Kỹ năng viết mã không còn là thước đo duy nhất
AI viết mã là việc dùng công cụ trí tuệ nhân tạo để tạo, sửa hoặc đề xuất mã từ hướng dẫn bằng ngôn ngữ tự nhiên, khiến công việc lập trình dịch chuyển từ gõ lệnh sang quyết định và kiểm tra kết quả. Tại Royal Society ở London, Bill Gates trò chuyện về AI trong một cuộc phỏng vấn được đăng ngày 25/10/2026; ông kể rằng cuối năm 2025 đã nhận ra kỹ năng lập trình mình theo đuổi từ năm 13 tuổi về cơ bản trở nên lạc hậu trước AI. Lời thừa nhận ấy có sức nặng vì nó đến từ người dành phần lớn sự nghiệp xây dựng phần mềm. Nhưng kết luận đúng không phải là lập trình viên hết giá trị. Đó là dấu hiệu cho thấy thao tác viết mã đang mất dần vị trí độc quyền trong nghề lập trình viên. Khi công cụ có thể tạo phần triển khai, giá trị con người phải được tìm ở khâu chọn việc cần làm và xác định thế nào là làm đúng.
Sự thay đổi đã có nguyên nhân rõ ràng: các công cụ AI có thể sửa lỗi và đề xuất giải pháp từ chỉ dẫn viết bằng văn bản, trong khi chi phí phần mềm giảm có thể mở ra thêm nhu cầu. Gates cho rằng nhu cầu mới có thể hạn chế mất việc ròng nếu con người vẫn làm tốt hơn ở một số khâu, chẳng hạn thiết kế. Tuy nhiên, tăng nhu cầu không đảm bảo những người mất cơ hội ở vị trí cũ sẽ lập tức tìm được việc khác. Khoảng chuyển tiếp ấy ảnh hưởng trực tiếp đến đời sống: tiền thuê nhà, học phí và chi phí sinh hoạt vẫn phải được lo liệu. Học dùng trợ lý AI có thể nhanh, nhưng tích lũy kinh nghiệm trong một lĩnh vực mới cần thời gian, cơ hội thực hành và nhà tuyển dụng sẵn lòng nhận người mới. Vì thế, lạc quan về năng suất không nên che khuất cái giá của chuyển đổi.
Vai trò mới: xác định vấn đề và điều phối tác nhân AI
Max Shestov đặt câu hỏi khác với Gates: nếu AI viết mã tốt hơn một lập trình viên, điều gì còn định nghĩa người đó? Câu trả lời của ông không nằm ở việc chạy đua với máy trong tốc độ gõ, mà ở năng lực hiểu vấn đề, chia nhỏ nhiệm vụ, điều phối tác nhân AI, phát hiện lỗi, kiểm chứng và cải thiện lời giải. Đây là cách nhìn thuyết phục hơn quan niệm cho rằng lập trình đồng nghĩa với viết từng dòng mã. Phần mềm vốn được xây trên nhiều lớp trừu tượng như trình biên dịch, hệ điều hành, cơ sở dữ liệu, thư viện và khung phần mềm; AI có thể trở thành một lớp mới trong chuỗi ấy. Lập trình với AI do đó không phải giao phó toàn bộ công việc cho máy, mà là tổ chức công việc sao cho công cụ hữu ích và đầu ra có thể kiểm tra.
Sự dịch chuyển này cũng làm lộ hạn chế của tuyển dụng và đào tạo hiện nay. Bài kiểm tra viết mã theo khuôn mẫu có thể đo khả năng giải một dạng bài quen thuộc, nhưng không nhất thiết cho thấy ứng viên có thể xác định yêu cầu mơ hồ hay đánh giá một giải pháp trong bối cảnh thực tế. Shestov lưu ý chương trình đại học mất nhiều năm để thiết kế và cập nhật, còn AI tiến nhanh hơn nhiều; thêm một môn học về AI sẽ không tự giải quyết vấn đề nếu cách chứng minh năng lực vẫn cũ. Các nhà tuyển dụng và trường học cần đánh giá cả quá trình suy luận, cách phân công việc cho công cụ và khả năng phát hiện khi đầu ra sai. Nếu không, họ có nguy cơ loại nhầm người giỏi phán đoán chỉ vì người đó không còn viết mã theo lối truyền thống.
Con người phải kiểm chứng và chịu trách nhiệm
AI có thể tạo ra một lời giải trông hợp lý mà vẫn sai, thiếu an toàn hoặc không đáp ứng đúng nhu cầu. Vì vậy, việc phát hiện lỗi, xác nhận kết quả và cải thiện giải pháp vẫn thuộc về lập trình viên. Đây không phải phần việc phụ để làm sau khi máy hoàn tất; đó là ranh giới giữa một đoạn mã được tạo ra và một phần mềm đáng tin cậy. Người giao việc cho tác nhân AI phải hiểu đủ sâu để đặt yêu cầu, nhận ra giới hạn của kết quả và quyết định có thể đưa sản phẩm vào sử dụng hay không. Trách nhiệm ấy không thể chuyển sang công cụ chỉ vì công cụ đã viết phần lớn mã. Khi có sự cố, tổ chức vẫn cần người giải thích quyết định, sửa lỗi và chịu trách nhiệm với người dùng.
Dữ liệu việc làm cũng cần được đọc chính xác, không biến tín hiệu đáng lưu ý thành lời khẳng định rằng sa thải đã lan khắp nền kinh tế. Nghiên cứu của Erik Brynjolfsson, Bharat Chandar và Ruyu Chen tại Stanford, cập nhật tháng 8/2026 từ dữ liệu bảng lương ADP đến tháng 6/2026, chưa tìm thấy bằng chứng về sự thay thế việc làm trên diện rộng. Dù vậy, việc làm của nhóm 22–25 tuổi trong các nghề chịu ảnh hưởng mạnh của AI thấp hơn 19% so với mức giả định nếu tăng cùng nhịp với nhóm ít chịu ảnh hưởng; chênh lệch chủ yếu thể hiện qua tuyển mới giảm, và quan sát này chưa chứng minh quan hệ nhân quả. Đây là lời nhắc rằng người mới vào nghề có thể chịu sức ép trước cả khi có làn sóng sa thải rõ rệt. Đào tạo lại và hỗ trợ người lao động cần bắt đầu trước khi thay thế diễn ra trên diện rộng.
Nghề lập trình viên sẽ được định nghĩa lại
Gates cảnh báo về tốc độ thích nghi và nguy cơ cơ hội đầu vào bị thu hẹp; ông đề xuất bắt đầu hỗ trợ, đào tạo lại sớm, đồng thời nêu ý tưởng dành một số công việc cho con người và đánh thuế AI, kể cả theo số lượng token, để góp phần tài trợ mạng lưới an sinh. Những đề xuất ấy cho thấy chuyển đổi không thể chỉ được xem là trách nhiệm cá nhân: doanh nghiệp hưởng lợi từ năng suất mới và nhà hoạch định chính sách đều phải tính đến ai gánh chi phí điều chỉnh. Người lao động cần cơ hội thực hành và đường đi thực tế sang công việc mới, chứ không chỉ được khuyên học thêm công cụ.
Dù vậy, đích đến của nghề lập trình viên không nhất thiết là biến mất. Khả năng viết mã vẫn hữu ích, nhưng sẽ bớt đủ để phân biệt người làm nghề khi AI có thể đảm nhận ngày càng nhiều thao tác triển khai. Năng lực có giá trị hơn sẽ là phán đoán: chọn đúng vấn đề, chia việc hợp lý, phối hợp tác nhân AI và chứng minh rằng lời giải hoạt động an toàn như dự định. Doanh nghiệp cần thay đổi cách tuyển và đào tạo; người học cần rèn tư duy hệ thống cùng năng lực kiểm chứng, thay vì chỉ luyện tốc độ gõ. Kết luận nên rõ ràng: AI có thể viết nhiều mã hơn con người, nhưng quyết định điều gì đáng xây dựng và chịu trách nhiệm về hậu quả vẫn là việc của con người.
