Một kỹ sư tập sự từng hỏi tôi, "AI có lấy mất công việc của chúng ta không?"
Tôi dừng lại một giây không phải vì tôi không biết câu trả lời, mà vì tôi muốn nói theo cách thực sự có tác động. "Không nếu bạn tiếp tục phát triển" tôi nói với họ. "Nhưng nếu bạn ngừng học hỏi, ngừng suy nghĩ, và chỉ làm những gì được bảo thì có thể."
Điều đó có thể nghe khắc nghiệt. Nhưng đó là sự thật.
Làn sóng AI này sẽ không đổ ập xuống và lấy mất công việc của chúng ta. Nhưng nó sẽ buộc chúng ta phải tiến hóa. Những kỹ sư sẽ phát triển theo hướng không chỉ giỏi viết prompt hay viết code, họ sẽ là những người biết khi nào bỏ qua việc viết prompt và tự mình suy nghĩ.
Trong một thời gian dài, trở thành một kỹ sư tốt có nghĩa là bạn có thể viết code sạch, triển khai các tính năng hoạt động trơn tru, và có thể debug những vấn đề khó khăn. Nếu bạn vững vàng trong nghề nghiệp của mình, theo kịp công nghệ bạn chọn, và thi thoảng có thể học một vài framework mới thì bạn đã ổn.
Nhưng nền tảng đó đang thay đổi nhanh chóng.
AI bây giờ có thể giúp viết code, tạo tests, và thậm chí xây dựng các ứng dụng đơn giản. Nó không hoàn hảo, nhưng đủ tốt để thay đổi cách mọi thứ hoạt động. Những kỹ năng từng làm bạn nổi bật như viết code nhanh hoặc biết tất cả cú pháp đúng giờ đây được mong đợi ở tất cả mọi người. Và một số trong những nhiệm vụ đó đang bắt đầu được AI thực hiện tự động.
Và đó không phải là mối đe dọa. Đó là tiếng chuông báo thức.
Những kỹ sư giỏi trong thời đại AI sẽ là những người:
- Biết cách phát hiện các trường hợp mà AI đã bỏ lỡ
- Đưa ra phán đoán khi sự đánh đổi không rạch ròi giữa đen và trắng
- Debug code lộn xộn được tạo bởi AI và refactor để nó rõ ràng hơn
- Cộng tác sâu sắc với product, design, và thậm chí cả các công cụ AI
- Tiếp tục hỏi, "Chúng ta thực sự đang giải quyết gì ở đây?"
Bạn không còn chỉ là người gõ code. Bạn là người thấy vấn đề, định hình nó, và hướng dẫn cả con người lẫn AI hướng tới một giải pháp chu đáo.
Vậy giữ vị thế thực sự trông như thế nào trong thực tế? Đây là những điều tôi luôn nhắc lại:
Nắm vững kiến thức cơ bản
Đừng bỏ qua những điều cơ bản. Kỹ năng viết code vẫn quan trọng không phải vì bạn sẽ luôn viết mọi dòng code, mà vì bạn cần review, hiểu, và cải thiện những gì AI cung cấp cho bạn.
Vòng phản hồi giữa bạn và AI phụ thuộc vào khả năng của bạn để thấy cái gì đúng và cái gì sai.
Giỏi Debugging
Code của AI không phải lúc nào cũng sạch. Nó thường chỉ "nghe có lý". Kỹ năng debugging của bạn, khả năng truy tìm vấn đề, hình thành giả thuyết, test, và sửa sẽ có giá trị hơn bao giờ hết.
Thực hành tư duy vấn đề trước
Bắt đầu với vấn đề, không phải giải pháp. Đừng chờ đợi ai đó đưa cho bạn giải pháp, đào sâu vào vấn đề thực sự. Đặt câu hỏi tốt hơn. Học cách phá vỡ sự mơ hồ. Đó là loại tư duy mà AI chưa thể làm tốt.
Làm việc tốt với các đội ngũ khác nhau
Bạn sẽ cần làm việc qua các vai trò thường xuyên hơn. Những người làm product có thể gửi Merge Requests. Designers có thể chỉnh sửa code. AI có thể tạo specs. Công việc của bạn là giữ tiêu chuẩn kỹ thuật trong khi cộng tác chặt chẽ với các bên. Sự linh hoạt, khả năng giao tiếp và giải quyết vấn đề hiệu quả sẽ là cốt lõi.
Thử nghiệm và xây dựng với AI
Đừng chỉ đọc về AI, hãy xây dựng với nó. Thử các công cụ như GitHub Copilot, ChatGPT, Cursor, hoặc Claude Code. Sử dụng AI để viết tests, tạo tài liệu, hoặc tóm tắt báo cáo lỗi. Xem cái gì hoạt động, cái gì không, và cách hướng dẫn nó tốt hơn. Bạn càng thử nghiệm nhiều, bản năng của bạn sẽ càng sắc bén.
AI như công cụ xây dựng mới, một dạng lập trình khác
AI không chỉ là công cụ để hoàn thành đoạn văn của bạn hoặc gợi ý dòng code tiếp theo. Chúng ta cần xem nó như một cách mới để xây dựng phần mềm. Hãy nghĩ rộng hơn:
- Thay vì viết mọi dòng logic, bạn prompt mô hình để lấy và định dạng dữ liệu.
- Bạn có thể xây dựng ứng dụng điều phối tới LLMs để xử lý truy vấn người dùng và xử lý dữ liệu.
Tiềm năng thực sự của LLMs không chỉ làm cho quy trình làm việc cũ nhanh hơn, mà nó về việc thay đổi cách chúng ta xây dựng mọi thứ.
Hãy sử dụng một ví dụ đơn giản: một ứng dụng thời tiết.
- Trước AI: Một kỹ sư tìm API thời tiết, đọc docs, viết code để kết nối với nó, lấy dữ liệu, và xây dựng UI.
- Với sự giúp đỡ AI cơ bản: Kỹ sư sử dụng LLMs để tìm kiếm API, sau đó sử dụng nó để viết các phần code nhanh hơn, như phân tích phản hồi API. Nó tiết kiệm thời gian, nhưng quy trình vẫn chủ yếu giống nhau.
- Với tư duy mới: Kỹ sư có thể yêu cầu LLMs thu thập và tổ chức dữ liệu thời tiết trực tiếp. Ví dụ: "Cho tôi nhiệt độ, độ ẩm, tốc độ gió, và khả năng mưa cho vị trí được nhập vào ở định dạng có cấu trúc". LLMs có thể trả về JSON với tất cả thông tin đó, chúng ta có thể bỏ qua nhu cầu viết code tích hợp trực tiếp với API thời tiết, và kỹ sư có thể tập trung nhiều hơn vào việc tạo trải nghiệm người dùng tốt.
Điều này cho thấy LLMs có thể đảm nhận vai trò lớn hơn, không chỉ viết code, mà còn nhiều hơn thế. Điều đó giải phóng kỹ sư để tập trung vào những gì làm cho ứng dụng của họ độc đáo. Đối xử với AI như một động cơ bạn có thể xây dựng xung quanh nó. Việc viết prompt trở thành một dạng lập trình. Sáng tạo và ngữ cảnh của con người vẫn quan trọng, nhưng AI cho chúng ta một lớp trừu tượng và sức mạnh mới. Đây là cơ sở hạ tầng mới mà chúng ta có thể khai thác.
Đây là những gì cần nhớ khi bối cảnh thay đổi:
- Việc viết code không biến mất, nó chỉ thay đổi hình thức. Kỹ sư giỏi vẫn sẽ cần thiết để review, và quyết định.
- AI không thay thế bạn, nhưng người sử dụng AI tốt hơn có thể làm điều đó.
- Hãy tò mò. Hãy sắc bén. Hãy là người làm chủ nghề nghiệp của bạn.
Đây không phải là kết thúc sự nghiệp của bạn. Đó là khởi đầu của một chương mới, nơi những kỹ sư tốt nhất là những người suy nghĩ, giải quyết vấn đề, và hướng dẫn cho các công cụ AI mà chúng ta giờ đây làm việc cùng.