- Sự phổ biến của các công cụ AI đã giúp việc viết mã trở nên dễ dàng hơn, nhưng cường độ và độ phức tạp trong công việc của kỹ sư phần mềm lại tăng lên
- Khi AI nâng cao năng suất, mức kỳ vọng của tổ chức và đường cơ sở khối lượng công việc cũng tăng, khiến các kỹ sư chịu áp lực phải làm nhiều hơn và nhanh hơn
- Khi bản sắc nghề nghiệp xoay quanh việc viết mã suy yếu, các kỹ sư phải đối mặt với tình huống phải gánh thêm những công việc không trực tiếp phát triển như review, thiết kế, tư duy sản phẩm
- Việc xem xét và gỡ lỗi mã do AI tạo ra tốn nhiều thời gian hơn, làm tăng gánh nặng kiểm soát chất lượng và tải nhận thức
- Để xây dựng một văn hóa kỹ thuật bền vững, cần có sự đồng cảm từ lãnh đạo, xác lập ranh giới vai trò, đào tạo nhân sự junior và các chỉ số đánh giá mới
Đường cơ sở dịch chuyển và gánh nặng vô hình
- Sau khi đưa AI vào sử dụng, sản lượng kỳ vọng từ kỹ sư tăng mạnh, và ngay cả khi không có chỉ đạo rõ ràng, họ vẫn bị yêu cầu làm nhiều việc hơn
- Theo nghiên cứu của Harvard Business Review, những nhân viên sử dụng AI không về sớm hơn mà lại hoàn thành nhiều công việc hơn
- 83% cho biết AI khiến khối lượng công việc tăng lên, và tỷ lệ burnout là hơn 60% ở người làm trực tiếp, trong khi ở cấp quản lý là 38%, cho thấy khoảng cách đáng kể
- Trong khi lãnh đạo nhìn nhận rằng “AI khiến công việc dễ hơn”, các kỹ sư ở tuyến đầu lại cảm nhận rõ độ phức tạp và sự mệt mỏi
- Trong một khảo sát riêng với hơn 600 người, 2/3 cho biết đã trải qua burnout, và 43% trả lời rằng lãnh đạo không hiểu thực tế
Khủng hoảng bản sắc của kỹ sư
- Nhiều kỹ sư từ lâu đã tìm thấy sự hài lòng nghề nghiệp trong hành vi sáng tạo là trực tiếp viết mã
- Nhưng sau khi AI được áp dụng, một thông điệp ngầm đang lan rộng: “đừng tự viết mã nữa, hãy quản lý nó”
- AI thay con người triển khai, còn kỹ sư chuyển sang vai trò giám sát viên và người phản biện
- Đây không chỉ là một thay đổi đơn thuần mà là sự chuyển dịch căn bản của bản sắc nghề nghiệp, làm suy yếu niềm tự hào của những người có tay nghề cao
- Như cách nói “từ người xây dựng thành người thẩm định”, sản lượng có thể tăng lên nhưng tinh thần nghề thủ công và mức độ đắm chìm vào công việc lại giảm
Mở rộng vai trò và scope creep
- Khi AI tăng tốc độ triển khai, điểm nghẽn chuyển sang các công việc xung quanh như yêu cầu, kiến trúc, kiểm thử và triển khai
- Tổ chức phân bổ lại những phần việc này cho kỹ sư, khiến họ phải phụ trách cả lập kế hoạch sản phẩm, đánh giá rủi ro và vận hành
- Nghiên cứu của Harvard Business Review cũng cho thấy ranh giới vai trò trở nên mờ hơn, và công việc giữa PM, researcher và kỹ sư bắt đầu giao thoa
- 45% vị trí kỹ thuật đòi hỏi năng lực đa lĩnh vực, nhưng mức lương hoặc quyền hạn không tăng tương ứng
- Kết quả là phạm vi công việc mở rộng nhưng chiều sâu lại nông đi, khiến burnout tăng tốc
Nghịch lý giám sát: độ khó của việc review mã AI
- Xuất hiện nghịch lý rằng review mã do AI tạo ra còn khó hơn tự tay viết mã
- Người viết mã vốn hiểu ngữ cảnh, nhưng với mã AI, cơ sở cho các quyết định lại không rõ ràng, khiến gánh nặng review lớn hơn
- Theo khảo sát của Harness, 67% cho biết thời gian debug tăng, 68% nói thời gian review cũng tăng
- Quản lý kỳ vọng tốc độ sẽ tăng, nhưng trên thực tế gánh nặng đảm bảo chất lượng và hiểu ngữ cảnh lại lớn hơn
- Điểm nghẽn của năng suất chuyển từ giai đoạn viết sang giai đoạn hiểu, và điều này không thể được giải quyết chỉ bằng tự động hóa
Cái bẫy của tăng tốc và tính bền vững
- Khi AI đẩy nhanh tốc độ, một vòng lặp tự củng cố khiến khối lượng công việc tự nhiên phình ra được hình thành
- Nghiên cứu của Harvard gọi đây là “workload creep”, tức tình trạng quá tải tích lũy mà con người không kịp nhận ra
- Trước đây, tốc độ suy nghĩ và gõ phím của con người là một giới hạn tự nhiên, nhưng AI đã xóa bỏ giới hạn đó
- Kết quả là chỉ số năng suất tăng nhưng chất lượng giảm, còn nợ kỹ thuật và mệt mỏi thì tích tụ
- Bề ngoài có vẻ như năng suất được cải thiện, nhưng bên trong là sự kiệt sức và suy giảm chất lượng đang diễn ra
Sự đứt gãy trong học tập của kỹ sư junior
- Khi AI thay thế các công việc đơn giản, cơ hội thực hành của kỹ sư mới vào nghề giảm mạnh
- Từ 2023 đến 2024, tuyển dụng nhân sự junior tại các công ty công nghệ lớn giảm 25%, và báo cáo của HackerRank cũng xác nhận xu hướng tuyển dụng thiên về người đã có kinh nghiệm
- Khi các bài toán đơn giản dùng để học tập biến mất, con đường đào tạo lực lượng senior trong tương lai cũng bị phá vỡ
- Như lời cảnh báo “không thể giám sát một hệ thống mà bạn chưa từng tự tay xây dựng”, sự đứt gãy về năng lực nền tảng được xem là một rủi ro dài hạn
Lãnh đạo cần làm gì
- Đồng cảm và công khai thừa nhận sự khó khăn của thay đổi là điểm khởi đầu để duy trì niềm tin
- Cung cấp đào tạo lại thực chất: thiết kế hệ thống, bảo mật, tư duy sản phẩm, đánh giá mã AI và các năng lực nâng cao khác
- Làm rõ phạm vi vai trò và điều chỉnh đãi ngộ, để ngăn chặn sự mở rộng vô hạn
- Định nghĩa lại chỉ số hiệu suất: coi trọng chất lượng, độ ổn định và sức khỏe đội ngũ hơn là tốc độ hay số dòng mã
- Duy trì tuyển dụng junior là điều kiện bắt buộc để bảo toàn hệ sinh thái nhân tài trong dài hạn
Chiến lược mà kỹ sư cá nhân có thể áp dụng
- Duy trì năng lực kỹ thuật nền tảng: kiến trúc, debug, hiểu biết về hiệu năng và bảo mật thậm chí còn trở nên quan trọng hơn
- Cảnh giác với cái bẫy tăng tốc: đừng mặc định theo đuổi tốc độ tối đa mà AI cho phép, hãy giữ một nhịp làm việc bền vững
- Đón nhận những phần vai trò mở rộng mà bản thân thấy hứng thú, và tận dụng chúng như cơ hội phát triển sự nghiệp
- Chia sẻ về burnout và cảm giác cô lập, lan tỏa nhận thức thực tế thông qua đối thoại với đồng nghiệp
- Biến đổi công nghệ đã lặp lại nhiều lần, và AI cũng không thể thay thế nhu cầu đối với những người làm kỹ thuật thực thụ
Nghịch lý mà chúng ta đang đối mặt
- Thực tế rằng AI khiến việc viết mã dễ hơn nhưng lại làm kỹ nghệ phần mềm khó hơn đang cùng tồn tại
- Kỳ vọng tăng, vai trò mở rộng và thiếu hỗ trợ kết hợp lại tạo ra một văn hóa không bền vững
- Nếu không thừa nhận nghịch lý này, sẽ không thể giữ được niềm tin và nhân tài
- Chúng ta không được quên nguyên tắc rằng sản phẩm được tạo ra bởi con người chứ không phải công cụ, và
kết luận là năng lực cạnh tranh thực sự trong thời đại AI đến từ những tổ chức hiểu và bảo vệ giới hạn của con người
2 bình luận
> Nợ nhận thức: Khi tốc độ vượt trước sự thấu hiểu
Ý kiến trên Hacker News
Bài luận này có vẻ như được AI tạo ra một phần hoặc đã bị biên tập rất mạnh bằng LLM
Các cấu trúc câu như “It’s not X, it’s Y” lặp đi lặp lại, và việc một blog gần như không hoạt động trong giai đoạn 2015~2025 bỗng nhiên bắt đầu đăng bài ồ ạt cũng khá đáng ngờ
Kiểu viết này khiến nhiều người thấy ngán ngẩm, nhưng có vẻ điều đó không quan trọng với những người muốn thành công trong ngành
Nhịp điệu và văn phong lặp lại đúng kiểu đầu ra của LLM. Nó thiếu cảm xúc con người và nội dung khá rỗng
Có lẽ đã đến lúc phải trân trọng những cộng đồng nhỏ nhưng chất lượng cao nơi AI vẫn chưa xâm nhập quá nhiều
Những câu như “The job changed. The expectations changed. And nobody sent a memo.” thực sự cho cảm giác như AI viết
Một trong những vấn đề tôi thực sự đã thấy là sai sót khi triển khai bằng AI. Những người kiểu ‘Vibe Coders’ cần có mentor IT/Dev
Ví dụ, một bác sĩ phẫu thuật đã dùng Claude để làm một web app ghi chép hồ sơ phẫu thuật, rồi nhờ tôi xem giúp vì lo về bảo mật
Code và DB thì ổn, nhưng anh ấy đã nén toàn bộ dự án thành file zip rồi đặt lên web root và không có file index
Thế là ai cũng có thể tải file backup xuống, trong đó có DB, API key, AWS key và mọi bí mật khác
Anh ấy thậm chí còn không biết file index tồn tại để làm gì, và cuối cùng nói sẽ hỏi Claude cách bảo mật nó
Vài tháng nữa thì cả script kiddies cũng sẽ dùng được ở quy mô lớn, và ai đó có thể thử swatting bằng cách đó, gây thiệt hại về người
Tôi tự hỏi khi đó chuyện trách nhiệm sẽ được bàn ra sao
Tôi không thuộc nhóm thấy đúng với câu “đa số kỹ sư thích viết code”
Tôi hứng thú với việc thiết kế và xây dựng một thứ gì đó hơn là chỉ viết code
Việc bạn ủng hộ hay phản đối AI cuối cùng dường như là khác biệt giữa “bạn thích code” và “bạn thích làm ra sản phẩm cho thế giới”
Nhưng AI chưa đạt tới mức đó. Nó thường tạo ra code thậm chí không compile được, mà nếu còn không chạy đúng thì tối ưu hóa cũng vô nghĩa
Nhiều bình luận chê rằng bài này có vẻ do AI viết, nhưng với tư cách người đã lập trình hơn 30 năm và dẫn dắt đội ngũ suốt 20 năm, tôi thấy trong đó có những góc nhìn sâu sắc
Dù tác giả là ai, tôi vẫn nghĩ nội dung có giá trị. Tôi khá ngạc nhiên khi nó bị flag
Ví dụ, nếu câu như “điều tôi rút ra khi điều hành một đội fintech” không xuất phát từ trải nghiệm thật thì nó mất hết ý nghĩa
Ngược lại, nếu đó là trải nghiệm thật rồi được AI chau chuốt lại thì hoàn toàn không có vấn đề gì
Những câu sáo rỗng kiểu “AI là thứ không thể tránh khỏi” chẳng còn chút sự khôn ngoan nào nữa
Trong thời đại AI, cách tư duy kỹ thuật đang thay đổi
Trước đây là kiểu đào sâu theo chiều dọc vào vấn đề, còn giờ cần tư duy ngang và tư duy meta
Ví dụ, khi tôi đọc tài liệu để tối ưu môi trường Claude, rồi đơn giản đưa cho Claude bối cảnh dự án và yêu cầu nó tối ưu hóa,
nó đã tự động đề xuất và tạo ra các plugin cùng agent cần thiết
Cuối cùng, điều quan trọng không phải là chi tiết triển khai mà là năng lực định nghĩa cấu trúc của dự án
Ý chính của bài là đúng. Tự động hóa loại bỏ phần việc dễ và buộc ta tập trung vào vấn đề khó hơn
Lấy máy tính bỏ túi làm ví dụ, kế toán từng giỏi cộng số giờ đây phải xử lý các vấn đề ở cấp cao hơn
Nhưng với người mới bắt đầu, việc code biến mất có khi lại là cơn ác mộng
Nếu ví với văn học, AI không nhanh chóng tạo ra một Terry Pratchett mới, mà là khiến ông bị chôn vùi
Nếu bạn không phân biệt nổi bài blog do AI viết, thì cũng sẽ không phân biệt nổi code tệ
Tôi không giỏi phân biệt liệu bài có phải do LLM viết hay không, nhưng dạo này đọc bài là thấy mệt mỏi
Quá nhiều từ, và với người có xu hướng ADHD thì lại càng khó đọc
Bài này theo lịch sử Pangram là 100% do AI viết
Cũng có nghiên cứu cho thấy việc dùng LLM không dẫn tới tăng năng suất
Những bài như thế này thường mặc định rằng hiệu quả đó là hiển nhiên, nhưng thực tế kỳ vọng của ban lãnh đạo và hiện thực tại hiện trường lại khác nhau
Từ góc nhìn của kỹ sư, khoảng cách đó rất rõ ràng