Trong bộ phim Full Metal Jacket (1987) của Stanley Kubrick, trung sĩ huấn luyện Hartman cạo đầu tân binh, xoá tên, rồi nhồi nhét đúng một thứ: kỹ năng bóp cò. Ông muốn biến con người thành vũ khí. Và ông thành công rực rỡ với Private Pyle. Pyle hấp thụ trọn vẹn sự bạo lực của khẩu súng, nhưng sụp đổ hoàn toàn vì không thể hấp thụ được thứ mà trại huấn luyện không dạy: kỷ luật, cấu trúc, và bản năng phân biệt đâu là mục tiêu thật.
Hệ thống tạo ra một khẩu súng máy biết bắn, chứ không tạo ra một người lính biết ngắm.
Đó chính xác là những gì đang diễn ra với giới lập trình trẻ tuổi ngay lúc này, khi trại huấn luyện mới của họ mang tên trí tuệ nhân tạo.
Cỗ Máy Bơm Tốc Độ
Karri Saarinen, tổng giám đốc của Linear, chia sẻ vài con số đáng chú ý: lượng công việc do AI agent thực hiện trên nền tảng Linear tăng gấp 5 lần chỉ trong ba tháng. Agent lập trình đã được cài đặt trong 75% không gian làm việc doanh nghiệp của Linear.
Đó là tốc độ thuần tuý. Khâu thực thi (execution) vốn cồng kềnh, tốn máu và mồ hôi giờ đây mượt mà đến đáng sợ. Bạn chỉ cần ra lệnh, máy sẽ nhả hàng ngàn dòng mã đúng cú pháp. Nhưng chính ở bước này trại huấn luyện Hartman lộ mặt: khi chi phí gõ code rớt về 0, lượng code sinh ra không giảm, nó nổ tung. Kinh tế học gọi đó là Nghịch lý Jevons (Jevons Paradox): khi một nguồn lực trở nên rẻ hơn, tổng mức tiêu thụ tăng lên chứ không giảm. Than đá rẻ hơn thì người ta đốt nhiều hơn. Code rẻ hơn thì người ta viết sai nhiều hơn, bự hơn, và nhanh hơn bao giờ hết.
Dữ liệu đang chứng minh điều đó. Báo cáo của CodeRabbit, một nền tảng kiểm duyệt code tự động, cho thấy code do AI sinh ra chứa lỗi logic và bảo trì nhiều gấp 1,7 lần so với code viết tay. Khoảng 45% mẫu code AI tự động dính lỗ hổng bảo mật thuộc danh sách OWASP Top 10. Nợ kỹ thuật (technical debt) không tích luỹ theo phép cộng nữa, nó đang nhân bản theo cấp số nhân.
Karri Saarinen nhấn mạnh một điều tưởng hiển nhiên mà ít ai chịu nghe: khi máy làm thay phần gõ, việc lập kế hoạch trở nên quan trọng hơn bao giờ hết. Tốc độ chỉ khuếch đại hướng đi. Nếu hướng sai, bạn chạy nhanh hơn về phía vách đá. Anh lính Pyle không chết vì bắn dở. Pyle chết vì không ai dạy cậu ta phân biệt đâu là kẻ thù, đâu là đồng đội.
Lời Nguyền Của Sự Dễ Dàng
Sự kỳ diệu của AI tỷ lệ nghịch với trình độ của bạn. Bạn càng mù mờ, công nghệ này càng giống một vị thần ban phép thuật. Bạn càng lão luyện, nó càng giống một thằng thực tập sinh cực kỳ nhiệt tình nhưng tay chân lóng ngóng.
Người ta gọi đó là Nghịch lý chuyên môn (The Expertise Paradox).
Với những kỹ sư kỳ cựu, chuyên môn không nằm ở việc nhớ cú pháp hay gọi API. Chuyên môn của họ là khẩu vị kiến trúc (taste): khả năng ngửi thấy mùi code thối từ xa, nhìn một tệp tin và biết luồng dữ liệu này sẽ bóp nghẹt hệ thống trong ba tháng nữa. Khẩu vị đó không rớt từ trên trời xuống. Nó được mài giũa qua hàng vạn giờ ngồi gỡ bug thâu đêm, qua nỗi đau của việc phải đập đi xây lại một kiến trúc đã chạy sai hướng suốt sáu tháng.
Nhưng công cụ tự động đang cắt đứt toàn bộ quá trình đau đớn đó. Dữ liệu RAND Corporation (tháng 3/2026) cho thấy 67% học sinh tự thừa nhận AI đang làm hỏng kỹ năng tư duy phản biện của chính họ. Con số này tăng từ 54% chỉ trong vòng một năm. Không phải dự đoán bi quan, mà là lời thú nhận từ chính những người đang bị ảnh hưởng.
Ngáo ngơ như mình ngày xưa cũng từng review code của đồng nghiệp mà tự tin phán “cái này chạy được rồi, duyệt.” Ba tháng sau hệ thống sập. Lúc đó mới hiểu: “chạy được” và “chạy đúng” là hai thứ cách nhau một vực thẳm. Cái vực thẳm đó chỉ nhìn thấy được sau khi đã ngã xuống ít nhất một lần.
Thế nhưng, kỹ sư mới vào nghề bây giờ không cần cày nát não để chương trình chạy được. Họ phó mặc cho nút bấm. Họ đánh mất quy trình vật lộn, thứ duy nhất giúp con người sinh ra bộ lọc phân biệt thế nào là tốt và thế nào là rác. Trại huấn luyện của trung sĩ Hartman dạy tân binh bóp cò nhanh hơn, nhưng không có bài nào trong giáo trình về việc khi nào thì KHÔNG bóp cò.
Khi Nào Thì Không Bóp Cò
Vậy lớp kỹ sư mới vào nghề luyện “taste” bằng cách nào khi AI đã nuốt trọn phần cày cuốc?
Đây là câu hỏi không có đáp án dễ chịu, nhưng có đáp án.
Con đường cũ (viết code dở, bị sập, ngồi sửa ba đêm, từ đó nhận ra khuôn mẫu nào nguy hiểm) không biến mất. Nó biến hình. Nếu AI đã xoá mất nỗi đau ở tầng viết code, thì phải chịu đau ở chỗ khác: ở tầng đánh giá.
Cụ thể: bạn không luyện taste bằng cách gõ code nữa. Bạn luyện taste bằng cách đọc code do AI sinh ra và tự hỏi mỗi ngày, trước mỗi lần bấm nút triển khai (deploy): “Cái này giải quyết vấn đề gì? Cái này sẽ phình to ra sao trong sáu tháng? Cái này có khiến người tiếp quản muốn khóc không?”
Mình cũng từng bấm deploy với cái tự tin y hệt anh lính Pyle ôm khẩu súng. Mọi thứ biên dịch sạch sẽ, không một vệt đỏ. Khách hàng nhận hàng. Rồi mới nhận ra: tính năng hoàn toàn vô dụng, hệ thống phình thêm một đống rác không ai muốn bảo trì. Anh lính Pyle đã nổ súng thành công. Nhưng cậu ta nhắm sai mục tiêu.
Taste không phải là biết viết code hay. Taste là biết khi nào thì KHÔNG viết. Là khả năng nhìn vào đống code AI vừa sinh ra trong năm phút và nói: “Xoá. Vấn đề nằm ở chỗ khác.”
Khi rào cản tốc độ bằng 0, rào cản duy nhất còn lại là cái đầu của bạn. Tốc độ không bao giờ chữa được sự mù lòa về đích đến. Và đáp án cho câu hỏi “luyện taste bằng gì” bất ngờ giống trại huấn luyện nhiều hơn bạn tưởng: không phải học bắn nhanh hơn, mà là học cách ngắm trước khi bắn.