AI trong lập trình: Khi công cụ làm gia tăng khoảng cách giữa Senior và Junior

Gần đây, một kỹ sư trẻ (Junior) trong đội của tôi đã kéo tôi sang một bên. Không phải để nhờ giúp đỡ, mà để chia sẻ một lo ngại. Anh ấy thú nhận rằng không phải lúc nào anh cũng hiểu rõ tất cả những gì AI đưa ra cho mình. Anh ấy đọc nó, kiểm tra nó, và chuyển nó (ship) vào sản phẩm. Nhưng anh ấy không thể tự tin khẳng định liệu đó có phải là giải pháp đúng đắn hay không. Anh ấy bảo rằng anh đang học tập bằng cách đọc những gì AI viết.

Tôi đã ngồi suy nghĩ về điều ấy một lúc.

Anh ấy có cái nhìn tỉnh táo hơn đa số mọi người. Những gì anh ấy mô tả là chế độ mặc định của rất nhiều kỹ sư trẻ hiện nay trên khắp các đội dự án, không chỉ riêng đội của tôi. Họ tiếp cận các công cụ AI. Kết quả đầu ra trông giống như mã nguồn (code). Nó biên dịch được. Các bài kiểm tra cơ bản đều vượt qua. Vì vậy, họ gọi đó là học hỏi.

Thực tế không phải vậy. Đọc kết quả của AI giống như sao chép định lý từ bảng đen mà không tự chứng minh nó. Ký hiệu thì đúng, nhưng sự hiểu biết thì không tồn tại. Và khoảng trống giữa hai điều ấy vô hình cho đến khi hệ thống gặp sự cố (production breaks).

Bộ nhân thuộc về những người ít cần nó nhất

Một nghiên cứu theo dõi mức độ sử dụng tín dụng AI trên các đội ngũ kỹ thuật đã phát hiện ra rằng các kỹ sư cấp cao (Senior) sử dụng các công cụ này nhiều gấp 4 đến 5 lần so với kỹ sư trẻ. Những người được hưởng lợi nhiều nhất từ "bộ nhân" hiệu suất lại chính là những người ít cần sự giúp đỡ nhất.

Lần đọc đầu tiên, người ta có thể nghĩ rằng các kỹ sư trẻ cần được thúc đẩy để áp dụng công nghệ. Nhưng tôi không nghĩ chuyện đó đang diễn ra. Vấn đề là ở chỗ những người đi trước biết chính xác họ cần yêu cầu cái gì. Họ có thể đánh giá kết quả đầu ra ngay lập tức khi nó hiện ra. Họ sử dụng AI cho các việc như tạo mã mẫu (boilerplate), tạo bài kiểm tra (test), di chuyển dữ liệu (migration)... những phần công việc mà sự phán xét của họ đã được đúc kết từ trước và họ đang mua lại thời gian thực thi.

Kỹ sư Senior với AI giống như một phi công chiến đấu có chế độ tự lái (autopilot). Chế độ tự lái làm rất nhiều việc. Nhưng mọi thứ nó làm đều được đánh giá bởi một người đã tích lũy đủ giờ bay. Một người biết một câu trả lời sai trông như thế nào trước khi các công cụ đo lường phát hiện ra.

Trao công cụ đó cho một người đã bỏ qua các kiến thức cơ bản và bạn sẽ nhận được một thứ trông hoàn toàn giống nhau từ bên ngoài. Mã được viết. Yêu cầu Pull Request (PR) được mở. Tính năng được vận hành. Sau đó hệ thống sập lúc 2 giờ sáng và kỹ sư đó phải tìm kiếm trên Google chính đoạn code của mình như thể đó là hiện trường vụ án của người khác.

Kỹ sư Senior với AI giống như phi công chiến đấu có autopilot. Kỹ sư Junior thiếu kiến thức cơ bản thì giống như người đang bấm loạn xạ mọi nút đèn phát sáng.

"Vibe Coder" đã ẩn mình trong quy trình Code Review của bạn

Cuộc thảo luận về "vibe coding" (viết code theo cảm hứng) đã đủ lớn khiến hầu hết các lãnh đạo kỹ thuật đều có quan điểm về nó. Đó là những người chuyển giao (ship) mã mà họ không thể giải thích, chạy theo cảm hứng thay vì sự thấu hiểu. Đa số các đội đều tự tin rằng họ không gặp vấn đề này.

Tôi khuyên bạn hãy nhìn lại kỹ hơn.

Những gì kỹ sư trẻ của tôi mô tả về cấu trúc hoàn toàn giống với "vibe coding", chỉ là nó xuất hiện dưới vẻ ngoài của một quy trình làm việc của nhà phát triển. Đó là kết quả hỗ trợ bởi AI mà kỹ sư đã học được thông qua việc đọc thay vì tự xây dựng. Đoạn mã hoạt động trong môi trường cục bộ nhưng mang những giả định ngầm định quan trọng mà không ai thẩm tra. Những kỹ sư không thể tự tin nói cho bạn biết kết quả đó có đúng hay không, bởi họ chưa từng phát triển bản năng để cảnh báo khi có điều gì đó đang sai sai một cách thầm lặng.

Vibe coder không xây dựng gì cả nhưng vẫn chuyển giao. Kỹ sư trẻ có AI đang xây dựng thông qua AI và chuyển giao. Kết quả trông khác nhau trong PR. Dưới tải thực tế của hệ thống, lúc 2 giờ sáng, sự khác biệt đó trở nên khó nhận ra hơn.

Điểm mấu chốt nằm ở câu hỏi họ đặt ra khi có sự cố xảy ra. Kỹ sư Senior sẽ hỏi sự cố ở đâu và tại sao. Kỹ sư trẻ xây dựng toàn bộ qua AI sẽ hỏi AI đã đưa ra cái gì và cách sửa nó như thế nào.

Một bên là gỡ lỗi (debugging). Bên kia là chăm sóc khách hàng.

Tôi từng là người hoài nghi trước

Tôi muốn thành thật về một điều gì đó.

Bước đầu tiên của tôi với AI là sự kháng cự, không phải là chấp nhận. Tôi không phải là người lao ngay vào các công cụ này. Tôi đã kiểm tra chúng với sự hoài nghi. Tôi đã thất bại với chúng. Tôi phải xây dựng một cảm giác thực sự khi nào nên tin tưởng đầu ra và khi nào nên ghi đè nó trước khi tôi có thể sử dụng AI theo cách tôi đang dùng bây giờ. Quy trình đó... ma sát của nó, những lần lặp lại việc sai và phải tự tìm hiểu lý do tại sao... chính là điều đã mang lại cho tôi sự phán đoán mà tôi mang đến trong mọi tương tác với AI ngày nay.

Và không phải lỗi của họ. Hệ thống không yêu cầu họ trải qua nó. Họ không được yêu cầu sai và học từ cái sai đó. Họ được yêu cầu chuyển giao (ship). Công cụ đến, kết quả hiện ra, và quy trình làm việc tiếp tục dù kỹ sư đó có thể tự viết được bất kỳ đoạn nào trong đó hay không.

Với tư cách là một lãnh đạo, công việc của tôi là đi trước một bước về những gì công cụ đang tạo ra, không chỉ là những gì chúng cho phép. Và những gì chúng đang tạo ra ngay bây giờ là một thế hệ kỹ sư học bằng cách đọc kết quả của AI và gọi đó cũng giống như việc tự xây dựng.

Các kỹ sư trẻ của tôi đang nhận được công cụ mà không cần đi qua hành trình. Và hệ thống không yêu cầu họ thực hiện hành trình đó.

Nền tảng có còn quan trọng?

Lập luận phản bác mà tôi nghe thấy bên dưới tất cả những điều này là liệu nó có còn quan trọng nữa hay không. Mã vẫn được vận chuyển. Sản phẩm vẫn hoạt động. Có lẽ việc yêu cầu kỹ sư hiểu những gì họ đang xây dựng chỉ là mối quan tâm của thế hệ cũ được ngụy trang dưới vẻ ngoài của sự khôn ngoan.

Tôi lập luận rằng nó quan trọng hơn bây giờ, không phải ít hơn.

Cục Hàng không Liên bang Mỹ (FAA) không giảm yêu cầu giờ bay thủ công khi tính năng tự lái được cải thiện. Họ duy trì các yêu cầu đó, bởi vì điều mà tự động hóa làm tốt hơn ở biên độ cũng chính là điều nó làm thảm khốc hơn khi nó thất bại. Phi công có nhiều giờ bay thủ công nhất cũng là người sử dụng tự lái tốt nhất, không phải vì những giờ bay đó tạo ra sự hoài niệm cho việc lái bằng tay, mà vì chúng xây dựng sự nhận diện mẫu hình giúp phát hiện những gì tự động hóa bỏ sót.

Kỹ thuật cũng tương tự. AI làm cho các khoảng trống trở nên vô hình. Nó che đậy những lần lặp lại (reps) còn thiếu bằng một đầu ra trông đúng đắn. Kỹ sư Senior có thể nhìn xuyên qua lớp vỏ bọc bởi vì họ đã đứng ở phía bên kia của đoạn mã đó, trong môi trường sản xuất, dưới áp lực tải, khi các giả định bị phá vỡ. Họ biết lớp vỏ bọc đang che giấu điều gì vì họ từng viết nó.

Một kỹ sư trẻ chủ yếu xây dựng qua AI không có điều đó. Không phải vì họ kém khả năng hơn. Bởi vì họ chưa từng phải sai trong các môi trường phù hợp.

Khoảng cách đang ngày càng nới rộng

Các kỹ sư Senior của tôi đang làm những việc ngay bây giờ trông không thể tưởng tượng được mười tám tháng trước. Tôi quan sát và cảm thấy hai điều cùng lúc. Niềm tự hào về những gì họ có thể sản xuất. Và một câu hỏi khó hơn mà tôi không ngừng suy nghĩ.

Sự phán đoán của họ... thứ khiến họ trở nên nguy hiểm với công cụ đó... đến từ những kinh nghiệm không còn diễn ra theo cùng một cách nữa. Gỡ lỗi lúc 11 giờ đêm. Viết hệ thống từ đầu và watching chúng thất bại. Tái cấu trúc (refactor) dưới áp lực mà không có chỗ để ẩn nấp. Những thứ đó không chỉ là ký ức. Đó là những lần lặp lại đã xây dựng cơ bắp đánh giá mà họ mang đến cho mọi đầu ra của AI ngày nay.

AI đang làm những lần lặp lại đó cho thế hệ kỹ sư tiếp theo.

Sự phán đoán của các Senior đến từ việc gỡ lỗi lúc 11 giờ đêm và viết hệ thống từ con số 0. AI đang làm những lần lặp lại đó cho thế hệ tiếp theo.

Những kỹ sư trẻ đã tự mình chỉ ra mối lo ngại cho tôi là những người tôi theo dõi cẩn thận nhất. Không phải vì họ tụt hậu... mà vì họ đã cảm nhận được điều gì đó đang thiếu. Sự nhận thức đó là khởi đầu của nền tảng. Họ đang xây dựng nó chậm hơn, nhưng họ đang cố gắng xây dựng nó.

Những người tôi lo ngại là những người hoàn toàn không nhận ra khoảng trống đó. Những người chuyển giao với sự tự tin bởi vì đầu ra biên dịch được, các bài kiểm tra vượt qua và chưa có gì bị phá vỡ.

Nó sẽ bị phá vỡ.

Nhân con số 0 với bất cứ thứ gì vẫn chỉ là 0. Và những kỹ sư đang chứng kiến các Senior của họ sử dụng AI để làm trong một buổi chiều những thứ từng mất một tuần nên tự đặt cho mình một câu hỏi khác, thay vì là cách sử dụng công cụ.

Họ nên hỏi rằng các Senior của họ đã xây dựng những gì trước khi công cụ đến.