Ngày nay, một lập trình viên có thể mô tả yêu cầu bằng ngôn ngữ tự nhiên và yêu cầu AI tạo ra một đoạn chương trình, viết test case, giải thích code hoặc tìm nguyên nhân của một lỗi. Điều này đặt ra một câu hỏi quan trọng: AI có thay thế lập trình viên hay không, hay AI đang thay đổi bản chất của nghề lập trình?

1. Từ "viết code" sang "giải quyết vấn đề"

Trước đây, một phần lớn thời gian của lập trình viên được dành cho việc chuyển yêu cầu thành mã nguồn. Ví dụ, để xây dựng chức năng đăng nhập, lập trình viên phải tự viết giao diện, xử lý dữ liệu, kết nối cơ sở dữ liệu, kiểm tra mật khẩu và xử lý các trường hợp lỗi.

Với sự hỗ trợ của AI, lập trình viên có thể mô tả:

"Hãy xây dựng chức năng đăng nhập cho hệ thống bán hàng bằng ASP.NET Core, sử dụng SQL Server và xác thực người dùng."

AI có thể tạo ra phần lớn mã nguồn ban đầu. Lập trình viên sau đó kiểm tra, điều chỉnh và tích hợp mã vào hệ thống.

Điều này làm thay đổi trọng tâm của công việc. Giá trị của lập trình viên không còn chỉ nằm ở khả năng gõ code nhanh mà ngày càng nằm ở khả năng hiểu bài toán, lựa chọn giải pháp và đánh giá kết quả do AI tạo ra.

Nói cách khác:

Trước đây:

Problem → Design → Code → Test

Với AI:

Problem → Design → AI-assisted Code → Review → Test → Improve

AI có thể hỗ trợ bước "Code", nhưng các bước xác định đúng vấn đề, lựa chọn kiến trúc, xác định yêu cầu và đánh giá kết quả vẫn cần sự tham gia của con người.

2. AI đang hỗ trợ lập trình viên ở những công việc nào?

AI có thể tham gia vào rất nhiều hoạt động trong vòng đời phát triển phần mềm.

Viết mã nguồn

Lập trình viên có thể yêu cầu AI tạo một hàm, một lớp, một API hoặc thậm chí một module tương đối hoàn chỉnh.

Ví dụ:

"Viết một hàm Java kiểm tra một số nguyên có phải là số nguyên tố hay không."

AI có thể nhanh chóng tạo ra đoạn code tương ứng.

Giải thích mã nguồn

Một lập trình viên mới tiếp nhận một hệ thống cũ có thể sử dụng AI để hiểu những đoạn code phức tạp.

Ví dụ:

"Giải thích phương thức này hoạt động như thế nào và những trường hợp nào có thể gây lỗi."

Điều này đặc biệt hữu ích khi làm việc với các hệ thống legacy có hàng nghìn hoặc hàng triệu dòng code.

Tìm và sửa lỗi

AI có thể phân tích stack trace, log hoặc đoạn code để đưa ra các nguyên nhân có khả năng gây lỗi.

Tuy nhiên, kết quả của AI vẫn cần được kiểm tra. Một đề xuất nghe có vẻ hợp lý chưa chắc phù hợp với kiến trúc và nghiệp vụ thực tế của hệ thống.

Viết test case

AI có thể tạo unit test, integration test hoặc đề xuất các trường hợp kiểm thử dựa trên code hiện có.

Ví dụ, với một hàm nhận giá trị từ 1 đến 100, AI có thể đề xuất các trường hợp:

• 1
• 100
• 0
• 101
• giá trị null
• dữ liệu không hợp lệ

Như vậy, AI có thể giúp lập trình viên tăng tốc quá trình kiểm thử.

Refactoring

AI có thể phát hiện những đoạn code dài, trùng lặp hoặc khó đọc và đề xuất cách cải thiện.

Tuy nhiên, refactoring không chỉ là làm cho code "đẹp hơn". Một thay đổi nhỏ có thể ảnh hưởng đến nhiều module khác. Vì vậy, lập trình viên vẫn phải hiểu kiến trúc và tác động của thay đổi.

3. AI không chỉ thay đổi cách viết code mà còn thay đổi cách học lập trình

Đây có thể là một trong những thay đổi quan trọng nhất.

Trước đây, sinh viên học lập trình thường phải ghi nhớ cú pháp, tự viết chương trình và mất khá nhiều thời gian để tìm kiếm lỗi.

Ngày nay, AI có thể đóng vai trò như một "trợ giảng lập trình".

Sinh viên có thể hỏi:

"Tại sao chương trình của em bị NullPointerException?"

hoặc:

"Hãy giải thích đoạn code này từng dòng."

hoặc:

"Hãy cho tôi một bài tập Java về inheritance ở mức độ trung bình."

Điều này tạo ra cơ hội rất lớn cho việc học cá nhân hóa.

Tuy nhiên, nó cũng tạo ra một vấn đề mới: sinh viên có thể tạo ra một chương trình chạy được mà không thực sự hiểu chương trình đó.

Nếu một sinh viên chỉ cần yêu cầu AI giải bài tập rồi nộp kết quả, kỹ năng lập trình thực sự có thể không được hình thành.

Do đó, trong thời đại AI, mục tiêu của việc dạy lập trình cần được mở rộng từ:

"Sinh viên có viết được code hay không?"

sang:

"Sinh viên có hiểu bài toán, giải thích được giải pháp, đánh giá được code và phát hiện được sai sót hay không?"

4. Những kỹ năng nào trở nên quan trọng hơn?

AI có thể làm giảm giá trị tương đối của một số kỹ năng, nhưng đồng thời làm tăng giá trị của nhiều kỹ năng khác.

Tư duy giải quyết vấn đề

AI có thể viết code, nhưng trước hết phải có người xác định cần giải quyết vấn đề gì.

Một yêu cầu không rõ ràng sẽ dẫn đến một giải pháp không phù hợp, cho dù AI tạo code rất nhanh.

Kiến thức về Software Architecture

Khi AI có thể tạo ra hàng trăm dòng code trong vài giây, câu hỏi quan trọng không còn là:

"Tôi có thể viết đoạn code này không?"

mà là:

"Đoạn code này nên nằm ở đâu trong kiến trúc hệ thống?"

Lập trình viên cần hiểu module, component, API, database, security, scalability, availability và các architectural pattern để đánh giá giải pháp do AI đề xuất.

Code Review

AI có thể tạo code nhưng không đảm bảo code luôn đúng.

Lập trình viên cần có khả năng đọc code và trả lời:

• Code có đúng nghiệp vụ không?
• Có lỗi bảo mật không?
• Có vấn đề về hiệu năng không?
• Có gây lỗi khi dữ liệu tăng lên không?
• Có dễ bảo trì không?
• Có vi phạm kiến trúc của hệ thống không?

Testing

Khi code được tạo nhanh hơn, nguy cơ tạo ra nhiều code chưa được kiểm chứng cũng tăng lên.

Do đó, kỹ năng viết test case, automation test, integration test, performance test và security test ngày càng quan trọng.

Giao tiếp với AI

Một kỹ năng mới cũng đang hình thành: AI-assisted programming.

Lập trình viên cần biết cách mô tả yêu cầu rõ ràng, cung cấp context cần thiết, yêu cầu AI giải thích kết quả, phát hiện giả định sai và liên tục cải thiện giải pháp.

5. Lập trình viên tương lai có thể làm việc như thế nào?

Có thể hình dung một quy trình phát triển phần mềm có AI như sau:

Bước 1 – Con người xác định vấn đề

Xác định mục tiêu, người dùng và yêu cầu nghiệp vụ.

Bước 2 – Con người thiết kế giải pháp

Xác định kiến trúc, module, database, API và các ràng buộc.

Bước 3 – AI hỗ trợ tạo implementation

AI tạo code, SQL, API, test case hoặc tài liệu.

Bước 4 – Con người review

Kiểm tra tính đúng đắn, bảo mật, hiệu năng và khả năng bảo trì.

Bước 5 – AI hỗ trợ testing

Tạo test case, phân tích lỗi và đề xuất các trường hợp kiểm thử bổ sung.

Bước 6 – Con người quyết định

Lập trình viên chịu trách nhiệm cuối cùng đối với giải pháp được đưa vào hệ thống.

Mô hình này cho thấy AI có thể trở thành một cộng sự kỹ thuật, thay vì đơn giản là một công cụ sinh code.

6. AI có thay thế lập trình viên?

Câu trả lời không đơn giản là "có" hoặc "không".

AI chắc chắn có khả năng tự động hóa một số công việc lập trình, đặc biệt là những công việc lặp lại, có cấu trúc rõ ràng hoặc có thể mô tả tương đối chính xác.

Điều đó có thể làm thay đổi nhu cầu đối với một số loại công việc lập trình.

Nhưng phát triển phần mềm không chỉ là viết code. Một hệ thống thực tế còn liên quan đến:

• Hiểu nghiệp vụ
• Phân tích yêu cầu
• Kiến trúc hệ thống
• Thiết kế dữ liệu
• Bảo mật
• Hiệu năng
• Kiểm thử
• Tích hợp hệ thống
• Triển khai
• Vận hành
• Bảo trì
• Làm việc với khách hàng và đội nhóm

AI có thể hỗ trợ nhiều hoạt động trong số này, nhưng việc xác định mục tiêu và chịu trách nhiệm đối với sản phẩm vẫn là những vấn đề quan trọng.

Vì vậy, thay vì đặt câu hỏi "AI có thay thế lập trình viên không?", một câu hỏi thực tế hơn là:

"Lập trình viên sẽ làm gì khi AI có thể viết phần lớn code?"

Đây có thể chính là câu hỏi quan trọng đối với thế hệ lập trình viên mới.

7. Một lập trình viên biết sử dụng AI sẽ khác gì?

Hãy tưởng tượng hai lập trình viên cùng nhận một yêu cầu:

"Xây dựng chức năng đăng ký môn học cho hệ thống quản lý đào tạo."

Lập trình viên thứ nhất yêu cầu AI:

"Generate code for course registration."

AI tạo ra code và lập trình viên sử dụng nó.

Lập trình viên thứ hai phân tích trước:

• Sinh viên có được đăng ký môn này không?
• Môn học có đủ điều kiện tiên quyết không?
• Lớp học còn chỗ không?
• Sinh viên có bị trùng lịch không?
• Đã đủ số tín chỉ tối đa chưa?
• Có nhiều sinh viên đăng ký cùng lúc không?
• Cần transaction hay locking như thế nào?
• Nếu hai request cùng đăng ký chỗ cuối cùng thì điều gì xảy ra?

Sau đó, lập trình viên mới yêu cầu AI hỗ trợ thiết kế và viết code.

Sự khác biệt không nằm ở việc ai sử dụng AI nhiều hơn.

Sự khác biệt nằm ở việc ai hiểu vấn đề sâu hơn và biết cách kiểm soát AI tốt hơn.

8. AI làm cho nghề lập trình dễ hơn hay khó hơn?

Có thể nói cả hai.

AI làm nghề lập trình dễ hơn bởi vì:

• Giảm thời gian viết code.
• Giảm thời gian tìm kiếm thông tin.
• Hỗ trợ học công nghệ mới.
• Hỗ trợ debug.
• Hỗ trợ viết test.
• Hỗ trợ tạo tài liệu.

Nhưng AI cũng làm nghề lập trình khó hơn ở một khía cạnh khác:

Tiêu chuẩn đối với lập trình viên có thể ngày càng cao.

Nếu trước đây một lập trình viên có thể dành nhiều thời gian để viết code, thì khi AI giúp giảm thời gian đó, doanh nghiệp có thể kỳ vọng lập trình viên tạo ra nhiều giá trị hơn ở các công việc như thiết kế, kiểm thử, tối ưu hóa, bảo mật và giải quyết vấn đề.

9. Thông điệp dành cho sinh viên CNTT

Sự xuất hiện của AI không có nghĩa là sinh viên không cần học lập trình nữa.

Ngược lại, nền tảng lập trình càng quan trọng để sử dụng AI hiệu quả.

Nếu không hiểu programming, database, algorithms, software architecture và testing, sinh viên sẽ khó đánh giá liệu code do AI tạo ra có thực sự đúng hay không.

Một người không biết lập trình có thể yêu cầu AI:

"Viết cho tôi một chương trình."

Nhưng một lập trình viên có kiến thức có thể hỏi:

"Thiết kế này có vi phạm Single Responsibility Principle không?"

"Đoạn code này có race condition không?"

"Test case nào có thể phát hiện lỗi này?"

"Kiến trúc này có đáp ứng scalability không?"

"Nếu database có 10 triệu bản ghi thì vấn đề gì xảy ra?"

Đó chính là sự khác biệt giữa người sử dụng AI để tạo code và kỹ sư phần mềm sử dụng AI để giải quyết vấn đề.

Kết luận

AI đang làm thay đổi nghề lập trình theo hướng từ code-centric sang problem-solving-centric.

Lập trình viên tương lai có thể sẽ không dành phần lớn thời gian để tự viết từng dòng code. Thay vào đó, họ sẽ dành nhiều thời gian hơn cho việc hiểu vấn đề, thiết kế hệ thống, hướng dẫn AI, kiểm tra kết quả và chịu trách nhiệm về chất lượng của sản phẩm.

Do đó, câu chuyện về AI và nghề lập trình không nhất thiết phải được nhìn dưới góc độ:

"AI hay lập trình viên?"

Mà có thể được nhìn dưới góc độ:

"Lập trình viên có thể làm được gì khi có AI hỗ trợ?"

Trong bối cảnh đó, những người chỉ biết viết code có thể phải thay đổi cách làm việc. Còn những người có nền tảng tốt về problem solving, software engineering, architecture, testing và khả năng sử dụng AI sẽ có một bộ công cụ mạnh hơn để xây dựng phần mềm.

AI có thể viết code nhanh hơn con người. Nhưng việc xác định nên xây dựng cái gì, tại sao phải xây dựng nó và làm thế nào để biết hệ thống thực sự đúng vẫn là những câu hỏi cốt lõi của kỹ thuật phần mềm.