Công cụ AI chỉ thực sự hiệu quả khi dựa trên phán đoán sắc bén của bạn

Công cụ AI chỉ thực sự hiệu quả khi dựa trên phán đoán sắc bén của bạn

Hiện nay, một nỗi lo thầm kín đang lan truyền trong các đội ngũ kỹ sư: Liệu mình có đang trở nên phụ thuộc vào AI quá mức không? Liệu khả năng phán đoán của mình có đang bị teo đi?

Quan điểm của tôi là: đó là câu hỏi sai. Câu hỏi đúng nên là liệu bạn đang sử dụng AI để làm sắc bén thêm phán đoán của mình hay để thay thế nó hoàn toàn. Đây là hai chế độ sử dụng hoàn toàn khác nhau, và hầu hết các kỹ sư thường vô tình trượt vào chế độ thứ hai mà không hề hay biết.

Bẫy sự phụ thuộc là có thật nhưng đang bị chẩn đoán sai

Phê bình phổ biến nhất hiện nay là các công cụ AI khiến kỹ sư trở nên lười biếng. Tôi không nghĩ vậy. Vấn đề không nằm ở sự lười biếng — mà là sự từ bỏ trách nhiệm (abdication). Khi bạn chấp nhận một giải pháp được tạo ra mà không thẩm định nó, bạn không thực sự tiết kiệm thời gian. Bạn đang trì hoãn một khoản nợ kỹ thuật mà lãi suất của nó sẽ tích lũy theo thời gian.

Kỹ sư sao chép và dán một đoạn mã xác thực (auth middleware) do AI tạo ra mà không đọc kỹ nó không hề làm việc nhanh hơn. Họ đang làm việc nhanh hơn lúc này, nhưng sẽ chậm hơn — và chậm hơn rất nhiều — khi đoạn mã đó âm thầm thất bại trong một trường hợp ngoại lệ (edge case) trên môi trường sản xuất lúc 2 giờ sáng.

Tuy nhiên, tôi muốn đưa ra một quan điểm thực tế ở đây: giải pháp không phải là sử dụng AI ít đi. Mà là sử dụng nó theo tư duy đối nghịch (adversarially).

Sử dụng AI theo tư duy đối nghịch (Adversarial Use)

Vậy việc sử dụng theo tư duy đối nghịch trông như thế nào? Bạn hãy coi kết quả đầu ra từ AI giống như một bản nháp của một kỹ sư cấp dưới thông minh nhưng quá tự tin. Bạn không nên từ chối nó một cách phản xạ, cũng không nên chấp nhận nó toàn bộ. Bạn phải thẩm tra nó.

Dưới đây là một mẫu câu lệnh (prompt) mà tôi đã tích hợp vào quy trình làm việc thực tế của mình:

Đây là giải pháp bạn đề xuất: [dán kết quả đầu ra]

Bây giờ hãy tranh luận chống lại nó. Những trường hợp ngoại lệ nào mà giải pháp này không xử lý được?

Bạn đã đưa ra những giả định nào có thể không đúng trong một hệ thống sản phẩm thực tế?

Bạn sẽ thay đổi điều gì nếu biết rằng đoạn mã này sẽ được một kỹ sư cấp cao đọc trong cuộc kiểm toán bảo mật?

Hãy chạy câu lệnh này sau bất kỳ giải pháp nào do AI tạo ra mà không tầm thường. Kết quả trả về hầu như luôn luôn hữu ích — các trạng thái lỗi bị bỏ sót, các giả định ngầm định về hình dạng dữ liệu đầu vào, các bề mặt tấn công bảo mật bị lướt qua. Và quan trọng nhất là: lúc này bạn đang suy nghĩ cùng với công cụ, chứ không chỉ đơn thuần tiêu thụ kết quả của nó.

Vòng lặp đó — tạo ra, thẩm tra, sửa đổi — chính là nơi phán đoán tồn tại. Đó là nơi giúp bạn duy trì sự sắc bén.

Kỹ năng thực sự không nằm ở việc viết Prompt

Những kỹ sư sẽ trở nên lợi hại với AI trong năm năm tới không phải là những người thuộc lòng các mẫu câu lệnh (prompt templates) tốt nhất. Họ là những người có thể nhìn vào bất kỳ kết quả đầu ra nào — dù là mã nguồn, sơ đồ kiến trúc, bản đặc tả kỹ thuật hay bộ kiểm thử — và ngay lập tức đặt ra những câu hỏi hoài nghi đúng đắn.

Kỹ năng đó được xây dựng thông qua thực hành. Viết prompt theo tư duy đối nghịch là một cách để thực hành nó một cách chủ động thay vì ngẫu nhiên.

AI không làm xói mòn phán đoán kỹ thuật. Việc sử dụng AI một cách thụ động mới làm điều đó. Sự phân biệt này rất quan trọng và hoàn toàn nằm trong tầm kiểm soát của bạn.