0

AI có làm dev nhanh hơn không: khi nào nên dùng, khi nào tự làm

"Dùng AI xong mình làm nhanh gấp mười lần." Câu này mình nghe nhiều, và có thời gian chính mình cũng nói vậy. Cho tới một hôm mình nhờ AI sửa một đoạn code chừng mười dòng. Giải thích bối cảnh mất năm phút, AI sửa xong trong vài giây, mình đọc lại thấy nó đổi luôn một chỗ không liên quan, giải thích lại, nó sửa lại, mình đọc lại lần nữa. Tổng cộng hai mươi phút. Tự gõ thì mất năm phút.

AI không làm chậm mình. Mình đã dùng nó sai chỗ. Bài cuối của series này không nhằm khen hay chê AI, mà để trả lời một câu thực tế hơn: việc nào nên giao cho AI, việc nào tự làm nhanh hơn, và làm sao biết chắc thay vì đoán theo cảm giác.

Vì sao cảm giác "nhanh hơn" hay đánh lừa

Lúc AI sinh ra cả trăm dòng code trong vài giây, cảm giác đó rất mạnh. Nhưng thời gian thật của một việc không dừng ở chỗ AI viết xong. Nó gồm cả:

Giải thích việc → AI làm → Đọc lại → Sửa/giải thích lại → Kiểm tra → Xong thật
   (bạn tốn)       (nhanh)    (bạn tốn)      (bạn tốn)         (bạn tốn)

Chỉ một ô ở giữa là nhanh. Các ô còn lại là thời gian của bạn, và chúng hay bị quên khi tự đánh giá. Việc nào mà các ô xung quanh to hơn phần tự gõ, thì AI làm việc đó chậm hơn bạn.

AI làm tốt, bạn tự làm nhanh hơn

Đây là cách mình chia sau một thời gian để ý:

Giao cho AI Tự làm
Việc lặp lại nhiều lần theo cùng một mẫu Đoạn sửa nhỏ mà gõ còn nhanh hơn giải thích
Đọc và tóm tắt tài liệu, log, code lạ dài Quyết định kiến trúc, đánh đổi giữa các hướng
Viết bản nháp đầu (code mẫu, test, tài liệu, email) Chỗ cần hiểu sâu nghiệp vụ mà chưa ghi ra đâu
Thao tác chán và dễ sai khi làm tay Thứ cần "gu": đặt tên, trải nghiệm người dùng
Tra cứu cú pháp, API bạn ít dùng Việc chỉ bạn có thông tin (chuyện thật, số đo thật)
Rà soát lần thứ hai (review, quét secret) Phán quyết cuối cùng: merge hay không, đăng hay không

Một ví dụ cột trái mình thấy rõ nhất: đổi tên trường customerName thành fullName trong API. Nó nằm ở backend, frontend, test, file mô tả API, vài chục chỗ. Làm tay thì chán và rất dễ sót một chỗ. AI sửa hết, chạy build và test, rồi liệt kê riêng những chỗ nó không chắc (một chuỗi trong file cấu hình trùng tên nhưng không liên quan). Mình chỉ đọc diff và quyết mấy chỗ đó.

Còn một ví dụ cột phải: có nên tách phần gửi thông báo thành một service riêng không. AI liệt kê ưu nhược rất đầy đủ. Nhưng nó không biết team mình chỉ có hai người vận hành hệ thống, và không ai muốn trực thêm một service lúc 2 giờ sáng. Quyết định đó cần những thông tin chỉ mình có.

Những chi phí ít ai tính

Thời gian review. Bài 4 của series đã nói: AI sai theo kiểu khác người, nên đọc code AI viết không thể đọc lướt. Việc càng quan trọng, thời gian review càng lớn.

Chi phí tiền. Các công cụ AI tính phí theo gói hoặc theo lượng dùng. Một phiên làm việc dài, đọc nhiều file, chạy nhiều vòng có thể tốn hơn bạn nghĩ. Đáng để xem trang thống kê mức dùng của công cụ bạn đang trả tiền.

Mất kỹ năng. Việc gì cũng nhờ AI thì có ngày bạn không còn tự làm được việc đó, và cũng không còn đủ hiểu để biết AI làm đúng hay sai. Mình vẫn cố tự làm những việc thuộc chuyên môn chính, dùng AI để kiểm lại chứ không để làm thay hoàn toàn.

Đo chứ đừng cảm

Thay vì tin cảm giác, thử ghi lại trong một tuần. Không cần công cụ gì, một bảng đơn giản là đủ (ba dòng dưới chỉ là ví dụ cách ghi):

Việc Có dùng AI? Bắt đầu Xong thật (đã kiểm, đã merge) Phải sửa lại mấy lần Ghi chú
Sửa lỗi lọc đơn hàng Có 9:00 9:40 2 Giải thích bối cảnh mất lâu
Viết test cho module thanh toán Có 10:00 10:25 0 Nhanh hơn hẳn
Đổi tên biến trong 1 file Không 11:00 11:03 0

Cột "Xong thật" là cột quan trọng: tính tới lúc việc thật sự xong, không phải lúc AI báo xong. Sau một tuần, nhìn lại bảng, bạn sẽ thấy rõ loại việc nào AI giúp thật, loại việc nào chỉ cảm giác là nhanh.

Mình không đưa ra con số kiểu "AI giúp nhanh hơn X%" ở đây, vì con số đó khác nhau quá nhiều tuỳ người, tuỳ việc, tuỳ cách dùng. Con số đáng tin duy nhất là con số từ bảng của chính bạn.

Khi nào câu "nhanh gấp mười lần" vẫn đúng

Công bằng mà nói, có những lúc nó đúng thật: khi bạn bước vào một công nghệ hoàn toàn mới, khi phải đọc một codebase lạ, khi cần làm một việc lặp lại cả trăm lần. Ở những việc đó, phần AI làm thật sự lấn át phần bạn phải bỏ ra.

Điều mình rút ra sau cả series: AI không phải là công cụ làm mọi thứ nhanh hơn, mà là công cụ làm đúng loại việc nhanh hơn rất nhiều. Biết chọn đúng loại việc đó là kỹ năng, và kỹ năng đó chỉ có được bằng cách để ý, ghi lại, và tự đo.


Thử ngay: copy bảng ở trên, ghi lại mọi việc trong năm ngày làm việc tới. Cuối tuần nhìn lại, khoanh những việc có cột "phải sửa lại" từ 2 trở lên. Đó là những việc bạn nên thay đổi cách giao, hoặc tự làm.

Đây là bài cuối của series. Mười bài đi từ cách nói chuyện với AI, kiểm tra AI, giao việc, review, bảo mật, debug, đọc codebase lạ, đóng gói thành skill, tới câu hỏi có nên dùng hay không. Bạn muốn mình viết tiếp chủ đề nào về AI, hay có kinh nghiệm nào trái ngược với những gì mình kể? Comment cho mình biết nhé, mình đọc hết.

P.S. Chi phí dùng AI phần lớn nằm ở lượng thông tin bạn bắt nó xử lý trong mỗi phiên. Skill context-engineering-rules trong PrimeKit, bộ skill mình tự làm, giúp bạn theo dõi mức dùng context, các giới hạn sử dụng, và tối ưu lượng token tiêu thụ khi phiên làm việc bắt đầu phình to. Cài bằng npx @lovehlmmm/primekit init, rồi gõ /pk:context-engineering-rules khi thấy phiên làm việc nặng nề. Nó giúp bạn dùng AI tiết kiệm hơn, còn việc có nên dùng AI cho một việc hay không thì bảng ở trên trả lời tốt hơn.


Series khác của mình


All rights reserved

Viblo
Hãy đăng ký một tài khoản Viblo để nhận được nhiều bài viết thú vị hơn.
Đăng kí