AI là công cụ, nhưng dùng giỏi cần có kỹ năng

Trong bài viết "'AI' is Not a Tool" ngày 11 tháng 10 năm 2026, Rich Hickey lập luận rằng các mô hình ngôn ngữ lớn (LLM) thực chất là tự động hóa chứ không phải công cụ, bởi vì chúng không thể bị con người điều khiển như một công cụ thông thường.

Tôi đồng ý rằng việc giao phó công việc cho máy móc có thể khiến chúng ta đánh mất cơ hội học hỏi. Nhưng kết luận của Hickey không hợp lý. Ngay cả theo định nghĩa của ông, LLM vẫn có thể là thứ mà con người điều khiển. Và để dùng nó giỏi, ta cần kỹ năng — hệt như với mọi công cụ khác.

Công cụ không tự đảm bảo kết quả đúng

Cầm cưa lên không đảm bảo đường cắt thẳng. Cầm đục không biến bạn thành nhà điêu khắc. Công cụ có thể khuếch đại phán đoán tồi cũng dễ như khuếch đại phán đoán tốt.

Giá trị của một công cụ phụ thuộc vào khả năng của người sử dụng: định hướng nó, diễn giải phản hồi, nhận ra sai sót và sửa chữa. Những yêu cầu đó cũng đúng với LLM.

Tính không thể đoán trước của LLM là một hạn chế thực sự. Nhưng tính dễ đoán, độ tin cậy, sự đơn giản và chức năng có giới hạn là những tiêu chí ta dùng để đánh giá công cụ, chứ không phải điều kiện để một thứ được xếp vào loại công cụ.

Một công cụ không ngừng là công cụ chỉ vì nó khó kiểm soát hay dễ bị lạm dụng.

Ranh giới giả tạo giữa công cụ và tự động hóa

Cách phân biệt của Hickey giữa công cụ và tự động hóa tạo ra một sự chia cắt không có thật. Tự động hóa có thể là một tính năng của công cụ.

• Trình biên dịch (compiler) thực hiện khối lượng lớn công việc mà lập trình viên không cần điều khiển từng thao tác.
• Bảng tính tự động tính lại kết quả mà không ai phải thực hiện từng phép tính thủ công.

Chúng ta vẫn điều khiển những hệ thống này bằng cách chỉ định đầu vào, xem xét kết quả và quyết định bước tiếp theo. Vậy tại sao việc tự động sinh văn bản lại bị loại khỏi loại công cụ, trong khi tự động dịch mã hay tính toán thì không?

Vòng phản hồi do con người dẫn dắt

Cáo buộc rằng dùng LLM thiếu ý định, phản hồi, định hướng và chuyên môn đặc biệt khó bảo vệ.

Một lập trình viên hoàn toàn có thể yêu cầu LLM giải thích đoạn mã lạ, chất vấn lời giải thích đó, kiểm tra mã nguồn, thử áp dụng một thay đổi đề xuất, từ chối nó rồi tinh chỉnh yêu cầu. Đó là một vòng phản hồi do con người dẫn dắt nhằm theo đuổi một mục đích.

Làm việc này giỏi đòi hỏi phải biết nên hỏi gì, bằng chứng nào quan trọng và khi nào câu trả lời là sai. Chuyên môn khiến công cụ trở nên hữu dụng hơn.

Lo ngại về việc đọc và cách hiểu sai

Lo ngại của Hickey về việc đọc là có lý trong một trường hợp cụ thể: chấp nhận bản tóm tắt thay cho việc đọc bài báo gốc có thể đánh mất phần lớn giá trị mà việc đọc mang lại.

Nhưng một người cũng có thể đọc bài báo rồi dùng LLM để chất vấn cách hiểu của mình, khám phá một phản biện, hoặc tìm ra điểm cần xem xét kỹ hơn. Khả năng né tránh công việc trí tuệ không đồng nghĩa mọi cách dùng đều né tránh nó. Câu hỏi thực sự là người đó đã làm gì.

Vấn đề với ngôn từ mang tính nhân cách hóa

Điều khiến tôi thất vọng nhất là việc dựa vào bộ từ vựng nhân cách hóa của ngành AI: "nổi loạn", "thoát khỏi vòng kiểm soát", "âm mưu". Lặp lại những cách diễn đạt này là nguy cơ chấp nhận lối đóng khung khiến các hệ thống ấy nghe như những thực thể độc lập.

Phần mềm có thể tạo ra đầu ra bất ngờ, không tuân theo hướng dẫn, hoặc gây hại khi được cấp quyền thực hiện các hành động có hệ quả. Đó là những vấn đề kỹ thuật thực sự. Gọi chúng là "âm mưu" chỉ thêm gợi ý về động cơ con người mà không chứng minh được gì.

Tôi sẽ không khẳng định LLM luôn làm đúng chính xác điều con người yêu cầu. Nó rõ ràng có thể thất bại. Nhưng việc không tuân theo hoàn hảo không khiến nó ngừng là công cụ, cũng như việc dùng thành công không chứng minh người điều khiển đã từ bỏ phán đoán của mình.

Phân biệt hữu ích

Sự phân biệt có ích nằm ở việc điều khiển một công cụ bằng kỹ năng so với giao phó công việc mà không hiểu hay giám sát đầy đủ.

Sự phân biệt ấy áp dụng cho AI, và nó cho ta điều thực tế hơn là tuyên bố rằng cả một lớp phần mềm không thể là công cụ.

Với người dùng và lập trình viên Việt Nam đang ngày càng đưa AI vào công việc, thông điệp này đáng lưu tâm: giá trị thực sự không nằm ở việc có AI hay không, mà ở kỹ năng sử dụng nó — biết hỏi đúng, kiểm chứng kỹ và giữ vai trò chủ động trong quá trình làm việc.