- Sự xuất hiện của các công cụ Agentic Coding đang khiến chi phí lao động trong phát triển phần mềm giảm mạnh
- Tốc độ triển khai được rút ngắn đến mức một dự án web app nội bộ trước đây mất một tháng nay có thể hoàn thành trong vòng một tuần
- Các công cụ như Claude Code có thể tạo ra hàng trăm bài kiểm thử chỉ trong vài giờ, làm thay đổi cấu trúc theo hướng nhóm nhỏ tạo ra kết quả lớn
- Việc chi phí giảm có thể kích hoạt bùng nổ nhu cầu tiềm ẩn (Jevons Paradox), khiến nhiều tổ chức bắt đầu làm phần mềm tùy biến hơn
- Kiến thức lĩnh vực và năng lực cộng tác giữa con người - tác tử của lập trình viên đang nổi lên như lợi thế cạnh tranh mới, và một sự chuyển dịch mạnh trên toàn ngành được dự báo vào năm 2026
Thay đổi trong cấu trúc chi phí phát triển phần mềm
- Sự lan rộng của mã nguồn mở là bước ngoặt đầu tiên giúp hạ chi phí phát triển phần mềm ban đầu
- Trước đây, các hệ như SQL Server, Oracle cần chi phí bản quyền hàng năm lên tới hàng chục nghìn USD, trong khi MySQL cho phép xây dựng ứng dụng mạng miễn phí
- Sau đó, việc áp dụng cloud giúp giảm chi tiêu vốn ban đầu, nhưng hiệu quả cắt giảm tổng chi phí vẫn khá hạn chế
- Trong vài năm gần đây, chi phí tiết giảm thậm chí chững lại do độ phức tạp tăng lên với TDD, microservices, frontend React phức tạp, Kubernetes
- Ngược lại, AI agent đang cắt giảm mạnh chi phí lao động trong quy trình phát triển
Cơ sở cho con số giảm 90%
- Cho đến đầu năm 2025, tác giả vẫn hoài nghi về công cụ AI coding, nhưng gần đây các CLI agentic coding đã thực sự chứng minh hiệu quả ở quy mô lớn
- Ví dụ, hơn 300 đoạn mã kiểm thử cho một công cụ nội bộ đã được Claude Code tạo ra chỉ trong vài giờ
- Một dự án trước đây mất một tháng giờ có thể hoàn thành trong vòng một tuần
- Thời gian triển khai giảm mạnh, nhưng thời gian tư duy (thiết kế) vẫn giữ nguyên
- Khi quy mô nhóm thu nhỏ, overhead giao tiếp gần như biến mất
- Kết quả là một nhóm rất ít người có thể đạt năng suất cao gấp hơn 10 lần
Bùng nổ nhu cầu tiềm ẩn
- Việc chi phí giảm được lý giải bằng Jevons Paradox: không làm giảm nhu cầu toàn ngành mà ngược lại còn mở rộng nó
- Nhiều tổ chức hiện vẫn đang vận hành quy trình công việc dựa trên Excel, và tồn tại nhu cầu tiềm ẩn để chuyển chúng thành ứng dụng SaaS
- Nếu một báo giá từng là 50.000 USD giảm xuống còn khoảng 5.000 USD, thì ngay cả các dự án không thiết yếu cũng trở thành đối tượng được phát triển
- Vì vậy, tổng sản lượng của toàn ngành phát triển phần mềm có thể sẽ tăng lên
Kiến thức lĩnh vực là năng lực cạnh tranh mới
- Hiện tại, sự giám sát và phán đoán của con người vẫn là điều bắt buộc
- Cần kiểm tra cách tiếp cận của agent và sửa lại khi nó đi sai hướng
- Những lập trình viên thành thạo kỹ năng này sẽ nâng cao đáng kể năng lực giải quyết bài toán kinh doanh
- Sự kết hợp giữa kiến thức lĩnh vực + trình độ kỹ thuật đang nổi lên như lợi thế cạnh tranh cốt lõi
- Chuyên gia nghiệp vụ và lập trình viên có thể lặp lại phát triển nhanh trong các đơn vị cộng tác quy mô nhỏ
- Phần mềm đang trở thành "tài sản có thể vứt bỏ", nghĩa là nếu đi sai hướng thì có thể bỏ ngay và phát triển lại
Cần chuẩn bị cho thay đổi
- LLM và các mô hình agent đang được cải thiện rất nhanh, trong khi các benchmark hiện có không phản ánh được điều đó
- Ví dụ: Opus 4.5 có thể duy trì ổn định các phiên làm việc dài 10~20 phút
- Với các khoản đầu tư lớn vào hạ tầng GPU, năng lực mô hình trong tương lai được dự báo sẽ tăng mạnh
- Một số lập trình viên vẫn cho rằng “LLM có quá nhiều lỗi” hoặc “không tiết kiệm thời gian”, nhưng điều đó ngày càng không còn đúng
- Giống như trường hợp các kỹ sư desktop từng phớt lờ iPhone năm 2007, từ chối thay đổi có thể khiến bạn bị bỏ lại phía sau
- Các tập đoàn lớn triển khai chậm do cấu trúc quan liêu, nhưng nhóm nhỏ có thể tận dụng ngay lập tức
- LLM không chỉ hiệu quả với dự án mới mà còn hữu ích cho phân tích và bảo trì codebase hiện có
- Hiểu cấu trúc mã cũ, phát hiện bug, đề xuất bản sửa đều đạt hiệu suất cao
- Kết quả là, năm 2026 có thể trở thành thời điểm bước ngoặt lớn trong cách phát triển phần mềm
1 bình luận
Ý kiến Hacker News
Tôi đã nghe chuyện Claude Code tạo ra hơn 300 bài kiểm thử chỉ trong vài giờ
Nhưng vẫn còn nghi ngờ liệu những bài kiểm thử đó có thật sự xác minh hành vi mong muốn hay có thể truyền đạt rõ cách hệ thống hoạt động cho lập trình viên tiếp theo hay không
Dù AI có thể tạo mã rất nhanh, nếu không dành đủ thời gian rà soát kỹ lưỡng thì rủi ro chất lượng suy giảm là rất lớn
Tôi cũng đã thử làm theo lời khuyên là hãy “thích nghi một cách chủ động” với AI coding
Nhưng có lẽ vì tôi làm về robotics và embedded, nên việc dùng AI để làm web app hay game là một trải nghiệm quá nhàm chán và bức bối
Mỗi khi nhờ Cursor sửa lỗi, mọi thứ lại càng rối hơn, và cuối cùng tự học Flask và JS vẫn hiệu quả hơn nhiều
AI rất xuất sắc trong việc tìm tài liệu hay thông báo lỗi, nhưng chuyện “giao tay lái” cho nó thì hoàn toàn không giúp ích gì
Tôi nghi ngờ chuyện AI mang lại “năng suất gấp 10 lần” có đúng hay không
Trên thực tế, dùng nó như một Google/Stack Overflow được tăng lực có vẻ thực tế hơn
Phần lớn mã vẫn là tôi tự viết, còn AI chỉ giúp ở các tác vụ lặp đi lặp lại đơn giản hoặc viết script
Muốn thành công thì cần khả năng chỉ dẫn và giải thích rõ ràng như một ‘người cố vấn’
Điều quan trọng là hình thành thói quen yêu cầu sửa đổi bằng prompt thay vì tự tay can thiệp, và quá trình này cuối cùng sẽ giúp nâng cao kỹ năng giao tiếp
Nhìn những bài báo như thế này, có thể thấy rõ khoảng cách nhận thức giữa đội ngũ phát triển ngoài hiện trường và giới quản lý
Những người ở tầng trên tưởng rằng họ đã hiểu cả hệ thống chỉ với vài dòng yêu cầu, nhưng thực tế gần như không biết gì về phụ thuộc và bối cảnh
Nghệ thuật thật sự của một đội ngũ phát triển giỏi là biến những yêu cầu mơ hồ đó thành sản phẩm thực tế, và vẫn chưa có công nghệ nào có thể tự động hóa điều đó
Chi phí viết mã đơn thuần đã giảm 90%
Nhưng để quy vấn đề về dạng mã đơn giản thì vẫn cần rất nhiều kinh nghiệm và thời gian
Claude Code tỏ ra xuất sắc trong việc hiểu và chỉnh sửa các codebase cũ
Nó còn hỗ trợ cả kiểm thử và gỡ lỗi, nên tôi có cảm giác năng suất tăng đến 10 lần
Không chỉ là viết mã nhanh hơn, mà nó hoạt động như một bộ não thứ hai tốc độ cao
Tôi có thể tạo script hoặc mini web service trong vòng 1 giờ để giải quyết vấn đề
thực ra tôi nghĩ những việc đơn giản kiểu này đáng lẽ phải được tự động hóa từ trước cả khi có AI
LLM cho cảm giác như nâng cấp từ một cái xẻng lên 10 máy xúc,
nhưng nếu dự án vốn dĩ sẽ thất bại thì nó chỉ đơn giản là thất bại nhanh hơn
Claude Code viết tốt cả mã phức tạp miễn là vẫn nằm trong các mẫu mà nó đã học
Nếu thật sự chi phí phát triển phần mềm tùy biến đã giảm 90%,
thì thị trường đáng lẽ phải tràn ngập SaaS giá rẻ, nhưng thực tế lại không phải vậy
Rốt cuộc có vẻ viết mã không phải là vấn đề lớn nhất
Bảo trì, bảo mật, nâng cấp, hosting, hỗ trợ khách hàng, thêm tính năng mới v.v.
Đó mới là giá trị thực sự nằm trong phí thuê bao SaaS
Có lẽ AI vẫn cần thêm 3~5 năm nữa mới giải quyết được phần này
Phần còn lại là họp hành, điều phối, chờ đợi v.v.
Dù chi phí coding có giảm 90% thì tổng chi phí vẫn còn hơn một nửa
Hơn nữa, khi AI ngay cả việc tóm tắt ngôn ngữ tự nhiên còn chưa chính xác,
thì cũng khó tin nó có thể hiểu trọn vẹn ý nghĩa của mã và tự viết được
Video liên quan: liên kết YouTube
Ngay cả bây giờ SaaS đã rất nhiều, nhưng thực tế là dù tính năng tốt thì kinh doanh vẫn khó
Phần lớn công việc kỹ thuật thực chất là để phục vụ vendor lock-in
Vì độ hiển thị trên nền tảng, niềm tin, và sự kiểm soát của thuật toán nên SaaS mới rất khó tăng trưởng
Doanh nghiệp lớn sẽ nhanh chóng sao chép, còn người tiêu dùng thì ngày càng ít tiền hơn
Cuối cùng thị trường không hề công bằng, nên nhiều người đang chuyển sự chú ý sang lĩnh vực chính trị
Ai từng làm ở doanh nghiệp lớn sẽ khó mà đồng cảm với những bài báo như thế này
Ví dụ ở những nơi như Shutterstock, chỉ một yêu cầu đơn giản thôi cũng phải đụng đến 5 hệ thống
AI có giúp hiểu và sửa mã, nhưng
nói rằng tổng chi phí phát triển đã giảm 90% thì hoàn toàn không đúng
nên bài viết này thực chất khá giống một bài quảng bá nhắm tới doanh nghiệp
Về lập luận “mọi tổ chức đều có hàng trăm file Excel, và chuyển sang SaaS sẽ tốt hơn”
Tôi thật sự muốn hỏi là tốt hơn cho ai
Spreadsheet là công cụ mà những người có kiến thức miền nghiệp vụ có thể trực tiếp sử dụng,
và vì tính dễ tiếp cận nên nó vẫn là một công cụ mạnh mẽ
Công thức và UI gắn chặt với nhau nên rất khó nắm được logic bên trong
Đặc biệt là Excel rất khó bảo trì, và tôi nghĩ càng phức tạp thì chuyển sang code sẽ tốt hơn
mà là cần những bổ sung mang tính cấu trúc như cộng tác, kiểm soát truy cập và kiểm thử
Khi nó bắt đầu được dùng như cơ sở dữ liệu, hoặc khi nhiều người cùng thao tác đồng thời, thì đó là lúc cần chuyển đổi
Các vấn đề chung thì có thể được giải quyết bằng những giải pháp như SAP, nhưng
đa số sheet lại là những bài toán tùy biến chỉ tồn tại cho đúng một khách hàng
Tôi cảm thấy định luật 90/90 vẫn còn đúng
AI xử lý rất nhanh 90% đầu tiên, nhưng 10% còn lại mới là phần thật sự khó
LLM hữu ích ở giai đoạn đào bới ban đầu, nhưng ở bước hoàn thiện tỉ mỉ thì ngược lại còn gây cản trở
Với việc tạo website đơn giản thì nó có thể mang lại cảm giác như phép màu,
nhưng có lẽ đó sẽ là một lĩnh vực khó sống bằng nghề trong tương lai
Nếu dừng lại và xem kỹ kết quả được tạo ra, sẽ rất dễ nghi ngờ liệu nó có thật sự đúng hay không
Điều đáng ngạc nhiên là nhiều người vẫn chỉ dùng AI như một chatbot để copy-paste
Nhưng nếu chỉ dẫn đúng cách, Claude Code có thể tái hiện một thí nghiệm vốn mất vài tuần chỉ trong vài phút
Trong công việc thực tế, điều quan trọng hơn mã hoàn hảo là ra được kết quả nhanh
Tất nhiên, bug bảo mật hay lỗi business logic vẫn là rủi ro
Tôi nghĩ nếu có chuyên gia miền nghiệp vụ đi cùng thì những vấn đề này sẽ dần giảm bớt
Sự cân bằng giữa phát triển tính năng và quản lý codebase là điều quan trọng
Tôi vẫn còn nghi ngờ liệu các agent như Cursor có làm tốt việc giữ cân bằng này hay không
Sau cơn sốt LLM, tôi từng tham gia một dự án thay thế Excel
Nhưng thực tế đó lại là một ví dụ thất bại khi người không chuyên cố làm app bằng AI
Các data analyst đã làm một ứng dụng Python theo kiểu ‘vibe coding’, nhưng
không có quản lý state và cấu trúc thì cực kỳ lộn xộn
Kết quả cuối cùng là một thảm họa khi dữ liệu khách hàng bị xử lý sai lệch
Vì những tổ chức như vậy không có nhân lực kỹ thuật, AI ngược lại còn đẩy nhanh rủi ro