Thế giới lập trình đang trải qua một cuộc tranh luận sôi nổi về khả năng thực sự của trí tuệ nhân tạo, khi các lập trình viên chia sẻ những trải nghiệm rất khác nhau với các công cụ lập trình AI trong các dự án thực tế. Trong khi một số ca ngợi AI như một công cụ tăng năng suất, những người khác lại phát hiện ra những hạn chế nghiêm trọng thách thức sự cường điệu xung quanh lập trình tự động.
Sự Phân Chia Lớn Trong Lập Trình AI
Cộng đồng lập trình viên đã chia thành hai phe rõ rệt. Một bên là những người nhiệt tình ca ngợi khả năng của AI trong việc đẩy nhanh công việc phát triển. Bên kia là những người hoài nghi chỉ ra những thất bại và hạn chế đáng kể. Sự phân chia này phản ánh sự không chắc chắn rộng lớn hơn về việc liệu AI có thực sự biến đổi lập trình hay chỉ đơn giản tạo ra những vấn đề mới cần giải quyết.
Những trải nghiệm gần đây được các lập trình viên chia sẻ vẽ nên một bức tranh phức tạp. Một số báo cáo rằng các công cụ AI giúp ích cho các tác vụ thường ngày và tăng năng suất. Tuy nhiên, những người khác mô tả những cuộc gặp gỡ bực bội với mã do AI tạo ra có vẻ hoạt động nhưng chứa những lỗi ẩn hoặc tạo ra những cơn ác mộng bảo trì.
Cộng đồng Developer chia rẽ về tác động của AI:
- Những người đam mê AI: Báo cáo về việc tăng năng suất, giải quyết vấn đề nhanh hơn, đặc biệt có lợi cho các developer mới bắt đầu học các kỹ năng mới
- Những người hoài nghi về AI: Chỉ ra các dự án thất bại, việc tạo code không đáng tin cậy, và sự cường điệu của doanh nghiệp vượt quá khả năng thực tế
- Nhóm thực dụng ở giữa: Xem AI như một công cụ hữu ích cho các tác vụ cụ thể nhưng nhấn mạnh nhu cầu giám sát của con người và tư duy phản biện
Khi AI Không Đáp Ứng Được Kỳ Vọng
Các ví dụ thực tế tiết lộ nơi mà các công cụ AI hiện tại gặp khó khăn nhất. Các lập trình viên báo cáo rằng AI thường thất bại trong việc gỡ lỗi các hệ thống legacy phức tạp, hiểu bối cảnh kinh doanh, và xử lý những thực tế lộn xộn của phát triển phần mềm doanh nghiệp. Một lập trình viên đã thừa hưởng một dự án iOS được tạo hoàn toàn bằng ChatGPT , mô tả nó thậm chí không gần với việc hoạt động với hàng nghìn commit không thể biên dịch được.
Khoảng cách giữa những minh chứng ấn tượng của AI và ứng dụng thực tế trở nên rõ ràng khi xử lý các codebase được tài liệu hóa kém, báo cáo lỗi mơ hồ, hoặc các hệ thống đã phát triển qua nhiều năm. Những tình huống này đòi hỏi trực giác và kinh nghiệm con người mà các mô hình AI hiện tại không thể sao chép.
90% công việc thực sự khó nhọc là 'ghép thêm một phần phụ vào con quái vật ghê tởm của Chúa này' hoặc 'nhìn vào đống rác này, tìm hiểu tại sao nó xảy ra và sửa nó'. LLM gần như vô dụng cho cả hai việc đó.
Những Hạn Chế Chính Của Công Cụ Lập Trình AI Được Các Nhà Phát Triển Xác Định:
- Gỡ lỗi các hệ thống cũ phức tạp và các codebase thiếu tài liệu
- Hiểu bối cảnh kinh doanh và yêu cầu của tổ chức
- Xử lý các báo cáo lỗi mơ hồ hoặc không đầy đủ từ người dùng
- Quản lý các hệ thống đã phát triển qua nhiều năm
- Tránh tạo ra các cấu trúc mã "frankenstein" khó bảo trì
- Duy trì tính nhất quán trên các hệ thống phần mềm lớn, có kết nối với nhau
Kinh Tế Đằng Sau Sự Cường Điệu
Cuộc thảo luận mở rộng ra ngoài khả năng kỹ thuật đến động cơ kinh tế. Nhiều lập trình viên nghi ngờ rằng sự nhiệt tình của doanh nghiệp đối với AI xuất phát từ mong muốn cắt giảm chi phí hơn là cải thiện năng suất thực sự. Các công ty có thể đang vội vàng triển khai các giải pháp AI mà không hiểu đầy đủ những hạn chế của chúng, dẫn đến việc sa thải dựa trên những kỳ vọng không thực tế.
Áp lực kinh tế này tạo ra một chu kỳ đáng lo ngại khi các doanh nghiệp giảm lập trình viên con người với kỳ vọng AI sẽ lấp đầy khoảng trống, chỉ để phát hiện ra rằng AI không thể xử lý công việc phức tạp, phụ thuộc vào bối cảnh mà các lập trình viên có kinh nghiệm quản lý hàng ngày. Kết quả có thể là tiết kiệm chi phí ngắn hạn theo sau bởi tổn thất năng suất dài hạn.
Nhìn Ra Ngoài Sự Hỗn Loạn Hiện Tại
Bất chấp những cuộc tranh luận sôi nổi, một số lập trình viên vẫn duy trì sự lạc quan về vai trò của AI như một công cụ thay vì một sự thay thế. Họ lập luận rằng AI hoạt động tốt nhất khi tăng cường khả năng con người thay vì cố gắng thay thế họ hoàn toàn. Quan điểm này cho thấy rằng tích hợp thành công đòi hỏi hiểu biết cả điểm mạnh và hạn chế của AI.
Sự không chắc chắn hiện tại thực sự có thể có lợi cho những người mới bước vào lập trình, vì các công cụ AI có thể giúp người mới bắt đầu học nhanh hơn trong khi các lập trình viên có kinh nghiệm thích ứng kỹ năng của họ để làm việc cùng với trí tuệ nhân tạo. Tuy nhiên, giai đoạn chuyển đổi này vẫn thách thức đối với tất cả mọi người liên quan.
Nghề lập trình dường như đang bước vào một giai đoạn tương tự như các ngành công nghiệp khác đã tích hợp các công cụ mới mạnh mẽ. Thành công có thể sẽ phụ thuộc vào việc học cách sử dụng AI hiệu quả trong khi duy trì tư duy phản biện và kỹ năng giải quyết vấn đề vẫn là độc nhất của con người.
Tham khảo: The Uncertain Future of Coding Careers and Why I'm Still Hopeful