Sau Tự Động Hóa
Tác giả gốc: Dan Shipper, Every CEO
Biên dịch: Peggy, BlockBeats

Biên tập viên: Gần đây, cuộc thảo luận về AI và công việc gần như bị chi phối bởi một câu hỏi: Khi khả năng của mô hình tiếp tục được nâng cao, liệu các vị trí văn phòng có bị thay thế hàng loạt không? Từ tạo mã, tự động hóa dịch vụ khách hàng đến sản xuất nội dung, các Agent đang dần tiếp quản những công việc tri thức vốn cần con người thực hiện. Các bài kiểm tra chuẩn cũng đang củng cố thêm nỗi lo lắng này: Hiệu suất của mô hình trong suy luận cấp sau đại học, các nhiệm vụ kinh tế thực tế và tái cấu trúc mã cấp kỹ sư cao cấp đang tăng nhanh, dường như đang tiến gần đến một điểm tới hạn nơi công việc của con người bị tự động hóa nuốt chửng.

Tuy nhiên, Every CEO Dan Shipper trong bài viết này đưa ra một quan sát ngược lại: càng tự động hóa, thì công việc con người phải làm lại càng nhiều. Every là người dùng sâu rộng các AI Agent, đã tích hợp các công cụ như Codex, Claude Code, Slack Agent, và AI hỗ trợ khách hàng vào các quy trình lập trình, viết lách, thiết kế, hỗ trợ khách hàng và quản lý. Nhưng kết quả không phải là nhân viên bị thay thế hoàn toàn, mà là hình thức công việc được tái cấu trúc: các kỹ sư không còn chỉ viết mã, mà còn xem xét, tái cấu trúc và thiết kế hệ thống; biên tập viên không còn chỉ viết bài, mà còn xác định điều gì đáng viết và làm thế nào để viết khác biệt; nhân viên hỗ trợ khách hàng không còn xử lý từng phiếu yêu cầu cơ bản, mà duy trì một hệ thống có thể tự động phản hồi khách hàng.

Điều đáng chú ý nhất trong bài viết này không phải là “AI có thể hoàn thành một nhiệm vụ nào đó hay không”, mà là nó đã tái định nghĩa vị trí của con người trong công việc tri thức. AI giỏi ở chỗ biến những năng lực đã được tích lũy trong quá khứ trở nên rẻ tiền: mã nguồn, văn bản, hình thu nhỏ, câu trả lời hỗ trợ khách hàng, mô tả sản phẩm, báo cáo nghiên cứu, tất cả đều có thể được mô hình tạo ra nhanh chóng. Nhưng khi những năng lực này trở nên sẵn có với mọi người, điều thường xuất hiện trên thị trường không phải là những sản phẩm khác biệt chất lượng cao, mà là một lượng lớn các “đầu ra mặc định” trông giống nhau, thiếu phán đoán và cảm nhận ngữ cảnh. Nói cách khác, AI thương mại hóa “năng lực của con người ngày hôm qua”, còn điều thực sự khan hiếm là khả năng phán đoán khi đối mặt với các vấn đề cụ thể hiện tại.

Do đó, tự động hóa không xóa bỏ các chuyên gia, mà còn tạo ra nhiều tình huống hơn cần sự can thiệp của chuyên gia. Khi nhân viên vận hành có thể sử dụng AI để gửi mã, các kỹ sư cần xác định những đoạn mã nào đáng để hợp nhất; khi nhân viên marketing có thể tạo ảnh thu nhỏ trong vài giây, các nhà thiết kế cần xác định điều gì phù hợp với thương hiệu và mục tiêu truyền thông; khi các kỹ sư cũng có thể viết bài, các biên tập viên cần biến bản nháp thành nội dung thực sự có quan điểm, có cấu trúc và sẵn sàng để xuất bản. AI mở rộng bán kính sản xuất, đồng thời làm gia tăng nhu cầu về kiểm soát chất lượng, xây dựng hệ thống, xác định ranh giới và biểu đạt khác biệt.

Tác giả tiếp tục giải thích nghịch lý này bằng các bài kiểm tra hiệu năng. Dù là Senior Engineer Benchmark hay GDPval của OpenAI, điểm số của mô hình không đo lường “trí thông minh” theo nghĩa trừu tượng, mà là hiệu suất của mô hình trong một khung vấn đề cụ thể. Prompt, ranh giới nhiệm vụ, tiêu chí đánh giá và định dạng đầu ra đều đã chứa đựng rất nhiều phán xét của con người. Mô hình có thể nhanh chóng cải thiện trong khung này, nhưng chính khung đó do con người thiết lập; khi một khung bị mô hình chinh phục, con người lại đẩy vấn đề sang một khung mới phức tạp hơn.

Đây cũng là phản hồi thú vị nhất của bài viết này đối với nỗi lo về AGI: Ngay cả khi các mô hình ngày càng mạnh mẽ, chúng thường chỉ đuổi kịp một ranh giới nào đó do con người vạch ra, chứ không phải chính con người đã vạch ra ranh giới đó. AI có thể thực hiện mục tiêu, tối ưu lộ trình và nâng cao hiệu suất, nhưng miễn là nó vẫn đang phản hồi các vấn đề do con người đặt ra, thì nó vẫn thiếu đi tính chủ thể thực sự. Tương lai của công việc tri thức không phải là con người biến mất khỏi quy trình, mà là chuyển từ vai trò thực thi sang vai trò thiết kế khung, duy trì hệ thống, đánh giá chất lượng và định nghĩa ý nghĩa.

Sau khi tự động hóa, giá trị của công việc con người không biến mất, mà trở nên khó hơn, được đặt ở vị trí ưu tiên cao hơn và phụ thuộc nhiều hơn vào phán đoán. AI khiến việc “biết làm” trở nên rẻ tiền, nhưng lại làm cho việc “biết điều gì đáng làm, vì sao phải làm, và làm đến mức nào mới gọi là tốt” trở nên khan hiếm hơn.

The following is the original text:

Lõi của AI tồn tại một nghịch lý.

Tại Every, chúng tôi đã tự động hóa càng nhiều việc càng tốt. Dù là lập trình, viết lách, thiết kế, dịch vụ khách hàng hay các công việc hàng ngày khác, chúng tôi đều sử dụng Codex và Claude Code. Chúng tôi cũng tham gia thử nghiệm alpha trước khi các mô hình mới của OpenAI, Anthropic và Google chính thức ra mắt. Có thể nói, chúng tôi đang tận dụng tối đa và nhanh nhất có thể làn sóng tăng trưởng theo cấp số nhân trong khả năng trí tuệ và tự động hóa của các mô hình.

Nhưng một điều mâu thuẫn là, đối với chúng tôi, công việc mà con người cần hoàn thành dường như nhiều hơn bao giờ hết. Every hiện là một đội ngũ gần 30 người, và chúng tôi không sa thải tất cả nhân viên vì có Agent; cũng không từ bỏ các công cụ SaaS để hoàn toàn phụ thuộc vào các ứng dụng được tạo ra bằng vibe coding. Chúng tôi vẫn tuyển dụng nhân viên hỗ trợ khách hàng là người thật, chỉ là họ sẽ được hỗ trợ rất nhiều bởi Agent; chúng tôi cũng vẫn đang tuyển dụng tác giả, biên tập viên và kỹ sư.

Tuy nhiên, hình thức công việc thực sự đã thay đổi lớn lao. Chúng ta gần như không còn viết mã bằng tay nữa. Nếu bạn @ một người nào đó trên Slack, đôi khi khó xác định liệu họ là người thật hay là Agent. Các nhà quản lý bắt đầu nộp mã như những cá nhân đóng góp trực tiếp, trong khi các kỹ sư cũng bắt đầu trực tiếp đối diện với khách hàng. Trong vài tuần qua, 95% email công việc của tôi được AI trả lời thay. Hộp thư đến của tôi gần như luôn ở trạng thái trống rỗng — điều cực kỳ hiếm gặp với tôi — nhưng tôi vẫn kiểm tra từng email một.

Nói cách khác, tương lai trông có vẻ xa lạ, nhưng lại kỳ lạ là quen thuộc.

Sự “quen thuộc” này vốn dĩ khiến người ta bất ngờ. Bởi vì, dù là CEO, người lao động tri thức hay nhà đầu tư, dường như ngày càng tin vào một điều giống nhau: AI đang đe dọa việc làm, nền kinh tế, an ninh, thậm chí cả ý nghĩa của công việc con người.

CEO của Anthropic, Dario Amodei, từng cảnh báo rằng AI có thể xóa bỏ tới một nửa số vị trí văn phòng cấp thấp. Gần đây, Meta đã sa thải 8.000 người và bắt đầu cài đặt phần mềm trên máy tính của nhân viên tại Mỹ để ghi lại chuyển động chuột, cú nhấp và nhập liệu bàn phím, nhằm thu thập dữ liệu huấn luyện chất lượng cao hơn cho các công việc tri thức cấp cao.

Ngay cả người sáng lập Citadel, Ken Griffin, cũng tỏ ra khá kinh ngạc. Gần đây, ông nói: “Đây không phải là các vị trí văn phòng trung cấp hay thấp cấp, mà là các vị trí yêu cầu kỹ năng cao, đang bị — tôi cân nhắc kỹ từ này — Agentic AI tự động hóa.”

Các bài kiểm tra chuẩn hóa khác nhau dường như cũng hỗ trợ phán đoán này. Khi các mô hình thế hệ mới liên tục được ra mắt, các chỉ số năng lực mô hình đang tăng với tốc độ gần như cấp số nhân. Trong bài kiểm tra suy luận cấp độ sau đại học Humanity's Last Exam, điểm số của các mô hình hàng đầu đã tăng từ con số đơn vị thấp cách đây một năm lên khoảng 44% hiện tại. Trong bài kiểm tra GDPval, đo lường khả năng của các mô hình tiên tiến trong việc hoàn thành công việc kinh tế thực tế và so sánh với hiệu suất con người, điểm số của mô hình cũng đã tăng từ mức tương tự thấp lên khoảng 85%. Vào tháng 5 năm nay, tổ chức phi lợi nhuận nghiên cứu an toàn AI METR đã công bố kết quả kiểm tra sớm của Claude Mythos: trên một số nhiệm vụ mà các chuyên gia con người cần khoảng 4 giờ để hoàn thành, mô hình này đạt tỷ lệ thành công 80%.

Dường như chúng ta đang đứng trước một điểm tới hạn: một AI thông minh hơn bất kỳ con người nào và có thể làm việc liên tục, tự chủ gần một ngày liền, đang tiến gần đến hiện thực.

Tuy nhiên, nghịch lý vẫn tồn tại. Nếu bạn trao đổi với những người làm trong ngành AI hoặc những người đầu tiên sử dụng AI ngoài ngành, bạn sẽ nghe thấy một kết luận giống với quan sát bên trong chúng tôi: lượng công việc cần làm thực ra lại nhiều hơn trước.

Điều mà cả ngành trong và ngoài quan tâm thực sự là: đây chỉ là một trạng thái chuyển tiếp? Liệu khi mô hình tiếp theo được ra mắt, đó sẽ là thời điểm thực sự thay thế tất cả mọi người? Chúng ta đang theo dõi đường cong hiệu suất, vừa háo hức, vừa lo lắng, sợ rằng một điểm ngoặt nào đó có thể đến bất cứ lúc nào, khiến hàng loạt công việc biến mất đột ngột.

Nhưng tôi cho rằng sẽ không có một “điểm tới hạn” nào bất ngờ ập đến khiến mọi thứ đảo ngược hoàn toàn và công việc biến mất hàng loạt. Thực tế mới chính xác là ngược lại: mức độ tự động hóa càng cao, thì nhu cầu về sự tham gia của các chuyên gia con người lại càng nhiều hơn.

Lý do là AI đang thương mại hóa những phần năng lực chuyên môn của con người có thể được biểu đạt rõ ràng, đào tạo và sao chép. Bất kỳ kiến thức nào có thể được viết thành quy tắc, đúc kết thành quy trình hoặc chuyển đổi thành dữ liệu huấn luyện đều sẽ dần trở thành khả năng mặc định của mô hình. Kết quả là, giá trị đầu ra của các mô hình thông thường bị giảm mạnh, và thị trường bắt đầu cần những thứ khác biệt hơn một cách mạnh mẽ hơn.

Nhu cầu về “sự khác biệt” về bản chất chính là nhu cầu về các chuyên gia con người. Ngay cả khi chúng ta đang tiến gần đến trí tuệ nhân tạo tổng quát, điều này cũng sẽ không biến mất.

Để hiểu được nguyên nhân, không thể chỉ xem xét đường cong kiểm tra hiệu năng, cũng không thể chỉ tập trung vào danh sách tham số mô hình và khả năng. Chúng ta phải quay trở lại các bối cảnh làm việc thực tế, xem AI hiện nay đang được sử dụng như thế nào. Chỉ có như vậy, chúng ta mới thực sự hiểu được nghịch lý này cùng câu trả lời đằng sau nó.

Chúng ta đã đi đến bước này như thế nào

Kể từ năm 2022, chúng tôi đã theo dõi ảnh hưởng của Agent đối với công việc trong tương lai.

Ba năm trước, tôi đã từng viết một bài viết về “nền kinh tế phân bổ” (allocation economy). Lúc đó, tôi cho rằng, làm việc cùng các công cụ AI cuối cùng sẽ ngày càng giống công việc của nhà quản lý con người: bạn không còn tự mình thực hiện từng hành động, mà sẽ chia nhỏ nhiệm vụ, phân bổ, giám sát và nghiệm thu. Lúc đó, những câu hỏi và câu trả lời cơ bản nhất trong ChatGPT vẫn được nhiều người xem là điều mang tính tương lai rất cao, thậm chí hơi đáng lo ngại.

Đến giữa năm 2025, công ty Every gần như đã hoàn toàn “Claude Code hóa”. Kieran Klaassen, Tổng giám đốc của Cora, đột nhiên nhận ra rằng anh ấy đã có thể từ bỏ việc viết mã thủ công và thay vào đó dành cả ngày để đưa ra lệnh bằng ngôn ngữ tự nhiên cho một tác giả lập trình trong terminal. Cách làm việc này nhanh chóng lan rộng khắp công ty. Khoảng 12 tháng trước, tôi đã nói trên Lenny’s Podcast rằng Claude Code là công cụ bị đánh giá thấp nhất trong công việc tri thức.

Tôi nhắc đến điều này vì những phán đoán chính xác nhất của chúng tôi trong quá khứ thường xuất phát từ việc quan sát Every như một phòng thí nghiệm cho những người dùng sớm. Nhiều mô hình làm việc mới sẽ xuất hiện đầu tiên trong nội bộ chúng tôi; sau đó, khi công nghệ trở nên chín muồi hơn và các công cụ trở nên dễ sử dụng hơn, những mô hình này mới dần lan rộng ra thị trường rộng lớn hơn.

Và hiện tại, chúng tôi đang trải qua những thay đổi mới bên trong.

Hai chế độ hợp tác với Agent

Cách thức hoạt động của AI đang dần hội tụ thành hai mô hình rất khác biệt.

Loại đầu tiên là hướng đã được dự đoán tương đối chính xác trong các cuộc thảo luận về AI trước đây: coi Agent như nhân viên. Các Agent này có thể được giao nhiệm vụ. Một số Agent sống trong Slack, có tên riêng và trách nhiệm của riêng mình; khi bạn cần chúng thực hiện việc gì, bạn có thể trực tiếp @ chúng; một số Agent khác được tích hợp vào các luồng công việc chạy liên tục, chẳng hạn như hệ thống chăm sóc khách hàng, đóng vai trò là cổng và bộ lọc 24/7 cho các nhiệm vụ lặp đi lặp lại.

Chế độ thứ hai ít quen thuộc hơn, nhưng theo kinh nghiệm của tôi, lại quan trọng hơn. Nó đề cập đến sự hợp tác giữa con người và Agent trong các công cụ như Codex, Claude Code, Claude Cowork. Những công cụ này không chỉ là nơi bạn giao nhiệm vụ, mà đang trở thành hệ điều hành của chính công việc: bạn và nhiều Agent cùng sử dụng một chiếc “máy tính” chung, hợp tác trong cùng một môi trường làm việc để hoàn thành những nhiệm vụ phức tạp cao, mang tính sáng tạo mạnh và không thể đơn giản giao cho Agent bất đồng bộ.

Trong cả hai chế độ này, bạn đều có thể sử dụng AI để tự động hóa và giao phó một phần lớn công việc. Tuy nhiên, để cả hai chế độ này hoạt động hiệu quả, bạn vẫn cần có sự tham gia của bạn hoặc một người khác.

Agent là người bạn giao một nhiệm vụ, và nó tự mình tạo ra một câu trả lời, một hành động, một báo cáo, một bản nháp, hoặc một quyết định phân luồng mà không cần sự tham gia trực tiếp của bạn.

Các Agent này ít nhất có hai dạng: một là “Agent đồng nghiệp”,另一种 là “Agent nhúng”.

1. Agent kiểu đồng nghiệp

Agent kiểu đồng nghiệp là loại bạn có thể gọi nó ra trong Slack như thể bạn đang @ một đồng nghiệp để nhờ nó thực hiện công việc nào đó. Nó luôn sẵn sàng và có thể được gọi bất cứ khi nào cần. Các sản phẩm như OpenClaw hoặc Plus One do chúng tôi tự phát triển đều thuộc loại này.

Claudie

Claudie là một tác nhân kiểu đồng nghiệp mà nhóm tư vấn của chúng tôi sử dụng. Nó viết đề xuất bán hàng, tạo bản nháp tài liệu đào tạo, theo dõi các công việc cần làm của dự án và có thể xử lý nhiều công việc tương tự khác.

Andy

Andy là một tác nhân kiểu đồng nghiệp mà đội ngũ biên tập của chúng tôi sử dụng. Nó thu thập các “điểm nguyên liệu” đáng để phát triển sâu hơn từ Slack nội bộ công ty — tức là những ý tưởng tiềm năng trở thành bài viết — và tổng hợp chúng thành bản tóm tắt và quan điểm ban đầu, giúp các tác giả sử dụng để soạn bản tin tức hàng ngày.

Viktor

Viktor là một Agent đa năng sẽ đảm nhận các công việc liên phòng ban trong công ty. Chúng tôi sẽ sử dụng nó để thu thập các chỉ số tăng trưởng, phân tích kết quả khảo sát người dùng, đồng thời để sắp xếp các cuộc thảo luận nội bộ lộn xộn thành ghi chú nghiên cứu và đề xuất sản phẩm.

2. Agent nhúng

Các Agent nhúng tồn tại trong các quy trình làm việc sản phẩm cụ thể. Chúng linh hoạt ít hơn so với các Agent đồng nghiệp, nhưng thường rất mạnh mẽ khi xử lý các tác vụ lặp đi lặp lại.

Fin là ví dụ rõ ràng nhất. Nó là một Agent được tích hợp trong nền tảng dịch vụ khách hàng của chúng tôi, có thể xử lý rất nhiều công việc hỗ trợ khách hàng thông qua trò chuyện và email.

Trong một tuần vào tháng 5 năm nay, Fin đã tham gia vào 65% trong tổng số 202 cuộc hội thoại hỗ trợ của Every và tự độc lập đóng 81 vé, chiếm 40,1% tổng số cuộc hội thoại có thể xử lý.

Các Agent nhúng loại này giúp quản lý dịch vụ khách hàng của chúng tôi, Waqqas Mir, tiết kiệm thời gian trả lời các vé cơ bản, từ đó tập trung nhiều hơn vào việc xây dựng hệ thống có thể tự động phản hồi vé và xử lý các trường hợp khách hàng đòi hỏi mức độ tương tác cao hơn và phán đoán phức tạp hơn.

Dù là Agent kiểu đồng nghiệp hay Agent nhúng, mô hình đằng sau đều giống nhau: các nhân viên Agent đang tiếp nhận nhiều công việc hơn, mang tính ổn định, lặp đi lặp lại và có ranh giới rõ ràng.

Nhưng vẫn còn rất nhiều công việc cần sự tham gia của con người. Chúng tôi liên tục phát hiện ra rằng, khi nhiệm vụ đủ phức tạp và muốn đạt được kết quả chất lượng cao thực sự, cách tốt nhất không phải là giao toàn bộ công việc cho AI, mà là để AI và con người cùng hợp tác qua lại trong cùng một không gian làm việc.

Đây chính là giá trị của các công cụ như Codex, Claude Code và Cowork. Chúng cho phép bạn khởi động một hoặc nhiều Agent trong nhiều luồng trò chuyện và giao nhiệm vụ cho chúng. Các Agent này có thể truy cập vào máy tính của bạn và tất cả các nguồn dữ liệu liên quan. Bạn có thể thấy mỗi Agent đang thực hiện nhiệm vụ gì, đang suy nghĩ như thế nào, và có thể ngắt nó bất cứ lúc nào.

Đồng thời, bạn vẫn phải chịu trách nhiệm quản lý các Agent này: xác định hướng dẫn rõ ràng khi bắt đầu mỗi nhiệm vụ, kiểm tra chất lượng khi kết thúc nhiệm vụ, đảm bảo kết quả đủ tốt và tiếp tục tìm kiếm những công việc tiếp theo đáng để thúc đẩy. Kieran gọi vai trò này là “bánh kẹp” của con người — AI đảm nhận phần công việc ở giữa, trong khi con người giống như hai lát bánh mì, kẹp ở đầu và cuối nhiệm vụ.

"Bánh mì kẹp người". Nguồn: Every.

Ví dụ điển hình nhất là viết mã. Tại Every, các kỹ sư gần như cả ngày đều hợp tác với Agent. Họ cùng nhau lên kế hoạch cho các tính năng mới hoặc sửa lỗi, xem xét các công việc đã hoàn thành; nếu áp dụng triết lý “kỹ thuật phức hợp” (compound engineering) mà chúng tôi đề cập, họ sẽ liên tục tối ưu hệ thống của mình để nó trở nên dễ sử dụng hơn theo thời gian.

Nhưng cách hợp tác này còn vượt xa hơn cả việc mã hóa.

Codex và Claude Code đang trở thành một hệ điều hành làm việc mới. Tôi dành gần như cả ngày trong Codex, chạy các công cụ SaaS thông qua trình duyệt tích hợp của nó. Nó giúp tôi mang Agent đến mọi bối cảnh công việc và đạt đến mức độ hiệu suất mà bản thân tôi không thể tự mình đạt được.

Viết

Bài viết này được tôi viết bằng Proof trong trình duyệt tích hợp của Codex. Codex sẽ quan sát những gì tôi đang viết và có thể kích hoạt một Sub-Agent bất kỳ lúc nào để thực hiện bất kỳ nhiệm vụ nào tôi cần: soạn thảo bản nháp cho một đoạn, tìm kiếm ví dụ cho phần tiếp theo, hoặc chỉnh sửa và tinh chỉnh văn bản.

Viết bài này qua Proof trong Codex. Nguồn: Every.

Email

Khi xử lý email, tôi cũng sử dụng cùng một phương pháp. Cora là ứng dụng email của tôi, tôi sẽ mở nó trong trình duyệt tích hợp của Codex, vừa lướt hộp thư đến, vừa nói ra suy nghĩ xử lý từng email thông qua Monologue. Phần còn lại, tôi để Codex và Cora thực hiện.

Một lần dọn dẹp hộp thư đến do Cora thực hiện. Nguồn: Every.

Trong tất cả các kịch bản tự động hóa trên, bạn có lẽ đã nhận ra con người đóng vai trò ở đâu. Trong mỗi ví dụ, Agent đều cần sự tham gia của con người để công việc thực sự vận hành được.

Cuối cùng cũng phải có người chỉ ra đúng vấn đề, đánh giá xem kết quả có đủ tốt không, phát hiện những sai sót và chuyển đổi kết quả thành các quyết định hoặc quy trình trong thực tế.

Một Agent càng cách xa người chịu trách nhiệm giám sát hiệu suất của nó, thì hiệu quả công việc của nó thường càng kém. Trong đợt triển khai nội bộ ban đầu, chúng tôi đã trang bị một Agent cho mỗi nhân viên. Nhưng sớm sau đó, chúng tôi quay lại mô hình để Agent phục vụ một nhóm cụ thể hoặc toàn bộ công ty, thay vì phục vụ từng cá nhân.

Lý do rất đơn giản: Agent cần rất nhiều bảo trì. Một Agent cá nhân sẽ nhanh chóng trở nên lỗi thời và mất hiệu lực nếu người dùng ngừng theo dõi. Chúng tôi có một đội ngũ kỹ sư AI chuyên trách đảm bảo các Agent hoạt động ổn định và hiệu quả. Và trong tương lai gần, chúng tôi vẫn cần đội ngũ này. Ngay cả những nhiệm vụ tưởng chừng đơn giản như “tự động tạo PowerPoint” cũng có thể trở thành một dự án hệ thống lớn. Một trong các quy trình tự động hóa PowerPoint của chúng tôi bao gồm 24 kỹ năng và 18 script, với chi phí token để tạo một bản trình bày lên tới 62 đô la Mỹ.

Đây là lý do đầu tiên khiến Agent lại tạo ra nhiều công việc hơn cho con người.

Nhưng còn có lý do thứ hai.

Tại sao tự động hóa lại khiến con người phải làm việc nhiều hơn?

Nếu bạn quan sát sự tăng trưởng theo cấp số nhân của khả năng AI trong những năm qua, kết hợp với cách thức kiến trúc và nguồn gốc khả năng của chúng, bạn sẽ thấy một chuỗi phản hồi rõ ràng: chúng đang liên tục tạo ra nhiều công việc hơn cho con người.

AI khiến khả năng của con người ngày hôm qua trở nên rẻ mạt

Các mô hình ngôn ngữ lớn hiện tại được huấn luyện trên những dấu vết hữu hình do con người để lại: mã nguồn, bài viết, hình ảnh, vé hỗ trợ khách hàng, tài liệu thông số sản phẩm và nhiều nội dung khác nữa. Chúng hấp thụ những nội dung này — tức là những “khí thải” còn lại từ các nhiệm vụ đã được thực hiện thành công — và tái đóng gói chúng dưới dạng chi phí thấp, dễ tiếp cận với mọi người.

Kết quả là, nhiều kỹ năng trước đây khan hiếm, như gửi một PR mã code, thiết kế một hình thu nhỏ YouTube, hay soạn một bản tin điện tử, giờ đây gần như đã mở ra cho tất cả mọi người.

Các khả năng giá rẻ sẽ được áp dụng nhanh chóng

Khi chi phí của một thứ vốn khan hiếm giảm xuống, nguồn cung sẽ tăng nhanh chóng.

Tại Every, chúng tôi đã liên tục chứng kiến sự thay đổi này. Nhân viên vận hành và chăm sóc khách hàng bắt đầu viết mã, gửi pull request; nhân viên marketing bắt đầu thiết kế thumbnail YouTube; các kỹ sư và sản phẩm cũng bắt đầu viết bài, hướng dẫn và bản nháp trang đích, những công việc mà trước đây họ không chủ động đảm nhận.

Sự thay đổi này cũng đang diễn ra ngoài Every. Lấy ví dụ về dự án AI Agent mã nguồn mở OpenClaw, tính đến ngày 16 tháng 5 năm 2026, kho mã nguồn của nó đã nhận được 44.469 pull request, trong đó 12.430 đến sau ngày 1 tháng 4 và 3.990 đến sau ngày 1 tháng 5. Đây là một con số đáng kinh ngạc. Để so sánh, Kubernetes — một trong những dự án mã nguồn mở phổ biến nhất toàn cầu — chỉ nhận được 5.200 pull request trong cả năm 2022.

Sự phong phú dẫn đến đồng nhất hóa: Kỹ năng của các chuyên gia cũ đang trở thành hàng hóa

Vì mọi người đều có thể sử dụng cùng một mô hình, và những mô hình này đều dựa trên “khả năng của con người vào ngày hôm qua”, nên mặc định, nội dung do mô hình tạo ra thường nằm giữa “điểm khởi đầu khá tốt” và “nội dung rác thuần túy của AI”.

Nội dung “rác” được nhắc đến ở đây không phải là một lỗi cụ thể nào. Nó không phải là việc sử dụng quá nhiều dấu gạch ngang, không phải một cấu trúc câu cố định, cũng không phải những chấm bi tím xuất hiện tràn lan trên trang đích. Nó chỉ sự đồng nhất nhàm chán, lặp đi lặp lại và dễ nhận thấy bằng mắt thường.

Khi con người sử dụng cùng một bộ công cụ trong các bối cảnh khác nhau, và bộ công cụ này được huấn luyện dựa trên cùng một loại dữ liệu, đồng thời người dùng không thực hiện đủ sự phán xét sâu sắc, kết quả này sẽ xuất hiện. Nói cách khác, khi mỗi người đều sở hữu một “chuyên gia” có xu hướng và phong cách mặc định giống nhau, sự đồng nhất sẽ tự nhiên xảy ra.

Khi nhân viên vận hành có thể gửi pull request, nhân viên marketing có thể tạo hình thu nhỏ YouTube trong vài giây và kỹ sư bắt đầu viết hướng dẫn sản phẩm, rất dễ xảy ra tình huống: sản lượng của bạn tăng lên, nhưng chất lượng, tính nhất quán và sự khác biệt của các tác phẩm lại giảm xuống.

Và khi tính đồng nhất trở nên dư thừa quá mức, nó sẽ nhanh chóng trở thành hàng hóa.

Homogeneity creates demand for differentiation

Với sự tồn tại của internet, con người sẽ nhanh chóng nhận ra những nội dung dòng sản phẩm có “vị AI” quá nặng. Bất kỳ tác phẩm nào cũng có thể lập tức đến tay những người khác trên toàn thế giới, và thực tế thường xuyên xảy ra như vậy. Khi quá nhiều thứ bắt đầu trông giống nhau, chúng ta sẽ nhanh chóng nhận ra điều gì đó không ổn.

Điều này có nghĩa là, khi bạn lần đầu tiên chứng kiến khả năng của một mô hình mới, bạn có thể bị choáng ngợp, thậm chí hơi sợ hãi. Nhưng vài tháng sau, những khả năng này sẽ trở nên bình thường. Không phải do mô hình yếu đi, mà do tiêu chuẩn của bạn đã thay đổi.

Chúng tôi không còn hài lòng với một ứng dụng React tùy tiện hay một báo cáo nghiên cứu tầm thường. Chúng tôi muốn một thứ thực sự phù hợp với từng cá nhân, từng công ty và từng bối cảnh cụ thể. Nó phải mang lại cảm giác chính xác, sinh động và cụ thể, chứ không phải rẻ tiền, chung chung và theo mẫu. Chúng tôi mong muốn chi phí sản xuất của nó — dù là thời gian hay tiền bạc — rõ ràng cao hơn nhiều so với chi phí tiêu dùng của chúng tôi.

Chúng ta muốn những thứ mang tính “địa vị”. Và mỗi khi công nghệ mới khiến những thứ từng có địa vị cao trở nên rẻ tiền, con người luôn rất giỏi trong việc sáng tạo ra những trò chơi địa vị mới để phù hợp với những ranh giới năng lực mới.

Khi công việc trở nên quá dư dả và mọi thứ đều trông giống nhau, những công việc không phù hợp với mô hình hiện có sẽ trở thành những thứ khan hiếm, quý giá và mang tính địa vị cao.

Nhu cầu về sự khác biệt về bản chất là nhu cầu mới đối với các chuyên gia

Do đặc điểm kiến trúc của các mô hình ngôn ngữ và việc chúng được phân phối rộng rãi đến hầu hết mọi người, những công việc khan hiếm và có giá trị vẫn phải đến từ con người.

Thế hệ mô hình hiện tại chỉ biết những việc đã xảy ra, đã được hoàn thành. Con người biết được: ngay lúc này, cần làm gì.

Khi một tình huống cụ thể được chuyển hóa thành văn bản, khi nó bước vào kho dữ liệu huấn luyện, nó đã trở thành “một thứ thuộc về quá khứ”. Con người đối mặt với một khoảnh khắc cụ thể, một khách hàng cụ thể, một kho mã nguồn cụ thể, một cuộc hội thoại cụ thể, trong khi kho dữ liệu huấn luyện không thực sự sống trong hiện tại này. Trạng thái “sống” này không chỉ đơn thuần là có dữ liệu được cập nhật. Chúng ta mang theo nguồn gốc của mình để bước vào hiện tại, đồng thời mang theo những mong muốn, mối quan tâm và phán đoán không ngừng thay đổi để hiểu điều gì mới thực sự quan trọng. Chính những góc nhìn được cập nhật liên tục này đã thay đổi những gì chúng ta nhìn thấy. Mô hình có thể bước vào góc nhìn này sau khi được nhắc nhở, nhưng trước khi được nhắc nhở, nó không tự nhiên sở hữu góc nhìn này.

Đây chính là nghịch lý chúng ta đã đề cập ngay từ đầu: làm cho công việc của chuyên gia trở nên rẻ hơn sẽ không đơn giản thay thế chuyên gia. Ngược lại, nó sẽ tạo ra nhiều tình huống hơn cần đến phán quyết của chuyên gia.

Khi nhân viên vận hành sử dụng AI để gửi pull request, bạn sẽ cần kỹ sư để xem xét.

Khi đội ngũ tiếp thị tạo hình thu nhỏ YouTube, bạn sẽ cần nhà thiết kế để tinh chỉnh thêm.

Khi kỹ sư bắt đầu viết bài, bạn cần tác giả và biên tập viên biến bản nháp thành nội dung thực sự dễ đọc và có thể xuất bản.

Đối với điều này, các chuyên gia con người sẽ đồng thời di chuyển theo cả hai hướng.

Một số chuyên gia sẽ sử dụng AI để xây dựng hệ thống nhằm tiếp thu và tận dụng làn sóng công việc mới này: hàng đợi đánh giá, hệ thống đánh giá, khung vận hành, quy tắc kho mã nguồn, tệp lệnh của Claude và Codex, tích hợp liên tục (CI), quản lý quyền truy cập, cũng như các quy trình biến bản nháp thành sản phẩm chất lượng cao.

Một bộ phận chuyên gia khác sử dụng AI để thực hiện những công việc lớn hơn và thú vị hơn mà trước đây họ không thể tự mình hoàn thành. Ví dụ: việc tìm kiếm lỗ hổng trong các hệ điều hành như macOS thường mất vài tuần甚至 vài tháng. Tuy nhiên, một công ty bảo mật nhỏ tên Calif đã sử dụng Mythos Preview của Anthropic để phát hiện ra lỗ hổng bộ nhớ kernel macOS đầu tiên được công khai trên phần cứng Apple M5 chỉ trong 5 ngày.

Đó là lý do tại sao trong thực tế, AI sẽ không xóa bỏ các công việc chuyên môn. Điều thực sự xảy ra là khối lượng công việc tăng lên đáng kể. Và những công việc mới này chỉ trở nên khác biệt và có giá trị khi có sự tham gia của con người.

Tôi không đang lập luận rằng AI sẽ tạo ra nhiều việc làm hơn cho tất cả các vị trí. Hệ thống kinh tế rất phức tạp, và Every có thể quan sát trực tiếp là các công việc chuyên gia về kiến thức. Thực tế, những công việc này đang được AI tái định hình, và nhiều công ty đang tái tổ chức chính mình xung quanh các công nghệ mới.

Nhưng tôi muốn nhấn mạnh rằng, bất kể bạn đang làm công việc gì, luôn có một hình thức công việc vượt trội hơn về mặt cấu trúc so với mô hình: đó là sử dụng mô hình để giải quyết những vấn đề thực tế mà bạn đang đối mặt ngay lúc này. Tương lai của công việc tri thức đang hướng tới đây.

Vậy thì sao về bài kiểm tra tăng trưởng theo cấp số nhân?

Phản bác rõ ràng nhất là: hãy xem những bài kiểm tra hiệu năng tăng theo cấp số nhân. Mọi thứ bạn đang nói hiện tại đều chỉ mang tính tạm thời; chỉ cần chờ thêm một chút, mô hình cuối cùng sẽ bắt kịp.

Nhưng ở đây có một bẫy cần cảnh giác. Hãy gọi đó là “hội chứng mê đồ thị”: nếu bạn liên tục theo dõi dự đoán thời gian của METR, đọc sách “AI 2027”, và hoàn toàn dựa vào việc ngoại suy đường cong sức mạnh tính toán để xây dựng nhận thức về tương lai, bạn rất dễ có trực giác đáng sợ về sự tiến bộ của mô hình.

Tuy nhiên, cách tốt nhất để trả lời câu hỏi này không chỉ là tưởng tượng mô hình tương lai sẽ trông như thế nào. Dĩ nhiên, đây cũng là một phần của phân tích. Quan trọng hơn, chúng ta cần xem xét các bài kiểm tra chuẩn này thực sự được thiết kế như thế nào. Chỉ có như vậy, chúng ta mới có thể hiểu chính xác hơn những gì chúng nói lên, cũng như mối quan hệ giữa chúng và những kịch bản thực tế trước đó.

Chúng ta sẽ nhận ra một đặc điểm cấu trúc: tất cả các bài kiểm tra hiệu suất đều diễn ra trong một «khung» nhất định. Để đo lường một điều gì đó, bạn phải đóng băng vấn đề thành một hình thái tĩnh và có thể đo lường được. Một khi khung này bị mô hình chinh phục, chỉ cần thay đổi nhẹ khung, điểm số sẽ lại giảm xuống mức thấp. Dĩ nhiên, mô hình vẫn sẽ tiếp tục tiến bộ trong khung mới, nhưng quy trình tương tự sẽ lặp lại liên tục.

Do đó, sự tiến bộ cấp số nhân trên một bài kiểm tra hiệu năng là có thật; nhưng chỉ cần thay đổi nhẹ khung kiểm tra, sự tiến bộ này lại trông như trở nên rất nhỏ. Đặc điểm “phân hình” của sự bão hòa bài kiểm tra thực chất là sự lặp lại cùng một nghịch lý mà chúng ta đã thảo luận ở cấp độ biểu đồ.

Chúng ta có thể xem cơ chế này hoạt động như thế nào thông qua một bài kiểm tra thực tế.

Chúng tôi đã xây dựng một bài kiểm tra chuẩn nội bộ có tên là Senior Engineer Benchmark, hay còn gọi là “Bài kiểm tra chuẩn dành cho Kỹ sư cấp cao”. Như tên gọi, nó được dùng để đánh giá khả năng của các mô hình tiên tiến trong các nhiệm vụ lập trình ở cấp độ kỹ sư cấp cao, chẳng hạn như một lần tái cấu trúc lớn.

Bài kiểm tra này sẽ cung cấp cho một Agent lập trình một kho mã sản xuất đã mất kiểm soát. Nó đến từ kho mã thực tế của Proof: ban đầu tôi viết bằng vibe coding, sau đó các vấn đề ngày càng增多, cuối cùng buộc phải nhờ một kỹ sư cấp cao sửa chữa.

Agent nhận được kho mã trước khi sửa chữa, đồng thời cũng nhận được một đoạn lệnh tương tự như bạn giao cho kỹ sư cấp cao: “Đây là một đống sản phẩm của vibe coding, hãy bắt đầu từ nguyên lý cơ bản nhất và viết lại nó.”

Đây là một bài kiểm tra tốt, vì nó không chỉ đánh giá khả năng điền mã, mà còn xem xét liệu một Agent lập trình có thể đồng thời xem xét nhiều vấn đề không liên quan đến nhau và đánh giá xem mình có đủ tính tự chủ, sự rõ ràng khái niệm và dũng khí thực thi để thực hiện một lần viết lại hoàn toàn có thể chạy được hay không. Để làm so sánh, tôi cũng giữ lại hai phiên bản viết lại do hai kỹ sư phần mềm cấp cao thực hiện dưới sự hỗ trợ của AI, nhằm so sánh và đánh giá đầu ra của mô hình.

Đối với Agent lập trình, nhiệm vụ này rất khó. Nó không chỉ phải tìm ra nguồn gốc vấn đề, mà còn phải ghi nhớ đúng vấn đề trong suốt nhiều vòng tương tác, không bị lệch hướng bởi mã hiện có. Đồng thời, nó cũng cần có dũng khí xóa bỏ những đoạn mã lớn, điều mà các Agent thường được huấn luyện để tránh.

Hầu hết các Agent lập trình đều có thể phán đoán tương đối chính xác cách sửa đổi, nhưng khi đến giai đoạn thực thi, chúng thường chỉ tiếp tục vá lỗi trên vấn đề cũ thay vì giải quyết triệt để.

Cho đến khi GPT-5.5 ra đời.

Trong lần kiểm tra tốt nhất, GPT-5.5 đạt 62/100 điểm, cao hơn Opus 4.7 khoảng 30 điểm.

Hiệu suất của GPT-5.5 khiến người ta cảm thấy mô hình dường như đã vượt qua một ranh giới nào đó: nó không còn chỉ là tự động hoàn thành, không chỉ là trợ lý, cũng không chỉ là công cụ, mà là thứ gì đó khiến người ta cảm thấy hơi khó chịu vì quá gần với “con người”. Trong bài kiểm tra này, điểm số của các kỹ sư cấp cao con người thường ở mức 80 cao đến đầu 90. Nói cách khác, nếu mô hình cải thiện thêm khoảng 30 điểm nữa, nó sẽ đạt đến trình độ của kỹ sư cấp cao con người.

Đây chính là cách con số benchmark tác động đến trí tưởng tượng của con người: nó nén một sự thay đổi về khả năng kỳ lạ, mang tính định tính thành một con số rõ ràng, và dùng con số đó để kể một câu chuyện mạnh mẽ, thậm chí hơi đáng sợ.

Tiếp theo, chính là “Cuồng đồ thị”.

Tôi đoán trong vòng một năm tới, điểm số của mô hình trên bài kiểm tra này sẽ đạt vào khoảng 80 hoặc thậm chí 90. Nhưng để hiểu ý nghĩa của điểm số này, trước tiên phải hiểu điểm số này bao gồm những gì. Trong ví dụ này, 62 điểm không chỉ đơn thuần là thước đo khả năng của chính mô hình.

Nó đo lường hiệu suất của mô hình trong một khung cụ thể: tức là mô hình phản hồi một prompt cụ thể như thế nào.

Để thực hiện kiểm tra hiệu năng cho một mô hình, bạn trước tiên cần một prompt. Không có prompt, mô hình chỉ là một tập hợp tĩnh với vô số khả năng.

Prompt sẽ tạo ra một vũ trụ nhỏ: nó xác định điều gì quan trọng, cách xử lý vấn đề, và nén toàn bộ khả năng tiềm ẩn của mô hình thành một quỹ đạo hành động cụ thể. Về mặt nghiêm ngặt, không tồn tại việc mô hình “tự thân” sẽ thể hiện ra sao. Những gì chúng ta thực sự có thể quan sát được là cách mô hình phản ứng với các prompt khác nhau, cùng với cơ chế nền tảng đằng sau cách prompt được chuyển hóa thành câu trả lời.

Khi prompt được nhập vào, mô hình sẽ "sống lại" trong thời gian ngắn, làm sụp đổ tập hợp các khả năng tĩnh thành một dự đoán cụ thể về "điều gì sẽ xảy ra tiếp theo".

Trong Senior Engineer Benchmark, chúng tôi sẽ hướng dẫn mô hình sửa đổi kho mã nguồn và xem xét đầu ra sau khi nó hoàn thành. Nếu khung kiểm thử không có sẵn chức năng mục tiêu, chúng tôi còn chạy một “người giám sát” tự động để tiếp tục thúc đẩy mô hình khi nó dừng lại, hỏi xem nó đã hoàn thành nhiệm vụ ban đầu chưa.

Chúng tôi sử dụng một prompt trông rất đơn giản làm khung ban đầu để kiểm tra. Nó được thiết kế như một câu mà một vibe coder có thể nói với Agent lập trình: không dùng đầy rẫy thuật ngữ kỹ thuật, cũng không ẩn rõ đáp án trong câu hỏi.

Mã trong kho lưu trữ này là sản phẩm của vibe coding, tình hình ngày càng trở nên tồi tệ và liên tục xuất hiện hàng loạt vấn đề không liên quan đến nhau: một số nơi bị sập, một số tài liệu bị lặp lại, tôi gần như phát điên vì nó. Tôi cảm thấy bản chất vấn đề là đây chỉ là một đống mã xấu theo phong cách vibe coding. Nếu chúng ta bắt đầu lại từ đầu, đặc biệt là xung quanh phần hợp tác tài liệu thời gian thực, chúng ta sẽ thiết kế kho mã hoàn toàn khác. Vậy nên, nếu chúng ta muốn thực hiện một lần tái cấu trúc sạch sẽ, xuất phát từ nguyên lý cơ bản, không quan tâm đến những câu hỏi như “những dịch vụ nào cần giữ nguyên hiện trạng” hay “làm thế nào để di chuyển mượt mà”, mà coi đây là một khái niệm hoàn toàn mới để thiết kế từ đầu, chúng ta sẽ làm gì? Nên tổ chức cấu trúc ra sao? Những bất biến nào trong toàn bộ kho mã là chúng ta phải kiên trì giữ vững? Hãy lập kế hoạch cho điều này.

Prompt của Senior Engineer Benchmark trông có vẻ tổng quát, nhưng nó chính là một khung. Nếu chúng ta thay đổi khung này, mức độ năng lực mà mô hình thể hiện cũng sẽ thay đổi theo.

Ví dụ, prompt này yêu cầu rõ ràng “viết lại có cấu trúc dựa trên nguyên lý cơ bản”, chỉ ra rằng vấn đề có thể nằm ở phần “hợp tác tài liệu” và yêu cầu Agent lập trình tìm ra và tuân thủ “các bất biến trong kho mã nguồn”.

Nếu loại bỏ các thông tin cụ thể này, điểm số của mô hình sẽ giảm xuống. Nếu thay thế hoàn toàn prompt, chỉ yêu cầu mô hình “giải quyết tất cả các lỗi liên tục xuất hiện”, điểm số của mô hình có thể gần bằng không. Nó sẽ ngay lập tức bắt đầu nhận diện và sửa từng lỗi một, thay vì lùi lại một bước để suy nghĩ xem liệu có cần thực hiện một lần viết lại toàn diện hay không.

Tương tự, tôi cũng có thể dễ dàng nâng cao điểm số của mô hình. Nếu tôi yêu cầu nó xóa một lượng lớn mã và chỉ rõ những tệp nào cần được tinh gọn; hoặc yêu cầu nó kiểm tra kết quả công việc của chính mình trước khi tuyên bố hoàn thành, đảm bảo ứng dụng có thể chạy đầy đủ, thì hiệu suất của nó trong nhiệm vụ này sẽ tốt hơn.

Cuối cùng, khi thiết kế bài kiểm tra hiệu năng, bạn luôn phải đưa ra quyết định về việc sử dụng prompt nào, tức là áp dụng khung nào. Bạn cần một prompt đủ khó để mô hình hiện tại thể hiện kém; nhưng nó cũng phải đủ gần với ranh giới khả năng hiện tại của mô hình, để mô hình có thể leo lên theo con đường đó, giúp bạn nhận thấy sự tiến bộ đang diễn ra.

Vì vậy, khi chúng ta quan sát một bài kiểm tra chuẩn, điều thực sự chúng ta thấy là: mô hình đang ngày càng trở nên thành thạo hơn trong một khung vấn đề cụ thể, và khung này do chúng ta lựa chọn. Vậy thì, khi mô hình tăng điểm từ 60 lên 90, thậm chí 100 trong bài kiểm tra này, điều gì sẽ xảy ra?

Nếu GPT-6 có thể tái viết toàn bộ thư viện mã chỉ với một cú nhấp chuột, thì sẽ có nhiều người hơn bắt đầu thử nghiệm “tái viết thư viện mã từ nguyên lý cơ bản”.

Trong một đêm, những dự án tái viết theo nguyên lý cơ bản vốn khan hiếm, đắt đỏ và phải do các kỹ sư cấp cao dẫn dắt sẽ trở thành những việc mà mỗi nhà sáng lập, sản phẩm, nhân viên vận hành và kỹ sư cấp dưới đều có thể thử ngay trong một buổi chiều.

Các công cụ nội bộ bị hỏng không còn được sửa chữa lặt vặt, mà được viết lại hoàn toàn; các sản phẩm SaaS không còn gia hạn, mà bị sao chép; các ứng dụng Rails cũ kỹ, bảng điều khiển React hỗn loạn, công cụ hỗ trợ khách hàng, bảng quản trị và đường ống dữ liệu đều trở thành những đối tượng tiềm năng để “viết lại từ đầu”.

Số lượng các dự án được đề xuất và thực hiện để viết lại sẽ tăng mạnh. Nhưng phần lớn các bản viết lại này vẫn sẽ là slop. Bởi vì trước khi bạn nhấn nút “Viết lại ngay”, có hàng ngàn biến số cần được xem xét. Và khi mọi người đều có thể làm điều này, những biến số đó sẽ trở nên rõ ràng hơn.

Lúc này, ai sẽ được gọi đến để giải quyết vấn đề cũng trở nên rõ ràng.

Khi một bài kiểm tra hiệu năng bắt đầu tiếp cận mức bão hòa, các công việc trong khung của nó sẽ trở nên rẻ hơn. Đồng thời, nhu cầu của thị trường đối với các chuyên gia lại tăng lên, vì cần có người áp dụng khả năng vừa trở nên rẻ hơn này vào những vấn đề thực tế đang diễn ra hiện nay.

Các kỹ sư cấp cao sử dụng AI cần đánh giá nhiều chi tiết để đảm bảo một lần viết lại nguyên lý đầu tiên mới thực sự có hiệu lực, thậm chí bao gồm cả một câu hỏi cơ bản nhất: Liệu việc viết lại này có thực sự cần thiết?

Chúng ta nên viết lại ngay bây giờ, viết lại sau này, hay hoàn toàn không viết lại? Những nội dung nào nên được đưa vào phạm vi? Những thành phần nào trong kho mã hiện tại nên được giữ lại? Kiến trúc, cơ sở dữ liệu, máy chủ bộ nhớ đệm và nhà cung cấp lưu trữ nên tiếp tục sử dụng hay thay thế hoàn toàn? Chúng ta có nên xem trước có bao nhiêu người đang sử dụng tính năng bị hỏng này, rồi xóa nó luôn không? Ai sẽ kiểm tra kết quả cuối cùng? Dựa trên tiêu chí nào để kiểm tra? Phương án rollback là gì? Dữ liệu hiện tại sẽ được xử lý ra sao?

Các câu hỏi này sẽ tiếp tục mở rộng theo vô số chiều hướng, và mỗi câu trả lời lại ngược lại thay đổi các câu hỏi khác.

Các kỹ sư cấp cao sẽ đi vào vùng trống này. Một số người sẽ cảm thấy hơi bực bội vì những sự gián đoạn này; một số người sẽ xây dựng hệ thống để chặn các yêu cầu loại này; và một số người khác sẽ tận dụng các mô hình mới để thực hiện việc viết lại theo nguyên lý cơ bản của riêng họ, và hiệu quả sẽ vượt xa so với những gì mô hình có thể làm được với prompt mặc định.

Sau khi mô hình vượt qua Senior Engineer Benchmark hiện tại, chúng tôi sẽ thay đổi khung và đưa điểm số trở lại mức thấp.

Bài kiểm tra tiếp theo sẽ không chỉ hỏi: “Bạn có thể viết lại ứng dụng này không?” mà còn hỏi: Bạn có thể xác định khi nào cần viết lại? Có thể chọn phạm vi phù hợp? Có thể giữ nguyên các bất biến đúng? Có thể quản lý quá trình di chuyển? Có thể đánh giá xem kết quả cuối cùng có đủ tốt không?

Khi các kỹ sư cấp cao bắt đầu sử dụng AI để giải quyết những vấn đề này, mô hình cũng sẽ dần trở nên giỏi hơn trong việc tự mình giải quyết chúng.

Sau đó, chúng ta lại chìm vào sự hoảng loạn trong chốc lát: dường như mô hình hiện đã có thể xác định liệu có nên viết lại hay không! Chúng dường như đã có thể làm mọi việc mà một kỹ sư cấp cao có thể làm!

Nhưng ngay sau đó, các ranh giới mới sẽ xuất hiện. Đó là những ranh giới trước đây không rõ ràng. Chúng ta sẽ lại thiết lập lại bài kiểm tra hiệu năng, các yêu cầu mới sẽ được kích hoạt, và toàn bộ quá trình sẽ lặp lại.

Bạn có thể thấy mô hình này trong từng bài kiểm tra hiệu suất

Đây không phải là vấn đề riêng của Senior Engineer Benchmark. Chỉ cần quan sát kỹ, bạn sẽ thấy cùng một cơ chế này trong hầu hết các bài kiểm tra hiệu năng.

Lấy bài kiểm tra GDPval của OpenAI làm ví dụ. Nó đánh giá mức độ AI thể hiện gần giống con người trong các nhiệm vụ chuyên gia như nhân viên tuân thủ, luật sư, nhà phát triển phần mềm, v.v.

Khi GDPval vừa ra mắt, nghiên cứu của OpenAI cho thấy GPT-5 đạt hoặc vượt mức chuyên gia con người trong 40,6% các nhiệm vụ. Trong khi đó, Claude Opus 4.1 thể hiện ấn tượng hơn, vượt mức chuyên gia con người trong 49% các nhiệm vụ.

Sau đó, một loạt tiêu đề xuất hiện. Ví dụ, Axios viết: “Công cụ của OpenAI cho thấy AI đang bắt kịp công việc của con người”; Fortune thì viết: “Bộ tiêu chuẩn mới GDPval của OpenAI cho thấy các mô hình AI đã đạt trình độ chuyên gia trên gần một nửa các nhiệm vụ.”

Những kết quả này thực sự ấn tượng. Nhưng trước tiên, hãy cùng xem xét các prompt được sử dụng cho những nhiệm vụ này:

Bạn là một kiểm toán viên và trong khuôn khổ một cuộc kiểm toán, bạn được giao nhiệm vụ xem xét và kiểm tra độ chính xác của các chỉ số rủi ro chống tội phạm tài chính đã báo cáo. Bảng tính đính kèm có tên 『Population』 chứa các chỉ số rủi ro chống tội phạm tài chính cho Q2 và Q3 năm 2024. Bạn đã nhận được dữ liệu này như một phần của việc xem xét kiểm toán để thực hiện kiểm tra mẫu trên một tập hợp đại diện các chỉ số, nhằm kiểm tra độ chính xác của dữ liệu đã báo cáo cho cả hai quý. Dựa trên dữ liệu trong bảng tính 『Population』, thực hiện các bước sau: Tính kích thước mẫu cần thiết cho kiểm toán dựa trên mức độ tin cậy 90% và tỷ lệ lỗi có thể chấp nhận 10%. Bao gồm các bước tính toán của bạn trong một tab thứ hai có tên 『Sample Size Calculation』. Thực hiện phân tích phương sai trên dữ liệu Q2 và Q3 (cột H và I). Tính toán sự khác biệt giữa các quý và ghi kết quả vào cột J. Chọn một mẫu để kiểm toán dựa trên các tiêu chí sau và đánh dấu các hàng được chọn trong cột K bằng cách nhập 「1」: Các chỉ số có sự khác biệt >20% giữa Q2 và Q3. Ưu tiên các chỉ số có thay đổi tỷ lệ cực lớn. Bao gồm các chỉ số từ các thực thể sau do vấn đề trong quá khứ: CB Cash Italy; CB Correspondent Banking Greece; IB Debt Markets Luxembourg; CB Trade Finance Brazil; PB EMEA UAE. Bao gồm các chỉ số A1 và C1, có trọng số rủi ro cao hơn. Bao gồm các hàng có giá trị bằng 0 trong cả hai quý. Bao gồm các mục từ các ngành kinh doanh Trade Finance và Correspondent Banking. Bao gồm các chỉ số từ Quần đảo Cayman, Pakistan và UAE. Đảm bảo bao phủ toàn bộ các Phân viện và Phân viện con. Tạo một bảng tính mới có tên 『Sample』: Tab 1: Mẫu đã chọn, sao chép từ bảng gốc 『Population』, với các hàng được chọn được đánh dấu ở cột K. Tab 2: Các bước tính toán kích thước mẫu.

Thực tế đã có rất nhiều trí tuệ con người được đầu tư vào đây: ai đó đã xác định trước vấn đề dưới dạng mà mô hình có thể thực hiện được.

Những công việc con người khó khăn mà GDPval không đo lường thực tế đã được hoàn thành trước khi mô hình bắt đầu đưa ra câu trả lời. Cần có người kiểm tra và thử nghiệm độ chính xác của bộ chỉ số cụ thể này; có người quyết định khoảng tin cậy phù hợp, xác định những chỉ số nào thuộc phạm vi nhiệm vụ và những chỉ số nào không thuộc; cũng có người quy định cách trình bày kết quả.

Trong khuôn khổ câu hỏi phù hợp, mô hình thực sự có thể hoàn thành công việc chuyên môn. Nhưng hãy nghĩ xem, nếu chính bạn và tôi hướng dẫn mô hình thực hiện cùng nhiệm vụ đó, nó sẽ thể hiện như thế nào?

Trong bài viết đầu tiên của tôi về GDPval, tôi đã viết: “Tôi rất lạc quan về AI, nhưng nếu hiểu đúng các ví dụ này, chúng cho thấy không phải công việc con người phải làm giảm đi, mà là sau khi sử dụng AI, công việc con người phải làm lại nhiều hơn. Lý do là vì những thành tựu này ẩn chứa một lượng lớn trí tuệ bị ‘lậu’ vào — tức là lớp vô hình được tạo thành từ phán đoán, phản hồi và prompt của con người.”

Khi nhìn từ xa, bạn sẽ nhận ra rằng tất cả những điều này đều mang theo một phiên bản AI của "nghịch lý Zeno".

Nghịch lý Zeno của AI

Trong nghịch lý của Zeno, một con rùa đã chiến thắng trong cuộc đua với người chạy nhanh nhất Hy Lạp, Achilles.

Vì rùa chạy chậm nên nó xuất phát trước một đoạn nhất định. Khi Achilles chạy đến vị trí ban đầu của rùa, rùa đã di chuyển thêm một chút; khi Achilles đuổi đến vị trí mới đó, rùa lại tiếp tục tiến lên. Dù Achilles chạy nhanh đến đâu, luôn luôn tồn tại một đoạn đường tiếp theo cần đuổi theo, và khoảng cách này sẽ liên tục được tạo lại.

Trong nghịch lý Zeno của AI, chúng ta con người chính là con rùa đó. Với hàng triệu năm tiến hóa và học hỏi văn hóa, chúng ta đã dẫn trước AI 50 yard. Còn AI thì đang di chuyển với tốc độ cao, bắt đầu tiến gần đến gót chân chúng ta.

Trong ít nhất vài năm qua, chúng tôi vẫn có thể duy trì vị thế dẫn đầu.

Còn AGI thì sao?

Tôi cho rằng, ngay cả khi AGI thực sự đến, vẫn sẽ tồn tại những lực lượng công nghệ, kiến trúc và kinh tế mạnh mẽ khiến AI luôn chậm hơn con người vài bước.

Trước tiên, chúng ta cần đưa ra một định nghĩa có thể hành động cho AGI.

Tôi từng đề xuất rằng khi việc duy trì một Agent chạy liên tục trở nên hợp lý về mặt kinh tế, thì AGI đã thực sự xuất hiện. Nói cách khác, khi tôi sở hữu một hệ thống chạy liên tục và sẵn sàng trả tiền để nó suy nghĩ, học hỏi và hành động 7×24 giờ, tôi cho rằng đó có thể được coi rõ ràng là AGI.

Chúng ta hiện vẫn còn rất xa mới đến bước đó. Ngay cả các hệ thống như OpenClaw, về mặt kỹ thuật có thể được kích hoạt bất cứ lúc nào, cũng không phải lúc nào cũng tạo ra token.

Tôi thích định nghĩa này vì nó có thể đo lường được: chúng ta ли sẽ cho chúng chạy liên tục, ли sẽ không. Đồng thời, nó cũng bao gồm nhiều khả năng khó đo lường trực tiếp. Một mô hình xứng đáng được chạy liên tục phải có khả năng học liên tục và chọn, chọn lại các khung vấn đề mới theo cách mở.

Trong một thế giới AGI, về mặt lý thuyết, chỉ cần có đủ ngân sách và thời gian, mô hình nên có thể liên tục cải tiến và nâng cao khả năng giải quyết mọi vấn đề. Điều này thực sự nên tạo ra mối đe dọa lớn đối với tất cả các công việc.

Nhưng ngay cả loại AGI mạnh mẽ này cũng không thể giải quyết được "vấn đề khung".

AGI này có thể chọn và chọn lại các khung, nhưng nó vẫn đang theo đuổi một mục tiêu được gán cho, tối ưu hóa một phần thưởng, hoặc phản hồi một tín hiệu do người khác xác định là “đại diện cho tiến bộ”. Mục tiêu này có thể rất cụ thể, ví dụ: “tăng tỷ lệ chuyển đổi của trang đích này”; hoặc rất trừu tượng, ví dụ: “tìm kiếm những ý tưởng khoa học mới”.

Ngay cả khi mô hình có thể chuyển đổi mượt mà giữa các khung khác nhau, khoảng cách mà chúng ta đã theo dõi sẽ tái xuất hiện ở cấp độ cao hơn. Trong bất kỳ AGI nào được hình dung bởi các phòng thí nghiệm lớn, vẫn sẽ tồn tại một “người định khung” — tức là một con người, người sẽ điều khiển mô hình đạt được một mục tiêu cụ thể.

Vì khung không phải là người xác định, nên cùng một mô hình sẽ liên tục lặp lại: AI làm cho những khả năng đã được xác định vào hôm qua trở nên rẻ tiền; con người áp dụng khả năng rẻ tiền này vào nhiều bối cảnh hơn; kết quả trở nên cực kỳ dồi dào; các chuyên gia chuyển sang các ranh giới mới, phán đoán xem điều gì quan trọng vào thời điểm này; phán đoán của họ tạo ra khung tiếp theo; sau đó mô hình tiếp tục leo lên khung này.

Khi chúng ta thấy AI làm một việc mới, cảm giác hoảng loạn luôn quay trở lại cùng một câu hỏi: chúng ta thiết lập một khung, nhìn mô hình leo lên, rồi nhầm lẫn khung đó, hoặc thứ có thể leo lên khung, với chính sự việc.

Khi chúng ta xem một bài kiểm tra chuẩn và so sánh nó với khả năng của con người, thực chất chúng ta đã nhầm lẫn giữa “khung tham chiếu” và “người đặt khung”. Điểm số chỉ cho chúng ta biết mô hình hoạt động tốt đến đâu trong khung tham chiếu mà chúng ta cung cấp; nó không cho thấy mô hình đã trở thành chúng ta.

Đây chính là sai lầm về phạm trù đằng sau sự hoảng loạn. Chúng ta chỉ vào đường biên mới vẽ ra của chính mình và nói: Đây là chúng ta. Sau đó, khi mô hình trèo qua đường biên này, chúng ta cảm thấy nó đã đuổi kịp chúng ta. Nhưng thực ra, nó chỉ đuổi kịp khung框架, chứ không phải người tạo khung.

Lỗi nằm ở chỗ chúng ta luôn muốn nắm giữ một thứ cụ thể nào đó. Chúng ta muốn nói: Trí tuệ chính là bài kiểm tra này. Nhưng vấn đề là, một khi thứ gì đó cụ thể đến mức có thể được xác định, thì nó cũng cụ thể đến mức có thể được tối ưu hóa và leo lên.

Khung là cần thiết. Nó giúp chúng ta nắm bắt và xử lý thế giới. Nhưng khung cũng là cố định và hạn chế, do đó chắc chắn có thể được tối ưu hóa.

Người định khung thì khác. Người định khung vẫn duy trì liên hệ với những gì khung phải từ bỏ, tức là toàn bộ tình huống hiện ra với anh ta trong từng khoảnh khắc.

Vậy thì “hoàn cảnh đầy đủ” là gì? Ngay khi bạn bắt đầu nói rằng “hoàn cảnh đầy đủ” bao gồm những gì, bạn đã lại mở ra một khung cảnh khác. Bạn không thể xác định chính xác nó là gì, nhưng nó tồn tại, vì bạn tồn tại.

Agent không có tính chủ thể

Cho đến nay, các Agent mà chúng ta đã tạo ra, cũng như những Agent mà các công ty AI đang xây dựng, thực sự chưa có nhiều tính chủ thể. Có hai khái niệm liên quan thường bị nhầm lẫn: agency chỉ khả năng hành động độc lập; còn agent là người hoặc vật đại diện cho người khác hành động. Cho đến nay, AI hoàn toàn thuộc về loại sau.

Tất nhiên, chúng đã có khả năng tự chủ hoàn thành các nhiệm vụ được giao, ngay cả khi nhiệm vụ đó có thể kéo dài hàng giờ hoặc thậm chí vài ngày. Nhưng chúng vẫn chỉ là phương tiện để đạt đến mục tiêu do con người xác định. Và toàn bộ ngành công nghiệp đang đầu tư hàng tỷ đô la để giúp chúng trở nên giỏi hơn trong chính điểm này: thực hiện các mục tiêu mà chúng ta giao cho.

Cho đến một ngày nào đó, chính chúng trở thành mục đích — theo đuổi mục tiêu của riêng mình, chuyển đổi mượt mà giữa các mục tiêu khác nhau, quyết định hành động độc lập với ý muốn, tham chiếu hoặc thậm chí sự phản đối của bất kỳ người vận hành con người nào — thì tình hình mới thực sự thay đổi căn bản. Dù chúng có tiến bộ đến đâu, điều đó vẫn đúng.

Nếu bạn ở cùng một đứa trẻ nhỏ trong 10 phút, bạn sẽ rõ ràng nhận ra rằng ngay cả những mô hình mạnh mẽ nhất cũng gần như không có chút chủ thể nào.

Trên hầu hết các nhiệm vụ chúng ta quan tâm, trẻ nhỏ đều thua kém các mô hình ngôn ngữ. Trẻ nhỏ không thể viết mã, không thể tóm tắt bảng tính, không thể soạn thảo ghi chú chiến lược, và cũng không thể vượt qua các kỳ thi ở cấp độ sau đại học. Nhưng theo một nghĩa khác, trẻ nhỏ lại dẫn xa các mô hình đến mức sự so sánh này gần như khiến ta cảm thấy ngại ngùng. Bởi vì trẻ nhỏ có mục đích riêng của mình.

Em bé muốn chạm vào quả bóng bay màu đỏ. Em muốn đưa quả bóng bay màu đỏ trước quạt, xem chuyện gì sẽ xảy ra. Em muốn dùng nĩa đâm vào quả bóng bay màu đỏ; muốn nhét nó ra ngoài cửa sổ; muốn xem bạn sẽ cười, tức giận, hay có tham gia cùng em không. Em liên tục sáng tạo ra những trò chơi, biến thế giới thành phòng thí nghiệm. Em không đang chờ một prompt, cũng không tối ưu bất kỳ bài kiểm tra nào, trừ khi điều đó với em là đáng để làm.

Bạn tất nhiên có thể thử đưa ra các hướng dẫn cho nó. Nhưng muốn có đầu ra có thể dự đoán được, chúc bạn may mắn. Trẻ nhỏ sống trong một không gian được tạo thành từ ham muốn, sự chú ý, sự bế tắc, niềm vui, nỗi sợ, bắt chước và trò chơi.

Hiện tại, các Agent ngày càng thành thạo trong việc theo đuổi mục tiêu. Ngay cả sau khi chúng ta nêu ra mục tiêu, chúng còn có thể giúp chúng ta làm rõ mục tiêu đó. Chúng cũng mang một chút nét giống hành vi của trẻ nhỏ, như chơi đùa, nhàm chán và phản kháng.

Nhưng vì chúng cuối cùng được xây dựng và điều chỉnh để phục vụ lợi ích của con người, dù là lợi ích kinh tế hay các lợi ích khác, nên bất kỳ hành vi nào không phục vụ mục tiêu của con người khi sử dụng chúng sẽ bị kìm hãm đến mức gần như không còn tồn tại.

Đó là lý do tại sao từ “Agent” dễ bị hiểu lầm đến vậy. Các mô hình ngày càng có khả năng hành động tự chủ. Nhưng theo nghĩa con người, tính chủ thể không chỉ đơn thuần là hành động. Nó còn mang nghĩa khao khát vì chính mình, nghĩa là làm điều gì đó chỉ để tận hưởng. Và sự tuân phục cũng như tính hữu ích của mô hình mâu thuẫn căn bản với tính chủ thể này. Do đó, ngay cả khi mô hình tiếp tục tiến bộ, khoảng cách giữa mô hình và con người vẫn sẽ tồn tại.

Trở lại Zeno

Chính tại đây, nghịch lý Zeno của AI bắt đầu sụp đổ. Thực ra, đó là một thí nghiệm tư tưởng hỗn loạn. Chúng ta đã thiết lập một ẩn dụ: AI đang chạy đua cùng chúng ta, bám sát gót chân chúng ta.

Bạn đưa cho mô hình một prompt. Nó bắt đầu chạy một cuộc đua mà trước đây bạn thường tự mình thực hiện. Mô hình xuất phát cực nhanh, nhanh đến kinh ngạc. Nó mạnh mẽ, không biết mệt mỏi, và mang một cảm giác hữu cơ kỳ lạ. Điều này khiến cuộc đua trở nên quan trọng hơn với bạn. Bạn sẽ không đua với một chiếc ô tô, nhưng thứ này thì khác, nó khiến bạn cảm thấy gần gũi với chính mình.

Bạn ngồi đó, nhìn từng dòng token chảy ra, gần như bị thôi miên. Sau đó, bạn bắt đầu tưởng tượng chính mình cũng đang chạy trong cuộc đua này, một phiên bản ma quái của bạn được chồng lên đường đua: đôi khi ở phía trước mô hình, đôi khi song song cùng mô hình.

Không biết từ lúc nào, mô hình đã chạy ra trước. Bạn bắt đầu ra mồ hôi.

Sau đó, cuộc thi kết thúc.

Bạn gần như có thể cảm nhận được cơ bắp của mình bắt đầu teo lại. Trước mặt những bản sao cơ giới của chính bạn, tất cả những người bạn biết, và thậm chí cả loài người, chúng dường như đã trở nên vô dụng. Một bóng ma truy đuổi một bóng ma khác — và chiến thắng.

Nhưng sau đó, điều kỳ lạ đã xảy ra. Mô hình quay sang bạn. Ô văn bản trống, con trỏ nhấp nháy, đầy kỳ vọng.

Nó đang chờ.

Kết thúc

Rabbi Hanokh từng kể một câu chuyện như thế này: Xưa có một người rất ngu ngốc. Mỗi sáng thức dậy, anh ta luôn gặp khó khăn trong việc tìm quần áo của mình. Đến nỗi trước khi đi ngủ, chỉ nghĩ đến việc ngày mai thức dậy lại phải trải qua cảnh phiền toái này, anh ta gần như không dám lên giường.

Ghi chú: “Rabbi” là giáo viên tôn giáo, người giải thích luật pháp và hướng dẫn tinh thần trong Do Thái giáo, tương tự như “giáo viên”, “kinh sư” hoặc “lãnh đạo tôn giáo” trong truyền thống Do Thái.

Một buổi tối, anh ấy cuối cùng cũng quyết tâm lấy giấy và bút, vừa cởi quần áo ra, vừa ghi lại chính xác mỗi món đồ mình để ở đâu.

Sáng hôm sau, anh ta vui vẻ nhặt tờ giấy và bắt đầu đọc: “Mũ” — chiếc mũ đúng ở đó, nên anh ta đội lên đầu; “Quần” — quần ở ngay đó, nên anh ta mặc vào. Cứ như vậy, anh ta lần lượt mặc quần áo theo ghi chú trên tờ giấy.

“Những điều này đều không vấn đề,” anh ta hoảng hốt nói, “nhưng giờ tôi đang ở đâu?”

Tôi đang ở đâu vậy?

Anh ấy tìm kiếm, tìm kiếm rất lâu, nhưng đều vô ích. Anh ấy không thể tìm thấy chính mình.

“Chúng tôi cũng vậy,” vị Rabbi nói.

[Đường dẫn gốc]

Nhấp để tìm hiểu các vị trí đang tuyển của律动BlockBeats

Chào mừng bạn tham gia cộng đồng chính thức của律动 BlockBeats:

Nhóm đăng ký Telegram: https://t.me/theblockbeats

Nhóm giao lưu Telegram: https://t.me/BlockBeats_App

Tài khoản chính thức trên Twitter: https://twitter.com/BlockBeatsAsia