Sự kết thúc của lập trình: Khi AI viết hàng triệu dòng code thay con người

Tuần trước, Bun 1.4 được phát hành — phiên bản được viết lại hoàn toàn từ Zig sang Rust với hơn 1 triệu dòng code mới, và điều đặc biệt là toàn bộ quá trình này do AI đảm nhiệm. Sự kiện này cùng với những tiến bộ vượt bậc của AI đang đặt ra câu hỏi lớn: liệu chúng ta có đang chứng kiến sự kết thúc của nghề lập trình truyền thống?

Theo Paul Dix, tác giả bài viết, việc con người viết code thủ công và review từng dòng code đang tiến tới sự tuyệt chủng. Thay vào đó, các agent AI sẽ tạo ra phần lớn phần mềm, con người chỉ đóng vai trò giám sát kết quả cuối cùng — không cần đọc hay hiểu toàn bộ code.

Bun 1.4: Minh chứng cho sức mạnh của AI

Bun 1.4 không chỉ đơn thuần là một bản cập nhật phần mềm. Đây là một cuộc cách mạng trong cách chúng ta phát triển phần mềm:

• 1,009,257 dòng code Rust mới được tạo ra thay thế cho code Zig cũ
• Quá trình hoàn thành trong 11 ngày bởi một developer duy nhất — Jarred Sumner
• 6,778 commits được tạo ra bởi nhiều agent AI hoạt động song song
• Chi phí token ước tính khoảng $165,000 — một con số đáng kinh ngạc

"Nếu bạn có thể xây dựng một hệ thống kiểm chứng và đưa ra hướng dẫn phù hợp, AI có thể tạo ra một phần mềm cực kỳ phức tạp và tinh vi, đồng thời tiếp tục hoàn thiện nó cho đến khi hoạt động hoàn hảo." — Paul Dix

Điều đáng chú ý là Jarred đã sử dụng phiên bản tiền phát hành của Fable 5 (model AI của Anthropic) với token gần như không giới hạn. Điều này cho thấy sự kết hợp giữa trí tuệ AI tiên tiến và tài nguyên tính toán dồi dào có thể tạo ra những gì.

Kinh nghiệm thực tế từ "chiến trường"

Paul Dix chia sẻ hai dự án ông đã thực hiện với Fable 5 trong quá trình phát triển InfluxDB:

Tích hợp Iceberg: Ông chỉ đưa ra kiến trúc tổng quan và yêu cầu, sau đó Fable thông qua các sub-agents tự động hoàn thành. Kết quả là một phiên bản hoạt động đầy đủ sau 14 giờ — bao gồm API, CLI, tích hợp sâu với compactor, và hàng nghìn dòng code triển khai cùng test.

Hệ thống edge data replication: Với kiến trúc và ví dụ về trải nghiệm người dùng, Fable đã tạo ra một hệ thống phức tạp với API, CLI, cơ chế nén dữ liệu và hệ thống metrics trong 28 giờ. Sau đó, nó tự triển khai lên AWS, quan sát logs, và tự sửa lỗi.

"Prototype là phần mềm hoạt động được. Việc cải thiện và kiểm thử prototype đó được thúc đẩy bởi các vòng lặp cải tiến với AI. Nó trở nên tốt hơn thông qua sử dụng và kiểm thử, không phải qua review code bởi con người."

Tương lai gần cho "nông dân lập trình"

Paul dự đoán một loạt các bước phát triển tiếp theo:

• Tháng 9/2026: OpenAI dự kiến phát hành Astra — model ngang tầm hoặc vượt Fable 5
• Cuối 2026 hoặc đầu 2027: Các model tương đương Opus 4.5 và GPT 5.2 mới với khả năng vượt trội
• Cuối 2027: Trí tuệ AI cấp độ này sẽ rẻ đến mức hầu hết developer đều có thể sử dụng toàn thời gian

Về tốc độ xử lý, các hệ thống như Cerebras C4 và OpenAI Jalapeño sẽ mang lại khả năng tạo token nhanh hơn 10-100 lần với chi phí thấp hơn đáng kể.

Sự kháng cự của tổ chức truyền thống

Dù vậy, Paul thừa nhận rằng quán tính tổ chức sẽ khiến một thập kỷ nữa vẫn còn người viết code thủ công. Nhiều công ty sẽ tiếp tục phát triển phần mềm theo cách cũ — với team review code, quy trình kiểm thử nghiêm ngặt, và văn hóa phát triển bảo thủ.

Tuy nhiên, những nhà sáng tạo phần mềm hiệu quả nhất sẽ không còn lập trình theo nghĩa truyền thống. Họ sẽ là những người:

• Điều hướng AI thay vì viết code trực tiếp
• Xây dựng harness và "nhà máy phần mềm" tự động hóa quy trình
• Phát triển hệ thống QA và verifcation thay vì manual testing

Kết luận

Chúng ta đang tiến tới thời điểm mà có nhiều phần mềm production được viết bởi AI hơn là con người. Sẽ có một núi phần mềm rác — buggy, vô dụng, tệ hại. Nhưng cũng sẽ có những phần mềm được kỹ thuật tốt, giải quyết vấn đề thực sự mà chưa từng được mắt người review từng chi tiết.

Đây có thể không phải là ngày tận thế của ngành lập trình, nhưng chắc chắn là sự kết thúc của lập trình như chúng ta từng biết. Vai trò của con người sẽ chuyển từ người viết code sang kiến trúc sư và giám sát viên — những người ra quyết định chiến lược thay vì viết từng dòng lệnh.

Biểu đồ tăng trưởng code trên GitHub

Biểu đồ từ GitHub cho thấy lượng code tạo ra tăng theo cấp số nhân kể từ năm ngoái, phần lớn đến từ AI.