Kỹ năng bạn đang luyện hàng ngày với AI là của bạn hay của AI?

Có một câu hỏi đang thay đổi cách đội Dev của ZTO nghĩ về kỹ năng lập trình với AI: Chúng tôi không đắn đo chuyện “AI có thay thế developer không?”, mà suy nghĩ xem khi đội dev dùng AI để code mỗi ngày, chúng tôi đang thực sự luyện kỹ năng gì.

Tháng 5/2026, Cognition, công ty đứng sau coding agent Devin, tiết lộ Devin hiện viết 89% code trong codebase nội bộ, tăng mạnh từ mức 13% hồi tháng 12/2025. [1] Đây cũng là tác nhân AI đầu tiên tự động hóa được toàn bộ quy trình phát triển phần mềm. Không chỉ trong nội bộ Cognition: với sự trợ giúp của Devin, hãng sản xuất xe danh tiếng Mercedes-Benz đã rút ngắn một dự án từ 8 tháng xuống còn 8 ngày. [1] Điểm của các AI coding agent hàng đầu trên bộ tiêu chuẩn đánh giá khả năng giải quyết vấn đề lập trình thực tế SWE-bench Verified cũng đã vượt mốc 90% vào giữa năm 2026. [2]

Có lẽ nhiều kỹ sư phần mềm đọc những con số này và tự hỏi vậy mình còn cần học code làm gì. Nghĩ vậy cũng dễ hiểu, nhưng câu hỏi sẽ giúp ích nhiều hơn trong thời đại AI hiện nay là phần khó trong workflow hàng ngày của con người đang được xử lý bởi ai. Câu hỏi đó không chỉ dành cho đội dev của ZTO. Nó dành cho chính bạn.

Có struggle mới có kỹ năng

Ericsson, Krampe và Tesch-Römer (1993) chứng minh điều mà nhiều người tập chơi nhạc cụ, luyện thể thao và học lập trình đều hiểu một cách trực giác: bạn chỉ phát triển từ những vấn đề bạn thực sự phải vật lộn giải quyết. Họ gọi đây là deliberate practice (luyện tập có chủ đích). [3] Không phải từ những vấn đề bạn xem người khác làm. Không phải từ những vấn đề đã có giải pháp sẵn mà bạn chỉ cần đánh giá. Chính quá trình struggle, thất bại và điều chỉnh, tạo ra kỹ năng thực sự.

“Individual differences in ultimate performance can largely be accounted for by differential amounts of past and current levels of deliberate practice.”

(Tạm dịch: Khác biệt giữa người giỏi nhất và phần còn lại phần lớn được giải thích bằng lượng luyện tập có chủ đích mà mỗi người đã và đang tích lũy.)

— Ericsson, Krampe & Tesch-Römer, Psychological Review (1993)

Khi bạn dùng AI coding, quá trình đó thay đổi một cách tinh tế. Bạn vẫn là người phải giải quyết bài toán. Nhưng thay vì tự phân tích vấn đề từ đầu, bạn đặt câu hỏi cho AI, đánh giá câu trả lời, và chỉnh sửa cho phù hợp. Đây cũng là một dạng kỷ năng, chỉ có điều nó không phải kỹ năng lập trình theo cách hiểu truyền thống.

Khi bạn để AI viết thuật toán sắp xếp, bạn không luyện khả năng thiết kế thuật toán. Khi bạn để AI đề xuất kiến trúc hệ thống, bạn không luyện khả năng phân tích yêu cầu từ đầu. Bạn chỉ đang luyện khả năng đánh giá đầu ra của AI mà thôi.

SỰ ĐÁNH TRÁO KỸ NĂNG

Bài học từ máy tính bỏ túi

Khi máy tính bỏ túi trở nên phổ biến vào những năm 1970–1980, người ta không “giỏi toán hơn” nhờ máy tính. Họ trở nên giỏi hơn ở việc sử dụng máy tính. Dần dần cũng không còn nhiều người tính toán bằng tay được như trước.

Đó là kết quả tự nhiên của nguyên tắc practice makes permanent: có luyện tập thường xuyên thì kỹ năng mới lâu bền. Nếu bạn luyện “gõ phép tính vào máy tính”, bạn giỏi ở việc đó chứ không giỏi tính toán.

Kỹ năng nào vẫn thuộc về bạn?

Không phải tất cả kỹ năng đều bị AI “lấy mất” theo cách này. Có một nhóm kỹ năng thực sự được củng cố khi bạn biết cách làm việc hiệu quả với AI.

Điểm chung của ba kỹ năng này là chúng đều đòi hỏi nền tảng kỹ thuật đủ vững, được xây dựng qua thực hành thực sự, không phải chỉ qua rà soát đầu ra của AI.

GIỚI HẠN CỦA LẬP LUẬN

Khi nào lập luận này có thể sai?

Ngay cả nghiên cứu gốc về deliberate practice cũng đã bị chất vấn về mức độ ảnh hưởng thực sự của luyện tập so với các yếu tố khác [4]. Và nếu AI tiếp tục cải thiện đến mức tự thẩm định chất lượng đầu ra của chính nó một cách đáng tin cậy, khả năng phán đoán kỹ thuật của con người có thể trở nên ít quan trọng hơn trong một số lĩnh vực cụ thể.

Ngoài ra, “kỹ năng lập trình” là khái niệm đang thay đổi. Thế hệ developer năm 2030 có thể cần ít syntax thuần túy hơn và nhiều khả năng thiết kế hệ thống, viết spec rõ ràng, thẩm định đầu ra của AI hơn. Nếu vậy, thứ quan trọng cần luyện không phải là “code không dùng AI”, mà là khả năng phán đoán ở thượng tầng.

Nhưng đây chính là lý do câu hỏi “bạn đang luyện kỹ năng gì?” quan trọng hơn câu hỏi “bạn có dùng AI không?”. Vì câu trả lời phụ thuộc vào bạn đang ở đâu trong hành trình của mình và bạn muốn giỏi ở cái gì hơn trong 3 đến 5 năm tới.

Câu hỏi lớn

Chuyện Devin viết 89% code tại Cognition không có nghĩa kỹ năng lập trình mất đi giá trị. Câu hỏi về kỹ năng lập trình với AI trở nên phức tạp hơn nhiều so với chuyện “dùng hay không dùng AI.”

Phụ lục: Tài liệu tham khảo chính

[1] Cognition — “More Devins in More Places” (thông báo vòng Series D, tháng 5/2026): cognition.ai/blog/series-d. Đưa tin: The Decoder, 27/5/2026: the-decoder.com. Dữ liệu: 89% code do Devin viết (từ 13% vào 12/2025); dự án Mercedes-Benz rút ngắn từ 8 tháng xuống 8 ngày.

[2] Epoch AI — SWE-bench Verified benchmark tracker (cập nhật liên tục): epoch.ai/benchmarks/swe-bench-verified. Tính đến giữa năm 2026, các agent dẫn đầu đạt trên 90%.

[3] K. Anders Ericsson, Ralf Th. Krampe, Clemens Tesch-Römer — “The Role of Deliberate Practice in the Acquisition of Expert Performance” (1993). Psychological Review, 100(3), 363–406. DOI: 10.1037/0033-295X.100.3.363

[4] Macnamara, B.N. & Maitra, M. — “The Role of Deliberate Practice in Expert Performance: Revisiting Ericsson, Krampe & Tesch-Römer (1993)” (2019). Royal Society Open Science, 6(8), 190327. DOI: 10.1098/rsos.190327

Bài viết của đội ngũ ZTO Labs, chuyên đào tạo và nghiên cứu AI tại Việt Nam.