AI đang tạo ra những kỹ sư không thể tư duy nếu thiếu nó: Cái bẫy của sự phụ thuộc

Trí tuệ nhân tạo (AI) đang tạo ra sự phân hóa sâu sắc trong cộng đồng kỹ thuật phần mềm. Nói chuyện với các quản lý kỹ thuật tại những gã khổng lồ công nghệ, có thể thấy rõ sự chia rẽ này đang hình thành giữa hai nhóm mơ hồ.

Nhóm kỹ sư phần mềm có giá trị nhất trong tương lai không phải là những người tự tay làm mọi thứ. Họ là những người từ chối tốn thời gian vào công việc mà AI có thể làm giúp, nhưng vẫn thấu hiểu toàn bộ những gì được thực hiện thay mình. Họ dùng thời gian tiết kiệm được để hoạt động ở trình độ cao hơn. Họ nâng cao tư duy của bản thân nhờ sự kỷ luật sắc bén thay vì ủy thác nó cho máy móc.

Sự phân biệt này quan trọng hơn nhiều người nghĩ.

AI và tư duy

AI hiện nay đã có thể tạo code, tóm tắt cuộc họp, giải thích khái niệm, phác thảo thiết kế và viết báo cáo tiến độ trong vài giây. Điều đó rất hữu ích nhưng cũng đầy rủi ro.

Mối nguy hiểm thực sự không phải là AI sẽ khiến con người lười biếng theo một nghĩa đạo đức nào đó. Mối nguy nằm ở việc nó quá dễ dàng để mô phỏng sự năng lực mà không cần xây dựng năng lực đó.

Hiện nay có một cám dỗ rất thực là đưa một vấn đề cho mô hình AI, nhận được một câu trả lời có vẻ hợp lý, và sau đó lặp lại câu trả lời đó như thể nó phản ánh sự hiểu biết của chính bạn. Điều này rất gần với hành vi đạo văn, nhưng theo một số khía cạnh thì còn tệ hơn. Khi một sinh viên chép bài từ người khác, ít nhất vẫn có một nguồn gốc con người thật sự đằng sau câu trả lời. Ở đây, mọi người có thể trình bày lập luận do máy tạo ra mà họ không hiểu, không thể bảo vệ, và không thể tự tái tạo lại.

Đó là sự phụ thuộc trí tuệ được gán mác là đòn bẩy.

Và sự phụ thuộc đó có cái giá phải trả. Mỗi khi bạn thay thế sự hiểu biết của chính mình bằng kết quả do máy tạo ra, bạn đang bỏ qua các bài tập/kỳ luyện giúp xây dựng sự phán xét. Bạn đang đánh đổi năng lực dài hạn lấy sự hoàn hảo ngắn hạn.

Hãy chia sẻ một vài ví dụ để tư duy này trở nên cụ thể hơn.

Hãy tưởng tượng về một học sinh chép bài qua các năm học. Trên giấy tờ, học sinh đó có thể trông thành công trong một thời gian dài. Điểm tốt và thậm chí là lời khen ngợi.

Nhưng khi người đó đến một tình huống mà sự hiểu biết thực sự mới là yếu tố quyết định, sự thật sẽ bị phơi bày. Cấu trúc nền tảng chưa bao giờ được xây dựng. Họ không biết cách lý luận qua các vấn đề lạ lẫm hay cách phục hồi khi điều kiện thay đổi. Họ không biết cảm giác "đúng" trông như thế nào vì họ chưa bao giờ phát triển trực giác đến từ việc tự làm việc.

AI tạo ra cùng một cái bẫy đó cho các kỹ sư. Nếu bạn liên tục sử dụng nó để đưa ra những câu trả lời mà bạn tự mình không thể phát triển, bạn có thể trông hiệu quả trong ngắn hạn và thậm chí có thể vượt trội hơn người khác về đầu ra hiển thị trong một thời gian. Nhưng nền tảng của bạn là rỗng tuếch. Bạn đã mượn vẻ bề ngoài của sự làm chủ mà không đạt được sự làm mastering thực sự.

Điều đó luôn bắt kịp bạn, giống như nó luôn xảy ra trong thế giới trước khi có AI. Bởi vì trong công việc kỹ thuật thực sự, phần khó khăn không phải là lặp lại các câu trả lời đã biết. Phần khó khăn là xử lý sự mơ hồ, thông tin không đầy đủ, các ràng buộc xung đột và những vấn đề không vừa với một khuôn mẫu có sẵn. Đó là nơi sự bắt chước hời hợt bị sụp đổ.

Máy tính bỏ túi là một công cụ tốt. Không ai nghiêm túc tranh luận rằng mọi người nên tự tay thực hiện mọi phép tính mãi mãi.

Nhưng có một sự khác biệt thực sự giữa việc dùng máy tính để tiết kiệm thời gian và dùng máy tính vì bạn chưa bao giờ học cách cảm nhận con số từ đầu.

Một người có tư duy tính toán tốt có thể dùng máy tính hiệu quả vì họ có thể ước lượng, bắt lỗi hiển nhiên và hiểu liệu câu trả lời có hợp lý không. Một người không có nền tảng đó trở nên phụ thuộc. Họ không thể kiểm tra tính hợp lý của kết quả. Họ không thể phát hiện ra rác rưởi. Họ chỉ tin vào màn hình.

AI hoạt động theo cách tương tự. Một kỹ sư có chiều sâu thực sự có thể sử dụng AI một cách mạnh mẽ vì họ có thể kiểm tra đầu ra, thách thức nó, tinh chỉnh nó và từ chối nó khi cần. Họ biết các lỗi tiềm ẩn có thể ở đâu. Họ biết trường hợp ngoại lệ nào quan trọng. Họ biết khi nào điều gì đó nghe có vẻ bóng bẩy nhưng về bản chất là sai.

Một kỹ sư không có chiều sâu đó ở vị thế tồi tệ hơn nhiều. Họ thực sự không dùng AI. Họ đang bị dẫn dắt bởi nó. Đó là một vị thế khủng khiếp trong một nghề nghiệp mà sự chính xác, phán xét và hậu quả đều quan trọng.

Một chiếc xe tự lái có thể giảm mệt mỏi và xử lý các tình huống thường nhật. Nhưng nếu bạn phụ thuộc vào nó trước khi bạn hiểu lái xe, bạn không trở thành tài xế giỏi hơn. Bạn trở thành hành khách có quyền điều khiển.

Vấn đề xuất hiện khi điều kiện trở nên phi tiêu chuẩn: tầm nhìn kém, bố trí đường lạ, hành vi khó lường từ người lái khác, hỏng hóc hệ thống, hoặc nguy hiểm đột ngột. Trong những khoảnh khắc đó, sự phụ thuộc thô thiển bị phơi bày. Hoặc là bạn có kỹ năng, hoặc là không.

AI cũng tương tự. Nó hoạt động tốt nhất trên các mẫu phổ biến, cấu trúc đã biết, các biến đổi quen thuộc và các loại vấn đề được đại diện nhiều. Điều đó làm cho nó vô cùng hữu ích. Nhưng công việc kỹ thuật liên tục đi lang thang vào vùng phi tiêu chuẩn: yêu cầu thay đổi, lỗi tinh vi, quyền sở hữu không rõ ràng, mục tiêu kiến trúc cạnh tranh, dữ liệu một phần, ma sát tổ chức và các sự đánh đổi không có câu trả lời hoàn hảo.

Khi con đường thẳng và được đánh dấu tốt, gần như bất kỳ ai cũng có thể trông có năng lực với đủ sự tự động hóa. Khi con đường trở nên xấu xí, kỹ năng thực sự mới trở nên可见 rõ. Nếu bạn đã dành nhiều năm để hệ thống "lái xe" trong khi bạn chỉ thỉnh thoảng chạm vô lăng, đừng ngạc nhiên khi bạn không thể tiếp quản một cách gọn gàng.

Những kỹ sư giỏi nhất chắc chắn sẽ sử dụng AI nhiều hơn, không phải ít hơn. Nhưng họ sẽ sử dụng nó với một tư thế rất khác.

Họ sẽ để AI viết bản nháp mã chuẩn (boilerplate), tóm tắt tài liệu, tạo dựng khuôn khổ kiểm thử (scaffolding), đề xuất refactorings, đưa ra các chế độ thất bại có thể xảy ra, tăng tốc điều tra và nén công việc thường nhật. Họ sẽ vui vẻ chuyển giao các phần cơ học của công việc. Nhưng họ cũng sẽ:

Dùng thời gian lấy lại được để đầu tư vào nơi quan trọng nhất.

Suốt nhiều năm, mọi người đã nhầm lẫn kỹ thuật phần mềm với sản xuất code. Sự nhầm lẫn đó hiện đang bị phơi bày.

Nếu công việc chủ yếu là về việc tạo ra code cú pháp hợp lệ, thì tất nhiên AI sẽ trên con đường trực tiếp thay thế một phần lớn của nghề này. Nhưng đó chưa bao giờ là phần có giá trị cao nhất của công việc. Giá trị luôn nằm ở sự phán xét (judgment).

Kỹ sư có giá trị là người nhìn thấy ràng buộc ẩn trước khi nó gây ra sự cố ngừng hoạt động. Người nhận thấy nhóm đang giải quyết sai vấn đề. Người giảm một cuộc tranh luận mơ hồ thành các sự đánh đổi sắc bén. Người xác định abstraction còn thiếu. Người có thể gỡ rối thực tế, không chỉ đọc code. Người có thể tạo ra sự rõ ràng nơi người khác chỉ thấy tiếng ồn.

AI có thể hỗ trợ công việc đó. Nó không thể làm chủ nó.

Thực tế, các kỹ sư tạo ra nhiều giá trị nhất trong tương lai thường sẽ là những người tạo ra kiến thức làm cho AI trở nên hữu ích hơn từ đầu. Họ sẽ tạo ra các nguyên tắc thiết kế, sự hiểu biết lĩnh vực, mẫu, ngữ cảnh và khung quyết định cải thiện hiệu quả của máy móc. Họ sẽ cung cấp cho hệ thống các câu hỏi tốt hơn, các ràng buộc tốt hơn và các chỉnh sửa tốt hơn.

Trong thế giới đó, kỹ sư không bị AI thay thế. Kỹ sư trở nên có đòn bẩy hơn vì họ đang hoạt động ở trên mức của đầu ra thô.

Vấn đề này đặc biệt quan trọng đối với những người ở giai đoạn đầu sự nghiệp.

Những năm đầu rất quan trọng vì đó là lúc kỹ năng nền tảng được hình thành. Bản năng gỡ rối (debugging). Trực giác hệ thống. Sự chính xác. Gu thẩm mỹ. Tư duy hoài nghi. Khả năng phân tích một vấn đề. Khả năng giải thích tại sao cái gì đó hoạt động, không chỉ là nó trông có vẻ hoạt động.

Những kỹ năng đó được xây dựng qua ma sát. Qua đấu tranh. Qua làm sai và sửa chữa. Qua truy dấu thất bại trở lại nguyên nhân gốc rễ. Qua viết một cái gì đó và nhận ra nó không tồn tại khi tiếp xúc với thực tế.

Quá trình đó không phải là tùy chọn. Đó là cách các kỹ sư có được và nâng cao năng lực của họ. Nếu các kỹ sư sớm trong sự nghiệp sử dụng AI để loại bỏ mọi đấu tranh khỏi vòng lặp học tập, họ đang làm tổn thương sự phát triển của mình.

Ai đó dùng AI để trả lời mọi câu hỏi khó có thể trông hiệu quả trong một hoặc hai quý. Nhưng họ cũng có thể âm thầm thất bại trong việc xây dựng các khả năng mà tương lai của họ phụ thuộc vào. Họ đang bỏ qua giai đoạn mà sự hiểu biết được rèn giũa.

Quay lại các ví dụ: Điều này giống như chép bài qua đại học và sau đó xuất hiện tại một công việc đòi hỏi tư duy độc lập. Giống như dùng máy tính cho mọi nhiệm vụ tính toán và không bao giờ phát triển cảm giác về con số. Giống như dựa vào tính năng tự lái trước khi học cách thực sự lái xe. Hệ thống hỗ trợ có thể làm cho bạn trông có năng lực hoạt động, nhưng nó không làm cho bạn có khả năng.

Và cuối cùng, năng lực thô sơ là thứ duy nhất quan trọng. Không có gì thay thế được.

Đây là phần mà một số người có thể không muốn nghe -

Bạn có thể thuê ngoài các việc cơ học, tăng tốc nghiên cứu và nén các nhiệm vụ thường nhật. Bạn có thể loại bỏ một lượng lớn lao động giá trị thấp. Tất cả điều đó là tốt và nên xảy ra.

Nhưng bạn không thể bỏ qua việc hình thành kỹ năng và mong đợi sở hữu nó anyway.

Đó là sai lầm trung tâm đằng sau những cách sử dụng ngây thơ nhất của AI. Mọi người nghĩ rằng họ đang tiết kiệm thời gian, khi trong thực tế họ thường trì hoãn một hóa đơn sẽ đến hạn sau dưới dạng phán quyết yếu, sự hiểu biết nông và khả năng thích ứng hạn chế.

Một con đường cộng hưởng, trong khi con đường khác làm rỗng bạn ra và thiết lập bạn chín muồi cho sự lỗi thời.

Đó là lý do tương lai không thuộc về các kỹ sư chỉ sử dụng AI. Nó thuộc về các kỹ sư biết chính xác những gì cần ủy thác, chính xác những gì cần sở hữu, và chính xác cách biến thời gian tiết kiệm thành tư duy tốt hơn.

Nếu chưa rồi, đã đến lúc đưa ra những lựa chọn có hiểu biết về cách bạn định hình tương lai của mình trong ngành này.

Quản lý kỹ thuật sẽ đối mặt với cùng một đường ranh giới.

Một số nhà lãnh đạo sẽ nhận ra sự khác biệt giữa các kỹ sư sử dụng AI để tăng tốc sự hiểu biết và các kỹ sư sử dụng nó để mô phỏng sự hiểu biết. Những người khác sẽ không. Khoảng cách đó sẽ quan trọng hơn nhiều tổ chức nhận ra.

Một trong những đặc điểm xác định của lãnh đạo kỹ thuật mạnh mẽ trong kỷ nguyên AI sẽ là khả năng phân biệt đầu ra bóng bẩy khỏi phán xét thực sự. Các nhà lãnh đạo không thể nói được sự khác biệt có thể thưởng cho tốc độ, sự trôi chảy và sự trình bày trong khi bỏ lỡ các tín hiệu sâu hơn về chiều sâu kỹ thuật: sự nguyên bản, sự nghiêm ngặt, phân loại đánh đổi âm thanh và khả năng lập luận rõ ràng về các vấn đề lạ lẫm.

Các kỹ sư có khả năng nhất thường là những người tạo ra sự thấu hiểu, ngữ cảnh, phán xét thiết kế và phản hồi điều chỉnh làm cho cả nhóm và hệ thống AI hiệu quả hơn. Nếu một tổ chức cho phép công việc hiểu biết thấp, trôi chảy cao lan rộng không kiểm soát, nó không chỉ làm giảm chất lượng đầu ra cá nhân. Nó bắt đầu làm suy thoái môi trường kiến thức chính nó. Việc xem xét (review) trở nên yếu hơn. Các thảo luận thiết kế trở nên nông hơn. Tài liệu trở nên bóng bẩy hơn và ít hữu ích hơn. Theo thời gian, tổ chức trở nên tồi tệ hơn trong việc tạo ra sự rõ ràng và phán xét kỹ thuật mà nó phụ thuộc.

Đó là lý do lãnh đạo rất quan trọng ở đây. Thách thức không chỉ là áp dụng các công cụ AI. Đó là bảo vệ các điều kiện dưới đó tư duy thực sự, học hỏi và sự làm thủ công tiếp tục thịnh vượng.

Điều đó bắt đầu từ việc tuyển dụng. Các tổ chức sẽ cần các cách tốt hơn để phát hiện sự hiểu biết thực sự thay vì sự trôi chảy bề mặt. Họ sẽ cần các vòng phỏng vấn kiểm tra lập luận, không chỉ là câu trả lời bóng bẩy. Họ sẽ cần các hệ thống đánh giá thưởng sự rõ ràng, chiều sâu, phán xét âm thanh và đóng góp kỹ thuật bền vững thay vì chỉ thể tích đầu ra thuần túy.

Nó cũng ảnh hưởng đến thiết kế và văn hóa nhóm. Các kỹ sư mạnh không nên dành thời gian không cân xứng để dọn dẹp công việc được tạo ra có vẻ hợp lý nhưng nông bởi những người đã ủy thác tư duy của họ. Nếu lãnh đạo không chủ động bảo vệ chống lại điều đó, người làm việc hiệu quả cao trở thành nhân số cho mọi người ngoại trừ chính họ. Đó là một con đường nhanh đến sự thất vọng, tiêu chuẩn thấp và cuối cùng là sự rời bỏ.

Các tổ chức xử lý tốt điều này sẽ không là những đơn vị chỉ thúc đẩy áp dụng AI mạnh mẽ nhất. Họ sẽ là những người học cách tách đòn bẩy khỏi sự phụ thuộc, tăng tốc khỏi sự bắt chước, và khả năng thực sự khỏi đầu ra thuyết phục.

Trong kỷ nguyên AI, chất lượng tổ chức sẽ ngày càng phụ thuộc vào việc lãnh đạo có thể vẫn nhận ra sự khác biệt hay không.