Khi AI tự chạy việc và cái giá của những dòng code vô chủ

Một lỗi hệ thống nghiêm trọng xuất hiện lần thứ tư trong tháng. Cả đội phát triển loay hoay tìm nguyên nhân nhưng không ra kết quả. Khi được hỏi về đường đi của dữ liệu trong tính năng này, lập trình viên chịu trách nhiệm chính chỉ biết lắc đầu rồi bảo: “Để tôi hỏi Claude xem sao”. Hai người ngồi cạnh nhau, chăm chú nhìn màn hình hiện lên những bức tường chữ dài dằng dặc. Mô hình ngôn ngữ lớn trả lời rất tự tin, lập luận chặt chẽ, nhưng cả hai kỹ sư đều không biết những thông tin đó có đúng hay không.

Câu chuyện được nhà phát triển Florian Herrengt chia sẻ gần đây phản ánh một thực tế đáng ngại tại nhiều văn phòng công nghệ. Hệ thống phần mềm ngày càng trở nên phức tạp, nhiều tầng lớp chắp vá đến mức chính những người viết ra nó cũng không còn hiểu nổi đứa con tinh thần của mình.

Khi AI không còn là trợ lý gõ code hộ

Chúng ta đang chứng kiến một bước chuyển dịch lớn trong cách các doanh nghiệp khai thác trí tuệ nhân tạo. Báo cáo mới nhất từ OpenAI cho thấy các tổ chức dẫn đầu - nhóm 10% sử dụng AI nhiều nhất mỗi tháng - đang tạo ra lượng token đầu ra gấp 8,3 lần so với các doanh nghiệp thông thường. Con số này không chỉ thể hiện tần suất sử dụng cao, nó phản ánh một sự thay đổi về chất. Thay vì chỉ hỏi đáp đơn giản hoặc nhờ viết hộ vài đoạn mã ngắn, các kỹ sư tại đây đang tích hợp AI sâu vào quy trình vận hành thông qua các tác nhân tự trị (AI agents) có kết nối trực tiếp với dữ liệu và công cụ nội bộ.

Thị trường công nghệ liên tục đón nhận những mô hình mới tối ưu cho khả năng tự trị này. Việc SpaceXAI tung ra Grok 4.6 hay DeepSeek giới thiệu V4 Pro là những ví dụ điển hình. Các dòng mô hình này không còn chạy đua thuần túy về số lượng tham số, họ tập trung vào khả năng suy luận logic và thực thi các chuỗi công việc phức tạp. Khi các công cụ này trở nên phổ biến, lập trình viên không còn phải tự gõ từng dòng mã nguồn. Họ chuyển sang vai trò giám sát các tác nhân tự trị chạy việc.

Cái giá của những hệ thống vô chủ và nợ nhận thức

Tuy nhiên, việc giao phó quá nhiều việc cho AI đang tạo ra một loại nợ kỹ thuật mới - nợ nhận thức. Khi tốc độ sinh mã nguồn vượt quá khả năng đọc hiểu của con người, hệ thống sẽ dần mất đi tính kiểm soát.

Thực tế tại nhiều dự án hiện nay, lập trình viên chỉ cần mô tả yêu cầu bằng ngôn ngữ tự nhiên rồi chép mã do AI tạo ra vào dự án. Hệ thống vẫn chạy, tính năng vẫn được bàn giao đúng hạn. Nhưng khi phát sinh những lỗi logic phức tạp nằm sâu trong kiến trúc hệ thống, sự thiếu hụt về mặt hiểu biết sẽ lộ rõ. Việc mất đi thế hệ lập trình viên trung cấp - những người trưởng thành từ việc tự tay gỡ lỗi, đọc hiểu tài liệu kỹ thuật và tối ưu từng dòng code - là một nguy cơ có thật. Nếu chỉ đóng vai trò là người chuyển tiếp câu lệnh giữa yêu cầu của khách hàng và câu trả lời của AI, kỹ sư sẽ dần mất đi khả năng tư duy độc lập. Khi đó, mỗi khi hệ thống gặp sự cố, họ lại phải phụ thuộc vào các mô hình như Claude Fable 5 để tìm lời giải, tạo ra một vòng lặp phụ thuộc không lối thoát.

Điểm nghẽn từ những kho dữ liệu cũ kỹ

Để các tác nhân tự trị có thể hoạt động hiệu quả và đưa ra quyết định chính xác, chúng cần một nguồn dữ liệu sạch và có ngữ cảnh rõ ràng. Nghiên cứu từ MIT Technology Review phối hợp với Google Cloud cho thấy rào cản lớn nhất của doanh nghiệp khi triển khai AI tự trị không nằm ở bản thân mô hình, mà nằm ở hạ tầng dữ liệu cũ kỹ.

Nhiều hệ thống dữ liệu được xây dựng từ nhiều năm trước, thậm chí mới nâng cấp gần đây, vẫn gặp khó khăn trong việc cung cấp thông tin theo thời gian thực cho AI. Một tác nhân tự trị chịu trách nhiệm điều phối chuỗi cung ứng cần biết chính xác lượng hàng tồn kho tại các cửa hàng vật lý, tiến độ của các chuyến xe vận chuyển và cả dữ liệu nhân sự hiện tại. Nếu các nguồn dữ liệu này bị chia cắt thành các ốc đảo độc lập, AI sẽ đưa ra những quyết định sai lệch. Gartner dự báo đến năm 2027, khoảng 50% quyết định kinh doanh sẽ do AI hỗ trợ hoặc tự động thực hiện. Nếu không giải quyết được bài toán làm sạch và đồng bộ dữ liệu, việc đưa AI vào vận hành chẳng khác nào trao quyền quyết định cho một nhân sự cấp cao nhưng thiếu thông tin thực tế.

Dấu vết số vô hình và trách nhiệm pháp lý

Một yếu tố khác mà người làm công nghệ cần lưu ý là tính minh bạch của mã nguồn. Anthropic vừa âm thầm triển khai tính năng chèn chữ ký vô hình (invisible watermark) vào tất cả các kết quả đầu ra của Claude, bao gồm cả văn bản và mã nguồn. Đây là bước đi nhằm đáp ứng các quy định nghiêm ngặt của Đạo luật AI từ Liên minh Châu Âu (EU AI Act).

Chữ ký này sẽ bám theo đoạn mã ngay cả khi kỹ sư sao chép và dán vào trình soạn thảo mã nguồn của mình. Về mặt quản lý, điều này giúp các doanh nghiệp dễ dàng kiểm soát tỷ lệ mã do AI tạo ra trong sản phẩm. Tuy nhiên, nó cũng đặt ra những câu hỏi lớn về bản quyền và trách nhiệm pháp lý. Nếu một đoạn mã do Claude sinh ra vi phạm bản quyền sáng chế hoặc gây ra sự cố bảo mật nghiêm trọng cho hệ thống của khách hàng, chữ ký vô hình này sẽ là bằng chứng không thể chối cãi. Các kỹ sư không thể đơn giản tuyên bố rằng họ tự viết toàn bộ hệ thống đó nữa.

Lối đi nào cho kỹ sư công nghệ Việt Nam

Trước làn sóng dịch chuyển mạnh mẽ này, người làm công nghệ tại Việt Nam cần thay đổi cách tiếp cận công việc hằng ngày. Việc học cách viết prompt hay sử dụng các công cụ hỗ trợ như GitHub Copilot chỉ là bước khởi đầu. Điều quan trọng hơn là chúng ta phải làm chủ được kiến trúc hệ thống và dữ liệu của chính mình.

Dưới đây là một số việc cụ thể cần lưu ý khi làm việc với AI trong giai đoạn hiện nay:

• Kiểm soát chặt chẽ mã nguồn đầu ra: Không bao giờ đưa mã do AI tạo ra vào nhánh chính (main branch) của dự án mà không qua bước kiểm duyệt thủ công (code review) kỹ lưỡng từ những kỹ sư có kinh nghiệm.
• Chuẩn hóa hạ tầng dữ liệu nội bộ: Tập trung làm sạch dữ liệu, xây dựng các đường ống dữ liệu (data pipelines) thông suốt trước khi nghĩ đến việc triển khai các tác nhân tự trị.
• Giới hạn quyền hạn của AI: Khi tích hợp tác nhân tự trị vào hệ thống vận hành, cần thiết lập các chốt chặn an toàn (guardrails) để ngăn AI tự ý thực hiện các lệnh ghi hoặc xóa dữ liệu quan trọng mà không có sự phê duyệt của con người.

Thực tế cho thấy, AI chỉ mạnh khi nó được đặt trên một nền tảng dữ liệu vững chắc và được giám sát bởi những kỹ sư hiểu rõ bản chất của hệ thống. Đừng để bản thân bị cuốn vào cuộc đua tạo ra những hệ thống phần mềm khổng lồ nhưng rỗng tuếch bên trong, nơi không một ai có thể tự tay sửa nổi một lỗi cơ bản khi hệ thống gặp sự cố.