- Sau khi triển khai AI, hiện tượng năng suất tăng nhưng cảm giác mệt mỏi cũng trầm trọng hơn đang lan rộng trong giới kỹ sư
- Tốc độ làm việc nhanh hơn nhưng khối lượng công việc và kỳ vọng cũng tăng theo, khiến gánh nặng điều phối và rà soát đè nặng hơn lên con người
- Quá trình lặp đi lặp lại của việc rà soát và phán đoán mã do AI tạo ra khiến mệt mỏi trong ra quyết định và hao mòn nhận thức tích tụ
- Việc liên tục chạy theo công nghệ mới, sự mệt mỏi vì thay công cụ, cùng với đầu ra AI không mang tính quyết định gây ra lo âu và kiệt sức
- Để sử dụng AI một cách bền vững, đặt ranh giới, quản lý thời gian và giảm bớt chủ nghĩa hoàn hảo là điều thiết yếu
Nghịch lý giữa năng suất AI và sự mệt mỏi
- AI rút ngắn thời gian cho từng tác vụ riêng lẻ, nhưng tổng khối lượng công việc và kỳ vọng cũng tăng lên
- Thay vì dành cả ngày cho một việc như trước, nay phải xử lý nhiều vấn đề cùng lúc nên chi phí chuyển đổi ngữ cảnh tăng cao
- Chi phí sản xuất giảm nhưng chi phí điều phối, rà soát và phán đoán lại tăng, và gánh nặng này hoàn toàn bị chuyển sang con người
- Dù AI có thể tạo mã rất nhanh, sự mệt mỏi về nhận thức của con người lại tăng lên theo cách ngược đời
Từ người sáng tạo sang người kiểm duyệt
- Sau khi đưa AI vào sử dụng, vai trò của kỹ sư dịch chuyển từ người sáng tạo sang người đánh giá
- Việc nhập prompt, rà soát kết quả, đánh giá độ chính xác và độ an toàn trở thành các công việc đánh giá lặp đi lặp lại chiếm vị trí trung tâm
- Công việc mang tính tạo sinh tạo ra trạng thái tập trung sâu, còn công việc mang tính đánh giá lại gây mệt mỏi
- Do độ tin cậy của mã AI còn thiếu, gánh nặng phải rà soát mọi dòng mã ngày càng lớn
- Vì thế, tầm quan trọng của hệ thống quản lý bảo mật và phân quyền tăng lên, và cần hướng tới việc giảm gánh nặng nhận thức cho con người
Vấn đề tính không quyết định
- AI là một hệ thống không mang tính quyết định có thể cho ra đầu ra khác nhau ngay cả với cùng một đầu vào, điều này xung đột với tư duy của kỹ sư
- Cùng một prompt nhưng cho ra kết quả khác nhau, tạo nên sự bất ổn không thể debug
- Để giảm bớt điều này, tác giả phát triển công cụ tinh lọc ngữ cảnh mang tính quyết định Distill nhằm đảm bảo tính nhất quán của đầu vào
- Một số kỹ sư coi đầu ra AI là “bản nháp chưa hoàn chỉnh” và đưa thời gian chỉnh sửa vào ngân sách công việc để ứng phó
FOMO (sợ bị bỏ lỡ) và sự mệt mỏi vì công cụ
- Trong vài tháng gần đây, hàng loạt AI agent, framework và SDK xuất hiện với tốc độ rất nhanh
- Nỗ lực theo kịp các công cụ mới tạo ra vòng luẩn quẩn của việc học liên tục và thay thế liên tục
- Sự thất thoát kiến thức và công việc trùng lặp xuất hiện, và đôi khi những người chờ đợi lại hiệu quả hơn cả nhóm chấp nhận sớm
- Tác giả chọn cách tiếp cận tập trung vào lớp hạ tầng như phân quyền, ngữ cảnh và bảo mật, để không bị dao động trước thay đổi của công cụ
Cái bẫy của “chỉ thêm một prompt nữa thôi”
- Do đầu ra AI không hoàn hảo, dễ rơi vào tình trạng lặp đi lặp lại việc chỉnh sửa prompt
- Những lần thử lặp lại có vẻ như đang làm việc hiệu quả, nhưng thực tế lại lãng phí thời gian vào việc chỉnh prompt thay vì giải quyết vấn đề thật
- Tác giả áp dụng “quy tắc 3 lần”: nếu sau ba lần thử mà kết quả vẫn không hữu ích trên 70% thì sẽ tự viết trực tiếp để đảm bảo hiệu quả
Xung đột giữa chủ nghĩa hoàn hảo và đầu ra xác suất
- Đầu ra AI luôn ở mức “gần đúng”, điều này gây áp lực lớn cho những kỹ sư có xu hướng cầu toàn
- Việc lặp đi lặp lại những chỉnh sửa nhỏ dẫn tới mệt mỏi cảm xúc và lãng phí thời gian
- Hiệu quả hơn là xem kết quả AI như “bản nháp” và xử lý nhanh để hoàn thiện
Sự suy yếu của năng lực tư duy
- Việc phụ thuộc vào AI dẫn tới sự suy giảm năng lực tư duy giải quyết vấn đề và năng lực thiết kế
- Thói quen không tự suy nghĩ khiến “cơ bắp tư duy” bị teo lại
- Để ngăn điều đó, tác giả dành một khoảng thời gian nhất định mỗi ngày để tư duy và luyện thiết kế mà không dùng AI
Cái bẫy của so sánh
- Trên mạng xã hội chỉ những trường hợp đạt thành quả nhanh nhờ AI mới được chia sẻ, còn thất bại hay mệt mỏi cá nhân thì không lộ ra
- Thành quả với AI có tính tái hiện thấp nên bản thân việc so sánh đã là vô nghĩa
- Nên giảm tiêu thụ thông tin và tập trung vào nguồn đáng tin cậy dựa trên xây dựng và vận hành thực tế
Chiến lược sử dụng AI bền vững
- Giới hạn thời gian cho các phiên làm việc với AI để tránh lặp lại quá mức
- Tách riêng thời gian suy nghĩ và thời gian dùng AI để giữ cân bằng nhận thức
- Chấp nhận mức hoàn thiện 70%, giảm bớt chủ nghĩa hoàn hảo
- Trì hoãn thời điểm tiếp nhận công nghệ mới, ưu tiên các công cụ đã được kiểm chứng
- Ghi lại log hiệu quả AI để nắm được mức hữu ích thực tế và các giới hạn
- Thu hẹp phạm vi rà soát, chỉ tập trung vào các vùng cốt lõi
Tính bền vững và kiệt sức
- AI xóa bỏ giới hạn về tốc độ làm việc, khiến tình trạng làm việc quá sức tăng nhanh
- Việc vượt quá giới hạn nhận thức của con người dẫn đến kiệt sức, và điều này lan rộng như một vấn đề mang tính hệ thống chứ không chỉ của cá nhân
- Chìa khóa để phục hồi không nằm ở lượng AI sử dụng mà ở việc thiết kế lại cách sử dụng
- Trong sự mệt mỏi đó, các công cụ giải quyết vấn đề thực tế như Distill, agentic-authz, AgentTrace đã ra đời
Năng lực thật sự: biết khi nào nên dừng
- Năng lực cốt lõi trong thời đại AI là khả năng phán đoán để biết khi nào nên dừng lại
- Biết dừng ở mức đầu ra đủ tốt, biết khi nào nên tự viết hoặc khi nào nên nghỉ ngơi
- Bảo vệ bộ não con người như một tài nguyên hữu hạn mới là kỹ thuật đúng nghĩa
- AI rất mạnh nhưng cũng là công cụ tiêu hao nhận thức nhiều nhất, và cách dùng khôn ngoan là cốt lõi của tính bền vững
- Đầu ra bền vững mới là giá trị thực sự và là mục tiêu cuối cùng của việc tận dụng AI
5 bình luận
Tôi không chắc cách diễn đạt này có còn chính xác hay không, nhưng có cảm giác các lập trình viên đang dần trở thành những “tech leader”.
Khi AI lấy mất phần “viết code”, thứ còn lại rốt cuộc chỉ là,
mà thôi.
Nói cách khác, lập trình viên không còn là “người tạo ra sản phẩm” nữa, mà vai trò đang dần chuyển thành
.
Vì vậy, một kiểu mệt mỏi công việc trước đây không tồn tại bắt đầu xuất hiện,
và tôi tự hỏi liệu hướng đi này có thực sự phù hợp với năng lực, sở trường công việc lập trình viên mà tôi theo đuổi hay không.
Dòng cuối thật sự để lại dư âm. Có lẽ đây không phải là điều tôi đã muốn làm.
Hồi nhỏ tôi từng tham gia câu lạc bộ ban nhạc, và ở đó có một đứa bạn luôn thuyết phục mọi người rằng phải sáng tác nhạc riêng. Nó nói rằng thay vì mài giũa kỹ thuật biểu diễn, cần phải nghĩ xem mình muốn hát điều gì. Tất nhiên, theo tôi nhớ thì ý kiến của đám muốn lập ban nhạc bằng cách cover những bài nổi tiếng vẫn áp đảo hơn.
Nhưng dạo này tôi lại thường xuyên nghĩ đến cậu bạn đó.
Đó là câu hỏi mà tôi đã bận sống nên cứ né tránh, nhưng với sự phát triển của AI, sau khi lấy nghề lập trình viên làm nghiệp, rốt cuộc tôi thích hành vi viết code, hay tôi thích tạo ra giá trị và dùng việc viết code như một phương tiện cho điều đó.
Nếu trước giờ hai kiểu người đó vẫn sống lẫn vào nhau, thì có lẽ khoảnh khắc tôi phải xác định rõ mình thuộc bên nào sẽ sớm đến thôi.
Trách nhiệm tạo ra một chương trình hoạt động tốt đúng theo yêu cầu của khách hàng, một chương trình không bị lỗi, vẫn thuộc về lập trình viên, nên bạn không cần phải từ bỏ việc viết code. Tôi nghĩ bản chất vẫn vậy, chỉ là AI gõ thay thôi.
Ý kiến trên Hacker News
Với tôi, cảm giác mệt mỏi có hơi khác. Vấn đề là cái vòng lặp phải dừng lại chờ mỗi khi LLM tạo kết quả trong lúc làm việc, review code
Thời gian chờ lại không thể đoán trước, nên rất khó biết nên đợi hay bắt đầu việc khác. Thế là tôi lại làm thứ gì đó chỉ để giết thời gian
Cuối cùng là không thể vào được trạng thái flow, và kiệt sức vì phải canh chừng các tác vụ nền hoàn thành
Cảm giác không phải là năng suất tăng lên, mà giống như trở thành một bảo mẫu lười biếng phải trông chừng để bọn trẻ không bị thương
Tôi khuyên dùng game mã nguồn mở Endless Sky vì có thể chơi ngắt quãng rồi dừng bất cứ lúc nào
Trước đây tôi từng thấy lập trình không còn vui nữa, nhưng nhờ Claude Code mà tôi lại thấy vui trở lại. Không như ngày xưa, nhưng ở giai đoạn hiện tại của cuộc đời tôi thì như vậy là đủ vui rồi
Như tôi đã nói trong bài viết về review fatigue, điều này ảnh hưởng không chỉ đến lập trình viên mà còn cả tổ chức
Workflow AI quá tập trung vào tối đa hóa năng suất nên cuối cùng lại bào mòn con người
Cách giải quyết thì rất cổ điển — nghỉ thường xuyên, và để lập trình viên con người tự tay viết code dù chỉ một chút. Có thể chậm lại nhưng vẫn giữ được độ nhập tâm và khả năng hồi phục
Trong lúc LLM làm việc, tôi squat, chống đẩy hoặc đi quanh nhà để giãn cơ. Vui hơn rất nhiều so với việc ngồi trước bàn phím cả ngày
Vận động cơ thể giúp sắp xếp suy nghĩ tốt hơn, nhưng cảm giác mệt mỏi tinh thần thì vẫn còn nguyên
Trong lúc gửi prompt rồi chờ, tôi lại đi lướt web. Nếu không chặn bằng ứng dụng SelfControl thì tôi hoàn toàn không cưỡng lại nổi
Nhờ LLM mà năng suất tăng lên, nhưng đến cuối ngày thì tôi mệt hơn nhiều và còn thấy có lỗi
Ý tưởng của bài viết thì hay, nhưng đọc lên lại mang đến cảm giác mệt kiểu như do AI viết ra
Những thứ có thể nói xong trong một hai câu lại bị kéo dài lê thê, thêm rất nhiều ví dụ không cần thiết
Khẳng định rằng “trang chính HN đang hỗn loạn” cũng sai. Những bài được nhắc tới còn không nổi 5 upvote, và chất lượng trang chính HN vẫn ổn
Và nhận định “không ai nói về chuyện này” cũng sai. Đã có thảo luận về AI fatigue từ lâu rồi
“Cảm ơn OpenClaw, cảm ơn AGI—với tôi thì nó đã ở đây rồi”
“Nếu hôm nay bạn chưa tiêu ít nhất $1,000 token cho mỗi kỹ sư con người thì nhà máy phần mềm của bạn vẫn còn chỗ để cải thiện”
“Code không nên do con người review”
“Điều C đã làm với assembly, điều Java đã làm với C, giờ LLM đang làm với mọi ngôn ngữ”
Đây đều là trích dẫn từ những bài thực sự đã lên trang chính
Hoặc cũng có thể là do đọc quá nhiều bài do AI viết nên bản thân phong cách viết cũng đã biến thành giống AI
Tôi cũng mới bắt đầu viết blog gần đây, và khá bất ngờ khi thấy lối viết thiên về kể chuyện lại thú vị
Mỗi người có một phong cách khác nhau thôi, không phải vấn đề gì cả
Bài này có thể tóm lại trong vài đoạn, nhưng lại có quá nhiều từ ngữ tô vẽ không cần thiết
Có khi sau này nội dung cũng sẽ có “nhãn nhà sản xuất là con người” — kiểu như “sản xuất bởi freelancer”, “sản xuất bởi cư dân ngoại ô” chẳng hạn
Tôi đồng cảm với câu “phát hành nhanh hơn thì kỳ vọng cũng tăng lên”
Đây là vấn đề cũ rồi. Helen Keller đã nói điều tương tự từ gần 100 năm trước
Ý rằng hãy dùng “máy móc tiết kiệm lao động” để thật sự tiết kiệm lao động được nhắc trong bài trên The Atlantic
Mỗi ngày có thể đẩy nhiều dự án tiến lên, nhưng kiệt sức hoàn toàn
Rất nhiều người mất ngủ vì cám dỗ “thử thêm một prompt nữa thôi”
Nhịp độ làm việc bền vững tích lũy suốt thời gian dài đã bị phá vỡ, và có lẽ sẽ cần thời gian để tìm lại điểm cân bằng mới
Nhưng bây giờ ban đầu mọi thứ diễn ra quá suôn sẻ nên cứ tiếp tục, rồi đến lúc đột ngột mắc kẹt
Nhưng rồi tôi không dừng lại ở đó, mà mở rộng sang kế toán, thuế, CRM, kho, quản lý dự án
Cuối cùng tôi đã làm ra một SaaS không hề cần thiết, giờ còn đang nghĩ có nên open source nó không
Nhưng giờ thì có thể tiếp tục theo dõi phiên agent trên trình duyệt di động, nên tôi còn kiểm tra cả trên giường nữa (nửa đùa nửa thật)
Giờ nút thắt cổ chai thật sự không còn là coding mà là thu thập yêu cầu và ra quyết định
Tôi không hiểu vì sao lại cứ phải tiếp tục làm việc
Tôi là tác giả. Đây không phải bài chống AI, mà là nói về chi phí nhận thức
Công việc càng nhanh thì việc càng nhiều, và khi phải xem xét kết quả từ AI thì sự mệt mỏi khi ra quyết định cứ tích lại
Hệ sinh thái công cụ cũng thay đổi mỗi tuần. Tôi đã chia sẻ những cách thực sự hữu ích, và tò mò không biết người khác có đang đụng phải bức tường tương tự không
Cảm giác như đang trò chuyện với một thực thể không phải con người, điều đó càng làm tăng sự mệt mỏi
Nhưng khi đặt ra kỳ vọng thực tế hơn và cố không bị mọi “bài đăng phép màu AI” cuốn theo, cảm giác bất an đã giảm đi
Công nghệ chưa bao giờ nhằm làm cho người lao động thoải mái hơn
Mục đích của nó luôn là tăng năng suất và sức cạnh tranh
Từ ngựa sang ô tô, từ điện thoại sang smartphone, thời gian rảnh không hề tăng. Chúng ta chỉ trở thành những con người cơ động hơn và kết nối hơn mà thôi
Nếu chấp nhận một chất lượng sống kiểu cũ, thì làm ít hơn vẫn có thể sống đủ đầy
Dạo này tôi cảm thấy đó là executive functioning fatigue
Khi làm việc cùng AI, thay vì chỉ triển khai đơn giản thì ta phải liên tục đưa ra các quyết định ở cấp độ cao hơn
Gần như không có thời gian nghỉ, cảm giác như thùy trán trước bị quá nhiệt
Nếu trạng thái này kéo dài, biết đâu chức năng điều hành của con người lại được tăng cường
Tôi không ngờ việc quản lý một nhóm gồm mười kỹ sư thiên tài nhưng bất ổn lại hao mòn đến thế
Theo tôi, nguyên nhân của AI fatigue là sự cân bằng giữa ba giai đoạn của lập trình đã bị phá vỡ
Giải quyết vấn đề → viết code → kiểm tra kết quả, ba giai đoạn này vốn dĩ cân bằng với nhau
Việc coding tuy lặp lại nhưng là một quá trình mang tính thiền định và ổn định. Giải quyết vấn đề thì căng hơn, còn kiểm tra kết quả là phần thưởng dopamine
Nhưng khi LLM thay thế phần viết code, chúng ta chỉ còn lại giai đoạn giải quyết vấn đề và review có mức độ căng thẳng cao
Khoảng đệm ở giữa biến mất nên mệt hơn rất nhiều
Lý do ta nhớ kiểu coding ngày xưa chính là vì đã mất đi dòng chảy mang tính thiền định đó
Tôi cũng thích cách pair programming với AI và tự tay gõ code hơn. Cảm giác nó bền vững hơn về lâu dài
Nhưng sức cám dỗ của năng suất khi điều khiển nhiều agent cùng lúc cũng thực sự rất mạnh
Đoạn nói về “phải vật lộn với một hệ thống không mang tính quyết định” làm tôi ấn tượng
Về bản chất, LLM đòi hỏi sự can thiệp liên tục của con người. Trừ khi công ty sẵn sàng chịu hoàn toàn trách nhiệm cho kết quả mà nó tạo ra
Không thể phạt nó bằng cách giảm điện áp được, cũng như không ai bắt xúc xắc phải chịu trách nhiệm cả, điều đó vô lý