AI / Vibe Coding

Ứng dụng AI trong công việc thực tế, vibe coding, và những quan sát thẳng thắn về việc dùng AI để làm sản phẩm.

  • Vibe coding mà không biết tech thì cũng chỉ là… vibe

    Vibe coding mà không biết tech thì cũng chỉ là… vibe

    Vibe coding mà không biết tech thì cũng chỉ là… vibe

    Hôm rồi tôi xem clip một anh kỹ sư bên Meta khuyên mọi người học vibe code. Ý anh ấy rất rõ ràng: người đã có nền tảng tech thì dùng AI để ship nhanh hơn. Nhưng đám đông nghe xong lại hiểu thành: tải Claude Code về, add mấy cái skill vào, thế là xong — “biết xài AI rồi cần gì kiến thức nền”?

    Vấn đề không nằm ở chỗ AI mạnh hay yếu. Vấn đề là người ta chỉ nghe những gì mình muốn nghe.

    Và nói thẳng: đó là ảo giác.

    1. AI là cái loa, không phải cái não

    Claude không thay bạn suy nghĩ. Nó khuếch đại những gì bạn đưa vào — kể cả sai lầm.

    Bạn hiểu database, nó viết query ngon. Bạn không hiểu, nó viết query chạy mượt với 100 dòng test, rồi sập khi lên production với 1 triệu dòng vì dính N+1. Mà nếu bạn không biết N+1 là gì thì bạn cũng chẳng biết mình vừa ship cái gì.

    Vấn đề của vibe coding thuần túy không phải “code có chạy không”, mà là “bạn có biết nó đang chạy cái gì không”.

    2. Skill là công thức nấu ăn, còn bạn thì không có vị giác

    Skill hay ở chỗ nó đóng gói kinh nghiệm thành checklist: làm web theo bước này, review code check mục kia. Rất tiện.

    Nhưng công thức không dạy bạn nếm. Khi món ăn bị mặn — tức là app lỗi theo cách checklist không cover — bạn làm gì? Người có nền ngửi mùi là biết sai ở đâu. Người không có nền thì dán lỗi vào cho AI đoán tiếp, đoán mười lần không ra thì bó tay.

    Skill trả lời được “làm thế nào”. Kiến thức nền trả lời được “tại sao” và “khi nào thì đừng làm thế”.

    3. Debug là nơi mọi ảo giác tan vỡ

    Viết code giờ rẻ. Debug mới đắt.

    AI sinh code sai theo những cách rất tinh vi: race condition chỉ xảy ra 1/100 lần chạy, memory leak âm thầm ăn RAM, auth flow có lỗ hổng logic mà test thường không bắt được. Không có nền thì bạn chỉ debug được bằng một cách duy nhất: copy stack trace dán lại cho AI và cầu nguyện.

    Người có nền đọc stack trace như đọc truyện. Họ biết lỗi thuộc tầng nào — network, database hay application — nên khoanh vùng trong 5 phút thay vì prompt hai tiếng.

    4. Bảo mật: AI không chịu trách nhiệm, bạn thì có

    Claude sẵn sàng viết cho bạn đoạn code lưu password plain text, API key hard-code trong source, SQL query ghép chuỗi — tất cả đều “chạy ngon”. Nó không có nghĩa vụ phải an toàn. Nghĩa vụ đó là của bạn.

    Mà để biết code có an toàn không, bạn phải biết attacker nghĩ gì. Cái đó không skill nào dạy hết được.

    5. Điểm nghẽn đã chuyển từ “viết” sang “đọc”

    Ngày xưa bottleneck là viết code. Giờ AI viết nhanh hơn bạn đọc. Việc của bạn chuyển thành: đọc hiểu, review, quyết định kiến trúc, chịu trách nhiệm.

    Trớ trêu ở chỗ: để đọc hiểu và review tốt, bạn cần nền SÂU HƠN trước đây chứ không phải ít đi. Người ta tưởng AI khiến việc học tech trở nên thừa thãi — thực ra nó khiến việc học tech trở nên bắt buộc, chỉ khác là học để phán xét thay vì học để gõ phím.

    Kết

    Tôi không anti vibe coding. Ngược lại — người vừa có nền tech vừa biết dùng AI đang sống ở thời kỳ sung sướng nhất lịch sử làm phần mềm: ý tưởng thành sản phẩm trong một buổi chiều.

    Nhưng thứ tự đúng là: học nền trước, rồi để AI nhân nó lên. Làm ngược lại — đắp skill lên trên cái nền rỗng — thì bạn không phải đang build sản phẩm, bạn đang build một quả bom hẹn giờ mà chính bạn không biết nó nổ lúc nào.

    Skill là cái phao. Kiến thức nền là biết bơi. Phao giúp bạn nổi, nhưng đừng nhầm là mình biết bơi.

  • AI phỏng vấn ứng viên thay HR — nên mừng hay nên lo?

    AI phỏng vấn ứng viên thay HR — nên mừng hay nên lo?

    Năm nay, có ứng viên trải qua ba vòng phỏng vấn mà chưa một lần nói chuyện với con người. AI đọc CV, AI đặt câu hỏi, AI chấm điểm câu trả lời. Nghe thì hiện đại, nhưng tôi vừa mừng vừa lo.

    Mừng vì tốc độ. Một vị trí tuyển dụng nhận hàng nghìn hồ sơ, HR không thể đọc hết trong thời gian hợp lý. AI sàng lọc trong vài giờ những gì con người mất vài tuần, đánh giá nhất quán, không mệt, không bỏ sót vì cảm tính buổi sáng. Với các vị trí mass hiring, đây là cứu cánh thực sự.

    Lo vì những thứ AI không nhìn thấy. Một hệ thống học từ dữ liệu tuyển dụng cũ sẽ lặp lại thiên kiến của quá khứ — ưu tiên những hồ sơ “giống người đã được nhận”, vô tình loại bỏ sự đa dạng. Văn hóa làm việc, động lực nội tại, cách một người xử lý tình huống khó — những thứ quyết định thành công lâu dài lại là thứ AI đánh giá kém nhất.

    Và có một nghịch lý đang hình thành: ứng viên dùng AI viết CV, dùng AI trả lời phỏng vấn AI. Khi cả hai bên đều là máy, chúng ta còn đang đánh giá năng lực thật hay chỉ đang so xem bên nào prompt giỏi hơn? Vòng lặp này khiến quy trình tuyển dụng ngày càng xa rời con người mà nó phục vụ.

    Quan điểm của tôi sau nhiều năm làm product lẫn tham gia tuyển dụng: AI làm rất tốt việc loại bỏ — loại hồ sơ không phù hợp, loại câu hỏi lặp lại, loại công việc hành chính. Nhưng việc lựa chọn — quyết định ai sẽ đồng hành cùng team trong nhiều năm — vẫn cần con người. Công nghệ nên dọn đường cho cuộc trò chuyện có ý nghĩa, chứ không thay thế nó.

    Khi cả hai bên đều dùng AI, chúng ta còn đang tuyển người hay đang tuyển prompt?