Bài thi viết mã không còn là thước đo đáng tin
Bài kiểm tra coding truyền thống là hình thức đánh giá ứng viên qua việc tự viết mã hoặc giải bài toán lập trình trong điều kiện giới hạn, nhưng ngày càng khó phản ánh đầy đủ năng lực xây dựng phần mềm khi AI có thể làm phần việc ấy rất tốt. Đây là lý do Felix Rieseberg, quản lý kỹ thuật từng phụ trách Claude.ai và Claude Code tại Anthropic, cho biết ông đã bỏ vòng phỏng vấn code truyền thống từ tháng 10 trong quy trình của nhóm mình.
Quyết định này đáng chú ý không phải vì một công ty công nghệ loại bỏ bài thi, mà vì bài thi đang đo sai điều nhà tuyển dụng cần biết. Rieseberg nói các mô hình Claude giải những bài toán lập trình tốt hơn phần lớn ứng viên, khiến kết quả bài thi ít còn giá trị dự báo. Một thử thách nhỏ bằng React từng giúp nhận diện khả năng suy nghĩ và giải quyết vấn đề; khi AI xử lý được, nó có thể trở thành bài tập thuộc lòng kỹ thuật hơn là phép thử năng lực làm việc.
Điều đó không chứng minh mọi ứng viên đều kém hơn AI. Nó cho thấy phép đo cũ đã mất độ phân giải: một người có thể viết mã nhanh trong phòng thi nhưng yếu ở việc hiểu nhu cầu, chọn giải pháp phù hợp hoặc phát hiện lỗi. Ngược lại, người dùng AI hiệu quả có thể tạo ra sản phẩm tốt mà bài thi cấm công cụ lại không nhận ra.
Thị trường vẫn kiểm tra, nhưng độ khó không giải quyết được gốc rễ
Anthropic chưa thay đổi toàn bộ chính sách tuyển dụng; quyết định của Rieseberg chỉ áp dụng cho nhóm ông phụ trách. Bức tranh rộng hơn cũng chưa cho thấy bài thi kỹ năng sắp biến mất: khảo sát trên 1.500 doanh nghiệp ghi nhận 62,5% nhà tuyển dụng ngành thông tin yêu cầu kiểm tra kỹ năng ngay ở bước ứng tuyển đầu tiên, còn khoảng 70% chuyển bài thi sang hình thức trực tiếp hoặc có giám sát để hạn chế AI.
Tuy vậy, việc khóa công cụ hay tăng độ khó chỉ trì hoãn câu hỏi cốt lõi: công việc thực tế có cho phép dùng AI hay không? Nhóm hiệu năng của Anthropic cũng gặp khó với bài làm tại nhà. Claude Opus 4 từng đạt điểm cao hơn hầu hết ứng viên trong giới hạn thời gian; khi bài thi được nâng độ khó, phiên bản Opus 4.5 vẫn bắt kịp cả những ứng viên xuất sắc nhất.
Những con số này không buộc mọi công ty bỏ bài thi. Nhưng chúng cảnh báo rằng một bài kiểm tra càng giống câu đố thuật toán càng dễ đo khả năng luyện thi hoặc sức mạnh của công cụ, thay vì cách ứng viên tạo ra phần mềm hữu ích. Trong tuyển dụng lập trình viên, kiểm tra kỹ năng vẫn cần thiết; điều cần thay đổi là đối tượng và bối cảnh của phép thử.
Đánh giá cách ứng viên suy nghĩ, dùng AI và kiểm chứng
Thay vì yêu cầu hoàn thành một đoạn mã biệt lập, nhà tuyển dụng nên giao một vấn đề có bối cảnh và quan sát toàn bộ quá trình: ứng viên đặt câu hỏi gì, xác định phạm vi ra sao, chọn công cụ nào và đánh giá đầu ra thế nào. Kỹ sư trưởng Jaana Dogan của Google gợi ý quan sát ứng viên làm việc cùng các tác nhân lập trình, vì cách phối hợp này bộc lộ kỹ năng thực tế rõ hơn.
Một bài đánh giá tốt cần kiểm tra cả việc phát hiện giả định sai, chạy thử, gỡ lỗi, xem xét bảo mật và giải thích đánh đổi trong thiết kế. Ứng viên phải chứng minh mình biết khi nào nên tin AI, khi nào cần bác bỏ kết quả và ai chịu trách nhiệm nếu sản phẩm gặp lỗi. Đây mới là những kỹ năng lập trình viên cần có trong môi trường mà AI viết code ngày càng thành thạo.
Khó khăn này đã được nhiều lãnh đạo kỹ thuật ghi nhận: khảo sát khoảng 400 người tại Mỹ, Ấn Độ và Trung Quốc trong năm 2026 cho thấy 71% nói AI khiến việc đánh giá năng lực kỹ thuật của ứng viên khó hơn. Đó không phải lý do để tuyển dụng theo cảm tính; trái lại, nó đòi hỏi tiêu chí rõ ràng hơn về chất lượng giải pháp, khả năng kiểm chứng và trách nhiệm.
Portfolio và nguyên mẫu có thể bổ sung, không thay thế phán đoán
Rieseberg thừa nhận chưa có phương án thay thế hoàn chỉnh. Trước mắt, ông xem hồ sơ và portfolio để tìm các nguyên mẫu nhỏ thể hiện gu thẩm mỹ, sự thấu cảm và tư duy có nguyên tắc. Cách làm này có sức thuyết phục hơn bài thi câu đố ở chỗ cho thấy ứng viên đã biến ý tưởng thành thứ có thể dùng hoặc kiểm tra.
Nhưng sản phẩm mẫu không nên trở thành cuộc thi ai có nhiều thời gian rảnh hơn. Nhà tuyển dụng cần hỏi ứng viên đã lựa chọn vấn đề nào, nhận phản hồi ra sao, phần nào do AI tạo và cách họ kiểm chứng nó. Một nguyên mẫu bắt mắt nhưng không có lập luận hay kiểm thử cũng không chứng minh được năng lực.
Thông điệp với kỹ sư trẻ vì thế không phải bỏ nền tảng lập trình để dựa vào AI. Họ cần biết dùng công cụ, nhưng cũng phải hiểu mã đủ sâu để phát hiện sai sót và bảo vệ quyết định của mình. Nhà tuyển dụng nên đánh giá bằng nhiệm vụ gần với công việc thật, có trao đổi trực tiếp và tiêu chí chấm minh bạch.
Bài thi code chưa hết vai trò, nhưng không thể đứng một mình như bằng chứng về năng lực làm phần mềm. Khi AI làm tốt phần viết mã, giá trị của kỹ sư nằm nhiều hơn ở việc xác định đúng vấn đề, điều phối công cụ, kiểm chứng giải pháp và chịu trách nhiệm về kết quả. Tuyển dụng cần đo những năng lực ấy, thay vì tiếp tục thưởng cho tốc độ gõ trong một bài thi đã lỗi thời.
