Liệu các nhà phát triển có thể áp dụng “Vibe Coding” mà không cần doanh nghiệp áp dụng nợ kỹ thuật AI không?

Khi nhà đồng sáng lập OpenAI Andrej Karpathy đặt ra thuật ngữ “vibe coding” vào tuần trước, ông đã nắm bắt được một điểm ngoặt: các nhà phát triển ngày càng giao phó AI tạo mã để soạn thảo mã trong khi họ tập trung vào hướng dẫn cấp cao và “thậm chí hầu như không chạm vào bàn phím”.

Các nền tảng LLM cơ bản – GitHub Copilot, DeepSeek, OpenAI – đang định hình lại quá trình phát triển phần mềm, với Cursor gần đây đã trở thành công ty phát triển nhanh nhất bao giờ để tăng từ 1 triệu đô la doanh thu định kỳ hàng năm lên 100 triệu đô la (chỉ trong vòng chưa đầy một năm). Nhưng tốc độ này phải trả giá.

Nợ kỹ thuật, ước tính đã gây thiệt hại cho doanh nghiệp hơn 1.5 nghìn tỷ đô la hàng năm về tình trạng kém hiệu quả trong hoạt động và an ninh, không phải là điều gì mới mẻ. Nhưng hiện nay các doanh nghiệp phải đối mặt với một thách thức mới nổi, và tôi tin rằng thậm chí còn lớn hơn: Nợ kỹ thuật AI—một cuộc khủng hoảng thầm lặng xuất phát từ mã do AI tạo ra không hiệu quả, không chính xác và có khả năng không an toàn.

Nút thắt cổ chai của con người đã chuyển từ mã hóa sang đánh giá cơ sở mã

Khảo sát GitHub năm 2024 phát hiện ra rằng hầu hết các nhà phát triển doanh nghiệp (97%) đang sử dụng các công cụ mã hóa AI tạo sinh, nhưng chỉ có 38% nhà phát triển tại Hoa Kỳ cho biết tổ chức của họ tích cực khuyến khích sử dụng AI tạo sinh.

Các nhà phát triển thích sử dụng các mô hình LLM để tạo mã để gửi nhiều hơn, nhanh hơn và doanh nghiệp được định hướng để đẩy nhanh quá trình đổi mới. Tuy nhiên – các đánh giá thủ công và các công cụ cũ không thể thích ứng hoặc mở rộng quy mô để tối ưu hóa và xác thực hàng triệu dòng mã do AI tạo ra hàng ngày.

Khi áp dụng các lực lượng thị trường này, quản trị và giám sát truyền thống có thể bị phá vỡ và khi nó bị phá vỡ, mã chưa được xác thực sẽ xâm nhập vào hệ thống doanh nghiệp.

Sự gia tăng của các nhà phát triển "lập trình rung cảm" có nguy cơ làm tăng khối lượng và chi phí nợ kỹ thuật trừ khi các tổ chức triển khai các biện pháp bảo vệ cân bằng tốc độ đổi mới với xác thực kỹ thuật.

Ảo tưởng về tốc độ: Khi AI vượt qua quản trị

Mã do AI tạo ra không phải là lỗi cố hữu—nó chỉ là chưa được xác thực ở tốc độ và quy mô đủ lớn.

Xem xét dữ liệu: tất cả các LLM đều thể hiện mất mô hình (ảo giác). Một bài báo nghiên cứu gần đây đánh giá chất lượng tạo mã của GitHub Copilot tìm thấy tỷ lệ lỗi là 20%. Làm trầm trọng thêm vấn đề là khối lượng đầu ra AI khổng lồ. Một nhà phát triển duy nhất có thể sử dụng LLM để tạo ra 10,000 dòng mã trong vài phút, vượt xa khả năng tối ưu hóa và xác thực của các nhà phát triển con người. Các trình phân tích tĩnh cũ, được thiết kế cho logic do con người viết, gặp khó khăn với các mẫu xác suất của đầu ra AI. Kết quả là gì? Hóa đơn đám mây phình to do các thuật toán kém hiệu quả, rủi ro tuân thủ từ các phụ thuộc chưa được kiểm tra và các lỗi nghiêm trọng ẩn núp trong môi trường sản xuất.

Cộng đồng, công ty và cơ sở hạ tầng quan trọng của chúng ta đều phụ thuộc vào phần mềm có khả năng mở rộng, bền vững và an toàn. Nợ kỹ thuật do AI thúc đẩy thấm vào doanh nghiệp có thể gây ra rủi ro quan trọng cho doanh nghiệp… hoặc tệ hơn.

Lấy lại quyền kiểm soát mà không giết chết sự rung cảm

Giải pháp không phải là từ bỏ AI tạo sinh để mã hóa—mà là các nhà phát triển cũng triển khai các hệ thống AI tác nhân như trình tối ưu hóa và xác thực mã có khả năng mở rộng lớn. Một mô hình tác nhân có thể sử dụng các kỹ thuật như thuật toán tiến hóa để tinh chỉnh mã theo từng bước trên nhiều LLM để tối ưu hóa mã cho các số liệu hiệu suất chính — chẳng hạn như hiệu quả, tốc độ thời gian chạy, mức sử dụng bộ nhớ — và xác thực hiệu suất và độ tin cậy của mã trong các điều kiện khác nhau.

Ba nguyên tắc sẽ phân biệt các doanh nghiệp phát triển nhờ AI với những doanh nghiệp chìm trong nợ công nghệ do AI gây ra:

1. Xác thực có thể mở rộng là không thể thương lượng: Các doanh nghiệp phải áp dụng các hệ thống AI đại lý có khả năng xác thực và tối ưu hóa mã do AI tạo ra ở quy mô lớn. Các đánh giá thủ công truyền thống và các công cụ cũ không đủ để xử lý khối lượng và độ phức tạp của mã do LLM tạo ra. Nếu không có xác thực có thể mở rộng, tình trạng kém hiệu quả, lỗ hổng bảo mật và rủi ro tuân thủ sẽ gia tăng, làm xói mòn giá trị kinh doanh.

2. Cân bằng tốc độ với quản trị: Trong khi AI đẩy nhanh quá trình sản xuất mã, các khuôn khổ quản trị phải phát triển để theo kịp. Các tổ chức cần triển khai các rào chắn đảm bảo mã do AI tạo ra đáp ứng các tiêu chuẩn về chất lượng, bảo mật và hiệu suất mà không kìm hãm sự đổi mới. Sự cân bằng này rất quan trọng để ngăn chặn ảo tưởng về tốc độ biến thành hiện thực tốn kém của nợ kỹ thuật.

3. Chỉ có AI mới có thể theo kịp AI: Khối lượng và độ phức tạp của mã do AI tạo ra đòi hỏi các giải pháp tiên tiến tương đương. Các doanh nghiệp phải áp dụng các hệ thống do AI điều khiển có thể liên tục phân tích, tối ưu hóa và xác thực mã ở quy mô lớn. Các hệ thống này đảm bảo rằng tốc độ phát triển do AI điều khiển không ảnh hưởng đến chất lượng, bảo mật hoặc hiệu suất, cho phép đổi mới bền vững mà không tích tụ nợ kỹ thuật quá lớn.

Vibe Coding: Đừng Quá Phấn Khích

Các doanh nghiệp trì hoãn hành động đối với "mã hóa rung động" đến một lúc nào đó sẽ phải đối mặt với hậu quả: biên lợi nhuận bị xói mòn do chi phí đám mây tăng cao, tình trạng tê liệt đổi mới khi các nhóm phải vật lộn để gỡ lỗi mã dễ vỡ, nợ kỹ thuật tăng cao và rủi ro tiềm ẩn từ các lỗ hổng bảo mật do AI đưa vào.

Con đường phía trước cho các nhà phát triển và doanh nghiệp đều đòi hỏi phải thừa nhận rằng chỉ có AI mới có thể tối ưu hóa và xác thực AI ở quy mô lớn. Bằng cách cung cấp cho các nhà phát triển quyền truy cập vào các công cụ xác thực tác nhân, họ có thể tự do áp dụng “mã hóa rung cảm” mà không phải giao nộp doanh nghiệp cho khoản nợ kỹ thuật do AI tạo ra ngày càng tăng. Như Karpathy lưu ý, tiềm năng của mã do AI tạo ra rất thú vị – thậm chí là say đắm. Nhưng trong quá trình phát triển doanh nghiệp, trước tiên phải có một cuộc kiểm tra rung cảm của một giống AI tác nhân tiến hóa mới.