Các công cụ mạnh mẽ, tiềm năng to lớn, nhưng giữa tất cả sự ồn ào về tốc độ và tự động hóa, tôi tin rằng chúng ta đang bỏ qua một yếu tố quan trọng: Sự xuất sắc trong kỹ thuật.
Abhi Shimpi là Phó Chủ tịch Kỹ thuật Phần mềm tại một tổ chức Dịch vụ Tài chính.
Là những nhà lãnh đạo kỹ thuật, nhiều người trong chúng ta đang chạy đua để tích hợp GenAI vào chu trình phát triển của mình. Các công cụ mạnh mẽ, tiềm năng to lớn, nhưng giữa tất cả sự ồn ào về tốc độ và tự động hóa, tôi tin rằng chúng ta đang bỏ qua một yếu tố quan trọng: Sự xuất sắc trong kỹ thuật.
Nếu chúng ta không bắt đầu định hình lại văn hóa kỹ thuật của mình cho AI, AI sẽ định hình lại nó cho chúng ta, và điều đó có thể không có lợi cho chúng ta.
Ý tôi không chỉ là một sự thay đổi kỹ thuật, mà còn là một sự thay đổi văn hóa. Nếu chúng ta bỏ qua các thực hành nền tảng giúp kỹ thuật bền vững, an toàn và có khả năng mở rộng, thì chúng ta đang tiến về phía trước một cách liều lĩnh.
Trước khi GenAI xuất hiện, sự xuất sắc trong kỹ thuật có một định nghĩa rõ ràng. Chúng ta đã nói về chất lượng mã, tự động hóa thử nghiệm, các thực hành phát triển an toàn, đánh giá ngang hàng, khả năng phục hồi, sự chặt chẽ của kiến trúc và phân phối liên tục. Chúng ta có các mô hình trưởng thành nội bộ để đo lường và củng cố những nguyên tắc đó. Những mô hình đó đã giúp các nhóm hiểu được “điều tốt” trông như thế nào và cách xây dựng phần mềm sạch, dễ bảo trì và đáng tin cậy ở quy mô lớn.
Đó là về quy trình và kỷ luật. Chúng ta đã tạo ra các vòng lặp phản hồi, thúc đẩy huấn luyện và cố vấn, và tạo không gian cho tư duy thiết kế và đánh giá kỹ thuật.
Giờ đây, GenAI đang viết lại các quy tắc, và chúng ta cần đảm bảo rằng chúng ta không để nó xóa bỏ những nguyên tắc cơ bản đó trong quá trình này.
AI đã thay đổi trải nghiệm của nhà phát triển. Các công cụ như GitHub Copilot, Google Gemini và Microsoft Copilot có thể tạo mã cho toàn bộ chức năng hoặc quy trình làm việc trong vài giây. Người dùng không chuyên về kỹ thuật có thể xây dựng ứng dụng bằng các lời nhắc ngôn ngữ tự nhiên. Về lý thuyết, đây là sự trao quyền. Trên thực tế, nó thường là sự hỗn loạn.
Tôi đã tận mắt chứng kiến việc dễ dàng bỏ qua các nguyên tắc kỹ thuật cốt lõi như thế nào trong cơn vội vàng áp dụng GenAI và triển khai nhanh hơn. Một nhà phát triển yêu cầu Copilot cung cấp một script, đưa nó vào PowerApps và triển khai. Không có đánh giá thiết kế, không có quét bảo mật và không xem xét cách thức xử lý bảo mật hoặc quản lý dữ liệu. Nó hoạt động, nhưng không có khả năng mở rộng. Nó tạo ra các anti-pattern vi phạm các tiêu chuẩn kiến trúc mà chúng ta đã mất nhiều năm để thiết lập.
Và không chỉ có các nhà phát triển; các nhà phát triển công dân (những người có ít đào tạo kỹ thuật) đang xây dựng và triển khai các ứng dụng nội bộ mà không hiểu rõ các tác động. Họ đang xử lý loại dữ liệu nào? Họ đang để lộ quyền truy cập nào? Những rào cản nào đang thiếu?
Và điều đó đang xảy ra trên khắp các ngành công nghiệp. Rủi ro thực sự không phải là GenAI mắc lỗi, mà là chúng ta ngừng đặt câu hỏi.
Thành thật mà nói: Rất nhiều tổ chức đang đón nhận GenAI vì sợ bỏ lỡ. Khi cánh cửa mở ra, mọi người đều đổ xô vào. Ý định thì tốt, nhưng tốc độ? Không bền vững.
Không có gì sai khi di chuyển nhanh nếu bạn di chuyển có chủ đích, nhưng nếu bạn không biết mình đang đo lường điều gì, bạn chỉ đang phản ứng. Và khi bạn ưu tiên đầu ra hơn kết quả, bạn sẽ bỏ lỡ cơ hội thực sự.
Đây là lý do tại sao tôi luôn nhấn mạnh kết quả hơn đầu ra. GenAI có thể giúp bạn tạo ra nhiều mã hơn. Điều đó không có nghĩa đó là mã tốt hơn. Chúng ta cần chậm lại đủ để hỏi: Giải pháp này có tạo ra giá trị lâu dài không? Nó có an toàn không? Nó có giải thích được không? Nó có dễ bảo trì không?
Việc tích hợp AI vào quy trình làm việc của chúng ta là chưa đủ. Chúng ta phải tích hợp cả khả năng đánh giá kỹ thuật bên cạnh nó.
Điều đó có nghĩa là tái đầu tư vào những điều đã giúp chúng ta mạnh mẽ ngay từ đầu: huấn luyện, cố vấn, sự xuất sắc trong kỹ thuật và tay nghề. Đánh giá ngang hàng vẫn quan trọng, kiến trúc sạch vẫn quan trọng, phát hành/bảo trì vẫn quan trọng và thiết kế mã không phải là tùy chọn.
Trong một ví dụ từ kinh nghiệm của tôi, các nhà phát triển không quen thuộc với một ngôn ngữ lập trình đã có thể cung cấp các giải pháp nhạy cảm về thời gian bằng cách sử dụng các công cụ GenAI nhanh hơn. Chúng tôi đã áp dụng quản trị chặt chẽ: đánh giá thiết kế, giám sát ngang hàng, đánh giá bảo mật và căn chỉnh kiến trúc. Nếu không có những rào cản đó, cùng một dự án có thể đã gây ra những rủi ro nghiêm trọng.
Do đó, AI không loại bỏ nhu cầu về văn hóa kỹ thuật. Nó khuếch đại hậu quả của việc không có một văn hóa như vậy.
Chúng ta từng đo lường sự trưởng thành kỹ thuật bằng các chỉ số KPI như tốc độ, tỷ lệ lỗi, thời gian đưa ra thị trường và độ bao phủ mã. Những điều đó vẫn quan trọng, nhưng chúng không còn đủ nữa.
Giờ đây, chúng ta cần đo lường mức độ hiệu quả và có trách nhiệm mà chúng ta đang sử dụng AI. Điều đó bao gồm việc đo lường các khía cạnh, chẳng hạn như:
• Cần bao nhiêu sự giám sát của con người?
• Các đầu ra của AI có giải thích được không?
• Chúng có phù hợp với các mẫu kiến trúc của chúng ta không?
• Chúng ta có tin tưởng các khuyến nghị của công cụ AI không? Và nếu không, tại sao?
Nếu chúng ta cho phép AI xem xét mã của mình, chúng ta cũng phải định nghĩa một khuôn khổ tin cậy. Điểm tin cậy là gì? AI đang tham chiếu những mẫu nào? Những mẫu đó có khớp với những gì chúng ta đã mã hóa thành thực hành tốt nhất không? Nên sử dụng LLM nào?
Mô hình trưởng thành phải phát triển và được đánh giá liên tục. Nếu không, chúng ta đang bắn trong bóng tối.
Có một mảnh ghép khác trong câu đố này—an toàn tâm lý. Khi chúng ta sử dụng AI, an toàn là về sự tin tưởng vào các hệ thống.
Chúng ta cần xây dựng môi trường nơi các nhà phát triển cảm thấy an toàn khi đặt câu hỏi về các đầu ra của AI, từ chối chúng khi cần thiết và thêm vào sự đánh giá của con người. Niềm tin mù quáng vào GenAI cũng nguy hiểm như sự từ chối mù quáng.
Đồng thời, chúng ta cần yêu cầu các nhóm chịu trách nhiệm về hiệu suất và kết quả. Các công cụ có thể thay đổi, nhưng sự xuất sắc vẫn đòi hỏi sự rõ ràng, nhất quán và cam kết.
Vậy, thành công trông như thế nào?
Theo kinh nghiệm của chúng tôi, nó bao gồm:
• Ít làm lại hơn
• Ít lỗi hơn
• Nợ kỹ thuật thấp hơn
• Quá trình giới thiệu nhanh hơn và hiệu quả hơn, ngay cả đối với các kỹ sư mới vào nghề
• Nâng cao năng suất và sự hài lòng của nhà phát triển
Trong ví dụ tôi đã chia sẻ trước đó, chúng tôi đã thấy những lợi ích đáng kể khi sử dụng GenAI. Giao hàng nhanh hơn, khả năng phát triển rộng hơn và kết quả thành công ngay cả khi các nhóm còn mới với ngăn xếp công nghệ. Nhưng những lợi ích đó chỉ đến sau khi chúng tôi bổ sung thêm sự giám sát để đảm bảo tuân thủ kiến trúc và các thực hành phát triển an toàn. Theo thời gian, gánh nặng quản trị đó đã giảm đi vì nền tảng văn hóa vững chắc.
Đó là con đường phía trước. Quản trị ngắn hạn vì lợi ích dài hạn.
Thử thách thực sự của GenAI là về văn hóa. Các công cụ sẽ tiếp tục phát triển. Nhưng nếu chúng ta không thích nghi với các thực hành và tư duy kỹ thuật của mình, những công cụ đó sẽ định nghĩa tương lai của chúng ta.
Tương lai là về việc di chuyển có mục đích.
Nếu chúng ta có thể định nghĩa lại các mô hình trưởng thành của mình, áp dụng các rào cản có ý nghĩa và giữ sự xuất sắc trong kỹ thuật ở vị trí trung tâm, AI sẽ là một đồng minh mạnh mẽ. Nếu không, nó sẽ trở thành một lực lượng mà chúng ta không còn kiểm soát được nữa.
Và đến lúc đó, có thể đã quá muộn.
