AI đang làm tôi lười suy nghĩ và ỷ lại

Vấn đề

Mấy hôm nay ngồi thêm thắt tính năng cho trang web. Như đã đề cập trong lần đập đi xây lại trước, tôi nói dùng AI để tái hiện lại đa số những gì đã có ở phiên bản cũ, chuyển tính năng và giao diện sang phiên bản viết lại bằng bộ công cụ mới. Phải đến 99% đoạn mã viết ra không phải là tôi viết mà tất cả là của AI, tuy nhiên phần "core" vẫn phải nắm được bởi vì tôi bày cho AI làm theo hướng đó, tôi không muốn để cho AI tự quyết vì dễ mất kiểm soát. Dữ liệu bài viết lưu trữ trong một tệp sqlite, 11ty trích xuất ra để tạo thành các trang HTML hoàn toàn tĩnh, thông qua một đoạn mã để lọc dữ liệu từ sqlite thành một tệp nhỏ hơn tải lên Github Pages nhằm mục đích lấy dữ liệu động, toàn bộ quá trình này đều có trong bài viết trước, bạn đọc có thể đọc lại ở đây Stacks mới: 11ty, sql.js-httpvfs và Preact.js.

Trong lúc khởi động dự án thì một lỗi xuất hiện, những nơi sử dụng dữ liệu động không xuất hiện, API không hoạt động như mong đợi. Theo quán tính, tôi mở Claude lên, nhập vào câu lệnh: "Kiểm tra xem tại sao chỗ ... không hoạt động?". Hơn 10 phút sau, Claude cho ra một bản tóm tắt nhanh và đề xuất hành động liên quan. Tôi đồng ý, chỉ trong vài phút công việc hoàn tất và trang web hoạt động bình thường. Nếu như cách đây vài năm trước, một lỗi nhỏ như quên thêm biến môi trường vào trong tệp .env có thể làm tôi trầy chật cả tiếng đồng hồ xem xét từng nơi để tìm nguyên nhân, thì giờ đây mọi thứ trở nên đơn giản hơn rất nhiều: Mở Claude, hỏi, nhận câu trả lời, cuối cùng cho phép hành động. Nó diễn ra tự nhiên đến mức như một phản xạ mà không cần động não quá nhiều.

Cho đến một ngày quy trình không còn đơn giản như thế nữa, chỉ cần một sự cố liên quan đến nhà cung cấp (AI Provider) hoặc chỉ cần vắt tay lên trán suy nghĩ trong vài phút: "Liệu mình có nắm được toàn bộ logic trong mã nguồn mới của blog?". Thử mở ra một tệp mã nguồn chứa logic của API, các khối viết ra trông ngăn nắp gọn gàng nhưng nhìn vào không có cảm xúc? Ai đã viết ra chúng? Dòng này có ý nghĩa là gì? Tại sao lại viết như thế? "Nhưng chắc chẳng sao đâu, nếu chẳng may có lỗi hoặc thêm tính năng mới thì AI mới cần phải viết tiếp chứ không phải là mình". Tôi tự an ủi với bản thân.

Là một người có khuynh hướng suy nghĩ thái quá, tôi luôn phải dằn vặt giữa ranh giới của tốc độ và quá trình. Ai chẳng thích làm việc tốc độ, nhưng phải chăng ai cũng thích lười suy nghĩ? Bởi tốc độ càng nhanh, quá trình càng bị đốt cháy khiến cho chúng ta không có nhiều thời gian để nhìn lại những gì đã xảy ra. Trước đến nay tôi luôn muốn tìm cách tăng tốc hiệu suất của mình lên, làm được nhiều việc hơn hoặc ít nhất giải quyết nhanh đống công việc tồn đọng để dành thời gian làm việc khác. Khi AI xuất hiện, nó như một viên thuốc thần kỳ giải quyết căn bệnh ì ạch của chính mình bao lâu nay. Nhưng sao sau khoảng thời gian đó lại cảm thấy mình còn mệt mỏi hơn trước?

Vậy điều gì đã mất đi khi tốc độ chiến thắng quá trình học hỏi?

Điều đã thay đổi trong cách giải quyết vấn đề

Trước khi có LLMs, cách tôi thường làm để giải quyết vấn đề là đọc tài liệu, đọc các bài viết trên mạng Internet - nơi có nhiều người gặp phải vấn đề tương tự. Tôi đóng vai trò như là bộ vi xử lý, xác định đúng từ khóa, tổng hợp nhiều nguồn tài liệu, thử - sai - lại thử cho đến khi đúng rồi đi đến kết luận "à thì ra nó phải là thế này". Cái mà áp dụng trước đó bị sai không hẳn là vô dụng mà nó giúp tôi nhận ra tại sao nó không phù hợp, còn phương án đúng như một phần thưởng khi phải bỏ ra hàng giờ toát mồ hôi hột. Nhiều khi tìm ra câu trả lời chưa chắc là đích đến cuối cùng, bởi những kiến thức trong quá trình tìm kiếm mới là điều đáng học, hiểu trường hợp nào nên làm cái nào. Kiến thức không phải là một đường thẳng, mà nó rẽ nhánh liên tục và có liên quan mật thiết đến nhau. Từng có thời điểm tôi tự tin đến mức cho rằng mình đã biết tất cả mọi thứ, chẳng có gì đáng học nữa cho đến khi biểu đồ Dunning-Kruger vả vào mặt một cú đau điếng giúp tôi tỉnh ra rằng: "mày chẳng biết gì cả", thế mới nói việc học không bao giờ được dừng lại.

Còn bây giờ thứ mà tôi theo đuổi đang dần... ngược lại. Gặp vấn đề thì hỏi luôn AI cho nhanh, khi nó đưa ra hướng giải quyết chỉ cần đọc sơ cua rồi thẳng tay cho phép thực hiện. Vấn đề được giải quyết chỉ trong tích tắc, chỉ có điều thứ đọng lại là: "Mô hình này thông minh đấy! Nó biết cách xử lý vấn đề này, lần sau gặp lại chỉ cần dùng tương tự". Còn đâu hàng giờ trong vai bộ "vi xử lý"? Những phép thử sai và kiến thức mới đang ẩn mình ở đâu đó chờ mình khám phá?

Gỡ lỗi (debug) mới chính xác là nơi học hỏi được nhiều kiến thức. Nó là sự kết hợp hoàn hảo của quá trình tìm kiếm và suy luận. Một lỗi xảy ra mà muốn giải quyết buộc chúng ta phải tham gia vào các khâu của công việc nghiên cứu, vận dụng kiến thức của mình để tìm ra hướng giải quyết. Trong quá trình đó bản thân phải nỗ lực tìm kiếm thông tin hoặc tìm đến sự trợ giúp của người ngoài. Sau quá trình đó là khâu đúc kết những thứ vừa mới học thành kinh nghiệm cá nhân. Quá trình này lặp lại liên tục càng giúp tích lũy thêm nhiều kinh nghiệm quý báu. Vậy mà giờ đây với sự phát triển của AI Agents chúng ta thậm chí còn không cần tham gia vào quá trình gỡ lỗi. Tất cả những gì nằm lòng là "Opus 5 có thể giải quyết vấn đề này trong vòng 10 phút".

Nhiều lúc ngồi với đồng nghiệp, màn hình của họ chia làm 4 ô, cả 4 đều là biểu tượng của Claude. Nhìn lại màn hình của mình, không chia 4 nhưng cửa sổ VS Code nào cũng có một "tab" Claude, OpenCode hay thậm chí là Codex. Thi thoảng có người còn tỏ ra ngạc nhiên khi nhìn thấy tôi đọc tài liệu hoặc một bài viết nào đó trên mạng. Google giờ đây đang dần trở nên lỗi thời còn việc đọc trở nên thật quá xa xỉ. Ờ! Cũng đúng vì cần gì phải đọc khi AI cũng có thể đọc và làm thay mình luôn chứ?

Vì sao sự tiện lợi này có thể làm kỹ năng mai một?

Giảm tải nhận thức (Cognitive Offloading) là việc sử dụng các công cụ bên ngoài hoặc các hành động thể chất để giảm bớt nỗ lực tinh thần và nhu cầu ghi nhớ. Nó giống như là việc viết điều cần nhớ ra sổ ghi chú, sử dụng máy tính để tính toán, sử dụng AI để viết hay lập trình... Mục đích là để giải phóng năng lực trí não, nâng cao hiệu quả và giảm căng thẳng. Nghĩ cũng đúng, người ta chế tạo ra nhiều thứ để giảm tải công sức của não bộ, để từ đó làm việc hiệu quả hơn và có nhiều thời gian làm việc khác. Nhưng ngược lại, điều đó vô tình làm giảm khả năng nhớ, giảm khả năng tư duy phản biện và cả tạo ra sự phụ thuộc. Hãy thử tưởng tượng nếu một ngày tỉnh dậy, hóa ra AI models chỉ là một giấc mơ thì kỹ năng đọng lại trong bạn sẽ là gì?

Nối tiếp điều đó, gần đây cụm từ Thiên kiến ​​tự động hóa (Automation Bias) bỗng được nhắc đến nhiều hơn, xu hướng của con người là quá phụ thuộc vào các hệ thống tự động và trí tuệ nhân tạo, xảy ra vì con người coi máy móc và phần mềm là khách quan, có thẩm quyền và đáng tin cậy hơn chính bản thân họ. Theo thời gian, sự phụ thuộc liên tục khiến con người ngừng đặt câu hỏi về kết quả đầu ra. Hành vi này dẫn đến hai loại sai lầm chính:

• Lỗi do thực hiện sai: Làm theo gợi ý hoặc hành động không chính xác do công cụ tự động cung cấp mà không kiểm chứng trước.
• Lỗi bỏ sót: Không nhận thấy vấn đề hoặc không thực hiện hành động cần thiết vì hệ thống tự động không đưa ra cảnh báo.

Áp vào bản thân, tôi nhận thấy mình đang dần rơi vào cái bẫy của cả hai hiện tượng ở trên, nếu kéo dài mất khả năng truy xuất thông tin, không dành nhiều thời gian đánh giá độ tin cậy nữa. Một nghiên cứu trên ScienceDirect - một nền tảng chia sẻ các báo cáo khoa học hàng đầu, của 3 nhà nghiên cứu Stadler, Bannert và Sailer vào năm 2024 với tiêu đề Cognitive ease at a cost: LLMs reduce mental effort but compromise depth in student scientific inquiry — thử nghiệm ngẫu nhiên với 91 sinh viên Đức: Có 2 nhóm, 1 nhóm dùng ChatGPT-3.5 và một nhóm chỉ tìm kiếm trên web để làm báo cáo, kết quả chất lượng lập luận của nhóm dùng GPT thấp hơn (1,20 so với 1,87). Đây không phải là nghiên cứu chuyên sâu, chỉ áp dụng với một mẫu rất hẹp, tuy nhiên cũng đủ để cho chúng ta thấy từ sớm đã có người đặt ra câu hỏi liệu sử dụng AI có mang đến hạn chế tư duy nào không.

Ngoài ra một nghiên cứu khác cũng trên ScienceDirect về "Nghịch lý của sự dư thừa thông tin" do Constable, Rajsic, Renner và Taylor làm đồng tác giả trong năm 2025 vừa qua. 75 người tham gia so sánh câu trả lời không gắn nhãn từ ChatGPT-4 và Google Featured Snippets. Với các câu hỏi dạng "how-to", những người tham gia nghe câu trả lời dài do ChatGPT tạo ra được xem là đáng tin hơn và làm người đọc ít muốn tìm thêm, nhưng điểm nhận biết/ghi nhớ lại thấp hơn so với câu trả lời ngắn hơn trên Google. Nghiên cứu này một lần nữa cho chúng ta thấy hiện tượng mất động lực tìm hiểu vấn đề trong khi khả năng ghi nhớ bị giảm sút. Với suy nghĩ cá nhân, tôi nghĩ rằng đây vừa là lợi vừa là hại, cần tìm ra được điểm cân bằng để khai thác tối đa sức mạnh của các mô hình ngôn ngữ lớn mang lại.

Đó có thể là lý do khiến tôi cảm thấy mệt mỏi, cảm thấy công việc lập trình không còn "vui" như trước. Có thể mình đã lạm dụng quá mức, để nó lấn át quy trình học tập xưa nay, thui chột tính tò mò. Hoặc cũng có thể chỉ là mình chưa kịp thích nghi với thời đại mới.

Nghịch lý tâm lý: biết cần chậm lại, nhưng sợ bị bỏ lại

Không thể phủ nhận lợi ích và giá trị mà AI mang lại, nó như một kho tàng tri thức khổng lồ ai cũng có thể khai thác, làm nhiều công việc trước đây cần phải bỏ ra hàng tiếng đồng hồ để hoàn thành chỉ trong vài phút. Nhưng nếu tốc độ công việc được đẩy nhanh lên thì lẽ ra chúng ta phải có nhiều thời gian để nghiên cứu, suy ngẫm, học hỏi nhiều kiến thức hơn chứ?

Tôi không chắc! Cái này là yếu tố chủ quan phụ thuộc vào suy nghĩ của mỗi người. Khi ai cũng có thể giải quyết công việc nhanh và quá nhẹ nhàng lại vô tình sinh ra áp lực: mọi người xung quanh dùng AI, đồng nghiệp dùng AI, "deadline" ngày càng ngắn trở thành thước đo hiệu quả năng lực, nội dung mạng xã hội ca ngợi người làm nhanh hơn, người biết dùng AI là một lợi thế... Từ chối không dùng AI có thể bị xem là tự làm chậm mình. Nên nếu đứng ngoài cuộc, cảm thấy như đang đi ngược với xu hướng xã hội.

Là một người quan sát, tôi thường xuyên đọc các bình luận của nhiều người trên diễn đàn, nhất là mỗi khi AI đạt đến cột mốc mới. Ban đầu rất nhiều người tỏ ra thái độ, phản ứng gay gắt trước trí tuệ nhân tạo, khẳng định không bao giờ dùng hoặc thậm chí kỳ thị chính người dùng AI. Nhưng bây giờ những bình luận như thế ngày càng ít dần, có chăng đó chỉ là những lời phàn nàn về quyền riêng tư, chất lượng không ổn định hoặc giá cả. Có lẽ đã đến lúc họ cũng phải hòa nhập theo xu hướng chung hoặc chẳng còn thì giờ để quan tâm đến những vấn đề này nữa. Việc ai người ấy làm bởi vì lợi ích của bạn chưa chắc là lợi ích của tôi.

Nếu chăm chỉ lướt mạng, tham gia nhiều hội nhóm về AI bạn sẽ thấy mỗi ngày có rất nhiều sản phẩm mới ra lò chỉ bằng "Vibe coding" - từ dành riêng cho ứng dụng được tạo ra chỉ bằng cách ra lệnh cho AI. Bấm vào xem thì thấy nhiều sản phẩm công phu đến mức cảm thấy nhiều năm miệt mài học tập bỗng trở nên vô lý. Chưa kể hàng dài bài viết theo kiểu "Tôi đã tự động hóa 99% công việc lập trình như thế nào". Mọi người đều chạy theo xu hướng tự động hóa, khai thác tối đa sức mạnh mà AI có thể làm. Nếu không học, không làm, không chạy theo đám đông thì liệu rằng có bị bỏ lại ở phía sau. Khi công việc vốn dĩ của mình mà ai cũng làm được thì liệu còn có chỗ đứng trong ngành lập trình đầy khắc nghiệt này nữa hay không?

Suy cho cùng tôi nghĩ câu hỏi lớn nhất cần phải trả lời được đó chính là: Lợi thế bền vững của lập trình viên là tốc độ tạo ra câu trả lời hay khả năng đặt đúng câu hỏi, kiểm chứng và chịu trách nhiệm cho quyết định?

Đừng sợ hãi, hãy dùng AI như người có chính kiến

Tư duy phản biện là quá trình phân tích, đánh giá và kiểm chứng một vấn đề hoặc thông tin một cách logic và khách quan, thay vì tiếp nhận thụ động theo cảm xúc hay hiệu ứng đám đông. Nói một cách đơn giản, đừng tin ngay vào bất cứ điều gì vừa tiếp nhận được, thay vào đó tự đặt ra câu hỏi hoặc đi tìm nguồn gốc thật sự của thông tin. Chưa bao giờ tôi thấy tư duy phản biện trở nên cần thiết trong lúc này.

1-2 năm trở lại đây, tôi tiếp nhận yêu cầu từ quản lý cấp cao dùng AI thường xuyên hơn. Một bản báo cáo hoàn chỉnh được AI tạo ra có nội dung phân tích nguyên nhân và tình trạng hệ thống kèm theo đề xuất phương án giải quyết có vẻ nên được nghe theo. Ban đầu khi nhận được những báo cáo như vậy, tôi cảm thấy bị tổn thương đi kèm với cảm giác khó chịu như bị đe dọa bởi từng câu từng chữ AI tạo ra quá sắc sảo đến mức khó mà biện chứng. Cách diễn giải, phân tích logic trong đó hoàn hảo đến mức chỉ cần làm theo thôi vấn đề chắc chắn được giải quyết. Ban đầu tôi không nói, nhưng dần dần phản biện lại và đưa ra dẫn chứng. Cách AI nói có thể thuyết phục, nhưng còn tùy thuộc vào hệ thống mà có triển khai luôn được hay không. Rồi sau đó tôi phát hiện ra thứ mà AI không có là trách nhiệm. Mọi quyết định đưa ra cho đến khi áp dụng vào hệ thống dù cho đúng hay sai đi chăng nữa thì vẫn phải có người chịu trách nhiệm, nếu đặt trọn niềm tin vào AI chẳng phải người chịu thiệt thòi nhiều nhất là chính bản thân mình hay sao?

Thay đổi phương pháp sử dụng AI, đặt quy tắc tự suy nghĩ trước, hỏi sau, thay vì hỏi trước rồi đọc đáp án. Điều này giúp quay trở lại với tư duy trước đây, tìm - tổng hợp - thử - sai - đúng, sau đó đối chiếu với câu trả lời của AI xem kết quả có bổ trợ được gì cho nhau. Việc làm này tuy mất thời gian nhưng bù lại nó giúp não bộ suy nghĩ và hình thành mạng lưới liên kết cũng như ghi nhớ thông tin nhiều hơn so với việc tiếp nhận thông tin một chiều. Bây giờ thay vì hỏi đáp suông - tức là mình hỏi, AI trả lời thì hãy hỏi ngược lại tại sao phải làm theo cách đó, tin chắc có rất nhiều điều thú vị khai mở khi làm theo phương pháp này.

Ngay chính bản thân các AI, các nhà cung cấp dịch vụ đều để một dòng thông tin nhỏ nhắn: "AI cũng có thể mắc sai lầm, vui lòng kiểm chứng thông tin trước khi sử dụng". Vì thế khi tiếp nhận thông tin từ AI hãy luôn tỏ ra nghi ngờ trước mọi thông tin, tốt hơn hết là tự mình kiểm chứng. AI nói có thể rất hay, rất mạch lạc, dễ khiến người ta tin ngay từ lần đầu. Nhưng kể từ giờ khi đã trang bị kỹ năng phản biện, luôn phải biết mình không được tin tưởng tuyệt đối vào câu trả lời, đồng thời kết hợp khai thác thông tin rộng hơn bằng cách hỏi ngược lại điều mà AI khẳng định là đúng.

Cuối cùng, điều mà tôi nghĩ rằng ai cũng nên rèn luyện đó là sức mạnh nhận thức. Lâu lâu hãy thử gạt AI sang một bên để tự giải quyết vấn đề. Tự suy nghĩ, tự viết code, tự học thêm một ngôn ngữ lập trình mới để chắc chắn rằng khả năng của chúng ta không bị mai một theo thời gian.

Tổng kết

AI giúp tôi làm nhanh hơn, nhưng cũng khiến tôi nhận ra mình đang dễ bỏ qua chính phần đáng giá nhất của công việc: quá trình tìm kiếm, thử sai, gỡ lỗi và tự hình thành hiểu biết. Giảm tải nhận thức vốn không xấu, nhưng khi đi cùng thiên kiến tự động hóa, nó có thể biến sự tiện lợi thành thói quen tin ngay, làm ngay mà quên mất việc kiểm chứng. Áp lực phải theo kịp những người đang chạy đua với AI càng khiến tôi sợ bị chậm lại, nhưng đôi khi cần phải chậm để ngẫm xem bài học rút ra là gì? Có phải là của mình hay không?

Vì vậy, tôi vẫn sẽ dùng AI, nhưng sẽ dùng như một người có chính kiến: tự suy nghĩ trước, hỏi sâu hơn, đối chiếu câu trả lời với thực tế rồi mới hành động. Thỉnh thoảng tự giải quyết một vấn đề từ đầu có thể chậm nhưng đó là cách để giữ lại sự tò mò, năng lực phản biện và niềm vui khi lập trình.

Bài viết này chỉ là quan điểm cá nhân về cách sử dụng mô hình ngôn ngữ lớn trong những năm vừa qua, không phải bài trừ hay lên án mặc dù nó có xu hướng thể hiện thái quá mặt tiêu cực mà một người dùng AI cảm thấy. Mỗi người đều có cách sử dụng khác nhau và tôi tôn trọng điều đó. Nếu bạn đang khai thác AI theo một hướng mang lại lợi ích nhiều hơn và muốn chia sẻ thì xin hãy để lại bình luận xuống phía dưới bài viết nhé. Xin cảm ơn!