AI và kỹ sư phần mềm: Chủ đề không phải là mất việc mà là đổi việc
AI và kỹ sư phần mềm là cụm từ chỉ sự cộng tác giữa các công cụ trí tuệ nhân tạo và lập trình viên, nơi máy móc tự động hóa những tác vụ lặp lại như tra cứu tài liệu, viết mã, sửa lỗi, còn con người tập trung vào quyết định kiến trúc, đánh giá chất lượng, hiểu nghiệp vụ và phối hợp đa chức năng, tạo ra một mô hình chuyển đổi công việc AI mang tính bổ sung hơn là thay thế hoàn toàn lao động. Khi AI đã được áp dụng gần như phổ biến trong cộng đồng lập trình chuyên nghiệp, câu hỏi hợp lý không phải là “AI có khiến bạn thất nghiệp không?” mà là “Bạn phải thay đổi kỹ năng như thế nào để vẫn có chỗ trên đội hình mới”. Câu trả lời ngày càng rõ: việc viết mã thuần túy bớt quan trọng; năng lực phán đoán, thiết kế hệ thống và tối ưu hóa đội ngũ AI trở thành trung tâm của nghề.
Case Hải Anh tại FPT IS: Một người gánh 4 vai nhờ AI
Nếu muốn thấy AI và kỹ sư phần mềm có thể cộng tác theo hướng tăng năng suất thay vì cắt giảm nhân sự, hãy nhìn vào thử nghiệm “một người gánh 4 vai” của Nguyễn Trọng Hải Anh tại FPT IS. Trong quý II, anh đặt mục tiêu áp dụng AI xuyên suốt dự án xây dựng phần mềm Soạn thảo văn bản Quy phạm pháp luật cho Bộ Tư pháp, với hai ràng buộc: hoàn thành hai giai đoạn trước ngày 1/7 và chỉ duy trì một người trực tiếp đảm nhiệm cùng lúc vai BA, SA, Developer và Tester. Kết quả là cả hai giai đoạn được bàn giao ngày 26/6, sớm hơn cam kết 5 ngày, với 88 hạng mục tính năng và phân hệ lớn được hoàn thành và 1.831 lượt commit, trung bình khoảng 200 commit mỗi tháng. Đây là minh chứng sống động rằng tối ưu hóa đội ngũ AI không nhất thiết đồng nghĩa với cắt giảm người, mà là tổ chức lại quy trình để một kỹ sư có thể xử lý khối lượng công việc lớn hơn nhưng vẫn giữ được chất lượng. Anh rà nhiệm vụ mỗi ngày, để AI tham gia tìm giải pháp, phân tích, lập trình, sửa lỗi và hỗ trợ triển khai, nhưng kiên quyết giữ nguyên tắc human‑in‑the‑loop: “AI có thể đưa ra giải pháp, đánh giá ảnh hưởng, nghiên cứu thông tin và thực hiện. Nhưng ở mỗi bước, con người vẫn quyết định cuối cùng”.
Khi nghiên cứu nói AI làm chậm năng suất: Vấn đề không nằm ở công cụ
Một nghịch lý đang khiến nhiều lãnh đạo kỹ thuật bối rối: đa số lập trình viên chuyên nghiệp dùng AI trợ lý hằng ngày và nhiều người nói họ không muốn làm việc nếu thiếu các công cụ này, nhưng thử nghiệm nghiêm ngặt nhất về năng suất lại cho thấy hiệu ứng ngược. Tổ chức nghiên cứu phi lợi nhuận METR công bố vào tháng 7 rằng trong một thử nghiệm ngẫu nhiên đối chứng, 16 lập trình viên mã nguồn mở giàu kinh nghiệm thực hiện 246 nhiệm vụ thực tế trong các kho mã trưởng thành, với mỗi nhiệm vụ được gán ngẫu nhiên cho nhóm được phép hoặc không được phép dùng AI. Các lập trình viên dự đoán AI sẽ giúp họ nhanh hơn khoảng một phần tư và sau khi hoàn thành, họ vẫn tin kết quả là như vậy. Nhưng số đo thực tế cho thấy khi dùng AI, thời gian xử lý nhiệm vụ tăng khoảng 19%, do sinh mã nhanh nhưng khâu đọc kết quả, đối chiếu với ràng buộc và sửa sai chậm hơn. Khoảng cách giữa cảm nhận và dữ liệu là lời cảnh báo: nếu chỉ hỏi đội ngũ “AI có thấy nhanh hơn không?” rồi dựa vào đó để ra chiến lược chuyển đổi công việc AI, doanh nghiệp dễ rơi vào ảo giác tốc độ. Vấn đề không nằm ở bản thân công cụ mà ở cách chúng ta tổ chức quy trình quanh chúng.
AI đổi hình dạng đội ngũ kỹ thuật: từ viết mã sang đánh giá và cộng tác
Khi sinh mã trở nên rẻ và kiểm tra trở nên đắt, điểm nghẽn trong đội ngũ kỹ thuật dịch chuyển từ người viết sang người đánh giá. Nghiên cứu về thị trường lao động cho thấy ở các nghề bị AI tác động nhiều như phát triển phần mềm, nhóm lao động 22–25 tuổi có mức tuyển dụng thấp hơn khoảng 19% so với kịch bản nếu họ giữ tốc độ như những nghề ít bị tác động, trong khi nhóm kinh nghiệm không có khoảng cách tương tự. Điều đáng chú ý là đây là hiệu ứng tuyển dụng chứ không phải sa thải: nhiều vị trí junior đơn giản là không được mở ra. Đồng thời, nơi AI thay thế các tác vụ, việc làm entry‑level giảm; nơi AI bổ sung cho công việc, tuyển dụng giữ ổn định hoặc tăng. Các tác vụ thường dùng để đào tạo junior – những việc lặp lại, có quy trình rõ – bị tooling hấp thụ, khiến đội ngũ trở nên “phẳng và già dặn hơn”, với ít người hơn nhưng mỗi người mang vai trò từng được chia theo cấp bậc. Trong bối cảnh đó, kỹ năng lập trình viên tương lai không còn là khả năng gõ nhanh một đoạn code, mà là năng lực đọc mã lạ, phát hiện lỗi, hiểu tác động kiến trúc và phối hợp với nhiều vai khác nhau. Một khuyến nghị rõ ràng xuất hiện: tuyển và đào tạo theo hướng kỹ năng đánh giá, không phải kỹ năng sản xuất mã thuần túy.
Kỹ năng mới và chiến lược tối ưu hóa đội ngũ AI: giữ người, đào tạo, cộng tác
Thực tế từ case Hải Anh là một bản thiết kế thu nhỏ cho kỹ năng lập trình viên tương lai. Anh không dừng lại ở việc tối ưu câu lệnh yêu cầu AI, mà chuyển sang thiết kế các tác nhân AI chuyên biệt cho từng vai trò rồi tổ chức chu trình cộng tác lặp giữa người và máy. Anh chuẩn hóa tài liệu nghiệp vụ, kiến trúc và hệ thống thành một nguồn thống nhất để AI có đủ ngữ cảnh, sau đó để AI phân tích, đề xuất phương án, chia nhỏ phần việc, còn con người kiểm tra và quyết định. Đây chính là prompt engineering gắn với bài toán quy trình, không chỉ là viết một câu hỏi hay. Về phía tổ chức, dữ liệu cho thấy cách tối ưu hóa đội ngũ AI khôn ngoan hơn không phải là cắt bỏ pipeline junior, mà là giữ họ rồi tái thiết những gì họ làm. Khi tác vụ đào tạo truyền thống đã bị tự động hóa, việc huấn luyện phải chuyển sang các hình thức như ghép cặp đánh giá, thực hành review có cấu trúc và giao quyền sở hữu trọn vẹn những hệ thống nhỏ. Chi phí này vẫn thấp hơn so với phương án không xây lớp kế cận rồi sau đó thiếu người có kinh nghiệm. Đồng thời, doanh nghiệp cần đo hiệu ứng AI bằng các chỉ số như cycle time, throughput review, tỷ lệ lỗi sau triển khai và thời gian đưa sản phẩm ra thị trường, thay vì hỏi cảm nhận chủ quan của đội ngũ. Bức tranh tổng thể đã rõ: AI không loại bỏ lập trình viên; nó chỉ loại bỏ những đội ngũ không chịu chuyển mình sang mô hình cộng tác mới.
