AI đang thay đổi công việc tại Anthropic như thế nào

• Trong khảo sát nội bộ với 132 kỹ sư và nhà nghiên cứu của Anthropic, sự cộng tác AI xoay quanh Claude đang làm thay đổi toàn diện cách làm việc, đồng thời mở rộng cả năng suất lẫn phạm vi công việc
• Nhân viên sử dụng Claude trong 59% công việc và cảm nhận mức tăng năng suất trung bình 50%; khi lượng đầu ra tăng mạnh, cách sử dụng thời gian cũng đang được tái cấu trúc
• Nhờ Claude, 27% tổng số công việc được Claude hỗ trợ là những việc vốn trước đây họ sẽ không làm, cho thấy xu hướng xử lý cả những việc “để đó” như tạo prototype, dashboard, kiểm thử và tài liệu hóa
• Trong khi đó, lo ngại về suy giảm năng lực kỹ thuật, giảm cố vấn và đánh mất tính thủ công trong lập trình cũng gia tăng, đồng thời xuất hiện xu hướng con người dần chuyển sang vai trò quản lý và giám sát tác nhân AI
• Nhìn chung, AI đang biến lập trình viên thành “những người full-stack hơn và làm được nhiều việc hơn”, nhưng đồng thời cũng làm gia tăng sự bất định và nhu cầu thích nghi về lộ trình nghề nghiệp dài hạn, cách học và văn hóa tổ chức

---

Tổng quan

• Tiếp nối các nghiên cứu vĩ mô trước đây về tác động của AI lên thị trường lao động, lần này Anthropic đã thực hiện một khảo sát nội bộ về cách AI thực sự thay đổi công việc, nhắm vào chính các kỹ sư và nhà nghiên cứu của họ
  • Đây là nghiên cứu phân tích kết hợp khảo sát 132 kỹ sư và nhà nghiên cứu tính đến tháng 8/2025, 53 cuộc phỏng vấn định tính và dữ liệu log sử dụng Claude Code
  • Kết quả phân tích cho thấy các nhà phát triển làm được nhiều việc hơn và xử lý nhiều lĩnh vực đa dạng hơn, nhưng đồng thời cũng ngày càng băn khoăn về độ sâu kỹ năng, hợp tác và tương lai nghề nghiệp
• Các kỹ sư của Anthropic đang dùng Claude để đảm nhận vai trò gần với full-stack hơn, tăng tốc chu kỳ học hỏi và lặp lại, đồng thời xử lý cả những công việc trước đây vốn bị trì hoãn
  • Song song đó, cũng tồn tại lo ngại rằng sự mở rộng bề ngang này có thể dẫn đến suy giảm năng lực kỹ thuật chuyên sâu và khả năng giám sát
• Anthropic thừa nhận họ đang ở trong một môi trường đặc biệt có thể tiếp cận sớm nhất với các công cụ mới nhất, nhưng vẫn cho rằng những thay đổi nội bộ này là dấu hiệu báo trước cho các biến chuyển xã hội và công nghiệp rộng lớn hơn trong tương lai, nên việc quan sát sớm là có ý nghĩa
  • Tại thời điểm nghiên cứu, các mô hình mạnh nhất là Claude Sonnet 4, Claude Opus 4, và họ cho biết hiệu năng mô hình sau đó vẫn tiếp tục cải thiện
• Nhìn tổng thể, cùng với mức tăng năng suất và sự mở rộng công việc, các bài toán về duy trì chuyên môn kỹ thuật, bảo tồn hợp tác có ý nghĩa và chuẩn bị cho một tương lai bất định cũng đồng thời nổi lên, và bên trong Anthropic cũng đang có những thử nghiệm để xử lý các vấn đề này
  • Trong một bài viết riêng, họ cũng thảo luận về các ý tưởng chính sách kinh tế liên quan đến AI; còn bài viết này chủ yếu tập trung vào sự thay đổi trong công việc và vai trò bên trong tổ chức

Các phát hiện chính

• Theo dữ liệu khảo sát, các kỹ sư Anthropic sử dụng Claude chủ yếu cho debugging và hiểu mã nguồn, và tỷ lệ sử dụng cũng như mức cải thiện năng suất cảm nhận được đã tăng lên khoảng 2–3 lần trong vòng một năm
  • 27% tổng số công việc được Claude hỗ trợ là những việc vốn trước đây họ sẽ không làm, được lấp đầy bằng các công việc bổ sung như mở rộng dự án, dashboard và thử nghiệm khám phá
  • Dù hầu hết nhân viên dùng Claude thường xuyên, họ trả lời rằng tỷ lệ công việc có thể giao phó hoàn toàn chỉ ở mức 0–20%, cho thấy việc giám sát và kiểm chứng chủ động vẫn là điều bắt buộc
• Trong các cuộc phỏng vấn, quá trình mọi người tích lũy trực giác về việc ủy quyền cho AI đã được thể hiện rõ; một mô thức chung là ưu tiên giao cho AI những việc dễ kiểm chứng, rủi ro thấp, nhàm chán và lặp đi lặp lại
  • Nhờ Claude, phổ năng lực kỹ thuật được mở rộng, giúp họ có khả năng gần với full-stack hơn, nhưng đồng thời cũng có lo ngại rằng do giảm thực hành coding và debugging chuyên sâu, năng lực nền tảng có thể bị suy yếu
  • Khi Claude thay thế phần lớn các câu hỏi vốn trước đây được đem hỏi đồng nghiệp, nhiều ý kiến cũng bày tỏ lo ngại về sự suy giảm cơ hội cố vấn, học hỏi từ đồng nghiệp và sự gắn kết giữa con người với nhau
• Trong log sử dụng Claude Code, người ta đồng thời quan sát thấy độ khó công việc tăng lên, số lần gọi công cụ liên tiếp tăng và số lượt con người can thiệp giảm, xác nhận xu hướng giao các nhiệm vụ ngày càng phức tạp hơn với ít sự can thiệp hơn
  • Trong vòng 6 tháng, tỷ trọng triển khai tính năng mới và thiết kế/lập kế hoạch mã nguồn đã tăng mạnh; trong toàn bộ công việc, 8,6% là các việc như ‘papercut fix’ — những cải thiện chất lượng nhỏ nhặt từng bị trì hoãn lâu nay
  • Xét theo từng nhóm, các nhóm như Pre-training, Alignment & Safety, Security và các nhóm phi kỹ thuật đều đang sử dụng Claude cho những công việc vượt ra ngoài chuyên môn cốt lõi của mình, cho thấy xu hướng mọi người đều đang trở nên full-stack hơn một chút
• Ở phần Looking forward, Anthropic nêu mục tiêu trở thành phòng thí nghiệm thử nghiệm các thực hành tốt nhất để làm việc cùng AI, đồng thời đề cập các bước tiếp theo nhằm thiết kế lại phương thức hợp tác, hỗ trợ phát triển nghề nghiệp và xác lập best practices trong việc sử dụng AI
  • Họ cũng đang mở rộng nghiên cứu sang các vị trí ngoài kỹ sư, đồng thời hợp tác với các tổ chức đào tạo bên ngoài như CodePath để cải tổ chương trình giảng dạy CS cho phù hợp với kỷ nguyên AI

Dữ liệu khảo sát

• Mục đích sử dụng Claude

  • Dựa trên khảo sát 132 kỹ sư và nhà nghiên cứu, tần suất sử dụng Claude được chia theo các mục đích như gỡ lỗi, hiểu mã, refactor, data science, frontend, thiết kế/lập kế hoạch
    • Trong số người trả lời, 55% cho biết dùng Claude mỗi ngày để gỡ lỗi, 42% để hiểu mã, và 37% để triển khai tính năng mới hằng ngày
    • Ngược lại, thiết kế cấp cao, lập kế hoạch, data science, phát triển frontend được giải thích là có tỷ lệ sử dụng thường ngày thấp hơn vì bản thân khối lượng công việc này tương đối ít hơn và mọi người có xu hướng tự làm trực tiếp
  • Phân bố này nhìn chung cũng phù hợp với phân bố tác vụ trong log sử dụng thực tế của Claude Code được trình bày phía sau, trong đó gỡ lỗi, hiểu mã, triển khai tính năng mới là các trục sử dụng cốt lõi

• Mức sử dụng và năng suất

  • Nhân viên hồi tưởng rằng 12 tháng trước họ dùng Claude trong 28% công việc và cảm nhận năng suất tăng khoảng 20%, trong khi hiện nay họ trả lời rằng dùng Claude trong 59% công việc và cảm nhận năng suất trung bình tăng 50%
    • Đây được đánh giá là mức thay đổi mà cả tỷ lệ sử dụng lẫn cải thiện năng suất đều tăng hơn gấp đôi chỉ trong một năm
    • Nội bộ cũng đưa ra chỉ số số PR được merge trung bình mỗi ngày trên mỗi kỹ sư tăng 67%, đồng thời cho biết điều này trùng với giai đoạn Claude Code được triển khai trên toàn công ty
  • Phân tích khảo sát cho thấy càng sử dụng Claude nhiều thì mức tăng năng suất tự báo cáo cũng càng lớn, và 14% người trả lời được phân loại là “power user” khi trải nghiệm mức tăng năng suất từ 100% trở lên
    • Tuy vậy, nhóm nghiên cứu cũng đề cập rằng năng suất rất khó đo lường, và các con số tự báo cáo có thể bị thiên lệch, đồng thời việc phân loại hạng mục công việc cũng có giới hạn
    • Trong nghiên cứu bên ngoài của METR, các nhà phát triển có xu hướng đánh giá quá cao mức tăng năng suất khi nhận hỗ trợ từ AI, còn Anthropic giải thích rằng trong trường hợp của họ có thể có khác biệt vì họ đã chủ động loại bỏ các lĩnh vực ít triển khai AI hơn
  • Với từng hạng mục công việc có nhận hỗ trợ từ Claude, nhân viên báo cáo thời gian thực hiện có phần giảm đi, trong khi lượng đầu ra tăng lên đáng kể
    • Ở hầu hết các nhóm như gỡ lỗi, hiểu mã, refactor, số người trả lời rằng thời gian giảm chiếm ưu thế, nhưng đồng thời cũng có khá nhiều câu trả lời cho biết thời gian tăng, cho thấy xu hướng phân hóa
    • Những người trải nghiệm thời gian tăng chủ yếu nêu lý do là gánh nặng gỡ lỗi và dọn dẹp mã do Claude viết, tải nhận thức bổ sung để hiểu đoạn mã do AI tạo ra, và việc phải khám phá, học hỏi nhiều hơn
    • Nghiên cứu chỉ ra hạn chế rằng thời gian tiết kiệm được được tái phân bổ vào đâu, và có bao gồm cả hoạt động ngoài công việc hay không thì vẫn chưa thể xác định rõ từ bộ dữ liệu lần này, đồng thời nhấn mạnh cần có thêm nghiên cứu

• Những công việc mới mà Claude mở ra

  • Nhân viên cho biết nhờ Claude mà trong số các công việc có Claude hỗ trợ do họ thực hiện, khoảng 27% là những việc vốn dĩ nếu không có thì họ đã không làm
    • Bao gồm mở rộng quy mô dự án, tạo các công cụ nice-to-have như dashboard dữ liệu tương tác, các công việc lặp lại nhưng hữu ích như tài liệu hóa và kiểm thử, cùng các thử nghiệm khám phá vốn có hiệu quả chi phí thấp
    • Các công việc sửa những điểm gây khó chịu nhỏ (papercut), refactor để tăng khả năng bảo trì, cũng như các script và công cụ nhỏ giúp đẩy nhanh công việc cũng thuộc nhóm này
  • Một nhà nghiên cứu giải thích rằng họ mở nhiều phiên bản Claude cùng lúc để khám phá song song các cách tiếp cận khác nhau, và ví điều này như “không phải một mô hình hiệu năng cao duy nhất mà là cho rất nhiều ‘con ngựa’ cùng chạy đồng thời”
    • Nhờ cách khám phá song song này, độ rộng khám phá ý tưởng và số lượng thử nghiệm tăng mạnh so với trước đây, và được đánh giá là cho phép những cách tiếp cận sáng tạo hơn

• Tỷ trọng công việc có thể ủy quyền hoàn toàn

  • Ngay cả các kỹ sư thường xuyên dùng Claude, hơn một nửa trả lời rằng tỷ trọng công việc mà họ cảm thấy có thể ủy quyền hoàn toàn chỉ nằm trong khoảng 0~20%
    • Nhóm nghiên cứu bổ sung rằng ở đây, “ủy quyền hoàn toàn” có thể được mỗi người trả lời hiểu theo nghĩa rất rộng, từ mức có thể để mặc mà không cần kiểm chứng đến mức chỉ cần rà soát rất nhẹ là đủ
  • Mọi người cho biết đặc biệt trong các tác vụ phức tạp, lĩnh vực rủi ro cao, và những khu vực có tiêu chuẩn chất lượng mã khắt khe, họ vẫn chọn cách chủ động tương tác với Claude và xác minh kết quả đầu ra
    • Kết quả là, Claude gần với một cộng tác viên luôn ở bên cạnh hơn, và tỷ lệ xem nó như một công cụ tự động hóa để con người hoàn toàn rút tay ra hiện vẫn còn thấp

Phỏng vấn định tính

• Chiến lược ủy quyền cho AI

  • Các kỹ sư và nhà nghiên cứu tham gia phỏng vấn đã mô tả chi tiết tiêu chí và chiến lược riêng khi giao việc cho Claude, và cho biết nhìn chung họ ưu tiên các điều kiện sau
    • Bối cảnh người dùng ít quan trọng nhưng nhiệm vụ đơn giản: Ví dụ, phần lớn công việc hạ tầng không phải là vấn đề quá khó, và ngay cả khi thiếu kinh nghiệm với Git hay Linux thì Claude vẫn có thể bù đắp tốt
    • Công việc dễ kiểm chứng: Họ nói Claude rất phù hợp với những việc mà “chi phí kiểm chứng không lớn hơn chi phí tạo ra”, nên ưu tiên giao các việc có thể kiểm tra nhanh bằng cách rà soát sơ bộ kết quả
    • Tiểu thành phần được định nghĩa rõ ràng: Trong dự án, họ thường giao trước cho Claude các nhiệm vụ ở mức mô-đun, hàm hoặc thành phần con được tách biệt hợp lý
    • Những phần mà chất lượng mã không mang tính sống còn: Mã debug dùng một lần, mã nghiên cứu, script thử nghiệm... thường được ném cho Claude trước, còn thiết kế quan trọng, debug độ khó cao và thiết kế tinh vi thì tự xử lý
    • Việc lặp đi lặp lại, nhàm chán và hay bị trì hoãn: Với những việc cứ ngại làm nên để đó, họ cho biết chỉ cần bắt đầu bằng một cuộc trò chuyện với Claude là rào cản gia nhập đã giảm đi đáng kể
  • Trong khảo sát, trung bình 44% công việc có Claude hỗ trợ là những việc ‘nếu tự làm thì họ cũng không thấy thích thú’, cho thấy càng là việc không hấp dẫn thì con người càng có xu hướng giao cho AI
  • Ngược lại, cũng có ý kiến cho rằng với những việc nhỏ có vẻ chỉ mất chưa đến 10 phút thì không nhất thiết phải dùng Claude, và đôi khi tự làm còn nhanh hơn vì có “vấn đề khởi động nguội” là phải giải thích bối cảnh nội bộ của codebase cho AI

• Hình thành niềm tin và kiểm chứng

  • Nhiều kỹ sư cho biết ban đầu họ bắt đầu từ các câu hỏi đơn giản, hỗ trợ ngôn ngữ, hoặc câu hỏi cơ bản về ngôn ngữ lạ (như Rust), rồi dần dần bước qua giai đoạn xây dựng niềm tin để giao cho Claude những nhiệm vụ phức tạp hơn
    • Một kỹ sư ví quá trình xây dựng niềm tin với Claude giống như sự thay đổi trong thói quen dùng Google Maps: lúc đầu chỉ dùng khi đi đường lạ, còn bây giờ thì đã tin tưởng đến mức giao cả quãng đường đi làm hằng ngày
  • Về việc dùng Claude ngoài chuyên môn hay ngay trong lĩnh vực chuyên môn, các ý kiến có sự chia rẽ
    • Có người dùng Claude ở những mảng mình yếu hơn như frontend, hạ tầng hay cơ sở dữ liệu để rút ngắn thời gian triển khai
    • Người khác lại cho rằng phải tự mình hiểu đủ sâu thì mới đánh giá được kết quả, nên họ chọn dùng Claude như một bộ tăng tốc trong chính lĩnh vực mình đã nắm rõ
  • Một kỹ sư bảo mật nhận xét rằng một số giải pháp Claude đề xuất giống “những ý tưởng thông minh nhưng nguy hiểm mà một junior rất giỏi có thể nghĩ ra”, và nhấn mạnh rằng để nhận ra mức độ rủi ro thì cần có đủ kinh nghiệm và năng lực phán đoán
  • Một số kỹ sư cho biết họ dùng Claude cả ở vùng chuyên môn cốt lõi lẫn vùng lân cận, rồi tinh chỉnh cách viết prompt và mức độ kiểm chứng tùy theo độ thành thạo của bản thân
    • Ở lĩnh vực mình hiểu rõ, họ chỉ định cho Claude các bước cụ thể và các ràng buộc; còn ở lĩnh vực ít quen thuộc, họ để Claude đóng vai chuyên gia và yêu cầu đưa ra nhiều lựa chọn cùng các điểm cần cân nhắc

• Ranh giới công việc con người tự làm

  • Mọi người nhìn chung đều cho biết tư duy cấp cao mang tính chiến lược, thiết kế hệ thống, bối cảnh tổ chức và các quyết định cần đến ‘gu’ (taste) vẫn là phần họ tự đảm nhận
    • Trong phỏng vấn có câu: “Thông thường tôi tự làm phần bức tranh lớn và thiết kế, còn triển khai tính năng mới hay debug thì ủy quyền tối đa có thể”
  • Trong khảo sát, mức cải thiện năng suất ở mảng thiết kế và lập kế hoạch cũng thấp nhất, và điều này được diễn giải là vì mọi người vẫn xem bản thân hoạt động thiết kế về cơ bản vẫn là vai trò của con người
  • Tuy vậy, ranh giới này không cố định mà là một ‘moving target’, và mọi người cùng chia sẻ nhận thức rằng theo đà mô hình ngày càng mạnh hơn, phạm vi AI đảm nhận đang dần được đẩy lên tầng cao hơn

• Thay đổi và mở rộng kỹ năng

  • Nhờ Claude, nhiều kỹ sư cho biết họ đã có thể làm những công việc nằm ngoài chuyên môn gốc của mình
    • Có giai thoại về một kỹ sư backend trao đổi qua lại nhiều vòng với Claude để xây dựng một UI phức tạp, đến mức các nhà thiết kế hỏi rằng “thật sự là chính bạn làm ra sao?”
    • Nhiều người trả lời rằng nhờ Claude họ có thể mạnh dạn động tay hơn vào frontend, transaction DB, API và hạ tầng thử nghiệm, thậm chí xử lý cả những vùng mà trước đây họ thấy “ngại đụng vào”
  • Sự mở rộng năng lực này cũng tạo ra hiệu ứng tăng tốc vòng phản hồi và tốc độ học hỏi
    • Họ giải thích rằng những việc trước đây phải mất vài tuần để làm tính năng, đặt lịch họp, nhận phản hồi rồi chỉnh sửa lại, thì nay có thể được thay bằng một phiên cộng tác thời gian thực kéo dài vài giờ
  • Nhiều người cũng nói rằng nhờ Claude, tốc độ làm prototype, khả năng làm việc song song và mức độ tham vọng của dự án đều tăng lên
    • Một kỹ sư senior đánh giá rằng “nhờ công cụ này, các kỹ sư junior làm việc hiệu quả hơn và có thêm dũng khí để thử sức với những dự án lớn hơn”
    • Một kỹ sư khác nói rằng Claude đã giảm mạnh ‘năng lượng kích hoạt’ cần thiết để bắt đầu công việc, nên cả những vấn đề từng bị để đó cũng dễ bắt tay vào hơn

• Lo ngại suy giảm kỹ năng và nghịch lý giám sát

  • Mặt khác, nhiều người trả lời cũng bày tỏ lo ngại rằng “càng ủy quyền nhiều thì kỹ năng của chính mình dường như đang giảm đi”, đặc biệt là việc incidental learning (học hỏi phụ trong quá trình làm) bị suy giảm
    • Khi tự debug một lỗi khó, người ta thường phải đọc rộng tài liệu, code xung quanh và các cấu hình liên quan; nhưng nếu Claude chỉ ngay vào trọng tâm thì cơ hội xây dựng mô hình tổng thể về hệ thống sẽ giảm đi
    • Cũng có người nói rằng trước đây khi dùng công cụ mới họ lục tung mọi tùy chọn cấu hình và tự mày mò tính năng bằng tay, còn bây giờ chỉ dùng cách mà AI chỉ ra nên có cảm giác đang bỏ lỡ sự hiểu biết sâu hơn
  • Một kỹ sư senior nói rằng bản thân anh đã xây đủ nền tảng cơ bản nên bớt lo hơn, nhưng nếu đang ở giai đoạn đầu sự nghiệp thì sẽ phải nỗ lực có ý thức hơn nhiều để tự rèn năng lực của mình
  • Một khái niệm được nhắc đến đặc biệt nhiều là “nghịch lý giám sát (paradox of supervision)”
    • Để dùng Claude an toàn, khả năng giám sát và kiểm chứng đầu ra của AI là rất quan trọng; nhưng càng phụ thuộc vào AI thì lại càng có nguy cơ làm suy yếu chính năng lực lập trình và thiết kế cần có cho việc giám sát đó
    • Có người nói rằng “so với bản thân vấn đề sa sút kỹ năng, điều đáng lo hơn là năng lực giám sát bị suy giảm đến mức không còn dùng AI một cách an toàn được nữa”
  • Để bù lại, một số kỹ sư cho biết họ cố ý “luyện giải mà không dùng Claude”
    • Dù biết Claude có thể giải tốt, họ vẫn tự mình xử lý một số vấn đề để giữ cảm giác tay nghề

• ‘Trừu tượng hóa ở mức cao hơn’ và nghề thủ công phần mềm

  • Trong nhiều cuộc phỏng vấn xuất hiện quan điểm rằng kỹ nghệ phần mềm đang dịch chuyển lên một mức trừu tượng hóa cao hơn
    • Từ thời phải quản lý bộ nhớ thủ công, viết assembly, thậm chí gạt công tắc phần cứng, con người dần chuyển sang giai đoạn mà ngôn ngữ bậc cao và runtime xử lý thay các chi tiết cấp thấp; và giờ đây lại đang tiến sang giai đoạn ‘English as a programming language’, tức là mô tả ý định bằng ngôn ngữ tự nhiên rồi để máy sinh mã
    • Có người lấy ví dụ về việc cài đặt linked list vốn từng được dạy như nội dung quan trọng trong các lớp khoa học máy tính: biết tự cài đặt vẫn là điều tốt, nhưng trong công việc thực tế thì gần như không còn mấy khi phải tự tay viết nó nữa
  • Một số người nói rằng nhờ Claude họ ngược lại còn tập trung hơn vào các khái niệm cấp cao, pattern và trải nghiệm người dùng, và nhận ra rằng hóa ra điều họ thích không hẳn là việc viết code, mà là kết quả mà code mang lại
  • Những người khác thì tiếc nuối vì niềm vui của việc tự coding và cảm giác thỏa mãn mang tính thủ công nghề nghiệp đang giảm đi
    • Một người đã lập trình suốt 25 năm chia sẻ rằng niềm tự hào với kỹ năng coding thành thạo của bản thân là phần cốt lõi trong sự hài lòng với công việc, nhưng giờ anh cảm thấy phần đó đang dần mờ đi
    • Cũng có ý kiến rằng làm việc cả ngày chỉ gõ prompt thì không vui, và như vậy sẽ đánh mất niềm vui của trạng thái nhập tâm khi tự viết code trong lúc nghe nhạc

• Có người nói rằng dù họ “nhớ trạng thái ‘zen’ khi hoàn toàn đắm chìm trong việc refactor, nhưng mức tăng năng suất tổng thể lớn hơn nhiều nên sẵn sàng từ bỏ”, cho thấy họ đang đưa ra lựa chọn thực dụng giữa niềm vui tự tay tạo ra thứ gì đó và việc tối đa hóa kết quả

  • Kết luận là, cảm nhận về hỗ trợ AI thay đổi rất mạnh tùy theo điều mà mỗi người thấy có ý nghĩa nhất trong kỹ nghệ phần mềm

• Thay đổi trong cộng tác và quan hệ xã hội

  • Với nhiều người, Claude đã trở thành đối tượng được hỏi đầu tiên trước cả đồng nghiệp
    • Một người trả lời cho biết họ vẫn hỏi nhiều hơn trước, nhưng 80–90% trong số đó là hỏi Claude, chỉ 10–20% còn lại mới hỏi con người
    • Vì thế, các câu hỏi thường nhật được Claude hấp thụ, còn những câu hỏi chuyển đến con người được lọc lại, chủ yếu là vấn đề mang tính chiến lược, phụ thuộc ngữ cảnh hoặc có độ khó cao
  • Khoảng một nửa số người vẫn cảm thấy mô hình cộng tác trong nhóm chưa thay đổi nhiều, và cho rằng họp hành, chia sẻ ngữ cảnh, lựa chọn định hướng vẫn tiếp tục do con người đảm nhiệm
    • Tuy vậy, cũng có dự đoán rằng về sau, thay vì thời gian làm việc tập trung, việc trò chuyện với nhiều ‘instance Claude’ sẽ trở thành đơn vị công việc cơ bản mới
  • Những người khác lại cảm nhận rõ ràng rằng tương tác với đồng nghiệp đã giảm đi
    • Có ý kiến nói rằng “dạo này có cảm giác mình làm việc với Claude nhiều hơn với đồng nghiệp”; họ thấy tích cực ở chỗ bớt cảm giác áy náy vì làm phiền thời gian của đồng nghiệp, nhưng cũng tiếc rằng niềm vui khi làm việc cùng con người đang giảm đi
    • Cũng có người thấy không thoải mái với văn hóa trong nhóm kiểu phản hồi mặc định là ‘đã hỏi Claude trước chưa’, và cho rằng họ vẫn thích cách làm việc trực tiếp sát cánh cùng người khác hơn
  • Đặc biệt, thay đổi ở khía cạnh mentorship và đào tạo nhân sự junior là rất nổi bật
    • Có quan sát cho rằng khi Claude đảm nhận nhiều vai trò coaching chi tiết và review code cho junior, tần suất junior tìm đến senior để hỏi đã giảm mạnh
    • Một senior bày tỏ cảm xúc lẫn lộn: “Việc junior ít đến hỏi tôi hơn thì đáng tiếc thật, nhưng đúng là các bạn ấy cũng nhận được câu trả lời tốt hơn, nhanh hơn và học nhanh hơn”

• Bất định nghề nghiệp và thích nghi

  • Nhiều người cho biết vai trò của họ đang dịch chuyển từ người trực tiếp viết code sang người quản lý AI agent và reviewer code
    • Có người mô tả công việc hiện tại là vai trò chịu trách nhiệm thay cho công việc của ‘1, 5, hay 100 Claude’, và nói rằng họ đã làm việc cả ngày với nhiều instance Claude mở sẵn cùng lúc
    • Người khác ước tính rằng hơn 70% công việc của họ đã chuyển sang vai trò review và chỉnh sửa code
  • Về triển vọng nghề nghiệp dài hạn, có nhiều phản hồi pha trộn giữa lạc quan trong ngắn hạn và bất an trong dài hạn
    • Có người nói: “Ngắn hạn thì tôi khá lạc quan, nhưng về dài hạn cũng lo rằng cuối cùng AI sẽ làm được phần lớn mọi thứ, và tôi cùng nhiều người khác sẽ trở nên không còn hữu dụng”
    • Người khác lại dùng cách diễn đạt thẳng thắn hơn: họ có cảm giác mỗi ngày đi làm là đang tự động hóa chính bản thân mình
  • Một số người đặc biệt lo lắng cho tương lai của lập trình viên junior, nhưng đồng thời vẫn nhìn thấy hy vọng ở chỗ họ cũng là thế hệ tiếp nhận công nghệ mới nhanh nhất
    • Có rủi ro junior sẽ triển khai nguyên trạng đoạn code do AI viết sai, nhưng cũng có kỳ vọng rằng khi kết hợp guardrail tốt hơn, tài liệu đào tạo tốt hơn và việc học từ sai lầm, họ sẽ dần thích nghi theo thời gian
  • Nhiều câu trả lời cũng nêu ra các chiến lược tương lai và cách thích nghi
    • Lấy năng lực review và giám sát đầu ra AI một cách có ý nghĩa làm chuyên môn mới
    • Kỳ vọng chuyển sang vai trò dành nhiều thời gian hơn cho xây dựng đồng thuận giữa con người, điều phối và hoạch định chiến lược, còn phần triển khai thì giao cho AI nhiều hơn
    • Cũng có trường hợp được giới thiệu là đang dùng Claude để nhận phản hồi về lãnh đạo, giao tiếp và phát triển sự nghiệp, qua đó tăng tốc độ học hỏi
  • Nhìn chung, tâm thế tổng quát có thể tóm lại là nhận thức rằng “mức độ chắc chắn về việc kỹ năng nào sẽ là quan trọng nhất trong tương lai là rất thấp”, cùng với thái độ rằng điều quan trọng là trở thành con người và tổ chức có thể thích nghi nhanh với bất cứ điều gì xảy đến”

Xu hướng sử dụng Claude Code

• Vấn đề khó hơn và mức độ tự chủ cao hơn

  • Anthropic đã phân tích 200.000 bản ghi log nội bộ của Claude Code tại hai thời điểm, tháng 2 và tháng 8 năm 2025, bằng công cụ bảo vệ quyền riêng tư nội bộ
    • Khi đánh giá mỗi lịch sử hội thoại theo thang độ khó từ 1 đến 5 điểm, độ khó trung bình đã tăng từ 3,2 lên 3,8
      • Ví dụ ở mức 3,2 là “sửa lỗi import module Python”, còn ví dụ ở mức 3,8 là “triển khai và tối ưu hóa hệ thống caching”
  • Số lần gọi công cụ mà Claude Code thực hiện liên tiếp không cần con người can thiệp đã tăng trung bình từ 9,8 lên 21,2 lần, tương đương 116%
    • Điều này có nghĩa là Claude tự tiếp tục chuỗi chỉnh sửa file và chạy lệnh trong thời gian dài hơn để xử lý các tác vụ phức tạp
  • Số lượt tương tác của con người trên mỗi hội thoại giảm trung bình từ 6,2 xuống 4,1, tức giảm 33%, cho thấy xu hướng giảm lượng tương tác con người cần thiết để hoàn thành cùng một công việc
    • Tổng hợp các chỉ số này cho thấy kỹ sư đang giao cho Claude những công việc phức tạp hơn với mức tự chủ cao hơn

• Thay đổi trong phân bố công việc

  • Mỗi hội thoại trong log Claude Code được phân loại thành các nhóm như debugging, hiểu mã, refactoring, test, triển khai tính năng mới, thiết kế/lập kế hoạch mã, frontend, data science để so sánh phân bố công việc
    • Phân bố tổng thể nhìn chung phù hợp với mẫu hình sử dụng chính (tập trung vào debugging, hiểu mã và triển khai tính năng mới) mà mọi người báo cáo trong khảo sát
  • Thay đổi nổi bật nhất trong 6 tháng là tỷ trọng triển khai tính năng mới và thiết kế/lập kế hoạch mã tăng mạnh
    • Triển khai tính năng mới tăng từ 14,3% lên 36,9% trong tổng log, còn công việc liên quan đến thiết kế và lập kế hoạch cũng tăng từ 1,0% lên 9,9%
    • Điều này có thể cho thấy Claude đang được dùng nhiều hơn cho các công việc phức tạp và sáng tạo hơn, hoặc các nhóm đã bắt đầu chủ động đưa Claude Code vào những workflow này
    • Nhóm nghiên cứu cho biết khó tách bạch rõ ràng giữa mức tăng khối lượng công việc tuyệt đối và sự thay đổi trong phân bố tương đối, và coi đây là một giới hạn của nghiên cứu

• Sửa các “papercut”

  • Phù hợp với kết quả khảo sát rằng mọi người làm nhiều hơn các cải tiến chất lượng nhỏ lẻ và tiện ích hằng ngày, log Claude Code cũng cho thấy 8,6% tổng số công việc được phân loại là ‘papercut fix’
    • Nhóm này bao gồm tạo công cụ trực quan hóa hiệu năng, refactoring để tăng khả năng bảo trì, và xây dựng các tiện ích nhỏ như phím tắt terminal hay script
  • Các công việc này riêng lẻ thì nhỏ, nhưng khi tích lũy lại có thể cải thiện rõ rệt năng suất và trải nghiệm lập trình viên
    • Điểm đặc trưng là những việc vốn thường bị đẩy xuống thấp trong ưu tiên và trì hoãn nay đã được xử lý tự nhiên hơn nhờ Claude làm giảm gánh nặng

• Khác biệt trong cách sử dụng giữa các đội

  • Dựa trên log Claude Code của tháng 8 năm 2025, kết quả so sánh phân bố theo đội sau khi gắn một loại công việc chính cho mỗi hội thoại được trình bày ở Figure 5
    • Ở mức trung bình toàn bộ (“All Teams”), triển khai tính năng mới, debugging và hiểu mã chiếm tỷ trọng lớn nhất, thể hiện mẫu hình sử dụng cơ bản của Claude
  • Đặc điểm chính của từng đội như sau
    • Đội Pre-training dùng 54,6% lượng sử dụng Claude Code cho triển khai tính năng mới, trong đó đặc biệt chiếm tỷ trọng lớn là chạy thêm nhiều thí nghiệm khác nhau
    • Đội Alignment & Safety và đội Post-training có tỷ trọng phát triển frontend cao, lần lượt là 7,5% và 7,4%, và chủ yếu dùng Claude để xây dựng UI cho trực quan hóa dữ liệu
    • Đội Security có 48,9% mức sử dụng Claude Code dành cho công việc hiểu mã, thường dùng để phân tích và nắm bắt các hàm ý bảo mật của những đoạn mã xa lạ
    • Nhân viên không chuyên kỹ thuật cũng dùng Claude Code nhiều, trong đó 51,5% là debugging (sự cố mạng, vấn đề Git, v.v.), còn 12,7% là công việc data science, cho thấy nó đang được dùng như công cụ thu hẹp khoảng cách về kiến thức kỹ thuật
  • Nhìn chung, các đội sử dụng Claude không chỉ cho công việc cốt lõi của mình (hạ tầng, nghiên cứu, bảo mật, v.v.) mà còn cho cả những việc nằm ngoài phạm vi chuyên môn truyền thống, và dữ liệu cho thấy mọi người đang dần trở nên gần với kiểu full-stack hơn

Nhìn về phía trước

• Bước tiếp theo bên trong Anthropic

  • Dựa trên những thay đổi trong một năm qua, Anthropic tự xem mình là một “phòng thí nghiệm” có trách nhiệm quản lý quá trình chuyển đổi công việc với Claude một cách có trách nhiệm
    • Họ cho biết đã bắt đầu rà soát lại cách thức cộng tác, cấu trúc họp và giao tiếp, cũng như định nghĩa vai trò theo từng vị trí công việc cùng với kỹ sư, nhà nghiên cứu và ban lãnh đạo, đồng thời xây dựng best practices mới dựa trên giả định có AI hỗ trợ trong công việc
  • Đặc biệt, công ty đang tập trung vào việc phát triển chuyên môn, mentorship, thăng tiến và lộ trình phát triển cần thay đổi ra sao trong thời đại AI, và trong đó cũng tham chiếu đến AI fluency framework mà Anthropic đã công bố trước đó
    • Dựa trên framework định nghĩa mức độ hiểu biết, giám sát và khả năng phản hồi cần có khi con người và AI cùng làm việc, họ đang hướng tới thiết kế đào tạo thực tế và chính sách nội bộ
  • Nghiên cứu lần này chủ yếu tập trung vào kỹ sư, nhưng Anthropic cho biết trong tương lai sẽ mở rộng phạm vi sang cả các vị trí không phải phát triển phần mềm để xem AI đang thay đổi công việc trên toàn công ty như thế nào

• Hợp tác bên ngoài, đào tạo và kế hoạch dài hạn

  • Cùng với nghiên cứu nội bộ, Anthropic cũng đang đảm nhận vai trò giúp các tổ chức bên ngoài thích nghi với thời đại làm việc có AI hỗ trợ
    • Ví dụ, công ty cho biết đang hợp tác với CodePath để hỗ trợ cải tổ chương trình đào tạo khoa học máy tính cho phù hợp với môi trường có AI hỗ trợ
    • Điều này phản ánh nhận thức rằng đào tạo lập trình viên junior và lộ trình học tập cho người ở giai đoạn đầu sự nghiệp cần được thiết kế lại với giả định có sử dụng công cụ AI
  • Về sau, họ cho rằng các cách tiếp cận mang tính cấu trúc như thiết kế lại vai trò trong tổ chức, lộ trình reskilling và các tuyến chuyển đổi công việc mới sẽ ngày càng quan trọng hơn
    • Chẳng hạn, có thể sẽ xuất hiện thảo luận về việc chính thức công nhận các vai trò mới như giám sát AI agent, chịu trách nhiệm chất lượng, hay rà soát đạo đức
  • Anthropic báo trước rằng sẽ công bố các kế hoạch cụ thể hơn trong năm 2026, đồng thời định vị nghiên cứu lần này là điểm khởi đầu và cũng là một lần kiểm tra giữa chặng
    • Thông điệp cốt lõi là Anthropic không chỉ dừng ở việc quan sát AI thay đổi công việc ra sao, mà còn muốn tự mình thử nghiệm và điều chỉnh trước để xây dựng một mô hình “chuyển đổi có trách nhiệm”

[grenade]

Tôi khá đồng ý với phần trong bài viết nói rằng nó hữu ích cho việc xử lý những lỗi vặt.
Thay vì giao cho nó những việc lớn, tôi thấy mình nhận được rất nhiều sự trợ giúp từ AI khi làm những việc tuy phiền nhưng nếu xử lý trước thì về sau sẽ tiện hơn, như thêm các tính năng tiện ích nhỏ, viết script, refactor, v.v.

[colus001]

Đó là cà phê do chính cửa hàng của tôi làm ra, nên muốn bán được thì tất nhiên phải nói là ngon chứ.

[mhj5730]

Từ góc nhìn của một lập trình viên, AI đang hỗ trợ rất nhiều trong việc viết tài liệu, vốn tiêu tốn không ít năng lượng tinh thần.
Chỉ cần tạo bản nháp cho [thêm chú thích hoặc giải thích] thôi cũng đã giúp giảm bớt gánh nặng tinh thần.

[nimgnos]

Đúng là sự xuất hiện của AI Ops.

[laeyoung]

Cuối năm 2024 - sử dụng Claude trong 28% công việc hằng ngày, năng suất tăng 20%
Cuối năm 2025 - sử dụng Claude trong 59% công việc hằng ngày, năng suất tăng 50%

Trong vòng 1 năm, số công việc mà nhân viên sử dụng AI đã tăng gấp đôi, còn năng suất thì tăng gấp 2,5 lần.

[geek12356]

Điều cần thiết không phải là cảm nhận đơn thuần về việc năng suất được cải thiện, mà là những căn cứ chính xác dựa trên dữ liệu có thể đo lường được.

[bungker]

Nếu đo bằng kiểu như story point thì có vẻ là tăng 2~5 lần; nếu đo bằng số dòng code thì có nơi chỉ khoảng 30%, cũng có nơi tăng lên hàng chục lần.