Chào 2026

23h00 ngày 31/12/2025 tôi mới cất được xe và lao về nhà, trong khi dòng người hối hả đi theo hướng ngược lại, tập trung kín khu vực quanh sân vận động Mỹ Đình. Thật hú vía vì kịp len qua hàng trăm cái xe máy và ô tô dừng sát nhau. Suýt chút nữa phải đứng lại giữa đường, lúc ấy thì không biết mấy giờ mới về được nhà, mà cũng không biết xem pháo hoa nên vui hay nên buồn nữa.

Về xua bọn trẻ con đi ngủ, tắm táp qua loa, định gõ vài dòng mà mệt quá, thôi để mai vậy.

---

Lướt mạng xã hội thấy nhiều người nói về 2025 - năm của sự thanh lọc, hóa ra bắt nguồn từ thần số học - một bộ môn thu hút được khá nhiều người. Tôi thì không tin lắm vì mọi suy diễn chỉ bắt đầu từ việc cộng vài con số của số năm được quy ước dựa trên 1 loại lịch (?!). Thằng Grok bảo:

Ủa mày, câu này đang hot lắm trên mạng xã hội Việt Nam luôn đấy! Nhiều người gọi 2025 là "năm của sự thanh lọc" chủ yếu vì thần số học (numerology).
Cách tính đơn giản: Lấy các chữ số của năm cộng lại: 2 + 0 + 2 + 5 = 9.
Trong thần số học, chu kỳ số chạy từ 1 đến 9, và số 9 là số cuối cùng, tượng trưng cho sự kết thúc một chu kỳ lớn (9 năm), buông bỏ, thanh lọc năng lượng, phơi bày sự thật, loại bỏ những gì không còn phù hợp (mối quan hệ độc hại, thói quen xấu, công việc cũ kỹ...), để chuẩn bị tái sinh và bước sang chu kỳ mới từ năm 2026 (số 1 – khởi đầu mới).
Vì vậy, 2025 được gọi là năm thế giới số 9 hay năm thanh lọc cực mạnh. Dân mạng hay đùa là "vũ trụ bật chế độ review toàn diện", cái gì giả tạo, tiêu cực đều bị lộ ra hết, buộc phải buông bỏ để nhẹ nhàng hơn.
Thực tế năm 2025 cũng có nhiều drama, scandal showbiz, vụ việc phơi bày, cộng với một số sự kiện chính trị/xã hội được ví như "thanh lọc" (kiểu sàng lọc nhân sự, loại bỏ tiêu cực), nên cụm từ này càng viral mạnh, đặc biệt quanh ngày 9/9/2025 (đỉnh điểm năng lượng số 9).
Nói chung là trend tâm linh + mạng xã hội thôi, chứ không phải khoa học chính thống. Nhưng nhiều người thấy năm nay đúng là "lọc" thật: mất mối quan hệ, thay đổi công việc, buông bỏ nhiều thứ...

Nghe giống một lời tiên tri tự ứng nghiệm, nói chung là như nhiều môn tâm linh khác, người ta để ý đến điều gì thì sẽ suy diễn, chiêm nghiệm mọi việc theo chiều hướng đó. Nhưng đúng là 2025 có nhiều biến động, mà tâm điểm là cơn bão AI đã bùng lên mạnh mẽ, và dù muốn hay không, tất cả đều phải tìm cách thích nghi thật nhanh.

Trong mô hình truyền thống, lập trình viên dành thời gian đáng kể cho việc viết cú pháp, gỡ lỗi, biên dịch và tái cấu trúc mã. Họ phải có kiến thức sâu về ngôn ngữ lập trình, framework và công cụ. Vibe Coding đảo ngược mô hình này - thay vì viết từng dòng mã, lập trình viên tạo các prompt dựa trên ý định, AI hiểu và tạo mã, sau đó con người xác minh và điều chỉnh kết quả. Tốc độ áp dụng AI và những hứa hẹn đầy lạc quan về hiệu quả của nó đã thay đổi hoàn toàn cách thế giới làm phần mềm.

Tuy nhiên, các nghiên cứu độc lập đưa ra một bức tranh phức tạp và đôi khi mâu thuẫn hoàn toàn. Nghiên cứu đột phá của METR (Model Evaluation and Threat Research) năm 2025 đã gây chấn động ngành khi phát hiện ra rằng các công cụ AI thực sự làm chậm các lập trình viên có kinh nghiệm xuống 19%.

Nghiên cứu này, tiến hành trên 16 lập trình viên open-source có kinh nghiệm với trung bình 5 năm làm việc trên các dự án trưởng thành, cho thấy kết quả đáng kinh ngạc. Trước khi bắt đầu nhiệm vụ, các lập trình viên dự đoán rằng AI sẽ giúp họ nhanh hơn 24%. Sau khi hoàn thành nghiên cứu, họ ước tính AI đã giúp họ nhanh hơn 20%. Nhưng thực tế đo lường cho thấy họ chậm hơn 19% - một sự khác biệt khổng lồ.

Các chuyên gia kinh tế và machine learning cũng dự đoán sai. Họ ước tính AI sẽ giúp giảm thời gian hoàn thành khoảng 38-39%, nhưng thực tế lại cho thấy sự chậm lại. Điều đặc biệt quan trọng là hiệu ứng chậm lại này rất bền vững qua nhiều phân tích khác nhau - không bị ảnh hưởng bởi kinh nghiệm trước đó với công cụ AI hay số giờ sử dụng Cursor.

Tại sao lại có sự khác biệt lớn như vậy? Phân tích từ hơn 140 giờ ghi hình màn hình đã xác định năm nguyên nhân chính đóng góp vào sự chậm lại:

  • Thời gian prompting: Lập trình viên phải dành thời gian đáng kể để tạo và tinh chỉnh các prompt hiệu quả
  • Xem xét đề xuất AI: Mỗi đề xuất của AI cần được đánh giá cẩn thận trước khi chấp nhận
  • Tích hợp với codebase phức tạp: AI tạo mã cục bộ tốt nhưng gặp khó khăn với bối cảnh kiến trúc toàn cục
  • Chi phí chuyển đổi ngữ cảnh: Chuyển đổi giữa suy nghĩ về vấn đề và đánh giá đầu ra AI
  • Thời gian chờ đợi không hoạt động: Dữ liệu ghi màn hình cho thấy mã hóa có hỗ trợ AI có nhiều thời gian chờ đợi hơn

Một giả thuyết thú vị là viết code với AI đòi hỏi ít nỗ lực nhận thức hơn, khiến việc đa nhiệm hoặc “zone out” trở nên dễ dàng hơn. Mặc dù không nhanh hơn, nó có cảm giác nhanh hơn vì lập trình viên hoàn thành nhiều nhiệm vụ phụ hơn trong khi chờ đợi LLM hoặc họ thư giãn tinh thần hơn.

Thực chất ràng buộc đã chuyển từ bước viết mã sang bước đánh giá, xác thực mã và giải quyết nợ kỹ thuật. Một số anti-pattern phổ biến về kiến trúc và bảo mật do mã viết bởi AI gồm:

  • Tránh tái cấu trúc (Avoidance of Refactors): AI chỉ quan tâm đến việc triển khai prompt, dẫn đến mã khó hiểu (80-90% tỷ lệ xuất hiện)
  • Quá cụ thể hóa (Over-specification): AI triển khai mã cho các trường hợp biên cực hiếm khi xảy ra trong thực tế (80-90% tỷ lệ xuất hiện)
  • Thiếu nhất quán (Lack of Consistency): AI không tuân theo các tiêu chuẩn nội bộ của nhóm, hoặc chỉ tuân theo các ví dụ mẫu mà không tinh chỉnh theo ứng dụng
  • Nợ kiến thức (Knowledge Debt): Các nhóm cuối cùng phải bảo trì mã mà không ai thực sự viết ra
  • Lỗi lặp lại (Bugs Déjà-Vu): Thay vì phát triển thư viện, AI tạo ra mã cho chức năng hiện có và thêm vào những lỗi tương tự đã tồn tại lần trước khi AI tạo ra chức năng đó

Ở đây có 1 kịch bản catch-22 1: các công ty phải áp dụng AI để đạt tốc độ cạnh tranh, nhưng việc áp dụng này làm tăng nợ kỹ thuật, đòi hỏi nhiều tài nguyên hơn để quản lý.

Lập trình viên hiện dành 70% thời gian của họ để kiểm tra mã do AI tạo ra. Đối với các nhóm với nhiều lập trình viên junior sử dụng AI, các kỹ sư senior nhanh chóng bị quá tải với khối lượng công việc xem xét.

Các công ty như OpenAI và Anthropic đã phát triển các mô hình để giải quyết nghẽn cổ chai này: ​- Sử dụng AI để xem xét mã do AI tạo ra trước - bắt các vấn đề rõ ràng trước khi xem xét của con người

  • Chia đầu ra AI thành các PR nhỏ hơn thay vì các bộ thay đổi lớn
  • Tăng cường kiểm thử tự động để bắt các vấn đề trong CI/CD, không phải trong xem xét của con người
  • Không giảm ưu tiên các PR của AI - đối xử với chúng như nhau trong hàng đợi nhưng áp dụng sự kiểm tra thích hợp

AI đang tự động hóa chính xác những nhiệm vụ từng là lĩnh vực độc quyền của các kỹ sư junior - những nhiệm vụ dựa nhiều vào kiến thức học trong trường. Một kỹ sư senior giờ có thể sử dụng trợ lý AI để tạo ra một component tiêu chuẩn hoặc một bộ unit test trong vài phút, một nhiệm vụ trước đây có thể được giao cho một kỹ sư junior trong vài giờ hoặc vài ngày.

Hiện tượng này tạo ra một nghịch lý ngày càng tăng cho ngành. Nhu cầu về kỹ năng cấp senior - khả năng thiết kế hệ thống phức tạp, gỡ lỗi các tương tác tinh tế và đưa ra quyết định kiến trúc quan trọng - đang tăng lên, vì đây là những nhiệm vụ cần thiết để quản lý và xác thực hiệu quả đầu ra của hệ thống AI. Tuy nhiên, với việc AI tự động hóa các nhiệm vụ nền tảng, bậc đầu tiên trên thang sự nghiệp thực tế đang bị loại bỏ.

Kết quả là có rất nhiều senior ở đỉnh, các công cụ AI làm công việc nặng nhọc ở dưới, và rất ít junior học nghề ở giữa. Những senior của tương lai sẽ từ đâu đến nếu không có junior ngày nay để học hỏi và phát triển?

Nhận định và dự đoán

Thị trường năm 2026 đòi hỏi một bộ kỹ năng hoàn toàn mới:

  1. Điều phối AI và Prompt Engineering: Khả năng tạo các prompt rõ ràng, có mục tiêu với bối cảnh đầy đủ. Chia các nhiệm vụ lớn thành các prompt nhỏ, cụ thể. Hiểu các khả năng và giới hạn của AI để sử dụng nó hiệu quả.
  2. Kiến trúc hệ thống và thiết kế: Thiết kế các hệ thống phức tạp có khả năng mở rộng. Đưa ra quyết định kiến trúc với các đánh đổi. Hiểu tích hợp hệ thống, sự kiện, quản lý dữ liệu và khả năng phục hồi.
  3. AI/ML và kỹ thuật LLM: Làm việc với các mô hình AI, tích hợp chúng vào sản phẩm. Xây dựng pipeline cho training hoặc fine-tuning models. Làm việc với vector database cho RAG (retrieval-augmented generation). Hiểu các ràng buộc hiệu suất AI, quyền riêng tư và độ tin cậy.
  4. Cloud-Native Development và DevOps: Thiết kế ứng dụng cloud-first mở rộng theo chiều ngang. Làm chủ Kubernetes, serverless computing và công cụ tự động hóa infrastructure. CI/CD pipelines, monitoring, alerting và incident response.​
  5. Cybersecurity và Secure Coding: Hiểu secure coding principles, API security, threat modeling. Đánh giá các thư viện phụ thuộc bên thứ ba. Xây dựng các hệ thống tuân thủ tiêu chuẩn.
  6. Chuyên môn theo lĩnh vực: Kiến thức sâu về các ngành như y tế, tài chính hoặc sản xuất. Hiểu các yêu cầu kinh doanh và ngữ cảnh sản phẩm.
  7. Soft skills: Giao tiếp hiệu quả, tài liệu và hợp tác đa nhóm. Khả năng giải thích công việc kỹ thuật thành giá trị kinh doanh.
  8. Khả năng thích ứng và học tập liên tục: Học kỹ năng mới nhanh chóng. Theo kịp các công cụ và công nghệ AI. Hiện có hơn 70% lập trình viên sử dụng ChatGPT hoặc LLM để học kỹ năng mới trong quy trình làm việc thời gian thực.

Một số xu hướng quan trọng cho 2026 và xa hơn:

  1. Điều phối đa agent: Thay vì dựa vào một trợ lý duy nhất, các nhóm agent chuyên biệt sẽ làm việc cùng nhau theo thời gian thực. Mỗi agent có thể chuyên về một khía cạnh khác nhau - thiết kế, triển khai, kiểm thử, bảo mật - hợp tác để cung cấp các giải pháp toàn diện.
  2. Tích hợp hệ thống sâu hơn: Các mô hình tương lai dự kiến sẽ quản lý môi trường trực tiếp, bao gồm CI/CD và giám sát infrastructure, tất cả trong khi kết hợp các biện pháp RBAC và tuân thủ được tinh chỉnh.
  3. Điều chỉnh khả năng: Phát triển các mô hình cá nhân hóa có thể thích ứng với các phong cách viết mã cá nhân, các lĩnh vực cụ thể và thậm chí các phương pháp gỡ lỗi ưa thích.
  4. Tập trung vào độ tin cậy: Chuyển từ các hệ thống “thông minh hơn” sang “đáng tin cậy hơn”. Agent có thể chứng minh các sửa đổi của chúng (bao gồm sự khác biệt và lý luận), tự động tạo và thực hiện các test, tuân thủ các ràng buộc và tránh gây ra lỗi ẩn.
  5. Áp dụng hàng loạt: Đến năm 2030, dự kiến 25% các startup Y Combinator sẽ sử dụng AI để tạo ra hầu hết mã của họ, tự động hóa 80% các nhiệm vụ thường xuyên và tăng tốc hoàn thành dự án lên đến 55%.

Kết

AI thật sự mạnh, bằng chứng là chính blog mà bạn đang đọc đã được tôi convert từ Hugo sang Astro và thêm một loạt tính năng + tùy chỉnh giao diện trong 2 ngày, hoàn toàn bằng Vibe Coding, điều gần như bất khả thi với 1 công nhân lập trình chỉ thích CLI và làm việc nhiều với terminal.

Ngoài lề một chút, tôi đã quyết định từ bỏ hoàn toàn rượu bia và hạn chế tối đa đồ uống có cồn. Thật may là việc phải lái xe giúp chúng ta dễ dàng từ chối nâng ly trong một vài tình huống cần xã giao.

Hy vọng là tôi và AI có thể hoàn thành được nhiều thứ còn dang dở trong 2026 này. Hãy chờ xem.

Footnotes

  1. “Bẫy 22” (Catch-22) là tên một tiểu thuyết nổi tiếng của Joseph Heller, đồng thời chỉ một kiểu tình huống tiến thoái lưỡng nan, làm gì cũng… thua, không có lối thoát hợp lý. Trong tiểu thuyết, “Catch-22” là điều khoản quân đội: ai xin khám tâm thần để được cho nghỉ bay thì chứng tỏ mình còn tỉnh táo, nên không được coi là điên và vẫn phải tiếp tục bay. Sách rất hay và hài hước, mọi người có thể tìm đọc. ↩