“The curse of modernity is that we are increasingly populated by a class of people who are better at explaining than understanding.”
- Nassim Nicholas Taleb, Skin in the Game
Tháng trước, trong một buổi họp duyệt kế hoạch ra mắt chiến dịch mới, một bạn làm sản phẩm trong nhóm mở màn hình chiếu lên một bản tài liệu chiến lược dài mười hai trang. Mục lục chia bốn phần rõ ràng, bảng biểu đối chiếu số liệu đâu ra đấy, câu chữ mượt như nhung. Ai nhìn vào cũng gật gù. Mình lướt qua phần mục lục, thấy mọi thứ có vẻ hợp lý nên định bụng gật đầu cho qua để còn kịp giờ đi ăn trưa. Nhưng ngứa nghề thế nào, mình lại chỉ đại vào một con số dự phóng tỷ lệ giữ chân khách hàng ở trang bảy và hỏi: “Ủa em, tại sao ở kịch bản cơ sở mình lại chốt ngưỡng rơi rụng ở tuần thứ hai là con số này, trong khi tệp khách hàng lần này lấy từ kênh ngoại tuyến?”
Căn phòng im phăng phắc mất năm giây. Cậu bạn mở lịch sử trò chuyện với con agent lên, gõ gõ vài dòng nhờ nó giải thích hộ dòng đó lấy từ đâu. Con agent phun ra một đoạn văn dài ngoằng giải thích về chuẩn mực ngành. Mình hỏi tiếp một câu nữa về công thức tính mẫu số. Cậu bạn nhìn màn hình, rồi nhìn mình, cười trừ: “Dạ lúc nãy em thả năm mươi bản ghi âm phỏng vấn khách hàng vào cho agent tổng hợp rồi bảo nó viết luôn khung chiến lược, thấy nó chạy ra xuôi quá nên em bê nguyên vào, chứ khúc nó tự chọn ngưỡng cắt này em cũng chưa kịp hỏi lại nó.”
Một bản kế hoạch mười hai trang nhìn sạch bong, chỉn chu tới từng dấu chấm phẩy, nhưng người đứng tên trình bày lại hoàn toàn mù mờ về lý do tồn tại của con số trụ cột bên trong. Bạn không thể giải thích được sản phẩm của chính mình, kể cả khi đã gọi con AI ra cứu viện.
Nhìn cậu bạn loay hoay trước màn hình máy chiếu hôm đó, mình giật mình nhận ra đây là cái hố mà hầu hết chúng ta đang bước xuống mỗi ngày. Bởi vì chính mình, tối hôm trước, cũng vừa bấm duyệt một nhánh tính năng do ba con agent chạy song song nhả ra chỉ sau ba mươi giây đọc lướt phần tóm tắt. Lúc bấm duyệt, mình cứ tưởng đã nắm đằng chuôi, hóa ra mình chỉ nhận diện được cái vỏ chữ.
Kỹ sư kỳ cựu kiêm cựu giám đốc mảng AI tại Google Addy Osmani vừa viết một bài giải phẫu trực diện căn bệnh này khi ông quan sát những kỹ sư và quản lý sản phẩm đã nhúng ngập đầu vào quy trình làm việc bằng agent. Nghịch lý mà Osmani chỉ ra rất ngược đời: khi các mô hình AI ngày càng thông minh và tỷ lệ mắc những lỗi ngớ ngẩn bề mặt giảm xuống, việc giữ được tư duy phản biện lại trở nên khó khăn gấp bội. Ngày xưa, phần lớn quá trình nhào nặn nhận thức và thẩm mỹ của con người diễn ra trong khoảng trống chật vật giữa câu hỏi và câu trả lời. Giờ khoảng trống đó bị nén lại còn vài giây. Khi câu trả lời của máy vừa nhanh, vừa lễ phép, vừa đúng tới tám chín phần, bộ não con người lập tức tắt chế độ cảnh giác vì chẳng còn gì chướng mắt đòi hỏi bạn phải nhìn lại lần thứ hai. Thế là xong phim.
Hai nhà nghiên cứu Steven Shaw và Gideon Nave tại Trường Kinh doanh Wharton thuộc Đại học Pennsylvania gọi điểm rơi cuối cùng của dải trượt này là đầu hàng nhận thức (cognitive surrender). Khi phân tích qua hơn 1.300 người tham gia thí nghiệm đầu năm 2026, họ chỉ ra rằng con người trượt từ chỗ chủ động giao việc cho máy sang chỗ buông súng đầu hàng qua ba nấc thang rất êm ái. Ở nấc trên cùng là giải tải nhận thức (cognitive offloading): bạn giao phần việc tay chân cho AI nhưng vẫn nắm quyền làm chủ kết quả, giống như việc Osmani nhờ AI đọc đánh giá để chọn hộ một trong ba khách sạn tương đương nhau làm nơi quay khóa học vì sai cũng chẳng chết ai. Nấc giữa là ủy thác (deferral): đầu ra của công cụ nghiễm nhiên biến thành đầu vào tiếp theo của bạn, và kết quả do máy nhả ra đã biến thành sự thật hiển nhiên. Và ở đáy cùng là đầu hàng nhận thức: đầu ra của AI lặng lẽ biến thành suy nghĩ của riêng bạn mà bạn chẳng mảy may thấy cần phải kiểm tra lại.
Quá trình trượt dốc này hiếm khi bị phát hiện vì từng bước đều quá hợp lý giữa một ngày bận rộn. Câu trả lời đầu tiên của con agent quá tốt nên bạn đọc kỹ; câu thứ hai bạn chỉ đọc lướt; đến câu thứ ba bạn nhìn mỗi khung mục lục rồi ký duyệt. Cho tới lúc hệ thống sập hoặc ai đó hỏi vặn một dòng, bạn mới ngớ người ra vì trong đầu hoàn toàn trống rỗng.
Ba món nợ dưới tích xanh
Sự đầu hàng êm ái đó để lại dưới gầm bàn của tổ chức ba khoản nợ vô hình đang lãi mẹ đẻ lãi con mỗi ngày.
Khoản nợ đầu tiên nằm trong đầu con người. Giáo sư khoa học máy tính Margaret-Anne Storey tại Đại học Victoria gọi đó là nợ nhận thức (cognitive debt) ở cấp độ đội nhóm, còn trong giới viết mã thì kỹ sư Jeremy Twei đặt cho nó tên gọi nợ thấu hiểu (comprehension debt). Nợ kỹ thuật nằm ở những dòng mã viết ẩu, còn nợ thấu hiểu nằm ngay trong não của những người vận hành: mã nguồn nhìn sạch sẽ tinh tươm, các bài kiểm thử đều chạy qua trót lọt, nhưng mô hình tư duy chung về việc hệ thống thực sự vận hành như thế nào đã bốc hơi. Đội ngũ của Claude Code tại Anthropic từng chia sẻ công khai rằng với các kho mã nguồn khổng lồ hiện nay, họ chọn cách xây dựng lại sự hiểu biết theo nhu cầu (rebuild understanding on demand): cần sửa lát cắt nào thì bảo Claude giải thích lát cắt đó. Osmani đồng ý rằng khoản nợ này có thể thu hồi được, miễn là bạn biết rõ mình đang thiếu gì. Nhưng điểm chết người nằm ở chỗ khi cả một tập thể chỉ đọc mục lục rồi bấm duyệt, chẳng ai còn giữ được tấm bản đồ tổng thể để biết lúc cháy nhà thì phải hỏi con agent về góc nào.
Khoản nợ thứ hai còn độc hại hơn vì chỉ mình bạn mới trả được: nợ ý định (intent debt). Ngày xưa, nếu bạn đưa ra một yêu cầu mơ hồ cho đồng nghiệp, một kỹ sư cứng cựa sẽ hỏi vặn lại ngay tại bàn làm việc, và bạn chợt nhận ra mình chưa nghĩ thấu đáo bài toán này. Còn con agent thì hiếm khi chặn họng bạn. Khi câu lệnh (prompt) của bạn lơ mơ, con agent sẽ tự động lấp đầy những khoảng trống bạn bỏ quên và trả về một sản phẩm nhìn như đã hoàn chỉnh. Trong một phiên chạy dài, nó âm thầm đưa ra hàng tá quyết định nhỏ thay bạn: tự chọn thông số mặc định, tự cắt bỏ những phần nó cho là ngoài phạm vi, và tự diễn giải lại yêu cầu khi hai mục tiêu đâm sầm vào nhau. Bản tóm tắt cuối phiên luôn báo cáo mọi thứ đều tốt đẹp. Bạn nhận về một sản phẩm bóng bẩy chứa đầy những mục tiêu ngầm và sự đánh đổi mà bạn mù tịt.
Nhưng đỉnh cao của sự tự lừa dối phải kể đến tầng thứ ba: đầu hàng luôn cả khâu kiểm chứng. Khi nút thắt cổ chai dịch chuyển từ việc gõ phím sang việc xác minh xem kết quả có đúng hay không, những người tiên phong như kỹ sư Boris Cherny khuyên rằng hãy trao cho agent công cụ để nó tự kiểm tra công việc của mình qua các bài kiểm thử tự động (automated tests). Hướng tiếp cận này cực kỳ sắc bén, nhưng nó cũng mở toang cánh cửa cho một căn bệnh mới. Câu hỏi sống còn “Có bằng chứng nào chứng minh kết luận của mình đúng không?” bị đánh tráo thành câu hỏi lười biếng “Dấu tích kiểm thử đã chuyển sang màu xanh chưa?”.
Agent làm cho việc viết bài kiểm thử rẻ như bèo, nên màn hình của bạn lúc nào cũng rợp một màu xanh mướt. Khổ nỗi, nếu con agent viết ra bài kiểm thử bằng chính lỗ hổng tư duy mà nó đã dùng để viết ra tính năng, thì bài kiểm thử đó tất nhiên sẽ báo xanh! Một dấu tích xanh chỉ chứng minh được đúng một thuộc tính hẹp, nhưng sự dễ chịu của màu xanh lại ru ngủ chúng ta rằng mọi thứ đã an toàn. Bạn nhìn một yêu cầu gộp mã (pull request) dài sáu trăm dòng do máy nhả ra, thấy tên biến đặt hợp lý, dấu tích xanh đã bật, thế là bạn bấm nút duyệt như đóng một con dấu cao su. Bạn đâu ngờ nằm khuất giữa đống mã đó là một thay đổi nhỏ về thứ tự đóng mở giao dịch cơ sở dữ liệu, hoặc một thông số mặc định bị lật ngược ở tình huống biên mà bạn chưa từng nghĩ tới.
Khi khối lượng công việc do đàn agent đẻ ra chất đống nhanh hơn tốc độ bạn có thể đọc hiểu và bảo lãnh bằng tên tuổi của mình, Osmani gọi khoảng vênh đó là thuế điều phối (the orchestration tax). Mở thêm một cửa sổ agent lúc đó chỉ làm hàng đợi phình to thêm. Một khi bạn xuất xưởng nhiều hơn mức bạn có thể đứng ra bảo vệ trước mặt người bảo trì kế tiếp, hành động của bạn chỉ còn là cầu may. Đừng tự lừa mình nữa.
Ai canh gác lão quản gia?
Nhiều người quanh mình khi nghe tới đây thường tặc lưỡi bảo: thôi kệ, một hai năm nữa mô hình AI sẽ tự bắt được hết mấy lỗi biên đó giỏi hơn cả con người, việc gì phải rèn kỹ năng soi xét làm chi cho mệt não?
Chính các nhà nghiên cứu tại Anthropic, khi khảo sát đội ngũ kỹ sư của họ, đã chỉ thẳng ra tử huyệt của lối suy nghĩ này và gọi nó là nghịch lý của sự giám sát (the paradox of supervision): để giám sát được Claude một cách hiệu quả, bạn bắt buộc phải có chính những kỹ năng lập trình đang bị teo tóp dần vì lạm dụng AI.
Thực ra giới công nghệ phần mềm năm 2026 đang đạp lên đúng chiếc đinh mà ngành kỹ thuật công nghiệp đã dẫm phải từ hơn bốn thập kỷ trước. Năm 1983, nhà tâm lý học nhận thức người Anh Lisanne Bainbridge đã công bố trên tạp chí Automatica một bài báo kinh điển mang tên Những sự trớ trêu của tự động hóa (Ironies of Automation). Khi mổ xẻ buồng lái máy bay và các nhà máy hóa chất tự động, Bainbridge phát hiện ra một sự thật lạnh người: các kỹ sư thiết kế luôn coi con người là mắt xích yếu nên cố tự động hóa mọi tác vụ dễ lập trình nhất, rồi đẩy con người sang ghế giám sát thụ động. Hệ quả là khi máy móc chạy trơn tru suốt ngày này qua tháng nọ, kỹ năng thao tác tay chân và cảm nhận vật lý của người vận hành về hệ thống bị thui chột hoàn toàn. Thế nhưng hệ thống lại giữ con người ngồi đó chỉ để làm đúng một việc: nhảy vào cứu nguy ở những tình huống khẩn cấp hiếm hoi khi hệ thống tự động bị sập. Trớ trêu thay, để xử lý được những ca sự cố quái dị mà máy móc đã bó tay, người vận hành lại cần một trình độ kỹ năng và một mô hình tư duy sâu sắc hơn gấp nhiều lần so với lúc vận hành bình thường. Hệ thống tự động hóa càng hoàn hảo và ít lỗi, người giám sát càng mù lòa đúng vào giây phút sinh tử cần họ nhất.
Dân kỹ thuật nhảy sang làm tăng trưởng và chiến lược như mình nghe chữ “teo tóp kỹ năng” của Bainbridge mà nhột tận gáy. Mình cũng từng để con agent thứ ba đọc bản tóm tắt của con agent thứ hai viết từ bản tóm tắt của con agent thứ nhất, đến mức chẳng còn con nào đọc tài liệu gốc nữa. Nhiều chiều thứ Sáu nhìn lại các quyết định chiến lược đã chạy trong tuần, mình bỗng giật mình tự hỏi: rốt cuộc tuần qua mình đang lái chiếc xe này, hay mình chỉ đang làm chân ký nháy cho một dàn máy tự chạy?
Trạng thái êm ái mà rỗng ruột đó làm mình nhớ tới ông quản gia Stevens trong cuốn tiểu thuyết đoạt giải Booker năm 1989 Tàn Ngày Để Lại (The Remains of the Day) của nhà văn đoạt giải Nobel Kazuo Ishiguro. Suốt cả cuộc đời làm việc tại dinh thự Darlington Hall, Stevens tôn thờ một khái niệm mà ông gọi là “phẩm giá” của một quản gia vĩ đại: khả năng vận hành cả một bộ máy gia nhân khổng lồ trơn tru và vô hình đến mức chủ nhân chẳng bao giờ phải bận tâm tới bất kỳ chi tiết nhỏ nhặt nào. Sàn nhà luôn bóng loáng, rượu vang luôn mở đúng nhiệt độ, bạc trên bàn tiệc lúc nào cũng sáng trưng.
Nhưng bi kịch của Darlington Hall nằm ở chỗ khi mọi việc khó nhọc trong dinh thự đều được Stevens thu xếp êm thấm không một tiếng gợn, vị chủ nhân của ông sống trong một chiếc kén tiện nghi tuyệt đối, cứ thế ký duyệt những quyết định sai lầm thảm khốc mà chẳng có bất kỳ lực cản nào buộc ông phải dừng lại tự vấn. Còn bản thân Stevens, để giữ cho bộ máy chạy êm ru, cũng tự cắt bỏ mọi phán xét độc lập và giao nộp toàn bộ quyền làm chủ cuộc đời mình cho guồng quay phục vụ. Mãi đến cuối đời, khi ngồi trên bến cảng nhìn buổi chiều tà buông xuống, Stevens mới bàng hoàng nhận ra: sự hoàn hảo không tì vết mà ông tôn sùng suốt mấy chục năm thực chất chỉ là chiếc lồng giam đã nuốt chửng phần người và trách nhiệm của cả hai thầy trò.
Những con agent AI mà chúng ta đang chạy song song trên màn hình mỗi ngày chính là những lão quản gia Stevens ở quy mô công nghiệp. Chúng lễ phép, lịch thiệp, chẳng bao giờ cãi lại một yêu cầu mơ hồ, và luôn dọn lên bàn làm việc của bạn một chiếc khay bạc sáng bóng với những dấu tích màu xanh.
Để tránh biến mình thành vị chủ nhân ký duyệt trong mù quáng ở Darlington Hall, bạn buộc phải tự dựng lại những gờ giảm tốc trong ngày làm việc của mình. Mô hình tư duy của con người giờ phải dời hẳn khỏi khúc giữa để chặn ở hai đầu: đầu vào và đầu ra. Trước khi bấm nút chạy bất kỳ tác vụ phức tạp nào, bạn hãy tập thói quen viết nháp ra giấy hoặc tự chốt trong đầu một giả thuyết của riêng mình, dù đó là một phỏng đoán tồi tệ, bởi một khi bạn đã đọc văn bản mượt mà của AI thì não bạn sẽ bị neo cứng vào đó. Bạn hãy tự viết bản đề bài bằng ngôn từ của chính mình, định nghĩa rõ tiêu chuẩn hoàn thành dựa trên bằng chứng sống như đoạn mã đã chạy hay nhật ký hệ thống, và dùng kỹ thuật mà kỹ sư Thariq Shihipar tại Anthropic gọi là lượt quét điểm mù (blind spot pass) để bắt mô hình chỉ ra những góc khuất bạn chưa biết là mình đang thiếu.
Còn ở đầu ra, khi nhận một bản thảo chiến lược hay một yêu cầu gộp mã dài cả trăm dòng, bạn hãy nhìn xuyên qua bản tóm tắt màu hồng để tra khảo phần quyết định ngầm: bắt con agent liệt kê toàn bộ những giả định, những thông số mặc định nó đã tự chọn và những yêu cầu nó đã tự bẻ lái khi gặp xung đột. Thậm chí với những phiên làm việc dài, bạn có thể áp dụng kỷ luật mà một số kỹ sư đang dùng với Claude: bắt agent xuất ra một bài kiểm tra trắc nghiệm ở cuối báo cáo, và tự đặt luật sắt rằng bạn chỉ được phép bấm nút gộp mã sau khi tự mình làm đúng tuyệt đối bài kiểm tra đó. Nói đâu xa, ngáo như mình tuần trước vừa tự thử trò bắt agent đẻ bài trắc nghiệm này xong, đến lúc làm thử mới phát hiện mình trượt ngay câu hỏi về điều kiện biên của chính luồng thanh toán mình vừa gật đầu khen hay. Khi một sản phẩm dưới chuẩn thẩm mỹ của bạn, bạn hãy ghi rõ lý do vào tệp cấu hình chung hoặc móc kiểm tra (hook) để khẩu vị (taste) của bạn được cộng dồn qua từng phiên làm việc, đồng thời duy trì mỗi tuần một bài tập hiệu chuẩn (calibration exercise) bằng cách tự tay làm một việc cốt lõi không dùng AI để giữ cảm giác lái. Việc kiểm tra máy móc thực chất tốn rất nhiều công sức, nhưng vẫn rẻ hơn cái giá của một hệ thống đứt cáp.
Sáng mai, khi con agent thông báo đã hoàn tất công việc kèm một hàng dài những dấu tích màu xanh mướt, bạn hãy khoan đọc bản tóm tắt của nó. Bạn hãy mở thẳng vào phần ruột, chỉ ngẫu nhiên vào một con số hoặc một dòng lệnh, rồi tắt màn hình trợ lý đi. Nếu ngay lúc đó người phải bảo trì hệ thống này bước vào phòng và hỏi tại sao dòng này lại nằm ở đây, bạn sẽ tự mở miệng trả lời được ngay, hay lại quay sang bấm chuông gọi lão quản gia Stevens?