Kỹ sư Salesforce cho biết AI hiện viết hơn 90% mã của anh

Một kỹ sư nghiên cứu tại Salesforce cho biết các tác nhân AI đã thay đổi căn bản cách anh làm việc: thay vì tự viết phần lớn mã, anh điều phối nhiều tác nhân để xử lý tính năng, lỗi và kiểm thử. Dù công cụ giúp tăng tốc đáng kể, anh vẫn cho rằng chúng cần sự đánh giá của con người, đặc biệt khi thiết kế kiến trúc, nghiên cứu vấn đề mới và tạo ra nội dung có tiếng nói riêng.

Từ kỹ sư Windows đến nghiên cứu AI

Trong bài viết nhìn lại cách sử dụng AI vào tháng 10/2026, tác giả cho biết năm trước anh làm kỹ sư trong nhóm AI của Windows tại Microsoft; hiện anh là kỹ sư nghiên cứu tại Salesforce AI Research. Công việc mới tập trung nhiều hơn vào hỗ trợ các nhà khoa học và xây dựng nguyên mẫu nhanh, thay vì làm việc trong một nhóm kỹ sư lớn. Anh cho biết chi khoảng 3.000 USD mỗi tháng cho lượng sử dụng mô hình.

Bên cạnh những cách dùng đã có từ năm trước như lập trình, tìm kiếm, nghiên cứu, tóm tắt, chép lời và viết, anh bắt đầu dùng AI cho giọng nói và video. Anh cũng đang xây dựng một chính sách AI cá nhân để xác định cách mình muốn sử dụng các công cụ này trong đời sống hằng ngày.

Theo tác giả, các công cụ AI đang len vào nhiều tình huống, từ viết tin nhắn công việc đến tạo hình ảnh và giao phó suy nghĩ cho máy. Vì chuẩn mực xã hội về cách sử dụng chúng chưa rõ ràng, chính sách cá nhân có thể giúp mỗi người cân nhắc đâu là cách dùng hữu ích, đâu là điều nên tránh.

Tác nhân lập trình tăng tốc công việc, nhưng chưa thay thế kỹ sư

Tác giả mô tả lập trình bằng tác nhân (agentic coding) là thay đổi lớn nhất trong năm. Trong một ngày làm việc, anh thường điều phối khoảng 5–6 tác nhân như Claude Code, OpenCode, Codex hoặc Pi. Mỗi tác nhân được giao một nhiệm vụ và một bản sao mã riêng trong cây làm việc Git (Git worktree), sau đó có thể tự viết mã, chạy kiểm thử, tạo và rà soát yêu cầu hợp nhất.

Gợi ý mã tự động trong quá trình lập trình

Theo trải nghiệm của anh, các tác nhân giúp tạo nguyên mẫu tính năng mới trong khoảng 20 phút, thử nghiệm ý tưởng nhanh và xử lý những lỗi khẩn cấp trong khi anh tiếp tục làm việc khác. Chúng cũng giúp anh thử những thay đổi lớn trên phần mềm cũ, chẳng hạn bổ sung khả năng khử tiếng ồn tốt hơn cho Mumble.

Tuy nhiên, tác giả không cho rằng công việc kỹ thuật đã được giải quyết. Nếu để tự hoạt động, các tác nhân có thể tạo ra mã khó đọc, thiết kế quá phức tạp hoặc hoạt động không tốt. Anh nhận định chúng vẫn cần kinh nghiệm và óc đánh giá của con người. Trong một dự án, anh tự viết một công cụ thay thế khoảng 4.000 dòng mã do AI tạo bằng vài trăm dòng; phiên bản mới linh hoạt hơn, dễ kiểm thử hơn và có thể áp dụng rộng hơn.

Việc điều phối nhiều tác nhân cũng gây mệt mỏi. Theo dõi sáu cuộc hội thoại về sáu tính năng khác nhau khiến anh phải chuyển đổi liên tục giữa các vấn đề. Anh còn lo ngại việc giao phần lớn công việc viết mã cho máy móc làm giảm niềm vui của nghề lập trình — từ mài giũa từng đoạn mã đến tìm ra cách thiết kế phù hợp.

Điều phối nhiều tác nhân lập trình

Cách rà soát mã cũng thay đổi. Thay vì kiểm tra từng dòng như khi làm việc với đồng nghiệp, tác giả tập trung nhiều hơn vào kiến trúc và những vấn đề có tính hệ thống. Anh vẫn kiểm tra và chạy thử mã do tác nhân tạo ra, bởi chúng chưa đủ đáng tin để có thể giao việc mà không xác nhận kết quả.

Anh cũng dùng các tác nhân để rà soát mã và bổ sung hướng dẫn khi phát hiện lỗi lặp lại. Dù vậy, AI có thể phát hiện lỗi và vấn đề về phong cách, nhưng vẫn yếu trong việc thiết kế kiến trúc. Vì thế, rà soát bằng AI chưa thể thay thế đánh giá của con người.

AI hỗ trợ rà soát mã

Tìm kiếm và học tập: hữu ích hơn, nhưng cần kiểm chứng

Tác giả cho biết phần tóm tắt AI của Google đã khiến tìm kiếm truyền thống chuyển sang trạng thái ưu tiên câu trả lời do AI tạo. Các câu trả lời này thường đủ tốt cho những câu hỏi cụ thể, như tìm thông số sản phẩm hay một biểu tượng cảm xúc. Nhưng chúng vẫn có thể đưa ra đường dẫn sai hoặc không tìm được nguồn gốc của một cụm từ.

Với những gợi ý mua sắm, anh vẫn thiếu tin tưởng vào lời khuyên của AI. Anh dùng công cụ để tìm hiểu lựa chọn kính thực tế ảo trong ngân sách và các chi tiết kỹ thuật về mỡ bôi trơn cho máy trộn KitchenAid, nhưng không chắc có thể dựa vào chúng khi chọn bàn cà phê hay ghế sofa giường.

Tác giả đặc biệt đánh giá cao khả năng dùng mô hình ngôn ngữ lớn (LLM) để học những khái niệm đã biết. Anh từng nhờ Claude hướng dẫn từng bước cách tinh chỉnh Mistral để nói như cướp biển, luyện cách phản ứng với cuộc gọi cấp cứu nghe được trên sóng phát thanh, và dùng phương pháp gợi mở kiểu Socrates để tìm ý tưởng cho việc nhận biết khi người dùng đã nói xong trong các tác nhân giọng nói.

Anh cũng dùng Claude để hiểu một tài liệu pháp lý phức tạp và tự kiểm tra mức độ nắm bắt một đợt rà soát mã dài. Tuy nhiên, tác giả cảnh báo rằng công cụ vốn được tối ưu để làm việc thay người dùng có thể quên vai trò gia sư, trừ khi được nhắc phải dạy. Việc học vẫn đòi hỏi người học chủ động suy nghĩ; câu trả lời tức thời không đồng nghĩa với hiểu biết.

So với năm trước, tác giả thấy các mô hình đáng tin hơn trong nhiều câu hỏi thực tế. Anh cho rằng điều này đến từ cả việc người dùng hiểu rõ hơn giới hạn của AI lẫn năng lực mô hình được cải thiện. Dù vậy, khi nghiên cứu tài liệu, mô hình vẫn có thể củng cố một lập luận bất kể nó đúng hay sai, đồng thời mang theo những thiên lệch mặc định.

Trong nghiên cứu mới, giới hạn này thể hiện rõ hơn. Khi tìm hiểu cách xác định lượt nói trong hội thoại, AI giúp tác giả tìm tài liệu và bộ dữ liệu, nhưng cũng có lúc dẫn anh đi sai hướng. Anh mất nhiều ngày trao đổi với mô hình về cách phân biệt lượt nói và sự ngắt lời; vấn đề chỉ được làm sáng tỏ sau một cuộc thảo luận với đồng nghiệp. Theo anh, AI hiện vẫn chưa phải cộng sự đáng tin cậy để cùng suy nghĩ về những vấn đề phức tạp.

Tóm tắt và chép lời đã ổn định, giọng nói chưa đủ tự nhiên

Tác giả nhận xét các mô hình trực tuyến lẫn mô hình chạy cục bộ đã làm tốt việc tóm tắt và chép lời. Anh dùng OpenWhispr và Handy để đọc chính tả cho máy tính, đặc biệt khi giao tiếp với các tác nhân lập trình. Theo anh, các mô hình tốt nhất có thể chạy trực tiếp trên máy tính và miễn phí; hạn chế chủ yếu là một số ứng dụng còn lỗi, chẳng hạn phím tắt hoạt động thiếu ổn định.

Anh cũng cho biết các cuộc họp của mình có ghi chú tự động, trong khi một người bạn xây dựng quy trình cục bộ để chép lời và tìm kiếm trong video gia đình. Dù vậy, anh chưa tìm được cách dùng giọng nói ngoài việc đọc chính tả một cách ổn định. Công nghệ giọng nói có tiềm năng trở thành cách giao tiếp tự nhiên với máy móc, nhưng theo trải nghiệm của anh, nó chưa đủ riêng tư, tiện lợi hay hữu ích để tạo cảm giác liền mạch.

Không muốn giao tiếng nói cá nhân cho AI

Tác giả vẫn không dùng AI để viết từ đầu hoặc lập dàn ý cho những nội dung mình tạo ra. Anh thừa nhận các tác nhân đã hiểu bối cảnh tốt hơn trước, nên đôi khi có thể viết tài liệu hướng dẫn cho thí nghiệm hoặc tài liệu giới thiệu cho mã do chúng tạo. Tuy nhiên, anh thường chỉnh sửa lại nội dung hoặc bổ sung phần tóm tắt, đồng thời cân nhắc việc yêu cầu tác nhân ghi rõ khi văn bản do AI viết.

Theo anh, văn bản AI thường dài dòng, lặp ý và thiếu sức sống, nhưng đôi lúc lại quá ngắn hoặc mơ hồ. Mô hình có thể tổng hợp nhiều tài liệu thành một báo cáo nghe có vẻ sâu sắc nhưng khó xác định đâu là lập luận đáng tin. Tác giả vẫn dùng AI để tìm từ phù hợp, nhưng không xem nó là biên tập viên đáng tin cậy: những lời góp ý thường dễ dãi, thiếu sắc thái hoặc làm giọng văn trở nên bình thường hơn.

Sáng tạo bằng AI: khác biệt giữa công cụ và vật thay thế

Tác giả không tìm thấy ứng dụng thuyết phục cho việc tạo hình ảnh và cho rằng hình ảnh AI đang xuất hiện ngày càng nhiều trong quảng cáo, áp phích sự kiện, thực đơn, biểu trưng, tranh in và áo phông. Điều khiến anh băn khoăn là chúng có thể thay thế tác phẩm do con người tạo ra.

Âm nhạc AI lại đem đến trải nghiệm tích cực hơn. Anh thích một số bài hát và thể loại mới, nhưng cho rằng chúng phát huy giá trị khi trở thành phương tiện mở rộng sáng tạo của con người, thay vì chỉ được sản xuất hàng loạt để kiếm doanh thu. Với video tạo bằng AI, anh chủ yếu bắt gặp quảng cáo và nội dung câu lượt xem; trong một ví dụ, 25 trong số 33 video được đề xuất bên cạnh một video lịch sử kém chất lượng cũng là nội dung AI tương tự.

Tác giả kết luận rằng công cụ tạo sinh có thể giúp nghệ sĩ, nhưng việc dùng chúng để sản xuất hàng loạt nội dung thay thế sáng tạo của con người khiến anh lo ngại. Anh vẫn thích tự vẽ và chơi piano, ngay cả khi máy có thể tạo ra một bài hát nhanh hơn.

AI viết phần lớn mã, nhưng con người vẫn quyết định hướng đi

Nhìn lại 12 tháng, tác giả cho biết máy móc hiện viết hơn 90% mã của anh. Anh kể rằng các tác nhân đã giúp hoàn thiện một công cụ bắt đầu từ năm 2020, thực hiện thay đổi mã nguồn mở mà anh muốn làm từ lâu, bắt đầu xây dựng ứng dụng và thử nghiệm những thay đổi lớn trên phần mềm cũ.

Anh xem đây mới chỉ là khởi đầu, nhưng không cho rằng AI chỉ đem lại lợi ích. Những công cụ này có thể giúp mọi người tạo phần mềm và học hỏi, đồng thời cũng có thể tạo ra nội dung doanh nghiệp kém chất lượng hoặc khiến con người giao phó quá nhiều suy nghĩ cho máy.

Trong phần phụ lục, tác giả cho biết đang đăng ký Claude Pro với giá 17 USD mỗi tháng và GitHub Copilot Pro với giá 10 USD mỗi tháng. Anh đã hủy gói OpenAI khoảng một tháng trước, do phần lớn nhu cầu cá nhân chuyển sang Claude Code và Claude cho các câu hỏi thông thường. GitHub Copilot Pro hiện chủ yếu được anh dùng cho tính năng gợi ý mã tự động.

Góc nhìn

Với các nhóm kỹ thuật, trải nghiệm này cho thấy tác nhân lập trình có thể rút ngắn thời gian làm nguyên mẫu và xử lý công việc lặp lại, nhưng lợi ích phụ thuộc vào khả năng kiểm tra mã, thiết kế bộ kiểm thử và đặt ra hướng dẫn rõ ràng. Tăng số lượng tác nhân không đồng nghĩa với tăng tương ứng năng suất nếu người phụ trách phải liên tục chuyển đổi giữa nhiều vấn đề.

Với doanh nghiệp và người làm nghiên cứu, AI có thể hỗ trợ tìm tài liệu, tóm tắt và khám phá phương án, nhưng cần thận trọng khi dùng nó để đưa ra kết luận mới hoặc thay thế chuyên môn con người. Cách tiếp cận thực tế là xem AI như công cụ hỗ trợ, còn việc xác định vấn đề, đánh giá kết quả và chịu trách nhiệm về quyết định vẫn thuộc về con người.