Là một lập trình viên, AI đã thay đổi suy nghĩ và cách tôi làm việc như thế nào
Tôi vẫn nhớ như in cảm giác lúc tự tay tìm đọc từng trang tài liệu, gõ từng dòng code, viết từng function. Rồi khi đoạn code được chạy, sản phẩm được định hình thì trong lòng xao xuyến khó tả. Vài năm trước, khi tôi gõ một dòng comment mô tả function mình cần, rồi thấy AI gợi ý gần như chính xác đoạn code mình định viết. Rồi đến hiện tại, chỉ cần bạn gõ một “prompt” thì AI có thể tự chạy và xây dựng cho bạn cả một hệ thống. Có thể nó chưa hoàn hảo nhưng cảm giác đó làm cho tôi vừa thích thú, vừa hơi hoang mang. Thích thú là vì giờ đây tôi có thể dễ dàng biến mọi ý tưởng thành hiện thực, có thể làm mọi thứ mà tôi thích. Nhưng: Nếu vậy, tôi sẽ làm gì?
Là một developer làm việc chủ yếu với PHP/Laravel ở backend và VueJS ở frontend, tôi đã quen với việc tự tay viết từng dòng logic, tự debug, tự research. Nhưng khi AI ngày càng phát triển và đã dần trở thành một phần trong quy trình làm việc, tôi nhận ra nó không chỉ thay đổi cách tôi làm việc, mà còn thay đổi cả cách tôi nghĩ về công việc của một developer.
Từ “gõ code” sang “định hướng giải pháp”
Trước đây, khi nhận một task, tôi thường mất khá nhiều thời gian ở giai đoạn "viết boilerplate": tạo Migration, Model, Controller, Request validation cho Laravel, hay dựng khung một Component, khai báo props/emit cho Vue. Những phần này lặp đi lặp lại, không khó nhưng tốn thời gian.
Giờ đây, tôi mô tả rõ nghiệp vụ, cấu trúc dữ liệu mong muốn, và AI giúp tôi dựng nhanh phần khung đó - từ một Eloquent Model có đầy đủ relationship, đến một Vue Composable xử lý logic tái sử dụng. Điều thú vị là công việc của tôi dịch chuyển từ "viết từng dòng" sang "mô tả đúng vấn đề và review lại giải pháp". Tôi phải hiểu rõ bài toán hơn trước khi code, vì nếu prompt mơ hồ, kết quả AI trả về cũng mơ hồ không kém.
Một thay đổi tư duy quan trọng: tôi không còn xem việc "gõ code nhanh" là thước đo năng lực nữa. Cái khó bây giờ nằm ở việc đọc hiểu, đánh giá và refactor những gì được sinh ra, đảm bảo nó đúng convention của Laravel, đúng pattern của dự án, không phá vỡ kiến trúc hiện có.
Trên thực tế, đã có nhiều trường hợp áp dụng thành công ở quy mô lớn, ví dụ trường hợp của Bun:
Jarred Sumner, tác giả của Bun (JS runtime), đã dùng Claude Code để viết lại toàn bộ codebase Bun (~535.000 dòng) từ Zig sang Rust trong 11 ngày - việc mà ước tính cần khoảng 3 kỹ sư làm full-time trong 1 năm nếu làm thủ công. Điểm đáng chú ý không phải là “AI viết code hộ”, mà là cách anh ấy thiết kế cả một quy trình gồm nhiều AI đóng vai người viết, người review, người sửa lỗi, chạy song song và lặp lại liên tục. Bạn có thể đọc thêm ở bài viết này: Rewriting Bun in Rust.
Ở quy mô nhỏ hơn nhiều, tôi thấy mình cũng đang làm một phiên bản thu nhỏ của việc này: thay vì tự gõ, tôi mô tả rõ yêu cầu, để AI đề xuất giải pháp, rồi tự mình đóng vai "reviewer" trước khi merge.
Từ “search rồi đọc hàng chục trang tài liệu” sang “hỏi và xác thực”
Ngày trước, mỗi khi gặp một lỗi lạ hoặc cần tìm hiểu một package mới, tôi mở tầm 5-6 tab: Stack Overflow, GitHub Issues, docs chính thức, blog cá nhân của ai đó… rồi tự tổng hợp thông tin. Việc này đôi khi mất khá nhiều thời gian khi tôi phải mày mò những thông tin cần thiết trong hàng chục trang web chứa hàng vạn dòng chữ kỹ thuật nhàm chán.
Giờ đây, tôi thường bắt đầu bằng việc hỏi AI để có một bức tranh tổng quan nhanh — ví dụ so sánh giữa Laravel Queue với Laravel Horizon, hay cách một thư viện Vue xử lý reactivity dưới nền. Cái hay là AI giúp tôi thu hẹp phạm vi tìm kiếm rất nhanh. Nhưng điều quan trọng tôi luôn giữ: không tin 100%. Tôi dùng gợi ý của AI làm tiền đề để research sâu, đúng trọng tâm thông qua các tài liệu chính thức hoặc kiểm chứng thực tế. Nói cách khác, AI biến tôi từ người “tìm kiếm thông tin” thành người “thẩm định thông tin” - một kỹ năng tưởng nhỏ nhưng thực ra quan trọng hơn nhiều.
Điều này không chỉ là cảm nhận riêng của tôi mà là xu hướng chung. Nếu bạn là 1 developer thì cái tên Stack Overflow chắc hẳn là không có gì xa lạ. Nếu nhìn vào hiện trạng của Stack overflow thì bạn sẽ thấy minh chứng rõ nhất cho sự chuyển dịch hành vi này. Theo 1 vài thống kê, số lượng câu hỏi mới đăng trên Stack Overflow đã giảm mạnh kể từ khi ChatGPT ra mắt vào tháng 11/2022, và đến giữa 2025 đã tụt về mức thấp như thời điểm trang này mới ra mắt năm 2009.
Nguồn: Stack overflow is almost dead
Thay đổi lớn nhất: Tư duy của một developer
Nếu phải chọn một điều thay đổi lớn nhất, tôi sẽ nói đó là vai trò của mình đã dịch chuyển từ "người thực thi" sang "người ra quyết định và kiểm soát chất lượng".
- Tôi dành nhiều thời gian hơn để suy nghĩ về tài liệu nghiệp vụ, kiến trúc, edge case, khả năng maintain thay vì chỉ tập trung làm sao để code chạy được.
- Tôi học cách đặt câu hỏi tốt hơn, vì chất lượng câu trả lời của AI phụ thuộc rất nhiều vào chất lượng câu hỏi tôi đưa ra.
- Tôi cẩn trọng hơn với việc review, vì biết rằng code do AI sinh ra có thể không hoàn toàn đúng.
Những giới hạn tôi luôn nhắc mình
AI xuất hiện như phép màu nhưng không phải là phải là hoàn hảo, và tôi cố gắng không để nó thay thế tư duy phản biện của chính mình:
- Không copy-paste mù quáng, nhất là với logic nghiệp vụ quan trọng (thanh toán, phân quyền, dữ liệu nhạy cảm).
- Không bỏ qua việc hiểu bản chất: nếu chỉ dùng AI như một "máy sinh code" mà không hiểu tại sao nó viết vậy, về lâu dài kỹ năng nền tảng sẽ mai một.
- Vẫn cần kinh nghiệm thực chiến: AI giỏi với những pattern phổ biến, nhưng với đặc thù nghiệp vụ riêng của dự án, thì kinh nghiệm và sự khả năng đọc hiểu của con người vẫn là thứ không thể thay thế.
AI "làm hết" nhưng không có nghĩa là bạn được phép lười biếng
Đây có lẽ là điều tôi tự nhắc mình nhiều nhất trong suốt hơn một năm qua. Cái bẫy dễ rơi vào nhất khi dùng AI không phải là "dùng sai", mà là dùng đúng quá lâu đến mức quên mất vì sao mình cần hiểu. Khi một Controller, một test suite, hay một đoạn refactor phức tạp đều có thể xong trong vài phút, cảm giác "mọi thứ đều ổn" rất dễ khiến mình bỏ qua bước quan trọng nhất: tự hỏi lại xem mình có thực sự hiểu nó không.
Vài nguyên tắc tôi cố gắng giữ để không rơi vào trạng thái "lười" đó:
- Dành thời gian học cái mới về AI, về nghiệp vụ, và về kiến thức nền tảng: Thời gian tiết kiệm được từ việc không phải gõ code, tôi cố tình dành một phần để đọc thêm, có khi là một tính năng mới của công cụ AI mình đang dùng, có khi là đọc kỹ hơn về nghiệp vụ của khách hàng.
- Không để kỹ năng debug thủ công mai một: Tôi vẫn cố tình tự đọc stack trace, tự đặt breakpoint, tự suy luận song song với việc hỏi AI, nhất là với những lỗi lạ.
- Đọc code, không chỉ đọc output: Tôi cố gắng dành thời gian đọc code của đồng nghiệp, đọc source code của các package đang dùng, không phải vì AI không giải thích được, mà vì cách đọc trực tiếp giúp tôi giữ được cảm giác về codebase thực tế, thứ mà một câu trả lời tóm tắt của AI không thay thế được.
Về tương lai: làm sao để không "tuyệt chủng"
Công nghệ AI thay đổi hàng ngày, các model cũng ngày càng thông minh. Để không bị tụt lại phía sau, hãy cố gắng nâng cấp bản thân hàng ngày. Nếu bạn có thời gian rảnh, có thể cân nhắc đến những việc mà tôi đang làm.
- Theo dõi xu hướng, nhưng không chạy theo mọi công cụ mới. Tôi không cần dùng thử mọi AI tool mới ra mắt, nhưng tôi cố gắng đọc để hiểu xu hướng chung như cách các công cụ đang dịch chuyển từ "autocomplete" sang "agent" có thể tự chạy nhiều bước, tự kiểm tra lại kết quả của chính mình. Tham gia vào các hội nhóm AI trên Facebook là một trong những cách tôi tiếp cận thông tin AI hằng ngày.
- Đầu tư vào kỹ năng "điều phối AI" thay vì chỉ kỹ năng gõ prompt. Case study Bun tôi ví dụ ở trên cho thấy rõ: giá trị lớn không đến từ việc một AI viết code giỏi, mà từ việc thiết kế được một quy trình nhiều AI phối hợp, kiểm tra chéo lẫn nhau. Ở quy mô nhỏ hơn nhiều, tôi nghĩ kỹ năng biết chia nhỏ vấn đề, biết khi nào nên để AI tự chạy và khi nào cần tự mình can thiệp, sẽ ngày càng quan trọng hơn kỹ năng viết một prompt hay.
- Đầu tư vào những thứ AI khó thay thế nhất: domain knowledge và kiến trúc hệ thống. AI giỏi với pattern phổ biến, nhưng sự hiểu biết sâu về nghiệp vụ riêng, về lý do một quyết định kiến trúc được đưa ra từ nhiều năm trước, vẫn là thứ chỉ có con người tích lũy được qua thời gian. Đây có lẽ là kiến thức bền vững nhất của một developer trong giai đoạn này.
- Giữ tư duy phản biện, không đánh mất khả năng tự đánh giá đúng-sai. Tụt hậu không chỉ là "không biết dùng công cụ mới", mà còn có thể là "tin tưởng AI một cách thiếu kiểm chứng" đến mức không còn khả năng tự nhận ra khi nào nó sai.
- Chia sẻ và học cùng team. Tôi nhận thấy việc trao đổi trong team về cách mỗi người đang dùng AI, prompt nào hiệu quả, công cụ nào phù hợp với task nào, giúp cả nhóm học nhanh hơn nhiều so với việc mỗi người tự mò mẫm riêng lẻ.
Tôi không nghĩ có một công thức chắc chắn nào để "không bao giờ tụt hậu" trong giai đoạn này. Nhưng tôi tin rằng người tụt hậu không phải là người chậm học công cụ mới nhất, mà là người ngừng đặt câu hỏi về cách mình đang làm việc.
Tôi làm được, bạn cũng thế
Nhìn lại, AI không biến tôi thành một developer "khác hoàn toàn", mà giúp tôi trở thành một phiên bản tốt hơn của chính mình. Tôi code nhanh hơn, test đầy đủ hơn, học nhanh hơn nhưng đổi lại, tôi cũng phải tư duy sâu hơn, đặt câu hỏi tốt hơn, và chịu trách nhiệm nhiều hơn với những gì AI đề xuất.
Có lẽ đó chính là điều thú vị nhất của giai đoạn này: AI không lấy đi công việc của developer, mà đang định nghĩa lại thế nào là một developer giỏi. Tôi tin mình sẽ làm chủ được AI, bạn cũng thế nhé!!!
Nguồn: