Từ dạy AI viết code sang quản lý AI viết code: một cú chuyển vai trò giúp nhân đôi năng lực nhận job
Từ dạy AI viết code sang quản lý AI viết code: một cú chuyển vai trò giúp nhân đôi năng lực nhận job
RichardsonBạn không đang viết code, bạn đang điều hành một “đội AI”
Đa số người dùng Coding Agent vẫn tự đặt mình vào vai Tech Lead: kiến trúc hệ thống phải tự duyệt, code review soi từng dòng, AI viết gì cũng phải kiểm tra kỹ mới dám commit. Chất lượng thì đảm bảo, nhưng cái giá là gì? Bạn trở thành nút thắt lớn nhất của cả dây chuyền. Mọi quyết định chờ bạn, mọi chi tiết qua tay bạn, năng lực của Agent bị khóa chặt bởi thời gian và sự tập trung của bạn.
Những indie hacker thực sự kiếm được tiền đã hoàn tất một cú chuyển vai trò then chốt: từ TL sang EM. Nói dễ hiểu: TL là tự mình soi từng dòng code, EM là chỉ nhìn kết quả có chạy đúng không. TL hỏi “đoạn code này viết đúng chưa”, EM hỏi “tính năng này nghiệm thu qua chưa”. Nghe nhỏ, nhưng nó phóng năng lực của bạn từ “sản lượng một người” lên “sản lượng cả một team”.
Vì sao bây giờ dám buông tay: năng lực model đã qua điểm tới hạn
Buông tay chỉ được khi chất lượng code đủ tốt. Điều kiện đó đã thành hiện thực trong năm nay: các benchmark công khai cho thấy model hàng đầu viết code đúng trên 80%, vượt trội áp đảo thế hệ trước (bảng xếp hạng và điểm số mỗi nơi chấm một kiểu, tự lên Artificial Analysis hay SWE-Bench xem số liệu mới nhất, đừng tin bất kỳ lời kể lại nào — kể cả của tôi).
Điều này nghĩa là gì? Code AI viết chỉ cần kiểm chứng nhẹ là không lệch xa, lợi ích biên của việc soi từng dòng đã rẻ đến mức không đáng làm. Tiếp tục làm TL là dùng thời gian đắt nhất của mình cho công việc QC rẻ nhất. Thị trường không trả tiền cho sự “không yên tâm” của bạn — khách hàng chỉ trả cho kết quả giao được.
Lộ trình 1: thay soi từng dòng bằng “chốt phương án + giao mục tiêu”
Cụ thể làm thế nào? Bước một là đổi workflow. Nghĩ rõ cần làm tính năng gì, bàn phương án kỹ thuật với Agent một vòng, chốt xong thì ném cả mục tiêu lẫn phương án cho Agent tự thực thi — viết code, chạy test tự động, tất cả giao cho nó. Việc duy nhất của bạn là nghiệm thu tính năng sau khi xong, không phải review code.
Đây là mẫu prompt chốt phương án, copy dùng ngay:
1 | Tôi cần làm [mô tả tính năng]. |
Vòng nghiệm thu dùng một checklist để khóa chất lượng, không cần đọc code:
- Chạy tay luồng chính một lần, không lỗi
- Thử vài trường hợp biên (input rỗng, input siêu dài, mất mạng)
- Test tự động Agent viết phải pass hết
- Có bug thì không tự lật code — mô tả hiện tượng cho Agent, bắt nó tái hiện, sửa, bổ sung test, rồi bạn nghiệm thu lại
Mấu chốt là dời điểm kiểm chứng lên sớm. Ở chế độ TL bạn kiểm chứng ở tầng code, cực tốn kém; ở chế độ EM bạn kiểm chứng ở tầng tính năng, bấm vài cái chạy một vòng là xong trong vài phút. Trong cả vòng lặp, thời gian của bạn chỉ dành cho hai việc: nghĩ rõ cần làm gì, và xác nhận đã làm đúng chưa.
Lộ trình 2: chọn công nghệ từ “tôi biết gì” sang “cái gì tối ưu”
Chuyển vai trò còn có một lợi ích ẩn: chọn tech stack không còn bị trói bởi giới hạn năng lực của bạn. Tư duy TL khiến bạn vô thức chọn stack quen tay, vì lỡ hỏng còn tự sửa. Tư duy EM thì bạn chỉ cần phán đoán công nghệ nào hợp nhất cho dự án, phần còn lại giao cho Agent.
Có một indie hacker từng chia sẻ hành trình thế này (theo bài gốc, chưa kiểm chứng độc lập): làm app dịch phụ đề, ban đầu vì rành frontend nên chọn Electron, hiệu năng mãi không ưng, sau đó chuyển thẳng sang Swift + AppKit native — stack chưa từng đụng — nhờ AI hỗ trợ suốt quá trình; khi lên kế hoạch sản phẩm đa nền tảng tiếp theo, lại chọn Rust dù chưa viết dòng nào. Câu chuyện thật giả thế nào bạn tự phán, nhưng logic đằng sau thì kiểm chứng được: tối nay thử ngay — chọn một stack bạn không rành, bảo Agent dẫn bạn viết một tool 100 dòng, xem có vướng không. Nói thẳng: giới hạn năng lực không còn là cái cớ, chọn stack chỉ nhìn cái nào tối ưu.
Lộ trình 3: biến tốc độ lặp thành lợi thế nhận job, kèm bài toán cụ thể
Khi mô hình này chạy trơn, chu kỳ giao hàng nén từ đơn vị tuần xuống đơn vị ngày. Khách gửi yêu cầu buổi sáng, chiều đã có bản nghiệm thu được; đối thủ một tuần sửa một lần, bạn một ngày sửa một lần. Trên Upwork, Fiverr hay các group freelance Việt Nam, người nhận job AI không thiếu, nhưng phần lớn vẫn dừng ở mức “AI hỗ trợ tôi gõ code” — bạn chơi kiểu EM là đánh xuống một tầng.
Nói khái niệm thì vô ích, tính thử một bài toán (con số ước tính thận trọng, bạn tự thay đơn giá của mình):
- Lấy job phổ biến “tool nhỏ / mini app”, đơn giá khoảng 3,5 triệu đồng
- Chế độ TL: một job viết + sửa mất 5 ngày, hết công suất nhận 4 job/tháng, thu nhập 14 triệu
- Chế độ EM: chốt phương án + nghiệm thu chiếm 1,5 ngày, trong lúc Agent chạy bạn nhận song song job khác, mỗi job thực chiếm 2 ngày, nhận 8-10 job/tháng, thu nhập 28-35 triệu
- Chi phí: subscription AI tính tối đa ~500 nghìn/tháng, tỉ lệ làm lại sau khi khóa bằng checklist khoảng 10%, mỗi job chừa nửa ngày đệm
Tức là cùng một tháng, chênh lệch trên 14 triệu, và ở chế độ EM nút thắt của bạn là số lượng job chứ không phải tốc độ tay. Trên trang nhận job cứ ghi thẳng “giao bản dùng được trong 48 giờ” — đó là khác biệt mà đối thủ không copy nổi.
Nút thắt duy nhất: bạn không nghĩ rõ mình cần làm gì
Mô hình này cũng có ràng buộc thật: khi cần nghĩ ra phiên bản lớn mới hay hướng sản phẩm mới, con người lại thành nút thắt. Agent mạnh đến đâu cũng chỉ thực thi mục tiêu bạn đã nghĩ rõ; bạn chưa rõ cần làm gì thì nó không sinh ra nổi một dòng code hữu ích.
Nên chế độ EM thực ra đòi hỏi con người cao hơn — không phải chiều sâu kỹ thuật, mà là phán đoán sản phẩm. Bạn cần dành thời gian nghiên cứu khách hàng đang tìm gì trên Shopee và các group Facebook, người dùng đang than gì trên TikTok, nội dung tool nào đang viral. Toàn bộ thời gian tiết kiệm được từ việc không review code, đổ hết vào “nghĩ rõ cần làm gì” — đó mới là vị trí con người nên đứng trong mô hình này.
Hành động ngay hôm nay: ba bước chuyển vai trò
Nếu bạn chưa từng nhận job, đừng vội nghĩ đến chuyện nhân đôi năng lực. Lối vào nhẹ nhàng hơn: đăng một tin “nhận làm tool AI theo yêu cầu” trên group freelance hoặc Fiverr, giá 700 nghìn - 1,2 triệu, chạy xong job đầu tiên theo ba bước dưới đây là bạn đã có workflow tái sử dụng và cảm giác báo giá thật.
Bước một, chọn một dự án nhỏ đang có, ép mình không mở file code, chỉ viết phương án, giao mục tiêu, nghiệm thu tính năng — trải nghiệm trọn một vòng EM workflow và ghi lại thời gian. Đó là dữ liệu của chính bạn, đáng giá hơn mọi case study của người khác. Bước hai, biến “có bug thì mô tả cho Agent tái hiện và sửa” thành phản xạ, tuyệt đối không tự nhảy vào code. Bước ba, dự án tiếp theo cố tình chọn một stack bạn không rành nhưng phù hợp nhất, kiểm chứng xem AI có dẫn bạn vượt qua được không.
Điểm tới hạn của năng lực AI coding đã qua, lợi thế đang dịch chuyển từ “người biết dùng AI viết code” sang “người biết quản lý đội AI”. Tối nay chọn một dự án, chạy thử EM workflow theo mẫu prompt và checklist ở trên.
