I. AI LÀM THỜI GIAN CODE GIẢM, NHƯNG
AI phát triển rất mạnh, thời gian code giảm xuống đáng kể, nhưng khi teamwork thì có những thứ chưa giải quyết được:
- Họp để sync FE và BE, thống nhất API contract, message trả như nào, validate, …
- FE chờ BE clear logic, hoặc fix bug API hiện tại để có thể làm tiếp
- Viết tài liệu API rồi, review tài liệu, rồi lại đọc tài liệu API của nhau
- Sửa mà quên transfer thì báo luôn ông còn lại không hiểu sao lỗi cả buổi
- Vân vân và mây mây
II. XU HƯỚNG Ở CHÍNH TEAM MÌNH VÀ Ở CẢ NHIỀU CHỖ
Chính vì vậy, nếu 1 người khai thác sức mạnh của AI tốt, nắm được nghiệp vụ, ouput đầu ra, review plan, review code thì sẽ đi nhanh hơn rất nhiều việc 2 người teamwork truyền thống. Gần như tất cả các vấn đề dạng gap-time bên trên đều được giải quyết hết.
Lúc này mô hình sẽ là, 1 dev tự mình xử lý làm 1 dự án nhỏ hoặc 1 module hoàn chỉnh. Không còn chia vai Backend hay Frontend nữa.
III. VẬY GIÁ TRỊ CỦA LẬP TRÌNH VIÊN THỜI NÀY LÀ GÌ?
Nếu chỉ nhận yêu cầu cụ thể cho 1 task nhỏ và chuyển thành code, thì đó là công việc của thợ code, thứ mà AI làm trong 1 nốt nhạc. Nếu giá trị của developer chỉ nằm ở đó thì chẳng phải quá dễ để bay màu sao. Câu truyện vẫn là đóng góp giá trị, làm những việc có lợi cho công ty.
Nếu thứ mà công ty cần là một sản phẩm được hoàn thành, một chức năng được ship, một vấn đề được giải quyết. Thì với AI trong tay Developer sẽ cần phải:
- Hiểu được yêu cầu thay vì chỉ nhận mô tả chi tiết
- Biết/Tìm hiểu được Sếp/PM/Khách hàng muốn gì thay vì đợi họ nói
- Thiết kế được giải pháp phù hợp, cần bằng trade off giữa nhiều thứ
- Lên kế hoạch giải quyết hợp lý, đường dài
- Review được những thứ AI làm ra
Nghe hơi giống làm cả công việc của BA, PM, … nhỉ. Đúng nhưng chưa cần tới mức như vậy. Việc quan trọng vẫn là mang lại giá trị và giải quyết vấn đề. Khi có công cụ mạnh trong tay thì trách nhiệm sẽ lớn hơn. Bắt buộc là phải vậy.
IV. NGHE CHUNG CHUNG QUÁ, VẬY CỤ THỂ NGƯỜI MỚI NÊN LÀM GÌ?
Nếu như trước đây bọn mình phải:
- Nhớ cú pháp thật kỹ
- Chọn Frontend hoặc Backend
- Giỏi một framework là đủ
- Code nhiều = giỏi hơn
- Chuyên sâu 1 mảng ngay từ đầu
THÌ MÌNH NGHĨ CÁC BẠN MỚI NÊN:
1. Học Fullstack ngay từ đầu, đừng chờ giỏi FE rồi mới học BE
Không cần giỏi cả hai ngay. Cần hiểu luồng dữ liệu đi từ đâu tới đâu. User bấm nút → FE gọi API → BE xử lý → DB lưu → trả về. Hiểu được luồng đó rồi thì code chỗ nào cũng biết mình đang làm gì.
2. Học cách đọc yêu cầu trước khi học cú pháp
Khách hàng nói "làm cho tôi trang đăng nhập có nhớ mật khẩu" — bạn có biết hỏi lại gì không? Nhớ bao lâu? Trên thiết bị nào? Nếu đổi mật khẩu thì sao? Mỗi câu trả lời dẫn tới một cách implement khác nhau. Hỏi trước 5 phút, tránh làm lại 2 ngày.
3. Học cách làm việc với AI, không phải học để cạnh tranh với AI
Dùng AI như một junior dev trong team — nó code nhanh nhưng không hiểu context, không biết trade-off, không biết cái gì quan trọng hơn. Việc của bạn là review, định hướng, và biết khi nào AI đang sai. Người không biết dùng AI sẽ thua người biết dùng. Người biết dùng mà không review được thì cũng nguy hiểm không kém.
4. Học thiết kế hệ thống ở mức "đừng sai từ đầu"
Không cần thiết kế cho 1 triệu user. Nhưng cần biết: dữ liệu này có nên tách bảng không? Cái này có cần cache không? Nếu lỗi lúc 2 giờ sáng thì mình biết từ đâu? Những câu hỏi này không cần kinh nghiệm nhiều năm — chỉ cần có thói quen hỏi trước khi code.
5. Build thứ gì đó thật và ship nó ra ngoài
Một cái app nhỏ tự làm từ A tới Z — đọc yêu cầu, thiết kế DB, viết API, làm UI, deploy lên internet cho người thật dùng — sẽ dạy bạn nhiều hơn 3 tháng xem tutorial. Bug thật, edge case thật, người dùng thật phàn nàn thật. Đó mới là học.
KỊCH BẢN THỬ SỨC (khai thác tối đa AI ở mọi bước)
Nếu bên trên nghe vẫn hơi chung chung thì có thể sắn tay áo lên, thử sức với kịch bản gợi ý của mình dành cho các bạn.
1. Chọn 1 ý tưởng để build cái gì đó, đủ nhỏ để biết mình làm gì, đủ lớn để không phải app thời tiết, todo, tự làm khách hàng của chính mình
2. Xây dựng brief, BRD, các tài liệu BA, review/sửa đổi, phản biện nếu cần
3. Lựa chọn công nghệ, định hướng theo những thư viện/framework mình muốn học
4. Xây dựng kế hoạch theo phase làm sao đủ nhỏ nhớ toàn bộ quá trình, có thể gọi tên
5. Thiết kế hệ thống cơ bản, hiểu flow khó, sử dụng các công cụ Design wireframe, flow chart nếu cần
6. Chia mỗi phase thành các plan nhỏ hơn nữa để hiểu được toàn bộ code AI sinh ra
7. Review code AI sinh ra, hỏi nếu không hiểu, phản biện nếu thấy sai, đóng gói thành kiến thức
8. Gọi tên cụ thể được các parttern, best practice, nhớ được tên thư viện/framework nổi bật cho các tác vụ/chức năng đặc thù
9. Tận dụng AI làm Unit test, Automation test, và cũng không quên tự manual test
10. Đừng quên (bảo AI) viết docs dự án, update thường xuyên, mỗi khi bắt tay vào lại đều biết đang ở đâu, đã làm gì
11. Ship nó lên internet bằng cách tìm hiểu về deploy, domain, dns, … tự tay thuê thừ 1 server, mua 1 domain, đưa cho người quen dùng
12. Học cách vận hành cơ bản đó, check log, trạng thái, bắn notify nếu lỗi
13. Nhận feedback học cách khoanh vùng, check xem ở đâu, fix bug / improve / migrate mà không làm mất data user cũ
Nguồn: Lê Huy Thái
