OpenAI tiết lộ dự án "Bắc Đẩu", "Thất nghiệp lớn năm 2028" có thể thực sự sắp đến

Gần đây, một bài viết dự đoán về năm 2028 đã lan truyền mạnh mẽ trên mạng, trong đó chỉ ra rằng do sự tiến bộ của AI, sẽ có một làn sóng thất nghiệp lớn vào năm 2028, nhiều công việc của mọi người sẽ bị AI thay thế.

Bài viết này ra mắt, cộng thêm tình hình Trung Đông, đã gây ảnh hưởng nặng nề đến thị trường chứng khoán Mỹ trong ngày hôm đó. Sự việc này gần như mang tính huyền bí, vì rõ ràng bài viết đó do AI viết ra, nhưng lại phù hợp với nỗi sợ của mọi người về việc “AI gây ra thất nghiệp lớn”, nên đã tạo ra tác động lớn như vậy.

Gần đây, một thông tin do OpenAI tiết lộ khiến mọi người nhận thức rõ hơn rằng, “thất nghiệp lớn năm 2028” có thể không phải là chuyện hoang đường.

Gần đây, nhà khoa học trưởng của OpenAI Jakub Pachocki trong một cuộc phỏng vấn độc quyền với MIT Technology Review đã nói một câu khiến người ta rùng mình — họ đặt mục tiêu “North Star” là xây dựng trước năm 2028 một hệ thống nghiên cứu đa trí thông minh tự động hoàn toàn.

Trong tháng 9 năm nay, mục tiêu giai đoạn đầu sẽ được thực hiện:

Một “thực tập sinh nghiên cứu AI tự chủ” có khả năng xử lý độc lập các vấn đề nghiên cứu cụ thể.

Đây không phải là một chỗ trống trong lộ trình sản phẩm, cũng không phải là một lời hứa suông của Altman trên X. Đây là việc OpenAI đang đặt toàn bộ nguồn lực của công ty vào một hướng đi.

Ý nghĩa của “North Star”

Khi các công ty công nghệ nói về “North Star”, thường mang ý nghĩa hai điều: thứ nhất, các hoạt động khác phải nhường đường cho nó; thứ hai, nội bộ công ty đã đạt được sự đồng thuận.

Dựa trên các hành động của OpenAI trong hai tuần qua, nhận định này gần như đúng.

Ngày 19 tháng 3, OpenAI công bố mua lại công ty công cụ phát triển Astral, đội ngũ sẽ sáp nhập vào bộ phận Codex; cùng lúc đó, công ty cũng công bố tích hợp ChatGPT, Codex và trình duyệt thành một “siêu ứng dụng” trên desktop, do trưởng nhóm ứng dụng Fidji Simo dẫn dắt, cùng Greg Brockman hỗ trợ thúc đẩy cải tổ tổ chức.

Thời đại sản phẩm phân mảnh chính thức chấm dứt, OpenAI đang dồn tất cả các nguồn lực vào một hướng đi duy nhất.

Và hướng đi này chính là “để AI tự nghiên cứu”.

Logic của Pachocki thực sự rất rõ ràng: các mô hình suy luận, các hệ thống trí thông minh, khả năng giải thích — ba hướng công nghệ này ban đầu hoạt động riêng rẽ trong nội bộ OpenAI, giờ đây sẽ được hợp nhất vào một mục tiêu — tạo ra một nhà nghiên cứu AI có thể tự vận hành lâu dài trong trung tâm dữ liệu. Ông nói, khi việc này thành công, “đây chính là thứ chúng tôi thực sự dựa vào.”

Quan điểm của cựu nhà nghiên cứu OpenAI Andrej Karpathy còn thẳng thắn hơn — “Tất cả các phòng thí nghiệm hàng đầu về mô hình ngôn ngữ lớn đều sẽ làm như vậy, đây chính là trận chiến cuối cùng của BOSS.” Ông bổ sung một câu đáng để suy ngẫm: “Quy mô tất nhiên sẽ phức tạp hơn, nhưng làm việc này chỉ là vấn đề kỹ thuật, nó sẽ thành công.”

Chú ý cách ông dùng từ: không phải “có thể hay không”, mà là “khi nào”.

Anthropic hành động

Ngay ngày hôm đó, khi OpenAI công bố “North Star”, Anthropic âm thầm ra mắt Claude Code Channels — một tính năng cho phép các nhà phát triển tương tác trực tiếp với các phiên hội thoại Claude Code đang chạy qua Telegram và Discord.

Việc này nhìn qua có vẻ nhỏ, nhưng đặt trong bối cảnh xu hướng chung thì lại rất quan trọng.

Logic của Anthropic là: Thay vì nói với các nhà phát triển AI có thể làm gì trong tương lai, tốt hơn là để nó tích hợp ngay vào quy trình làm việc thực tế của họ. Telegram và Discord không phải là nơi để viết bài nghiên cứu học thuật, mà là nơi các lập trình viên làm việc hàng ngày. Để Claude Code tồn tại ở đây, nghĩa là nó đã từ “công cụ” biến thành “đồng nghiệp”.

Phản ứng của cộng đồng đã chứng thực nhận định này.

Có người dùng trực tiếp nói: “Claude qua lần cập nhật này đã giết chết OpenClaw, bạn không cần phải mua một chiếc Mac Mini nữa.” Ý nghĩa đằng sau câu này là, các cải tiến hạ tầng của Anthropic đã khiến các giải pháp mã nguồn mở mất lợi thế về chi phí.

Và nhìn theo chiều dài thời gian lớn hơn, tốc độ cập nhật của Anthropic trên Claude Code thực sự đáng kinh ngạc. Chỉ trong vài tuần ngắn ngủi, nó đã tích hợp xử lý văn bản, hàng nghìn kỹ năng MCP và khả năng tự sửa lỗi. Trong khi OpenAI đang củng cố Codex bằng cách mua Astral, thì Anthropic đã đưa Claude Code trực tiếp vào cửa sổ trò chuyện của nhà phát triển.

Hai công ty đều hướng tới cùng một đích, nhưng lộ trình lại hoàn toàn khác biệt — OpenAI đang xây dựng “nhà nghiên cứu tự động hoàn toàn năm 2028”, còn Anthropic đang phát triển “công cụ trí thông minh có thể dùng ngay hôm nay”.

Thách thức thực sự

Tuy nhiên, có một chi tiết không thể bỏ qua.

Trong cuộc phỏng vấn, Pachocki đã làm một điều hiếm thấy — ông chủ động đề cập đến những thách thức về an toàn và kiểm soát, và nói rất thẳng thắn.

Ông nói rằng, ý tưởng của họ là dùng các mô hình ngôn ngữ lớn khác để “giám sát ghi chú của nhà nghiên cứu AI”, nhằm phát hiện hành vi bất thường trước khi gây ra vấn đề. Nhưng ngay sau đó, ông thừa nhận: “Hiểu biết về các mô hình ngôn ngữ lớn của chúng tôi còn hạn chế, chưa đủ để kiểm soát hoàn toàn chúng. Để thực sự nói rằng ‘vấn đề đã được giải quyết’, còn cần rất nhiều thời gian.”

Một nhà khoa học trưởng của một công ty nói rằng “chúng tôi vẫn chưa có kiểm soát hoàn toàn”, đồng thời tuyên bố sẽ giao hệ thống AI nghiên cứu tự động hoàn toàn vào năm 2028. Hai điều này đặt cạnh nhau, đều đáng để mọi người suy nghĩ nghiêm túc.

Đây không phải là sự bi quan, mà là sự thấu hiểu về độ khó thực sự của vấn đề. Việc Pachocki có thể nói ra câu này đã thể hiện rõ nhận thức của OpenAI về những gian nan của con đường này.

Về mặt kỹ thuật, có một vòng lặp “Karpasi” đã được các nhà nghiên cứu tổng kết, đáng để tham khảo — một khung tự động hóa nghiên cứu AI thành công cần có ba yếu tố: một hệ thống trí thông minh có quyền sửa đổi một tệp tin đơn lẻ, một chỉ số đánh giá khách quan duy nhất, và giới hạn thời gian thử nghiệm cố định.

Khung này đã bắt đầu cho ra kết quả trong môi trường thực tế. CEO Shopify Tobias Lütke đã chia sẻ một ví dụ: ông cho phép hệ thống tự nghiên cứu chạy vào ban đêm, sáng hôm sau, hệ thống đã thực hiện 37 lần thử nghiệm, nâng cao hiệu suất mô hình lên 19%.

Từ ý tưởng đến thực tế, con đường này ngắn hơn nhiều so với dự đoán.

Tương lai với phí đăng ký 20.000 USD

Dự án “North Star” không chỉ là lợi thế về công nghệ, mà còn là chiến lược thắng thua về mặt kinh doanh.

Paul Roetzer dẫn một số số liệu khiến người ta phải xem đi xem lại nhiều lần: ông trích dẫn dự đoán nội bộ của OpenAI, đến năm 2029, doanh thu từ các hệ thống tự nghiên cứu riêng biệt có thể đạt 29 tỷ USD mỗi năm, trong đó bao gồm “đại lý kiến thức” với phí tháng 2000 USD và “đại lý nghiên cứu” với phí tháng 20.000 USD.

Những con số này cho thấy, “nhà nghiên cứu AI” không chỉ là một mục tiêu kỹ thuật, mà còn là một lộ trình tạo ra doanh thu.

Phí tháng 20.000 USD cho “đại lý nghiên cứu” tương đương với một phần nhỏ của mức lương của một nhà nghiên cứu cấp cao, nhưng nó có thể làm việc liên tục 24/7, đồng thời thực hiện 37 thử nghiệm. Đây không phải là thay thế một người cụ thể, mà là định nghĩa lại chính “năng suất nghiên cứu” là gì.

Điều này khiến tôi nhớ câu của Karpathy — “Đây chính là trận chiến cuối cùng của BOSS.” BOSS ông đề cập không phải là đối thủ cạnh tranh, mà chính là giới hạn khả năng của AI.

Một khi AI có thể tự thúc đẩy nghiên cứu khoa học, tốc độ tiến bộ của AI sẽ không còn bị giới hạn bởi số lượng và thời gian làm việc của các nhà nghiên cứu con người.

Pachocki cũng nói cùng ý đó, chỉ là diễn đạt một cách thận trọng hơn — “Khi hệ thống có thể tự vận hành lâu dài trong trung tâm dữ liệu, đó chính là thứ chúng tôi thực sự dựa vào.”

Nhà nghiên cứu AI tháng 9 năm 2026 không phải là điểm cuối, mà là một bước khởi đầu quan trọng.