Về mã hóa AI và những bất mãn của nó

Về mã hóa AI và những bất mãn của nó Ngày 10 tháng 8 năm 2026 Trở lại tháng 1, tôi nhận được thư từ một kỹ sư phần mềm cấp cao ở Thung lũng Silicon. Anh ấy tự mô tả mình là một người hoài nghi về AI, người đã chuyển đổi sau khi thử Claude Code lần đầu tiên. “Chỉ qua một đêm, nó đã thay đổi cách tôi làm công việc của mình,” anh viết. “Nó thực sự, thực sự tốt.” Như anh ấy đã giải thích, anh ấy không còn sử dụng môi trường phát triển tiêu chuẩn nữa. Thay vào đó, anh ấy “độc quyền sử dụng Claude Code” để hoàn thành công việc, tương tác với công cụ này trong cửa sổ terminal và cho phép nó lập trình thay mặt anh ấy. “Nếu tôi phải đoán,” anh ấy kết luận, “tôi sẽ nói rằng một công việc mà lẽ ra tôi phải mất một tuần thì bây giờ tôi phải mất 2 ngày.” Mùa đông vừa qua, khi tôi khảo sát hơn 300 nhà phát triển phần mềm để tìm hiểu xem AI đã thay đổi công việc của họ như thế nào, phần lớn đều kể một câu chuyện tương tự về việc chuyển từ viết mã của riêng họ sang hướng dẫn các tác nhân AI. Tốc độ mà công cụ mới này trở nên phổ biến trong ngành này thật đáng kinh ngạc. Câu chuyện này quan trọng đối với phần còn lại của chúng ta vì các công cụ mã hóa AI đã nổi lên như một ví dụ điển hình về sức mạnh của AI—bước đầu tiên trong số nhiều bước đi khác sắp diễn ra trên bước đột phá của công nghệ này trong công việc và cuộc sống của chúng ta. Nhưng nếu thực tế ở đây phức tạp hơn thì sao? Tuần trước, tôi nhận được một tin nhắn mới từ chính kỹ sư cấp cao đó, người muốn chia sẻ một phụ lục đáng báo động cho câu chuyện của anh ấy… “Tôi viết thư này để cập nhật cho bạn suy nghĩ hiện tại của tôi về tình trạng của AI trong công nghệ phần mềm,” anh ấy bắt đầu, “bởi vì thái độ của tôi đã thay đổi khá nhiều.” Anh ấy nói với tôi rằng các tính năng mà anh ấy tạo ra bằng cách sử dụng Claude Code đã khiến sản phẩm của họ gặp sự cố trong hai trường hợp khác nhau. Ông chủ của anh ấy nói với anh ấy rằng nếu điều đó xảy ra một lần nữa, anh ấy sẽ bị sa thải. “Tôi chưa bao giờ gặp vấn đề về chất lượng như thế này trước đây trong sự nghiệp của mình.” Vấn đề là mã do tác nhân AI tạo ra có vẻ hợp lý nhưng có thể chứa 'lỗi khó phát hiện' và cuối cùng gây ra sự cố lớn. Do đó, bạn nên xem xét cẩn thận kết quả đầu ra của đại lý, nhưng điều này rất khó. Như kỹ sư đã nói với tôi, việc hiểu mã mà bạn không tự viết là “rất khó” nên bước bổ sung này trở nên “dễ dàng bỏ qua (đặc biệt là khi tất cả chúng ta đều đang cố gắng tăng tốc độ của mình lên gấp 10 lần)”. Chẳng mấy chốc, hệ thống bắt đầu bị hỏng. Ông tóm tắt: “Các công cụ khai thác mã hóa rất hữu ích và giúp cuộc sống của một nhà phát triển trở nên dễ dàng hơn, nhưng chúng cũng khuyến khích sự lười biếng”. Để giải quyết những vấn đề này, người kỹ sư bị vỡ mộng này đã quay trở lại với công việc lập trình phần lớn bằng tay. Đây là cách ông giải thích triết lý hiện tại của mình: “Viết mã của riêng bạn, chậm nhưng chắc chắn và sử dụng LLM cho các nhiệm vụ hẹp hoặc đặc biệt khó chịu (chẳng hạn như viết bài kiểm tra hoặc tập lệnh vứt đi), là cách tốt nhất để tạo ra mã chất lượng cao nhất, vì đó là cách duy nhất để hiểu đúng về nó.” Vấn đề là thế này: anh ấy không đơn độc. Tôi ngày càng nghe thấy những lời đồn đại tương tự từ nhiều người khác trong ngành phần mềm (ví dụ: xem tập podcast này từ tháng 5). Các công cụ như Claude Code có thể giống như một phép thuật, nhưng chiến lược gia công toàn bộ hoạt động sản xuất mã cho AI hiện không bền vững. Ngoài các vấn đề về độ tin cậy, nó thường tạo ra một quy trình làm việc mệt mỏi và một môi trường mà các nhà phát triển cấp dưới sẽ không bao giờ có được kiến ​​thức chuyên môn để trở thành nhà phát triển cấp cao có khả năng thiết kế các hệ thống phức tạp. Trong khi đó, khi các phòng thí nghiệm biên giới giảm trợ cấp cho chi phí điện toán cơ bản, thói quen cũ là đốt càng nhiều token càng tốt để tìm kiếm kết quả khả thi đang tỏ ra cực kỳ tốn kém. Nhìn từ bên ngoài, phát triển phần mềm dường như là hình mẫu cho tiềm năng của AI. Ở bên trong, nó là một mớ hỗn độn. Điều này không có nghĩa là các lập trình viên sẽ từ bỏ AI; cơ sở của nó với các ngôn ngữ lập trình là quá giá trị để có thể bỏ qua. Nhưng tôi nghĩ còn rất nhiều việc phải làm để tìm ra cách tích hợp AI vào ngành này theo cách thực sự hiệu quả. Đây là một điểm quan trọng. Năm vừa qua thật là mệt mỏi. Bộ phận PR của các phòng thí nghiệm biên giới đã làm rất tốt việc thuyết phục chúng tôi rằng sự phát triển AI đang diễn ra với tốc độ thay đổi thế giới đáng kinh ngạc. Nhưng nếu bạn thu nhỏ, có thể thấy rõ rằng hầu hết mọi “đột phá” kể từ mùa hè năm ngoái đều liên quan đến các lĩnh vực hẹp như mã máy tính và toán học, những lĩnh vực được xác định bằng các ngôn ngữ có cấu trúc cao và đi kèm với lượng lớn dữ liệu đào tạo chuyên ngành. Chưa hết, ngay cả trong bối cảnh kịch bản tốt nhất dành cho AI này, chúng tôi vẫn đang cố gắng tìm ra cách thực sự sử dụng những công cụ này theo cách có ý nghĩa về lâu dài. Điều này không có nghĩa là AI không hoạt động hoặc vô dụng. Nhưng nó nhấn mạnh một sự thật quan trọng: AI không phải là một “cỗ máy vô cực” kỳ diệu có thể giải quyết mọi vấn đề của chúng ta và cuối cùng mang lại cho chúng ta cảm giác có ý nghĩa trong một thế giới lạnh lùng, khó hiểu. Đó là một công nghệ bình thường và có lẽ đã đến lúc chúng ta bắt đầu nói về nó theo cách đó. Mô hình mới của OpenAI có “Go Rogue” không?