What still matters when machines write the code?Kỹ năng nào còn giá trị khi máy viết được code?
Writing code is no longer the hard part of getting in. The hard part is knowing what to build, how to split it up, and how to show that it works.Viết code không còn là cửa khó nhất để vào nghề. Cửa khó là biết làm cái gì, chia nhỏ nó ra sao, và chứng minh được nó chạy đúng.

In early May 2026, Stanford held a forum on rewiring the workforce in the age of AI. The first question on stage was one I hear all the time from young engineers in Da Nang: has hiring for juniors changed? The panel said yes, and said the change goes deep.
I want to take that answer slowly, because the easy versions of it are both wrong. One says programming is finished. The other says nothing has changed and the tools are a fad. What I see is narrower and more useful: the work at the entrance of the profession has moved, and the people and companies who notice early will train for the new entrance instead of the old one.
The old path is narrowing
A junior used to learn the trade by writing boilerplate, fixing small bugs and spending a few years getting to know one codebase. It looked like low-value work, and in a narrow sense it was. In a wider sense it was an apprenticeship that the client paid for. Every form you wired up taught you how data moved through the system. Every small bug taught you where the system was fragile.
Machines now produce that part in seconds. The Stanford AI Index 2026 reports that employment for developers aged 22 to 25 has fallen by about 20% since 2024, in exactly that kind of work, while demand for experienced engineers keeps growing. I read the number as a warning about apprenticeship more than about jobs. If the cheap tasks disappear, the learning that came with them disappears too, unless someone designs it back in on purpose.
The number does not mean the profession is ending. Value has moved toward the two ends of the work: deciding what to build at the start, and judging whether it is right at the end. The middle, turning a clear intention into lines of code, is the part machines now do well.
Four shifts in hiring
- Logic over syntax. Some firms now offer engineering roles to maths and physics graduates, because machines handle the step from logic to code. A clear head for structure counts for more than knowing a framework's API by heart.
- Juniors as small tech leads. They are expected to steer the tools that generate code, read and understand what comes back, and run several agents in parallel. That used to be a senior's job.
- People as the last line of defence: rigorous testing, catching edge cases, and a feel for whether the software makes sense to the person using it.
- Higher expectations of speed. A working prototype in days instead of weeks is now the normal ask.
The second point worries me most. Steering a tool assumes you know where you want to go. Reading generated code assumes you could have written something like it. A junior who skips the fundamentals can produce a lot very quickly and still have no idea why it breaks on the first unusual input. I have seen enough projects to know that speed without understanding creates debt, and somebody senior pays it later, usually at night.
Reading is harder than writing
Every experienced engineer knows this: understanding someone else's code takes longer than writing your own. With AI tools, almost all code becomes someone else's code. So the skill that rises in value is review. Can you read a 200-line change and find the one line that silently drops a currency conversion? Can you tell when a test passes because the code is right, and when it passes because the test checks nothing?
This is where an old discipline becomes new again. In Extreme Programming, writing the test first was a way to think before coding. Today it is also the clearest way to tell a machine what you want. A good test is a specification that runs. A junior who can write a sharp test for a fuzzy requirement is already doing the part of the job that machines cannot do alone.
Three layers of skills
McKinsey groups the skills needed for the years ahead into three layers. Essential skills are communication and problem solving. Enabling skills are critical thinking and decision making. On top sit empowering skills: adaptability, curiosity, resilience and AI fluency.
Demand for AI fluency has grown about elevenfold since 2022, and demand for adaptability about fivefold. The pairing makes sense to me. Fluency with today's tools has a short shelf life, because the tools change every few months. Adaptability is what lets you pick up the next set without starting over.
What this means for a small company
A large company can absorb the loss of the old apprenticeship by running formal graduate programmes. A small software firm in Da Nang cannot. So the learning has to live inside the daily work. Pair programming, which many teams dropped as too expensive, looks cheap again when the alternative is a junior who accepts every suggestion a tool makes. Code review becomes a teaching session as well as a check. Small, frequent releases give a new engineer many chances to see the consequences of a decision within days instead of months.
Interviews need to change too. Asking a candidate to reverse a linked list on a whiteboard tests a skill the machine already has. More useful: hand them a piece of generated code with a subtle bug and ask them to explain what it does. Give them a vague request and see how they break it down and what questions they ask. Ask them how they would know their solution is right before a customer finds out.
What I would tell a final-year student
Three things, in this order. First, learn the foundations properly: data structures, architecture, how systems fail under load, how databases keep their promises. These are the parts that let you judge generated code instead of trusting it. Second, use the tools every day on something real, a small product with real users or a contribution to an open-source project, not only on toy prototypes that never meet messy data. Third, practise answering the hardest question in the job: how do I know this is right?
That third question has no shortcut. You answer it with tests, with logs, with a conversation with the user, with a second pair of eyes. A graduate who has the habit of asking it will be useful no matter which tool wins next year.
The barrier is no longer writing code. It is knowing what to build, how to break it down, and proving that it works.
I think that sentence deserves a place in every engineering interview today, on both sides of the table.
Đầu tháng 5/2026, Stanford tổ chức một diễn đàn về việc tái cấu trúc lực lượng lao động trong thời AI. Câu hỏi đầu tiên trên sân khấu cũng là câu tôi nghe nhiều nhất từ các bạn kỹ sư trẻ ở Đà Nẵng: tuyển junior bây giờ có khác không? Các diễn giả trả lời là có, và khác từ gốc.
Tôi muốn đọc câu trả lời đó chậm lại, vì hai cách hiểu dễ dãi nhất đều sai. Một cách nói nghề lập trình đã hết thời. Cách kia nói chẳng có gì thay đổi, công cụ chỉ là mốt. Điều tôi thấy hẹp hơn nhưng hữu ích hơn: phần việc ở cửa vào của nghề đã dịch chuyển, và người nào, công ty nào nhận ra sớm sẽ luyện cho cửa vào mới chứ không ôn lại cửa cũ.
Con đường cũ đang hẹp lại
Trước đây, junior học nghề bằng cách viết code khuôn mẫu, sửa lỗi nhỏ và mất vài năm để hiểu một codebase. Nhìn thì giống việc giá trị thấp, và hiểu theo nghĩa hẹp thì đúng vậy. Nhưng theo nghĩa rộng, đó là một kỳ học việc mà khách hàng trả tiền. Mỗi form bạn nối dây dạy bạn dữ liệu chạy qua hệ thống thế nào. Mỗi lỗi nhỏ dạy bạn hệ thống yếu ở đâu.
Giờ máy làm phần đó trong vài giây. Báo cáo Stanford AI Index 2026 ghi nhận việc làm của lập trình viên 22 đến 25 tuổi giảm khoảng 20% kể từ 2024, đúng ở mảng việc này, trong khi nhu cầu kỹ sư có kinh nghiệm vẫn tăng. Tôi đọc con số đó như một cảnh báo về chuyện học việc hơn là chuyện việc làm. Nếu những việc rẻ biến mất, phần học đi kèm cũng mất theo, trừ khi có người chủ động thiết kế lại nó.
Con số đó không có nghĩa nghề này đang kết thúc. Giá trị đã dịch về hai đầu của công việc: quyết định làm gì ở đầu, và phán đoán nó có đúng không ở cuối. Phần giữa, biến một ý định rõ ràng thành dòng code, là phần máy giờ làm tốt.
Bốn thay đổi trong tuyển dụng
- Tuyển logic hơn cú pháp. Một số công ty giờ nhận cả cử nhân toán và vật lý vào vị trí kỹ sư, vì máy lo bước từ logic sang code. Đầu óc rõ ràng về cấu trúc đáng giá hơn việc thuộc lòng API của một framework.
- Junior như một tech lead nhỏ. Các bạn được kỳ vọng điều khiển công cụ sinh code, đọc hiểu kết quả trả về và chạy nhiều agent song song. Trước đây đó là việc của senior.
- Con người là tuyến phòng thủ cuối: kiểm thử nghiêm túc, bắt các trường hợp biên, và cảm nhận xem phần mềm có hợp lý với người dùng không.
- Kỳ vọng tốc độ cao hơn. Có bản mẫu chạy được trong vài ngày thay vì vài tuần giờ là yêu cầu bình thường.
Điểm thứ hai làm tôi lo nhất. Điều khiển công cụ đòi hỏi bạn biết mình muốn đi đâu. Đọc code máy sinh đòi hỏi bạn từng có khả năng viết ra thứ tương tự. Một junior bỏ qua nền tảng có thể làm ra rất nhiều thứ rất nhanh, rồi vẫn không hiểu vì sao nó gãy ở dữ liệu bất thường đầu tiên. Tôi đã thấy đủ nhiều dự án để biết nhanh mà không hiểu sẽ sinh ra nợ, và người trả nợ thường là một senior, thường là vào ban đêm.
Đọc khó hơn viết
Kỹ sư có kinh nghiệm nào cũng biết: hiểu code của người khác mất thời gian hơn viết code của mình. Với công cụ AI, gần như mọi dòng code đều thành code của người khác. Vì vậy kỹ năng tăng giá là review. Bạn có đọc một thay đổi 200 dòng và tìm ra đúng dòng lặng lẽ bỏ mất bước quy đổi tiền tệ không? Bạn có phân biệt được khi nào test qua vì code đúng, khi nào test qua vì nó chẳng kiểm tra gì không?
Ở đây, một kỷ luật cũ lại trở nên mới. Trong Extreme Programming, viết test trước là cách buộc mình nghĩ trước khi code. Ngày nay nó còn là cách rõ nhất để nói với máy điều mình muốn. Một test tốt là một bản đặc tả chạy được. Junior nào viết được test sắc gọn cho một yêu cầu còn mơ hồ là đã làm được phần việc máy không tự làm được.
Ba tầng kỹ năng
McKinsey chia kỹ năng cần cho những năm tới thành ba tầng. Tầng thiết yếu là giao tiếp và giải quyết vấn đề. Tầng hỗ trợ là tư duy phản biện và ra quyết định. Trên cùng là tầng nâng đỡ: khả năng thích nghi, sự tò mò, sức bền và năng lực dùng AI.
Nhu cầu về năng lực dùng AI tăng khoảng 11 lần kể từ 2022, nhu cầu về khả năng thích nghi tăng khoảng 5 lần. Tôi thấy cặp này rất hợp lý. Thành thạo công cụ hôm nay có hạn sử dụng ngắn, vì công cụ đổi vài tháng một lần. Khả năng thích nghi mới là thứ giúp bạn học bộ công cụ tiếp theo mà không phải bắt đầu lại từ đầu.
Điều này có nghĩa gì với một công ty nhỏ
Công ty lớn có thể bù lại phần học việc đã mất bằng chương trình đào tạo sinh viên mới ra trường bài bản. Một công ty phần mềm nhỏ ở Đà Nẵng thì không. Vì vậy việc học phải nằm ngay trong công việc hằng ngày. Lập trình cặp, thứ nhiều đội đã bỏ vì cho là tốn kém, lại trở nên rẻ khi so với một junior gật đầu với mọi gợi ý của công cụ. Review code vừa là cửa kiểm soát vừa là buổi dạy nghề. Phát hành nhỏ và thường xuyên cho người mới nhiều cơ hội thấy hệ quả của một quyết định trong vài ngày thay vì vài tháng.
Phỏng vấn cũng phải đổi. Bắt ứng viên đảo ngược danh sách liên kết trên bảng là kiểm tra một kỹ năng máy đã có. Hữu ích hơn: đưa họ một đoạn code máy sinh có lỗi tinh vi và nhờ giải thích nó làm gì. Đưa một yêu cầu mơ hồ và xem họ chia nhỏ ra sao, hỏi lại những gì. Hỏi họ làm sao biết lời giải của mình đúng trước khi khách hàng phát hiện ra.
Điều tôi muốn nói với sinh viên năm cuối
Ba điều, theo thứ tự này. Một, học nền tảng cho đến nơi: cấu trúc dữ liệu, kiến trúc, hệ thống hỏng thế nào khi tải cao, cơ sở dữ liệu giữ cam kết ra sao. Đó là phần giúp bạn đánh giá code máy sinh thay vì tin nó. Hai, dùng công cụ mỗi ngày cho một việc thật, một sản phẩm nhỏ có người dùng thật hay một đóng góp cho dự án mã nguồn mở, đừng chỉ làm bản mẫu đồ chơi chưa từng gặp dữ liệu lộn xộn. Ba, tập trả lời câu hỏi khó nhất của nghề: làm sao tôi biết cái này đúng?
Câu hỏi thứ ba không có đường tắt. Bạn trả lời nó bằng test, bằng log, bằng một cuộc trò chuyện với người dùng, bằng một người thứ hai cùng xem. Sinh viên nào có thói quen tự hỏi câu đó sẽ có ích bất kể công cụ nào thắng thế năm sau.
Rào cản không còn là viết code, mà là biết làm gì, chia nhỏ ra sao, và chứng minh nó chạy đúng.
Tôi nghĩ câu đó xứng đáng có mặt trong mọi buổi phỏng vấn kỹ sư hôm nay, ở cả hai phía bàn.
