Khi code không còn là lợi thế lớn nhất của người làm công nghệ

Có một thời, trong một dự án phần mềm, developer giỏi thường có tiếng nói khá lớn. BA có thể viết requirement, PM có thể lên kế hoạch, nhưng đến lúc hệ thống chạy được hay không thì cuối cùng vẫn phải chờ người viết code.

AI đang làm cán cân đó thay đổi. Không phải vì code không còn quan trọng, mà vì khả năng tạo ra code đang dần trở nên dễ tiếp cận hơn.

Có một thời, code là năng lực khá khan hiếm

Một yêu cầu tưởng đơn giản đôi khi phải chờ developer vài ngày mới biết có làm được hay không. Muốn dựng một màn hình, viết API, xử lý dữ liệu hay thử một ý tưởng mới đều cần người có đủ kỹ thuật để biến nó thành phần mềm.

Vì vậy, người code tốt đương nhiên có lợi thế. Họ hiểu framework, database, architecture, performance và biết cách biến requirement thành thứ chạy được.
Những kỹ năng đó vẫn quan trọng. Chỉ có điều, AI đang làm chi phí để tạo ra một phiên bản phần mềm giảm xuống rất nhanh.

Một người bây giờ có thể đi xa hơn trước rất nhiều

Ngày trước, có một ý tưởng chưa chắc đã đủ điều kiện để thử.

Phải tìm hiểu công nghệ, thiết kế database, dựng giao diện, viết backend, chuẩn bị dữ liệu rồi kiểm thử. Với một cá nhân, nhiều ý tưởng dừng lại đơn giản vì không đủ thời gian.
Bây giờ AI có thể hỗ trợ gần như toàn bộ chuỗi đó. Nó có thể phân tích yêu cầu, dựng prototype, viết SQL, tạo API, sinh dữ liệu mẫu, viết test case và đọc log khi xảy ra lỗi.

Một người biết điều phối các công cụ này có thể làm lượng công việc trước đây cần cả một nhóm nhỏ.

Khi khả năng “làm ra thứ gì đó” tăng lên rất nhanh, lợi thế bắt đầu chuyển sang khả năng xác định “thứ gì thực sự đáng làm”.

AI viết được code, nhưng nó cần biết bài toán

Giả sử doanh nghiệp yêu cầu:

“Không cho phép giao hàng vượt quá số lượng Sales Order.”

Đây là một rule khá dễ code.

Nhưng người hiểu nghiệp vụ sẽ bắt đầu hỏi thêm.

• Một Sales Order có nhiều dòng cùng Item thì tính thế nào?
• Nhiều Delivery cùng tham chiếu về một đơn hàng thì sao?
• Đơn vị tính có chuyển đổi không?
• Hàng bonus có tính vào giới hạn không?
• Đã giao rồi cancel chứng từ thì quantity được trả lại thế nào?
• Có trường hợp nào được phép giao vượt với tolerance không?

Viết câu SQL để block giao dịch có thể chỉ mất vài phút. Hiểu đủ bài toán để câu SQL đó không chặn nhầm nghiệp vụ mới là phần khó.

Đây là khoảng cách giữa coding và solution

Một đoạn code có thể đúng về syntax nhưng sai về business.
Một API có thể trả đúng dữ liệu nhưng đặt sai vị trí trong quy trình.
Một dashboard có thể đẹp nhưng không giúp người quản lý đưa ra quyết định nào.
Một automation có thể chạy hoàn hảo nhưng tự động hóa luôn cả một quy trình vốn đang thiết kế sai.

Đây là phần AI chưa tự giải quyết được chỉ bằng khả năng sinh code. Nó cần context. Và người cung cấp context tốt thường là người hiểu hệ thống, dữ liệu, quy trình và người dùng.

Developer có cần biến thành BA?

Không nhất thiết.

Một developer vẫn cần nền tảng kỹ thuật đủ sâu để biết code AI tạo ra có an toàn, maintainable và phù hợp kiến trúc hay không. Nhưng chỉ kỹ thuật thôi sẽ ngày càng khó tạo khoảng cách lớn như trước.

Người làm công nghệ có thể mở rộng thêm một lớp kiến thức:

• Business process cơ bản.
• Cách dữ liệu chạy qua các phòng ban.
• Accounting và financial impact ở mức cần thiết.
• Quy trình mua – bán – kho – sản xuất.
• Business rule và exception.
• Cách người dùng thực sự làm việc.

Không cần trở thành chuyên gia mọi lĩnh vực. Nhưng cần đủ hiểu để biết câu hỏi nào phải hỏi trước khi bắt đầu xây.

Kỹ thuật sâu vẫn có giá trị

Nói AI làm coding dễ hơn không có nghĩa nền tảng kỹ thuật hết quan trọng.

Ngược lại, khi AI tạo ra ngày càng nhiều code, người hiểu architecture, security, database, concurrency, performance và integration càng cần thiết để kiểm soát chất lượng. Điểm thay đổi nằm ở chỗ developer không nhất thiết phải tự gõ từng dòng code để chứng minh năng lực. Giá trị nằm nhiều hơn ở khả năng thiết kế, đánh giá, phát hiện rủi ro và quyết định giải pháp nào nên được sử dụng.

AI cũng làm ranh giới giữa các vai trò mờ dần

BA có thể dùng AI để dựng prototype.
Developer có thể dùng AI để phân tích requirement.
Tester có thể tạo automation script nhanh hơn.
Người làm dữ liệu có thể dựng một ứng dụng nhỏ mà trước đây phải nhờ đội development.
Ranh giới BA – DEV – QC – Data vì vậy có thể không biến mất, nhưng trở nên mềm hơn.

Điều giữ mỗi người có giá trị không còn đơn thuần là công cụ họ biết sử dụng. Đó là loại vấn đề họ có khả năng giải quyết.

Với sinh viên công nghệ, có lẽ nên học rộng thêm một chút

Học thuật toán, database, cấu trúc dữ liệu và lập trình vẫn cần thiết. Nhưng bên cạnh đó, có thể thử tìm hiểu một quy trình kinh doanh thật.

Một đơn bán hàng đi từ khách hàng đến kho và kế toán như thế nào?
Một nhà máy tính nhu cầu nguyên vật liệu ra sao?
Một doanh nghiệp biết mình đang lời ở sản phẩm nào bằng cách nào?
Một dashboard lấy dữ liệu từ đâu và người quản lý dùng nó để quyết định việc gì?

Những câu hỏi đó ban đầu có vẻ không liên quan đến coding. Nhưng sau này chúng lại quyết định khá nhiều việc mình sẽ code.

Một thế hệ developer khác đang hình thành

Có thể vài năm tới, việc hỏi một developer biết bao nhiêu framework sẽ bớt quan trọng hơn hiện nay.

Thay vào đó là những câu hỏi khác:

• Bạn hiểu vấn đề đến đâu?
• Bạn có biết đặt câu hỏi đúng không?
• Bạn thiết kế giải pháp thế nào?
• Bạn biết AI đang sai ở đâu không?
• Bạn có nhìn thấy ảnh hưởng của thay đổi này đến phần còn lại của hệ thống không?
• Và cuối cùng, giải pháp đó có thực sự tạo ra giá trị không?

AI có thể làm cho một người code nhanh hơn. Nhưng hiểu đúng vấn đề vẫn là thứ quyết định chúng ta đang đi nhanh về đúng hướng hay chỉ đang làm sai nhanh hơn.

Đọc thêm

Nếu đang ở giai đoạn lựa chọn hướng nghề nghiệp, có thể đọc thêm bài Chọn ngành thời đại AI: Định hướng nghề nghiệp cho người trẻ 5–10 năm tới.

Còn nếu muốn nhìn cách business và công nghệ gặp nhau trong thực tế, các bài về ERP trên Paul Digital Hub là những ví dụ khá rõ: một thay đổi kỹ thuật thường bắt đầu từ một vấn đề vận hành.

Kết

Code vẫn quan trọng.

Nhưng có lẽ chúng ta đang bước qua giai đoạn mà chỉ cần code giỏi đã đủ tạo ra một lợi thế rất lớn. AI đang làm phần thực thi nhanh hơn, rẻ hơn và dễ tiếp cận hơn. Phần còn lại vì vậy trở nên đáng giá hơn: hiểu vấn đề, hiểu business, nhìn được hệ thống và biết mình đang xây thứ gì cho ai.

Nếu phải học thêm một điều bên cạnh công nghệ trong những năm tới, có lẽ học cách hiểu thế giới mà phần mềm đang phục vụ là một lựa chọn không tệ.