Easier or Busier with AI?

Áp Lực Kỷ Nguyên AI: Khi Viết Code Nhanh Gấp 5 Lần Lại Khiến Dev Mệt Hơn Gấp 10Buổi họp Retrospective chiều thứ sáu của Project diễn ra trong một sự tĩnh lặng đáng sợ, không Leader nào lên tiếng, cả buổi chỉ là những câu hỏi tại sao của Director. Trên màn hình Dashboard tracking, biểu đồ burndown chart đi ngang một cách rệu rã, có line còn đi xuống như cổ phiếu. Cạnh bên là báo cáo chi phí: hệ thống AI Agent của dự án vừa đốt hàng chục ngàn USD tuần qua. Tiến độ thì vẫn trễ thảm hại, một loại follow-up tasks được define với deadline sát nút để giải cứu. Đứng ở góc độ tư duy Project Management khi nhìn vào quy trình vận hành, tôi nhận ra team mình vừa ăn một "cú lừa" kinh điển của SDLC 2.0: Đặt cược tất cả vào sự "quy củ" của AI, để rồi bị chính nó vắt kiệt sức.Bi kịch bắt đầu ngay từ khâu design. Dự án của chúng tôi vận hành với một tư duy thoạt nghe rất bài bản: Tuyệt đối không dùng AI tự phát. Mọi tác vụ từ generate tài liệu design đến gen code đều bắt buộc sử dụng các bộ prompt do dự án define sẵn, với đầy đủ context knowledge, đầy đủ skills. Kỳ vọng của cấp quản lý là gom toàn bộ sức mạnh của AI về một mối (centralize), đảm bảo tính nhất quán (consistency) và đưa AI vào một process chuẩn mực, tương lai xa hơn có thể apply cho toàn bộ project còn lại.Và, tuân thủ tuyệt đối quy trình, bạn Junior dùng bộ prompt đã được "chuẩn hóa" ném file requirement của BA cung cấp vào con Agent. Một bản design document trông cực kỳ nguy hiểm, trình bày rất đỉnh, ngập tràn technical keyword, với cách trình bày nặc mùi "AI" lập tức ra lò. Ông anh Senior bận rộn cũng làm đúng process, lấy bộ prompt dành riêng cho reviewer để AI tự động peer-review/upper-review. Kết quả review thật tốt, agent xuất ra một bản checklist trông cũng không khác gì các chuyên gia, với đầy đủ note, item, reference đủ cả, và câu chốt verdict bên dưới PASSED. Tuyệt vời không còn gì bằng, cả hai gật gù chốt phương án vì cỗ máy "chính ngạch" của dự án phán rằng mọi thứ hoàn hảo. MR được tạo, các ticket JIRA được resolve một cách nhanh chóng với đầy đủ evidence được capture một cách chuẩn chỉnh, nice!Cho đến khi release lên môi trường QA, luồng data ghi xuống database lỗi một cách ngớ ngẫn, exception throw ra với msg chả hiểu là gì. Lập tức lôi requirement gốc ra audit, chúng tôi mới tá hỏa: dù chạy bằng prompt chuẩn, con AI viết design vẫn tự động "lược dịch" mất hai business rule quan trọng nhất, và con AI làm nhiệm vụ review cũng ngoan ngoãn bỏ qua luôn. Hoảng loạn, team Solution nhảy vào cứu net. Nhưng thay vì rà soát source code bằng mắt, họ lại bị cuốn vào guồng quay cũ: dùng một loạt prompt "siêu cấp vip pro" khác được gắn mác bởi các SA hàng đầu để AI tự đi audit lại đống code và tài liệu kia. Một vòng lặp "máy chấm điểm máy" vô tận, còn con người thì đứng ngoài rìa, mù tịt về chính kiến trúc sản phẩm của mình.Chuỗi ngày đau khổ nhất rơi vào đội QA. Các bạn dev dùng prompt dự án sinh ra test matrix, gen JUnit test script ầm ầm. Code xanh lè, report coverage luôn đạt ngưỡng 99%~100% nhưng case thì rỗng tuếch, toàn happy case, summary data nhưng lại không có testcase fan-out. Đội function tester thì khốn khổ với con AI Agent trung tâm. Mỗi ngày, Agent này đốt hàng trăm USD tiền token, output luôn tuân thủ đúng định dạng Markdown như đã được define. Nhưng bất kì ai làm testing đều biết, quản lý hàng ngàn testcase bằng Markdown thay vì Excel thuần túy là một cực hình "vô nhân đạo". Không thể filter, không thể tracking, sai context, format gãy vụn, muốn xem tổng quát cũng chả xem được mà phải scroll lên, scroll xuống.Tester phải hì hục đi copy-paste và sửa tay từng dòng. Hệ lụy kéo theo là sự đứt gãy về KPI. Không tìm ra bug vì testcase chuẩn AI đẻ ra quá hời hợt, không đạt chỉ tiêu số bug trên KLOC. Cuối tháng, team phải vò đầu bứt tai viết giải trình: Tại sao team không dùng con Agent đắt đỏ của dự án mà lén lút tự viết cả trăm cái prompt nhỏ lẻ bên ngoài để vá víu output? Project được AI estimate effort rất đẹp, timeline cực kỳ tối ưu, nhưng công sức đi dọn dẹp "bãi rác" output do AI xả ra đã khiến effort thực tế đội lên gấp 10 lần.Từ câu chuyện đẫm máu trên, câu hỏi đặt ra là: Tại sao có process chuẩn, có AI mạnh nhiều tiền, chúng ta lại càng ngày càng kiệt sức hơn?Sự Sụp Đổ Của "Niềm Tin Quy Trình"Việc centralize các prompt và chuẩn hóa AI Agent là bước đi đúng về mặt quản trị. Nhưng sai lầm chí mạng là chúng ta lầm tưởng rằng: Prompt chuẩn sẽ cho ra kết quả đúng tuyệt đối. Sự thật là, tính consistency của máy móc đôi khi chỉ là sự lặp lại một cách kiên định những sai lầm ngớ ngẩn. Giao phó toàn bộ niềm tin vào một "AI process" khiến con người đánh mất đi khả năng hoài nghi và phản biện.Nghịch Lý Năng Suất Và "Bẫy" Kỳ VọngTrong kinh tế học có một khái niệm gọi là Nghịch lý Jevons, hình dung khi bóng đèn trở nên tiết kiệm điện hơn, con người không tắt bớt đi mà thay vào đó thắp sáng nhiều khu vực hơn và bật đèn lâu hơn. Áp dụng vào ngành Software Engineering: Công nghệ càng giúp tiết kiệm tài nguyên, nhu cầu sử dụng tài nguyên đó càng bùng nổ. Khi AI giúp hoàn thành một tính năng trong 1 ngày thay vì 5 ngày, Product Owner sẽ ném thêm 4 tính năng mới vào Sprint với thời hạn ngắn hơn. Thời gian tiết kiệm được không biến thành thời gian rảnh, nó bị lấp đầy bởi những áp lực mới.Sự Dịch Chuyển Sang "Năng Lượng Thẩm Định"Viết code truyền thống tốn sức lực cho việc tư duy logic và gõ phím. Nhưng làm việc với AI, và cho dù ngay cả với một AI đã cấu hình "chuẩn", lại bào mòn Năng lượng thẩm định (Appraisal Energy) của bạn để đánh giá, chọn lọc và ra quyết định. Việc liên tục soi lỗi các security leaks, performance, các vi phạm tiêu chuẩn dự án, đọc hiểu logic do AI sinh ra, rà soát các "hallucinations" ẩn sâu trong context khổng lồ thực chất gây căng thẳng thần kinh hơn nhiều so với tự tay viết. AI không làm bạn rảnh hơn, nó ép bạn từ vai trò "Người xây dựng" sang vai trò "Người dọn rác và kiểm duyệt".Chính quá trình thẩm định liên tục này tạo ra một phản ứng ngược, khiến não bị quá tải nhận thức rất nhanh, đó lý do vì sao dùng AI tạo code đôi khi còn mệt hơn tự viết. Khủng Hoảng "Quá Tải Quyết Định" (Decision Fatigue)Khi tốc độ generate code và tài liệu tăng lên một cách ào ào như thác đổ, mật độ decision points chạm ngưỡng báo động. Sửa đoạn code này hay bắt AI viết lại? Logic này chạy đúng trên môi trường UAT nhưng tạch trên Staging thì sao? File Markdown này copy ra Excel thủ công hay viết script convert? Package này AI suggest có bị deprecated hay dính lỗ hổng bảo mật không?... Chỉ trong một khoảng thời gian ngắn, mật độ ra quyết định quá dày đặc khiến não bộ kiệt quệ ngay từ giữa ngày làm việc dù bề ngoài trông bạn "chỉ ngồi prompt và copy-paste" chứ có làm gì nặng nhọc đâu. Rất dễ bắt gặp cảnh mặc dù sáng ra đã làm một ly coffee đậm đà đầy năng lượng, nhưng tới giờ cơm trưa lại chả buồn ăn.Tốc Độ Mới Trở Thành "Baseline" MớiKhoảng 2 năm trước thôi, việc fix một bug phức tạp tốn cả ngày làm việc (7h-8h đồng hồ) là điều hoàn toàn chấp nhận được. Ngày hôm nay, nếu bạn mất cả ngày cho bug đó, câu hỏi đầu tiên bạn nhận được sẽ là: "Cái này có hỏi AI chưa? Đã quăng log cho AI phân tích chưa mà lâu thế?"AI thật sự đã nâng mức kỳ vọng tối thiểu (Baseline) của toàn bộ ngành công nghiệp lên một tầm cao mới. Cái tốc độ mà trước đây chúng ta được cho là "xuất sắc" thì nay chỉ còn là "mức trung bình đạt chuẩn". Hệ quả dễ dàng nhìn thấy nhất trong những buổi review performance, ông Dev sẽ không còn được thưởng vì làm nhanh, mà bị sẽ đánh giá không tốt nếu làm chậm. Do đó, bạn không thể đi chậm lại, vì cả hệ sinh thái xung quanh đều đang tăng tốc một cách đáng sợ.Sống Sót Thế Nào Trong Kỷ Nguyên SDLC 2.0?Để không bị đống "code siêu tốc" đè bẹp, quy trình thôi là chưa đủ. Chúng ta buộc phải thay đổi vị thế:Tập trung vào Domain Knowledge & Architecture: AI rất giỏi syntax nhưng cực kỳ ngây thơ về business rule. Năng lực sống còn bây giờ là System Thinking, phải hiểu sâu bức tranh tổng thể để biết AI đang lược bỏ sai logic ở điểm nào.Quy trình chuẩn hóa phải đi kèm Verification độc lập: Centralize prompt là tốt, nhưng đừng dùng mắt người để audit hàng triệu dòng code do AI sinh ra. Hãy nên xây dựng một luồng Integration Test độc lập để kiểm soát output của cỗ máy generate kia, tạo ra hàng rào tự động hóa trước khi con người nhúng tay vào rà soát bước cuối.Đo lường bằng Cycle Time, không phải Code Gen Time: Hãy quản trị lại Kỳ vọng (Expectation Management), đừng bao giờ cam kết deadline dựa trên "tốc độ AI generate code". Chục ngàn dòng code sinh ra trong 5 phút theo đúng chuẩn dự án là vô nghĩa nếu mất 1 tuần để tester sửa format và 3 ngày để debug. Hãy cam kết dựa trên Cycle Time ngay từ lúc chốt requirement đến khi test và deploy một cách an toàn.Đơn giản là AI giúp chúng ta đi nhanh hơn, nhưng tuyệt đối không thể nghĩ thay chúng ta. Giao phó toàn bộ tư duy cho các bộ prompt, dù chúng có được thiết kế hoàn hảo và quy củ đến đâu, đó chính là cách nhanh nhất để đánh sập một hệ thống từ sâu bên trong.Và tôi cũng biết rằng ngoài kia, đang có rất nhiều khóa học, nhiều video, nhiều buổi sharing hô hào "Dùng AI để làm việc thay bạn", nhưng thực tế cuộc chơi khốc liệt hơn nhiều. Nếu bạn là một Junior Dev hay một Tester vẫn còn đang bối rối, chưa biết phải định vị mình ở đâu khi AI đang xâm chiếm mọi ngóc ngách của dự án, thì đây là lời khuyên chân thành từ những "vết thương" dự án thực tế:Với anh em Developer: Tốc độ gõ phím không còn là lợi thế cạnh tranh. Đừng cố chạy đua việc sinh ra hàng ngàn dòng code với máy móc. Thay vào đó, hãy đầu tư vào thứ mà AI chưa thể nắm bắt trọn vẹn: Context và System Design. Hãy hiểu sâu Business Logic, luồng dữ liệu, và cách các component tương tác với nhau. Khi bạn nắm vững kiến trúc, AI sẽ là một anh thợ xây siêu tốc dưới quyền bạn. Còn nếu bạn chỉ mãi tập trung vào bề nổi, cưỡi ngựa xem hoa, bạn sẽ sớm trở thành người đi dọn rác cho chính anh thợ xây đó.Với anh em Tester/QA: Sự bùng nổ của AI không phải là dấu chấm hết cho nghề Tester, trái lại, phải nói rằng thời thế của các bạn đang tới, thật đấy. Khi code được đẻ ra ào ào với "tốc độ ánh sáng", số lượng bug tiềm ẩn và những "ảo giác logic" sẽ tăng lên theo cấp số nhân (tất nhiên rồi vì muốn không có bug nào thì chỉ có cách là đừng code dòng nào cả). Từ đây vai trò "người chốt chặn" của QA chưa bao giờ quan trọng đến thế. Đừng tự biến mình thành "thợ sửa format" cho những file testcase vô hồn của AI. Hãy nâng cấp năng lực của mình thành Quality Engineer, hãy dùng tư duy phản biện để bẻ gãy những logic hoàn hảo giả tạo, nịnh bợ của máy móc, đào sâu vào các edge cases, và bắt hệ thống (cũng như mấy con AI) phải chứng minh tính đúng đắn của nó cho mình.Có thể nghĩ về bản chất rằng, AI nó là một chiếc loa phóng thanh. Nó khuếch đại năng lực của bạn từ Junior lên Middle, từ Middle lên Senior, nhưng đồng thời cũng khuếch đại cả những sai lầm và sự hời hợt trong quy trình làm việc.  Đừng sợ AI cướp task của bạn, hãy sợ việc chính bản thân mình đánh mất đi năng lực cốt lõi nhất của một SWE: Khả năng hoài nghi và tư duy giải quyết vấn đề độc lập.  Hãy làm chủ AI, đừng để AI "chơi" và vắt kiệt mình!Anh em đang gặp khó khăn gì nhất khi làm việc cùng AI? Chia sẻ dưới comment để chúng ta cùng tìm hướng giải quyết nhé.

Honestly, this is something I still haven't figured out.I started using AI because I wanted to save time.And it does.A lot.As a Product Designer, there are so many little things that used to eat up time without really needing that much brainpower.Researching something.Summarizing a pile of information.Organizing notes.Writing UX copy.Exploring user flows.Trying different UI directions.Making a quick prototype.Even figuring out how to do something I've never done before.AI makes all of that much faster.So naturally, I thought:“Great. I'll have more free time.”That was cute.Because somehow, the opposite happened.I didn't start doing less. I started trying more things.My Product Design workflow hasn't completely changed because of AI.I still research.I still try to understand the problem.I still think about users and business goals.I still sketch flows, design screens, prototype, test, and iterate.The difference is that I can move through the less interesting parts much faster.And that sounds like it should make my life easier.But there is a small problem.When something becomes easier, I start doing more of it.Before AI, I might explore three directions because I knew that exploring ten would take forever.Now I can ask AI to help me think through more possibilities, create more variations, or challenge the direction I'm taking.So I explore ten.Then I look at them and think:“Okay… which one?”Congratulations.I just turned a one-hour task into a three-hour decision-making exercise.AI is really good at giving me answers. Unfortunately, I still have opinions.This is probably the most important thing I've learned from using AI for Product Design.AI can give me a lot of answers.Sometimes very good answers.Sometimes answers that sound very convincing until I think about them for another five minutes.It can suggest a user flow.But I still need to ask:Why would the user do this?Does this actually solve the problem?What happens if the user doesn't follow the happy path?Is this too complicated?Does the business actually need this?What are we solving again?That last question is surprisingly important.Because sometimes I can spend an hour improving a solution to a problem that probably didn't need to exist in the first place.AI doesn't remove the thinking part of Product Design.If anything, it makes that part more obvious.It gets me to the point where I have to make a decision much faster.And sometimes I just sit there staring at the screen thinking:“Okay, AI gave me 12 options. I still don't know what I want.”So that's fun.And yes, everything still needs to be reviewedThis is the part that people sometimes forget.AI can create something in 30 seconds.I can spend the next 30 minutes checking whether it actually makes sense.AI writes UX copy.I read it.AI suggests a flow.I question it.AI gives me a UI direction.I ask whether it actually belongs to the product.AI gives me ten ideas.I throw nine away.So technically, AI saved me time.But it also gave me more things to review.It's a little like having an extremely productive intern who never gets tired, never complains, and produces 15 versions of everything.Sounds great.Until you realize:You are the one reviewing all 15 versions.AI also made me much more comfortable with learning things I don't knowThis one is actually quite personal.I'm pretty introverted.So when I don't know something, my first instinct is usually not:“Hey, can someone explain this to me?”It's more like:“Let me figure this out first.”Which is not always the most efficient way to learn.Sometimes I don't even know what to ask.That's where AI has been surprisingly useful for me.I can start with a very basic question.Something that I might feel a little embarrassed asking another person.Then I can ask another.And another.If I still don't understand, I can ask it to explain differently.If I understand the basics, I can go deeper.Then I can ask for documentation.Then technical documentation.Then examples.Then limitations.Then best practices.Then I can try it myself.So my learning process has become something like:“I don't know this.”→ Ask AI.“Okay, I understand the basic idea.”→ Read the documentation.“I think I can try this.”→ Build something.“Why is this broken?”→ Ask AI again.“Oh. That's why.”→ Fix it.“Hmm, what happens if I do this?”→ Break it again.And repeat.It's basically learning by repeatedly getting myself into trouble.But at least now I can do it much faster.It also makes me more independent as a designerI don't mean that I don't need developers or other specialists anymore.I absolutely do.But AI has changed how far I can go before I need to ask for help.If I want to understand a technical concept, I can learn the basics myself.If I have an idea, I can prototype it.If I want to test a workflow, I can build a small version.If I want to understand whether something is technically possible, I can investigate it instead of immediately assuming:“That's probably a developer problem.”Sometimes it is still a developer problem.But now I can at least understand the problem before bringing it to someone else.And I really like that.Because for me, independence doesn't mean doing everything alone.It means being able to move forward without constantly waiting for someone else to unblock me.This is also why I started coding moreI don't consider myself a full-time developer.I'm a Product Designer.But AI has made coding much more accessible to me as a way to test ideas.If I have an idea for a product or a tool, I don't always want to spend days discussing whether it might work.Sometimes I just want to build a stupid little version of it and see.So I do.I use AI to help me code it.Then I run it.Then I use it.Then I find something annoying.Then I fix it.Then I find another problem.Then I fix that.Sometimes I eventually discover:“Oh. This idea is actually terrible.”Honestly, that's useful too.I'd rather discover that after a few hours than after three months of planning.And sometimes the opposite happens.Something that started as a tiny experiment actually works.Then I can take what I've learned and bring it back into the design process.For me, that's one of the most exciting things about AI.It reduces the distance between:“I have an idea.”and“I can test this.”But then something weird happensThe more capable I become, the more things I want to do.This is probably where AI started making me busier.If I can learn something quickly, I want to learn it.If I can prototype something quickly, I want to prototype it.If I can test another direction in 20 minutes, why not?If I can automate something repetitive, why wouldn't I?And suddenly my to-do list starts growing.Not because someone told me to do more.Because I keep thinking of things I could do.This is probably the most dangerous part for someone like me.AI removes a lot of the friction between having an idea and doing something about it.And apparently, friction was doing me a favor.My expectations have changed tooI think AI has also quietly changed my definition of “done.”Before AI, if something took half a day, I accepted that it would take half a day.Now, if AI helps me get the first version done in 30 minutes, I immediately start thinking:“Well, I still have three and a half hours.”Which is a terrible thought.Because now I can:Try another direction.Improve the interaction.Test another flow.Rewrite the copy.Clean up the UI.Make the prototype better.And then, somehow, I'm redesigning something that was already perfectly fine.Sometimes the pressure comes from the team, the client, or the business.But honestly?A lot of it comes from me.When you know you can do more, it becomes very difficult to stop yourself from doing more.AI doesn't need to raise expectations for me.I do that myself.So… did AI actually save me time?Yes.Definitely.It saves me a lot of time on execution.It helps me get started faster.It helps me explore more.It helps me learn faster.It helps me prototype and test ideas.It helps me work around things I don't know yet.But did all that saved time become free time?Not really.It became something else.Capacity.I can handle more.Explore more.Learn more.Build more.Test more.And because I can do more, I naturally start expecting more from myself.It's basically like upgrading my computer and then immediately opening 47 Chrome tabs.The computer is faster.I'm still the problem.Maybe that's actually what AI is giving meI used to think productivity was about finishing things faster.Now I think it's more about how much I can explore before making a decision.As a Product Designer, that's valuable.AI can take care of more of the mechanical work.That gives me more space for the things I actually enjoy:Understanding the problem.Questioning assumptions.Exploring possibilities.Making trade-offs.Connecting user needs with business goals.Deciding what should exist.And deciding what absolutely shouldn't.AI can generate a lot.My job is still to decide what is worth keeping.And I think that distinction is becoming more important, not less.So, am I working less?No.Not really.I'm probably working faster.I'm definitely learning faster.I'm experimenting more.I'm building more things by myself.And I'm able to go from:“I wonder if this could work…”to“Okay, I built a tiny version. Let's see.”much more often.That's pretty exciting.But free time?I'm still looking for it.Because every time AI gives me an extra hour, I somehow manage to turn that hour into another idea.Another experiment.Another improvement.Another Figma page.Another tiny tool.Another thing I suddenly want to learn.So maybe the real answer is:AI didn't give me more free time.It gave me more possibilities.And unfortunately, I have absolutely no self-control when it comes to possibilities.So yes, AI makes my work easier.But it also makes my ambitions bigger.And maybe that's why I'm still busy.AI didn't make my to-do list shorter.It just made me brave enough to make it longer.Now I just need to teach myself that not every idea needs to become a project.I'm still working on that one.

AI có giúp chúng ta nhàn hơn không?Có.---Một lập trình viên có thể viết code nhanh hơn. Một tester có thể tạo test case nhanh hơn. Một BA có thể tổng hợp tài liệu nhanh hơn. Một PM có thể chuẩn bị biên bản họp trong vài phút. Một ứng viên có thể viết CV, chuẩn bị phỏng vấn hay tìm hiểu công ty nhanh hơn rất nhiều so với trước đây.Nhưng tôi nghĩ câu hỏi thú vị hơn không phải là: “AI có giúp chúng ta làm nhanh hơn không?”Mà là:Khi tất cả mọi người đều có thể làm nhanh hơn nhờ AI, công việc có thật sự trở nên nhẹ hơn không?Tôi ngày càng có cảm giác rằng AI làm giảm công sức của từng tác vụ, nhưng không chắc làm giảm tổng khối lượng công việc mà chúng ta phải đối mặt. Bởi khi năng lực của một cá nhân tăng lên, năng lực của những người xung quanh cũng tăng. Sản lượng tăng. Kỳ vọng tăng. Tiêu chuẩn thay đổi. Và cuối cùng, chính luật chơi của công việc cũng thay đổi theo. Tôi muốn bắt đầu câu chuyện này từ một nơi mà hầu như người làm IT nào cũng từng đi qua: tuyển dụng.Khi cả ứng viên và nhà tuyển dụng đều có AITrong những buổi chia sẻ với sinh viên, tôi thường nói về tuyển dụng như một quá trình gồm nhiều lớp đánh giá: hồ sơ, trao đổi ban đầu, bài kiểm tra hoặc đánh giá chuyên môn, phỏng vấn với bộ phận chuyên môn và cuối cùng là quyết định hợp tác. Trước đây, mỗi bước đều cung cấp cho doanh nghiệp một số tín hiệu nhất định.CV cho thấy ứng viên đã làm gì.Bài test cho thấy khả năng chuyên môn.Buổi phỏng vấn cho thấy cách tư duy, giao tiếp và xử lý tình huống.Những tín hiệu đó vốn không hoàn hảo, nhưng ít nhất chúng giúp hai bên hiểu nhau hơn.AI đang làm một việc rất thú vị: nó làm cho việc tạo ra những tín hiệu đẹp trở nên cực kỳ dễ dàng.Một CV bình thường có thể được AI chỉnh thành một CV rất chuyên nghiệp chỉ trong vài phút.Một ứng viên có thể đưa JD vào AI rồi hỏi:“CV của tôi đang thiếu gì?”“Những câu hỏi nào có thể xuất hiện trong buổi phỏng vấn?”“Hãy đóng vai interviewer và phỏng vấn tôi.”“Giúp tôi trình bày project này thuyết phục hơn.”Với vị trí kỹ thuật, ứng viên còn có thể dùng AI để giải thích thuật toán, luyện coding test, review code hay mô phỏng những câu hỏi chuyên môn. Ở phía ứng viên, đây rõ ràng là phần nhàn. Những việc từng mất vài giờ có thể chỉ còn vài chục phút. Nhưng vấn đề bắt đầu xuất hiện khi gần như tất cả ứng viên đều có công cụ tương tự.Một CV được trình bày rất tốt trước đây có thể là tín hiệu của sự chỉn chu. Khi AI có thể giúp hầu hết mọi người tạo ra một CV đẹp, tín hiệu đó yếu đi.Một câu trả lời phỏng vấn trôi chảy từng cho thấy ứng viên chuẩn bị kỹ. Khi ứng viên có thể luyện hàng chục vòng phỏng vấn giả với AI, những câu hỏi quen thuộc cũng dần mất khả năng phân biệt.Một bài assignment hoàn chỉnh cũng không còn đơn giản cho biết “người này làm được hay không”. Nhà tuyển dụng phải bắt đầu hỏi thêm: họ hiểu đến đâu, họ lựa chọn giải pháp vì sao, họ có thể giải thích, thay đổi hoặc bảo vệ quyết định của mình hay không.Điểm đáng chú ý ở đây là:Việc đánh giá ứng viên vốn đã khó từ trước. AI không tạo ra cái khó đó.Cái “nhọc mới” nằm ở chỗ khác.AI làm cho những tín hiệu cũ trở nên dễ tạo ra hơn, vì vậy doanh nghiệp phải tìm những tín hiệu mới có giá trị hơn.Khi nộp hồ sơ trở nên quá dễCâu chuyện còn thú vị hơn nếu chúng ta đi thêm một bước.Nếu AI giúp một ứng viên chuẩn bị hồ sơ nhanh hơn, người đó có thể ứng tuyển nhiều vị trí hơn.Nếu công cụ tự động hóa tiếp tục phát triển, quá trình tìm việc có thể tiến xa hơn nữa: tìm job phù hợp, điều chỉnh CV, viết cover letter, chuẩn bị câu trả lời, thậm chí hỗ trợ theo dõi quá trình ứng tuyển.Từ góc nhìn của từng cá nhân, đó là năng suất.Nhưng nếu hàng nghìn ứng viên cùng tăng năng suất theo cách đó, điều gì xảy ra ở phía doanh nghiệp Số hồ sơ tăng. Recruiter lại phải dùng AI để lọc. Doanh nghiệp phải xây thêm tiêu chí đánh giá. Interviewer phải đặt câu hỏi sâu hơn. Quy trình tuyển dụng phải tìm cách phân biệt giữa một hồ sơ được AI hỗ trợ tốt và một người thực sự phù hợp với công việc. Một vòng lặp bắt đầu hình thành:AI giúp ứng viên làm được nhiều hơn → doanh nghiệp nhận nhiều hơn → doanh nghiệp cần AI để xử lý nhiều hơn.Cả hai phía đều được AI giúp.Nhưng cả hai phía cũng bắt đầu phải chạy nhanh hơn.Tôi nghĩ đây là một ví dụ khá rõ cho câu “Nhàn nhờ AI. Nhọc cũng AI”.Không phải vì AI khiến việc cũ khó hơn.Mà vì khi AI làm một việc trở nên quá dễ, quy mô của hệ thống xung quanh việc đó thay đổi.Và chuyện này không dừng ở tuyển dụngNếu đang làm IT, có lẽ chúng ta đã nhìn thấy cùng một hiện tượng ngay trên bàn làm việc của mình.Một developer trước đây có thể mất vài giờ để dựng một đoạn code, tìm lỗi hoặc đọc tài liệu.Bây giờ AI có thể sinh code, giải thích code cũ, đề xuất refactor, viết unit test hoặc tìm nguyên nhân lỗi rất nhanh.Đó là phần nhàn.Nhưng nếu trước đây một developer xử lý được 5 task trong một khoảng thời gian và bây giờ có thể xử lý 10 task, rất có thể một lúc nào đó 10 task sẽ không còn được xem là “năng suất vượt trội”.Nó trở thành bình thường.Thứ giúp chúng ta nhanh hơn hôm nay có thể trở thành tiêu chuẩn mà chúng ta phải đáp ứng ngày mai.Tester cũng vậy.AI có thể giúp tạo test case, phân tích requirement, sinh dữ liệu kiểm thử hoặc hỗ trợ tìm những trường hợp bất thường. Khối lượng công việc trên từng test case giảm. Nhưng khả năng kiểm thử tăng lên thì kỳ vọng về coverage cũng có thể tăng theo.BA có thể dùng AI để tóm tắt hàng chục trang tài liệu, so sánh yêu cầu, tạo user story hay chuẩn bị câu hỏi. Nhưng vì việc tạo tài liệu trở nên dễ hơn, lượng tài liệu được tạo ra cũng có thể nhiều hơn.PM có thể tóm tắt meeting nhanh hơn, viết report nhanh hơn, phân tích risk nhanh hơn. Nhưng khi mọi báo cáo đều có thể được chuẩn bị nhanh, tổ chức cũng dễ kỳ vọng nhiều báo cáo hơn, cập nhật thường xuyên hơn và phản ứng nhanh hơn.Marketing, sales, HR hay các bộ phận khác cũng không nằm ngoài vòng lặp đó.AI làm giảm cost của một hành động.Khi cost giảm, chúng ta thực hiện nhiều hành động hơn.Khi tất cả mọi người cùng thực hiện nhiều hơn, mặt bằng kỳ vọng lại tăng lên.Đó là lý do tôi không nghĩ câu chuyện AI chỉ nên được nhìn theo công thức:Trước đây mất 4 giờ, bây giờ mất 1 giờ, vậy chúng ta tiết kiệm được 3 giờ.Ba giờ đó không nhất thiết biến thành ba giờ nghỉ.Nó có thể biến thành ba task khác.Và sau một thời gian, ba task khác đó lại trở thành một phần của công việc bình thường.Từ AI hỗ trợ đến AI tham gia công việcCó một thay đổi nữa mà tôi nghĩ người làm IT sẽ ngày càng gặp nhiều hơn: AI không chỉ dừng ở việc trả lời câu hỏi. Chúng ta đang tiến tới những hệ thống có thể được giao mục tiêu, tự thực hiện nhiều bước, sử dụng công cụ, kiểm tra kết quả rồi tiếp tục hành động.Trong AI, chúng thường được gọi là Agent – tác tử.Sự khác biệt nghe có vẻ nhỏ nhưng thực ra khá lớn.Một AI assistant có thể giúp tôi viết email.Một Agent trong tương lai có thể nhận mục tiêu:“Tìm những khách hàng phù hợp, chuẩn bị thông tin, soạn email, theo dõi phản hồi và đề xuất bước tiếp theo.”Một AI assistant có thể giúp recruiter đọc CV.Một Agent có thể hỗ trợ tìm ứng viên, sàng lọc, liên hệ, sắp lịch và cập nhật trạng thái.Một AI assistant có thể giúp developer viết code.Một Agent có thể nhận task, đọc codebase, chỉnh sửa nhiều file, chạy test rồi báo lại kết quả.Lúc này câu hỏi không còn đơn thuần là:“AI giúp tôi nhanh hơn bao nhiêu?”Mà bắt đầu trở thành:“Phần nào con người làm?”“Phần nào Agent được quyền làm?”“Agent được phép tự quyết tới đâu?”“Việc nào bắt buộc con người duyệt?”“Nếu Agent làm sai thì ai chịu trách nhiệm?”“Nếu hai Agent đưa ra hai kết quả khác nhau thì hệ thống xử lý thế nào?”Đó là lúc tôi thấy khái niệm Human–Agent Work System trở nên đáng quan tâm.Không phải vì chúng ta cần thêm một thuật ngữ công nghệ.Mà vì khi AI bắt đầu thực sự tham gia vào quá trình làm việc, doanh nghiệp sẽ phải thiết kế lại cách con người và AI phối hợp với nhau.Và đây có lẽ mới là phần “nhọc” lớn hơn trong những năm tới.Không phải học thêm một prompt.Mà là học cách tổ chức công việc trong một thế giới mà con người không còn là tác nhân duy nhất thực hiện công việc.Nhàn hơn, nhưng chưa chắc rảnh hơnTôi vẫn tin AI là một trong những công cụ giúp chúng ta làm việc hiệu quả nhất mà con người từng tạo ra.Tôi cũng không nghĩ giải pháp là né tránh AI để bảo vệ cách làm việc cũ.Nếu người khác có AI còn mình không dùng, rất có thể mình chỉ đang tự làm khó mình.Nhưng có lẽ chúng ta cũng không nên nhầm lẫn giữa hai khái niệm:làm một việc dễ hơn và công việc trở nên nhẹ hơn.AI chắc chắn đang làm rất nhiều việc trở nên dễ hơn.Nhưng khi hàng triệu người cùng được tăng năng lực, thị trường, doanh nghiệp và chính đồng nghiệp của chúng ta cũng thay đổi theo.CV đẹp hơn.Code nhanh hơn.Test nhiều hơn.Report nhanh hơn.Ứng tuyển nhiều hơn.Phân tích nhiều hơn.Và cuối cùng, chuẩn mực mới lại được thiết lập.Vì vậy, cái nhọc đáng nói không nằm ở những việc vốn đã khó từ trước.Cái nhọc mới nằm ở chỗ: mỗi khi AI làm một việc trở nên quá dễ, luật chơi xung quanh việc đó cũng bắt đầu thay đổi.Nếu bạn là developer, tester, BA, PM, recruiter hay bất kỳ ai đang làm trong ngành công nghệ, có lẽ câu chuyện này không chỉ nằm ở một vòng tuyển dụng. Nó có thể đang xảy ra ngay trong công việc của bạn.---Nếu sau bài viết này, “Agent – tác tử” không còn nghe quá xa lạ, và từ câu chuyện tuyển dụng bạn có thể liên tưởng đến chính công việc mình đang làm, thì với tôi như vậy là đủ.Còn không thì thôi, coi như tôi vừa kể thêm một góc nhìn về AI trong công việc.Alex VuongBusiness Development Manager

AI không làm mình rảnh. Nó giúp mình làm được nhiều việc hơn trong cùng một ngày — lịch vì thế dày hơn, không mỏng hơn.Chủ đề hay gặp trên quán trà đá IT: Có AI thì rảnh hơn hay bận hơn? Câu hỏi nghe như quiz. Trả lời thật thì hơi chướng: lịch mình dày hơn. Inbox không gọn hơn. Sprint không “xong sớm về nhà nấu cơm”. Cái đổi là cùng một ngày mình làm được nhiều việc hơn. Làm được rồi thì việc mới kéo tới cho vừa sức đó — không phải về sớm, mà là phủ thêm.Đó không phải slogan. Đó là hệ quả của throughput.Bốn năm, không phải một promptCông việc mình gắn với AI cũng hơn bốn năm. Ban đầu là ứng dụng nhỏ: phân loại, regress, vài pipeline scikit-learn, feature bảng Excel đội business gửi lúc 17h. Model không “thông minh”. Nó thuộc lòng phân phối hôm qua. Sáng nay Excel đổi tên cột — model vẫn hỏi cột cũ đâu, mặt ngây như khách tới nhầm tiệc.Rồi mình vào lớp thạc sĩ, học tiếp Deep Learning: loss, overfitting, GPU hết VRAM giữa epoch, cái cảm giác “acc trên val đẹp quá thì nghi”. Cơ duyên bắt đầu từ đó. Việc mới tới liên tục vì team cần người đưa model vào chỗ có user, không phải notebook.Mình build app tích hợp AI: gọi API model lớn khi cần chất lượng, kéo open source khi cần kiểm soát chi phí, latency, hoặc data không được ra ngoài. Có giai đoạn mình nhét inference xuống ESP32 — không phải vì thích khổ. Vì edge không có 16GB RAM. Quantize, cắt context, đo miliampe, chấp nhận model “đủ dùng” chứ không “SOTA trên Twitter”. Cái đó dạy một bài: constraint phần cứng là prompt thật, không phải system prompt.Hiện tại mình dùng AI như bộ não thứ hai khi làm việc: phác thảo, đối chiếu, viết test skeleton, soi diff, hỏi “failure mode nào mình quên”. Não thứ nhất vẫn là người pager tìm ra lúc 2 giờ sáng. Model lúc đó đã “ngủ” — hoặc đang bịa thêm một nguyên nhân.Rảnh hơn là ảo ảnh kế toán sai đơn vịAI không xóa việc. Nó dời bottleneck.Trước kia bottleneck là gõ. Gõ chậm thì ý chậm. Giờ gõ nhanh — draft, spec, SQL, PR description — ra một lượt. Bottleneck mới là review, eval, và trách nhiệm. Model không chịu onboard. Nó không nhớ SLA. Nó không biết ticket nào là “khách đang la trên production”.Lấy chuyện gần: mình nhờ model viết adapter gọi tool. Code chạy demo. Đưa lên staging thì timeout vì tool kia idempotent kém — gọi hai lần tạo hai record. Model không đọc runbook. Nó đọc docstring bạn paste. Bạn quên paste là bạn sở hữu bug.Hay chuyện ESP32: mình thử firmware “hỏi model nhỏ on-device”. Token/s thấp, RAM eo. Muốn “thông minh” thì phải round-trip cloud — rồi mất offline, tốn pin, thêm secret trên chip. Trade-off không biến mất vì có LLM. Nó hiện rõ hơn, vì option nhiều hơn.Nên AI không làm người rảnh. Nó giúp người phủ nhiều mặt trận hơn: prototype, so sánh model, viết rubrics eval, làm human-in-the-loop cho chỗ được phép sai. “Xong” ngày hôm nay gồm cả việc hôm qua chưa kịp nghĩ tới. Calendar đầy. Output cũng đầy. Hai thứ đó không mâu thuẫn.Người dễ bị lừa là người đếm giờ ngồi ghế, không đếm blast radius. Một hallucination lọt vào config production tiết kiệm 20 phút gõ và tốn hai ngày rollback. Rảnh cái đầu, bận cái đuôi.Não thứ hai, không phải sếp thứ haiMình vẫn hỏi model. Mình không để nó merge. Prompt hay không thay eval. Context window rộng không thay nguồn sự thật (ticket, metric, log, schema). RAG kém thì model tự tin bịa citation. Fine-tune không có test set thì chỉ là overfit lịch sự.3 nguyên tắc sống còn, không đàm phán:Không cho AI tự cấp bằng khenModel giỏi viết, nhưng người phải giữ luật.“Xanh” hay “đỏ”, DoD ra sao — dev chốt.Giao nó tự chấm thì nó bốc phét cho đẹp lòng bạn; prod sập thì bạn gánh.Prompt không version control là đời không nểPrompt thì commit vào git, soi diff, sẵn sàng rollback.Tiện tay chat vài câu không lưu thì tuần sau AI “biến chất” lúc nào không ai hay.Đừng ăn mừng vì rảnhĐếm số việc khó dám nhảy vào cân (eval, edge cases, tool contracts), đừng đếm số giờ ngồi chơi.Rảnh tay mà bug to bằng cái nhà thì là phá hoại, không phải năng suất.Bạn đang rảnh hơn hay bận hơn? Lịch trống mà chất lượng đứng yên — thắng bài thời gian. Lịch dày mà cùng lúc ship được thứ năm ngoái không dám đụng (edge, agent có tool, pipeline có eval) — không phải fail. Đó là hóa đơn throughput: token rẻ, review đắt, pager vẫn ghi tên người.Não thứ hai sinh candidate. Não thứ nhất chọn cái được phép merge — vì test, idempotent, blast radius không nằm trong loss function. Like nếu sprint này đúng vậy. Comment failure mode tuần này cũng được: hallucination vào config vẫn rẻ 20 phút, rollback thì không.Cảm ơn bạn đã quan tâm. — Sẵn dành ít thời gian ghé qua website của mình nhé :) — trucnguyen.dev

AI đang dần trở thành một phần quen thuộc trong cuộc sống. Từ một công nghệ từng được nhắc đến chủ yếu trong các phòng nghiên cứu, AI nay đã xuất hiện ngay trên chiếc điện thoại, máy tính và trong nhiều công việc thường ngày. Người ta dùng AI để tìm kiếm thông tin, học tập, viết nội dung, tạo hình ảnh, làm video, phân tích dữ liệu hay hỗ trợ kinh doanh. Có thể nói, nhàn cũng nhờ AI mà nhọc cũng nhờ AI.Với những công việc trước đây mất nhiều thời gian, AI có thể trở thành một trợ lý hữu ích. Một người bán hàng trực tuyến có thể nhờ AI viết nội dung giới thiệu sản phẩm, trả lời những câu hỏi thường gặp hoặc hỗ trợ chăm sóc khách hàng. Người làm văn phòng có thể dùng AI để tóm tắt tài liệu, soạn thảo văn bản, phân tích bảng tính hay tìm kiếm thông tin. Học sinh, sinh viên có thể nhờ AI giải thích một khái niệm khó, gợi ý cách học hoặc hỗ trợ tìm hướng giải quyết một bài toán.Sự tiện lợi ấy khiến nhiều công việc trở nên “nhàn” hơn. Thay vì mất hàng giờ để tìm kiếm và tổng hợp thông tin, người dùng có thể nhận được câu trả lời trong thời gian ngắn. Một câu lệnh cụ thể, rõ ràng thậm chí có thể giúp AI tạo ra một bài viết, hình ảnh, bản trình bày hoặc ý tưởng gần như ngay lập tức.Nhưng AI không phải lúc nào cũng làm con người nhàn hơn.Khi đã quen với việc đặt câu hỏi và chờ AI đưa ra câu trả lời, con người có thể trở nên phụ thuộc. Một bài viết do AI tạo ra có thể nhanh nhưng chưa chắc chính xác. Một thông tin được trình bày rất thuyết phục vẫn có thể chứa sai sót. Một bức ảnh đẹp chưa chắc phản ánh đúng sự thật. Nếu chỉ sao chép kết quả mà không kiểm tra, người sử dụng rất dễ biến sự tiện lợi của AI thành một rủi ro.Đáng chú ý hơn, AI còn làm thay đổi chính cách con người làm việc. Những công việc đơn giản có thể được tự động hóa, nhưng đồng thời lại xuất hiện yêu cầu mới: biết đặt câu hỏi, biết kiểm chứng thông tin, biết đánh giá kết quả và biết sử dụng AI đúng mục đích. Vì vậy, AI có thể làm công việc nhẹ đi, nhưng không thể làm thay trách nhiệm của con người.AI cũng đang được ứng dụng ngày càng rộng rãi trong giáo dục, y tế, sản xuất, kinh doanh, giao thông, truyền thông và nhiều lĩnh vực khác. Tại Việt Nam, việc phát triển và ứng dụng AI được xem là một hướng quan trọng trong quá trình chuyển đổi số và phát triển kinh tế số.Tuy nhiên, cùng với cơ hội là những vấn đề cần được quan tâm như nguy cơ mất việc ở một số ngành nghề, thông tin sai lệch, quyền riêng tư, việc sử dụng AI cho mục đích xấu và sự suy giảm khả năng tư duy độc lập nếu con người quá phụ thuộc vào máy móc.Vì vậy, điều quan trọng không phải là có dùng AI hay không, mà là dùng AI như thế nào. Hãy để AI làm những phần việc có thể hỗ trợ con người, nhưng những quyết định cuối cùng vẫn cần dựa trên sự hiểu biết, kinh nghiệm và trách nhiệm của con người.AI có thể giúp chúng ta nhàn hơn trong công việc, nhưng cũng có thể khiến chúng ta “nhọc” hơn nếu sử dụng thiếu hiểu biết. Biết tận dụng AI để tăng năng suất, đồng thời biết kiểm chứng và làm chủ công nghệ, đó mới là cách để con người thực sự hưởng lợi từ AI.

Trước khi dùng AI, tôi mất hai giờ để viết một tính năng và một giờ để kiểm tra.Sau khi dùng AI, tôi có thể viết tính năng đó trong 30 phút. Nhưng thay vì được nghỉ sớm hơn 90 phút, tôi thường nhận thêm hai tính năng mới, review nhiều code hơn và phải đảm bảo chất lượng cao hơn trước.Ngày làm việc vẫn đủ tám tiếng.Chỉ có lượng công việc hoàn thành trong tám tiếng đó tăng lên.Là một mobile developer làm việc chủ yếu với React Native, tôi dùng AI gần như mỗi ngày: đọc lỗi build, gợi ý code, tạo cấu trúc màn hình, viết hàm xử lý dữ liệu, giải thích source code cũ và chuẩn bị tài liệu kỹ thuật.Không thể phủ nhận rằng AI giúp tôi làm việc nhanh hơn. Nhưng sau một thời gian sử dụng thường xuyên, tôi nhận ra một nghịch lý:AI tiết kiệm thời gian cho từng công việc, nhưng chưa chắc tiết kiệm thời gian cho người làm công việc đó.Quy trình làm việc của tôi đã thay đổi như thế nào?Trước đây, khi gặp một lỗi Android hoặc iOS, quy trình quen thuộc của tôi thường là:Đọc log → tìm kiếm trên Google → mở nhiều trang Stack Overflow hoặc GitHub Issues → thử từng cách → build lại → tiếp tục sửa.Có những lỗi mất vài giờ chỉ để xác định nguyên nhân.Hiện tại, tôi có thể đưa log lỗi cùng những phần cấu hình liên quan cho AI. Trong vài phút, AI có thể phân tích các khả năng, giải thích mối liên hệ giữa phiên bản thư viện, Gradle, Kotlin, CocoaPods hoặc React Native và đề xuất hướng kiểm tra.Khi cần xây một tính năng mới, tôi cũng không còn bắt đầu hoàn toàn từ trang trắng. AI có thể tạo bộ khung component, TypeScript interface, API service, validation và các trường hợp cần xử lý.Nhưng quy trình không thực sự mất đi nhiều bước. Nó chỉ được thay đổi thành:Mô tả vấn đề → cung cấp bối cảnh → nhận đề xuất từ AI → đọc và kiểm chứng → sửa lại → chạy thử → kiểm tra trên thiết bị thật → review tác động tới phần còn lại của ứng dụng.Một số bước cũ được rút ngắn, nhưng các bước mới xuất hiện: viết yêu cầu đủ rõ, đánh giá câu trả lời và phát hiện những chỗ AI tự tin nhưng không chính xác.Tôi viết code ít hơn, nhưng review nhiều hơn.30 phút tạo code có thể kéo theo hai giờ kiểm traĐiều nguy hiểm nhất ở code do AI tạo ra không phải là code sai hoàn toàn. Nếu sai rõ ràng, chúng ta có thể phát hiện ngay.Nguy hiểm hơn là đoạn code nhìn rất hợp lý, chạy được trong trường hợp thông thường nhưng sai ở những tình huống đặc biệt.Ví dụ, AI có thể đề xuất một API đã bị thay đổi ở phiên bản thư viện tôi đang sử dụng. Nó có thể viết một luồng đăng nhập hoạt động tốt trên Android nhưng thiếu cấu hình cần thiết trên iOS. Nó cũng có thể tạo logic xử lý thanh toán đúng khi giao dịch thành công nhưng bỏ sót trường hợp người dùng hủy, ứng dụng bị đưa xuống background hoặc deep link được mở khi app chưa khởi động.Nếu tôi tin ngay vào kết quả và sao chép vào dự án, thời gian “tiết kiệm” lúc viết code có thể trở thành thời gian sửa lỗi sau khi phát hành.Đặc biệt với mobile app, một đoạn code không chỉ cần chạy trên máy của developer. Nó còn phải hoạt động trên nhiều phiên bản hệ điều hành, kích thước màn hình, trạng thái mạng và vòng đời ứng dụng khác nhau.Vì vậy, AI càng tạo code nhanh, tôi càng phải giữ kỷ luật kiểm chứng:Đọc lại logic thay vì chỉ nhìn kết quả chạy được.Kiểm tra tài liệu chính thức của thư viện.Test cả Android và iOS.Thử các trường hợp mất mạng, bấm nhiều lần hoặc đưa app xuống background.Đảm bảo giải pháp không làm hỏng những tính năng đang hoạt động.Không đưa dữ liệu nhạy cảm hoặc thông tin người dùng vào công cụ AI.AI giúp giảm thời gian gõ code. Nhưng trách nhiệm về chất lượng, bảo mật và trải nghiệm người dùng vẫn thuộc về developer.Khi mọi người đều có AI, “nhanh” trở thành tiêu chuẩn mớiThời gian đầu, hoàn thành một công việc sớm hơn dự kiến tạo ra cảm giác rất tích cực.Nhưng khi tốc độ đó lặp lại đủ nhiều, nó không còn được xem là một thành tích đặc biệt. Nó dần trở thành tốc độ mặc định.Một task từng được ước tính ba ngày có thể được kỳ vọng hoàn thành trong một ngày. Một bản demo trước đây chỉ cần thể hiện luồng chính, nay có thể được yêu cầu thêm giao diện đẹp, xử lý đầy đủ trường hợp lỗi và có tài liệu đi kèm.Khi AI giúp tạo ra ba phương án nhanh chóng, câu hỏi tiếp theo thường không phải là “Bạn có thể nghỉ sớm không?”, mà là:“Có thể làm thêm phương án thứ tư không?”Đây không hẳn là lỗi của AI, cũng không hoàn toàn là lỗi của quản lý hay khách hàng. Nó là kết quả tự nhiên khi năng suất chung tăng lên. Khi công cụ thay đổi, kỳ vọng về tốc độ và chất lượng cũng thay đổi theo.Điều đáng chú ý là AI không chỉ giúp tôi hoàn thành công việc cũ nhanh hơn. Nó còn khiến những công việc từng bị xem là “không đủ thời gian để làm” trở nên khả thi.Tôi có thể viết tài liệu kỹ hơn, thêm test case, phân tích log sâu hơn, thử nhiều phương án UI hơn hoặc chủ động cải thiện những đoạn source code cũ.Kết quả là sản phẩm tốt hơn, nhưng danh sách việc cần làm cũng dài hơn.AI có tạo thêm công việc không?Có, theo một cách khá thú vị.Khi việc tạo prototype trở nên dễ dàng, chúng ta thử nhiều ý tưởng hơn. Mỗi ý tưởng lại cần được đánh giá, chỉnh sửa và quyết định có tiếp tục hay không.Khi AI giúp tìm thấy nhiều vấn đề tiềm ẩn trong source code, chúng ta có thêm một danh sách cần xử lý.Khi AI có thể viết tài liệu nhanh, tiêu chuẩn mới có thể trở thành “mọi tính năng đều phải có tài liệu”.AI không chỉ hoàn thành công việc. Nó còn mở ra những công việc trước đây chúng ta chưa có khả năng hoặc thời gian để nhìn thấy.Có lúc tôi hỏi AI cách tối ưu một màn hình bị giật. Tôi chỉ muốn tìm một nguyên nhân, nhưng nhận lại hàng loạt đề xuất: giảm re-render, tối ưu danh sách, cache dữ liệu, kiểm tra kích thước ảnh, theo dõi memory và đo thời gian render.Câu trả lời giúp tôi tiết kiệm thời gian nghiên cứu, đồng thời tạo ra thêm một danh sách việc phải làm.Tôi gọi đó là “nợ năng suất”: khi có khả năng làm nhiều hơn, chúng ta bắt đầu cảm thấy mình nên làm tất cả.Vậy AI có thật sự giúp tôi làm ít đi không?Nếu xét trên từng task, câu trả lời là có.Nếu xét trên toàn bộ ngày làm việc, câu trả lời của tôi là chưa.AI chưa giúp tôi có thêm nhiều thời gian rảnh. Nó giúp tôi hoàn thành nhiều việc hơn trong cùng một khoảng thời gian. Chất lượng đầu ra cao hơn, khả năng thử nghiệm nhanh hơn và thời gian mắc kẹt với những vấn đề nhỏ giảm đi đáng kể.Điều đó vẫn rất có giá trị.Tuy nhiên, tôi nhận ra rằng thời gian tiết kiệm được chỉ trở thành thời gian rảnh khi chính chúng ta chủ động bảo vệ nó. Nếu không, mọi khoảng trống vừa được AI tạo ra sẽ nhanh chóng được lấp đầy bằng một task mới, một ý tưởng mới hoặc một yêu cầu cao hơn.Tôi đang học cách dùng AI để làm việc tốt hơn, không chỉ nhiều hơnThay vì hỏi “AI có thể giúp tôi làm thêm gì?”, tôi bắt đầu hỏi ba câu khác:Việc này có thực sự cần làm không?Kết quả nào là đủ tốt ở giai đoạn hiện tại?Phần thời gian tiết kiệm được nên dành cho task tiếp theo hay để suy nghĩ kỹ hơn?Tôi cũng cố gắng không đánh giá năng suất chỉ bằng số lượng task hoàn thành. Một giờ dùng để nói chuyện với người dùng, thiết kế kiến trúc đúng hoặc ngăn một lỗi nghiêm trọng có thể giá trị hơn cả ngày tạo ra thật nhiều code.AI giúp tăng tốc đôi tay, nhưng chúng ta vẫn cần dùng kinh nghiệm để chọn hướng đi.Nếu đi sai hướng, chạy nhanh hơn chỉ khiến chúng ta cách mục tiêu xa hơn.Kết luậnAI thực sự giúp tôi làm việc nhanh hơn, nhưng chưa làm tôi làm việc ít hơn.Nó biến thời gian chờ đợi thành thời gian thực hiện, biến những ý tưởng từng mất nhiều ngày thành prototype trong vài giờ và giúp một developer có thể đảm nhận nhiều vai trò hơn.Đổi lại, khối lượng đầu ra tăng, tiêu chuẩn chất lượng cao hơn và trách nhiệm kiểm chứng cũng lớn hơn.Với tôi, câu hỏi quan trọng không còn là:“AI giúp tiết kiệm được bao nhiêu giờ?”Mà là:“Ai sẽ quyết định cách sử dụng những giờ vừa tiết kiệm được?”Nếu câu trả lời luôn là deadline tiếp theo, AI chỉ giúp chúng ta bận rộn hiệu quả hơn.Còn nếu chúng ta dùng khoảng thời gian đó để học hỏi, suy nghĩ sâu hơn, chăm sóc sức khỏe hoặc đơn giản là kết thúc công việc đúng giờ, khi ấy AI mới thật sự giúp con người làm việc ít đi.Còn bạn thì sao? Từ khi dùng AI, bạn có thêm thời gian rảnh hay chỉ có thêm nhiều task đã hoàn thành hơn?

There is a strange irony in my relationship with AI.AI has contributed to me becoming unemployed.But unemployment gave me something I had been missing throughout years of full-time work:Time.And somehow, AI is also helping me turn that unexpected free time into an opportunity to pursue a dream I used to believe was far beyond what one person could realistically build.I do not just want to write a novel.My dream is a little bigger than that:I want to build a virtual world of my own.The novel is only the foundation.If I can take it far enough, I want that world to eventually have its own website, structured data, voices, visuals, videos, games, and perhaps one day, even films.That sounds fairly ambitious for someone who is currently unemployed.Yet strangely enough, at the very moment when AI makes me most uncertain about my career, it is also making me feel for the first time that:Maybe I really can start building this on my own.After 10 years as a developer, I started wondering: how valuable is writing code itself anymore?I have been working as a developer for around 10 years.That makes the speed at which AI is changing software development impossible for me to ignore.In the past, implementing a feature might start with reading requirements, navigating the codebase, understanding the existing flow, writing code, debugging, refactoring, testing, and so on.Today, AI can participate in almost every part of that process.Need a component?AI can write it.Need to refactor a function?AI can propose several approaches.Do not understand a piece of legacy code?AI can explain it.Need to figure out where a state is being modified across a large project?Give AI enough of the codebase and ask it to trace the flow.Regex, SQL, scripts, test cases, documentation, migrations, data processing...The list keeps getting longer.And what actually worries me is not that AI can write a function.The bigger question is:How much more work can one developer with AI accomplish compared with that same developer a few years ago?If a team once needed ten people, will it still need all ten in the future?I do not know.But I do know that I am gradually becoming evidence for why that question exists.Because the better I become at using AI, the more work I can handle by myself.Then, while the industry was going through all these changes, I became unemployed.I do not believe AI was the only cause. The economy, company downsizing, hiring demand, and many other factors all played a role.But for me, AI is clearly part of the larger shift that is taking place.And that leaves me in a rather ironic position:The technology that makes me worry that companies may need fewer people like me is also making me need fewer people to build my own projects.I no longer use AI just to write codeAt first, I used AI in much the same way many developers do:Task → ask AI → get code → modify it → run it.Over time, that workflow began to change.I stopped thinking of AI as merely a smarter autocomplete.Instead, I started giving it entire chains of work.Read the codebase.Find the relevant files.Analyze the problem.Suggest possible solutions.Implement one.Review the changes.Fix the issues.Generate a patch.Check what else might be affected.I gradually moved from asking isolated questions toward a more agentic workflow: breaking larger objectives into multiple steps and letting AI work through those steps under my supervision.For some tasks that I previously had to perform manually from beginning to end, I can now start with a different question:What result do I actually want at the end?Then I design a workflow that allows AI to move toward that result.Once I started thinking this way, I began looking at almost everything around me with a developer's instinct:“Can I automate this?”I started digitizing almost everything I doThis is probably where AI started changing not only how I code, but how I live.I run a rental shop.Instead of searching for an existing management system and forcing my workflow to fit somebody else's software, I can build my own system around the way my shop actually operates.Missing a feature?Build it.The workflow changes?Modify it.Need a new type of report?Add it.Want to produce audio content?I build my own TTS tool.Need a workflow for creating videos?I build video-processing tools.Want to collect social videos as research material and build my own dataset?I write tools to help with that.Whenever I encounter a repetitive task, my first instinct is increasingly to figure out how to automate it.Many of these tools are things I probably would never have built in the past.If writing one from scratch required several days or weeks of development, the problem simply would not have been important enough to justify the effort.AI changes that equation dramatically.An idea I have in the morning can sometimes become a working prototype by the evening.It may not be elegant.It may not be complete.But it works.And for me, that is a significant change.In the past, software was mostly something I built for companies or clients.Now I increasingly build software to increase my own capabilities.From software developer to someone who builds tools for himselfThis is probably the most interesting part of AI to me.Someone without a programming background can already do a great deal with AI.But when someone who already understands software development gains access to AI, the leverage becomes even greater.When AI gives me a piece of code, I do not have to blindly trust it.I can read it.I can see where the architecture is heading.I can recognize excessive coupling.I can tell when a piece of logic will become difficult to maintain.I can spot unnecessary abstraction.I know the difference between a quick hack that happens to work and something that has a reasonable path toward future expansion.After roughly ten years in the profession, what AI accelerates for me is no longer simply my ability to write code.It accelerates my ability to turn an idea into software.Those are not exactly the same thing.And the more I use AI, the more I realize:Programming experience does not become worthless because of AI. Its value shifts from “being able to manually write every line of code” toward “knowing what should be built, how it should be built, and whether AI is doing it correctly.”Of course, I had to pay some tuition to learn that lesson.And some of it was expensive.I trusted AI too much once and ended up with a pile of garbage I could no longer debugThere was a period when I became accustomed to how quickly AI could modify code.A bug appeared?Give it to AI.AI fixed it.Another bug?Give it back.It fixed that too.The application seemed to work.Keep going.New feature?Add another patch.Patch on top of patch.And because results arrived so quickly, there were times when I skipped something no experienced developer should skip:Code review.Eventually, the source still worked in certain flows, but internally the architecture had turned into a mess.Fix one thing, break another.AI would read code that AI itself had generated and add yet another patch on top of it.The context kept growing.The original architectural decisions gradually disappeared.Eventually, I reached the worst possible state:I could no longer debug it.The price was rewriting a large portion of the codebase from scratch.Painful.But useful.It taught me a rule I now try very hard to follow:AI can write code extremely quickly. But I am still responsible for the codebase.Skipping review because “AI probably got it right” is basically the same as merging code from a developer you have never met without reading the diff.Except this particular developer can generate thousands of lines of code while you are making coffee.Then sometimes I go too far in the opposite directionAfter that experience, I became much more careful about reviewing AI-generated code.Sometimes perhaps... too careful.This is where ten years of programming habits become a slightly ridiculous problem.I look at a piece of AI-generated code and think:“It works, but it is ugly.”So I ask AI to rewrite it.“This function is too long.”Rewrite it.“Separate the responsibilities.”Rewrite it.“This naming does not follow the convention.”Rewrite it.“This architecture will be difficult to extend later.”Rewrite it.“Refactor it and make it clean.”Rewrite it again.Eventually, I may have spent several hours polishing a personal tool that I will use only a few times a month.No additional revenue.No user cares.No additional problem has been solved.But the code looks beautiful.Beautiful in a way that is... economically meaningless.This may be one of my hardest old habits to break.Years of software development taught me that code should be clean, maintainable, standardized, and extensible.That is not wrong.But AI increases the speed of software creation so dramatically that another question becomes much more important:“Is this piece of code actually worth another two hours of polishing?”I still do not always answer that question correctly.Sometimes I am working on a tool that only I use, glance at the clock after midnight, and realize:I just refactored something that will probably never need to scale.AI saved me three hours of writing code.Then I spent exactly those three hours asking AI to make the code prettier.Net time saved: zero.Very developer of me.AI does not give me more free time. It gives me the ability to do moreAnd that is probably my answer to the question “Easier or Busier with AI?”For each individual task:Much easier.For my life as a whole:Busier.Something that used to take four hours may now take one.But those other three hours do not magically become leisure time.Instead, I think:“Then I can build this too.”Already have a TTS tool?Build the next stage of the audio pipeline.Already have a website?Improve the data system.Already have the data?Automate more of the workflow.Automation works?Start thinking about which parts can be delegated to agents.AI does not make my to-do list shorter.It removes the limits on what I am willing to put on that list.And that is also how an old dream started becoming much more serious.15 years of reading fiction, 10 years of programming, and a dream that may be a little too ambitiousI have been reading fiction for around 15 years.Long enough to accumulate a great deal of knowledge that I never really thought of as “experience.”I have read enough stories to feel when a character's actions are unnatural.When a plotline is being forced.When a new power appears only because the protagonist needs to be saved.When a fictional world exists merely as background decoration rather than as a place governed by its own rules.I know what kind of worlds I enjoy.What types of plot devices I dislike.How I want characters to grow.And I want to build a world of my own.Thiên Đạo Chi Lộ started from that desire.But my ultimate goal is not simply to finish a novel.I want to build a world/IP that can exist across different forms of media.The novel is the foundation because it is the most accessible way to establish the lore, characters, history, geography, power systems, and conflicts of that world.But from that foundation, I want to keep experimenting.Audio.Images.Video.Interactive websites.Games.And, if I ever reach that point, films.Perhaps I will never make it to the final stage.But the important difference is that, for the first time, I can look at that entire chain and no longer immediately think:“You would need an entire company to do this.”Instead, I ask:“Which part can I build myself first?”AI does not replace my 15 years of reading or my 10 years of programmingThis is something I find particularly interesting.People often ask whether AI will make experience meaningless.My experience has been almost the opposite.The stronger AI becomes, the more valuable my accumulated experience feels.With code, I have around ten years of experience helping me recognize when AI is producing a reasonable solution and when it is building a technical time bomb.With fiction, I have spent around fifteen years reading enough stories to look at an idea AI proposes and say:“No.”“Too cliché.”“That character would never do that.”“This is too convenient.”“The world does not work that way.”“This idea is good, but it needs to be foreshadowed a hundred chapters earlier.”I do not need AI to make decisions for me.I need it to generate possibilities faster than I could generate them myself.Then I review.Challenge.Reject.Combine.Redirect.And ask it to continue.Seen this way, my role is changing significantly.In the past, I personally produced most of the output.Now, for many kinds of work, I increasingly behave like the person who designs the system, defines the standards, and reviews the output.Almost like a Tech Lead.Except sometimes my entire team is made of AI.The good news is that this team never asks for a raise.The bad news is that if I give it insufficient context, it can enthusiastically destroy production.From chatbot to AI agentsI think this is also the most important evolution in how I use AI.If I use AI only like this:“Write this function.”“Rewrite this paragraph.”“Create this prompt.”then AI is extremely useful, but it is still mostly a tool that responds to individual instructions.What interests me now is something different:AI executing an entire workflow.For example, an agent could receive an objective, inspect the current data, determine which steps are required, call the appropriate tools, generate an output, validate the result, and then hand it over to the next stage.Another agent could handle content.Another could review logic.Another could process data.Another could work on code.Automation can connect all of those stages.Of course, I still need to supervise a lot of it.And after letting AI turn one codebase into an undebuggable mess, I no longer believe in the fantasy of “press one button and AI will do everything.”But the direction itself fascinates me.Because when AI can use the tools I build, while I can also use AI to build new tools for AI...a rather interesting feedback loop appears:I use AI to build tools.Those tools allow AI to do more.A more capable AI workflow then helps me build the next generation of tools faster.For an individual, that is a level of leverage that I could barely imagine having only a few years ago.Maybe what I am building is not actually a novelThe further I go, the more I realize that Thiên Đạo Chi Lộ is only the most visible part.What I really want to build behind it is a system.A place where lore is stored in structured form.Characters have timelines.Factions have relationships.Events have causes and consequences.A website can consume that data.A TTS tool can transform the content into audio.Video tools can use character and world data to assist with content production.One day, perhaps a game could use the same data.And if the world expands further, other forms of media could still be built on top of the same foundation.At that point, my programming background and my love of fiction stop being two separate interests.They finally meet.Fifteen years of reading stories gives me the intuition for the world I want to create.Ten years of programming gives me the ability to turn that world into systems.AI gives me the leverage to attempt it at a scale I would never previously have considered possible for one person.That is the real dream.And I am still anxious about AII do not believe the statement:“AI is just a tool. There is nothing to worry about.”I think there is plenty to worry about.Repetitive jobs will be affected.Teams may become smaller.One person with AI can handle workloads that previously required several people.Productivity expectations will continue rising.And software development may gradually have to move away from measuring a developer's value by how much code they can personally write.That is frightening.Especially when I am the one looking for a job during this transition.But there is another truth I cannot ignore:If AI allows a company to accomplish more with fewer people, it also allows an individual to attempt things that previously only a company had enough resources to build.Those are not two different phenomena.They are two sides of the same one.The difference is simply which side of the table I am sitting on.As an employee, it scares me.As someone trying to create something of my own, it looks like an enormous door opening.The thing that helped take away my job may also help me build one for myselfI am still looking for work.I am still a developer.And if the right opportunity appears tomorrow, I will probably continue working professionally just as I did before.But something has changed.In the past, I believed that pursuing this dream would require:More money.More time.A writer.A designer.A video editor.A development team.Marketing.Perhaps even an entire studio.I no longer wait until I have all of those things.I am starting with what I already have:15 years of reading fiction.10 years of software development.A computer.The unexpected time that unemployment gave me.And AI.AI contributed to me losing my job.Unemployment gave me time to begin.Experience gives me the ability to review and guide AI.And AI gives someone like me the ability to code, build tools, automate workflows, create content, and gradually construct a world that I once believed would require an entire team.So has AI made my life easier or busier?Both.It makes each individual task easier.But it also makes the things I am willing to dream about much bigger.And when the dream gets bigger, the amount of work never really gets smaller.It is rather ironic that the technology that once made me ask:“Will companies still need a developer like me a few years from now?”is now making me ask a completely different question:“With AI, how much can a developer like me build on his own?”I do not know the answer yet.But at least now, I have the time to find out.

Có một nghịch lý khá buồn cười trong câu chuyện của tôi với AI.AI góp phần khiến tôi thất nghiệp.Nhưng thất nghiệp lại cho tôi thứ mà suốt nhiều năm đi làm full-time tôi luôn thiếu:Thời gian.Và rồi cũng chính AI giúp tôi biến khoảng thời gian bất đắc dĩ đó thành cơ hội để theo đuổi một giấc mơ mà trước đây tôi luôn nghĩ rằng một cá nhân không đủ nguồn lực để làm.Không chỉ là viết một bộ truyện.Ước mơ của tôi lớn hơn một chút:Tôi muốn xây dựng một thế giới ảo của riêng mình.Truyện chỉ là nền móng đầu tiên.Nếu có thể đi đủ xa, tôi muốn thế giới ấy có website, dữ liệu, hình ảnh, giọng nói, video, game, thậm chí một ngày nào đó là phim.Nghe khá tham vọng đối với một người đang thất nghiệp.Nhưng điều kỳ lạ là chính trong thời đại AI khiến tôi hoang mang nhất về nghề nghiệp, tôi lại lần đầu tiên cảm thấy:Có lẽ một mình mình thật sự có khả năng bắt đầu làm việc đó.Sau 10 năm làm lập trình, lần đầu tiên tôi tự hỏi: viết code còn đáng giá bao nhiêu?Tôi đã làm lập trình khoảng 10 năm.Vì vậy tôi cảm nhận rất rõ tốc độ AI đang thay đổi công việc này.Ngày trước, một feature có thể bắt đầu bằng việc đọc requirement, tìm source, xác định luồng xử lý, viết code, debug, refactor, test...Bây giờ rất nhiều đoạn trong quy trình đó đã có AI tham gia.Một component?AI viết.Một function cần refactor?AI đưa phương án.Không hiểu một đoạn code cũ?AI giải thích.Cần tìm nơi một state được thay đổi trong một project lớn?Cho AI đọc source.Regex, SQL, script, test case, documentation, migration, xử lý dữ liệu...AI ngày càng làm được nhiều hơn.Và điều khiến tôi thực sự lo lắng không phải chuyện AI có thể viết một function.Mà là:Một developer biết dùng AI có thể làm được bao nhiêu công việc so với chính developer đó vài năm trước?Nếu trước đây một team cần 10 người, sau này liệu có còn cần đủ 10 người?Tôi không biết.Nhưng tôi biết chính mình đang trở thành bằng chứng cho câu hỏi đó.Bởi càng dùng AI, lượng công việc một mình tôi có thể xử lý càng lớn.Rồi giữa lúc thị trường thay đổi, tôi thất nghiệp.Tôi không cho rằng AI là nguyên nhân duy nhất. Kinh tế, doanh nghiệp cắt giảm nhân sự, thị trường tuyển dụng và rất nhiều yếu tố khác đều có ảnh hưởng.Nhưng với riêng tôi, AI rõ ràng là một phần của sự thay đổi đang diễn ra.Và thế là tôi rơi vào một tình huống khá trớ trêu:Thứ khiến tôi lo mình không còn cần thiết với doanh nghiệp lại đang giúp tôi ngày càng ít cần đến một đội ngũ để làm những dự án của riêng mình.Tôi không chỉ dùng AI để viết code nữaBan đầu cách tôi dùng AI khá giống nhiều lập trình viên khác:Có task → hỏi AI → lấy code → sửa → chạy.Nhưng dần dần workflow thay đổi.Tôi bắt đầu không nhìn AI như một autocomplete thông minh nữa.Tôi bắt đầu giao cho nó cả một chuỗi công việc.Đọc source.Tìm các file liên quan.Phân tích vấn đề.Đề xuất hướng xử lý.Viết code.Chạy lại logic.Review thay đổi.Sửa tiếp.Tạo patch.Kiểm tra những phần có khả năng bị ảnh hưởng.Từ một câu hỏi đơn lẻ, tôi chuyển dần sang cách làm mang tính agentic hơn: chia mục tiêu lớn thành nhiều bước và để AI xử lý từng phần dưới sự giám sát của mình.Có những việc trước đây tôi phải ngồi làm từng bước bằng tay, bây giờ tôi chỉ cần định nghĩa:Tôi muốn kết quả cuối cùng là gì?Rồi xây workflow để AI tiến dần tới đó.Và khi đã quen với cách nghĩ này, tôi bắt đầu nhìn mọi công việc xung quanh bằng con mắt của một developer:“Cái này có tự động hóa được không?”Tôi bắt đầu số hóa gần như mọi thứ mình làmĐây có lẽ là lúc AI thực sự thay đổi cách tôi sống chứ không chỉ cách tôi code.Tôi có một cửa hàng cho thuê đồ.Thay vì tìm một phần mềm rồi cố ép quy trình của mình vào cách phần mềm đó hoạt động, tôi có thể tự xây một hệ thống quản lý phù hợp với chính cửa hàng của mình.Thiếu chức năng?Viết thêm.Quy trình thay đổi?Sửa.Cần thống kê một kiểu mới?Thêm.Tôi muốn làm nội dung audio?Tôi tự viết tool TTS.Muốn phục vụ quy trình làm video?Tự xây tool hỗ trợ video.Muốn thu thập các video social phục vụ việc nghiên cứu và xây dựng nguồn dữ liệu của riêng mình?Tôi viết công cụ hỗ trợ.Có một thao tác lặp đi lặp lại?Tôi nghĩ cách tự động hóa nó.Điều thú vị là rất nhiều tool trong số đó nếu trước đây phải tự viết hoàn toàn từ đầu, có thể tôi sẽ bỏ cuộc vì chúng không đủ quan trọng để dành vài ngày hoặc vài tuần phát triển.Nhưng với AI, chi phí để tạo một công cụ nhỏ giảm xuống rất mạnh.Một ý tưởng xuất hiện vào buổi sáng có thể đến buổi tối đã có prototype.Nó chưa chắc đẹp.Chưa chắc hoàn chỉnh.Nhưng nó chạy được.Và với tôi, đó là một thay đổi rất lớn.Ngày trước, phần mềm chủ yếu là thứ tôi viết cho công ty hoặc khách hàng.Bây giờ, tôi bắt đầu viết phần mềm để tăng năng lực cho chính mình.Từ lập trình viên thành người xây công cụ cho chính mìnhĐây là điểm mà tôi thấy AI thú vị nhất.Một người không biết lập trình có AI có thể làm được rất nhiều thứ.Nhưng một người đã có nền tảng lập trình rồi có thêm AI thì khả năng mở rộng còn lớn hơn nữa.Bởi khi AI đưa ra một đoạn code, tôi không nhất thiết phải tin nó.Tôi có thể đọc.Tôi biết architecture đang đi về đâu.Tôi biết đoạn này đang coupling quá chặt.Biết logic này sẽ khó maintain.Biết abstraction kia là thừa.Biết chỗ nào đang hack cho chạy và chỗ nào thực sự có thể mở rộng.Sau khoảng 10 năm làm nghề, điều AI tăng tốc cho tôi không chỉ là khả năng viết code.Nó tăng tốc khả năng biến một ý tưởng thành phần mềm.Hai thứ đó không hoàn toàn giống nhau.Và càng dùng AI, tôi càng nhận ra:Giá trị của kinh nghiệm lập trình không biến mất. Nó chuyển từ “tự tay viết từng dòng code” sang “biết nên xây cái gì, xây như thế nào và biết AI đang làm đúng hay sai”.Nhưng tôi cũng phải trả học phí cho bài học đó.Có lúc khá đắt.Tôi từng tin AI quá mức và nhận lại một đống rác không thể debugCó một giai đoạn tôi bắt đầu quen với việc AI sửa code rất nhanh.Một lỗi xuất hiện?Đưa cho AI.AI sửa.Lỗi khác?Đưa tiếp.Nó lại sửa.Thấy chạy được.Tiếp tục.Feature mới?Lại thêm.Patch chồng patch.Và vì kết quả đến quá nhanh, có lúc tôi bỏ qua thứ mà một lập trình viên đáng lẽ không bao giờ được bỏ qua:Review.Đến một thời điểm, source vẫn chạy ở một số luồng nhưng cấu trúc bên trong đã trở thành một mớ hỗn độn.Fix chỗ này vỡ chỗ khác.AI đọc phần code do chính AI tạo ra rồi tiếp tục vá lên nó.Context ngày càng lớn.Các quyết định architecture ban đầu bị phá vỡ dần.Cuối cùng tôi rơi vào trạng thái tồi tệ nhất:Không thể debug nổi nữa.Và cái giá phải trả là viết lại một phần rất lớn source code từ đầu.Khá đau.Nhưng cũng rất đáng giá.Nó khiến tôi nhận ra một nguyên tắc mà bây giờ tôi gần như luôn cố giữ:AI có thể code rất nhanh. Nhưng người chịu trách nhiệm cho source vẫn phải là tôi.Không review vì “AI chắc đúng” chẳng khác gì merge code của một developer mình chưa từng gặp mà không đọc diff.Chỉ khác ở chỗ developer này có thể viết vài nghìn dòng trong lúc mình đi pha cà phê.Nhưng đôi lúc tôi lại đi sang cực đoan ngược lạiSau cú đó, tôi review AI kỹ hơn.Có lẽ đôi khi… kỹ quá.Đây là nơi 10 năm làm nghề lại tạo ra một vấn đề khá buồn cười.Tôi nhìn đoạn code AI viết và nghĩ:“Chạy thì chạy đấy, nhưng xấu.”Rồi bắt nó sửa.“Function này dài quá.”Sửa.“Tách responsibility ra.”Sửa.“Tên này không đúng convention.”Sửa.“Architecture này sau này khó mở rộng.”Sửa.“Refactor lại cho clean.”Sửa tiếp.Đến lúc nhìn lại, tôi có thể đã dành vài tiếng để làm đẹp một tool cá nhân mà tổng cộng cả tháng chạy vài lần.Không thêm doanh thu.Không có user nào quan tâm.Không giải quyết thêm vấn đề gì.Nhưng code thì rất đẹp.Đẹp một cách... vô nghĩa về kinh tế.Đây có lẽ là một trong những thói quen cũ khó bỏ nhất của tôi.Làm developer lâu năm khiến tôi quen với suy nghĩ rằng code phải sạch, phải chuẩn, phải dễ mở rộng.Điều đó không sai.Nhưng AI khiến tốc độ tạo phần mềm tăng lên đến mức một câu hỏi khác trở nên quan trọng hơn:“Đoạn code này có thực sự đáng để mình dành thêm hai tiếng làm đẹp không?”Tôi vẫn chưa phải lúc nào cũng trả lời được đúng.Có hôm tôi đang làm một tool dùng cho chính mình, nhìn đồng hồ đã qua nửa đêm và chợt nhận ra:Tôi vừa refactor một thứ mà có lẽ chẳng bao giờ cần mở rộng.AI giúp tôi tiết kiệm ba tiếng viết code.Sau đó tôi dùng đúng ba tiếng đó để bắt AI viết lại code cho đẹp hơn.Không lời được phút nào.Đúng chất lập trình viên.AI không làm tôi rảnh hơn. Nó khiến tôi có khả năng làm nhiều việc hơnĐó cũng là câu trả lời của tôi cho chủ đề “Easier or Busier with AI?”Nếu xét từng task:Dễ hơn rất nhiều.Nhưng xét tổng thể cuộc sống:Tôi bận hơn.Trước đây một việc mất bốn tiếng.Bây giờ mất một tiếng.Nhưng ba tiếng còn lại không biến thành thời gian nghỉ.Tôi nghĩ:“Vậy làm thêm cái này.”Có tool TTS rồi?Làm tiếp pipeline audio.Có website rồi?Tối ưu dữ liệu.Có dữ liệu rồi?Nghĩ đến automation.Automation chạy được?Nghĩ tiếp xem phần nào có thể giao cho agent.AI không làm danh sách công việc của tôi ngắn lại.Nó làm giới hạn của danh sách đó biến mất.Và đây cũng là lúc một giấc mơ cũ bắt đầu trở nên nghiêm túc hơn.15 năm đọc truyện, 10 năm viết code và một giấc mơ hơi quá sứcTôi đọc truyện khoảng 15 năm.Đủ lâu để trong đầu tích lũy rất nhiều thứ mà trước đây tôi chưa từng nghĩ có thể gọi là “kinh nghiệm”.Tôi đọc đủ nhiều để cảm nhận khi một nhân vật hành động không tự nhiên.Khi một tuyến truyện đang bị ép.Khi một sức mạnh xuất hiện chỉ để cứu nhân vật chính.Khi thế giới tồn tại như phông nền thay vì một nơi có quy luật riêng.Tôi biết mình thích kiểu thế giới nào.Ghét kiểu tình tiết nào.Muốn nhân vật phát triển ra sao.Và tôi muốn xây một thế giới của riêng mình.Thiên Đạo Chi Lộ bắt đầu từ đó.Nhưng mục tiêu cuối cùng của tôi không chỉ là có một bộ tiểu thuyết.Tôi muốn xây dựng một world/IP có khả năng tồn tại ở nhiều hình thức khác nhau.Truyện là nền tảng vì nó là cách rẻ nhất để xây lore, nhân vật, lịch sử, địa lý, hệ thống sức mạnh và những xung đột của thế giới.Nhưng từ nền tảng đó, tôi muốn thử tiếp.Audio.Hình ảnh.Video.Website tương tác.Game.Và nếu một ngày đủ khả năng, phim.Có thể tôi sẽ không bao giờ đi được đến bước cuối.Nhưng điều quan trọng là lần đầu tiên tôi nhìn toàn bộ chuỗi đó và không còn nghĩ:“Muốn làm cái này chắc phải có cả một công ty.”Tôi bắt đầu nghĩ:“Phần nào mình có thể tự làm trước?”AI không thay thế 15 năm đọc truyện hay 10 năm lập trình của tôiĐây là điều tôi thấy khá thú vị.Người ta thường hỏi AI có làm kinh nghiệm trở nên vô nghĩa không.Trải nghiệm của tôi lại gần như ngược lại.AI càng mạnh, tôi càng thấy những năm mình đã tích lũy kinh nghiệm có giá trị.Với code, tôi có khoảng 10 năm để biết lúc nào AI đang tạo ra một giải pháp ổn và lúc nào nó đang xây một quả bom kỹ thuật.Với truyện, tôi có khoảng 15 năm đọc đủ nhiều để nhìn một ý tưởng AI đưa ra và nói:“Không.”“Quá cliché.”“Nhân vật sẽ không làm vậy.”“Đoạn này tiện quá.”“Thế giới không vận hành như thế.”“Ý này hay, nhưng phải gieo từ 100 chương trước.”Tôi không cần AI quyết định thay mình.Tôi cần nó tạo phương án nhanh hơn khả năng tôi tự tạo.Sau đó tôi review.Phản biện.Loại bỏ.Ghép lại.Định hướng.Và bắt nó làm tiếp.Nếu nhìn theo cách đó, vai trò của tôi đang thay đổi khá nhiều.Trước đây tôi là người trực tiếp sản xuất phần lớn đầu ra.Bây giờ ở nhiều công việc, tôi giống người thiết kế hệ thống, đưa ra tiêu chuẩn và review đầu ra hơn.Khá giống Tech Lead.Chỉ có điều team của tôi đôi lúc toàn là AI.Và thành viên này không đòi tăng lương, nhưng nếu giao task thiếu context thì có khả năng phá production với tinh thần làm việc cực kỳ nhiệt tình.Từ chatbot đến AI agentTôi nghĩ đây cũng là bước thay đổi quan trọng nhất trong cách tôi dùng AI.Nếu chỉ dùng AI theo kiểu:“Hãy viết function này.”“Hãy sửa đoạn text này.”“Hãy tạo prompt kia.”thì AI rất hữu ích, nhưng vẫn chỉ là một công cụ phản hồi yêu cầu.Điều tôi đang muốn tiến tới là một hệ thống khác:AI có thể thực hiện cả workflow.Ví dụ một agent có thể nhận một mục tiêu, đọc dữ liệu hiện tại, xác định các bước cần làm, gọi tool phù hợp, tạo đầu ra, kiểm tra kết quả rồi chuyển cho bước tiếp theo.Một agent khác xử lý nội dung.Một agent rà logic.Một agent làm dữ liệu.Một agent hỗ trợ code.Một workflow tự động có thể nối những việc đó lại với nhau.Tất nhiên hiện tại tôi vẫn phải kiểm soát rất nhiều.Và sau lần để AI biến source thành đống rác, tôi cũng không còn mơ mộng chuyện “bấm nút rồi AI làm hết”.Nhưng hướng đi đó khiến tôi cực kỳ hứng thú.Bởi khi AI có thể sử dụng chính những công cụ mà tôi viết, còn tôi lại có thể dùng AI để viết thêm công cụ mới cho nó...thì xuất hiện một vòng lặp khá đặc biệt:Tôi dùng AI để xây tool.Tool giúp AI làm được nhiều việc hơn.AI mạnh hơn lại giúp tôi xây tool mới nhanh hơn.Với một cá nhân, đây là một dạng đòn bẩy mà vài năm trước tôi gần như không thể có.Có lẽ thứ tôi đang xây không phải một bộ truyệnCàng làm, tôi càng nhận ra Thiên Đạo Chi Lộ chỉ là thứ dễ nhìn thấy nhất.Thứ tôi thực sự muốn xây phía sau nó là một hệ thống.Một nơi lore được lưu trữ có cấu trúc.Nhân vật có timeline.Thế lực có quan hệ.Sự kiện có nguyên nhân và hậu quả.Website có thể đọc dữ liệu đó.Tool TTS có thể biến nội dung thành audio.Tool video có thể lấy dữ liệu nhân vật và thế giới để hỗ trợ tạo nội dung.Một ngày nào đó game có thể dùng chính dữ liệu đó.Và nếu đi xa hơn nữa, những hình thức nội dung khác vẫn dựa trên cùng một thế giới.Lúc đó, kỹ năng lập trình và sở thích đọc truyện của tôi không còn là hai thứ tách biệt.Chúng gặp nhau.15 năm đọc truyện cho tôi cảm giác về thế giới mà mình muốn xây.10 năm lập trình cho tôi khả năng biến thế giới đó thành hệ thống.AI cho tôi lực lượng để thử làm nó với quy mô mà trước đây một mình tôi không dám nghĩ tới.Đó mới thực sự là giấc mơ của tôi.Và vì thế tôi vẫn hoang mang vì AITôi không tin câu:“AI chỉ là công cụ, không có gì phải lo.”Tôi nghĩ có rất nhiều thứ phải lo.Những công việc mang tính lặp lại sẽ bị ảnh hưởng.Team có thể nhỏ đi.Một người có AI có thể xử lý khối lượng việc trước đây cần nhiều người.Tiêu chuẩn năng suất sẽ tiếp tục tăng.Và nghề lập trình có lẽ sẽ phải dần rời khỏi việc đánh giá một người bằng số dòng code họ có thể viết.Điều đó đáng sợ.Đặc biệt khi chính tôi là người đang tìm việc trong thời điểm này.Nhưng có một sự thật khác mà tôi cũng không thể phủ nhận:Nếu AI khiến một công ty có thể làm nhiều việc hơn với ít người hơn, thì nó cũng khiến một cá nhân có thể làm được những việc trước đây chỉ công ty mới đủ nguồn lực làm.Hai mặt đó thực ra là cùng một hiện tượng.Chỉ khác việc mình đang đứng ở phía nào.Khi đứng ở vị trí người lao động, nó khiến tôi sợ.Khi đứng ở vị trí người muốn tạo ra một sản phẩm của riêng mình, nó khiến tôi thấy một cánh cửa rất lớn đang mở ra.Thứ lấy mất công việc của tôi cũng đang giúp tôi tự xây công việc cho mìnhTôi vẫn đang tìm việc.Tôi vẫn là một lập trình viên.Và có lẽ nếu ngày mai có một công việc phù hợp, tôi vẫn tiếp tục đi làm như trước.Nhưng có một thứ đã thay đổi.Trước đây tôi nghĩ muốn theo đuổi giấc mơ này, mình cần:Nhiều tiền hơn.Nhiều thời gian hơn.Một writer.Một designer.Một video editor.Một team developer.Marketing.Có thể cả một studio.Bây giờ tôi không còn đợi đủ tất cả những thứ đó nữa.Tôi bắt đầu từ những gì mình đang có:15 năm đọc truyện.10 năm làm lập trình.Một chiếc máy tính.Khoảng thời gian bất đắc dĩ sau khi thất nghiệp.Và AI.AI góp phần khiến tôi thất nghiệp.Thất nghiệp cho tôi thời gian để bắt đầu.Kinh nghiệm giúp tôi biết cách review và định hướng AI.Còn AI giúp một cá nhân như tôi có thể code, xây tool, tự động hóa workflow, làm nội dung và từng bước dựng nên một thế giới mà trước đây tôi luôn nghĩ phải cần cả một đội ngũ.Vậy AI khiến tôi Easier hay Busier?Cả hai.Nó khiến từng công việc dễ hơn.Nhưng khiến những thứ tôi dám mơ tới lớn hơn.Và khi giấc mơ lớn lên, công việc chẳng bao giờ ít đi.Khá trớ trêu khi thứ từng khiến tôi tự hỏi:“Liệu vài năm nữa người ta còn cần một lập trình viên như mình không?”lại đang khiến tôi đặt ra một câu hỏi hoàn toàn khác:“Với AI, một lập trình viên như mình có thể tự xây được bao nhiêu thứ?”Tôi chưa biết câu trả lời.Nhưng ít nhất bây giờ tôi có thời gian để thử.

Một buổi tối không giải thích đượcCó một buổi tối tôi kết thúc công việc sớm hơn thường lệ. Nhìn lại cả ngày, số việc xong nhiều hơn hẳn so với cùng ngày này của một năm trước. Không có sự cố nào. Không có cuộc họp nào kéo dài. Về lý thuyết, đó là một ngày tốt.Nhưng tôi ngồi đó và không làm nổi bất cứ việc gì khác. Không đọc được sách. Không nghĩ được gì tử tế. Chỉ trôi từ tab này sang tab khác trong trạng thái vừa rỗng vừa nặng.Điều làm tôi bận tâm không phải là sự mệt - làm việc thì mệt là chuyện bình thường. Điều làm tôi bận tâm là tôi không giải thích được nó. Tôi đã làm ít giờ hơn. Tôi đã bỏ được phần lớn những việc tay chân từng ngốn thời gian nhất. Theo mọi thước đo tôi đang dùng, hôm đó lẽ ra phải là một ngày nhẹ nhàng.Tôi nhận ra vấn đề - AI giúp tôi làm nhanh hơn, nhưng có chắc là tôi rảnh hơn không ? - với tôi không còn là một câu hỏi lý thuyết. Nó là câu hỏi tôi đã phải tự trả lời để hiểu chuyện gì đang xảy ra với chính mình.Và câu trả lời của tôi là: AI không làm giảm sự mệt. Nó đổi loại mệt. Loại mới nặng hơn, và tệ nhất là nó vô hình - không hiện lên trong bất kỳ thước đo nào chúng ta đang dùng.Hóa ra những việc lặp lại không hoàn toàn là gánh nặngĐây là điều đầu tiên tôi phải thừa nhận, và tôi thừa nhận một cách khá miễn cưỡng vì nó nghe như đang bênh vực sự kém hiệu quả.Trước đây, một ngày làm việc của tôi có nhịp lên xuống rất rõ. Có những đoạn đòi hỏi tư duy căng thẳng: thiết kế một giải pháp, quyết định hướng đi, xử lý một vấn đề chưa từng gặp. Nhưng xen giữa chúng là những đoạn có nhịp: viết phần khung lặp đi lặp lại, đặt tên cho các thành phần, dọn dẹp dữ liệu, sắp lại tài liệu, làm những thao tác mà tay bận nhưng đầu thì gần như được thả lỏng.Tôi từng gọi những đoạn đó là "công việc rác" và mơ đến ngày không phải làm nữa. Nhưng chúng có một chức năng mà tôi không nhận ra: chúng là những quãng nghỉ được ngụy trang thành công việc.Trong lúc tay làm những việc đó, đầu vẫn đang chạy ngầm. Rất nhiều lần lời giải cho vấn đề khó của buổi sáng đến với tôi vào lúc đang làm một việc buồn tẻ của buổi chiều. Không phải vì việc buồn tẻ đó thông minh, mà vì nó tạo ra một khoảng trống có kiểm soát - đủ nhàm để não không bị chiếm dụng, đủ có việc để tôi không thấy mình đang lãng phí thời gian và bỏ đi làm chuyện khác.Một ngày làm việc lành mạnh không phải là một ngày toàn đỉnh cao. Nó cần cả thung lũng. Và những việc lặp lại chính là thung lũng.AI cắt sạch thung lũng, chỉ để lại đỉnhĐây là chỗ mọi thứ thay đổi.AI giỏi nhất đúng ở phần thung lũng. Nó xử lý phần khung, phần lặp, phần buồn tẻ - nhanh và tốt. Đó là lý do ai cũng ngợi ca nó, và lời ngợi ca đó hoàn toàn xứng đáng.Nhưng hệ quả là: sau khi thung lũng bị lấp đầy, những gì còn lại trong ngày làm việc của tôi toàn là đỉnh.Mỗi phút còn lại đều là một phút phải phán đoán, phải đánh giá, phải chọn, phải chịu trách nhiệm. Không còn đoạn nào để trôi. Không còn khoảng nào để đầu tự sắp xếp lại. Tôi bước từ quyết định này sang quyết định kế tiếp, liên tục, suốt cả ngày.Tôi gọi thứ này là mật độ nhận thức - lượng suy nghĩ thực sự phải bỏ ra trên mỗi đơn vị thời gian làm việc.Và đây là mấu chốt: khối lượng công việc có thể giảm, thời gian có thể giảm, nhưng mật độ thì tăng vọt. Tám tiếng ra quyết định liên tục mệt hơn rất nhiều so với tám tiếng có ba tiếng thi hành xen kẽ - dù nhìn từ bên ngoài, ngày thứ hai trông "nhàn" hơn.Vấn đề là chúng ta đo công việc bằng số giờ và số đầu việc. Không ai đo mật độ. Không có ô nào trong bảng theo dõi cho nó. Nên khi mật độ tăng gấp đôi mà số giờ giảm đi một chút, mọi thước đo đều báo rằng bạn đang khỏe hơn, trong khi cơ thể bạn nói ngược lại. Và vì số liệu nói bạn ổn, bạn kết luận là mình yếu.Từ người làm thành người duyệt - và ba cái giá không ai nóiSự chuyển dịch này còn sâu hơn chuyện nhịp làm việc. Nó thay đổi cả vai trò.Trước đây tôi là người làm ra thứ gì đó. Giờ, phần lớn thời gian, tôi là người duyệt thứ do máy làm ra. Nghe thì có vẻ được thăng chức. Thực tế nó đi kèm ba cái giá mà tôi không thấy ai tính vào.Cái giá thứ nhất: đánh giá khó hơn tạo ra. Bất kỳ ai từng đọc code người khác viết đều biết cảm giác này - đọc một trăm dòng do người khác viết mệt hơn tự viết một trăm dòng. Khi tự làm, sự hiểu biết được xây dần theo từng bước; đến lúc xong, bạn đã hiểu nó từ trong ra. Khi duyệt, bạn nhận về một kết quả hoàn chỉnh và phải ngược dòng để hiểu, mà không có lợi thế của quá trình. Và với thứ do AI tạo ra, sự việc còn khó hơn: nó luôn trông đúng. Sai lầm không nằm ở chỗ lộ liễu, nó nằm ẩn dưới một bề mặt trơn tru và tự tin.Cái giá thứ hai: trách nhiệm không hề giảm theo. AI làm phần việc, nhưng cái tên ký ở dưới vẫn là của tôi. Nếu sai, không ai quan tâm phần đó do máy sinh ra. Nghĩa là tôi đã chuyển giao công sức mà không chuyển giao được rủi ro. Trong mọi cách sắp xếp lao động, đó là cách mệt nhất: mất phần dễ chịu của việc làm ra thứ gì đó, giữ nguyên phần nặng nề của việc chịu trách nhiệm về nó.Cái giá thứ ba: mất điểm dừng tự nhiên. Khi tự làm, có một thời điểm rất rõ ràng gọi là xong. Bạn kiệt sức, bạn đã bỏ ra ngần ấy công, và bạn dừng. Khi duyệt, điểm dừng đó biến mất. Luôn có thể tạo thêm một phương án nữa. Luôn có thể thử một hướng khác trong ba mươi giây. Ranh giới giữa "đủ tốt" và "còn có thể tốt hơn" từng được vẽ bởi giới hạn thể lực của chính bạn; giờ nó phải được vẽ bằng ý chí. Mà ý chí thì cạn nhanh hơn thể lực nhiều.Cái mất âm thầm nhất: thời gian ủCó một thứ nữa biến mất cùng với các quãng chậm, và tôi cho rằng nó là cái mất đáng lo nhất, đặc biệt với người phải ra quyết định.Đó là thời gian ủ - những bản nháp bị vứt đi, những lần viết lại từ đầu, đoạn ngồi nhìn màn hình mà chưa gõ được gì, lần đọc lại thứ ba khi bỗng nhận ra vấn đề thật nằm ở chỗ khác.Nhìn từ góc độ năng suất, tất cả những thứ đó đều là lãng phí. Nhưng chúng không phải là chi phí của việc tạo ra kết quả - chúng là chi phí của việc hình thành hiểu biết. Bản nháp bị vứt đi không vô ích: nó là cách tôi phát hiện mình đang nghĩ sai. Nếu bỏ qua bước đó và đi thẳng đến bản hoàn chỉnh, tôi có kết quả mà không có phần hiểu đi kèm.Và đây là chỗ dễ tự lừa mình nhất: rất dễ nhầm "làm xong" với "hiểu xong".Với một tài liệu, nhầm lẫn đó không sao. Với một quyết định về sản phẩm, về hướng đi, về việc nên bỏ cái gì - nó đắt. Bạn ra quyết định dựa trên một hiểu biết đi mượn, mượt mà và đầy đủ ở bề mặt, nhưng bạn không thực sự sở hữu nó. Đến lần sau gặp vấn đề tương tự, bạn vẫn phải hỏi lại từ đầu. Kinh nghiệm không tích lũy. Bạn đi nhanh mà không đi xa thêm.Và một nghịch lý nữa: làm gì cũng rẻ, nên cái gì cũng mởCòn một nguồn mệt nữa mà tôi chỉ nhận ra khá muộn, và nó thuần túy thuộc về người làm sản phẩm.Khi chi phí thử một ý tưởng giảm mạnh, tôi thử nhiều hơn. Điều đó nghe hoàn toàn hợp lý - thậm chí là khôn ngoan. Nhưng hệ quả là số việc đang dở dang trong đầu tôi tăng lên rất nhiều. Ba nhánh sản phẩm đang thăm dò. Hai thử nghiệm chưa kết luận. Một hướng nữa vừa mở ra tuần trước vì "chỉ mất một buổi để thử thôi".Sự mệt của người làm sản phẩm phần lớn không đến từ việc đang làm. Nó đến từ việc đang mở. Mỗi việc chưa đóng lại chiếm một chỗ thường trú trong đầu, kể cả khi bạn không đụng đến nó suốt hai tuần. AI làm chi phí mở ra giảm gần bằng không, nhưng chi phí giữ trong đầu thì không hề giảm - nó vẫn phụ thuộc vào bộ não bạn, thứ chưa được nâng cấp lần nào.Nói cách khác: AI hạ chi phí bắt đầu, nhưng không hạ chi phí mang vác. Và phần lớn cái nặng nằm ở việc mang vác.Vậy trả lời thẳng câu hỏi của đề bàiAI đã giúp tôi giảm khối lượng công việc hay chỉ thay đổi cách tôi làm việc?Nó giảm khối lượng thao tác, nhưng không giảm khối lượng công việc. Và nó tăng mật độ của phần công việc còn lại.Còn về chuyện "rảnh hơn" - tôi nghĩ chúng ta đang dùng sai định nghĩa. Rảnh không phải là không có việc trong lịch. Rảnh là không có việc trong đầu. Đó là trạng thái bạn có thể ngồi xuống với một cuốn sách và thực sự đọc được, thay vì đọc ba trang rồi nhận ra mình đang nghĩ về chuyện khác.Theo định nghĩa đó thì AI dọn dẹp cái lịch rất giỏi, nhưng nó không dọn được cái đầu. Có những lúc nó còn làm cái đầu đầy hơn - vì cái lịch trống ra thì lập tức có thứ mới được nhét vào, và vì mỗi việc giờ nặng hơn về mặt tư duy so với trước.Tôi đã điều chỉnh gìTôi không có mẹo tăng năng suất nào ở đây, vì vấn đề không nằm ở năng suất. Nhưng có vài điều chỉnh đã giúp tôi.Cố tình giữ lại một ít việc thủ công. Nghe phản logic, nhưng tôi giữ lại một số việc lặp lại mà đáng ra có thể tự động hóa, đơn giản vì tôi cần thung lũng. Đó không phải là kém hiệu quả - đó là bảo trì cho thứ công cụ quan trọng nhất trong ngày làm việc, tức là chính cái đầu của mình.Đo bằng số quyết định, không phải số giờ. Khi nhìn lại một ngày, tôi hỏi "hôm nay mình đã phải phán đoán bao nhiêu lần" thay vì "hôm nay mình làm mấy tiếng". Câu trả lời thường giải thích được sự mệt mà số giờ không giải thích nổi.Đặt trần cho số việc đang mở, thay vì cho số việc phải làm. Danh sách việc cần làm thì ai cũng có. Ít người có danh sách việc đang treo trong đầu và một giới hạn cứng cho nó. Với tôi, con số đó quan trọng hơn nhiều.Với những thứ thực sự quan trọng, cố tình đi chậm ở khâu hiểu. Trước khi nhờ AI, tôi tự viết ra vấn đề bằng ngôn ngữ của mình - thô, xấu, lộn xộn cũng được. Không phải để làm ra kết quả tốt hơn, mà để đảm bảo phần hiểu biết là của tôi chứ không phải đi mượn.Ngừng coi "xong sớm" là tín hiệu để nhận thêm việc. Đây là điều khó nhất, vì phản xạ đã ăn vào người. Nhưng nếu mọi khoảng trống vừa xuất hiện đều bị lấp ngay lập tức, thì không có công cụ nào trên đời làm bạn rảnh hơn được cả.Phản biện: đây có phải là than vãn của người có đặc quyền không?Tôi nghĩ câu hỏi này công bằng, và bài viết sẽ thiếu thành thật nếu né nó.Có rất nhiều công việc mà phần lặp lại chiếm gần như toàn bộ - nhập liệu, xử lý giấy tờ, dịch thuật khối lượng lớn, tổng hợp báo cáo theo mẫu. Với những công việc đó, AI mang lại sự nhẹ nhõm rất thật, và tôi không muốn dùng trải nghiệm của mình để phủ nhận điều đó. Nói rằng "việc lặp lại là quãng nghỉ quý giá" với một người ngồi nhập liệu tám tiếng mỗi ngày thì vừa sai vừa vô duyên.Luận điểm của tôi chỉ đúng trong phạm vi những công việc mà phần ra quyết định vẫn thuộc về con người - nơi AI lấy đi phần thi hành nhưng để lại nguyên phần phán đoán và trách nhiệm. Ở đó, cán cân dịch chuyển theo hướng tôi vừa mô tả.Và ngay cả khi đã thấy hết những điều này, tôi vẫn không muốn quay lại thời chưa có AI. Không một chút nào. Vấn đề không nằm ở công cụ. Vấn đề là chúng ta đã cập nhật cách làm việc nhưng chưa cập nhật cách đo và cách nghỉ - vẫn dùng thước đo của thời mà năng suất tỉ lệ thuận với số giờ ngồi bàn, để đo một kiểu lao động đã hoàn toàn khác về bản chất.Cái khan hiếm mớiNếu phải rút gọn tất cả vào một câu, tôi sẽ nói thế này.Khi tốc độ làm việc tăng lên, thứ khan hiếm không còn là thời gian nữa. Thứ khan hiếm là sự chú ý còn sót lại sau khi làm việc xong.Có thể có thêm ba tiếng trống trong ngày mà vẫn không dùng được chúng vào bất cứ việc gì có ý nghĩa, vì phần đầu óc cần cho ba tiếng đó đã bị tiêu sạch từ buổi sáng. Đó chính là lý do câu hỏi "AI có làm bạn rảnh hơn không" là một câu hỏi đặt sai. Nó hỏi về thời gian, trong khi thứ chúng ta thực sự đang mất là năng lực chú ý.Nên câu trả lời của tôi cho đề bài là: AI không giảm khối lượng công việc của tôi. Nó thay đổi cách tôi làm việc, và cùng với đó, nó thay đổi loại mệt tôi mang về nhà mỗi tối. Loại mệt mới này gọn gàng hơn, ít mồ hôi hơn, nhìn từ ngoài vào thì sạch sẽ hơn nhiều - và không hiện lên trong bất kỳ con số nào, kể cả trong cách tôi tự đánh giá chính mình.