Bảo vệ kỹ năng kỹ sư trong kỷ nguyên AI: Bài học từ hàng không và hạt nhân

Trong cuộc đua ứng dụng trí tuệ nhân tạo (AI) vào quy trình phát triển phần mềm và thiết kế kỹ thuật, chúng ta đang đối mặt với một nghịch lý nguy hiểm: công cụ càng thông minh, kỹ năng của con người càng dễ bị bào mòn. Richard Mitchell, một kỹ sư hệ thống giàu kinh nghiệm, cảnh báo rằng nếu không có chiến lược đúng đắn, AI có thể tạo ra một thế hệ kỹ sư phụ thuộc hoàn toàn vào máy móc mà thiếu đi khả năng phán đoán độc lập.

Vấn đề: Sự tiện lợi đi kèm cái giá kỹ năng

Năng suất là thước đo thành công trong mọi tổ chức kỹ thuật. Khi các công cụ như GitHub Copilot hay ChatGPT có thể viết code, gợi ý thiết kế và kiểm tra lỗi trong vài giây, áp lực sử dụng chúng là vô cùng lớn. Tuy nhiên, Mitchell chỉ ra một thực tế đáng lo ngại: các kỹ sư mới vào nghề đang "học cách tin tưởng đầu ra của AI" thay vì học cách tự giải quyết vấn đề.

"Chúng ta đang tạo ra những chuyên gia biết cách ra lệnh cho AI nhưng không hiểu vì sao câu trả lời lại đúng hoặc sai."

Hệ quả là khi AI gặp tình huống bất thường — dữ liệu nhiễu, yêu cầu mơ hồ, hoặc lỗi logic tiềm ẩn — kỹ sư không đủ kinh nghiệm để nhận diện và xử lý. Đây là một dạng suy giảm kỹ năng (skill atrophy) đã được nghiên cứu kỹ trong các ngành an toàn quan trọng.

Bài học từ ngành hàng không: Tự động hóa không đồng nghĩa với thay thế

Ngành hàng không từng đối mặt với vấn đề tương tự vào những năm 1970-1980 khi hệ thống lái tự động trở nên phổ biến. Các phi công bắt đầu mất kỹ năng lái thủ công. Để giải quyết, ngành này đã đưa ra quy định bắt buộc giờ bay thủ công tối thiểu và huấn luyện mô phỏng tình huống khẩn cấp khi hệ thống tự động hỏng.

Kỹ thuật phần mềm có thể học hỏi trực tiếp mô hình này:

• Yêu cầu kỹ sư định kỳ viết code, thiết kế giải thuật mà không có sự trợ giúp của AI.

• Tạo các bài tập "cúp điện AI" — buộc nhóm làm việc với quy trình truyền thống để duy trì phản xạ cơ bản.

• Xây dựng văn hóa đánh giá đồng cấp thay vì chỉ tin tưởng kết quả kiểm tra tự động.

Bài học từ hạt nhân: Giám sát là trách nhiệm chứ không phải hình thức

Ngành điện hạt nhân có nguyên tắc "con người luôn là lớp phòng thủ cuối cùng". Dù hệ thống kiểm soát tự động hiện đại đến đâu, vẫn có các kỹ sư vận hành trực theo dõi từng thông số và có quyền ghi đè lệnh. Họ phải trải qua đào tạo mô phỏng kéo dài nhiều năm và kiểm tra định kỳ để đảm bảo luôn tỉnh táo và sẵn sàng xử lý.

Áp dụng vào bối cảnh phát triển phần mềm, điều này có nghĩa là mọi đoạn code do AI tạo ra cần được một kỹ sư có trình độ review kỹ lưỡng — không chỉ kiểm tra tính đúng đắn mà còn đánh giá thiết kế, độ dễ bảo trì và phù hợp với ngữ cảnh dự án. Vai trò này không thể giao phó hoàn toàn cho máy.

Hình minh họa: Bàn tay con người và robot cùng làm việc trên bản thiết kế kỹ thuật

Giải pháp: Chiến lược đào tạo có chủ đích

Mitchell đề xuất ba trụ cột để bảo vệ kỹ năng chuyên môn trong bối cảnh AI phổ biến:

• Luyện tập có chủ đích (Deliberate practice): Các công ty nên đầu tư vào các chương trình nội bộ nơi kỹ sư trẻ được giao các bài toán khó hoàn thành từ đầu, không dùng AI. Kinh nghiệm này xây dựng trực giác kỹ thuật — thứ mà máy móc không thể truyền dạy.

• Luân chuyển vai trò: Khuyến khích kỹ sư tham gia các giai đoạn khác nhau của vòng đời sản phẩm — từ viết yêu cầu, thiết kế, kiểm thử đến vận hành. Việc này giúp họ hiểu toàn cảnh và nhận ra giới hạn của từng công cụ tự động.

• Quy trình phản biện bắt buộc: Yêu cầu mọi đề xuất do AI tạo ra đều phải có phần "phân tích rủi ro" do con người thực hiện trước khi được chấp nhận. Điều này tạo áp lực tích cực để kỹ sư không ngừng đặt câu hỏi.

Bối cảnh cho kỹ sư Việt Nam

Với sự bùng nổ của các công ty gia công phần mềm và các startup AI tại Việt Nam, bài học này càng trở nên quan trọng. Nhiều doanh nghiệp trong nước đang chạy đua tích hợp AI để cạnh tranh về chi phí và tốc độ, nhưng ít ai chú trọng đến việc duy trì năng lực cốt lõi của đội ngũ. Các trường đại học cũng cần cập nhật chương trình giảng dạy để đảm bảo sinh viên vừa biết dùng AI hiệu quả, vừa hiểu sâu nguyên lý nền tảng.

Nếu không hành động từ bây giờ, Việt Nam có thể mất đi lợi thế cạnh tranh về nguồn nhân lực kỹ thuật chất lượng cao — thứ từng được quốc tế đánh giá cao.

Kết luận: AI là công cụ, con người là chủ thể

AI không phải là mối đe dọa trực tiếp nếu chúng ta biết cách quản lý. Thách thức thực sự nằm ở cách tổ chức vận hành và đào tạo. Lịch sử hàng không và năng lượng hạt nhân chứng minh rằng có thể đạt được năng suất cao mà không hy sinh chuyên môn con người — nhưng chỉ khi ban lãnh đạo nhận thức rõ và chủ động xây dựng các chương trình bảo vệ kỹ năng.

Câu hỏi không phải là "AI có thể làm được gì?" — AI làm được rất nhiều. Câu hỏi đúng là: "Làm sao để thế hệ kỹ sư tiếp theo vẫn có thể phát minh khi AI vô tình đưa ra câu trả lời sai?"