AI có thể viết code, vậy còn cần lập trình viên để làm gì?
AI có thể viết code, nhưng ai quyết định phần mềm phải làm đúng điều gì? Từ chiếc vé cuối cùng đến thuật toán, kiểm thử và thiết kế hệ thống.

Mục lục
Giả sử bạn được giao tổ chức một buổi biểu diễn. Có người giúp làm ngay một trang bán vé: khách chọn ghế, điền tên, chuyển tiền. Nhưng khách đặt rồi chưa trả tiền thì giữ ghế bao lâu? Khách chuyển khoản muộn có còn được vào xem không? Trang web có thể làm xong trước khi những câu hỏi ấy có đáp án.
AI có thể viết code, nhưng công việc của lập trình viên không chỉ là viết code. Họ còn phải hiểu buổi biểu diễn cần gì, trao đổi với những người phụ trách và chọn cách xử lý phù hợp. AI giúp viết chương trình và cùng nghĩ phương án. Những phần ấy có ích, nhưng chưa thay được toàn bộ công việc đưa một dịch vụ vào hoạt động.
Không cần biết lập trình để thấy sự khác biệt này. Hãy bắt đầu từ chuyện bán vé bằng một cuốn sổ, rồi mới chuyển lên máy tính. Khi ấy, ta sẽ thấy vì sao một chiếc ghế có thể bị bán cho hai người, và vì sao viết thêm code chưa chắc là điều cần làm trước tiên.
Có người ghi sổ hộ, đã đủ để bán vé chưa?
Nếu bán vé bằng tay, bạn có thể kẻ một bảng: tên khách, số ghế, đã trả tiền hay chưa. Nhờ một người ghi hộ sẽ tiết kiệm công sức. Nhưng người ấy vẫn cần biết thế nào là một vé đã bán xong.
Khách gọi điện giữ ghế rồi nói sẽ chuyển khoản sau. Bạn đánh dấu ghế ấy là đã bán hay vẫn để người khác mua? Một khách khác muốn đổi chỗ. Bạn cho đổi ngay hay phải kiểm tra khoản tiền đã nhận trước?
Những việc đó không nằm ở chữ viết đẹp hay tốc độ ghi sổ. Chúng nằm ở cách bạn tổ chức bán vé. Dù dùng giấy, bảng tính hay website, vẫn phải có quy tắc để mọi người làm giống nhau.
Code, hay mã chương trình, là những chỉ dẫn để máy thực hiện công việc. Nó có thể bảo máy giữ ghế, ghi nhận tiền và gửi vé. Nhưng trước khi viết những chỉ dẫn ấy, cần làm rõ khi nào được giữ, khi nào được gửi và trường hợp nào phải từ chối.
Đó là một phần việc của lập trình viên, thường được gọi là dev. Họ không chỉ chuyển một yêu cầu đã rõ thành chương trình. Họ còn cùng người đặt yêu cầu tìm ra chỗ chưa rõ và cách xử lý nó.
Nhờ AI viết nhanh phần ghi sổ không tự trả lời được quy định bán vé. Cũng như nhờ người soạn hợp đồng không có nghĩa hai bên đã thống nhất giá và ngày bàn giao. Công cụ có thể giúp soạn phương án; thỏa thuận vẫn cần được làm rõ.
Cùng bán vé, vì sao không dùng chung một cách làm?
Một buổi diễn nhỏ cho người quen có thể cho phép khách tới nơi mới trả tiền. Một buổi diễn đông người, ai cũng muốn chiếc ghế gần sân khấu, có thể cần giữ chỗ và thanh toán trước. Cùng một nút “Đặt vé” nhưng cách xử lý phía sau không nhất thiết giống nhau.
Đó là bối cảnh (context): những điều xung quanh khiến một lựa chọn phù hợp hay không. Giống chuẩn bị bữa cơm, nấu cho gia đình khác nấu cho khách có người dị ứng. Biết công thức chưa đủ; còn cần biết ai ăn và cần tránh điều gì.
Trong ví dụ bán vé, dev cần biết khách thường thanh toán bằng cách nào. Nếu nhiều người chuyển khoản rồi gửi ảnh biên nhận, phần mềm phải hỗ trợ cách đối chiếu ấy. Một bản thiết kế chỉ phù hợp với thanh toán được xác nhận ngay có thể không giải quyết đúng việc đang có.
Họ cũng cần biết ai sẽ vận hành. Nếu chỉ một người trực điện thoại, không nên mặc nhiên chọn cách xử lý khiến người ấy phải gọi lại từng khách. Nếu đơn vị đã hứa cho khách đổi ghế, phần mềm mới không thể tự bỏ lời hứa đó chỉ vì làm vậy dễ hơn.
AI có thể đọc tài liệu và nhắc ta những câu hỏi còn thiếu. Nhưng thông tin chưa được ghi lại vẫn phải có người đi hỏi. Thông tin cũ cũng cần được đối chiếu với người đang làm việc thật.
Nắm bối cảnh vì thế không chỉ là đọc một tờ mô tả. Đó là tìm hiểu khách gặp khó ở đâu, đơn vị đang làm thế nào và điều gì không được phép thay đổi. Có khi sau khi hỏi xong, dev nhận ra vấn đề cần giải quyết khác với yêu cầu ban đầu.
Khi người bán muốn một đằng, người giữ sổ muốn một nẻo
Vẫn trong ví dụ giả định ấy, người phụ trách bán vé muốn giữ ghế lâu để khách kịp chuyển tiền. Người theo dõi chỗ trống lại muốn thả ghế sớm nếu khách bỏ dở. Người làm kế toán cần xử lý được khoản tiền đến sau khi ghế đã nhường cho người khác.
Họ là các bên liên quan (stakeholder): những người có quyền lợi hoặc trách nhiệm gắn với dịch vụ. Không cần hiểu thuật ngữ này theo nghĩa xa xôi. Trong một bữa tiệc, người đặt món, bếp và người phục vụ cũng có những nhu cầu cần thống nhất.
Mỗi bên có một lý do hợp lý. Giữ lâu giúp khách đang mua, nhưng người đến sau có thể thấy hết chỗ dù nhiều người giữ rồi bỏ. Thả sớm giúp bán lại nhanh, nhưng khách đã chuyển tiền có thể quay lại hỏi vì sao mất ghế.
Dev cần làm rõ mâu thuẫn ấy, không chỉ nhận từng lời nhờ rồi thêm từng nút. Họ có thể giải thích: nếu thả ghế trước khi biết chắc tiền đã về, phải có cách đối chiếu và giải quyết khoản tiền đến muộn. Muốn tránh việc đó thì phải chọn cách thanh toán khác, hoặc chấp nhận giữ ghế lâu hơn.
Đây là lúc cần trao đổi để đi đến một quyết định. Dev đưa ra hệ quả kỹ thuật và đề xuất; người phụ trách sản phẩm cùng các bộ phận thống nhất ưu tiên. Dev không quyết mọi việc thay họ, nhưng cũng không chỉ ngồi chờ người khác viết một yêu cầu hoàn hảo.
AI có thể giúp chuẩn bị câu hỏi và cùng nghĩ phương án, thường gọi là brainstorm. Giống có người cùng bạn liệt kê cách sắp bàn trước một bữa tiệc, nó giúp mở rộng lựa chọn. Nhưng một gợi ý trên màn hình chưa phải sự thống nhất giữa những người phải thực hiện và chịu ảnh hưởng.
Giữ ghế lâu hay thả sớm: không có lựa chọn được tất cả
Thử đặt hai phương án cạnh nhau: giữ ghế trong 5 phút hoặc 15 phút. Đây chỉ là các mốc giả định để so sánh, không phải khuyến nghị cho một dịch vụ thật. Chọn mốc nào cũng có lợi ích và cái giá riêng.
Giữ 15 phút cho khách thêm thời gian mở ứng dụng ngân hàng và chuyển tiền. Nhưng nếu khách bỏ đi, ghế vẫn bị giữ trong lúc người khác đang muốn mua. Giữ 5 phút làm ghế quay lại sớm hơn, đổi lại khách thao tác chậm có thể phải đặt lại.
Đó là đánh đổi (trade-off). Giống quán ăn nhận thêm bàn: có thể phục vụ thêm khách, nhưng nếu bếp chưa có thêm người thì mọi người có thể chờ lâu hơn. Không thể chỉ nhìn một mặt lợi rồi gọi đó là phương án tốt nhất.
| Nếu ưu tiên… | Có thể chọn… | Nhưng cần chấp nhận… |
|---|---|---|
| Khách có thời gian trả tiền | Giữ ghế lâu hơn | Người đến sau chờ cả những ghế có thể bị bỏ |
| Ghế bỏ dở được bán lại sớm | Giữ ghế ngắn hơn | Khách thanh toán chậm dễ mất lượt |
| Mở bán sớm với cách đối chiếu đơn giản | Nhân viên kiểm tra khoản tiền chưa khớp | Nhân viên có thêm việc khi số đơn tăng |
Một quyết định có căn cứ cần dựa vào bối cảnh. Khách đang vướng ở bước nào? Có người xử lý khoản tiền chưa khớp không? Đơn vị chấp nhận khách chờ thêm hay chấp nhận thêm việc đối chiếu?
Đôi khi quyết định phù hợp là làm ít đi. Nếu chưa giải quyết được việc đổi ghế sau thanh toán, có thể thống nhất chưa mở tính năng ấy ở phiên bản đầu. Làm ít hơn nhưng giải thích rõ khác với hứa đủ mọi thứ rồi không giữ được lời.
AI có thể liệt kê ưu nhược điểm và viết cả hai cách. Dev cần đánh giá chúng, trao đổi để chọn và theo dõi lựa chọn ấy sau khi dùng thật. Tạo ra phương án là một việc; quyết định nên dùng phương án nào là việc khác.
AI viết code, vậy còn cần lập trình viên ở bước nào?
Nếu đã thống nhất quy định giữ ghế, ta có thể nhờ AI viết phần đếm thời gian và trả ghế khi hết hạn. Nó cũng có thể giúp làm trang chọn chỗ, soạn thông báo và nghĩ thêm những tình huống cần xử lý. Không có lý do phải gõ tay tất cả để chứng minh người lập trình có giá trị.
Một số công cụ còn có thể đọc các tệp chương trình, chạy thử và sửa theo lỗi nhận được. AI vì thế hỗ trợ được cả việc tìm lỗi và viết cách kiểm tra, không chỉ điền nốt một dòng lệnh. Nhưng làm được những phần ấy vẫn khác với thay toàn bộ vai trò của dev.
Có thể phân biệt bằng câu hỏi: ta đang tạo ra một cách làm, hay đang quyết định cách làm nào phù hợp? AI giúp tạo và phân tích phương án. Dev cần đặt chúng vào hoàn cảnh thật, trao đổi với những người liên quan và đưa ra đề xuất có lý do.
Nếu AI khuyên thả ghế sau 5 phút, câu trả lời chưa kết thúc ở việc chương trình đếm đúng 5 phút. Còn phải biết khách có kịp trả tiền không, khoản tiền đến muộn được xử lý ra sao và ai đã đồng ý với quy định ấy. Một con số trong code có thể chứa phía sau cả một quyết định kinh doanh.
Người lập trình cũng có thể hiểu thiếu hoặc chọn sai. Điều cần có không phải niềm tin rằng con người luôn đúng, mà là cách kiểm tra quyết định. Tài liệu GitHub cũng yêu cầu người dùng xem xét và kiểm thử các gợi ý của Copilot trước khi sử dụng[4].
Từ cuốn sổ lên website, điều gì bắt đầu khó hơn?
Khi một người giữ sổ, họ có thể xử lý lần lượt từng khách. Nhưng website có thể nhận yêu cầu của nhiều người cùng lúc. Lúc ấy, một quy định nghe đơn giản như “còn vé thì bán” vẫn có thể bị thực hiện sai.
Hãy hình dung hai nhân viên cùng bán chiếc vé cuối. Người thứ nhất nhìn sổ thấy còn một vé. Trước khi người ấy kịp đánh dấu đã bán, người thứ hai cũng nhìn thấy đúng dòng đó. Cả hai đều nhận lời với khách của mình.
Đưa chuyện ấy vào máy tính, ta có các bước sau. Đây là mô hình giản lược, tạm chưa xét tiền và thời hạn giữ chỗ:
| Bước | Yêu cầu của khách A | Yêu cầu của khách B |
|---|---|---|
| 1 | Đọc sổ: còn 1 vé | |
| 2 | Đọc sổ: còn 1 vé | |
| 3 | Ghi còn 0 vé, báo mua thành công | |
| 4 | Ghi còn 0 vé, báo mua thành công |
Cuối cùng, sổ vẫn ghi số không. Mỗi bên đều lấy một trừ một, không có phép tính nào sai. Nhưng đã có hai khách được hứa giao vé dù chỉ có một chiếc ghế.
Trong kỹ thuật, đây là điều kiện tranh chấp (race condition): kết quả thay đổi tùy cách các bước xen vào nhau. Ví dụ hai người cùng nhìn một dòng sổ giúp ta thấy vấn đề. Không cần máy hỏng hay khách bấm nhầm; chỉ cần hai công việc gặp nhau ở đúng khoảng trống đó.
Dev phải chuyển lời hứa “không bán quá số chỗ” thành điều phần mềm thực sự giữ được. Nhờ AI viết điều kiện “nếu còn vé” chưa đủ nếu chưa xét lúc nhiều người cùng mua. Đây là bước từ hiểu nhu cầu sang hiểu cách máy thực hiện nhu cầu ấy.
Chạy thử thấy đúng đã đủ để mở bán chưa?
Bạn thử mua một vé, thấy thành công. Sau đó mua tiếp, thấy báo hết chỗ. Nếu chỉ thử theo thứ tự ấy, lỗi hai người cùng mua có thể không lộ ra. Hai lần mua lần lượt khác với hai lần mua có các bước xen nhau.
Kiểm thử (testing) giống diễn tập bán vé trước ngày mở cửa. Ta chủ động tạo tình huống rồi so kết quả với điều đã thống nhất. Với chiếc vé cuối, điều cần kiểm tra là chỉ một khách được xác nhận, chứ không chỉ nhìn số vé còn lại.
Nếu phép thử chỉ hỏi “trong sổ có số âm không?”, ví dụ bán trùng ở trên vẫn vượt qua. Sổ ghi số không, đúng điều được hỏi. Phép thử đã bỏ sót lời hứa quan trọng nhất.
AI có thể giúp nghĩ thêm tình huống và viết chương trình chạy chúng. Nhưng nếu bản chương trình và phép thử cùng dựa trên một cách hiểu thiếu, cả hai có thể khớp nhau mà vẫn sai. Bởi vậy, kết quả mong đợi phải xuất phát từ quy định đã thống nhất, không chỉ chép lại điều code đang làm.
Còn những câu hỏi rất đời thường khác. Khách có được xem vé của người khác không? Ai được hoàn tiền? Nếu nhân viên sửa nhầm một đơn, có tìm lại được chuyện đã xảy ra không? Chúng cần được kiểm tra dù trang web trông vẫn bình thường.
Sau khi mở bán, cũng cần biết ai nhận thông báo khi tiền và vé không khớp. Chưa có cách giải quyết thì lỗi sẽ chuyển thành cuộc điện thoại của khách. Phần mềm chạy được là bước đầu; dịch vụ hoạt động được còn cần cách nhận ra và xử lý sự cố.
Biết thuật toán để làm gì nếu có thể nhờ AI viết?
Đến đây, ta đã thấy dev làm gì ngoài viết code. Giờ mới nhìn sâu hơn vào phần code: cùng một việc, có những cách làm tốn công khác nhau. Điều này cũng gặp khi làm bằng tay, không chỉ trên máy tính.
Giả sử bạn có một chồng vé và muốn tìm vé trùng số ghế. Cách đầu là cầm từng vé lên so với mọi vé phía sau. Với bốn vé A, B, C, D, bạn so A với B, C, D; rồi B với C, D; cuối cùng C với D. Tổng cộng sáu cặp.
Cách khác là đọc từng vé và đánh dấu số ghế vào một danh sách riêng. Gặp số đã đánh dấu thì biết có vé trùng. Bạn không cần lặp lại tất cả những cặp đã so, nhưng phải có thêm chỗ để giữ dấu.
Một thuật toán (algorithm) là cách sắp các bước để giải quyết một việc, như hai cách kiểm vé ấy. Khi danh sách nhỏ, sự khác biệt có thể chưa đáng chú ý. Khi danh sách lớn, chọn cách tổ chức công việc có thể quan trọng hơn viết từng bước nhanh đến đâu.
Với cách so từng cặp, 1.000 vé cần 499.500 lần so; 100.000 vé cần 4.999.950.000 lần. Đây là số cặp tính từ kích thước giả định, không phải tốc độ đo trên một máy. Số vé tăng 100 lần nhưng số cặp tăng khoảng 10.000 lần.
Trong máy tính, một công cụ thường dùng cho cách đánh dấu là tập băm (hash set). Hãy hình dung những ngăn hồ sơ được chọn theo mã, giúp tra mã đã có mà thường không phải lật cả chồng. Nó cần thêm bộ nhớ; tốc độ còn tùy dữ liệu và cách triển khai.
Dev cần hiểu sự khác biệt để đánh giá đề xuất của AI. Cách ấy có đúng không, khi số vé tăng thì lượng việc tăng ra sao, có đủ chỗ lưu không? Giống dùng máy tính cầm tay: máy nhân giúp, nhưng ta vẫn cần biết mình đang tính diện tích hay chu vi.
Bài tìm kiếm nhị phân và chỉ mục cơ sở dữ liệu giải thích thêm cách tổ chức thông tin để tránh tìm từ đầu. Còn ở đây cần phân biệt: tìm vé trùng sau khi bán giúp phát hiện lỗi, chưa ngăn được hai khách cùng được hứa một ghế. Muốn ngăn, ta phải tổ chức lại cách các phần phối hợp.
Thiết kế hệ thống: ai giữ sổ, ai thu tiền, ai gửi vé?
Ở một quầy bán vé, ta cần phân công ai ghi chỗ, ai nhận tiền, ai giao vé. Mọi người phải dùng thông tin thống nhất. Thu ngân không thể cứ nhận tiền nếu người giữ sổ đã giao ghế cho người khác.
Thiết kế hệ thống (system design) làm việc tương tự với phần mềm: chọn nơi giữ thông tin, chia việc và quy định các phần phối hợp ra sao. Đây không phải chỉ là vẽ nhiều chiếc hộp trên sơ đồ. Mục tiêu là để cả dịch vụ giữ đúng những gì đã hứa.
Với chiếc ghế cuối, một hướng xử lý là buộc việc kiểm tra và giữ ghế đi liền nhau. Giống nhân viên phải đánh dấu ghế trước khi người tiếp theo được quyết định bán chính ghế ấy. Không để hai bên cùng dựa vào một thông tin đã cũ.
Nơi giữ “cuốn sổ” của chương trình thường là cơ sở dữ liệu (database), một kho lưu thông tin có tổ chức. PostgreSQL là một phần mềm làm việc đó. Nó có cách cập nhật ghế với điều kiện “chỉ giữ nếu ghế vẫn trống”, và cho bên gọi biết có thực sự giữ được hay không[5].
Điểm quan trọng là bên đến sau phải xét tình trạng ghế sau thay đổi của bên trước. Không thể lấy lời “còn ghế” đã đọc trước đó làm bảo đảm. Chỉ đặt hai việc đọc và ghi gần nhau trong code chưa đủ; cách lưu dữ liệu phải thực sự bảo vệ quy tắc này.
Tiền đã trừ nhưng trang web vẫn đang chờ
Giả sử ghế đã được giữ, khách bấm trả tiền nhưng mạng bị ngắt. Có thể yêu cầu chưa tới nơi. Cũng có thể tiền đã trừ, chỉ có câu trả lời chưa trở về. Nhìn vòng tròn đang quay chưa biết được trường hợp nào đã xảy ra.
Nếu gửi lại, cần nhận ra đây vẫn là khoản thanh toán cũ. Giống khách đưa lại cùng một phiếu thu, nhân viên không nên coi đó là một món hàng mới để thu thêm tiền. Cơ chế cho phép thử lại mà không tạo thêm cùng tác dụng gọi là tính lũy đẳng (idempotency). Stripe, một dịch vụ thanh toán, cung cấp cách nhận diện yêu cầu lặp theo các điều kiện cụ thể[6].
Cách ấy giải quyết việc gửi lại, chưa bảo đảm tiền và ghế luôn khớp trong mọi sự cố. Dev vẫn cần thiết kế cách đối chiếu và xử lý thông tin đến muộn. Bài bấm chuyển tiền hai lần nhưng chỉ trừ một lần giải thích kỹ hơn phần này.
Email vé có thể gửi chậm hơn việc xác nhận thanh toán. Nhưng email trục trặc không nên khiến ghế đã bán trở thành ghế trống. Chọn việc nào phải chờ xong, việc nào được làm sau cũng là một quyết định thiết kế. Bài Kafka và RabbitMQ bàn sâu hơn về cách chuyển việc cho các phần xử lý phía sau.
Bạn không cần nhớ tên các công cụ để hiểu ý chính: mỗi phần làm đúng việc riêng chưa bảo đảm cả dịch vụ làm đúng việc chung. Cần người hiểu đường đi của một đơn hàng và quyết định cách nối những phần ấy.
AI giúp nhanh hơn bao nhiêu, và đang đo phần nào?
Một nghiên cứu công bố năm 2023 giao cho lập trình viên viết chương trình nhận và trả lời yêu cầu web bằng JavaScript. Nhóm dùng GitHub Copilot hoàn thành nhanh hơn 55,8% so với nhóm đối chứng theo báo cáo[1]. Đây là bằng chứng về khả năng tăng tốc một nhiệm vụ có phạm vi xác định.
Nhưng viết một phần mới khác với sửa phần mềm đã có nhiều người sử dụng. Giống dựng một quầy vé mới khác cải tạo quầy đang bán, nơi phải giữ lại cách đối chiếu sổ và các cam kết cũ. Những điều chưa ghi đủ trong đề bài có thể chiếm nhiều công sức.
Trong thử nghiệm METR công bố năm 2025, 16 lập trình viên nguồn mở làm trên các dự án họ quen thuộc. Với công cụ AI đầu năm ấy, thời gian làm việc tăng 19%[2]. Không nên lấy kết quả cũ này để kết luận AI hiện nay làm chậm dev.
METR cập nhật tháng 2/2026 rằng dữ liệu mới có tín hiệu tăng tốc, nhưng chưa cho phép ước lượng đáng tin cậy. Một phần là những người không muốn làm việc thiếu AI có thể không tham gia; nhiệm vụ được đưa vào nghiên cứu cũng có thể bị chọn lệch. Chính METR cảnh báo kết quả cũ không còn phản ánh tác động hiện tại[3].
Các con số ấy không trả lời có bao nhiêu người sẽ mất việc. Chúng nhắc ta phân biệt thời gian viết xong đoạn code với thời gian làm xong một công việc. Hỏi đúng nhu cầu, thống nhất cách làm, kiểm tra và đưa vào sử dụng cũng nằm trong phần thời gian đó.
Vậy người học lập trình nên học điều gì?
Vẫn cần học đọc chương trình, hiểu thông tin thay đổi ra sao và biết tìm lỗi. Không cần tự viết mọi dòng, nhưng cần theo dõi được điều máy đang làm. Giống nhờ người ghi sổ hộ, bạn vẫn phải đọc được sổ để biết vé đã giao cho ai.
Cũng cần tập hỏi trước khi làm: ai dùng, họ cần giải quyết việc gì, điều gì tuyệt đối không được sai? Với từng phương án, hãy hỏi được gì và phải chấp nhận điều gì. Đó là cách nối kiến thức kỹ thuật với công việc thật.
AI có thể cùng bạn nghĩ phương án, giải thích code và tạo phép thử. Cách dùng có ích là yêu cầu nó nêu giả định, rồi đối chiếu với điều bạn đã tìm hiểu. Khi có kết quả khác dự kiến, cần tìm nguyên nhân thay vì chỉ yêu cầu viết lại đến khi màn hình báo thành công.
Không có cơ sở để hứa mọi vị trí lập trình sẽ giữ nguyên. Công việc có thể thay đổi khi nhiều thao tác được tự động hóa. Nhưng “AI viết được code” và “không còn cần người làm rõ, quyết định và chịu trách nhiệm cho sản phẩm” vẫn là hai khẳng định khác nhau.
Tự tay mô phỏng chiếc vé bán cho hai người
Mô hình dưới đây liệt kê mọi cách xen kẽ hai bước của A và hai bước của B. Trong mỗi khách, đọc luôn đứng trước ghi. Có sáu thứ tự hợp lệ; bốn thứ tự khiến cả hai cùng đọc số một và cùng nhận vé. Code xuất đúng Hình 1.

Chỉ cần Python và matplotlib. Chạy từ thư mục bạn muốn lưu kết quả; chương trình tạo đường dẫn ảnh tương đối. Không dùng số ngẫu nhiên nên không cần seed.
from itertools import combinationsfrom pathlib import Pathimport matplotlibmatplotlib.use('Agg')import matplotlib.pyplot as plt
# Liệt kê đầy đủ nên không có ngẫu nhiên và không cần seed.rows = []for a_positions in combinations(range(4), 2): steps, seen, sold, stock, count = [], {}, [], 1, {'A': 0, 'B': 0} for pos in range(4): who = 'A' if pos in a_positions else 'B' count[who] += 1 if count[who] == 1: seen[who] = stock steps.append(f'{who} đọc {stock}') else: if seen[who] > 0: stock = seen[who] - 1 sold.append(who) steps.append(f'{who} ghi {stock}' if seen[who] > 0 else f'{who} từ chối') rows.append(steps + [str(len(sold)), 'BÁN TRÙNG' if len(sold) > 1 else 'Đúng'])assert sum(row[-1] == 'BÁN TRÙNG' for row in rows) == 4assert all(row[-2] == '2' for row in rows if row[-1] == 'BÁN TRÙNG')
fig, ax = plt.subplots(figsize=(13, 7.6), facecolor='#f6f4ef')ax.set_facecolor('#f6f4ef')ax.axis('off')ax.text(0, 1.02, 'Một vé, hai khách: thứ tự làm thay đổi kết quả', transform=ax.transAxes, fontsize=20, weight='bold', color='#20252d')ax.text(0, .94, 'Đọc rồi ghi riêng: mỗi khách có hai bước, sáu cách xen kẽ hợp lệ.', transform=ax.transAxes, fontsize=12, color='#4c5563')table = ax.table(cellText=rows, colLabels=['Bước 1', 'Bước 2', 'Bước 3', 'Bước 4', 'Vé đã bán', 'Kết quả'], cellLoc='center', bbox=[0, .37, 1, .51], colWidths=[.17, .17, .17, .17, .13, .19])table.auto_set_font_size(False)table.set_fontsize(11)for (r, c), cell in table.get_celld().items(): cell.set_facecolor('#e6e9ed' if r == 0 else '#f6f4ef') cell.set_edgecolor('#c1c6ce') cell.set_linewidth(.7) cell.get_text().set_color('#20252d') if r == 0 or c == 5: cell.get_text().set_weight('bold')ax.text(0, .27, 'Kiểm tra và giữ chỗ là một bước không bị chen ngang:', transform=ax.transAxes, fontsize=13, weight='bold', color='#20252d')ax.text(0, .18, 'A trước B → A có vé, B bị từ chối | B trước A → B có vé, A bị từ chối', transform=ax.transAxes, fontsize=12, color='#20252d')ax.text(0, .06, '4/6 thứ tự ở mô hình tách bước bán trùng; 0/2 ở mô hình gộp bước.\n' 'Đây không phải xác suất lỗi hay phép đo một hệ thống bán vé thật.', transform=ax.transAxes, fontsize=11, color='#4c5563', linespacing=1.6)fig.subplots_adjust(left=.04, right=.98, top=.9, bottom=.04)output = Path('images/ai-viet-code-can-lap-trinh-vien')output.mkdir(parents=True, exist_ok=True)fig.savefig(output / 'sau-thu-tu.png', dpi=160, facecolor=fig.get_facecolor())plt.close(fig)for row in rows: print(' | '.join(row))print('Bán trùng: 4/6 thứ tự tách bước; 0/2 thứ tự gộp bước.')Khi chạy, bốn hàng bán trùng đều có hai vé đã xác nhận dù ban đầu chỉ có một vé. Đây là kết quả liệt kê trong mô hình, không phải đo một cơ sở dữ liệu thật. Các thứ tự cũng không nhất thiết có khả năng xuất hiện ngang nhau, nên không thể nói website sẽ lỗi với xác suất hai phần ba.
Phần “gộp bước” trong hình là đối chiếu theo quy tắc: khách đầu lấy vé, khách sau thấy hết. Code chỉ mô phỏng đọc và ghi tách rời; nó không kiểm chứng PostgreSQL, thanh toán hay một cơ chế khóa thật. Để kiểm tra sản phẩm, cần thêm phép thử trên chính cách triển khai của sản phẩm ấy.
Quay lại buổi biểu diễn cần bán vé
Người tổ chức cần nhiều hơn một trang có nút chọn ghế. Họ cần khách trả tiền xong nhận được đúng chỗ, nhân viên biết cách xử lý khi có nhầm lẫn và các bên hiểu mình đã thống nhất điều gì. Trang web là một phần của công việc ấy, không phải toàn bộ.
Lập trình viên giúp nối nhu cầu đó với cách máy hoạt động. Họ tìm hiểu bối cảnh, trao đổi với người liên quan, cân nhắc đánh đổi và quyết định cách thực hiện cùng đội ngũ. AI giúp viết code và cùng nghĩ phương án, nhưng sinh được một phương án chưa có nghĩa đã chọn đúng cách làm cho hoàn cảnh này.
Vì thế, câu hỏi không chỉ là ai gõ ra những dòng chương trình. Đó còn là ai hiểu cần làm gì và làm thế nào để giữ lời hứa với người mua vé.
Vẽ minh họa hình học miễn phí cho học sinh và giáo viên: EyeViz.
Tài liệu tham khảo
- [1]Sida Peng, Eirini Kalliamvakou, Peter Cihon và Mert Demirer. The Impact of AI on Developer Productivity: Evidence from GitHub Copilot. arXiv, 2023.
- [2]Joel Becker, Nate Rush, Beth Barnes và David Rein. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. METR, 2025.
- [3]Joel Becker, Nate Rush, Tom Cunningham, David Rein và Khalid Mahamud. We are Changing our Developer Productivity Experiment Design. METR, 2026.
- [4]Responsible use of GitHub Copilot inline suggestions. GitHub Docs.
- [5]Transaction Isolation. PostgreSQL Documentation.
- [6]Idempotent requests. Stripe API Reference.


