Trong bài viết mang tính bước ngoặt này, Steve Yegge, một cựu binh dày dặn kinh nghiệm tại Thung lũng Silicon (từng làm việc tại Amazon, Google, Grab, Sourcegraph với hơn 30 năm kinh nghiệm trong ngành công nghệ và tổng cộng 40 năm viết mã), lập luận rằng đường cong năng lực AI công khai sắp "phẳng lì". 📉 Mặc dù sự tiến bộ theo cấp số nhân của AI vẫn tiếp tục diễn ra "sau cánh cửa đóng kín", quyền truy cập vào các mô hình siêu trí tuệ tiên phong (như các mô hình lớp "Mythos/Fable") đang bị chính phủ hạn chế nghiêm ngặt do rủi ro an toàn và an ninh quốc gia. Hệ quả là, ngành công nghệ phải thích nghi với "cao nguyên" các mô hình thương mại. Sự thay đổi này sẽ làm sống lại ngành SaaS, biến năng lực AI của tổ chức thành một ưu tiên hàng đầu và thiết lập một môi trường ổn định cho hoạt động kỹ thuật và phát triển sản phẩm.
1. Hiện tượng "Đường cong Phẳng Lì" 🧊
Sự tăng trưởng theo cấp số nhân của AI đang chạm tới một bức tường—không phải do thiếu tiến bộ công nghệ, mà do sự can thiệp của chính phủ và giới hạn nhận thức của con người.
* Chính phủ Siết Chặt: Sau sự kiện chính phủ Hoa Kỳ tạm thời đóng cửa mô hình "Fable", Yegge dự đoán rằng trong vòng hai đến ba thế hệ mô hình tiếp theo, siêu trí tuệ sẽ bị kiểm soát như vũ khí hạt nhân. Các chính phủ sẽ hạn chế quyền truy cập bằng cách siết chặt chuỗi cung ứng phần cứng và phần mềm. * Mô hình "Máy Bán Hàng Tự Động": Các mô hình tiên phong trong tương lai nhiều khả năng sẽ bị khóa chặt. Các công ty sẽ không chạy các mô hình này cục bộ; thay vào đó, họ sẽ "mua" trí thông minh như từ một máy bán hàng tự động—gửi các vấn đề đến máy chủ của nhà cung cấp để đổi lấy một khoản phí cao. * Trần Công nghệ Nguồn mở (OSS): Mặc dù các mô hình nguồn mở theo lịch sử thường chậm hơn các mô hình tiên phong khoảng bảy tháng, chúng đang chạm phải một bức tường về năng lực tính toán và chuỗi cung ứng. Rất khó để OSS vượt qua được lớp mô hình Fable.
---
2. Hai Chân trời Đánh giá Mô hình 🔭
Đối với người dùng thông thường, các mô hình sẽ dường như ngừng trở nên thông minh hơn do hai ranh giới nhận thức riêng biệt:
#### Chân trời Nhu cầu (Demand Horizon) Đây là giới hạn được đặt bởi vấn đề khó nhất mà bạn mang đến cho mô hình. Nếu các tác vụ của bạn đơn giản, một mô hình thông minh hơn sẽ không có vẻ gì khác biệt so với một mô hình tầm thường. * Thực tiễn Hành động: Yegge khuyên bạn nên giữ một danh sách các "đánh giá dự phòng" (back-pocket evals)—các dự án phức tạp, đã thất bại (ví dụ: viết một client React phức tạp cho một trò chơi)—để kiểm tra các mô hình mới khi chúng ra mắt.
#### Chân trời Khả năng Nhận biết (Discernment Horizon) Đây là giới hạn được đặt bởi câu trả lời khó nhất mà bạn có thể xác minh. Vượt qua ranh giới này, con người không thể biết liệu đầu ra của mô hình có chính xác hay không vì việc kiểm tra công việc nằm ngoài khả năng của con người. > "Siêu việt nghĩa là không thể kiểm chứng... Bạn không thể phân phát một công cụ trí tuệ mà không ai có thể giám sát. Nó vô nghĩa khi sở hữu vì bạn sẽ không biết liệu nó đang giúp bạn hay đẩy bạn xuống vực thẳm."
---
3. Sự Hồi sinh của SaaS 🔄
Giấc mơ sử dụng AI để dễ dàng viết lại tất cả các phần mềm SaaS của bên thứ ba đã tan biến. * Thực tế Hiệu quả Token: Các công ty lớn đã "đốt" toàn bộ ngân sách hàng năm chỉ trong vài tháng để cố gắng xây dựng và vận hành các giải pháp AI nội bộ thay thế. * Chi phí Dự đoán được: Quyết định mua hay tự xây dựng đã nghiêng mạnh trở lại về phía "mua". SaaS cung cấp chi phí dự đoán được, có thể lập ngân sách, trong khi việc "code theo cảm hứng" để thay thế là những canh bạc tốn kém, khó lường. * Hạn chế của Agent: Các mô hình hiện tại vẫn quá dễ bị "jailbreak" và dễ nhầm lẫn để có thể thay thế đáng tin cậy các kỹ sư SRE hoặc nhân viên dịch vụ khách hàng mà không cần giám sát chặt chẽ.
---
4. Năng lực AI: Khung Netflix 📚
Việc áp dụng AI là thách thức văn hóa chính đối với các tổ chức trong năm 2026–2027. Để vượt qua nỗi lo lắng và sự kháng cự của nhân viên, các công ty phải đào tạo lực lượng lao động của mình một cách có hệ thống.
Yegge nhấn mạnh một nghiên cứu đào tạo nghiêm ngặt được thực hiện bởi Ezra Savard tại Netflix (được trình bày tại Hội nghị thượng đỉnh AI của Gene Kim), định nghĩa năng lực AI thông qua chi tiêu token hàng ngày.
#### 3 Nhóm Người dùng Mới Bắt đầu Để được phân loại vào một nhóm, các nhà phát triển phải đạt các ngưỡng chi tiêu token này vào những ngày "đủ điều kiện" (ít nhất 3 ngày một tuần): 1. 0M token/ngày: Các nhà phát triển không sử dụng tác nhân lập trình (coding agents) cho công việc thông thường. 2. 4M token/ngày: Các nhà phát triển sử dụng một tác nhân duy nhất một cách đồng bộ trong suốt ngày làm việc. 3. 12M–15M token/ngày: Người dùng thành thạo cho phép 2 đến 4 tác nhân hoạt động không đồng bộ mà không cần giám sát liên tục.
#### Công thức Đào tạo 5 Giờ ⏱️ Netflix phát hiện ra rằng nhân viên có thể nhảy nhóm chỉ với 5 giờ đào tạo chuyên sâu, với tỷ lệ giữ chân 96% sáu tuần sau đó. Tuy nhiên, khóa đào tạo phải tuân thủ một thiết lập nghiêm ngặt: * Theo Nhóm: 5 đến 10 người, bao gồm cả người quản lý của họ. * Quản lý Đồng ý: Phải là thời gian làm việc "được cấp phép" của công ty trong giờ làm việc thông thường. * Công việc Thực tế: Người học phải mang công việc hàng ngày, thực tế của mình đến lớp học. * Lưu ý: Cắt giảm chi phí (lớp học lớn hơn, đăng ký cá nhân, thời gian ngắn hơn) sẽ dẫn đến thất bại trong việc áp dụng.
---
5. Năng lực AI Nâng cao: Vệ sinh Token ✨
Khi nhân viên học cách chi tiêu token, thách thức tổ chức tiếp theo là dạy họ cách không chi tiêu chúng.
[Sơ cấp: Chi tiêu Thấp] ──> [Trung cấp: Chi tiêu Cao (Token Pig)] ──> [Cao cấp: Chi tiêu Thấp (Token Hiệu quả)]
* Lãng phí Token: Người mới bắt đầu thường lãng phí token bằng cách đặt những câu hỏi dài, không trọng tâm hoặc gửi các tệp lớn mà không có ngữ cảnh. * Vệ sinh Token: Các nhà phát triển nâng cao duy trì cấu trúc prompt "sạch", sử dụng các mô hình nhỏ hơn và chuyên biệt cho các tác vụ đơn giản, đồng thời kiểm soát tích cực cửa sổ ngữ cảnh của họ để tiết kiệm chi phí khổng lồ.
---
6. Kỷ nguyên "Thủ công Cắm trại": Thời vàng son của Kỹ thuật Hệ thống 🏕️
Việc các khả năng tiên phong chậm lại thực sự là một món quà lớn cho ngành kỹ thuật. Trong ba năm qua, các nhà phát triển đã sống trong nỗi sợ hãi rằng các startup và phần mềm tùy chỉnh của họ sẽ bị "bay hơi" bởi bản phát hành mô hình tiếp theo.
Với khả năng mô hình ổn định quanh lớp Sonnet hoặc Opus 4.5, chúng ta đang bước vào kỷ nguyên "Thủ công Cắm trại". Các nhà phát triển cuối cùng có thể ổn định, xây dựng kiến trúc mạnh mẽ, tinh chỉnh mạng lưới định tuyến tác nhân, tối ưu hóa cơ sở dữ liệu vector và viết phần mềm tuyệt vời sẽ chạy trong mười năm. "Cơn sốt vàng đầu cơ đã kết thúc. Thời vàng son của kỹ thuật hệ thống thực dụng vừa mới bắt đầu." 🌟