Đối thoại giữa một fresher và một senior về học nghề thời AI
Một buổi cà phê dựng lại giữa Mai, fresher đang lo, và anh Khoa, senior. Họ nói thẳng về nỗi sợ mất việc, chuyện nhờ AI làm bài tập, học gì, hỏi ai, senior dùng AI thế nào và nhà tuyển dụng nhìn vào đâu, kèm bằng chứng từ các nghiên cứu.
Dành cho người mới vào nghề, và cho các senior đang hướng dẫn họ.
Mai và anh Khoa là nhân vật dựng lại cho dễ hình dung, không phải người thật. Cuộc trò chuyện là minh họa, còn số liệu lấy từ nghiên cứu công khai ở cuối bài. Mình nói rõ chỗ nào là dữ liệu, chỗ nào là ý kiến của nhân vật. Nhiều nghiên cứu còn nhỏ hoặc do hãng công bố, nên hãy đọc thận trọng.
Tóm tắt nhanh#
- Không ai hứa được thị trường sẽ không đổi. Nhưng hiểu, gỡ lỗi và giải thích code vẫn là thứ được kiểm tra khi tuyển.
- Nhờ AI viết hộ bài tập có thể làm bạn học kém đi. Hãy tự viết trước, nhờ AI giải thích sau.
- Hỏi senior sau khi tự thử, và mang theo điều đã thử.
- Senior cũng phải kiểm chứng AI. Cảm giác nhanh không phải số đo.
- Mỗi tháng tự hỏi ba câu để biết mình có tiến bộ thật không.
Bối cảnh#
Một buổi chiều thứ sáu, ở quán cà phê gần công ty. Mai vào làm được ba tháng, đang làm thử việc. Anh Khoa là senior nhóm Mai, làm nghề tám năm.
1. "Em sợ AI lấy mất việc"#
Mai: Anh ơi, em nói thật nhé. Em lo lắm. Bạn em nói mấy công ty đang bớt tuyển fresher vì AI viết được code rồi.
Khoa: Anh không dám hứa với em điều gì chắc chắn, vì anh không biết. Nhưng anh chia sẻ cái anh đọc được. Có một nghiên cứu của Stanford dùng dữ liệu lương, thấy việc làm của người 22 đến 25 tuổi ở những nghề chịu ảnh hưởng nhiều từ AI giảm khoảng 13% so với các nhóm khác.
Mai: Vậy là đúng rồi còn gì anh?
Khoa: Khoan. Đó là dữ liệu của Mỹ, và là tương quan, nghĩa là hai thứ cùng thay đổi chứ chưa chứng minh cái này gây ra cái kia. Báo chí hay nhắc riêng nghề lập trình, nhưng phần tóm tắt của bài báo không nêu riêng nghề đó. Anh cũng chưa thấy số liệu tương đương cho mình ở Việt Nam. Nên anh nghĩ: lo vừa phải thì hợp lý, đừng để nó quyết định cách em học.
Điều rút ra: cửa vào có thể hẹp hơn, nhưng dữ liệu mới chỉ là tương quan và của nơi khác. Hãy tập trung vào thứ kiểm soát được: kỹ năng của mình.
2. "Em nhờ AI làm hết bài tập, nhanh lắm"#
Mai: Mà em có chuyện này hơi ngại. Em hay dán đề cho AI, nó viết ra chạy được ngay, em nộp. Nhanh lắm anh.
Khoa: Em còn nhớ tuần trước review của em không? Anh hỏi vì sao dùng vòng lặp lồng nhau, em không giải thích được.
Mai: Dạ... em chỉ biết nó chạy.
Khoa: Anh kể em nghe một thử nghiệm của Anthropic, công bố đầu năm 2026. Họ cho 52 lập trình viên, phần lớn còn trẻ, học một thư viện Python lạ. Nhóm dùng AI làm bài kiểm tra kiến thức xong đạt khoảng 50%, nhóm tự viết khoảng 67%. Chênh nhiều nhất ở câu hỏi về gỡ lỗi.
Mai: Vậy AI làm em dốt đi à?
Khoa: Anh không dám nói chắc. Mẫu nhỏ, 26 người mỗi nhóm, và anh mới đọc bản tóm tắt chứ chưa đọc kỹ cả bài. Nhóm dùng AI cũng nhanh hơn khoảng hai phút nhưng chênh lệch đó không có ý nghĩa thống kê. Nhưng anh thấy nó khớp với điều anh quan sát: ai nhờ AI viết hộ phần mình đang cần học thì hụt đúng phần gỡ lỗi.
Mai: Vậy em nên làm sao?
Khoa: Em thử quy tắc này: tự viết trước 20 phút, rồi mới nhờ AI giải thích hoặc chỉ chỗ sai. Đừng xin code mới. Xin giải thích.
Điều rút ra: AI giỏi giải thích hơn là học hộ. Tự viết trước để có một bản của mình mà so sánh.
3. "Vậy em nên học cái gì?"#
Mai: Nếu AI viết được code đơn giản, em nên học gì?
Khoa: Anh nghĩ năm thứ, và anh nói rõ đây là ý kiến của anh chứ không phải sự thật đã kiểm chứng:
- Đọc code của người khác. Mỗi tuần đọc một tệp lạ, nói lại bằng lời nó làm gì.
- Gỡ lỗi có hệ thống. Tái hiện lỗi, thu hẹp, đặt giả thuyết, kiểm tra. Đừng đoán mò.
- Viết test. Test giúp em biết "đúng" nghĩa là gì.
- Dùng Git và review. Làm việc với người khác là chuyện hằng ngày.
- Giải thích quyết định. Vì sao chọn cách này, không chọn cách kia.
Mai: Toàn những thứ AI cũng làm được mà anh?
Khoa: AI làm được một phần, nhưng người phải chịu trách nhiệm cho kết quả thì cần hiểu. Bài viết của em về kế hoạch 12 tháng cho fresher em cứ đọc thử, nó nói chi tiết hơn anh.
4. "Em nên hỏi AI hay hỏi anh?"#
Mai: Có lúc em không biết nên hỏi AI hay làm phiền anh.
Khoa: Anh chia thế này. Hỏi AI về khái niệm và ví dụ: "Giải thích con trỏ", "cho ví dụ về vòng lặp". Hỏi anh về bối cảnh và quyết định: "Vì sao dự án mình dùng cách này", "đoạn này có nên sửa không".
Mai: Còn cách hỏi anh thì sao?
Khoa: Em tự thử khoảng 15 phút trước. Rồi mang theo ba thứ: em đã thử gì, em mong đợi gì, và em thấy gì. Cách đó anh trả lời nhanh, còn thấy được em nghĩ thế nào.
Mai: Nhưng em sợ hỏi ngốc...
Khoa: Câu hỏi có ba thứ đó không bao giờ ngốc. Câu ngốc là câu em không thử trước và không nói đã thử gì.
5. "Còn anh dùng AI thế nào?"#
Mai: Anh có dùng AI không?
Khoa: Có, hằng ngày. Anh dùng cho phần lặp lại như dựng khung, viết test mẫu, giải thích đoạn code lạ. Nhưng anh vẫn đọc từng thay đổi và có danh sách để duyệt. Em có thể xem danh sách kiểm 15 điểm anh hay dùng.
Mai: Nhờ vậy anh nhanh hơn nhiều nhỉ?
Khoa: Anh tưởng vậy, rồi anh đọc nghiên cứu của METR công bố tháng 7/2025. Họ cho 16 lập trình viên giàu kinh nghiệm làm 246 việc thật, một nửa được dùng AI, một nửa không. Nhóm dùng AI chậm hơn khoảng 19%, nhưng chính họ tin mình nhanh hơn khoảng 20%.
Mai: Ủa, vậy là AI không giúp gì ạ?
Khoa: Cẩn thận, anh không nói thế. Mẫu nhỏ, họ làm trong dự án họ rất quen, và công cụ khi đó là đầu 2025, nay đã đổi nhiều. Anh chỉ rút ra một điều: cảm giác nhanh không phải số đo. Nên anh bắt đầu tự ghi thời gian vài việc, có và không dùng AI.
Điều rút ra: cả senior cũng cần kiểm chứng. Đo thay vì tin cảm giác.
6. "Làm sao em biết mình tiến bộ?"#
Mai: Em không biết mình có tiến bộ thật không.
Khoa: Mỗi tháng em tự hỏi ba câu, viết ra giấy:
- Tháng này em tự làm được việc gì mà tháng trước chưa làm được (không có AI)?
- Trong code em nộp, phần nào em giải thích được mà không nhìn lại?
- Lần gỡ lỗi khó nhất tháng này em xử lý thế nào, mất bao lâu, ai giúp?
Nếu hai tháng liền câu một và hai không tiến, em giảm AI viết hộ và tăng tự viết. Nếu câu ba lúc nào cũng là "nhờ AI sửa", em luyện gỡ lỗi bằng tay.
7. "Phỏng vấn người ta nhìn vào đâu?"#
Mai: Sau này đi phỏng vấn, người ta nhìn em ở đâu?
Khoa: Anh từng phỏng vấn mấy bạn fresher. Anh nhìn ba thứ: bạn giải thích được code của mình không, gỡ lỗi được trước mặt anh không, và kiểm chứng kết quả của AI thế nào. Khảo sát Stack Overflow 2025, hơn 49.000 người trả lời, ghi nhận 46% không tin độ chính xác của AI và 66% hay gặp lời giải "gần đúng nhưng chưa đúng". Nên anh quan tâm em kiểm chứng thế nào hơn là em dùng AI nhiều hay ít.
Mai: Anh hỏi câu "bạn dùng AI thế nào" à?
Khoa: Có. Câu trả lời tốt thường có ba phần: dùng để làm gì, kiểm chứng ra sao, và khi nào không dùng.
8. Khi cuộc trò chuyện sắp kết thúc#
Mai: Anh cho em bài tập về nhà nhé.
Khoa: Tuần này: chọn một bài nhỏ, tự viết 20 phút, rồi nhờ AI giải thích chỗ em sai. Cuối tuần, kể anh nghe em đã học được gì.
Mai: Anh có lo gì không?
Khoa: Có, anh lo vài chuyện: dữ liệu còn mỏng, anh chưa chắc cái nào đúng lâu dài. Anh cũng đang học. Đừng coi những gì anh nói là chân lý. Hãy coi là điểm xuất phát để em thử và tự kiểm chứng.
Những điều rút ra#
- Lo vừa phải, đừng để nỗi lo quyết định cách học. Dữ liệu việc làm là tương quan và của nơi khác.
- Tự viết trước, nhờ AI giải thích sau. Thử nghiệm nhỏ của Anthropic gợi ý nhờ AI viết hộ làm hụt phần gỡ lỗi.
- Hỏi người sau khi tự thử, và mang theo điều đã thử.
- Kiểm chứng và đo, kể cả khi bạn là senior. Nghiên cứu METR nhắc rằng cảm giác nhanh không phải số đo.
- Hãy tự hỏi ba câu mỗi tháng để biết mình tiến bộ thật hay chỉ thấy nhanh.
Nhìn cân bằng#
- Đây là cuộc đối thoại dựng lại. Ý kiến của anh Khoa là của một nhân vật, không phải kết luận đã kiểm chứng.
- Các nghiên cứu được nhắc còn nhỏ hoặc do hãng công bố. Dữ liệu việc làm là của Mỹ. Cả hai có thể đổi khi công cụ và thị trường đổi.
- Mỗi người học khác nhau. Hãy dùng gợi ý như điểm xuất phát, không như quy tắc cứng.
Nguồn tham khảo#
- Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of AI (Stanford Digital Economy Lab) và bài đưa tin của The Register
- Anthropic: AI assistance and coding skills (1/2026)
- Simon Willison về nghiên cứu năng suất của METR
- Stack Overflow Developer Survey 2025, phần AI
- Bài liên quan trong blog: Fresher thời AI: kế hoạch 12 tháng thành junior, Duyệt code do AI viết
Câu hỏi thường gặp
- Fresher có nên lo AI lấy mất việc không?
- Lo vừa phải là hợp lý nhưng đừng để nó quyết định cách học. Nghiên cứu của Stanford thấy việc làm của người 22 đến 25 tuổi ở các nghề chịu ảnh hưởng nhiều từ AI giảm khoảng 13% so với nhóm khác, nhưng đó là dữ liệu Mỹ và là tương quan, không chứng minh nguyên nhân. Điều chắc chắn hơn là các kỹ năng như hiểu vấn đề, gỡ lỗi và giải thích code vẫn được kiểm tra khi tuyển.
- Nên hỏi AI hay hỏi senior?
- Hỏi AI về khái niệm và ví dụ, hỏi senior về bối cảnh và quyết định của dự án. Trước khi hỏi người, hãy tự thử khoảng 15 phút và mang theo điều bạn đã thử, kết quả mong đợi và kết quả thật. Cách đó cho senior thấy cách bạn nghĩ và giúp họ trả lời đúng chỗ.
- Senior dùng AI thế nào khi làm việc?
- Thường dùng cho phần lặp lại như dựng khung, viết test mẫu, giải thích code lạ, và vẫn đọc kỹ và kiểm chứng kết quả. Nghiên cứu của METR trên 16 lập trình viên giàu kinh nghiệm thấy họ chậm hơn khoảng 19% khi dùng công cụ AI đầu 2025 dù tin mình nhanh hơn, nên nhiều senior chọn tự đo thời gian thay vì tin cảm giác.
- Nhà tuyển dụng nhìn vào đâu ở fresher thời AI?
- Khả năng giải thích code của mình, gỡ lỗi trực tiếp và cách bạn kiểm chứng kết quả của AI. Khảo sát Stack Overflow 2025 ghi nhận 46% người dùng không tin độ chính xác của AI, nên người phỏng vấn quan tâm bạn kiểm chứng thế nào hơn là bạn dùng AI nhiều hay ít.