Mấy tháng gần đây, đi đâu tụi mình cũng nghe một câu hỏi lặp đi lặp lại: “AI có lấy mất việc lập trình viên không?”. Bạn sinh viên năm hai nhắn hỏi có nên chuyển ngành. Anh em dev đi làm vài năm thì lo mình sắp lỗi thời. Cả phụ huynh cũng gọi điện hỏi con học IT bây giờ ra trường còn việc không.
Tụi mình viết bài này từ góc của người đang vận hành một công ty phần mềm, ngày ngày nhận dự án, tuyển người, chia việc, giao hàng cho khách. Không phải góc lý thuyết, cũng không phải mấy dự đoán giật gân. Chỉ là những gì tụi mình thật sự nhìn thấy khi làm việc mỗi ngày, và những điều tụi mình đang khuyên anh em trong công ty về chuyện làm lập trình viên thời đại AI sao cho vững.
Nói ngắn gọn trước cho bạn đỡ sốt ruột: làm lập trình viên thời đại AI không hề hết cửa. Nhưng luật chơi thì đang đổi, và ai hiểu sớm sẽ đi trước một nhịp. Mình sẽ kể cụ thể trong bài.
AI có thay thế lập trình viên không?
Câu trả lời thẳng của tụi mình: không thay thế, nhưng đổi luật chơi. AI không xóa sổ nghề lập trình, nó xóa sổ cách làm cũ của nghề lập trình.
Hình dung thế này. Ngày xưa, phần lớn thời gian của một dev là gõ code — dựng từng dòng, tra cứu cú pháp, viết mấy đoạn lặp đi lặp lại. AI làm phần đó nhanh hơn hẳn. Nhưng viết ra code chưa bao giờ là phần khó nhất của việc làm phần mềm. Phần khó là hiểu đúng khách hàng cần gì, chọn đúng cách giải, ghép các mảnh lại thành một hệ thống chạy được và bảo trì được lâu dài. Chỗ đó AI chưa làm thay con người.
Nên câu hỏi đúng không phải “AI có thay thế lập trình viên không?”, mà là “lập trình viên nào sẽ đi tiếp?”. Người chỉ biết gõ code theo yêu cầu có sẵn thì đúng là bị ép giá. Còn người biết dùng AI như một cái đòn bẩy để giải bài toán lớn hơn thì lại có giá hơn bao giờ hết. Cùng một công nghệ, hai số phận khác nhau — khác nhau ở tư duy chứ không ở tốc độ gõ phím.
Nhìn từ trong công ty phần mềm AI đang thay đổi điều gì?
Điều tụi mình thấy rõ nhất ở CIT là hiệu suất tăng thật, nhưng đi kèm áp lực phải đổi kỹ năng. Không phải chuyện tương lai xa, mà đang diễn ra trong từng sprint.
Anh em dev bây giờ dựng khung một tính năng nhanh hơn trước. Việc viết test, sinh dữ liệu mẫu, dịch một đoạn logic sang ngôn ngữ khác, dò lỗi cú pháp — những thứ trước đây ngốn cả buổi thì giờ gọn lại đáng kể. Với một công ty chuyên viết phần mềm theo yêu cầu như tụi mình, điều đó có nghĩa là cùng một đội, mình nhận và giao được nhiều việc hơn.
Nhưng có một mặt khác mà tụi mình nói thẳng với anh em: khi phần “gõ” trở nên rẻ, thì giá trị của bạn không còn nằm ở chỗ gõ nữa. Bạn nào trước giờ chỉ mạnh mỗi khoản code nhanh sẽ thấy hơi chông chênh. Ngược lại, bạn nào hiểu nghiệp vụ, biết đặt câu hỏi đúng, biết review kỹ output của AI thì tự nhiên nổi bật lên. Cùng một công cụ, người thì được nâng, người thì thấy áp lực — khác nhau ở chỗ họ mang thêm được gì ngoài kỹ năng gõ.
Vì sao chỉ “biết code” là chưa đủ nữa?
Vì thời đại này, giá trị của một dev nằm ở chỗ hiểu bài toán và điều hướng được AI, chứ không chỉ ở chỗ viết được cú pháp. AI viết cú pháp giỏi rồi; cái nó không tự làm được là hiểu vì sao lại cần đoạn code đó.
Tụi mình kể một chuyện có thật để bạn hình dung. Có bạn dùng AI sinh ra một đoạn xử lý khá dài, chạy thì có vẻ ổn, demo qua được. Nhưng vì bản thân bạn không thực sự hiểu đoạn đó làm gì bên trong, nên khi khách đổi yêu cầu một chút là rối, sửa chỗ này hỏng chỗ kia. Đoạn code “chạy được” đó về sau thành gánh nặng: khó bảo trì, có lỗi ẩn nằm im chờ ngày bung ra. Đó chính là nợ kỹ thuật — thứ AI có thể vô tình tạo ra rất nhanh nếu người ngồi sau không đủ tỉnh.
Cho nên tụi mình hay nói với anh em: dùng AI thì cứ dùng, nhưng bạn phải là người làm chủ đoạn code, không phải người ký nhận đoạn code. Bạn phải đọc được, hiểu được, và dám chịu trách nhiệm với từng dòng bạn đưa vào sản phẩm. Muốn hiểu sâu hơn cách khai thác AI đúng cách mà không dính bẫy, bạn có thể đọc thêm bài của tụi mình về AI trong lập trình phần mềm. Kỹ năng điều hướng AI, nói cho cùng, vẫn phải đứng trên nền hiểu bài toán thì mới vững.
BA đang lên ngôi — và vì sao điều đó hợp lý
Khi AI code nhanh, nút thắt của cả dự án dời sang chỗ khác: sang chuyện hiểu đúng khách hàng cần gì. Và đó chính là lý do người phân tích nghiệp vụ đang trở thành lợi thế.
Bạn thử nghĩ mà xem. Nếu viết code nhanh gấp đôi mà đề bài vẫn hiểu sai, thì bạn chỉ đang làm ra sản phẩm sai nhanh gấp đôi thôi. Ở nhiều dự án, phần tốn thời gian và dễ vỡ nhất không phải lúc code, mà là lúc bóc tách yêu cầu mơ hồ của khách thành thứ rõ ràng để làm. Khách nói “tôi muốn quản lý đơn hàng cho gọn” — nghe thì đơn giản, nhưng phía sau là hàng chục câu hỏi phải làm rõ. Đó là đất của người làm nghiệp vụ.
Nên tụi mình không ngạc nhiên khi vai trò này ngày càng quan trọng trong đội. Người biết ngồi với khách, hỏi đúng câu, vẽ ra được luồng nghiệp vụ và viết nó thành đề bài sạch sẽ cho dev và cho cả AI — người đó đang giữ đúng cái nút thắt mà AI chưa gỡ được. Nếu bạn tò mò công việc này cụ thể là gì, tụi mình có bài riêng giải thích Business Analyst (BA) là gì để bạn hình dung con đường. Không phải ai cũng phải thành BA, nhưng tư duy của BA thì dev nào cũng nên có một chút.
Ngành phần mềm có đang bị AI đe dọa? Góc nhìn ngược
Nhiều người lo AI làm ngành phần mềm co lại. Tụi mình nhìn ngược: AI hạ chi phí làm phần mềm, mà chi phí rẻ hơn thường kéo theo cầu tăng lên, chứ không phải giảm đi.
Logic khá đơn giản. Trước đây làm một phần mềm riêng khá đắt, nên nhiều doanh nghiệp vừa và nhỏ chấp nhận làm thủ công, xài tạm Excel, hoặc không làm gì. Giờ chi phí làm phần mềm giảm, đột nhiên những bài toán trước đây “không đáng đầu tư” lại trở nên đáng làm. Khách hàng bắt đầu quan tâm nhiều hơn tới ứng dụng AI cho doanh nghiệp và tới chuyện số hóa vận hành của họ. Thị trường không thu hẹp — nó mở rộng xuống lớp khách hàng mới.
Cộng thêm một lực đẩy nữa: chuyển đổi số đang được cả nhà nước lẫn truyền thông thúc mạnh, doanh nghiệp nào cũng ít nhiều cảm thấy phải chuyển mình. Nhu cầu đó cần người làm ra sản phẩm, cần người hiểu công nghệ để tư vấn và triển khai. Nói cách khác, chiếc bánh không nhỏ đi, nó to ra và đổi hình dạng. Cơ hội đang mở ra chứ không đóng lại — miễn là bạn chịu đổi cách mình đứng trong bức tranh đó.
Vậy nên học gì, làm gì trong thời gian tới?
Nếu phải gói lại thành lời khuyên gọn nhất về chuyện học gì thời đại AI, tụi mình sẽ nói: học những thứ AI khó thay, và học cách làm việc cùng AI. Cụ thể là mấy nhóm này:
- Tư duy hệ thống và giải quyết vấn đề. Biết chia một bài toán lớn thành những mảnh xử lý được, nhìn ra cái nào là gốc, cái nào là ngọn. Đây là thứ nền tảng nhất, và cũng là thứ AI khó thay nhất.
- Kỹ năng điều hướng AI. Biết ra đề cho AI (viết prompt gọn, đủ ngữ cảnh), và quan trọng hơn là biết review lại output của nó — đọc hiểu, kiểm tra, sửa chỗ sai. AI là trợ lý giỏi nhưng cần người biết giao việc.
- Nghiệp vụ và tư duy BA. Hiểu ngành, hiểu quy trình của khách, biết đặt câu hỏi làm rõ yêu cầu. Dev nào có thêm khoản này thì đi rất xa.
- Kỹ năng mềm. Giao tiếp rõ ràng, đọc và diễn giải yêu cầu, làm việc nhóm. Nghe cũ nhưng càng ngày càng đáng giá, vì phần “người với người” là phần AI đứng ngoài.
- Thói quen học liên tục. Không phải học cho xong một khóa, mà là giữ được nhịp cập nhật đều đặn. Công cụ sẽ còn đổi nhiều; người biết tự học lại nhanh mới là người trụ được.
Bạn để ý sẽ thấy: gần như không món nào trong danh sách là “học một framework cụ thể”. Không phải framework không quan trọng, mà vì nền tảng bên dưới mới là thứ theo bạn qua mọi đợt thay đổi công cụ.
Vài ngách đáng đặt cược: AI ứng dụng, robot và chip bán dẫn
Ngoài con đường phổ biến, tụi mình muốn gợi ý thẳng vài ngách mà theo quan sát của mình là khó hơn, đường dài hơn, nhưng ít bị AI thay và đang thiếu người. Nếu bạn còn trẻ và chịu được đường dài, đây là những ván cược đáng cân nhắc.
- AI ứng dụng và tích hợp cho doanh nghiệp. Không phải ai cũng cần đi nghiên cứu mô hình AI từ gốc. Cái thị trường đang rất cần là người biết ghép AI vào bài toán thật của doanh nghiệp — tự động hóa quy trình, xử lý dữ liệu, trợ lý nội bộ. Ngách này gần với thế mạnh của dân phần mềm ứng dụng và có thể bắt đầu ngay.
- Robot, hệ nhúng (embedded), IoT và robotics. Đây là nơi phần mềm gặp phần cứng — điều khiển thiết bị, cảm biến, máy móc chạy trong thế giới thật. AI hiện chưa với tới được mảng này một cách dễ dàng, vì nó đòi hỏi hiểu cả điện tử lẫn ràng buộc vật lý. Học hơi cực, nhưng bù lại rào cản cao nên cạnh tranh cũng ít hơn.
- Chip bán dẫn và thiết kế vi mạch. Việt Nam đang đẩy mạnh mảng này, nhu cầu nhân lực được nói tới rất nhiều mà người làm được thì thiếu. Đây là ván cược dài hạn thực sự: cần nền toán và điện tử chắc, học chậm mà chắc, không có đường tắt. Nhưng chính vì khó vào nên một khi vào được thì vị thế rất vững, và đây là mảng AI khó thay trong nhiều năm tới.
Tụi mình nói thẳng để bạn không ảo tưởng: mấy ngách này không dễ, không phải học vài tháng là có việc ngon. Chúng đòi nền tảng và sự kiên nhẫn. Nhưng đúng vì khó, vì đường dài, nên chúng ít bị AI đe dọa và đang khát người. Nếu bạn hợp với kiểu “xây móng sâu để đi xa”, đây là chỗ đáng đặt cược.
Định hướng nhanh theo vai trò
Để bạn dễ soi mình, tụi mình gói lại vài định hướng nghề IT theo từng vai trò phổ biến. Mỗi vai trò một hướng tập trung khác nhau:
| Vai trò | Nên tập trung vào gì |
|---|---|
| Fresher / Dev | Xây nền vững: hiểu sâu cách hệ thống chạy, đọc hiểu code do người khác (và AI) viết. Dùng AI để học nhanh hơn, nhưng đừng để nó code hộ những thứ bạn chưa hiểu. |
| BA | Mài kỹ năng bóc tách yêu cầu, vẽ luồng nghiệp vụ, giao tiếp với khách. Biết một chút công nghệ để nói chuyện được với dev là điểm cộng lớn. |
| QA / Tester | Nâng tư duy kiểm thử và tự động hóa; dùng AI để sinh ca test nhanh nhưng vẫn phải tự đánh giá chất lượng. Nếu bạn chưa rõ vai trò này, xem thêm bài QA Tester là gì để định hình hướng đi. |
Điểm chung của cả ba: AI là công cụ nhân đôi năng suất, nhưng phần “ra quyết định” và “chịu trách nhiệm” vẫn là của bạn. Ai giữ được phần đó thì vai trò nào cũng có chỗ đứng.
Câu hỏi thường gặp
AI có thay thế lập trình viên junior không?
Không thay thế hẳn, nhưng đúng là vị trí junior chịu áp lực rõ nhất, vì phần việc lặp đi lặp lại mà junior hay làm chính là phần AI làm tốt. Cách để không bị lép vế là junior nên nhanh chóng học hiểu bài toán và cách review output AI, thay vì chỉ nhận việc gõ code thuần. Hiểu sâu một chút là bạn vượt lên khỏi nhóm dễ bị thay.
Học ngành AI ra làm gì?
Rộng hơn nhiều so với “ngồi nghiên cứu mô hình”. Phổ biến và thực tế nhất là làm người tích hợp AI vào sản phẩm và quy trình doanh nghiệp — tự động hóa, xử lý dữ liệu, xây trợ lý, tối ưu vận hành. Đây là mảng đang cần người và gần với dân phần mềm ứng dụng, nên dễ bắt đầu.
Không giỏi toán có theo được AI hay chip bán dẫn không?
Còn tùy bạn nhắm phần nào. Mảng AI ứng dụng, tích hợp thì không đòi toán quá nặng, quan trọng là tư duy giải quyết vấn đề. Còn mảng nghiên cứu AI chuyên sâu hay thiết kế chip bán dẫn thì nền toán và điện tử là bắt buộc. Tin vui là toán có thể luyện dần nếu bạn thật sự muốn theo đường dài đó.
BA có cần biết code không?
Không bắt buộc phải code giỏi, nhưng hiểu cơ bản cách phần mềm vận hành thì cực kỳ có lợi. Một BA hiểu công nghệ sẽ ra đề bài sát thực tế hơn, nói chuyện với dev trơn tru hơn và ước lượng khả thi tốt hơn. Không cần thành dev, chỉ cần đủ để không nói chuyện “ông nói gà bà nói vịt” với đội kỹ thuật.
Người mới nên bắt đầu từ đâu?
Bắt đầu từ nền tảng: một ngôn ngữ, tư duy giải quyết vấn đề, và làm vài dự án nhỏ cho ra sản phẩm chạy được. Song song đó, tập dùng AI như trợ lý học tập — nhờ nó giải thích, nhưng luôn tự hiểu lại. Đừng chạy theo mọi công cụ mới; xây móng chắc trước, công cụ học sau rất nhanh.
Tụi mình viết bài này không phải để trấn an suông. Nghề có đổi thật, và ai đứng yên thì sẽ thấy khó. Nhưng qua nhiều năm vận hành, tụi mình tin chắc một điều: mỗi lần công nghệ nhảy vọt là một lần cánh cửa mở ra cho những người chịu học lại. Với lập trình viên thời đại AI, câu chuyện cũng đúng như vậy. Nếu bạn đang phân vân về con đường phía trước, hoặc muốn nghe góc nhìn từ một đội đang làm nghề mỗi ngày, cứ nhắn tụi mình một tiếng — ngồi lại trò chuyện, biết đâu bạn tìm ra hướng đi hợp với mình hơn bạn nghĩ.
