Từ lời hứa năng suất AI đến hiện thực kiệt sức công việc
AI kiệt sức công việc là tình trạng các công cụ trí tuệ nhân tạo gia tăng tốc độ tạo ra sản phẩm (như code, tài liệu, phân tích) đến mức tổ chức không kịp điều chỉnh quy trình, khiến con người bị đẩy vào những ca làm kéo dài hàng chục giờ chỉ để theo kịp máy, chủ yếu làm nhiệm vụ xác thực đầu ra thay vì tư duy giá trị. La forma de trabajar en tecnología está cambiando muy rápido, donde los programadores escriben cada vez menos código; tareas que antes exigían horas ahora se resuelven con ayuda de inteligencia artificial. Câu chuyện một lập trình viên mới vào công ty nửa tháng, chứng kiến cả đội "làm việc 12–13 giờ mỗi ngày chỉ để nhấn Enter" trên Claude Code, là minh họa sống động cho năng suất AI mâu thuẫn. Đặc tả, code, test, tài liệu, ticket và cả cách giải ticket đều đi qua mô hình, con người chỉ chat với AI, chờ kết quả rồi bấm Enter để tiếp tục chuỗi tự động.
Nút thắt mới: xác thực code tự động quan trọng hơn tạo ra code
Khi Claude Code có thể "tạo ra lượng lớn code, dựng prototype hay tăng tốc các việc lặp lại" chỉ với một prompt, việc viết code không còn là nút thắt. Nút thắt mới là xác thực code tự động: đọc, hiểu, test, đánh giá rủi ro và quyết định có cho code đó sống trong hệ thống hay không. Chính các lập trình viên đang cảnh báo rằng "ngày càng tạo ra nhiều thứ, nhưng ngày càng ít người thực sự biết mình đang tạo ra cái gì". Nếu một đoạn code viết trong vài giây thay thế công việc vài giờ trước đây, thì thời gian tiết kiệm được lại bị nuốt bởi việc phải kiểm tra xem nó có làm đúng yêu cầu, có phá vỡ thành phần khác không, và quan trọng hơn là có thể bảo trì khi hỏng. Theo một nguồn phỏng vấn, "những kỹ sư dùng trợ lý ảo nhanh hơn gấp hai đến ba lần" nhưng đồng thời phải dành thêm nhiều giờ cho việc xem xét và duy trì code mà họ không tự tay tạo ra. Đây là năng suất AI mâu thuẫn: tạo ra thì siêu nhanh, hiểu và đảm bảo chất lượng thì siêu chậm.
Bài học từ Excel: công cụ không xóa nghề, mà đổi mặt trận chiến lược
Andrew Alexander nhắc lại rằng khi Excel xuất hiện, nhiều người nghĩ kế toán sẽ hết vai trò; thực tế, bảng tính "tự động hóa phần lớn công việc và đồng thời cho thấy kế toán có thể làm được bao nhiêu thứ với dữ liệu". Excel không giết nghề, nó ép nghề chuyển từ nhập số sang phân tích và tư vấn. AI cũng đang lặp lại mô hình đó, nhưng trên quy mô lớn hơn. Trong phân tích dữ liệu, một hệ thống có thể sinh SQL, viết Python, biến đổi dữ liệu, vẽ bản đầu tiên của biểu đồ. Điều nó không làm được là chọn dữ liệu nào xứng đáng, đánh giá phương pháp có hợp lý, và quyết định kết luận nào đủ tin cậy để đưa vào chiến lược kinh doanh. Theo cùng nguồn, khi công nghệ làm phần thực thi dễ hơn, ta bắt đầu đòi hỏi "nhiều hơn về tiêu chí, bối cảnh và chất lượng quyết định" từ con người. Nghĩa là vai trò lập trình viên, nhà phân tích sẽ dịch chuyển từ "người viết" sang "người đạo diễn" – người thiết kế bài toán, đặt câu hỏi và giám sát cả tập hợp công cụ AI lẫn các đồng nghiệp con người.
Khi kỹ năng mềm lập trình viên trở thành điều kiện sống còn
Kent Beck thẳng thắn nói rằng lập trình viên "thường nổi bật ở năng lực kỹ thuật, nhưng giờ đó không còn là trọng tâm"; ngoài kỹ thuật, "cần có giao tiếp và sự đồng cảm" để tồn tại trong kỷ nguyên AI. Ông còn nhận xét "chúng ta đôi khi hơi ngốc" về mặt xã hội: kiểm soát cảm xúc kém, thiếu khả năng đặt mình vào vị trí người khác. Trong thế giới nơi Claude Code lo được từ viết code, sửa bug đến tăng tốc quy trình phát triển, điểm khác biệt của con người không còn là gõ nhanh hay thuộc nhiều framework. Đó là kỹ năng mềm: đọc được bối cảnh tổ chức, thương lượng lại mục tiêu khi AI đẩy nhịp độ quá cao, nói ra rủi ro thay vì im lặng nhấn Enter, và biến "kỹ sư phần mềm" thành "kỹ sư sản phẩm" – người nhìn cả bài toán chứ không chỉ đoạn code. Các nguồn phỏng vấn cho thấy chức năng chính của kỹ sư thập kỷ tới sẽ là "giám sát, xác thực và điều phối" hệ thống hơn là trực tiếp xây dựng mọi thứ. Kỹ năng mềm lập trình viên vì thế không còn là điểm cộng, mà là cơ chế sinh tồn.
Nghịch lý tự động hóa: vì sao nhiều AI hơn lại thành nhiều việc hơn
Trường hợp đội ngũ kỹ sư "làm 12–13 tiếng mỗi ngày" nhưng không phải để viết code mà để "chat với AI, chờ kết quả và nhấn Enter" là ví dụ rõ nhất về nghịch lý tự động hóa. Công ty muốn ra sản phẩm nhanh hơn nên đẩy mọi thứ vào Claude Code, rồi lấy lượng đầu ra đó làm căn cứ để yêu cầu tiếp "nhiều hơn nữa và nhanh hơn nữa". Theo một nguồn phân tích, khi AI viết ra trong vài giây thứ trước kia tốn vài giờ, "vấn đề là công việc ấy bị dùng làm cái cớ để đòi hỏi nhiều hơn và nhanh hơn" thay vì thiết kế lại quy trình cho phù hợp. Khối lượng kiểm tra, bảo trì, hiểu code tăng lên, nhưng tổ chức không cấp thời gian để đọc, thử nghiệm, hay suy nghĩ về hậu quả. Kết quả: AI kiệt sức công việc, vừa bào mòn tinh thần – "thật buồn cho tâm hồn" như lập trình viên kia mô tả – vừa tạo ra rủi ro chất lượng tiềm ẩn. Một số chuyên gia đã ghi nhận rằng nhiều nhóm "phải đầu tư nhiều thời gian hơn vào xem xét và duy trì code so với tạo mới" khi dùng trợ lý AI. Nếu các quy trình, mục tiêu và kỳ vọng không được thiết kế lại cùng với công cụ, mọi lời hứa năng suất AI mâu thuẫn sẽ tiếp tục biến thành ca làm việc kéo dài và sản phẩm khó kiểm soát.
