Ngày 5 tháng 12 năm 2025, Las Vegas.
Hội nghị dành cho nhà phát triển toàn cầu AWS re:Invent 2025 đã bước vào bài phát biểu quan trọng cuối cùng.
Trên sân khấu chính, Phó chủ tịch kiêm Giám đốc công nghệ của Amazon, Werner Vogels, 67 tuổi (người sáng lập điện toán đám mây và đã lãnh đạo AWS trong hơn 20 năm) đã lên sân khấu.
Tuy nhiên, lần này, ông không bắt đầu bằng việc trình chiếu bài thuyết trình PowerPoint về sản phẩm mới. Thay vào đó, ông tặng mỗi người tham dự một tờ báo giấy "The Kernel" (ấn bản đặc biệt của hội nghị).
Trong thời đại mà mọi thứ đang chuyển sang đám mây, người phổ biến điện toán đám mây lại bắt bạn đọc báo in trước khi thảo luận về AI.
Sau đó, ông đặt ra hai câu hỏi:
Liệu AI có cướp mất việc làm của tôi không?
Liệu AI có khiến tôi trở nên lỗi thời không?
Đây là bài phát biểu quan trọng thứ 14 và cũng là bài phát biểu cuối cùng của Vogels tại Amazon Re:Invent.
Đó không phải là nghỉ hưu. Ông ấy nói rõ: Tôi sẽ không rời Amazon; tôi chỉ muốn nhường sân khấu này cho những giọng ca trẻ trung, tươi mới hơn.
Đây không phải là buổi ra mắt sản phẩm. Không có thông số mô hình, không có API và không có so sánh hiệu suất chip.
Điều ông ấy đang nói đến chính là những quy tắc sinh tồn dành cho mọi người trong thời đại AI.
AI sẽ không loại bỏ tất cả mọi người, nhưng chắc chắn sẽ loại bỏ một loại người nhất định.
Phần 1 | Khả năng sử dụng công cụ của bạn quyết định xem bạn có bị loại hay không.
Ngay từ đầu bài phát biểu, Vogels đã đặt ra câu hỏi mà mọi người quan tâm nhất: Liệu AI có cướp mất việc làm của tôi không?
Câu trả lời của ông không phải là có hay không, mà là: Có thể. Có thể không. Nhưng bạn phải học cách tự học và tự tiến hóa.
Bởi vì trong 80 phút tiếp theo, ông đã dành gần như toàn bộ thời gian để giải thích "tiến hóa" có nghĩa là gì.
Theo quan điểm của ông, chìa khóa để đánh giá liệu một chuyên gia có bị loại hay không là xem xét một điểm:
khi đối mặt với một công cụ mới, bạn có thói quen chống lại nó, hay bạn có thể nhanh chóng nắm bắt được nó, hoặc thậm chí thay đổi cách sử dụng nó?
Các công cụ liên tục thay đổi và mỗi lần như vậy lại có người tụt hậu.
Hồi còn đi học, anh ấy học Pascal, COBOL và ngôn ngữ Assembly. Nhưng giờ chẳng ai dùng những ngôn ngữ đó nữa.
Sau đó là các công cụ phát triển, từ dòng lệnh đến giao diện đồ họa, rồi đến trình soạn thảo thông minh ngày nay.
Với sự ra đời của điện toán đám mây , quá trình phát triển có thể chuyển từ cục bộ sang đám mây, loại bỏ nhu cầu chờ đợi mua sắm phần cứng và cấu hình máy chủ, cho phép triển khai theo yêu cầu.
Các công cụ đã được nâng cấp liên tục, nhưng ông cho biết: "Chúng tôi luôn tiến hóa, nhưng lần này tốc độ tiến hóa đã được AI đẩy nhanh gấp hàng chục lần."
Vòng thay đổi này diễn ra nhanh như thế nào?
Ông cho biết các công cụ AI hiện tại không phải là trợ lý mà là cộng tác viên: giống như CursorCác công cụ lập trình AI như Kiro có thể tự động hoàn tất việc mã hóa, thử nghiệm và tích hợp dựa trên một tài liệu yêu cầu duy nhất.
Vấn đề không phải là viết mã nhanh hơn; mà là định nghĩa lại ý nghĩa của việc viết mã.
Nhưng câu hỏi ở đây là: AI đang phát triển quá nhanh, liệu bạn có theo kịp không? Werner cho biết điều quan trọng không phải là bạn có biết cách sử dụng ChatGPT hay đã thử Copilot hay chưa, mà là: bạn có thể điều chỉnh thói quen làm việc của mình để tận dụng AI hiệu quả hay không?
Claire Liguori, một nhà phát triển cốt lõi trong nhóm công cụ lập trình AI Kiro IDE của Amazon, đã chia sẻ kinh nghiệm của mình. Trong quá trình phát triển sản phẩm, cô phát hiện ra rằng việc trò chuyện với AI một cách bình thường lại mang lại kết quả hoàn toàn khác.
Tại sao? Không phải là mô hình đó tệ, mà là cô ấy chưa giải thích đủ rõ ràng.
Sau đó, cô ấy đã thay đổi cách tiếp cận: đầu tiên cô ấy viết tài liệu, nêu rõ các yêu cầu, thiết kế và nhiệm vụ theo từng bước, sau đó để AI thực hiện công việc.
Kết quả đầu ra ngay lập tức khác biệt: mã do AI tạo ra chính xác hơn đáng kể, sạch hơn và ít lỗi hơn.
Werner gọi phương pháp này là phát triển theo hướng đặc tả. Nói một cách đơn giản hơn, nó không chỉ đơn thuần là yêu cầu AI tạo một trang web, mà còn hướng dẫn rõ ràng cho nó:
- Trang này được chia thành bao nhiêu phần?
- Những gì cần cho vào từng mảnh
- Điều gì xảy ra sau khi người dùng nhấp chuột?
- Tôi phải làm gì nếu có lỗi?
Bạn càng rõ ràng, AI sẽ càng chính xác. Nếu bạn mơ hồ, nó sẽ đưa ra câu trả lời ngẫu nhiên.
Đây chính là bản chất của khả năng thích ứng của công cụ:
- AI không cho rằng bạn có thể sử dụng nó chỉ vì bạn sử dụng nó.
- Bạn cần hiểu rõ ranh giới của nó, biết nơi nào có thể sai và sẵn sàng điều chỉnh cách thể hiện bản thân để thích nghi với nó.
- Ngược lại, những người vẫn đang chờ AI trở nên hoàn toàn ngoan ngoãn và dựa vào may mắn để thử nghiệm lời nhắc mỗi ngày có thể đã âm thầm bị loại bỏ.
Vogels nói:
Tiến bộ thực sự không phải là làm việc ít hơn mà là làm cho bạn có giá trị hơn với tư cách là một con người.
Phần 2 | Những người nào sẽ bị loại? Những người không nhìn thấy được bức tranh toàn cảnh.
Mối nguy hiểm thực sự trong thời đại AI không phải là bạn không biết các lời nhắc, mà là bạn không thể nhìn thấy phản ứng dây chuyền của hệ thống.
Werner Vogels đã kể một câu chuyện trên sân khấu không liên quan gì đến lập trình.
Câu chuyện bắt đầu ở một công viên quốc gia.
Vào đầu thế kỷ 20, Công viên Quốc gia Yellowstone ở Hoa Kỳ đã quyết định tiêu diệt toàn bộ quần thể sói. Họ tin rằng với ít động vật săn mồi hơn, quần thể nai sừng tấm sẽ tăng lên và hệ sinh thái sẽ được cải thiện.
Kết quả thì hoàn toàn ngược lại:
- Có quá nhiều nai sừng tấm và chúng đã ăn hết thực vật.
- Cây cối đang bị thu hẹp và đất đai đang bị phơi bày.
- Sạt lở bờ sông và thay đổi dòng nước
- Ngay cả chim, hải ly và cá cũng đang bắt đầu suy giảm.
Nhiều thập kỷ sau, họ thả con sói trở lại.
Bầy sói đã thay đổi hành vi của loài nai sừng tấm, thảm thực vật bắt đầu phục hồi, các dòng sông ổn định trở lại và toàn bộ hệ sinh thái lấy lại sự cân bằng.
Sau khi kể câu chuyện này, Vogels nói: "
Con sói không chạm vào dòng sông. Nhưng nó đã thay đổi toàn bộ dòng chảy của dòng sông."
Đằng sau điều này là một khái niệm quan trọng nhưng thường bị bỏ qua:
Tư duy hệ thống .
Đây không phải là bài học về sinh thái học; đây là kỹ năng cơ bản trong kỹ thuật phần mềm.
Werner trích dẫn định nghĩa của nhà sinh thái học Donella Meadows: Hệ thống là một tập hợp các yếu tố có mối liên hệ với nhau, thông qua sự tương tác của chúng, tạo ra các kiểu hành vi riêng theo thời gian.
Nghe có vẻ trừu tượng, nhưng thực tế, nó có nghĩa là:
- Bạn đã thay đổi một tham số và lưu lượng truy cập đột nhiên tăng lên.
- Bạn đã điều chỉnh một giao diện và một phần khác bắt đầu bị chặn.
- Khi bạn tách một mô-đun, lỗi sẽ khó xác định hơn.
Một thay đổi nhỏ có thể làm thay đổi dòng chảy của cả một con sông.
Werner nhấn mạnh rằng hệ thống AI không chỉ là những bộ phận chết được ghép lại với nhau mà là những thực thể sống có ảnh hưởng lẫn nhau.
Mỗi lựa chọn của bạn đều có thể gây ra phản ứng dây chuyền.
Ông đưa ra một ví dụ: Bạn thêm một lớp xử lý thông minh, nghĩ rằng nó sẽ cải thiện hiệu quả, nhưng việc truyền dữ liệu lại chậm hơn và trải nghiệm của người dùng thực sự giảm sút.
Bạn đã điều chỉnh phương pháp phản hồi của AI, nghĩ rằng nó chỉ ảnh hưởng đến màn hình, nhưng nó đã thay đổi thói quen của người dùng và do đó ảnh hưởng đến tất cả các tương tác tiếp theo.
Nếu không có góc nhìn toàn diện, bạn sẽ không giải quyết được vấn đề mà chỉ tạo ra chúng.
Do đó, Werner cho rằng tư duy hệ thống là một kỹ năng sinh tồn. Nó không chỉ là việc biết những gì đã được thực hiện, mà còn là việc dự đoán những gì sẽ xảy ra. Những người thực sự có thể thích nghi với kỷ nguyên AI phải học:
- Phản ứng dây chuyền kéo dài bao lâu?
- Xác định xem sự thay đổi sẽ được khuếch đại hay ngăn chặn.
- Tìm các điểm tới hạn thực sự trong hệ thống và tận dụng sự ổn định lớn nhất với ít nỗ lực nhất.
Vogels nói:
Thay đổi bố cục, thay đổi hành vi; thay đổi phản hồi, thay đổi kết quả.
Phần 3 | AI có thể viết mã rất nhanh, nhưng ai sẽ chịu trách nhiệm?
Nếu hai phần đầu nói về cách bạn tiến hóa, thì phần này sẽ hỏi: Nếu AI mắc lỗi, thì lỗi là do ai?
Werner không để chỗ cho sự mơ hồ.
Ông đã nói một điều trên sân khấu khiến tất cả các kỹ sư phải im lặng: "
Công việc là của các bạn, không phải của công cụ."
Ông nói chậm rãi và thận trọng, như thể đang nhắc nhở tất cả các nhà phát triển coi AI như xe tự lái: AI sẽ mắc lỗi, nhưng trách nhiệm không bao giờ có thể đổ lỗi cho bên ngoài.
1.
Bạn có thực sự hiểu đoạn mã mà AI viết cho bạn không?
Werner đưa ra một ví dụ rất thực tế: bạn yêu cầu AI tạo ra một đoạn mã, nó sẽ viết mã đó cực kỳ nhanh và trông hoàn hảo.
Nhưng bạn không để ý: AI đã âm thầm thay đổi cách xử lý lỗi.
Và kết quả thế nào?
Một vấn đề nhỏ không được phát hiện và gây ra phản ứng dây chuyền, khiến các nhiệm vụ chồng chất và toàn bộ hệ thống chậm lại và trễ.
Bạn nghĩ rằng chỉ cần để AI viết một chút gì đó cho bạn, nhưng bạn không ngờ rằng nó lại ảnh hưởng đến các bộ phận quan trọng của toàn bộ hệ thống.
Như đã đề cập ở phần trước, nếu chỉ một nút thay đổi, toàn bộ dòng sông có thể thay đổi dòng chảy.
Werner đi thẳng vào vấn đề:
Bạn có thể để AI viết mã, nhưng bạn không thể bỏ qua việc hiểu mã.
AI giúp tăng tốc độ thực thi, nhưng cũng đẩy nhanh tốc độ mắc phải những sai lầm lớn. Liên tục cố gắng và dựa dẫm vào may mắn không phải là phát triển; đó là một trò chơi may rủi.
Hiện nay, nhiều nhà phát triển đang thực hiện những điều sau:
- Không suy nghĩ
- Không xác minh
- Nếu một câu không hiệu quả, hãy thử câu khác; nếu một đoạn văn không hiệu quả, hãy thử đoạn văn khác.
Nếu bạn không thể tái hiện lý do tại sao AI đưa ra một câu trả lời nhất định, bạn không thể kiểm soát kết quả. Bạn chỉ đang đánh cược rằng lần này AI sẽ trả lời đúng.
2.
Hệ thống càng tự động hóa thì việc kiểm tra thủ công càng cần phải kỹ lưỡng hơn.
Ông đã đề cập đến một hệ thống trong nhóm Amazon S3: đánh giá độ tin cậy.
Mọi thay đổi trong hệ thống, dù nhỏ đến đâu, đều đòi hỏi kỹ sư phải trả lời ba câu hỏi:
- Điều gì sẽ xảy ra với đoạn mã này trong trường hợp xấu nhất?
- Nó tương tác với các bộ phận khác của hệ thống như thế nào?
- Nếu mọi chuyện diễn ra âm thầm, phải mất bao lâu chúng ta mới phát hiện ra?
Lưu ý rằng đây không phải là câu trả lời của AI mà là câu trả lời của một kỹ sư.
Theo Werner, mức độ tự động hóa càng cao thì việc kiểm tra thủ công càng cần phải kỹ lưỡng hơn.
Do lỗi tự động, chúng có thể lây lan nhanh hơn và nguy hiểm hơn.
Ai có thể ngăn chặn điều đó? Werner đã trích dẫn một cơ chế thực sự trong Amazon: hệ thống Andon Cord.
Đây là một phương pháp được mượn từ Toyota: bất kỳ nhân viên nào trên dây chuyền sản xuất phát hiện ra điều bất thường đều có thể kéo dây xuống để dừng toàn bộ dây chuyền.
Bezos đã áp dụng cách tiếp cận này cho nhóm phần mềm của mình: bất cứ khi nào một kỹ sư đánh giá rằng một vấn đề có thể ảnh hưởng đến người dùng, họ có thể ngay lập tức dừng, tạm dừng hoặc rút lại vấn đề đó, ngay cả khi đó chỉ là nghi ngờ.
Tại sao?
Hệ thống này phức tạp đến mức vượt quá khả năng hiểu biết của bất kỳ cá nhân nào. Người đầu tiên phát hiện ra vấn đề còn có giá trị hơn cả vị quan chức cấp cao nhất.
Văn hóa được truyền tải qua cơ chế này là:
- Mắc lỗi không đáng sợ
- Thật tệ nếu bạn không thể nhìn thấy lỗi.
Trong thời đại AI, chúng ta cần phanh khẩn cấp nhiều hơn chứ không phải nhả phanh nhanh hơn.
AI sẽ không chịu trách nhiệm thay bạn. Chỉ có bạn mới có thể.
Phần 4 | Ai sẽ được AI khuếch đại? Những tài năng hình chữ T vừa chuyên môn hóa vừa đa năng.
Bạn có muốn thành công trong kỷ nguyên AI? Chỉ có chuyên môn kỹ thuật thôi là chưa đủ; bạn còn cần hiểu cách kết nối, thể hiện bản thân và tư duy vượt qua ranh giới.
Cuối bài phát biểu, Werner đã nói về kiểu nhà phát triển mà ông coi trọng nhất:
tài năng hình chữ T: một mặt, họ có đủ chiều sâu trong lĩnh vực chuyên môn của mình, mặt khác, họ có thể hiểu hệ thống theo chiều ngang, truyền đạt ý định và tư duy liên ngành.
Kiểu người này sẽ được khuếch đại theo cấp số nhân trong thời đại AI.
Những người chỉ biết làm việc chăm chỉ nhưng thiếu tầm nhìn toàn cầu và không giỏi thể hiện bản thân sẽ dễ dàng bị AI thay thế.
1.
Không chỉ là viết mã mà còn là hiểu những gì bạn đang xây dựng.
Werner kể lại câu chuyện về Jim Gray, người đoạt giải Turing. Có lần, ông bước vào một trung tâm dữ liệu thiên văn, lắng nghe tiếng máy móc chạy, và sau 30 giây, ông nói: "
Cấu trúc cơ sở dữ liệu không chính xác."
Tất cả các kỹ sư đều sững sờ. Làm sao anh ta biết được?
Jim cho biết: Âm thanh của đĩa không đúng; đây là dấu hiệu điển hình cho thấy phương pháp đọc dữ liệu không chính xác.
Đây chính là trực giác hệ thống. Khả năng phán đoán này không đến từ công nghệ tiên tiến nào đó, mà từ kinh nghiệm tích lũy vượt qua nhiều lĩnh vực và kết nối các nguyên lý với thực tế.
Sự hợp tác liên ngành không chỉ là một khái niệm mà là khả năng thực sự tác động đến thế giới.
Werner đã dành nhiều thời gian để nói về những trải nghiệm của mình khi đến thăm Châu Phi, Châu Mỹ Latinh và những nơi khác:
- Hệ thống y tế của Rwanda : Các kỹ sư trẻ đã tạo ra một nền tảng y tế trực quan kết hợp dữ liệu địa lý và sự phân bố của phụ nữ mang thai để thúc đẩy việc phân bổ nguồn lực chính sách quốc gia.
- KOKO Networks : Giải quyết vấn đề ô nhiễm nhiên liệu ở các khu ổ chuột đô thị bằng máy nạp nhiên liệu ethanol thông minh, sử dụng AI để tối ưu hóa tuyến đường nạp nhiên liệu.
- Dọn dẹp đại dương : Sử dụng cảm biến và mô hình AI để dự đoán dòng chất thải và thiết kế cơ chế làm sạch.
Những hệ thống này không được xây dựng chỉ bằng cách viết mã; thay vào đó, chúng được xây dựng bởi các kỹ sư có sự kết hợp nhiều khả năng: hiểu con người, hiểu dữ liệu và xây dựng hệ thống.
Họ không chỉ là những nhân viên hoàn thành nhiệm vụ mà còn là những người có thể đứng đầu hệ thống và nhìn rõ con đường.
Werner gọi họ:
Những nhà phát triển thời kỳ Phục Hưng trong kỷ nguyên mới.
Họ giống như Leonardo da Vinci: họ có thể phác họa và mổ xẻ; họ có thể vẽ và chế tạo công cụ; họ không phải là những người tinh hoa mà là những người có kiến thức tổng quát.
2. Nhà phát triển hình chữ T: Chiều sâu đảm bảo bạn không thể thay thế, chiều rộng cho phép bạn lãnh đạo một nhóm.
AI không thiên vị bất kỳ ai, nhưng nó khuếch đại những người có trình độ chuyên môn cao và có tư duy mở rộng.
Werner kết luận bằng cách trích dẫn lời của nhà thơ Walt Whitman:
"Bạn được định nghĩa không phải bởi những gì bạn biết, mà bởi những gì bạn sẵn sàng học hỏi."
Trong thời đại AI, việc học không phải là chạy theo công cụ mà là kết nối những thứ từ nhiều lĩnh vực khác nhau.
Werner nói: Tôi không mong đợi bạn trở thành Leonardo da Vinci. Nhưng bạn nên mở rộng tầm nhìn và mở rộng ranh giới khả năng của mình.
Chiều sâu đảm bảo bạn là người không thể thay thế, trong khi chiều rộng cho phép bạn hướng dẫn người khác.
Kết luận | Không phải AI sẽ loại bỏ bạn, mà là do bạn không muốn thay đổi.
Bài phát biểu này rất đặc biệt.
Werner Vogels chỉ nói một điều:
AI sẽ không khiến bạn mất việc, nhưng nó sẽ không chờ đợi bạn nếu bạn không tiến hóa.
- Ông ấy nói về các công cụ và hỏi liệu bạn có muốn thay đổi cách làm việc của mình không;
- Khi thảo luận về hệ thống, hãy hỏi xem bạn có thể thấy rõ tác động hay không.
- Khi nói đến trách nhiệm, họ hỏi bạn có kế hoạch dự phòng không.
- Họ nói về kỹ năng hình chữ T và hỏi liệu bạn có thể chuyển ngành không.
AI không thể phân biệt được ai làm việc chăm chỉ và ai đã cố gắng.
Nó chỉ khuếch đại một biến số:
ai thực sự có thể sử dụng nó tốt.
Vogels chỉ để lại một câu ở phần cuối:
Chúng ta vẫn là những người xây dựng.
Công cụ có thể thay đổi, nhưng người tạo ra chúng thì vẫn còn.
