Lập trình thời AI Bài 1 AI đang làm tốt những gì và vì sao "thợ gõ code" sắp biến mất?

1. Thực tế: AI đã vượt con người ở những mảng nào?

Thay vì phủ nhận năng lực của AI, chúng ta cần nhìn thẳng vào 3 điểm mạnh vượt trội của các mô hình hiện nay:

Tốc độ sinh mã khuôn mẫu (Boilerplate Code): Thiết lập cấu trúc dự án, viết API CRUD cơ bản, tạo DTO, hay viết migration script chỉ mất vài giây thay vì hàng giờ gõ tay.
Tra cứu và tổng hợp tài liệu (Documentation Synthesis): AI đóng vai trò như một cỗ máy tìm kiếm có khả năng tổng hợp. Nó có thể đọc qua hàng nghìn trang docs của một framework mới để đưa ra đoạn code mẫu chính xác theo cú pháp mới nhất.
Chuyển đổi ngôn ngữ và định dạng: Dịch mã nguồn từ Java sang Go, chuyển SQL query phức tạp sang ORM, hoặc viết regex cho chuỗi ký tự dài đều được thực hiện với độ chính xác cao.

"Thợ gõ code" là thuật ngữ chỉ những người làm việc theo quy trình thụ động:

Nhận Spec/Đề bài chi tiết ──> Chuyển đổi thành cú pháp ngôn ngữ ──> Chạy thử thấy ra kết quả ──> Bàn giao

Đặc điểm nhận diện nhóm này:

Chỉ tập trung vào việc viết code cho chạy được, ít quan tâm tại sao hệ thống lại thiết kế như vậy.
Phụ thuộc hoàn toàn vào tài liệu mô tả chi tiết từng hàm, từng biến.
Không nắm vững cách máy tính quản lý bộ nhớ, I/O hay luồng mạng bên dưới.

Chi phí biên (Marginal Cost) tiệm cận 0: Một lập trình viên sơ cấp mất 4 tiếng để viết một module cơ bản với mức lương trả theo giờ. AI làm việc đó trong 10 giây với chi phí điện toán vài cent.
Không tạo ra giá trị gia tăng: Khi đầu vào là một bản đặc tả hoàn chỉnh và đầu ra là cú pháp chuẩn, AI thực hiện bước chuyển đổi này nhanh và ít sai cú pháp hơn người mới học lập trình.
Điểm nghẽn trong bảo trì: Người chỉ biết chép code sẽ không thể giải thích tại sao đoạn mã hoạt động hoặc cách xử lý khi hệ thống phát sinh lỗi ngầm dưới tải cao.

Tiêu chí	Thợ gõ code (Nguy cơ bị thay thế)	Kỹ sư phần mềm (Tận dụng AI)
Mục tiêu chính	Viết xong đoạn code theo đúng yêu cầu đề bài.	Giải quyết bài toán thực tế với chi phí vận hành tối ưu.
Cách dùng AI	Nhờ AI làm hộ từ đầu đến cuối, copy không sửa.	Dùng AI như trợ lý tăng tốc, tự kiểm soát logic và kiến trúc.
Trọng tâm tư duy	Cú pháp (Syntax) và tính chạy được của hàm.	Kiến trúc, tính mở rộng, bảo mật và tính toàn vẹn dữ liệu.
Khi gặp lỗi	Prompt liên tục hỏi AI cách sửa mà không hiểu nguyên nhân.	Phân tích root cause qua logs, metrics và cơ chế vận hành.

Dừng đo lường năng suất bằng số dòng code (LOC): Đo lường giá trị bằng chất lượng giải pháp, độ ổn định của hệ thống và khả năng đọc hiểu/bảo trì của mã nguồn.
Chuyển dịch câu hỏi: Thay vì hỏi "Làm sao để viết hàm này bằng Python?", hãy hỏi "Cấu trúc dữ liệu nào tối ưu bộ nhớ cho bài toán này, và tại sao?"
Chủ động đọc hiểu mã nguồn AI sinh ra: Không commit bất kỳ dòng code nào vào repository nếu chưa thể giải thích từng dòng hoạt động như thế nào.