Chỉ trong vài năm trở lại đây, GenAI đã có thể viết mã, tạo giao diện và kiểm thử tự động ở mức đủ để thay thế phần lớn thao tác lặp của Lập trình viên. Trong bối cảnh đó, kỹ năng mềm, đặc biệt là kỹ năng GenAI hiệu quả, trở thành kỹ năng trọng yếu để Lập trình viên giữ vững lợi thế cạnh tranh.
Đọc bài này để hiểu thêm về:
- GenAI là kỹ năng gì?
- Vì sao Lập trình viên nên có kỹ năng sử dụng GenAI trong bộ kỹ năng mềm?
- Sự thay đổi trong vai trò của Lập trình viên khi có GenAI
- Bộ kỹ năng GenAI dành cho Lập trình viên
- Thách thức và lưu ý khi sử dụng Gen AI trong công việc
GenAI là kỹ năng gì?
GenAI không còn chỉ là một công cụ hỗ trợ, mà đang trở thành một kỹ năng mềm cốt lõi giúp tạo ra thế hệ “AI-augmented Developer” – những người biết dùng AI để mở rộng năng lực thay vì bị công nghệ bỏ lại phía sau. Khác với kỹ năng kỹ thuật, GenAI yêu cầu Lập trình viên biết tương tác, giao tiếp và phản biện với AI để đạt hiệu quả tối ưu. Năng lực này không phụ thuộc vào việc hiểu sâu thuật toán, mà tập trung vào cách Lập trình viên tư duy, đặt câu hỏi và đánh giá kết quả do AI tạo ra.
Trong 2 – 3 năm gần đây, khi GenAI được ứng dụng rộng rãi, kỹ năng này ngày càng được xem trọng. Các tổ chức nhận ra rằng nhân sự có khả năng sử dụng GenAI thành thạo thường tư duy linh hoạt, giao tiếp rõ ràng và sáng tạo hơn. Vì vậy, GenAI là một năng lực mới, kết nối công nghệ và tư duy mềm, định hình thế hệ nhân lực IT tương lai.
Vì sao Lập trình viên nên có kỹ năng sử dụng GenAI trong bộ kỹ năng mềm?
Khi có thể áp dụng AI tốt, vai trò của Lập trình viên trở nên quan trọng hơn
Khi GenAI có thể tự động hóa phần lớn tác vụ kỹ thuật như viết mã, kiểm thử hay tối ưu hiệu năng, giá trị của Lập trình viên không còn nằm ở việc “viết code giỏi” mà ở khả năng tư duy hệ thống, định hướng chiến lược và cộng tác.
Theo nghiên cứu của PwC, việc ứng dụng GenAI giúp tăng năng suất và tốc độ phát triển phần mềm 20–50%, nhưng nhu cầu tuyển dụng kỹ sư phần mềm vẫn tăng, đặc biệt ở nhóm Fresher và Senior. Nguyên nhân là vì AI đảm nhận phần kỹ thuật, còn con người giữ vai trò xác định yêu cầu, phân rã tác vụ, đánh giá đầu ra và đảm bảo chất lượng sản phẩm.
Nói cách khác, khi AI/GenAI ngày càng thành thạo kỹ năng cứng, lập trình viên hay bất cứ vị trí IT nào cũng càng cần sở hữu “AI-first mindset”: luôn cân nhắc cách ứng dụng AI trước khi tự thực hiện thủ công, để tối ưu năng suất và hiệu quả công việc. Điều này cho phép họ tập trung vào các nhiệm vụ giá trị cao hơn, tối ưu khả năng và thời gian làm việc, từ đó tăng khả năng cạnh tranh.
Vai trò của họ đang chuyển từ “người viết mã” sang “người giám sát và cộng tác cùng AI”:
- Dịch yêu cầu kinh doanh thành bài toán kỹ thuật mà AI hiểu được.
- Kiểm tra và tinh chỉnh kết quả do AI sinh ra.
- Đảm bảo tính an toàn, ổn định và định hướng sản phẩm đúng mục tiêu.
- Kết nối mục tiêu kỹ thuật với chiến lược sản phẩm và người dùng cuối.
Lập trình viên có kỹ năng GenAI tốt sẽ không bị thay thế, ngược lại còn trở thành nhân tố then chốt giúp tổ chức khai thác AI hiệu quả và tạo ra giá trị vượt trội.
Kỹ năng ứng dụng AI trở thành yêu cầu cơ bản
Trong bối cảnh GenAI đang được tích hợp sâu vào mọi quy trình, “biết dùng AI” đã không còn là lợi thế mà trở thành yêu cầu cơ bản. Khái niệm “Applied AI Talent” (Nhân tài AI ứng dụng) xuất hiện, chỉ những nhân sự không chuyên về AI, nhưng có khả năng ứng dụng AI/GenAI vào công việc chuyên môn để tạo ra kết quả vượt trội.
- Theo báo cáo “Work Trend Index Annual Report 2025” của Microsoft, khảo sát hơn 31.000 nhân sự tại 31 quốc gia, chỉ ra 82% lãnh đạo cho rằng 2025 là thời điểm then chốt để tái thiết kế chiến lược với AI; 81% dự kiến tích hợp agent AI (tác tử AI) ở cấp độ tổ chức trong 12 – 18 tháng tới.
- Cũng theo báo cáo trên, LinkedIn xác định “AI literacy” (hiểu và vận hành AI) là kỹ năng được săn đón nhất năm 2025. 83% lãnh đạo toàn cầu tin rằng AI sẽ giúp nhân viên đảm nhận công việc chiến lược sớm hơn. Khi “đồng nghiệp số” xuất hiện, kỹ sư con người trở thành “agent boss” (người quản lý tác tử): người biết thiết kế, giao việc, giám sát và tối ưu các agent.
- Không chỉ với các chuyên gia AI, ở nhóm phi kỹ thuật cũng đang học và ứng dụng GenAI vào công việc. Báo cáo Gen AI Fluency at Work (2025) của của Đại học Harvard cho thấy gần 80% nhân viên toàn cầu đã có trải nghiệm thực tế với GenAI; 58% trong số đó đưa AI vào công việc hằng ngày để tăng tốc độ, năng suất và sáng tạo. Những công ty đầu ngành có chương trình đào tạo AI bài bản và cơ sở hạ tầng phù hợp. Ghi nhận 98% nhân viên tự tin với kỹ năng AI, cùng 94% đội ngũ báo cáo hiệu quả làm việc được cải thiện rõ rệt.
Tại Việt Nam, báo cáo “Thực Trạng Ứng Dụng AI & Tuyển Dụng IT tại Việt Nam 2025” của ITviec cũng ghi nhận xu hướng tương tự. Các vị trí liên quan đến AI bắt đầu xuất hiện trong bức tranh tuyển dụng, với sự gia tăng rõ rệt về yêu cầu kỹ năng AI trong mô tả công việc.
Bộ kỹ năng GenAI dành cho Lập trình viên
Kỷ nguyên “con người – AI cộng tác” đòi hỏi Lập trình viên phải biết cách khai thác, kiểm chứng và giao tiếp với hệ thống AI. Bộ kỹ năng GenAI bao gồm bốn nhóm năng lực chính: prompting, đánh giá kết quả, học hỏi thích nghi liên tục, và giao tiếp cộng tác cùng AI.
Kỹ năng Prompting
Prompting là kỹ năng giao tiếp với mô hình AI bằng ngôn ngữ tự nhiên để đạt được kết quả mong muốn. Đây là nghệ thuật và khoa học, yêu cầu lập trình viên xác định rõ mục tiêu, cung cấp bối cảnh đầy đủ, và điều chỉnh câu lệnh dựa trên phản hồi thực tế của mô hình.
Các thực hành trong Prompting
- Viết hướng dẫn rõ ràng: Mô tả rõ nhiệm vụ, đầu ra mong đợi và cách phản hồi.
Ví dụ: “Bạn là kỹ sư backend có 5 năm kinh nghiệm, hãy viết mã Go gọn gàng cho hệ thống thanh toán.” - Cung cấp thông tin tham chiếu: Đưa mô hình dữ liệu đầu vào, ví dụ mẫu hoặc nội dung hỗ trợ để tăng độ chính xác.
- Chia nhỏ nhiệm vụ phức tạp: Nếu yêu cầu lớn, hãy chia thành các bước rõ ràng để mô hình giải quyết tuần tự.
- Cho mô hình thời gian suy nghĩ: Hướng dẫn mô hình “lập luận từng bước” (ví dụ: “Hãy suy nghĩ từng bước trước khi trả lời”).
Định dạng thông điệp bằng Markdown và XML
Khi viết “developer message” (thông điệp lập trình viên), nên sử dụng Markdown hoặc thẻ XML để mô hình hiểu ranh giới logic giữa các phần. Cấu trúc gợi ý cho developer message:
- Identity: Mô tả vai trò, phong cách, mục tiêu
- Instructions: Quy tắc, việc nên làm và không nên làm
- Examples: Ví dụ đầu vào và đầu ra mẫu
- Context: Dữ liệu hoặc thông tin hỗ trợ thêm
Lưu ý: Nên đặt phần nội dung cố định ở đầu prompt và các phần có thể tinh chỉnh ở cuối promt để tối ưu chi phí và độ trễ nhờ Prompt Caching
Tối ưu hóa Prompt
- A/B testing: Thử nhiều phiên bản prompt, ghi chú prompt_id, version
- Giám sát hiệu suất: Theo dõi các chỉ số như token usage, latency, output consistency
- Ổn định mô hình: Sử dụng snapshot (theo API Deployments) để tránh sai lệch khi mô hình được cập nhật
Lập trình viên giỏi prompting có thể rút ngắn chu kỳ thử-sai, tăng độ ổn định đầu ra và biến AI thành “trợ lý kỹ thuật” đáng tin cậy trong quy trình phát triển phần mềm.
Kỹ năng Đánh giá và Kiểm chứng đầu ra của AI
GenAI không phải lúc nào cũng chính xác. Hiện tượng “ảo giác thông tin” (AI hallucination) có thể khiến mô hình tạo ra dữ kiện sai, thiếu, thậm chí bịa đặt thông tin. Do đó, Lập trình viên phải có năng lực đánh giá độ tin cậy của kết quả. Kỹ năng này đòi hỏi tư duy phản biện và khả năng xác thực thông tin.
Đối với dạng thông tin về ngôn ngữ, bạn có thể tham khảo bộ câu hỏi kiểm chứng sau:
- Tính xác thực: Thông tin có nguồn gốc rõ ràng không? Nguồn có đáng tin cậy không? Dữ liệu có được kiểm chứng trước khi công bố không?
- Tính thiên vị (Bias): Nguồn thông tin tiếp cận từ quan điểm nào? Có quan điểm nào bị thiếu không? Ai là người hưởng lợi/bất lợi từ thông tin này?
- Độ tin cậy: Thông tin có chính xác không? Các lập luận có logic không? Bạn có thể xác minh các thông tin này từ nguồn khác không?
- Tính cập nhật: Dữ liệu này được công bố năm nào? Thông tin này có còn phù hợp với bối cảnh hiện tại không?
- Tính liên quan: Nội dung AI tạo ra có giải quyết đúng vấn đề của bạn không? Bạn cần điều chỉnh prompt như thế nào để kết quả liên quan hơn?
Đối với dạng thông tin về kỹ thuật, bạn có thể tham khảo các tiêu chí kỹ thuật sau:
- Độ đúng chức năng: Đảm bảo đoạn code AI sinh ra thực hiện đúng yêu cầu và cho kết quả chính xác trong các trường hợp kiểm thử.
- Chất lượng và khả năng bảo trì mã: Code phải chạy được, dễ đọc, dễ sửa, tuân thủ quy chuẩn và có thể tích hợp dễ dàng vào hệ thống hiện có.
- Hiệu năng và độ ổn định: Code phải chạy hiệu quả về tốc độ và tài nguyên, đồng thời ổn định khi gặp các đầu vào biên hoặc không mong đợi.
- Độ tin cậy, an toàn và khả năng diễn giải: Kiểm tra tính an toàn và minh bạch của đầu ra AI
Kỹ năng giao tiếp và cộng tác giữa con người và AI
Khi AI trở thành “đồng nghiệp số”, kỹ năng quan trọng không còn là “ra lệnh” mà là cộng tác.
Nghiên cứu của Microsoft (Work Trend Index 2025) chỉ ra sự phân chia rõ rệt: 52% nhân sự vẫn xem AI là công cụ thực thi lệnh, trong khi 46% đã coi AI là “đối tác tư duy” để phản biện và sáng tạo. Để làm việc hiệu quả với các agent AI, lập trình viên cần rèn luyện tư duy đối tác tư duy, nghĩa là:
- Kỹ năng Giao việc:
- Thay vì: Ra lệnh chung chung.
- Nên: cung cấp bối cảnh, vai trò và ràng buộc rõ ràng. Prompt giống như một mô tả chi tiết: mục tiêu, tiêu chí thành công, dữ liệu đầu vào, hạn chế và định dạng đầu ra mong muốn.
- Kỹ năng Phản biện và Lặp lại:
- Thay vì: Chấp nhận bản nháp đầu tiên của AI.
- Nên: kiểm tra, phản biện và tinh chỉnh đầu ra, so sánh các phiên bản, tối ưu prompt, và lặp lại tới khi kết quả đạt chuẩn kỹ thuật và nghiệp vụ.
- Kỹ năng Phiên dịch:
- Thay vì: Sao chép và dán (copy-paste) kết quả của AI.
- Nên: đánh giá và “phiên dịch” đầu ra thành giá trị rõ ràng cho đội, giải thích vì sao AI đề xuất như vậy, rủi ro còn tồn tại, và cách tích hợp vào codebase hoặc quy trình nghiệp vụ.
Kỹ năng học hỏi liên tục và thích nghi với công nghệ mới
Với tốc độ phát triển của AI, buộc Lập trình viên phải không ngừng học hỏi, thích nghi và làm chủ công nghệ mới.
Thay vì chỉ chạy theo từng công cụ GenAI cụ thể, Developer cần xây dựng các “năng lực con người” mà máy móc không thể thay thế, bao gồm giải quyết xung đột, khả năng thích nghi, tư duy sáng tạo và tự động hóa quy trình. Đây là những năng lực giúp họ không chỉ sử dụng AI hiệu quả, mà còn định hình cách AI phục vụ công việc.
Theo Báo cáo ETS 2025 Human Progress, 76% nhân sự tin rằng AI sẽ tạo ra những kỹ năng hoàn toàn mới. Người biết học hỏi liên tục sẽ luôn giữ lợi thế, sẵn sàng cập nhật công cụ và thử nghiệm các quy trình làm việc mới.
Tại Việt Nam, theo báo cáo “Thực Trạng Ứng Dụng AI & Tuyển Dụng IT tại Việt Nam 2025” của ITviec, từ góc nhìn của các chuyên gia IT, ba nhóm kỹ năng có nhu cầu tăng cao nhất hiện nay là:
- Kỹ năng kỹ thuật,
- Kỹ năng sáng tạo và đổi mới,
- Khả năng nâng cao năng lực và tuân thủ quy định.
Đặc biệt, các kỹ năng gắn liền với AI như phát triển, ứng dụng và tối ưu hóa mô hình đang trở thành tiêu chí tuyển dụng hàng đầu. Tuy nhiên, những ứng viên vừa có nền tảng kỹ thuật AI vững, vừa sở hữu kỹ năng con người linh hoạt vẫn còn rất khan hiếm trên thị trường, và đó chính là nhóm nhân sự được săn đón.
Lưu ý khi áp dụng kỹ năng Gen AI trong công việc
Khi sử dụng GenAI, Lập trình viên cần lưu ý:
- Thiên lệch dữ liệu (Data bias): Nếu dữ liệu huấn luyện chứa định kiến, mô hình sẽ khuếch đại các sai lệch đó, dẫn đến kết quả thiếu công bằng. Cần có quy trình kiểm soát và “human-in-the-loop” (con người trong vòng lặp) để phát hiện, giảm thiểu thiên lệch.
- Thiếu minh bạch: GenAI thường hoạt động như một “hộp đen”, gây khó khăn cho việc kiểm chứng hoặc giải thích lý do đưa ra kết quả. Điều này đòi hỏi tăng cường tính giải thíchvà khả năng truy xuất nguồn.
- Rủi ro bảo mật: GenAI có thể bị khai thác để tạo mã độc, deepfake, gian lận danh tính hoặc làm lộ dữ liệu nhạy cảm. Doanh nghiệp cần xây dựng cơ chế kiểm soát quyền truy cập, rà soát bảo mật và quy định rõ ràng về việc sử dụng dữ liệu trong quá trình huấn luyện và triển khai AI.
- Đạo đức: Cách Gen AI được sử dụng có thể ảnh hưởng đến danh tiếng doanh nghiệp và quyền riêng tư cá nhân. Việc ra quyết định hoặc sáng tạo nội dung cần tuân thủ các nguyên tắc “AI có trách nhiệm”, đảm bảo tính minh bạch, công bằng, và tôn trọng quyền con người.
- Phụ thuộc quá mức vào tự động hóa: Lạm dụng GenAI có thể làm giảm tư duy phản biện và sáng tạo của con người. AI nên được xem là “trợ lý thông minh”, không phải người ra quyết định chính.
Các câu hỏi thường gặp khi áp dụng kỹ năng mềm GenAI
GenAI hỗ trợ Lập trình viên như thế nào?
GenAI tác động mạnh mẽ đến toàn bộ vòng đời phát triển phần mềm, từ viết code đến triển khai:
- Tạo và gợi ý code: Viết mã nguồn từ ngôn ngữ tự nhiên, gợi ý code dựa trên ngữ cảnh dự án, giúp tăng tốc độ và giảm sai sót.
- Phát hiện và khắc phục lỗi: Nhận diện lỗi cú pháp, logic, lỗ hổng bảo mật và giải thích nguyên nhân ngay trong IDE.
- Tối ưu và nâng cao chất lượng code (Refactor): Tối ưu các đoạn code dài, đưa ra khuyến nghị cải thiện hiệu suất và khả năng bảo trì.
- Hỗ trợ kiểm thử phần mềm: Tự động sinh test case, dữ liệu kiểm thử hoặc script tự động dựa trên tài liệu API, giảm tải công việc thủ công cho QA.
- Tự động hóa tài liệu: Tự động tạo tài liệu kỹ thuật, user story, hoặc diagram hệ thống dựa trên code, giúp cải thiện quản lý tri thức.
- Cải thiện quy trình CI/CD: Hỗ trợ tối ưu build, dự đoán lỗi và phân bổ tài nguyên, giúp pipeline CI/CD ổn định và nhanh hơn.
Các công cụ GenAI nào được Lập trình viên sử dụng phổ biến nhất?
Theo báo cáo “Thực Trạng Ứng Dụng AI & Tuyển Dụng IT tại Việt Nam 2025”, ChatGPT và GitHub Copilot là hai công cụ phổ biến nhất. Theo đó, các công cụ AI/GenAI được Lập trình viên sử dụng phổ biến là:
- Chatbot AI tạo sinh phổ biến:
- ChatGPT (OpenAI) – 90,1%
- Google Gemini – 55,3%
- Microsoft Copilot (tích hợp trong 365/Windows) – 33,5%
- DeepSeek – 30,8%
- Claude (Anthropic) – 29,5%
- Công cụ AI hỗ trợ Lập trình:
- GitHub Copilot – 80,6%
- Cursor AI – 39,9%
- Google Gemini Code Assist – 17,1%
- Microsoft IntelliCode – 8,7%
- Codeium – 8,1%
GenAI có thể thay thế Lập trình viên không?
Câu trả lời là chưa thể. Dù GenAI rất mạnh mẽ, đây vẫn là công cụ hỗ trợ, không phải một hệ thống tự vận hành hoàn toàn.
Cũng theo báo cáo “Thực Trạng Ứng Dụng AI & Tuyển Dụng IT tại Việt Nam 2025”, 89,3% doanh nghiệp cho biết kết quả AI luôn cần con người giám sát hoặc xác minh lại trước khi ra quyết định quan trọng (chỉ 5,4% có mức tin tưởng cao).
Điều này phản ánh thực tế GenAI chưa thể thay thế các khâu cần tư duy logic, phán đoán kỹ thuật và sáng tạo. GenAI đóng vai trò “trợ lý thông minh”, giúp Lập trình viên làm việc nhanh hơn, nhưng con người vẫn là người kiểm soát rủi ro và đảm bảo tính đúng đắn.
Tổng kết
Khi GenAI ngày càng mạnh mẽ, giá trị của Lập trình viên không còn nằm ở việc “biết code”, mà là “biết cộng tác thông minh với AI”. Việc thành thạo bốn kỹ năng mềm GenAI không chỉ giúp nâng cao năng suất, mà còn định vị Lập trình viên như một người dẫn dắt công nghệ, thay vì bị công nghệ bỏ lại phía sau.
