Sự thay đổi của chuyên môn kỹ thuật trong kỷ nguyên AI và các tác nhân lập trình

Liệu có còn lý do gì để tuyển dụng các kỹ sư phần mềm mới ra trường (junior) trong thời đại mà các tác nhân lập trình (coding agents) đang ngày càng hoàn thiện không? Kỹ sư mới tốn kém về chi phí lương và thời gian hướng dẫn của các kỹ sư cấp cao. Tuy nhiên, các công ty hàng đầu như OpenAI hay Anthropic vẫn đang cạnh tranh gay gắt để tìm kiếm nhân tài trẻ. Vậy điều gì đang thực sự diễn ra?

Trong bài viết này, chúng ta sẽ cùng khám phá sự thay đổi về bản chất của chuyên môn trong kỷ nguyên AI.

Bài học từ Toán học và Máy tính

Để hiểu rõ tác động của AI, hãy nhìn vào lịch sử của toán học, lĩnh vực đã từng trải qua cuộc cách mạng tương tự cách đây nửa thế kỷ.

Ngày xưa từng có một nghề gọi là "người tính toán" (calculator), những người thực hiện các phép tính thủ công chính xác và nhanh chóng. Họ cân đối sổ sách, tính toán góc bắn pháo, hay xác định hình dạng thân tàu tối ưu. Ngày nay, công việc này đã biến mất hoàn toàn nhờ sự ra đời của máy tính bỏ túi và phần mềm mô phỏng kỹ thuật số.

Tuy nhiên, dù máy tính ngày càng tinh vi, chúng ta vẫn dạy và kỳ vọng mọi người học đại số, hình học và giải tích ở trường phổ thông. Ở bậc đại học, sinh viên các ngành STEM vẫn phải học giải tích nhiều biến, phương trình vi phân, thống kê và đại số tuyến tính. Khi tốt nghiệp, phần lớn họ sử dụng máy tính mỗi ngày và quên cách thực hiện các phép tính tâm phức tạp.

Có hai giải thích cơ bản cho sự mâu thuẫn này: giả thuyết tín hiệu (bằng cấp chỉ để chứng minh năng lực) và giả thuyết kỹ năng (kiến thức thực sự cần thiết). Tác giả ngày càng tin vào giả thuyết kỹ năng.

Trực giác tính toán: Tại sao Kỹ sư Cao cấp giỏi hơn trong việc dùng AI?

Rõ ràng là các kỹ sư cấp cao hiện nay có khả năng sử dụng các tác nhân lập trình tốt hơn nhiều so với nhân sự mới. Một phần lớn là do họ đã dành hơn 5 năm vật lộn với việc viết code thủ công, từ đó xây dựng được "trực giác tính toán".

Hiện tại, mức độ trực giác cần thiết để tương tác hiệu quả với các tác nhân AI (để đưa ra các lệnh ghép chính xác) tương đương với khoảng 5 năm kinh nghiệm làm việc. Các kỹ sư cấp cao hiện nay may mắn khi được trả lương để xây dựng trực giác này, nhưng khoảng cách này đang thay đổi khi AI ngày càng cải tiến.

Có thể khoảng 50% sinh viên mới tốt nghiệp khoa học máy tính sẽ không bao giờ bắt kịp. Một số kỹ sư cấp cao cũng có thể bị tụt hậu dù có khởi đầu tốt hơn.

Tương lai của việc tuyển dụng Kỹ sư mới

Để trả lời câu hỏi mở đầu: Chỉ một số kỹ sư mới đáng được tuyển dụng, cụ thể là những người đủ giỏi để đạt được ngưỡng "trực giác lập trình" hữu ích trong vòng khoảng 2-3 năm sau khi tốt nghiệp. Vì số lượng sinh viên đạt tiêu chuẩn này không nhiều, nên một số ít công ty hàng đầu mới cạnh tranh gay gắt cho nhân tài này.

Tầng lớp thứ hai của các tư vấn phần mềm sẽ tiếp tục phát triển, mở rộng quy mô tổng thể của thị trường việc làm, nhưng mức lương của họ khó có thể tăng nhanh tương đương với các kỹ sư cấp cao hiện nay.

Tại sao mọi người vẫn nên học lập trình?

Dù rào cản gia nhập ngành phần mềm đang tăng lên, tác giả vẫn tin rằng mọi người nên học lập trình ở mức độ cơ bản. Quá thường xuyên, chúng ta thấy mọi người coi máy tính như các thiết bị gia dụng - chỉ làm được những gì được lập trình sẵn, không hơn không kém. Nếu bạn không coi máy tính là có thể lập trình (scriptable), bạn sẽ không bao giờ nghĩ đến việc yêu cầu AI tự động hóa công việc cho mình!

Điều này cũng đúng với nhiều lĩnh vực khác: Toán học, luật pháp, thuế, y học, hay sửa chữa nhà cửa... Chuyên môn dồi dào và giá rẻ hiện đã có sẵn với giá chỉ khoảng 20 USD/tháng, miễn là bạn biết cách hỏi.

Làm bài tập về nhà của bạn

Một quan điểm bi quan kỳ lạ về AI là bạn nên ngừng cố gắng và chỉ dùng AI để "lướt" qua các khóa học. Tác giả tin rằng đây có thể là phản ứng sai lầm nhất. Việc tự làm công việc là cách tốt nhất để xây dựng sự thành thạo. Giống như bạn không được phép dùng máy tính trong lớp toán trung học, bạn nên hạn chế dùng AI cho bài tập về nhà.

Lời khuyên này nghe có vẻ sáo rỗng, nhưng thực sự là vì lợi ích của chính bạn. Lời khuyên này vẫn giữ nguyên giá trị sau khi bạn tốt nghiệp: Đừng sử dụng AI cho đến khi bạn đã thực hiện công việc đó bằng tay ít nhất một lần.

Ví dụ, trong khoa học dữ liệu, biết "khi nào" áp dụng kỹ thuật phân tích cụm trên ma trận khoảng cách, "cách thức" sử dụng thuật toán NMF, và đảm bảo "tính chính xác" của các điều kiện tiên quyết là những kỹ năng mà chỉ những người có nền tảng kiến thức vững chắc mới có thể hướng dẫn AI thực hiện hiệu quả.