Ngành công nghệ đang sôi động với những tuyên bố về tác động mang tính biến đổi của AI đối với việc phát triển phần mềm. GitHub khoe có 20 triệu người dùng Copilot , trong khi CEO của Google tuyên bố rằng hơn 25% mã code của họ hiện được tạo ra bởi AI. Tuy nhiên, ngày càng có nhiều lập trình viên đặt câu hỏi liệu những công cụ này có thực sự làm cho họ làm việc hiệu quả hơn hay không.
Thống kê sử dụng công cụ AI:
- GitHub Copilot : 20 triệu người dùng
- Google : 25%+ mã code hiện tại được tạo bởi AI
- Mẫu nghiên cứu: 16 lập trình viên với 5 năm kinh nghiệm trung bình
- Thời gian kinh nghiệm AI của lập trình viên: ~1.5 năm điển hình
Sự Khác Biệt Giữa Marketing Và Thực Tế
Các nghiên cứu gần đây cho thấy rằng các lập trình viên có kinh nghiệm thực sự có thể trở nên chậm hơn khi sử dụng các trợ lý lập trình AI. Một nghiên cứu đáng chú ý với sự tham gia của 16 lập trình viên có kinh nghiệm trung bình về AI đã cho ra kết quả hỗn hợp, mặc dù chính các nhà nghiên cứu cũng cảnh báo không nên rút ra những kết luận rộng rãi từ quy mô mẫu hạn chế của họ. Điều này tạo ra một sự căng thẳng thú vị giữa các chỉ số thành công của doanh nghiệp và trải nghiệm cá nhân của lập trình viên.
Cuộc thảo luận trong cộng đồng cho thấy sự hoài nghi về cả những tuyên bố của các công ty AI và các nghiên cứu quy mô nhỏ. Một số lập trình viên cho rằng lợi ích của các công cụ AI thường được phóng đại, trong khi những người khác chỉ ra rằng nghiên cứu với quy mô mẫu nhỏ cũng không nên được coi là bằng chứng chắc chắn.
AI Xuất Sắc Trong Những Công Việc Mà Lập Trình Viên Không Thích
Nhiều lập trình viên báo cáo rằng các công cụ AI hoạt động tốt nhất cho những tác vụ tầm thường, lặp đi lặp lại chiếm một phần nhỏ trong công việc hàng ngày của họ. Những tác vụ này bao gồm tạo ra mã boilerplate, tạo các truy vấn cơ sở dữ liệu đơn giản, và chuyển đổi thiết kế thành các cấu trúc HTML cơ bản. Đối với các nguyên mẫu nhanh và proof-of-concept, AI có thể đặc biệt có giá trị trong các cuộc họp bán hàng và thuyết trình khách hàng.
Tuy nhiên, khi đến với việc giải quyết vấn đề phức tạp, quyết định kiến trúc hệ thống, và gỡ lỗi các vấn đề phức tạp, AI thường không đáp ứng được. Các lập trình viên thường xuyên gặp phải những tình huống mà mã do AI tạo ra gây ra các vấn đề về hiệu suất, lỗ hổng bảo mật, hoặc tạo ra nợ kỹ thuật mất nhiều thời gian sửa chữa hơn so với việc viết mã thủ công.
 |
|---|
| Một cuộc thảo luận phân tích về AI làm nổi bật sự khác biệt giữa các tác vụ tầm thường mà nó xuất sắc và những thách thức phần mềm phức tạp mà các nhà phát triển phải đối mặt |
Những Người Thắng Cuộc Thực Sự Có Thể Không Phải Là Lập Trình Viên
Một quan sát thú vị từ cộng đồng lập trình viên là các công cụ AI dường như mang lại lợi ích cho các bên liên quan phi kỹ thuật nhiều hơn so với chính các lập trình viên. Các product manager có thể nhanh chóng tạo ra các nguyên mẫu để truyền đạt ý tưởng. Các đội bán hàng có thể tạo demo nhanh hơn. Các quản lý có thể nhận được tóm tắt tự động về tình trạng dự án mà không cần các cuộc họp dài.
Những người thu được lợi ích nhiều nhất từ tất cả những công cụ này không phải là các lập trình viên—mà là tất cả những người xung quanh không viết code.
Sự thay đổi này có những tác động đáng kể đối với ngành phần mềm. Các nhà lãnh đạo doanh nghiệp phi kỹ thuật có thể trở nên tin tưởng rằng họ có thể giảm sự phụ thuộc vào nhân tài lập trình viên đắt đỏ, có thể dẫn đến những thay đổi về lực lượng lao động và thay đổi động lực nhóm.
Nợ Kỹ Thuật Và Mối Quan Ngại Về Bảo Mật
Các lập trình viên liên tục báo cáo rằng mã do AI tạo ra thường gây ra nợ kỹ thuật và các vấn đề bảo mật. Các hệ thống AI có xu hướng ưa chuộng các giải pháp phức tạp hơn so với những giải pháp đơn giản, hiếm khi tái sử dụng các mẫu mã hiện có, và không hiểu được những tác động kiến trúc rộng hơn của các đề xuất của chúng. Các vấn đề phổ biến bao gồm các truy vấn cơ sở dữ liệu N+1, xử lý lỗi không đúng cách, và các lỗ hổng bảo mật như rủi ro SQL injection .
Quá trình gỡ lỗi và xem xét mã thường mất nhiều thời gian hơn khi có sự tham gia của AI, vì các lập trình viên phải cẩn thận kiểm tra mã được tạo ra để tìm các vấn đề tinh vi mà sẽ không tồn tại trong các giải pháp viết tay.
Các vấn đề phổ biến trong code AI:
- Vấn đề truy vấn cơ sở dữ liệu N+1
- Lỗ hổng bảo mật (tấn công SQL injection)
- Tích lũy nợ kỹ thuật
- Ưu tiên giải pháp phức tạp hơn giải pháp đơn giản
- Mô hình tái sử dụng code kém
- Xử lý lỗi không đầy đủ
Mối Quan Ngại Về Bong Bóng Kinh Tế
Cuộc thảo luận cũng đề cập đến những mối quan ngại kinh tế rộng hơn về tính bền vững của đầu tư AI. Với các công ty công nghệ lớn như Microsoft , Amazon , Meta , Google , và Tesla đại diện cho khoảng 40% doanh thu của NVIDIA , sự bùng nổ AI tạo ra những rủi ro tập trung thị trường đáng kể. Nhiều công ty dịch vụ AI hoạt động thua lỗ trong khi giữ giá tiêu dùng thấp một cách nhân tạo, đặt ra câu hỏi về khả năng tồn tại lâu dài.
Động lực thị trường AI hiện tại phản ánh một số khía cạnh của bong bóng dot-com, mặc dù công nghệ cơ bản và các trường hợp sử dụng có thể chứng minh được tính bền vững hơn so với các khoản đầu tư đầu cơ xung quanh chúng.
Sự tập trung doanh thu của NVIDIA:
- 40% doanh thu của NVIDIA đến từ 5 công ty
- Khách hàng chủ chốt: Microsoft , Amazon , Meta , Google , Tesla
- Rủi ro: Một khách hàng duy nhất giảm chi tiêu cho AI có thể tác động đáng kể đến giá cổ phiếu
- Tính dễ tổn thương của thị trường tương tự như sự tập trung trong thời kỳ bong bóng dot-com
Nhìn Về Phía Trước
Mặc dù các công cụ AI có thể sẽ vẫn là một phần của bối cảnh phát triển phần mềm, vai trò của chúng có thể hạn chế hơn so với những gì marketing hiện tại gợi ý. Công nghệ này cho thấy tiềm năng cho các trường hợp sử dụng cụ thể như tự động hóa các tác vụ lặp đi lặp lại, tạo ra các bản nháp mã ban đầu, và hỗ trợ với tài liệu. Tuy nhiên, công việc cốt lõi của kỹ thuật phần mềm—hiểu yêu cầu, thiết kế hệ thống, và giải quyết các vấn đề phức tạp—vẫn đòi hỏi chuyên môn và phán đoán của con người.
Tương lai có thể thấy các công cụ AI trở nên chuyên biệt hơn và được tích hợp tốt hơn vào quy trình phát triển, thay vì thay thế hoàn toàn các lập trình viên. Thành công có thể sẽ phụ thuộc vào việc tìm ra sự cân bằng đúng đắn giữa hỗ trợ AI và giám sát của con người.
Tham khảo: About Al