có, nhưng doanh nghiệp lúc này thực chất đã khác với doanh nghiệp ban đầu
- Từ trường hợp này, cần nhận ra rằng phần lớn startup đã hơn 2 năm tuổi đang mang theo kế hoạch kinh doanh, tech stack và cơ cấu đội ngũ đã lỗi thời
Môi trường đã thay đổi: Venture Capital và AI
- Tính đến năm 2025, các thương vụ AI chiếm hai phần ba tổng vốn đầu tư VC
- Các startup không làm AI phải cạnh tranh cho một nguồn vốn nhỏ hơn, đồng thời phải trả lời câu hỏi: “Tại sao đối thủ AI-native có nhiều tiền hơn lại không thể thay thế doanh nghiệp của bạn?”
- Với các nhà sáng lập phần mềm, AI đã thay đổi hoàn toàn công thức cũ về chi phí, tốc độ và số lượng nhân sự
- Các công cụ Vibe coding như Claude Code hay OpenAI Codex cho phép xây MVP trong vài ngày thay vì vài tháng, đôi khi chỉ trong vài giờ
- MVP không còn là bằng chứng cho năng lực của đội ngũ nữa
- Cấu trúc đội ngũ phát triển cũng đang thay đổi: ít kỹ sư hơn, và xuất hiện kiểu kỹ sư mới hơn (kỹ sư kết quả/quy trình kinh doanh, nhân sự kỹ thuật chuyên sâu)
- Những việc trước đây cần cả một đội dev thì giờ chỉ cần một nhóm rất nhỏ, đôi khi chỉ một người
- Trước đây dữ liệu là yếu tố khác biệt và là moat, nhưng hiện nay các foundation model (ChatGPT, Gemini, Claude) đang hàng hóa hóa và hấp thụ các nguồn dữ liệu công khai
Định nghĩa lại phát triển Agile
- Ràng buộc cũ là “Liệu ta có đủ khả năng để xây và phát hành thứ này không?”, nhưng ràng buộc hiện tại là “Liệu ta có biết nên thử nghiệm điều gì không? Có thể tiếp cận người dùng đủ nhanh để học hỏi không?”
- Agile không còn là một quy trình tuần tự (serial)
- AI Agent có thể thực hiện song song nhiều tác vụ với chi phí tương đương hoặc thấp hơn
- Có thể thử nghiệm nhiều phiên bản của cùng một doanh nghiệp cùng lúc, hoặc thử nhiều doanh nghiệp khác nhau đồng thời
- Có thể đồng thời thử 5 mô hình giá, 10 thông điệp, 20 luồng UX, và “giao diện người dùng” thậm chí có thể không còn là màn hình
- Việc thử nghiệm có thể trở thành quá trình khám phá prompt để truyền đạt kết quả mong muốn cho AI Agent
- Nút thắt cổ chai không còn nằm ở engineering, mà được đẩy lên thành khả năng phán đoán, insight khách hàng và phân phối
Sự trỗi dậy của AI Agent
- AI Agent sẽ thay đổi mọi danh mục phần mềm, bao gồm cả các sản phẩm đang vận hành hiện nay
- Phần mềm hiện tại được thiết kế để cung cấp thông tin cho người dùng và để người dùng tự thao tác thông qua UI như dashboard, cảnh báo, công cụ workflow, báo cáo
- Nhưng khách hàng không mua phần mềm để nhìn thêm màn hình, mà mua để hoàn thành công việc
- AI Agent (được điều phối bằng các công cụ như OpenClaw) sẽ tự động thực hiện công việc
- Nếu sản phẩm hiện tại của bạn chỉ cho người dùng biết “việc tiếp theo cần làm là gì”, thì AI Agent sẽ thực hiện luôn bước đó
- Nếu sản phẩm của đối thủ tự động hoàn thành công việc còn sản phẩm của bạn vẫn đợi người dùng nhấp chuột, bạn sẽ mất khả năng cạnh tranh
- Ứng dụng thế hệ tiếp theo sẽ không còn chỉ hiển thị thông tin trên màn hình mà sẽ hành động như một nhân viên
- Tự động xử lý ticket hỗ trợ, đặt lịch họp, xác minh lead, đặt hàng tồn kho lại, v.v.
- Khi sản phẩm chuyển từ software-as-interface sang software-as-outcome, mô hình giá cũng sẽ chuyển từ seat-based sang outcome-based (tính theo ticket được giải quyết, cuộc họp được đặt, lead được chốt)
- Việc tìm kiếm Product/Market fit sẽ chuyển sang tìm kiếm AI Agent/Customer Outcome fit, và MVP có khả năng được thay bằng Minimum Productive Outcomes (MPO)
Thay đổi ở startup phần cứng
- Phần cứng vẫn bị ràng buộc bởi vật lý, vốn, chuỗi cung ứng và chu kỳ sản xuất; không thể “đánh lừa” gia công kim loại, làm prototype hay chip tape-out
- Nhưng AI cho phép loại bỏ ý tưởng tệ nhanh hơn
- Có thể mô phỏng nhiều biến thể thiết kế hơn trước khi làm prototype vật lý, tạo digital twin, và stress test các giả định sớm hơn với chi phí rẻ hơn
- Điều này tăng tốc học hỏi và khám phá, đôi khi giúp đi tới thất bại nhanh hơn, mà trong startup đó không phải bug mà là tính năng
- Khi AI được tích hợp như một phần của hệ thống, bản thân sản phẩm cũng thay đổi
- Thêm backend AI vào camera thì camera có thể trở thành hệ thống giám sát, cảm biến rung, hệ thống dự đoán hỏng hóc thiết bị máy móc
- Robot trở thành công nhân nhà máy
- Moat không còn chỉ là phần cứng, mà là sự kết hợp giữa những gì phần cứng có thể cảm nhận và khả năng AI dùng dữ liệu đó để đánh giá và hành động
Bẫy chi phí chìm (Sunk Cost Trap)
- Những nhà sáng lập bắt đầu trước năm 2025 đang sở hữu tech stack được tối ưu cho thời kỳ phát triển phần mềm còn mang tính may đo và chi phí cao
- Phát triển Agile và DevSecOps đã giúp vận hành tinh gọn (lean) hơn, nhưng vẫn theo kiểu tuần tự, và đội ngũ cũng được tuyển để phù hợp với cấu trúc đó
- “Moat” được xây bằng code độc quyền và tính năng trong nhiều năm đang bị AI hàng hóa hóa
- Tình hình là đang cố gọi vốn cho một mô hình kinh doanh đã lỗi thời một phần hoặc hoàn toàn
- Với đội ngũ sáng lập đang mải mê ra mắt sản phẩm và tìm kiếm Product/Market fit, thay đổi này có thể chưa hiện rõ
- Chi phí chìm trở thành lý do khiến họ không pivot:
- “Làm sao bỏ đi công sức của bao nhiêu năm?”
- “VC đã đầu tư vào chính ý tưởng này”
- “Khách hàng vẫn muốn UI”
- “Đội ngũ tin vào roadmap này”
- “Khách hàng vẫn chưa sẵn sàng cho điều này”
- Một số chi phí chìm vẫn là tài sản: kiến thức miền sâu, quan hệ khách hàng, dữ liệu độc quyền, phê duyệt pháp lý, tích hợp vật lý
- Với Chris, đó là airframe integration
- Chi phí chìm là gánh nợ gồm: đội engineering lớn được tổ chức cho chu kỳ phần mềm chậm, mô hình giá seat-based, roadmap sản phẩm tập trung vào tính năng thay vì kết quả
- Đó chính là “Dead Moose on the table” — thứ rõ ràng là sai nhưng không ai lên tiếng phản đối
Bài học cốt lõi
- Không thể dùng playbook trước 2024 để vận hành trong năm 2026 — gọi vốn, công nghệ và mô hình kinh doanh đều đã thay đổi
- Phát triển Agile đang chuyển thành phát triển song song
- Việc tìm kiếm Product/Market fit đang chuyển sang AI Agent/Customer Outcome fit, và MVP sẽ được thay bằng MPO (Minimum Productive Outcomes)
- Tư duy chi phí chìm sẽ dẫn đến đóng cửa doanh nghiệp
- Moat có thể phòng thủ được nằm ở dữ liệu độc quyền, hiểu biết sâu về kết quả khách hàng, lock-in pháp lý, và việc giành được Program of Record
- Những nhà sáng lập sống sót là những người bước ra ngoài tòa nhà để nắm bắt thực trạng, rồi pivot và hiệu chỉnh hướng đi
- Cần tự hỏi: “Nếu khởi nghiệp trong thị trường hôm nay với công cụ của hôm nay, thực sự mình sẽ xây cái gì?”
1 bình luận
Ý kiến trên Hacker News
Giọng điệu của bài viết thực sự khiến tôi có cảm giác đây không phải là người đã thật sự dùng AI để xây startup, mà là người chỉ đọc rất nhiều bài về AI
Vẫn còn bị giới hạn ở thiết kế hệ thống, UX, định giá, quyết định tính năng, v.v.
Tốc độ lặp đã nhanh hơn, nhưng vòng lặp AI tự trị vẫn chưa ở mức có thể tạo ra một sản phẩm hoàn chỉnh
Nếu chỉ là một ứng dụng CRUD đơn giản thì có lẽ khác, nhưng startup mà bài viết nói tới dường như không thuộc kiểu đó
Nếu thấy các kiểu lời tiên tri không có căn cứ như “AI sẽ thế này”, “developer sẽ phải thế kia” thì tôi bỏ qua ngay
Nói về tương lai mà không ai biết trước bằng giọng điệu chắc nịch là ngạo mạn
Biến mọi thứ thành chatbot là điều kỳ quặc
Nhưng chúng ta đang ở trong sự thay đổi theo cấp số nhân. Chỉ 1 năm trước thôi, model còn không viết nổi một hàm tử tế
Trước đây nút thắt là sản xuất, còn bây giờ nút thắt là ý chí muốn kiểm chứng giả thuyết
Thái độ sẵn sàng trải nghiệm thất bại sớm và lặp nhanh mới là điều quan trọng
Công nghệ càng biến mọi chi phí về 0 thì chi phí tâm lý lại càng lớn hơn
Không thể né tránh việc kiểm chứng với thực tế, nhưng đa số vẫn cố tránh điều đó
Tôi đã đăng một bài mở rộng thêm về chuyện này trên Substack
nên thế hệ lập trình viên tầm trung đã bị méo mó cảm nhận về ‘điều gì mới thật sự là công việc có giá trị’
Nút thắt ngay từ đầu vốn đã không phải là coding
Đúng như câu “nút thắt không còn là engineering nữa”, 90% bài blog dạo này đã ở trạng thái chết ngay từ lúc xuất bản
để tác giả cho thấy mình là người thật, đồng thời hình thành mối quan hệ cận xã hội với độc giả
Bây giờ nó là: “nút thắt đã dịch chuyển khỏi engineering sang phán đoán, thấu hiểu khách hàng và phân phối”
Phần lớn startup vốn dĩ đã thất bại ngay từ điểm xuất phát
Trong 20 năm qua đã xuất hiện Lean Startup, accelerator và đủ loại ngành công nghiệp tư vấn, nhưng tỷ lệ thất bại không thay đổi nhiều
Vấn đề không phải là framework, mà là thực tế
Những người trước đây có lẽ đã vào ngành tài chính giờ lại chọn khởi nghiệp
Số lượng startup tăng lên, nên dù tỷ lệ có giữ nguyên thì số tuyệt đối vẫn tăng
Tobi của Shopify dùng tỷ lệ rời bỏ người dùng (user churn) làm chỉ số cốt lõi
Khi churn tăng thì điều đó có nghĩa là sản phẩm đang tiếp cận được nhiều người có ý định khởi nghiệp hơn, tức là chiến lược mở rộng toàn bộ chiếc bánh
Nếu có ý tưởng tốt, phương pháp luận chỉ ảnh hưởng đến tỷ suất lợi nhuận chứ không quyết định thành bại
Câu chuyện Steve Blank kể không phải về việc bỏ lỡ AI, mà là về một người đã bỏ lỡ cơ hội 20 tỷ USD trong thị trường VC quốc phòng
Ý ông ấy không phải là “hãy dùng AI”, mà là AI đã thay đổi chính các tiền đề về tech stack, khả năng phòng thủ và tính có thể đầu tư
Chris đã quá tập trung vào phát triển sản phẩm nên không nắm bắt được làn sóng khổng lồ đó
Tôi không đồng ý với lập luận rằng “mô hình giá theo số ghế và roadmap xoay quanh tính năng đã lỗi thời”
AI có thể mở rộng mà không phụ thuộc vào số lượng người dùng, nhưng chủ thể thực sự nhận được giá trị vẫn là con người
Giá theo số ghế dễ hiểu, và nếu cần thì chỉ việc cộng thêm chi phí token/agent
Ngoài ra, roadmap theo kết quả rất khó định nghĩa giữa các ngành, và với marketing SaaS thì kết quả cũng khó dự đoán
Thực ra mọi startup về cơ bản đều bắt đầu trong trạng thái đã chết
Muốn thành công thì phải liên tục học hỏi và đổi mới
Trong bài Startups are Default Dead,
ông giải thích rằng để startup sống sót thì cần vốn VC
Về câu “nút thắt đã chuyển từ engineering sang phán đoán và thấu hiểu khách hàng”,
thực ra engineering đã không còn là nút thắt từ 10 năm trước rồi
Framework và best practice đã được thiết lập đầy đủ, AI chỉ đang phơi bày thực tế đó mà thôi
Phần lớn các công ty SaaS đã niêm yết có chi phí sales và marketing lớn hơn hoặc tương đương R&D
Trong tương lai khoảng cách này sẽ còn lớn hơn
Tôi không đồng ý với lập luận rằng “AI đã thay đổi tech stack hiện có”
Bot AI hoạt động tốt với Typescript, Java, Python, Rust hay bất kỳ ngôn ngữ nào khác
Nói cách khác, bản thân tech stack không thay đổi
Không rõ có thực sự tồn tại khác biệt về code và hạ tầng giữa công ty dùng AI và công ty không dùng AI hay không
Nhìn vào hình ảnh đính kèm trong bài,
tôi có cảm giác tác giả chưa suy nghĩ đủ sâu
Một thông tin mà chỉ cần mở màn hình ra nhìn một dòng là biết, giờ lại phải nhờ AI giải thích thành cả đoạn văn mới lấy được
Hơn nữa còn có rủi ro hiểu sai ý nghĩa
Tôi nghi ngờ liệu đây có thực sự là một nâng cấp hay không