Nếu bạn đang cân nhắc chuyển sang ngành công nghệ nhưng vẫn cho rằng "học lập trình trước" là điều kiện tiên quyết không thể thương lượng, thì hai câu chuyện trong tháng này đáng để bạn chú ý. Cả hai đều không phải là lời quảng cáo tiếp thị. Cả hai đều là những ví dụ cụ thể, có thể kiểm chứng về việc những người không phải kỹ sư đã tạo ra phần mềm hoạt động được, với AI đảm nhận phần nặng nhọc về cú pháp.

Phía người dùng phổ thông: Glaze của Raycast

Raycast, nổi tiếng với trình khởi chạy tăng năng suất trên Mac, đã mở công cụ vibe-coding Glaze của mình cho tất cả người dùng trong tháng này. Glaze được xây dựng cho một nhiệm vụ cụ thể: tạo và chia sẻ các ứng dụng desktop trên Mac thông qua việc nhập lệnh bằng ngôn ngữ tự nhiên thay vì một trình soạn thảo mã trống. Nó được định vị cùng với một làn sóng các công cụ tương tự — Wabi làm điều tương tự cho ứng dụng di động — được thiết kế rõ ràng để trông và cảm nhận giống như phần mềm tiêu dùng, chứ không phải công cụ dành cho nhà phát triển. Bạn không mở terminal. Bạn mô tả những gì mình muốn và lặp lại điều chỉnh dựa trên kết quả nhận được.

Cách tiếp cận này rất quan trọng đối với những người muốn chuyển ngành. Con đường truyền thống để bước vào ngành phần mềm đòi hỏi phải học một ngôn ngữ lập trình, một bộ công cụ, và một mô hình tư duy về cách máy tính thực thi lệnh trước khi bạn có thể xây dựng bất cứ thứ gì mà bạn bè thực sự sử dụng được. Các công cụ như Glaze thu hẹp khoảng cách đó: thứ đầu tiên bạn xây dựng có thể là một ứng dụng Mac thực thụ, có thể chia sẻ được, chứ không phải bài tập "Hello World" sau ba tháng học bootcamp.

Bằng chứng có mức độ rủi ro cao hơn: một người mới, một người cố vấn, và Không quân

Dữ liệu thú vị hơn, nếu bạn muốn có bằng chứng thay vì lời quảng cáo sản phẩm, đến từ MIT. Phòng thí nghiệm Lincoln đã công bố một nghiên cứu trường hợp về Joshua Lynch, một học viên sĩ quan Không quân được mô tả là hoàn toàn mới với lập trình, người đã sử dụng các kỹ thuật vibe-coding dưới sự cố vấn như một phần của Chương trình Phantom thuộc AI Accelerator của Bộ Không quân và MIT. Câu hỏi nghiên cứu rõ ràng là liệu một người mới có thể xây dựng một chương trình AI hoạt động được, có liên quan đến quân sự, với sự hỗ trợ của AI và hướng dẫn của con người hay không. Đây chỉ là một nghiên cứu trường hợp đơn lẻ, không phải một thử nghiệm có đối chứng, và Lynch có một người cố vấn — đây không phải là thử-sai không giám sát. Nhưng đây là một trường hợp hiếm hoi mà một tổ chức chủ động kiểm chứng tuyên bố "ai cũng có thể lập trình với AI" thay vì chỉ khẳng định suông, và trong trường hợp này, câu trả lời là có.

Đọc hai câu chuyện này cùng nhau, ta thấy một mô hình chung: các công cụ dành cho người tiêu dùng đang hạ thấp rào cản để *bắt đầu*, và ít nhất một thử nghiệm ở cấp tổ chức cho thấy rào cản để *hoàn thành một thứ gì đó thực sự* cũng thấp hơn trước đây — miễn là có một cấu trúc hỗ trợ (một người cố vấn, một dự án được xác định rõ ràng) xung quanh người mới.

Điều này có ý nghĩa gì nếu bạn thực sự đang cân nhắc việc chuyển ngành

Có một vài điều đáng để làm rõ trước khi bạn coi đây là tín hiệu đèn xanh:

Điểm khởi đầu đã dịch chuyển, chứ không biến mất. Bạn vẫn cần học cách mô tả rõ ràng những gì mình muốn, đánh giá xem kết quả đầu ra có đúng hay không, và gỡ lỗi khi nó sai. Vibe coding loại bỏ việc ghi nhớ cú pháp như một rào cản; nó không loại bỏ khả năng phán đoán như một rào cản. Nghiên cứu trường hợp của MIT đáng chú ý chính vì nó đã ghép một người mới với một người cố vấn có thể phát hiện ra những gì người mới không thể.

Sự thoái hóa kỹ năng là một rủi ro có thật, đã được đặt tên — không chỉ là giả thuyết. Một công cụ dòng lệnh (CLI) tên là Atrophy đã ra mắt trong tháng này với mục đích cụ thể là giải quyết vấn đề này: nó coi các kỹ năng lập trình cơ bản (nhớ cú pháp, gỡ lỗi, đọc mã, phân rã bài toán) giống như chỉ số Elo trong cờ vua và luyện tập người dùng để chống lại điều mà những người tạo ra nó gọi là sự thoái hóa kỹ năng do vibe-coding. Sự tồn tại của công cụ này tự nó đã là một tín hiệu — nếu bạn định dựa vào việc xây dựng có sự hỗ trợ của AI làm điểm khởi đầu, hãy dành thời gian để thực sự hiểu đoạn mã mà nó tạo ra, chứ không chỉ nhập lệnh rồi phát hành. Một buổi phỏng vấn, một sự cố ngừng hoạt động, hay một công cụ gặp trục trặc vào thời điểm không thích hợp sẽ phơi bày lỗ hổng nếu bạn bỏ qua bước này.

"Không phải kỹ sư" không có nghĩa là "không có khả năng phán đoán kỹ thuật." Cả hai ví dụ vẫn đòi hỏi một người có thể nhận biết được liệu kết quả đầu ra có hoạt động hay không, điều chỉnh lại sau những lần thất bại, và hiểu đủ rõ bản chất của vấn đề để điều hướng công cụ. Đó thực sự là một kỹ năng khác so với việc viết mã từng dòng, nhưng nó không phải là không có giá trị gì — nó gần với tư duy sản phẩm cộng với đủ hiểu biết kỹ thuật để kiểm tra tính hợp lý của kết quả.

Một trình tự khởi đầu thực tế

Nếu đây là con đường bạn chọn để bước vào ngành, một cách tiếp cận hợp lý dựa trên những gì thực sự đang diễn ra trong các ví dụ này là:

1. Chọn một công cụ phù hợp với thứ bạn muốn xây dựng — Glaze cho ứng dụng desktop trên Mac, các công cụ kiểu Wabi cho di động, hoặc một nền tảng rộng hơn nếu bạn muốn nhập và chỉnh sửa một codebase có sẵn (chẳng hạn, chế độ Build của Google AI Studio giờ đây cho phép bạn trỏ đến một kho GitHub thay vì bắt đầu từ một lệnh nhập trống, đây là cách nhẹ nhàng hơn để học bằng cách đọc mã đang hoạt động).

2. Xây dựng thứ gì đó bạn thực sự sẽ sử dụng hoặc cho người khác xem — chứ không phải một bài tập mang tính đồ chơi. Nghiên cứu trường hợp của MIT thành công vì dự án có một mục tiêu thực sự, được xác định rõ ràng.

3. Tìm một người cố vấn hoặc một cộng đồng, dù chỉ là không chính thức. Con đường từ người mới đến dự án hoàn thành trong trường hợp của Không quân không phải là hành trình đơn độc; một cặp mắt thứ hai đang thực sự phát huy tác dụng trong các ví dụ này, phát hiện ra những chỗ mô hình sai một cách tinh vi.

4. Khi thứ gì đó đã hoạt động, hãy quay lại và tìm hiểu lý do tại sao — đọc đoạn mã, yêu cầu AI giải thích các lựa chọn của nó, hoặc sử dụng một công cụ luyện tập nếu bạn muốn có cấu trúc. Đây là bước dễ bị bỏ qua nhất khi chịu áp lực về thời hạn, và cũng là bước quyết định liệu sau này bạn có thể tự mình vận hành độc lập hay không.

Không điều nào trong số này có nghĩa là con đường khoa học máy tính truyền thống đã lỗi thời, và một nghiên cứu trường hợp có sự cố vấn cũng không nên được hiểu là một sự đảm bảo rằng bất kỳ người mới nào cũng có thể lặp lại kết quả đó mà không cần giám sát. Nhưng đối với những người đang cân nhắc chuyển ngành và cụ thể là đang tự hỏi liệu việc xây dựng ứng dụng giờ đây có khả thi mà không cần bằng khoa học máy tính hay không, câu trả lời trung thực trong tháng này là: con đường khởi đầu này là có thật, nó đến sớm hơn trước đây, và những công cụ quan trọng — Glaze, Wabi, các chế độ build nhập từ GitHub — đủ thân thiện với người dùng phổ thông để bạn có thể bắt đầu ngay hôm nay và tự mình khám phá ra những gì mình vẫn còn cần học.