Khi AI viết code, lập trình viên còn đứng ở đâu?

“Học lập trình bây giờ có còn đáng không?” là một câu hỏi mình không muốn trả lời bằng sự lạc quan dễ dãi. Nỗi lo của người mới vào nghề là có thật. Sự bất an của người đã làm lâu năm cũng vậy.

Nhưng mình cũng không bắt đầu từ giả định rằng công việc coding đã chính thức bị AI thay thế hoàn toàn. Có những phần việc đang được tự động hóa rất nhanh. Còn phát triển phần mềm là một tập hợp trách nhiệm rộng hơn việc tạo ra code.

Câu hỏi mình muốn cùng nhìn lại là: khi công cụ thay đổi, giá trị của người làm phần mềm dịch chuyển đến đâu, và làm sao để người mới vẫn có đường đi vào nghề?

Kinh nghiệm có giá trị khi giúp mình phán đoán tốt hơn

Một người từng vận hành hệ thống sẽ biết rằng câu trả lời đúng trên màn hình chưa chắc đúng khi có hàng nghìn người dùng, dữ liệu cũ và những lần kết nối bị ngắt giữa chừng.

Họ có thể nhìn ra một thay đổi tưởng nhỏ nhưng chạm vào ranh giới quyền hạn, một quyết định lưu dữ liệu sẽ gây khó cho việc mở rộng hoặc một giải pháp nhanh đang tạo ra món nợ khó trả. AI có thể hỗ trợ phân tích, nhưng tổ chức vẫn cần người chịu trách nhiệm lựa chọn và kiểm chứng.

Tuy vậy, số năm đi làm không tự bảo đảm năng lực ấy. Nếu kinh nghiệm chỉ là lặp lại cùng một công việc mà không hiểu sâu hơn, lợi thế có thể mỏng đi. Người có kinh nghiệm cũng cần học lại cách giao việc, đọc kết quả và đánh giá công cụ mới.

Người mới đối mặt với một nghịch lý khó

Nhiều người học nghề bằng những nhiệm vụ nhỏ: sửa lỗi giao diện, viết một API đơn giản, bổ sung bài kiểm thử. Khi những việc ấy có thể được AI hỗ trợ mạnh, doanh nghiệp có thể cảm thấy ít cần giao chúng cho người mới hơn.

Nhưng nếu không có cơ hội làm những việc nhỏ và nhận phản hồi, người mới sẽ tích lũy khả năng giải quyết việc lớn bằng cách nào? Đây là một nghịch lý đào tạo mình cho rằng doanh nghiệp cần chủ động xử lý, không phải một dự báo chắc chắn về toàn bộ thị trường lao động.

Cắt hết vị trí đầu vào có thể thuận tiện trước mắt, nhưng không tạo ra lớp kỹ sư giàu kinh nghiệm cho tương lai. Một đội ngũ muốn phát triển lâu dài cần thiết kế lại việc học, thay vì chỉ loại bỏ những nhiệm vụ đang trở nên rẻ hơn.

Đừng lấy cảm giác nhanh làm bằng chứng

Nghiên cứu công bố tháng 7/2025 của METR cho thấy trong một bối cảnh cụ thể, 16 lập trình viên có kinh nghiệm làm việc trên các kho mã quen thuộc đã chậm hơn khi được dùng công cụ AI đầu năm 2025.¹ Kết quả ấy không thể dùng để kết luận AI luôn làm lập trình viên chậm đi.

Bản cập nhật tháng 2/2026 của METR ghi nhận dấu hiệu cải thiện tốc độ trong dữ liệu mới, đồng thời nêu khó khăn về thiên lệch chọn mẫu và đo lường.² Mình đọc cả hai như một lời nhắc: hiệu quả phụ thuộc vào công việc, công cụ và cách sử dụng; nó cần được kiểm chứng chứ không nên suy ra từ một buổi demo.

Với người mới, điều đáng học không chỉ là “prompt để ra kết quả”. Đó còn là cách tự tạo một phép thử để biết kết quả có đáng tin không.

Một con đường học nghề thực tế hơn

Mình sẽ chọn một sản phẩm nhỏ có người dùng thật, rồi tự đi hết vòng đời của nó: tìm hiểu nhu cầu, thiết kế dữ liệu, triển khai, theo dõi lỗi và sửa dựa trên phản hồi. AI có thể đồng hành, nhưng người học phải giải thích được những quyết định quan trọng.

Đọc code vẫn cần. Kiểm thử vẫn cần. Hiểu mạng, dữ liệu, xác thực và cách hệ thống thất bại vẫn cần. Không phải để thi với AI xem ai nhớ nhiều hơn, mà để nhận ra khi nó đưa mình đi sai.

Một bài tập mình thấy đáng thử là yêu cầu AI đưa ra hai phương án, tự viết tiêu chí so sánh rồi kiểm tra bằng một thử nghiệm nhỏ. Ghi lại vì sao chọn phương án này, điều gì chưa biết và khi nào cần đổi ý. Hồ sơ học tập như thế cho thấy cách tư duy, không chỉ một kho mã đã chạy được.

Doanh nghiệp cũng có phần việc phải làm

Thay vì giao toàn bộ việc nhỏ cho AI và chỉ giữ lại nhiệm vụ khó cho người mới, doanh nghiệp có thể tổ chức làm việc theo cặp, duyệt thiết kế và cho người học chịu trách nhiệm một phần sản phẩm có phạm vi rõ ràng.

Đánh giá nên nhìn vào khả năng hiểu vấn đề, kiểm chứng, giao tiếp và hoàn thành một thay đổi an toàn. Không chỉ nhìn tốc độ tạo code, cũng không xem việc không dùng AI là bằng chứng của năng lực.

Mình không nghĩ có một câu trả lời đủ chắc để xóa hết nỗi lo nghề nghiệp. Nhưng có một hướng đi đáng tin hơn việc cố chạy đua với máy: trở thành người hiểu công việc đến mức biết phải xây gì, biết khi nào chưa nên xây và biết điều mình xây có thật sự tốt hay không.

Con đường ấy khó hơn học thêm một công cụ. Và cũng là lý do mình tin người làm phần mềm vẫn còn nhiều việc có ý nghĩa để làm.