Nghịch lý LLM: Tại sao các chuyên gia vẫn sử dụng AI dù biết rõ những khiếm khuyết?

Bài viết được dịch và tổng hợp từ tin tức gốc. Bạn có thể đọc bài viết gốc bằng tiếng Anh tại đây.

Điểm tin nhanh:

• Ngay cả những chuyên gia xây dựng công cụ AI cũng đang đối mặt với làn sóng 'rác' từ các mô hình ngôn ngữ lớn (LLM) và phải áp dụng cơ chế tự động đóng PR.
• Sự tồn tại của LLM làm xói mòn niềm tin trong mã nguồn mở, khiến việc xác thực đóng góp trở nên khó khăn hơn bao giờ hết.
• LLM không thay thế tư duy, mà đóng vai trò là bộ khuếch đại cho ý tưởng của con người nếu được sử dụng đúng cách và có kiểm soát.

Trong giới lập trình hiện nay, có một sự bất hòa nhận thức (cognitive dissonance) đang lan tỏa mạnh mẽ: chúng ta chỉ trích LLM vì những hệ lụy đạo đức và chất lượng code, nhưng chính chúng ta lại không thể rời bỏ chúng trong công việc hàng ngày. Tại sao lại có sự mâu thuẫn này?

Khi những người tạo ra công cụ cũng phải từ chối chính nó

Tại hội nghị Local-First Conf ở Berlin, Armin Ronacher, người sáng tạo ra Flask, đã chia sẻ một thực tế phũ phàng: dự án Pi.dev của ông phải tự động đóng hầu hết các Pull Request (PR) và issue do AI tạo ra. Đây không phải là sự ghét bỏ công nghệ, mà là cơ chế phòng vệ trước sự tràn lan của 'slop' (mã nguồn rác).

Trước đây, việc xem xét một PR đòi hỏi thời gian và công sức của con người, điều này vô tình trở thành bộ lọc tự nhiên cho các đóng góp chất lượng. Hiện nay, bất kỳ ai cũng có thể tạo tài khoản GitHub và xả hàng loạt code do AI tạo ra. Điều này đặt ra thách thức lớn cho các dự án mã nguồn mở, buộc chúng ta phải xem xét lại cách quản lý đóng góp, tương tự như việc xây dựng AI PR Reviewer tùy chỉnh từ con số không với GitHub Actions để kiểm soát chất lượng.

Những rủi ro thực tế của LLM

Chúng ta không thể phủ nhận những chỉ trích nhắm vào LLM là hoàn toàn có cơ sở. Dưới đây là bảng tổng hợp các vấn đề chính:

Lưu ý: Việc phụ thuộc vào các mô hình đóng (closed-source) khiến dự án của bạn dễ bị tổn thương trước các lệnh cấm vận hoặc thay đổi chính sách đột ngột từ nhà cung cấp, như trường hợp Anthropic vô hiệu hóa các model Fable 5 và Mythos 5 vào tháng 6/2026.

LLM không phải là kẻ thù, mà là bộ khuếch đại

Thay vì bài trừ, chúng ta cần học cách sống chung với AI. Các kỹ sư giỏi không để LLM làm thay việc tư duy. Họ sử dụng chúng như một người bạn đồng hành để brainstorm, kiểm tra ngữ pháp, hoặc đóng vai người phản biện (devil's advocate). Nếu bạn không có ý tưởng, LLM sẽ không mang lại giá trị gì cả. Nhưng nếu bạn có tư duy sắc bén, LLM sẽ giúp bạn hiện thực hóa nó nhanh hơn gấp nhiều lần.

Việc chuyển dịch sang các mô hình chạy cục bộ (local models) là một xu hướng tất yếu. Nó giúp lập trình viên độc lập với các tập đoàn lớn và đảm bảo tính bảo mật. Bạn có thể tham khảo thêm về hướng dẫn thực chiến tích hợp Open-Weight LLMs thông qua API cho lập trình viên để bắt đầu xây dựng hệ thống của riêng mình.

Đánh giá & Lời khuyên Thực tiễn

Từ góc nhìn của một Senior Tech Lead, tôi cho rằng việc sử dụng LLM là không thể tránh khỏi, nhưng cần có kỷ luật:

• Ưu điểm: Tăng tốc độ viết code boilerplate, hỗ trợ debug nhanh, giảm tải các tác vụ lặp đi lặp lại.
• Nhược điểm: Dễ tạo ra nợ kỹ thuật nếu không hiểu rõ code được sinh ra. Xem thêm về nợ kỹ thuật và nợ khác biệt để hiểu tại sao việc kiểm soát chất lượng code AI là tối quan trọng.
• Phạm vi ứng dụng: Chỉ nên dùng AI để hỗ trợ, không dùng để thay thế tư duy kiến trúc. Hãy luôn áp dụng quy trình Human Review cho mọi đoạn code do AI tạo ra trước khi merge vào nhánh chính.

Câu hỏi thường gặp (FAQ)

Tại sao các dự án mã nguồn mở lại từ chối PR từ AI?

Vì họ không thể xác minh được nỗ lực và tư duy đằng sau đoạn code đó, gây khó khăn cho việc bảo trì và kiểm soát chất lượng lâu dài.

Làm sao để sử dụng LLM mà không bị phụ thuộc?

Hãy ưu tiên các mô hình open-weights có thể chạy cục bộ trên phần cứng của bạn để tránh sự kiểm soát từ các nhà cung cấp dịch vụ đám mây.

Có nên cho junior sử dụng AI không?

Nên, nhưng với điều kiện họ phải hiểu rõ logic bên dưới. Đừng để AI làm thay hoàn toàn, nếu không họ sẽ mất đi khả năng tư duy giải quyết vấn đề cốt lõi.

Kết luận

Nghịch lý LLM là một phần của quá trình tiến hóa công nghệ. Chúng ta không cần phải chọn giữa việc 'ghét bỏ' hay 'lạm dụng' AI. Thay vào đó, hãy trở thành những người sử dụng có trách nhiệm, giữ vững tư duy phản biện và luôn đặt con người làm trung tâm trong mọi quyết định kỹ thuật. Hãy bắt đầu tối ưu hóa quy trình làm việc của bạn ngay hôm nay bằng cách theo dõi các bài viết chuyên sâu về AI Automation Pipeline trên hi_dev để không bị tụt hậu trong kỷ nguyên này.