Kỹ năng lập trình sẽ sụp đổ vì sự phụ thuộc quá mức vào AI

Việc phụ thuộc ngày càng lớn vào các công cụ lập trình AI đang tạo ra nghịch lý nguy hiểm: những người cần học hỏi nhất lại là những người bị thiệt hại nhiều nhất. Với sự hỗ trợ của AI, các lập trình viên mới có thể tạo ra mã nhanh chóng nhưng lại thiếu nền tảng hiểu biết sâu để duy trì và sửa chữa hệ thống. Liệu chúng ta có đang hy sinh thế hệ chuyên gia lập trình tương lai để đổi lấy năng suất trước mắt?

Nghịch lý của “chuyên gia mới vào nghề”

Ngành công nghiệp phần mềm đang gửi những tín hiệu trái ngược đến các nhà phát triển trẻ. Một mặt, họ bị thúc ép phải sử dụng AI nếu không muốn “bị bỏ lại phía sau” — câu nói “AI sẽ không thay thế bạn, mà một người biết dùng AI sẽ thay thế bạn” đã lặp lại từ năm 2023. Mặt khác, họ lại được khuyên rằng để có kết quả tốt nhất từ AI, cần phải có tư duy bậc cao: viết đặc tả chính xác, thiết kế kiến trúc hợp lý, và luôn luôn xem xét kỹ lưỡng các đầu ra.

Vấn đề nằm ở chỗ: những kỹ năng đó chỉ có được sau nhiều năm trải nghiệm và đối mặt với khó khăn. Đây là tình thế tiến thoái lưỡng nan — nếu công cụ AI đòi hỏi chuyên môn để sử dụng hiệu quả mà lại ngăn cản quá trình tích lũy chuyên môn đó, thì làm sao một người mới có thể trở thành chuyên gia để dùng AI đúng cách?

Một nghiên cứu của JetBrains, hãng công cụ phát triển phần mềm nổi tiếng, khảo sát các lập trình viên mới trong các phiên lập trình trực tiếp với mức độ hỗ trợ AI khác nhau. Kết quả gây sốc:

“Những người tham gia nghĩ rằng họ đang có một gia sư riêng. Nhưng dữ liệu cho thấy họ không hề sử dụng GenAI như một gia sư. Thực tế hoàn toàn ngược lại.”

Những lập trình viên dùng AI nhiều nhất thường bỏ qua các bước lập kế hoạch quan trọng, và kết thúc với “ảo giác về năng lực” thay vì sự hiểu biết thực sự. Trong khi đó, những người hạn chế dùng AI lại thành công vì họ phát triển được “chuyên môn tiêu cực” — khả năng nhận biết và bỏ qua những gợi ý sai lệch từ AI.

Học tập đảo ngược — mô hình sai lầm

Do bản chất tự định hướng của LLM, người càng có nhiều kinh nghiệm thì càng được hưởng lợi nhiều từ AI vì họ có thể điều hướng, kiểm tra và xác minh các đầu ra một cách chính xác. Ngược lại, người càng ít hiểu biết thì AI càng dễ dẫn họ đi sai đường. Đây là mô hình “học tập đảo ngược” — một sự đảo ngược vai trò kỳ lạ khi học viên phải hướng dẫn người cố vấn ngay từ đầu.

Quá trình này cực kỳ mong manh. Khi khám phá một lĩnh vực mới, bạn không biết mình đang thiếu kiến thức gì, và bản chất mềm dẻo của LLM khiến bạn tin rằng mình biết nhiều hơn thực tế. Nghiên cứu quy mô lớn của Đại học Pennsylvania năm 2025 với 1.000 sinh viên học toán bằng LLM cho thấy: những sinh viên dùng AI như “cây gậy chống” có kết quả kém hơn 17% so với nhóm chỉ dùng sách giáo khoa.

Ma sát chính là tính năng

Chuyên môn và sự tinh thông không đến từ quan sát và đối thoại, mà từ trải nghiệm, lặp lại, và thử-sai. Nếu muốn học nấu ăn, bạn có thể xem đầu bếp thực hiện và hỏi không ngừng — sau một tháng, bạn có thể mô tả hoàn hảo một miếng bò bít tết áp chảo nhưng sẽ vẫn làm cháy nó ở lần đầu tiên tự tay nấu.

Lập trình có vô số khoảnh khắc phải truy tìm lỗi khó hiểu không có log file, cảm nhận sự khác biệt tinh tế về hiệu suất giữa các giải pháp, hoặc phải viết lại toàn bộ approach khi nhận ra nó không thể mở rộng. Chính sự ma sát này tạo nên “trực giác lập trình viên” — thứ mà người Đức gọi là Fingerspitzengefühl (cảm giác đầu ngón tay).

Nghiên cứu của Anthropic năm 2026 cũng đi đến kết luận tương tự:

“Nỗ lực nhận thức — thậm chí là bị mắc kẹt đến đau đớn — rất có thể là chìa khóa để phát triển sự tinh thông.”

Một sự mỉa mai rõ ràng: cách học hiệu quả nhất với công cụ AI lập trình là khi bạn không dùng nó để sinh mã.

AI coding mentor

Sự sụp đổ của đường ống chuyên môn

Nếu LLM có thể viết mã, sửa lỗi, và các tác nhân AI có thể thiết kế hệ thống từ vô số mẫu trong dữ liệu huấn luyện, thì vai trò của kiến thức này là gì? Có một ván cược nghìn tỷ đô la đang diễn ra: kiến thức này sẽ không còn quan trọng vì LLM sẽ trở thành thế hệ “lập trình viên” mới. Nhưng như David Cramer, đồng sáng lập Sentry, nhận định:

“Có một kiểu người tin rằng LLM sẽ đủ tốt để quay lại dọn dẹp tất cả rác rưởi đã chất đống. Tôi không tin điều đó. Tôi nghĩ đó là một thí nghiệm khoa học. Bạn muốn khoe rằng bạn có thể sinh toàn bộ mã của mình và chạy hàng trăm thứ song song? Tôi sẽ khoe rằng mã của bạn hỏng 100% thời gian.”

Cách tiếp cận: Ma sát trước tiên

Joel Spolsky đã viết từ năm 2002 trong Law of Leaky Abstractions: “Các công cụ sinh mã giả vờ trừu tượng hóa thứ gì đó, như mọi sự trừu tượng, đều bị rò rỉ. Và cách duy nhất để xử lý sự rò rỉ một cách thành thạo là học về cách hoạt động của các lớp trừu tượng.”

Lời khuyên: Nếu muốn học Java, đừng bắt đầu với Spring Boot. Nếu muốn học JavaScript căn bản, đừng bắt đầu với React. LLM có thể được xem như một sự trừu tượng rò rỉ tối thượng. Thay vì dùng AI để sinh mã, hãy dùng nó như người hướng dẫn theo phương pháp Socrates — người đặt câu hỏi và hướng dẫn bạn tự tìm ra giải pháp. Nghiên cứu cho thấy phương pháp này giúp nhóm sinh viên dùng AI kiểu “gia sư” đạt kết quả tốt hơn 127% trong các buổi thực hành.

Khi dùng AI, hãy tự hỏi:

• Nếu không có AI, tôi có làm được việc này không?
• Tôi đang dùng AI để hiểu sâu hơn hay để có câu trả lời nhanh hơn?
• Nếu phải kiểm tra đầu ra, tôi có giải thích được điều gì đang xảy ra không?
• Tôi đã nghiên cứu đủ để biết cần hỏi những câu nào chưa?
• Tôi đã đối chiếu qua tài liệu chính thức chưa?

Sự khác biệt cốt lõi nằm ở chỗ: nợ nhận thức là từ bỏ phán đoán và quyết định của mình, trong khi giải phóng nhận thức là giao phó các phần việc máy móc, lặp lại. Như François Chollet, người tạo ra chuẩn ARC-AGI, đã nói:

“LLM là một cơ sở dữ liệu tĩnh về kỹ năng. Chúng là cỗ máy nội suy. Nhưng kỹ thuật phần mềm là một bài tập thích nghi và giải quyết vấn đề mới. Bạn không thể nội suy cách vượt qua một sự cố hệ thống hoàn toàn độc nhất.”

Nếu chúng ta cứ mãi chăm chăm vào số dòng mã và token đã đốt trong khi đường ống chuyên môn khô cạn dần, thì tầm nhìn của Sam Altman — bán trí thông minh như một loại tiện ích tính theo đồng hồ — có thể trở thành hiện thực. Khi đó, kiến thức lĩnh vực sẽ trở nên khan hiếm, và mỗi khi cần làm bất kỳ công việc phát triển nào, con người sẽ rơi vào trạng thái tê liệt nếu không có gói đăng ký AI hoạt động bên cạnh.