Nghiên cứu mới đây về tác động của AI hỗ trợ lập trình (AI coding assistance) đối với sự phát triển kỹ năng của lập trình viên đã mang lại những kết quả đầy bất ngờ. Bài viết dưới đây sẽ phân tích liệu sự gia tăng năng suất tức thời có đang tỉ lệ nghịch với khả năng tư duy chuyên môn dài hạn của con người hay không. Hãy cùng TOT tìm hiểu chi tiết ngay sau đây!
>>> Tìm hiểu thêm:
- Cách doanh nghiệp xây dựng AI Agents
- AI Data Labeling: Hướng dẫn gán nhãn dữ Liệu AI
- Hướng dẫn nhanh tạo Landing Page bằng AI miễn phí, hiệu quả
Những ảnh hưởng của AI hỗ trợ lập trình đến kỹ năng code
Nghiên cứu cho thấy trí tuệ nhân tạo (AI) giúp con người thực hiện các phần công việc nhanh hơn. Trong một nghiên cứu quan sát về dữ liệu từ Claude.ai, các nhà nghiên cứu nhận thấy AI có thể tăng tốc một số nhiệm vụ lên đến 80%. Tuy nhiên, liệu sự gia tăng năng suất này có đi kèm với những sự đánh đổi?
Các nghiên cứu khác chỉ ra rằng khi con người sử dụng sự hỗ trợ của AI, họ trở nên ít gắn kết với công việc hơn và giảm bớt nỗ lực đầu tư vào đó, nói cách khác, họ đang thực hiện việc giảm tải nhận thức cho AI.
Hiện vẫn chưa rõ liệu việc giảm tải nhận thức này có ngăn cản con người phát triển các kỹ năng trong công việc, hay trong trường hợp lập trình là việc hiểu các hệ thống mà họ đang xây dựng hay không. Nghiên cứu mới nhất này, một thử nghiệm ngẫu nhiên có đối chứng với sự tham gia của các nhà phát triển phần mềm, điều tra khía cạnh tiêu cực tiềm ẩn này khi sử dụng AI tại nơi làm việc.
Câu hỏi này có những hàm ý sâu rộng, từ cách thiết kế các sản phẩm AI nhằm tạo điều kiện cho việc học tập, cách các nơi làm việc nên tiếp cận các chính sách về AI, cho đến khả năng phục hồi của xã hội nói chung. Nhóm tác giả tập trung vào lập trình (coding), một lĩnh vực mà các công cụ AI đã nhanh chóng trở thành tiêu chuẩn.
Tại đây, AI tạo ra một sự căng thẳng tiềm tàng: khi việc lập trình ngày càng trở nên tự động hóa và tăng tốc độ làm việc, con người vẫn sẽ cần các kỹ năng để phát hiện lỗi (catch errors), dẫn dắt đầu ra (guide output), và cuối cùng là cung cấp sự giám sát (oversight) cho AI được triển khai trong các môi trường có rủi ro cao.
Liệu AI có cung cấp một lối tắt cho cả việc phát triển kỹ năng lẫn tăng hiệu quả công việc? Hay sự gia tăng năng suất từ sự hỗ trợ của AI sẽ làm xói mòn việc phát triển kỹ năng?
Trong một thử nghiệm ngẫu nhiên có đối chứng, nghiên cứu đã kiểm tra:
- Các nhà phát triển phần mềm nắm bắt một kỹ năng mới (trong trường hợp này là một thư viện Python) nhanh như thế nào khi có và không có sự hỗ trợ của AI.
- Liệu việc sử dụng AI viết code có khiến họ ít có khả năng hiểu đoạn mã (code) mà họ vừa viết hay không.
Kết quả cho thấy việc sử dụng sự hỗ trợ của AI dẫn đến sự sụt giảm có ý nghĩa thống kê về sự thông thạo. Trong một bài kiểm tra bao gồm các khái niệm mà người tham gia vừa sử dụng chỉ vài phút trước đó, những người trong nhóm AI có điểm số thấp hơn 17% so với những người lập trình bằng tay, tương đương với mức chênh lệch gần hai bậc điểm. Việc sử dụng AI giúp tăng tốc nhiệm vụ một chút, nhưng điều này không đạt đến ngưỡng có ý nghĩa thống kê.
Quan trọng là, việc sử dụng hỗ trợ từ AI không đảm bảo một mức điểm thấp hơn. Cách thức một người sử dụng AI đã ảnh hưởng đến lượng thông tin mà họ ghi nhớ được. Những người tham gia cho thấy sự thông thạo mạnh mẽ hơn đã sử dụng sự hỗ trợ của AI không chỉ để tạo ra mã mà còn để xây dựng sự hiểu biết trong khi thực hiện – cho dù bằng cách đặt các câu hỏi tiếp nối, yêu cầu giải thích, hoặc đặt các câu hỏi khái niệm trong khi tự lập trình độc lập.
>> Xem thêm:
- So sánh Low-Code và No-Code: Hiểu đúng bản chất & Ứng dụng trong doanh nghiệp
- Hướng dẫn chi tiết cách tạo ứng dụng bằng AI miễn phí, đơn giản
Thiết kế nghiên cứu
Nhóm nghiên cứu đã tuyển chọn 52 kỹ sư phần mềm (phần lớn là cấp độ sơ cấp), mỗi người trong số họ đã sử dụng Python ít nhất một lần mỗi tuần trong hơn một năm. Họ cũng đảm bảo rằng các đối tượng này ít nhất đã quen thuộc đôi chút với AI hỗ trợ lập trình, đồng thời chưa từng sử dụng Trio – thư viện Python mà các nhiệm vụ của nghiên cứu dựa trên đó.
Nghiên cứu được chia thành ba phần:
- Phần khởi động
- Phần nhiệm vụ chính, bao gồm lập trình hai tính năng khác nhau bằng Trio (yêu cầu hiểu các khái niệm liên quan đến lập trình bất đồng bộ – một kỹ năng thường được học trong môi trường chuyên nghiệp)
- Một bài kiểm tra (quiz). Những người tham gia được thông báo rằng sẽ có một bài kiểm tra sau nhiệm vụ, nhưng đồng thời được khuyến khích làm việc nhanh nhất có thể.
Nhiệm vụ lập trình được thiết kế để mô phỏng cách một người có thể học một công cụ mới thông qua một hướng dẫn tự học. Mỗi người tham gia được cung cấp một mô tả vấn đề, mã khởi đầu, và một lời giải thích ngắn gọn về các khái niệm Trio cần thiết để giải quyết vấn đề đó.
Nghiên cứu sử dụng một nền tảng lập trình trực tuyến với một trợ lý AI (AI assistant) ở thanh bên, trợ lý này có quyền truy cập vào mã của người tham gia và có thể tạo ra mã chính xác vào bất kỳ lúc nào nếu được yêu cầu.
>> Tham khảo:
- Top 5 thư viện Python cho thị giác máy tính
- Xây dựng ứng dụng phát hiện đối tượng bằng Python chỉ trong vài phút với Roboflow
Thiết kế đánh giá
Trong thiết kế đánh giá, các nhà nghiên cứu đã dựa trên nghiên cứu về giáo dục khoa học máy tính để xác định bốn loại câu hỏi thường được sử dụng để đánh giá mức độ thông thạo các kỹ năng lập trình:
- Gỡ lỗi (Debugging): Khả năng xác định và chẩn đoán lỗi trong mã. Kỹ năng này rất quan trọng để phát hiện khi nào mã do AI tạo ra là sai và hiểu tại sao nó thất bại.
- Đọc mã (Code reading): Khả năng đọc và hiểu mã thực hiện chức năng gì. Kỹ năng này cho phép con người hiểu và xác minh mã do AI viết trước khi triển khai.
- Viết mã (Code writing): Khả năng viết hoặc lựa chọn cách tiếp cận đúng để viết mã. Việc viết mã ở cấp độ thấp, như ghi nhớ cú pháp của các hàm, sẽ ít quan trọng hơn so với thiết kế hệ thống cấp cao khi các công cụ lập trình AI được tích hợp sâu hơn.
- Khái niệm (Conceptual): Khả năng hiểu các nguyên tắc cốt lõi đằng sau các công cụ và thư viện. Hiểu biết về khái niệm là yếu tố then chốt để đánh giá liệu mã do AI tạo ra có sử dụng các mẫu thiết kế phần mềm phù hợp, tuân thủ cách thức mà thư viện được thiết kế để sử dụng hay không.
Đánh giá này tập trung mạnh nhất vào các vấn đề gỡ lỗi, đọc mã và các vấn đề khái niệm, vì nhóm tác giả coi đây là những điều quan trọng nhất để cung cấp sự giám sát đối với mã nguồn ngày càng có khả năng được tạo ra bởi AI.
>> Xem thêm:
- Mã nguồn mở là gì? TOP 15 nền tảng mã nguồn mở thiết kế web phổ biến nhất hiện nay
- TOP 10 AI thiết kế website miễn phí, trả phí, hiệu quả
- Hướng dẫn chi tiết cách tạo ứng dụng bằng AI miễn phí, đơn giản
Kết quả
Tính trung bình, những người tham gia trong nhóm AI hoàn thành bài tập nhanh hơn khoảng hai phút, mặc dù sự khác biệt này không có ý nghĩa thống kê. Tuy nhiên, có một sự khác biệt đáng kể trong điểm kiểm tra: nhóm AI đạt trung bình 50% trong bài kiểm tra, so với 67% ở nhóm lập trình bằng tay – tương đương với mức chênh lệch gần hai bậc điểm (Cohen’s d=0.738, p=0.01).
Khoảng cách lớn nhất về điểm số giữa hai nhóm nằm ở các câu hỏi gỡ lỗi, cho thấy khả năng hiểu khi nào mã bị sai và tại sao nó thất bại có thể là một lĩnh vực đáng lo ngại đặc biệt nếu AI cản trở sự phát triển của việc lập trình.
>> Tìm hiểu thêm:
- Cách sử dụng AI tối ưu trải nghiệm khách hàng: Xu hướng
- Hướng dẫn tạo ứng dụng AI với vibe coding trên Google AI Studio dễ dàng
- Cách tạo chatbot AI bán hàng đa kênh hiệu quả, chi tiết
Phân tích định tính: Các hình thức tương tác với AI
Nhóm nghiên cứu đặc biệt quan tâm đến việc hiểu cách thức những người tham gia thực hiện các nhiệm vụ. Trong phân tích định tính, họ đã chú thích thủ công các bản ghi màn hình để xác định lượng thời gian người tham gia dành cho việc soạn thảo các câu truy vấn, loại câu hỏi họ đặt ra, các loại lỗi họ mắc phải và lượng thời gian họ dành cho việc lập trình tích cực.
Một kết quả đáng ngạc nhiên là lượng thời gian người tham gia dành để tương tác với trợ lý AI. Một vài người đã mất tới 11 phút (30% tổng thời gian được phân bổ) để soạn thảo tới 15 câu truy vấn. Điều này giải thích tại sao, trung bình, những người tham gia sử dụng AI hoàn thành nhanh hơn mặc dù sự cải thiện năng suất không có ý nghĩa thống kê. Nhóm nghiên cứu kỳ vọng AI sẽ có khả năng tăng năng suất đáng kể hơn khi được sử dụng cho các nhiệm vụ lặp đi lặp lại hoặc quen thuộc.
Không ngạc nhiên khi những người tham gia trong nhóm “Không sử dụng AI” gặp nhiều lỗi hơn. Những lỗi này bao gồm các lỗi về cú pháp và các khái niệm Trio, trong đó lỗi khái niệm Trio liên quan trực tiếp đến các chủ đề được kiểm tra trong bài đánh giá.
Giả thuyết của các nhà nghiên cứu là những người tham gia gặp nhiều lỗi Trio hơn (cụ thể là nhóm đối chứng) có khả năng đã cải thiện kỹ năng gỡ lỗi thông qua việc tự giải quyết các lỗi này một cách độc lập.
Sau đó, họ nhóm những người tham gia theo cách họ tương tác với AI, từ đó xác định các mô hình tương tác riêng biệt dẫn đến những kết quả khác nhau về thời gian hoàn thành và hiệu quả học tập.
Các kiểu tương tác có điểm số thấp
Các kiểu mẫu này thường liên quan đến sự phụ thuộc nặng nề vào AI, thông qua việc tạo mã hoặc gỡ lỗi. Điểm kiểm tra trung bình trong bài kiểm tra của nhóm này dưới 40%. Những đối tượng này cho thấy ít tư duy độc lập hơn và có xu hướng “giao phó” công việc tư duy cho AI nhiều hơn. Tiếp theo, nhóm nghiên cứu tiếp tục chia đối tượng này thành:
- Nhóm ủy thác hoàn toàn cho AI (n=4): Các thành viên trong nhóm này hoàn toàn dựa vào AI để viết mã và hoàn thành nhiệm vụ. Họ hoàn thành nhiệm vụ nhanh nhất và gặp rất ít hoặc không gặp lỗi nào trong quá trình thực hiện.
- Nhóm phụ thuộc AI tăng tiến (n=4): Các thành viên trong nhóm này ban đầu chỉ đặt một hoặc hai câu hỏi, nhưng cuối cùng đã giao phó toàn bộ việc viết mã cho trợ lý AI. Họ đạt điểm thấp trong bài kiểm tra, chủ yếu do không nắm vững bất kỳ khái niệm nào trong nhiệm vụ thứ hai.
- Nhóm gỡ lỗi AI lặp đi lặp lại (n=4): Những người tham gia trong nhóm này dựa vào AI để gỡ lỗi hoặc xác minh mã của họ. Họ đặt nhiều câu hỏi hơn, nhưng dựa vào AI để giải quyết vấn đề, thay vì làm rõ sự hiểu biết của chính họ. Kết quả là họ đạt điểm thấp và cũng chậm hơn trong việc viết mã và hoàn thành nhiệm vụ.
>> Xem thêm:
- Top 20+ phần mềm AI thiết kế hình ảnh miễn phí, tốt nhất
- Cách ứng dụng AI trong phát triển phần mềm: Trường hợp ứng dụng & công cụ AI
Các kiểu tương tác có điểm số cao
Các mẫu tương tác đạt điểm cao: Các nhà nghiên cứu coi các mẫu làm bài kiểm tra đạt điểm cao là những hành vi có điểm trung bình từ 65% trở lên. Những người tham gia thuộc các nhóm này sử dụng AI cho cả việc tạo mã và đặt câu hỏi về khái niệm.
- Tạo mã rồi mới hiểu (n=2): Những người tham gia trong nhóm này trước tiên tạo mã, sau đó sao chép hoặc dán mã đó vào bài làm của mình. Sau khi mã được tạo ra, họ đặt các câu hỏi tiếp theo cho trợ lý AI để nâng cao sự hiểu biết.
Những người tham gia này không nổi trội về tốc độ sử dụng AI, nhưng thể hiện mức độ hiểu biết cao hơn trong bài kiểm tra. Điều thú vị là phương pháp này gần như giống hệt với nhóm ủy thác AI, ngoại trừ việc họ sử dụng AI để kiểm tra sự hiểu biết của chính mình.
- Giải thích mã lai (n=3): Những người tham gia trong nhóm này soạn các truy vấn lai, trong đó họ yêu cầu tạo mã cùng với giải thích về mã đã tạo. Việc đọc và hiểu các giải thích mà họ yêu cầu mất nhiều thời gian hơn, nhưng giúp họ hiểu rõ hơn.
- Đặt câu hỏi về khái niệm (n=7): Những người tham gia trong nhóm này chỉ đặt các câu hỏi về khái niệm và dựa vào sự hiểu biết được cải thiện của họ để hoàn thành nhiệm vụ. Mặc dù nhóm này gặp nhiều lỗi, nhưng họ cũng tự giải quyết được chúng. Trung bình, phương thức này là nhanh nhất trong số các mẫu đạt điểm cao và nhanh thứ hai trong tổng thể, sau ủy thác AI.
Lưu ý: Phân tích định tính này không đưa ra mối liên hệ nhân quả, nhưng chỉ ra các hành vi liên quan đến các kết quả học tập khác nhau.
>> Xem thêm:
- Vertex AI là gì? Nền tảng học máy của Google Cloud
- Cách tích hợp chatbot vào website, miễn phí, bán hàng hiệu quả
- TOP 10 AI thiết kế website miễn phí, trả phí, hiệu quả
Kết luận
Kết quả từ nghiên cứu này chỉ ra rằng việc tích hợp mạnh mẽ trí tuệ nhân tạo vào môi trường làm việc, đặc biệt là trong lĩnh vực kỹ thuật phần mềm, luôn đi kèm với những sự đánh đổi.
Các phát hiện nhấn mạnh một điểm quan trọng: không phải mọi hình thức phụ thuộc vào AI đều mang lại kết quả như nhau, mà chính cách thức con người tương tác với AI hỗ trợ lập trình trong nỗ lực nâng cao hiệu suất sẽ quyết định mức độ tiếp thu kiến thức của họ.
Do những hạn chế về thời gian và áp lực từ tổ chức, các lập trình viên mới vào nghề hoặc những chuyên gia khác thường có xu hướng dựa dẫm vào AI để hoàn thành công việc nhanh nhất có thể. Tuy nhiên, cái giá phải trả chính là sự phát triển kỹ năng bị hạn chế – đặc biệt là khả năng gỡ lỗi khi hệ thống gặp sự cố.
Dù mới chỉ là những kết quả sơ bộ, nhưng nghiên cứu đã đưa ra những lưu ý quan trọng cho các doanh nghiệp khi họ chuyển dịch sang mô hình sử dụng mã nguồn do AI viết với tỷ lệ cao hơn mã do con người tạo ra.
Lợi ích về năng suất có thể dẫn đến sự suy giảm các kỹ năng cần thiết để kiểm tra và xác thực mã nguồn, nếu quá trình phát triển năng lực của các kỹ sư trẻ bị cản trở ngay từ đầu bởi việc sử dụng AI. Các nhà quản lý nên cân nhắc kỹ lưỡng về cách thức triển khai các công cụ AI trên quy mô lớn, đồng thời ưu tiên những lựa chọn thiết kế có chủ đích nhằm đảm bảo đội ngũ kỹ sư vẫn có thể tiếp tục học hỏi ngay trong quá trình làm việc; từ đó, họ mới có đủ năng lực để thực hiện sự giám sát có ý nghĩa đối với các hệ thống mà họ xây dựng.
Đối với những người mới bắt đầu trong ngành phần mềm hay bất kỳ lĩnh vực nào khác, nghiên cứu này đóng vai trò như một minh chứng về giá trị của việc phát triển kỹ năng một cách chủ động khi sử dụng các công cụ AI. Nỗ lực nhận thức – và thậm chí là cả những lúc gặp khó khăn đến mức bế tắc – lại là yếu tố cốt lõi giúp thúc đẩy sự thông thạo.
Đây cũng là bài học cho mỗi cá nhân trong việc lựa chọn phương thức làm việc và công cụ AI phù hợp. Hiện nay, các dịch vụ mô hình ngôn ngữ lớn (LLM) hàng đầu đều đã cung cấp các chế độ học tập (ví dụ: Chế độ Học tập và Giải thích của Claude Code hoặc Chế độ Học tập của ChatGPT) được thiết kế để thúc đẩy sự hiểu biết sâu sắc.
Việc thấu hiểu cách thức con người học tập khi có sự can thiệp của AI sẽ giúp định hướng cách thiết kế công nghệ trong tương lai; theo đó, AI hỗ trợ lập trình không chỉ giúp con người làm việc hiệu quả hơn mà còn hỗ trợ họ phát triển thêm các kỹ năng mới cùng một lúc.
Các nghiên cứu trước đây thường đưa ra những kết quả trái chiều về việc liệu AI giúp ích hay cản trở năng suất lập trình. Chính nhóm tác giả này trong một nghiên cứu quan sát (observational study) trước đó cũng từng nhận thấy AI có thể cắt giảm tới 80% thời gian thực hiện một số tác vụ – kết quả vốn dĩ có vẻ mâu thuẫn với những gì được trình bày ở đây.
Tuy nhiên, hai nghiên cứu này tập trung vào các câu hỏi và phương pháp khác nhau: nghiên cứu trước đó đo lường năng suất trên những nhiệm vụ mà người tham gia đã nắm vững kỹ năng liên quan, còn nghiên cứu hiện tại lại tập trung vào quá trình học hỏi điều mới. Có thể hiểu rằng, AI vừa có khả năng thúc đẩy năng suất đối với các kỹ năng đã thuần thục, nhưng đồng thời lại có thể gây trở ngại cho việc tiếp thu kiến thức mới, dù vấn đề này vẫn cần được nghiên cứu sâu hơn để làm rõ.
Nghiên cứu này mới chỉ là bước đi đầu tiên trong việc khám phá tác động của sự cộng tác giữa con người và AI đối với trải nghiệm của người lao động. Với quy mô mẫu còn hạn chế và việc đánh giá chỉ diễn ra ngay sau nhiệm vụ lập trình, nghiên cứu vẫn chưa thể kết luận liệu kết quả bài kiểm tra tức thì có phản ánh chính xác sự phát triển kỹ năng trong dài hạn hay không.
Vẫn còn đó nhiều câu hỏi chưa có lời giải đáp mà các nghiên cứu tương lai cần điều tra thêm, ví dụ như ảnh hưởng của AI đối với các công việc ngoài lập trình, liệu tác động này có thay đổi theo thời gian khi các kỹ sư trở nên thành thạo hơn, hay sự khác biệt giữa hỗ trợ từ AI và hỗ trợ từ con người trong quá trình học tập.
Sau cùng, để thích ứng tốt với việc phát triển kỹ năng trong bối cảnh có sự hiện diện của AI, xã hội cần một cái nhìn toàn diện hơn về những ảnh hưởng của công nghệ đối với lực lượng lao động. Trong một môi trường làm việc được tăng cường bởi AI, việc tăng năng suất là mục tiêu quan trọng, nhưng việc bảo tồn và phát triển chuyên môn dài hạn – nền tảng mà những lợi ích năng suất đó phụ thuộc vào – cũng đóng vai trò quan trọng không kém.
Đọc toàn văn bài báo để biết thêm chi tiết: How AI Impacts Skill Formation
>>> Xem thêm:
- AI trong thiết kế UI/UX: Sức mạnh của Generative AI
- AI tạo sinh là gì? Cách hoạt động và Ứng dụng thực tế
- Ứng dụng nhận dạng cử chỉ với Vision AI
- Visual Question Answering là gì? Mô hình và Phương pháp hoạt động
>>> Nguồn tham khảo: How AI assistance impacts the formation of coding skills
TOT là đơn vị tiên phong trong hành trình chuyển đổi số. Chúng tôi mang đến giải pháp thiết kế website, mobile app và viết phần mềm theo yêu cầu với dịch vụ linh hoạt, tối ưu theo đúng nhu cầu của doanh nghiệp.
Lấy cảm hứng từ triết lý “Công nghệ vì con người”, TOT giúp doanh nghiệp vận hành hiệu quả hơn, nâng tầm trải nghiệm khách hàng và tạo dấu ấn bền vững cho thương hiệu.
Thông tin liên hệ TopOnTech (TOT):
📞 Hotline/WhatsApp/Zalo: 0906 712 137
✉️ Email: long.bui@toponseek.com
🏢 Địa chỉ: 31 Đường Hoàng Diệu, Phường Xóm Chiếu, TP. Hồ Chí Minh, Việt Nam
