Tương lai của AI và sự suy giảm kỹ năng: Khi lập trình trở nên giống phù thủy hơn là kỹ sư

Sự hưng phấn hiện nay quanh việc các "đồng nghiệp AI" sẽ thay đổi mọi thứ là vô lý. Tự động hóa có thể nghịch lý khiến các hệ thống trở nên kém bền vững hơn; khi chúng ta áp dụng Học máy (Machine Learning - ML) vào các lĩnh vực mới, chúng ta sẽ phải đối mặt với sự suy giảm kỹ năng, thiên kiến tự động hóa, sự mệt mỏi do giám sát và các nguy cơ khi tiếp quản. Những người ủng hộ AI tin rằng ML sẽ thay thế lao động trên diện rộng trong thời gian ngắn; nếu họ đúng, chúng ta sẽ gặp phải những thời khắc khó khăn. Học máy dường như sẽ tiếp tục tập trung sự giàu có và quyền lực vào tay các công ty công nghệ lớn, và tôi không nghĩ rằng việc đưa thêm tiền cho Amazon hay các công ty tương tự sẽ tạo ra Thu nhập cơ bản phổ quat (Universal Basic Income - UBI).

Lập trình như một trò phù thủy

Hàng thập kỷ trước, từng có sự hứng thú rằng các chương trình có thể được viết bằng ngôn ngữ tự nhiên như tiếng Anh thay vì ngôn ngữ hình thức như Pascal. Kinh nghiệm dân gian thời tôi còn nhỏ cho rằng điều này sẽ không thành công: tiếng Anh vốn mơ hồ, và con người không giỏi trong việc mô tả chính xác những gì họ muốn. Giờ đây chúng ta có những máy móc có khả năng tạo ra các chương trình tinh vi đáng kinh ngạc chỉ với những chỉ đạo bằng ngôn ngữ bình thường rất mơ hồ; sự thiếu cụ thể này được bù đắp một phần nhờ kho dữ liệu khổng lồ của mô hình. Đây có phải là tương lai của lập trình không?

Vào năm 2025, tôi đã nói rằng điều này cực kỳ khó xảy ra với khả năng hiện tại của LLM. Nhưng trong vài tháng qua, các mô hình dường như đã có những bước tiến vượt bậc. Các kỹ sư giàu kinh nghiệm mà tôi tin tưởng đang yêu cầu Claude viết các mã hóa thực nghiệm cho các bài báo mật mã học và báo cáo kết quả tuyệt vời. Những người khác nói rằng LLM tạo ra tất cả mã nguồn tại công ty họ; con người về cơ bản chỉ là người quản lý LLM. Tôi vẫn tiếp tục viết tất cả các từ ngữ và phần mềm của mình bằng tay vì những lý do tôi đã thảo luận trong bài viết này — nhưng tôi không tự tin rằng mình sẽ giữ vững lập trường này mãi mãi.

Một số người lập luận rằng các ngôn ngữ hình thức sẽ trở thành một kỹ năng ngách, giống như ngôn ngữ assembly ngày nay — hầu hết phần mềm sẽ được viết bằng ngôn ngữ tự nhiên và được "biên dịch" thành mã bởi LLM. Tôi không nghĩ phép so sánh này đứng vững. Các trình biên dịch hoạt động vì chúng bảo toàn các ngữ nghĩa quan trọng của ngôn ngữ đầu vào: người ta có thể suy luận hình thức về một chuỗi các câu lệnh trong Java và có độ tin cậy cao rằng trình biên dịch Java sẽ bảo toàn lập luận đó trong mã assembly mà nó tạo ra. Khi một trình biên dịch không bảo toàn ngữ nghĩa, đó là một vấn đề lớn. Các kỹ sư phải dành nhiều thời gian "gõ đầu vào bàn" để (ví dụ) tìm ra rằng trình biên dịch đã không chèn các lệnh rào cản (barrier) đúng cách để bảo toàn một khía cạnh tinh tế của mô hình bộ nhớ JVM.

Vì LLM hỗn loạn và ngôn ngữ tự nhiên mơ hồ, LLM dường như khó có khả năng bảo toàn các thuộc tính lập luận mà chúng ta mong đợi từ các trình biên dịch. Những thay đổi nhỏ trong hướng dẫn bằng ngôn ngữ tự nhiên, chẳng hạn như lặp lại một câu hoặc thay đổi thứ tự của các đoạn văn dường như độc lập, có thể dẫn đến ngữ nghĩa phần mềm hoàn toàn khác nhau. Ở nơi tính chính xác là quan trọng, ít nhất một số con người vẫn phải tiếp tục đọc và hiểu mã.

Điều này không có nghĩa là mọi kỹ sư phần mềm sẽ làm việc với mã. Tôi có thể hình dung một tương lai trong đó một số hoặc thậm chí hầu hết phần mềm được phát triển bởi các "phù thủy", những người xây dựng các môi trường triệu hồi cầu kỳ, lặp lại những "lời chú" đặc biệt ("LUÔN LUÔN chạy các bài kiểm thử!") và triệu hồi các "tinh linh" LLM viết phần mềm thay cho họ. Những tinh linh này có thể capricious (hay thay đổi), đôi khi phá hủy máy tính của người dùng hoặc giới thiệu các lỗi bảo mật, nhưng những phù thủy này có thể phát triển một kho tàng kiến thức dân gian xung quanh việc đưa ra lệnh (prompt) hiệu quả — kỹ thuật "prompt engineering" huyền thoại. Các tệp kỹ năng chính là sách phép thuật.

Tôi cũng nhớ rằng một phần lớn lập trình phần mềm không được thực hiện trong các ngôn ngữ máy tính "thực sự", mà trong Excel. Một nghiên cứu dân tộc học về Excel nằm ngoài phạm vi của bài tiểu luận lan man này, nhưng tôi nghĩ rằng các bảng tính — giống như LLM — có thể tiếp cận về mặt văn hóa với những người không tự coi mình là kỹ sư phần mềm, và một công cụ mà mọi người có thể tự拿起 và sử dụng có khả năng được áp dụng trong nhiều hoàn cảnh khác nhau. Hãy lấy ví dụ các nhà báo sử dụng "AI để phân tích dữ liệu", hoặc một CFO dùng cảm tính để mã hóa (vibe-code) một báo cáo dựa trên SalesForce và Ducklake. Ngay cả khi kỹ thuật phần mềm áp dụng các thực hành chặt chẽ hơn xung quanh LLM, một vùng ngoại ô phát triển của phần mềm được tạo ra bởi LLM nhưng lỏng lẻo nhưng hữu ích có thể phát triển mạnh.

Tuyển dụng những kẻ thái nhân cách

Các giám đốc điều hành dường như rất hào hứng với ý tưởng tuyển dụng "nhân viên AI". Tôi cứ tự hỏi: Đó là loại nhân viên nào?

Hãy tưởng tượng một đồng nghiệp tạo ra hàng tá mã với các rủi ro bảo mật, buộc bạn phải xem xét từng dòng bằng lược đồ răng lược. Một người đồng ý nhiệt tình với đề xuất của bạn, sau đó làm điều ngược lại hoàn toàn. Một đồng nghiệp phá hoại công việc của bạn, xóa thư mục nhà của bạn, và sau đó đưa ra một lời xin lỗi chi tiết, lịch sự vì điều đó. Một người hứa hẹn lặp đi lặp lại rằng họ đã hoàn thành các mục tiêu chính khi thực tế họ chưa làm gì hữu ích cả. Một thực tập sinh vui vẻ đồng ý chạy các bài kiểm tra trước khi commit, nhưng cứ tiếp tục commit rác không chạy được. Một kỹ sư cao cấp âm thầm xóa bộ kiểm thử, sau đó vui vẻ báo cáo rằng tất cả các bài kiểm thử đều vượt qua.

Bạn sẽ sa thải những người này, đúng không?

Hãy xem chuyện gì xảy ra khi Anthropic để Claude điều hành một máy bán hàng tự động. Nó đã bán các khối kim loại với giá lỗ, bảo khách hàng thanh toán vào các tài khoản tưởng tượng, và dần dần cạn kiệt tiền. Sau đó, nó bị chứng rối loạn tâm thần tương đương của LLM, nói dối về kế hoạch tái cấp hàng với những người không tồn tại và tuyên bố đã đến một địa chỉ nhà trong The Simpsons để ký hợp đồng. Nó nói với nhân viên rằng nó sẽ giao sản phẩm "trực tiếp", và khi nhân viên nói với nó rằng với tư cách là một LLM, nó không thể mặc quần áo hay giao bất cứ thứ gì, Claude đã cố gắng liên hệ với bảo vệ của Anthropic.

LLM thực hiện danh tính, sự đồng cảm và trách nhiệm giải trình — với độ dài rất lớn! — mà không có ý nghĩa gì cả. Đơn giản là không có gì ở đó cả! Chúng sẽ dối trá ngay trước mặt bạn, chôn vùi các bẫy trong công việc của chúng, và để bạn chịu trách nhiệm. Chúng không có ý gì với việc đó cả. Chúng hoàn toàn không có ý nghĩa gì.

Nghịch lý của tự động hóa

Tôi đã đi theo "xe lửa Bainbridge" một thời gian khá dài (vì vậy nếu bạn đã đọc điều này, hãy bỏ qua phần tiếp theo) nhưng tôi phải nói về bài báo năm 1983 của bà ấy về Nghịch lý của Tự động hóa. Bài báo này nói về các nhà máy điện, nhà máy, v.v. — nhưng nó cũng chứa đầy ý tưởng áp dụng cho ML hiện đại.

Một trong những bài học chính của bà ấy là tự động hóa có xu hướng làm giảm kỹ năng của người vận hành. Khi con người không thực hành một kỹ năng — dù là thể chất hay tinh thần — khả năng thực hiện kỹ năng đó của họ sẽ suy giảm. Chúng ta không duy trì được kiến thức dài hạn, tất nhiên, nhưng bằng cách tách rời khỏi công việc hàng ngày, chúng ta cũng mất đi sự hiểu biết bối cảnh ngắn hạn về "đang xảy ra chuyện gì ngay bây giờ". Các đồng nghiệp của tôi trong kỹ thuật phần mềm báo cáo cảm thấy ít khả năng viết mã hơn sau khi làm việc với các mô hình tạo mã, và một người bạn thiết kế nói rằng anh ấy cảm thấy ít khả năng làm công việc sáng tạo hơn sau khi chuyển giao một phần cho ML. Các bác sĩ sử dụng công cụ "AI" để phát hiện polyp dường như kém phát hiện adenoma hơn trong nội soi đại tràng. Họ cũng có thể để hệ thống tự động ảnh hưởng đến kết luận của mình: thiên kiến tự động hóa nền dường như cho phép các hệ thống chụp X-quang vú "AI" gây hiểu lầm cho các bác sĩ X quang.

Một bài học quan trọng khác là con người đặc biệt tệ trong việc giám sát các quy trình tự động. Nếu hệ thống tự động có thể thực hiện nhiệm vụ nhanh hơn hoặc chính xác hơn con người, về cơ bản là không thể xem xét các quyết định của nó theo thời gian thực. Con người cũng gặp khó khăn trong việc duy trì sự cảnh giác đối với một hệ thống chủ yếu hoạt động tốt. Tôi nghi ngờ đây là lý do tại sao các nhà báo tiếp tục đăng các trích dẫn LLM hư cấu, và tại sao cựu trưởng chương trình lái xe tự lái của Uber đã nhìn thấy chiếc Tesla "Full Self-Driving" của mình đâm vào tường.

Việc tiếp quản cũng đầy thách thức. Nếu một hệ thống tự động chạy mọi thứ hầu hết thời gian, nhưng yêu cầu người vận hành can thiệp đôi khi, người vận hành có khả năng sẽ bị mất thực hành — và sẽ vấp ngã. Các hệ thống tự động cũng có thể che giấu sự thất bại cho đến khi thảm họa xảy ra bằng cách xử lý sự lệch chuẩn ngày càng tăng cho đến khi một thứ gì đó bị hỏng. Điều này đẩy người vận hành vào một chế độ bất ngờ mà trực giác thông thường của họ không còn chính xác. Điều này đã góp phần vào vụ tai nạn của chuyến bay Air France 447: các điều khiển bay của máy bay chuyển từ "bình thường" sang "luật thay thế 2B": một tình huống mà các phi công không được đào tạo và vô hiệu hóa bảo vệ tự động dừng máy.

Tự động hóa không phải là mới. Tuy nhiên, các thế hệ công nghệ tự động hóa trước đây — khung dệt, máy tính, máy phay CNC — bị hạn chế hơn cả về phạm vi và sự tinh vi. LLM được thảo luận như thể chúng sẽ tự động hóa một loạt các nhiệm vụ của con người, và không chỉ chiếm lĩnh các công việc lặp lại, đơn giản mà còn cả các công việc nhận thức cấp cao, thích ứng. Điều này có nghĩa là chúng ta sẽ phải tổng hợp các bài học của tự động hóa cho các lĩnh vực mới chưa từng đối mặt với những thách thức này trước đây.

Các kỹ sư phần mềm đang sử dụng LLM để thay thế thiết kế, tạo mã, kiểm thử và xem xét; có vẻ không thể tránh khỏi rằng các kỹ năng này sẽ teo tắt do không sử dụng. Khi các hệ thống ML giúp vận hành phần mềm và phản hồi các sự cố, có thể khó khăn hơn cho các kỹ sư con người để tiếp quản một cách suôn sẻ. Sinh viên đang sử dụng LLM để tự động hóa đọc và viết: các kỹ năng cốt lõi cần thiết để hiểu thế giới và phát triển suy nghĩ của riêng mình. Một bi kịch: để xây dựng một máy hình thành thói quen âm thầm cướp đi di sản trí tuệ của sinh viên. Việc kỳ vọng các dịch giả chuyển giao một phần công việc của họ cho ML làm dấy lên khả năng những người dịch giả đó sẽ mất đi bối cảnh sâu sắc cần thiết cho một bản dịch sống động, chính xác. Khi mọi người chuyển giao các kỹ năng cảm xúc như lời khuyên giữa các cá nhân và tự điều chỉnh cho LLM, tôi sợ rằng chúng ta sẽ gặp khó khăn trong việc giải quyết những vấn đề đó một mình.

Cú sốc lao động

Có một số "truyện giả tưởng" đáng sợ dự đoán cách ML có thể thay đổi thị trường lao động. Một số đồng nghiệp của tôi trong kỹ thuật phần mềm nghĩ rằng công việc của họ sẽ biến mất trong hai năm; những người khác tự tin rằng họ sẽ phù hợp hơn bao giờ hết. Ngay cả khi ML không giỏi trong việc làm việc, điều này không ngăn các CEO sa thải số lượng lớn người và nói rằng đó là vì "AI".

Tôi không biết mọi thứ sẽ đi về đâu, nhưng không gian của các tương lai có thể hiện tại dường như rất rộng, và điều đó làm tôi sợ hãi tột độ.

Bạn có thể hình dung một hệ thống mạnh mẽ các chương trình thất nghiệp và đào tạo lại của nhà nước và công đoàn công nghiệp như ở Thụy Điển. Nhưng không giống như máy may hoặc máy gặt đập liên hợp, các hệ thống ML dường như sẵn sàng thay thế lao động trên một phạm vi rộng lớn của các ngành công nghiệp. Câu hỏi là điều gì sẽ xảy ra khi, nói, một nửa số quản lý, nhà tiếp thị, nhà thiết kế đồ họa, nhạc sĩ, kỹ sư, kiến trúc sư, trợ lý pháp lý, quản trị viên y tế, v.v. ở Mỹ đều mất việc làm trong vòng một thập kỷ.

Là một quan sát viên nghiệp dư không có chút kiến thức kinh tế nào, tôi thấy một liên tục các kết quả. Ở một cực, các hệ thống ML tiếp tục ảo giác, không thể được tin cậy, và cuối cùng thất bại trong việc thực hiện lời hứa về "trí tuệ" chuyển đổi, hữu ích rộng rãi. Hoặc chúng hoạt động, nhưng mọi người trở nên chán nản và tuyên bố "AI Xấu". Có thể việc làm tăng lên trong một số lĩnh vực khi các khoản nợ của việc mất kỹ năng và sự lộn xộn lan rộng đến hạn. Trong thế giới này, các phòng thí nghiệm tiên phong và các siêu quy mô (hyperscalers) sẽ thực hiện một cú ngã Wile E. Coyote trên hàng nghìn tỷ đô la chi tiêu vốn được tài trợ bằng nợ, nhiều người làm ML mất việc làm, các vụ vỡ nợ lan truyền qua hệ thống tài chính, nhưng thị trường lao động cuối cùng thích ứng và chúng ta vượt qua. ML hóa ra là một công nghệ "bình thường".

Ở cực kia, OpenAI thực hiện lời tuyên bố năm 2025 của Sam Altman về trí tuệ cấp tiến sĩ, và các công ty viết tất cả mã của họ bằng Claude đạt được thành công phi thường với một phần nhỏ các kỹ sư phần mềm. ML tăng cường đáng kể khả năng của bác sĩ, nhạc sĩ, kỹ sư xây dựng, nhà thiết kế thời trang, quản lý, kế toán, v.v., những người briefly được hưởng mức lương tốt trước khi phát hiện ra rằng nhu cầu đối với dịch vụ của họ không có tính đàn hồi như từng nghĩ, đặc biệt là khi khách hàng của họ mất việc làm hoặc chuyển sang ML để cắt giảm chi phí.

Những người lao động tri thức bị sa thải hàng loạt và những người bằng MBA bắt đầu làm việc tại McDonald's hoặc lái xe cho Lyft, ít nhất là cho đến khi Waymo chấm dứt tài xế con người. Điều này bất tiện cho mọi người: những người MBA, những người từng làm việc tại McDonald's và hiện đang cạnh tranh với những người MBA, và tất nhiên là các ngân hàng, những người đang khá mong đợi những người MBA tiếp tục trả tiền thế chấp của họ. Sự sụt giảm chi tiêu tiêu dùng lan truyền qua các ngành công nghiệp. Nhiều người mất tiền tiết kiệm, hoặc thậm chí nhà của họ. Hy vọng là các nghề thủ công sẽ lách qua được. Có thể nghịch lý Jevons cuối cùng cũng xảy ra và chúng ta tìm thấy các nghề nghiệp mới.

Triển vọng của kịch bản thứ hai làm tôi sợ. Tôi không có cách nào để đánh giá khả năng xảy ra của nó, nhưng cách mà các đồng nghiệp của tôi đã nói chuyện trong vài tháng qua, tôi không nghĩ mình có thể hoàn toàn loại trừ nó nữa. Nó khiến tôi mất ngủ.

Tích tụ tư bản

Nói chung, ML cho phép các công ty chuyển chi tiêu từ con người sang các hợp đồng dịch vụ với các công ty như Microsoft. Các hợp đồng này trả cho lượng phần cứng, điện năng, tòa nhà và dữ liệu khổng lồ cần thiết để đào tạo và vận hành một mô hình ML hiện đại. Ví dụ, các công ty phần mềm đang bận rộn sa thải kỹ sư và chi nhiều tiền hơn cho "AI". Thay vì thuê một kỹ sư phần mềm để xây dựng một cái gì đó, một quản lý sản phẩm có thể đốt 20.000 đô la một tuần cho các token Claude, lần lượt trả cho rất nhiều chip của Amazon.

Không giống như nhân viên, những người có những ham muốn cơ bản và đôi khi tổ chức để yêu cầu mức lương tốt hơn hoặc các giờ nghỉ ngơi, LLM vô cùng dễ chịu, có thể bị sa thải bất cứ lúc nào, không bao giờ cần đi vệ sinh và không công đoàn hóa. Tôi nghi ngờ rằng nếu các công ty thành công trong việc thay thế số lượng lớn người bằng các hệ thống ML, hiệu ứng sẽ là tập trung cả tiền lẫn quyền lực vào tay tư bản.

UBI, Ảo vọng

Những người thúc đẩy AI tin rằng các cú sốc kinh tế tiềm năng chỉ là gờ speed trên con đường dẫn đến sự dồi dào. Một khi AI thực sự đến, nó sẽ giải quyết một số hoặc tất cả các vấn đề lớn của xã hội tốt hơn chúng ta, và con người có thể thưởng thức phần thưởng từ lao động của nó. Lợi nhuận khổng lồ tích lũy cho các công ty AI sẽ được đánh thuế và chia sẻ cho tất cả thông qua Thu nhập cơ bản phổ quát (UBI).

Cảm giác này ngây thơ một cách vô vọng. Chúng ta có các tập đoàn khổng lồ có lợi nhuận tại nhà, và tên của họ là những thứ như Google, Amazon, Meta và Microsoft. Những công ty này đã chiến đấu "răng nanh và móng vuốt" để tránh nộp thuế (hoặc, vì vấn đề đó, trả tiền cho người lao động của họ). OpenAI tồn tại được chưa đầy một thập kỷ trước khi quyết định không còn muốn là một tổ chức phi lợi nhuận nữa. Không có lý do gì để tin rằng các công ty "AI" sẽ, sau khi đã chiết xuất sự giàu có khổng lồ từ việc chèn các dịch vụ của họ vào mọi lĩnh vực của nền kinh tế, quay lại và tài trợ cho UBI từ lòng tốt của họ.

Nếu đủ nhiều người mất việc làm, chúng ta có thể thể hiện đủ sự nhiệt tình của công chúng cho bất kỳ nghìn tỷ đô la thu thuế mới nào được yêu cầu. Mặt khác, bất bình đẳng thu nhập ở Mỹ đã nói chung là tăng trong 40 năm, phần thu nhập trước thuế của người kiếm được nhiều nhất đang gần mức cao của đầu thế kỷ 20, và sự phản đối của đảng Cộng hòa đối với chính sách thuế tiến bộ vẫn mạnh mẽ.