Tham luận: Nấc thang khuyết bậc: Lộ trình thăng tiến của kỹ sư khi AI xóa bỏ phân khúc trung gian

Trang chủ InfoQ Bài thuyết trình Những nấc thang bị khuyết: Lộ trình phát triển ngành kỹ thuật khi AI xóa bỏ cấp bậc trung gian Văn hóa và Phương pháp Những nấc thang bị khuyết: Lộ trình phát triển ngành kỹ thuật khi AI xóa bỏ cấp bậc trung gian Thích Danh sách đọc Xem bài thuyết trình Dọc Ngang Toàn màn hình Tốc độ: 1x 1,25x 1,5x 2x 50:30 Tóm tắt nội dung Alasdair Allan thảo luận về các nghiên cứu thực nghiệm từ METR và Anthropic liên quan đến việc ứng dụng AI trong lập trình. Tác giả phân tích "nghịch lý giám sát", trong đó sự phụ thuộc vào các công cụ AI làm gián đoạn quá trình phát triển kỹ năng của kỹ sư mới vào nghề, gây nguy cơ làm mất bối cảnh vận hành của tổ chức, đồng thời đe dọa chuỗi kế thừa nhân sự kỹ thuật dài hạn cần thiết để giám sát hiệu quả các hệ thống tự vận hành. Tiểu sử Alasdair Allan, Giám đốc Công nghệ (CTO) tại Negroni Venture Studios kiêm Giám đốc Công nghệ lâm thời tại Evaro, hoạt động chuyên môn trong lĩnh vực giao thoa giữa phần cứng mở, ML và các công nghệ mới nổi. Từng là nhà nghiên cứu vật lý thiên văn và cựu Trưởng bộ phận Tài liệu kỹ thuật tại Raspberry Pi, ông là tác giả của tám cuốn sách và hơn 100 bài báo khoa học. Giới thiệu về hội nghị Phần mềm đang thay đổi thế giới. QCon London thúc đẩy tiến trình phát triển phần mềm thông qua việc tạo điều kiện lan tỏa tri thức và sáng kiến đổi mới trong cộng đồng lập trình viên. Là một hội nghị định hướng thực hành, QCon được thiết kế dành cho các trưởng nhóm kỹ thuật, kiến trúc sư hệ thống, giám đốc kỹ thuật và các nhà quản lý dự án – những người giữ vai trò định hướng đổi mới trong đội ngũ của mình. Bản ghi nội dung Ông Alasdair Allan: Cách đây đúng 12 tháng, chứ không phải 5 năm trước, tại một hội nghị hoàn toàn khác ở New York, một diễn giả đã phát biểu rằng trong vòng 12 tháng tới, AI về cơ bản sẽ viết toàn bộ mã nguồn. Hiện nay, nhiều lập trình viên và đội ngũ kỹ thuật vẫn tiếp tục viết mã theo phương thức thủ công. Người đưa ra nhận định trên là ông Dario Amodei, đồng sáng chế kỹ thuật RLHF (học tăng cường từ phản hồi của con người) – phương pháp huấn luyện đứng sau hầu hết các hệ thống AI hiện đại – đồng thời là đồng sáng lập Anthropic. Ông Amodei từng nhận định trong vòng 3 đến 6 tháng, AI sẽ viết 90% tổng lượng mã nguồn, và trong vòng 12 tháng sẽ đảm nhiệm gần như toàn bộ. Sau 6 tháng, ông Amodei khẳng định con số 90% là hoàn toàn chính xác, ít nhất là trong nội bộ Anthropic. Tuy nhiên, sau 12 tháng, thực tế đã không diễn ra như dự báo. Phân tích chi tiết của Redwood Research kết luận con số 90% nêu trên chưa phản ánh đúng bản chất. Nếu chỉ tính lượng mã nguồn được đẩy lên kho lưu trữ (repository), tỷ lệ này đạt gần 50% – một con số vẫn rất đáng chú ý. Tỷ lệ chỉ chạm mức 90% nếu tính cả các đoạn mã ngắn dùng tạm, các thử nghiệm đơn lẻ và toàn bộ văn bản do AI tạo ra từng có giá trị sử dụng nhất thời. Trong khi đó, Google báo cáo chỉ có hơn 25% lượng mã nguồn nội bộ do AI tạo ra. Microsoft công bố con số khoảng 30%. GitHub Copilot ghi nhận tỷ lệ doanh nghiệp chấp nhận đề xuất đạt khoảng 30%. Các số liệu này gần như không thay đổi trong 6 tháng qua và còn khoảng cách rất xa so với mức thay thế hoàn toàn. AI đang viết một lượng lớn mã nguồn, làm thay đổi sâu sắc diện mạo của ngành phát triển phần mềm. Nhận định của ông Amodei không phải là vô căn cứ; dữ liệu nội bộ của Anthropic cho thấy các kỹ sư sử dụng Claude trong 59% khối lượng công việc hằng ngày và tự ghi nhận mức tăng năng suất đạt 50%. Hiện có khoảng 4% tổng số lượt commit trên GitHub do Claude Code thực hiện. Các công cụ này hoàn toàn có thật và hiệu quả năng suất là thực tế trong một số bối cảnh nhất định. Tuy nhiên, bản chất của ngành kỹ thuật phần mềm chưa bao giờ chỉ dừng lại ở việc viết mã. Trọng tâm thảo luận hiện nay chủ yếu xoay quanh việc AI viết mã nguồn, trong khi vấn đề thực sự cần được xem xét là diện mạo của ngành kỹ thuật phần mềm sẽ ra sao khi kỹ sư không còn phải viết mã. Dẫu vậy, nội dung này hướng đến một câu hỏi mang tính nền tảng hơn đang bị cả hai luồng ý kiến bỏ qua. Đó là câu hỏi mang tính cấu trúc: Nếu AI đảm nhiệm công việc vốn dùng để đào tạo các kỹ sư, thế hệ kỹ sư tiếp theo sẽ được hình thành từ đâu? Nhận định bổ sung của chính ông Amodei vào năm ngoái đã khẳng định điều này, khi ông cho rằng lập trình viên vẫn cần xác định thiết kế tổng thể, phương thức phối hợp của mã nguồn và tính an toàn của hệ thống. Ông đã tách biệt hoạt động viết mã khỏi kỹ thuật phần mềm. Tuy nhiên, từ trước đến nay, việc viết mã chính là phương thức để rèn luyện kỹ năng kỹ thuật phần mềm. Tháng 7 năm ngoái, hãng tin Reuters đã đăng tải dòng tiêu đề thu hút sự quan tâm lớn trong giới kỹ thuật: "Nghiên cứu cho thấy AI làm chậm tiến độ của một số nhà phát triển phần mềm giàu kinh nghiệm". Nghiên cứu của tổ chức METR – một thử nghiệm ngẫu nhiên có đối chứng, không phải khảo sát do nhà cung cấp thực hiện – kết luận các nhà phát triển giàu kinh nghiệm sử dụng công cụ AI đã mất nhiều hơn 19% thời gian để hoàn thành nhiệm vụ. Trước khi thử nghiệm diễn ra, các đối tượng tham gia từng dự đoán AI sẽ... khiến họ nhanh hơn 24%. Sau khi hoàn tất, họ vẫn tin rằng mình đã thao tác nhanh hơn 20%. Khoảng cách giữa nhận thức và thực tế lên tới 43 điểm phần trăm. Riêng dữ liệu này đã đặt ra thách thức đối với các nhận định phổ biến về AI. Những diễn biến tiếp theo sau đó mới thực sự đáng quan tâm. Tháng 2 năm nay, METR đã nỗ lực tiến hành một nghiên cứu tiếp nối nhưng không thể thực hiện. Nguyên nhân không xuất phát từ phương pháp nghiên cứu, mà do các lập trình viên hiện từ chối làm việc khi không có AI. Đơn vị này không tìm được người tham gia khảo sát. Ngày càng nhiều lập trình viên khẳng định với METR rằng họ sẽ không tham gia bất kỳ nghiên cứu nào đòi hỏi phải hoàn thành một nửa nhiệm vụ mà không có trợ lý AI. Nghiên cứu không thể tiến hành đo lường, không phải vì tác động đã biến mất, mà bởi mức độ phụ thuộc đã quá lớn để có thể kiểm soát đối chứng. Không thể triển khai một thử nghiệm có kiểm soát nếu thiếu đi nhóm đối chứng. Trong vòng chưa đầy một năm, thực tế đã chuyển từ việc AI làm giảm tốc độ xử lý của các lập trình viên giàu kinh nghiệm nhưng họ không