AI và quyền được đi chậm
Code nhanh hơn, nhưng người lập trình có đủ thời gian để hiểu, kiểm chứng và bảo trì? Một suy nghĩ về AI và quyền giảm tốc.
Gần đây, OpenAI công bố lời giải cho bài toán Navier-Stokes, một trong những Bài toán Thiên niên kỷ với giải thưởng một triệu USD cho mỗi bài. Mình tìm hiểu để làm một bài phân tích. Quay xong một video short, mình tiếp tục tìm xem các giáo sư toán học phản ứng thế nào trước thông tin ấy.
Rồi mình đọc được bài GS Ngô Bảo Châu đăng. Đó là một tuyên bố chung mà ông cùng ký tên, lo ngại cuộc đua giải toán bằng AI đang lệch khỏi mục đích phát triển hiểu biết toán học.
Chụp từ bài đăng Facebook, ngày 13/09/2026. Mình thêm phần tô vàng; giữ nguyên nội dung.
Mình thấy quan điểm ấy thú vị, dù giọng điệu có phần phòng thủ. Nó khá khớp với điều mình nghĩ về AI trong ngành lập trình: chúng ta tạo ra kết quả nhanh hơn, nhưng khả năng hiểu và kiểm soát những gì mình làm ra chưa chắc đã theo kịp.
Phần việc sau khi có code
AI sinh code nhanh. Ngành phần mềm còn phải lo cả software lifecycle: thiết kế, kiểm thử, triển khai, vận hành và bảo trì. Chúng ta cần tiêu chuẩn an toàn, học liệu và cách đào tạo người mới. Doanh nghiệp còn phải tổ chức công việc để làm ra sản phẩm hiệu quả, và để người làm ra sản phẩm ấy có thể sống vui vẻ với nghề.
Một giải pháp chạy được hôm nay có thể khiến người bảo trì tháng sau mất nhiều công hơn. Người học cần thời gian tự debug để hiểu. Người review cần đủ thời gian đọc trước khi chịu trách nhiệm. Nếu phần thời gian AI tiết kiệm được chỉ khiến mọi người nhận thêm việc, mình lo chúng ta đang tăng cả nguy cơ burnout.
Test pass hay thêm một lượt AI review chưa đủ khiến mình yên tâm. Nếu code xuất hiện nhanh hơn khả năng kiểm tra, ai còn nắm được những giả định trong từng module, từng hàm, và rủi ro khi chúng tương tác với nhau?
Chiếc mô tô mà ai cũng phải lên
Mình hình dung cả ngành đang bị đưa lên một chiếc mô tô tốc độ cao. Phanh chưa ổn, đường vẫn gồ ghề, nhưng mọi người đã giục nhau phải có động cơ mạnh hơn và phóng nhanh hơn.
Bạn có thể chọn không dùng AI. Nhưng nếu người quản lý đã đặt deadline theo tốc độ của AI, bạn vẫn phải chạy theo nhịp ấy. Muốn chậm lại để hiểu hệ thống cũng khó, vì người khác có thể xem đó là thiếu năng lực.
Nếu toán học cũng phải lên xe
Mình lo những ngành khoa học nền tảng sẽ đi vào nhịp ấy. Giả sử AI tạo ra các kết quả toán học nhanh đến mức giới nghiên cứu không kịp hiểu sâu, hệ thống hóa và xác định cách sử dụng chúng. Khoảng cách đang thấy trong lập trình có thể xuất hiện ở nơi nhiều ngành khác lấy làm nền tảng.
Thử hình dung một kết quả như vậy được dùng trong mô hình phục vụ công nghệ năng lượng mới. Đây là giả định, không phải một công nghệ đã tồn tại. Một chứng minh đúng chưa đủ để bảo đảm mô hình phù hợp với thế giới vật lý, càng chưa đủ để bảo đảm thiết bị an toàn. Con người vẫn cần kiểm tra giả định, thực nghiệm và giới hạn vận hành.
Mình không cho rằng cứ chưa hiểu trọn vẹn là không được ứng dụng. Nhưng nếu người chịu trách nhiệm cũng không nắm được phạm vi áp dụng, trong khi tốc độ triển khai cứ tăng, mình thấy khó yên tâm.
AI có thể giúp chúng ta bớt việc lặp lại, dành thêm thời gian học và kiểm chứng. Mình muốn phần năng lực ấy giúp người làm nghề được làm việc chắc chắn hơn, thay vì chỉ nâng định mức. Và khi thấy mình chưa đủ hiểu để chịu trách nhiệm, chúng ta vẫn phải có quyền giảm tốc.
Bình