Cảnh báo từ Microsoft: AI tác nhân đang làm hỏng nguồn cung kỹ sư phần mềm trẻ

Cảnh báo từ Microsoft: AI tác nhân đang làm hỏng nguồn cung kỹ sư phần mềm trẻ

Mark Russinovich, Giám đốc kỹ thuật (CTO) của Microsoft Azure, và Scott Hanselman, Phó chủ tịch Cộng đồng Nhà phát triển của Microsoft, vừa đăng tải một bài ý kiến được bình duyệt trên tạp chí Communications of the ACM. Họ lập luận rằng các công cụ lập trình dựa trên AI tác nhân (agentic AI) đang tạo ra một cuộc khủng hoảng mang tính cấu trúc trong ngành kỹ thuật phần mềm.

Vấn đề cốt lõi nằm ở chỗ, trong khi AI mang lại sự tăng năng suất khổng lồ cho các kỹ sư cấp cao, nó lại tạo ra một sự "cản trở AI" (AI drag) đối với các kỹ sư mới vào nghề (Early-in-Career - EiC). Những người trẻ này thiếu kinh nghiệm và phán đoán để định hướng, xác minh và tích hợp đầu ra của AI, dẫn đến việc các công ty có xu hướng thuê nhân sự cấp cao và tự động hóa các công việc của nhân sự cấp thấp.

Sự sụp đổ của nguồn nhân lực trẻ

Russinovich và Hanselman chỉ ra rằng kết quả của động thái này là sự sụp đổ âm thầm của nguồn cung nhân tài, nơi ươm mầm cho thế hệ kỹ sư cấp cao tiếp theo. Các dữ liệu đưa ra trong bài báo vô cùng đáng lo ngại.

Một nghiên cứu của Harvard được trích dẫn cho thấy sau khi GPT-4 ra mắt, việc làm của những người trong độ tuổi 22-25 tại các vị trí tiếp xúc với AI (bao gồm phát triển phần mềm) đã giảm khoảng 13%, ngay cả khi các vị trí cấp cao lại tăng trưởng. Nghiên cứu riêng khác cho thấy việc tuyển dụng lập trình viên mới vào nghề đã giảm tới 67% kể từ năm 2022.

Ngoài ra, nghiên cứu của MIT vào đầu năm 2025 phát hiện rằng những người trưởng thành sử dụng ChatGPT để hỗ trợ viết văn có hoạt động não bộ giảm sút và khả năng ghi nhớ kém hơn so với những người tự làm việc. Các nhà nghiên cứu gọi hiện tượng này là "nợ nhận thức" (cognitive debt).

Lập trình không phải là Kỹ thuật phần mềm

Các tác giả đã đưa ra nhiều ví dụ thực tế từ công việc của họ với các tác nhân lập trình tiên tiến để chứng minh những rủi ro tiềm ẩn. Trong một trường hợp, một tác nhân AI khi xử lý tình huống tranh chấp tài nguyên (race condition) đã chèn một lệnh gọi sleep (ngủ). Đây là một cách sửa lỗi cổ điển chỉ che đậy vấn đề mà không giải quyết được lỗi đồng bộ hóa bên dưới. Một kỹ sư giàu kinh nghiệm sẽ bắt lỗi này ngay lập tức, nhưng một lập trình viên trẻ có thể sẽ bỏ qua.

Các tác giả ghi nhận các tác nhân thường tuyên bố thành công dù mã vẫn còn lỗi nghiêm trọng, sao chép logic thừa thãi trong toàn bộ mã nguồn, phớt lờ các sự cố crash (sập hệ thống) hoặc triển khai các bản vá tạm thời để vượt qua bài kiểm thử nhưng thất bại trong môi trường thực tế.

"Lập trình không phải là kỹ thuật phần mềm," họ viết. Khả năng phán đoán để bắt được những thất bại này, hay còn gọi là "gu hệ thống" (systems taste), chính là điều mà các kỹ sư mới vào nghề cần phát triển thông qua quá trình làm việc thực tế.

Giả thuyết "Kim tự tháp thu hẹp"

Các tác giả mô tả động thái này thông qua "giả thuyết kim tự tháp thu hẹp". Truyền thống, lập trình viên trẻ bước vào tổ chức để sửa lỗi và thực hiện các triển khai đơn giản. Đây là những nhiệm vụ rủi ro thấp giúp họ tiếp xúc với kiến trúc thực tế, tiêu chuẩn mã hóa và hệ thống xây dựng. Theo thời gian, một số người sẽ thăng tiến lên vai trò kỹ sư trưởng (tech lead).

Khi AI loại bỏ các công việc cấp thấp mà từ đó người trẻ học hỏi, đáy của kim tự tháp sẽ biến mất. Để minh họa cho cách các nhóm được tăng tốc bởi AI hoạt động trong thực tế, họ đề cập đến hai dự án nội bộ của Microsoft: dự án Societas (tên nội bộ của Office Agent mới) được xây dựng bởi 7 kỹ sư bán thời gian trong 10 tuần, tạo ra hơn 110.000 dòng mã trong đó 98% do AI tạo ra.

Đề xuất mô hình hướng dẫn y khoa

Lời giải pháp mà Russinovich và Hanselman đề xuất vay mượn từ giáo dục y khoa: một chương trình "người hướng dẫn" (preceptor) kết hợp các kỹ sư mới vào nghề với những người cố vấn dày dạn kinh nghiệm trong các nhóm sản phẩm thực tế. Tại đây, việc học phải là một mục tiêu tổ chức rõ ràng thay vì chỉ là sản phẩm phụ của việc vận hành hệ thống.

"Cũng giống như một y tá cần chứng minh sự sẵn sàng lâm sàng, các kỹ sư cũng cần làm như vậy để đạt được danh xưng của mình," Hanselman giải thích.

Trong thực tế, người hướng dẫn và lập trình viên trẻ sẽ sử dụng các công cụ AI cùng nhau. Người cấp cao sẽ quan sát cách người trẻ tương tác với AI, những gì họ chấp nhận hay từ chối, cách họ đánh giá đầu ra và nơi sự hiểu biết của họ bị đứt gãy. Vai trò của người cấp cao chuyển từ "người trả lời câu hỏi" sang "người dạy phán đoán". Các tác giả hình dung các chương trình hướng dẫn này sẽ kéo dài một năm hoặc lâu hơn, việc cố vấn được đo lường và trả lương như một kết quả giao hàng hạng nhất của tổ chức.

Phản ứng từ cộng đồng và kỹ năng cần thiết

Charity Majors, CTO của Honeycomb, người từ lâu đã cảnh báo về cuộc khủng hoảng lập trình viên trẻ, đã lưu ý trên mạng xã hội X rằng ở mọi nơi bà thấy bắt đầu tuyển dụng kỹ sư trẻ trong những năm gần đây, nỗ lực đó đều do các kỹ sư cấp cao dẫn dắt và vận động.

Tuy nhiên, phản ứng trên Reddit khá gay gắt, với nhiều cuộc thảo luận đặt câu hỏi liệu mô hình hướng dẫn có thể chịu đựng được áp lực từ cơ cấu khuyến khích của doanh nghiệp hay không. Một bình luận chỉ ra khoảng trống trong chương trình học:

"Vấn đề nguồn cung là thật và tuyển dụng junior vì lòng thương hại sẽ không giải quyết được nó. Hiện tại một dev junior mất khoảng 2 năm để trở nên năng suất. Một trợ lý lập trình AI làm cho dev cấp trung có thể năng suất hơn 30% ngay hôm nay. Con số thực sự không còn hợp lý nữa, trừ khi bạn đào tạo junior cụ thể để giám sát đầu ra của AI, đây là một kỹ năng hoàn toàn khác so với những gì các chương trình Khoa học máy tính dạy."

Đối với các lập trình viên trẻ đang điều hướng trong bối cảnh này, bài viết chỉ ra những kỹ năng cụ thể sẽ quan trọng trong hai đến ba năm tới. Chủ đề lặp lại không phải là học cách gõ lệnh (prompt) tốt hơn, mà là phát triển sự phán đoán khiến đầu ra của AI trở nên đáng tin cậy: hiểu rõ các nguyên tắc cơ bản của hệ thống phân tán, khả năng gỡ lỗi và đánh giá mã do AI tạo ra thay vì chấp nhận nó ngay lập tức, học cách đọc các hệ thống sản xuất thông qua khả năng quan sát và phản ứng sự cố, cũng như phát triển sự nhạy cảm với "mùi code" (code smell) - trực giác để biết khi nào một thứ trông có vẻ đúng nhưng về mặt kiến trúc thì không.

Các tác giả khẳng định rõ ràng rằng các kỹ sư mới vào nghề không nên được bảo vệ khỏi quá trình giải quyết vấn đề, mà thay vào đó nên được mời tham gia, giúp đỡ trong việc gõ lệnh, gỡ lỗi và xem xét cùng với các cố vấn để họ thấy cách chuyên gia tương tác với AI.