Trí tuệ nhân tạo đang viết mã, nhưng cơ sở hạ tầng của bạn có thể theo kịp không?

Chúng ta đang trải qua một trong những sự đảo ngược kỳ lạ nhất trong lịch sử kỹ thuật phần mềm. Trong nhiều thập kỷ, mục tiêu là tính xác định; xây dựng các hệ thống hoạt động giống nhau mọi lúc. Giờ đây, chúng ta đang xếp lớp các tác nhân trí tuệ nhân tạo xác suất trên nền tảng đó, tạo ra mã với tốc độ và quy mô báo động. Và thành thực? Hầu hết cơ sở hạ tầng của chúng ta không được xây dựng cho điều này.

Tôi đã dành nhiều năm làm việc trên các công cụ DevOps, đồng tác giả nghiên cứu và giúp các đội kỹ sư đạt hiệu suất cao nhất. Những gì tôi đang thấy bây giờ với sự phát triển được thúc đẩy bởi trí tuệ nhân tạo là hơn cả một sự tiến hóa. Nó đang暴 lộ mọi vết nứt trong các quy trình hiện có của chúng ta.

Vấn đề đã ở đây

Một nghiên cứu năm 2025 của GitClear đã phát hiện ra rằng gần 7% các commit hiện chứa mã được tạo bởi trí tuệ nhân tạo. Phân tích trước đó của họ về 153 triệu dòng mã đã thay đổi cho thấy chi phí: “sự thay đổi mã”—mã được viết lại hoặc xóa trong hai tuần—đã tăng gấp đôi vào năm 2024 so với các baseline trước trí tuệ nhân tạo.

Các hàm ý bảo mật cũng同樣 rõ ràng. Phân tích gần đây về 80 nhiệm vụ mã hóa được lập trình trên hơn 100 mô hình ngôn ngữ lớn đã tìm thấy rằng mã được tạo bởi trí tuệ nhân tạo giới thiệu các lỗ hổng bảo mật trong 45% trường hợp. Tác động thực tế? Một trong năm CISO hiện báo cáo các sự cố lớn trực tiếp gây ra bởi mã được tạo bởi trí tuệ nhân tạo.

Lợi ích về tốc độ là thực, nhưng chi phí về tính ổn định cũng thực.

Hiệu ứng khuếch đại

Một điều tôi đã học được là trí tuệ nhân tạo khuếch đại mọi thứ. Nếu bạn có các thực hành tốt, trí tuệ nhân tạo sẽ làm cho chúng tốt hơn và nhanh hơn. Nếu các quy trình của bạn lộn xộn, trí tuệ nhân tạo sẽ làm cho sự lộn xộn đó trở nên tồi tệ hơn. Điều này phản ánh một mẫu mà xuất hiện năm này qua năm khác trong báo cáo DevOps hàng năm của DORA: ít biến số hơn dẫn đến kết quả tốt hơn. Các đội thành công tiêu chuẩn hóa trên ít hệ điều hành hơn, ít ngôn ngữ lập trình hơn, ít cách thực hiện hơn. Họ giảm thiểu sự phức tạp một cách có chủ đích.

Các tác nhân trí tuệ nhân tạo tuân theo cùng một mẫu. Hãy cho họ một môi trường nhất quán nơi phiên bản Python có nghĩa là cùng một phiên bản trên mọi máy của nhà phát triển, nơi các phụ thuộc được khóa và theo dõi, và họ sẽ hoạt động xuất sắc. Hãy buộc họ phải điều hướng 17 cấu hình khác nhau, mỗi cấu hình có sự khác biệt tinh tế, và bạn sẽ lãng phí token để tìm hiểu các đặc điểm môi trường thay vì giải quyết các vấn đề thực sự.

Nghịch lý quyết định

Điều này tạo ra một sự căng thẳng thú vị. Trong nhiều năm, khoa học máy tính đã theo đuổi tính quyết định như mục tiêu tối thượng. Giờ đây, chúng ta đang chạy các tải trọng xác suất, các mô hình trí tuệ nhân tạo mà thậm chí không thể đảm bảo cùng một đầu ra hai lần, trên các hệ thống được thiết kế cho tính dự đoán.

Câu trả lời của tôi? Hãy giữ càng nhiều phần của ngăn xếp ở mức quyết định càng tốt. Nếu bạn có thể duy trì 80% cơ sở hạ tầng của mình ở mức quyết định, các tác nhân trí tuệ nhân tạo của bạn sẽ có ít biến số hơn để quản lý. Họ sẽ không lãng phí các cửa sổ ngữ cảnh vào “Tại sao phụ thuộc này không được cài đặt?” hoặc “Hãy thử lệnh xây dựng này lại.” Họ sẽ tập trung vào công việc thực sự bạn yêu cầu họ thực hiện.

Hãy nghĩ về nó: khi một tác nhân cố gắng biên dịch một thứ gì đó và các liên kết bản địa thất bại vì ImageMagick không được cài đặt, đó là một detour tốn kém token. Nếu môi trường của bạn đã bao gồm mọi thứ cần thiết (trình biên dịch, thư viện, toàn bộ cây phụ thuộc xuống đến libc), tác nhân sẽ hoạt động. Không cần gỡ lỗi, không cần thử và sai, chỉ cần tiến bộ.

Quy định và Xác thực là chìa khóa

Điều đang trở nên rõ ràng là sự phát triển được thúc đẩy bởi trí tuệ nhân tạo buộc chúng ta phải suy nghĩ kỹ hơn về hai kỹ năng đã bị đánh giá thấp trong quá khứ: quy định và xác thực. Bạn cần phải nêu rõ ràng những gì bạn thực sự đang xây dựng, và bạn cần có các cách xác thực mạnh mẽ để xác minh bạn đã đạt được điều đó.

Tôi đã nhận thấy một điều thú vị: những người có nền tảng quản lý sản phẩm hoặc kỹ thuật sản phẩm thường thành công hơn với các tác nhân trí tuệ nhân tạo ngay bây giờ. Họ đã được đào tạo để suy nghĩ về các yêu cầu, tiêu chí thành công và sự đánh đổi. Họ thoải mái khi hỏi “Tại sao bạn đưa ra quyết định đó?” và điều chỉnh dựa trên lý do.

Xác thực, biết liệu điều gì thực sự chính xác, đã luôn là vấn đề khó nhất của kỹ thuật phần mềm. Kiểm tra QA đã bị đánh giá thấp trong nhiều thập kỷ, nhưng nó là phần khó nhất: xác định xem phần mềm có giải quyết nhu cầu người dùng thực sự hay không. Trí tuệ nhân tạo không giải quyết vấn đề này. Nếu có, nó làm cho vấn đề này trở nên quan trọng hơn, vì bây giờ bạn đang xác thực các đầu ra xác suất chống lại các yêu cầu quyết định.

Tin tưởng, nhưng Xác minh (và Kiểm soát)

Có một quan điểm mà tôi đang bắt đầu chấp nhận: chúng ta nên giả định rằng mã được tạo bởi trí tuệ nhân tạo là thù địch cho đến khi nó được chứng minh là không thù địch. Không phải vì trí tuệ nhân tạo là độc ác, mà vì chúng ta đơn giản là không biết. Chúng ta không thể kiểm tra mọi dòng khi các tác nhân đang tạo ra hàng nghìn dòng mỗi ngày.

Điều này có nghĩa là việc chuyển đổi các điểm kiểm soát. Nếu chúng ta không thể kiểm soát mọi thứ tại thời điểm phát triển, chúng ta cần có các kiểm soát mạnh hơn tại thời điểm chạy. Các nhà vận hành, SRE, các đội nền tảng, bất kỳ ai chịu trách nhiệm về sản xuất, cần có khả năng hiển thị tốt hơn về những gì đang chạy, theo dõi phụ thuộc hoàn chỉnh và nguồn gốc rõ ràng cho mọi artifact.

Đây là nơi tính khả tái tạo trở nên thiết yếu. Khi bạn có thể chứng minh toán học rằng artifact mà bạn đã kiểm tra cục bộ là giống hệt với những gì đang chạy trong sản xuất—cùng đầu vào, cùng đầu ra, cùng đóng phụ thuộc—bạn có thể bắt đầu đưa ra các quyết định thông minh. Có thể bạn không cần phải chạy lại các kiểm tra đơn vị trong CI nếu bạn đã chạy chúng cục bộ và không có gì thay đổi. Có thể bạn có thể ánh xạ phạm vi kiểm tra đến các thay đổi mã và bỏ qua các bộ kiểm tra không liên quan.

Điều gì đến tiếp theo

Chúng ta đang ở một điểm chuyển đổi. Các đội đã có các thực hành tốt đang thấy những lợi ích về năng suất khổng lồ với trí tuệ nhân tạo. Các đội đang gặp khó khăn đang gặp khó khăn hơn.

Cơ sở hạ tầng powers sự phát triển được thúc đẩy bởi trí tuệ nhân tạo cần được xây dựng cho tính khả tái tạo từ đầu. Không phải được gắn thêm sau với các công cụ quét và kiểm tra, mà được nướng vào cách các nhà phát triển làm việc từ ngày đầu tiên. Khi môi trường phát triển của bạn là giống hệt trên Mac và Linux, khi mọi phụ thuộc được theo dõi và khóa, khi bạn có nguồn gốc rõ ràng cho mọi artifact, các tác nhân trí tuệ nhân tạo trở thành các nhân tố nhân lên thay vì các nhà tạo ra sự hỗn loạn.

Đây là lời khuyên lớn nhất của tôi cho các đội đang cố gắng thành công trong thời đại trí tuệ nhân tạo:

• Tiêu chuẩn hóa một cách tàn bạo. Ít biến số hơn tương quan với hiệu suất cao hơn. Khóa xuống ngăn xếp công nghệ của bạn, thực thi các môi trường nhất quán trên tất cả các nền tảng và loại bỏ sự trôi của cấu hình trước khi trí tuệ nhân tạo khuếch đại nó. Nếu sự không phù hợp về phiên bản Python gây ra vấn đề bây giờ, chúng sẽ gây ra 10 lần nhiều vấn đề hơn khi trí tuệ nhân tạo tạo ra mã với quy mô.

• Xây dựng xác thực vào quy trình làm việc của bạn, không phải ở cuối. Với trí tuệ nhân tạo tạo ra mã nhanh hơn con người có thể xem xét, bạn không thể dựa vào việc xem xét mã thủ công alone. Thực hiện kiểm tra tự động xác thực không chỉ mã chạy, mà còn giải quyết yêu cầu thực sự. Hãy làm cho đường ống CI/CD của bạn trở thành mạng an toàn của bạn, với các cổng mạnh tại thời điểm chạy cho các triển khai sản xuất.

• Đầu tư vào tính khả tái tạo như cơ sở hạ tầng. Xử lý sự nhất quán của môi trường như một mối quan tâm cơ sở hạ tầng hàng đầu. Khi bạn có thể chứng minh toán học rằng môi trường cục bộ, môi trường CI và môi trường sản xuất của bạn là giống hệt, bạn loại bỏ một lớp các vấn đề “chỉ hoạt động trên máy của tôi”. Nền tảng quyết định này là điều cho phép bạn xếp lớp các tải trọng trí tuệ nhân tạo xác suất một cách an toàn trên nó.

Câu hỏi không phải là liệu trí tuệ nhân tạo sẽ viết hầu hết mã của chúng ta. Nó đã làm như vậy cho nhiều đội. Câu hỏi là liệu cơ sở hạ tầng của chúng ta có thể theo kịp.