Tôi vẫn là người hoài nghi về LLM trong phát triển phần mềm

Sau 4 năm kể từ cơn sốt AI tạo sinh, hàng nghìn tỷ USD đã được đổ vào nghiên cứu và phát triển, nhưng tác giả bài viết vẫn kiên định với lập trường không dùng LLM cho những việc thực sự quan trọng. Lý do không chỉ đến từ các vấn đề môi trường, xã hội hay chính trị, mà trước hết là câu hỏi cốt lõi về hiệu quả thực tế trong việc xây dựng phần mềm phức tạp — một câu hỏi vẫn chưa có lời giải thuyết phục.

Bốn năm và gần như không có gì để khoe

Chúng ta đã ở trong "cuộc cách mạng" này được 4 năm, nhưng ngành công nghiệp gần như chẳng có sản phẩm nào đáng giá để trưng ra. Phần mềm không tốt hơn, không nhanh hơn, không rẻ hơn để sản xuất (nếu loại bỏ đống demo chất lượng kém mà không tổ chức uy tín nào dám đụng vào), cũng không có năng lực vượt trội hơn. Chắc chắn là nó không an toàn hơn.

Một cuộc cách mạng công nghệ thật sự thường được đánh dấu bằng sự sụp đổ của các đế chế cũ và sự trỗi dậy của những người chơi mới với ý tưởng mới. Nhưng tôi không rõ ngành này đã tạo ra được ý tưởng mới nào trong vài năm qua ngoài những thứ xoay quanh sự tự sướng của phe cổ vũ AI. Ai cũng hét to hết cỡ nhưng chẳng ai thực sự giao được sản phẩm hữu ích.

Không hề cảm thấy bị bỏ lại phía sau

Tôi đã từng nghĩ rằng sẽ thấy mình tụt hậu nếu không dùng LLM, nhưng thực tế thì ngược lại. Chưa ai xuất hiện để "cướp" thành quả danh tiếng từ các dự án mã nguồn mở của tôi, dù có nhiều ồn ào đến đâu. Bạn có thể sao chép chức năng của code tôi, nhưng một bản memcpy đơn giản cũng làm được điều đó. Một dự án mã nguồn mở được cộng đồng tin tưởng để xây dựng hệ thống của họ không chỉ đơn thuần là danh sách tính năng.

Bằng chứng mỏng manh và yếu ớt

Sau 1.500 tỷ USD đầu tư, chúng ta vẫn gần như không có nghiên cứu độc lập nào khẳng định được sự cải thiện năng suất ở cấp độ cao liên quan đến AI. Một nửa nền kinh tế hiện đang dựa trên tuyên bố cốt lõi này là đúng, vậy nên chúng ta cần nhiều hơn vài nghiên cứu lẻ tẻ và giai thoại.

Mọi nghiên cứu tôi biết đều hoặc phóng to quá mức vào các chỉ số không liên quan đến năng suất thực ("số dòng code", "số PR đã merge", "số tính năng thêm vào"), hoặc quá nhỏ để rút ra kết luận hữu ích.

Ngay cả những nghiên cứu có vẻ nghiêm túc về mặt học thuật cũng chỉ ra mức tăng năng suất rất nhỏ, hoặc thậm chí là tiêu cực.

PR từ AI vẫn tệ

Các pull request (PR) do LLM tạo ra mà tôi nhận được vẫn rất kém chất lượng. Code có vẻ bớt lặp lại và nhất quán hơn về mặt phong cách, nhưng không hề phù hợp hơn với mục đích sử dụng. Tỷ lệ PR đáng để merge vẫn thấp hơn nhiều so với PR do con người viết.

Một lời chỉ trích công bằng là khó phân biệt hai loại PR này hơn vì đầu ra của AI đã bớt khuôn mẫu hơn. Nhưng ngay cả con người cẩn thận nhất vẫn có thể để sót lỗi chính tả trong mô tả, vậy nên tôi chưa thuyết phục rằng bot đã "đi giữa chúng ta" đến mức đó.

Chúng vẫn bỏ lỡ những điều hiển nhiên

Nhiều thư viện mã nguồn mở của tôi nằm trong cây phụ thuộc của các công ty FAANG, và tôi đã nhận được nhiều báo cáo từ các cuộc quét bằng mô hình tiên tiến (frontier models). Có vài cái tốt, nhưng phần lớn là tệ. Tôi nhớ nhiều trường hợp một mô hình tiên tiến bỏ lỡ điều hiển nhiên và quan trọng, sau đó lại được một người đam mê dùng trí não của mình tìm ra ngay sau đó.

Triết lý của phe cổ vũ AI đi ngược lý thuyết nửa thế kỷ qua

Chúng ta đều biết rằng code là đầu vào của quá trình phát triển phần mềm, không phải đầu ra. Vậy mà ngay cả những tổ chức tiến bộ nhất vẫn ngầm coi số dòng code là thước đo năng suất. Đó là con đường dẫn đến phần mềm không thể bảo trì, dù cho thứ đó ra từ máy móc hay là sản phẩm phụ của con người tuân theo cấu trúc khuyến khích được thiết kế kém.

Peter Naur vẫn bất bại.

Khi ai cũng giỏi, thì không ai giỏi cả

Mục tiêu không hề che giấu của chiến dịch LLM từ các ông lớn công nghệ là đồng hóa lao động trí thức để biến nó thành thứ có thể thay thế dễ dàng. Khi lao động trở nên thay thế được, bạn có thể đổi người bất cứ lúc nào, làm giảm sức mặc cả của người lao động.

Phát triển phần mềm là một trong những "nghề phường hội" cuối cùng, và giờ chúng ta đang chứng kiến quá trình công nghiệp hóa của nó. Bằng cách không chạy theo LLM, tôi đã cho mình không gian để chuyên sâu vào một nhóm kỹ năng nhỏ hơn. Quyết định có ý thức đó đến nay vẫn đang mang lại kết quả tốt, và tôi vẫn tự tin về sự an toàn công việc của mình.

---

Đối với độc giả Việt Nam, sự hoài nghi này có lẽ đáng suy ngẫm giữa bối cảnh các sản phẩm AI nội địa và quốc tế đang quảng bá rầm rộ về năng suất thần kỳ. Việc đặt câu hỏi về giá trị thực, thay vì chạy theo xu hướng, có thể là một chiến lược khôn ngoan cho cả lập trình viên lẫn doanh nghiệp trong giai đoạn bong bóng AI đang phình to này.