Nhóm của bạn có đang sử dụng AI tạo sinh để nâng cao chất lượng mã, đẩy nhanh việc phân phối và giảm thời gian dành cho mỗi sprint không? Hay bạn vẫn đang trong giai đoạn thử nghiệm và khám phá? Dù bạn đang ở giai đoạn nào trong hành trình này, bạn không thể phủ nhận một thực tế rằng Gen AI đang ngày càng thay đổi thực tại của chúng ta ngày nay. Nó đang trở nên cực kỳ hiệu quả trong việc viết mã và thực hiện các tác vụ liên quan như kiểm thử và QA. Các công cụ như GitHub Copilot, ChatGPT và Tabnine giúp các lập trình viên bằng cách tự động hóa các tác vụ tẻ nhạt và hợp lý hóa công việc của họ.
Và điều này không giống như một sự cường điệu thoáng qua. Theo một báo cáo của Market Research Future, thị trường AI tạo sinh trong vòng đời phát triển phần mềm (SDLC) dự kiến sẽ mở rộng từ 0,25 tỷ USD vào năm 2025 lên 75,3 tỷ USD vào năm 2035.
Trước khi có AI tạo sinh, một kỹ sư phải tự mình trích xuất các yêu cầu từ các tài liệu kỹ thuật dài dòng và các cuộc họp. Chuẩn bị các bản mockup UI/UX từ đầu. Viết và gỡ lỗi mã thủ công. Khắc phục sự cố phản ứng và phân tích nhật ký.
Nhưng sự xuất hiện của Gen AI đã thay đổi hoàn toàn cục diện này. Năng suất đã tăng vọt. Công việc thủ công, lặp đi lặp lại đã được giảm bớt. Nhưng ẩn sâu bên trong, câu hỏi thực sự vẫn còn: AI đã cách mạng hóa SDLC như thế nào? Trong bài viết này, chúng ta sẽ khám phá điều đó và hơn thế nữa.
Nơi Gen AI có thể phát huy hiệu quả
Các LLM đang chứng tỏ là những trợ lý tuyệt vời 24/7 trong SDLC. Nó tự động hóa các tác vụ lặp đi lặp lại, tốn thời gian. Giải phóng các kỹ sư để tập trung vào kiến trúc, logic nghiệp vụ và đổi mới. Hãy cùng xem xét kỹ hơn cách Gen AI đang mang lại giá trị cho SDLC:
Các khả năng của Gen AI trong phát triển phần mềm vừa đáng mong muốn vừa vượt trội. Nó có thể giúp tăng năng suất và đẩy nhanh tiến độ.
Mặt trái của vấn đề
Mặc dù những lợi ích rất rõ ràng, nhưng nó cũng đặt ra hai câu hỏi.
Thứ nhất, về mức độ an toàn của thông tin của chúng ta? Liệu chúng ta có thể sử dụng thông tin khách hàng bảo mật để nhận kết quả nhanh hơn không? Điều đó có rủi ro không? Khả năng các cuộc trò chuyện ChatGPT này được giữ riêng tư là bao nhiêu? Các cuộc điều tra gần đây tiết lộ rằng ứng dụng của Meta AI đánh dấu các cuộc trò chuyện riêng tư là công khai, gây lo ngại về quyền riêng tư. Điều này cần được phân tích.
Thứ hai, và quan trọng nhất, vai trò tương lai của các nhà phát triển trong kỷ nguyên tự động hóa sẽ là gì? Sự ra đời của AI đã tác động đến nhiều hồ sơ trong lĩnh vực dịch vụ. Từ viết lách đến thiết kế, tiếp thị kỹ thuật số, nhập liệu và nhiều hơn nữa. Và một số báo cáo phác thảo một tương lai khác so với những gì chúng ta có thể tưởng tượng cách đây năm năm. Các nhà nghiên cứu tại Phòng thí nghiệm Quốc gia Oak Ridge của Bộ Năng lượng Hoa Kỳ đề cập rằng máy móc, thay vì con người, sẽ viết hầu hết mã của họ vào năm 2040.
Tuy nhiên, liệu điều này có xảy ra hay không nằm ngoài phạm vi thảo luận của chúng ta hôm nay. Hiện tại, giống như các hồ sơ khác, các lập trình viên vẫn sẽ cần thiết. Nhưng bản chất công việc và các kỹ năng cần thiết của họ sẽ thay đổi một phần. Và vì thế, chúng ta sẽ cùng kiểm chứng mức độ cường điệu của Gen AI.
Nơi sự cường điệu gặp gỡ thực tế
- Đầu ra được tạo ra là hợp lý nhưng không mang tính cách mạng (ít nhất là chưa): Với sự trợ giúp của Gen AI, các nhà phát triển báo cáo rằng việc lặp lại nhanh hơn, đặc biệt khi viết mã mẫu (boilerplate) hoặc các mẫu tiêu chuẩn. Nó có thể hoạt động hiệu quả cho một vấn đề được xác định rõ hoặc khi ngữ cảnh rõ ràng. Tuy nhiên, đối với logic đổi mới, cụ thể theo từng miền và mã quan trọng về hiệu suất, sự giám sát của con người vẫn là không thể thiếu. Bạn không thể dựa vào các công cụ AI tạo sinh/LLM cho các dự án như vậy. Ví dụ, hãy xem xét việc hiện đại hóa hệ thống cũ. Các hệ thống như IBM AS400 và COBOL đã cung cấp năng lượng cho các doanh nghiệp trong nhiều năm. Nhưng theo thời gian, hiệu quả của chúng đã giảm sút vì chúng không còn phù hợp với cơ sở người dùng được số hóa ngày nay. Để duy trì hoặc cải thiện các chức năng của chúng, bạn sẽ cần các nhà phát triển phần mềm không chỉ biết cách làm việc với các hệ thống đó mà còn được cập nhật các công nghệ mới.
Một tổ chức không thể mạo hiểm mất dữ liệu đó. Dựa vào các công cụ Gen AI để xây dựng các ứng dụng tiên tiến tích hợp liền mạch với các hệ thống kế thừa này sẽ là quá sức. Đây là lúc chuyên môn của các lập trình viên vẫn là tối quan trọng. Hãy đọc cách bạn có thể hiện đại hóa các hệ thống cũ mà không bị gián đoạn với các tác nhân AI. Đây chỉ là một trong những trường hợp sử dụng quan trọng. Còn nhiều điều khác nữa. Vì vậy, đúng là LLM có thể đẩy nhanh SDLC, nhưng không thể thay thế bộ phận quan trọng, tức là con người.
- Tự động hóa kiểm thử đang âm thầm thắng thế, nhưng không phải không có sự giám sát của con người: LLM vượt trội trong việc tạo ra nhiều trường hợp kiểm thử, phát hiện lỗ hổng và sửa lỗi. Nhưng điều đó không có nghĩa là chúng ta có thể loại bỏ các lập trình viên con người. Gen AI không thể quyết định kiểm thử cái gì hoặc diễn giải các lỗi. Bởi vì con người không thể đoán trước được; ví dụ, một đơn hàng thương mại điện tử có thể bị trì hoãn vì nhiều lý do. Và một khách hàng đã đặt hàng những vật tư quan trọng trước khi lên đường đến trại căn cứ Everest có thể mong đợi đơn hàng đến trước khi họ khởi hành. Nhưng nếu chatbot không được huấn luyện về các yếu tố ngữ cảnh như tính khẩn cấp, sự phụ thuộc vào giao hàng hoặc các trường hợp ngoại lệ trong ý định của người dùng, nó có thể không cung cấp được phản hồi đồng cảm hoặc chính xác. Một công cụ kiểm thử AI tạo sinh có thể không thể kiểm thử những biến thể như vậy. Đây là lúc lý luận của con người, nhiều năm kinh nghiệm chuyên môn và trực giác trở nên vượt trội.
- Tài liệu hóa chưa bao giờ dễ dàng hơn; tuy nhiên có một vấn đề: Gen AI có thể tự động tạo tài liệu, tóm tắt các ghi chú cuộc họp và làm được nhiều điều hơn nữa chỉ với một lời nhắc duy nhất. Nó có thể giảm thời gian dành cho các tác vụ thủ công, lặp đi lặp lại và mang lại sự nhất quán trên các dự án quy mô lớn. Tuy nhiên, nó không thể đưa ra quyết định thay bạn. Nó thiếu khả năng phán đoán theo ngữ cảnh và sự trưởng thành về mặt cảm xúc. Ví dụ, hiểu tại sao một logic cụ thể được viết ra hoặc cách một số lựa chọn nhất định có thể ảnh hưởng đến khả năng mở rộng trong tương lai. Đó là lý do tại sao việc diễn giải các hành vi phức tạp vẫn đến từ các lập trình viên. Họ đã làm việc này trong nhiều năm, xây dựng nhận thức và trực giác mà máy móc khó có thể sao chép được.
- AI vẫn gặp khó khăn với sự phức tạp trong thế giới thực: Những hạn chế về ngữ cảnh. Những lo ngại về sự tin cậy, quá phụ thuộc và tính nhất quán. Và ma sát tích hợp vẫn còn tồn tại. Đó là lý do tại sao các CTO, CIO, và thậm chí cả các lập trình viên đều hoài nghi về việc sử dụng AI trên mã độc quyền mà không có các hàng rào bảo vệ. Con người là yếu tố thiết yếu để cung cấp ngữ cảnh, xác thực đầu ra và kiểm soát AI. Bởi vì AI học từ các mẫu hình và dữ liệu lịch sử. Và đôi khi dữ liệu đó có thể phản ánh những sự không hoàn hảo của thế giới. Cuối cùng, giải pháp AI cần phải đạo đức, có trách nhiệm và an toàn khi sử dụng.
Lời kết
Một cuộc khảo sát gần đây trên hơn 4.000 nhà phát triển cho thấy 76% người được hỏi thừa nhận đã refactor ít nhất một nửa mã được tạo bởi AI trước khi có thể sử dụng. Điều này cho thấy rằng mặc dù công nghệ cải thiện sự tiện lợi và thoải mái, nhưng không thể hoàn toàn phụ thuộc vào nó. Giống như các công nghệ khác, Gen AI cũng có những hạn chế của nó. Tuy nhiên, bác bỏ nó chỉ là sự cường điệu thì không hoàn toàn chính xác. Bởi vì chúng ta đã xem xét nó là một thiết bị hữu ích đến mức nào. Nó có thể hợp lý hóa việc thu thập yêu cầu và lập kế hoạch, viết mã nhanh hơn, kiểm thử nhiều trường hợp trong vài giây, và còn chủ động xác định các bất thường theo thời gian thực. Do đó, chìa khóa là áp dụng LLM một cách chiến lược. Sử dụng nó để giảm bớt công sức mà không tăng rủi ro. Quan trọng nhất, hãy xem nó như một trợ lý, một “phi công phụ chiến lược". Không phải là sự thay thế cho chuyên môn của con người.
Bởi vì cuối cùng, các doanh nghiệp được tạo ra bởi con người, vì con người. Và Gen AI có thể giúp bạn tăng hiệu quả hơn bao giờ hết, nhưng chỉ dựa vào chúng để có kết quả tuyệt vời có thể không mang lại kết quả tích cực về lâu dài. Bạn nghĩ sao?
