Các Nhà Phát Triển Có Thể Áp Dụng “Vibe Coding” Mà Không Để Doanh Nghiệp Chịu Nợ Kỹ Thuật AI?

Khi đồng sáng lập OpenAI, Andrej Karpathy, đặt ra thuật ngữ “vibe coding” vào tuần trước, ông đã ghi lại một điểm chuyển đổi: các nhà phát triển ngày càng tin tưởng vào AI sinh ra để soạn thảo mã code trong khi họ tập trung vào hướng dẫn cấp cao và “hầu như không chạm vào bàn phím”.

Các nền tảng LLM cơ bản – GitHub Copilot, DeepSeek, OpenAI – đang thay đổi cách phát triển phần mềm, với Cursor trở thành công ty tăng trưởng nhanh nhất bao giờ hết để đạt từ 1 triệu đô la doanh thu hàng năm đến 100 triệu đô la (chỉ trong chưa đầy một năm). Nhưng tốc độ này đi kèm với một chi phí.

Nợ kỹ thuật, đã được ước tính có thể khiến các doanh nghiệp tăng lên tới 1,5 nghìn tỷ đô la mỗi năm trong các bất hiệu quả về hoạt động và bảo mật, không phải là điều mới mẻ. Nhưng hiện tại, các doanh nghiệp phải đối mặt với một thách thức mới và tôi tin rằng còn lớn hơn: nợ kỹ thuật AI – một cuộc khủng hoảng im lặng được thúc đẩy bởi mã code được AI tạo ra không hiệu quả, không chính xác và có thể không an toàn.

Điểm Nghẽn Của Con Người Đã Chuyển Từ Viết Mã Sang Kiểm Tra Mã

Một cuộc khảo sát của GitHub năm 2024 cho thấy gần như tất cả các nhà phát triển doanh nghiệp (97%) đang sử dụng các công cụ mã hóa sinh ra bởi AI, nhưng chỉ 38% nhà phát triển tại Mỹ cho biết tổ chức của họ khuyến khích sử dụng Gen AI.

Các nhà phát triển yêu thích sử dụng mô hình LLM để tạo mã code để gửi đi nhanh hơn và doanh nghiệp được trang bị để tăng tốc đổi mới. Tuy nhiên – các cuộc xem xét và công cụ di sản không thể thích nghi hoặc mở rộng quy mô để tối ưu hóa và xác thực hàng triệu dòng mã code được AI tạo ra hàng ngày.

Với những lực lượng thị trường này, quản lý và giám sát truyền thống có thể bị phá vỡ, và khi nó bị phá vỡ, mã code không được xác thực sẽ thấm vào ngăn xếp doanh nghiệp.

Sự trỗi dậy của các nhà phát triển “vibe coding” rủi ro làm tăng tốc độ và chi phí của nợ kỹ thuật trừ khi các tổ chức thực hiện các rào cản để cân bằng tốc độ đổi mới với xác thực kỹ thuật.

Ảo Tưởng Về Tốc Độ: Khi AI Vượt Qua Quản Lý

Mã code được AI tạo ra không có lỗi – nó chỉ chưa được xác thực ở tốc độ và quy mô đủ.

Hãy xem xét dữ liệu: tất cả các LLM đều thể hiện sự mất mát của mô hình (ảo giác). Một bài nghiên cứu gần đây đánh giá chất lượng tạo mã của GitHub Copilot cho thấy tỷ lệ lỗi là 20%. Vấn đề được khuếch đại bởi khối lượng đầu ra của AI. Một nhà phát triển có thể sử dụng LLM để tạo ra 10.000 dòng mã trong vài phút, vượt quá khả năng của các nhà phát triển con người để tối ưu hóa và xác thực nó. Các công cụ phân tích tĩnh di sản, được thiết kế cho logic viết tay của con người, gặp khó khăn với các mẫu xác suất của đầu ra AI. Kết quả? Hóa đơn đám mây phình to từ các thuật toán không hiệu quả, rủi ro tuân thủ từ các phụ thuộc không được kiểm tra, và các lỗi quan trọng ẩn 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 thể mở rộng, bền vững và an toàn. Nợ kỹ thuật AI thấm vào doanh nghiệp có thể意味着 rủi ro kinh doanh quan trọng… hoặc tồi tệ hơn.

Tái Đắc Lực Mà Không Giết Chết Cảm Hứng

Giải pháp không phải là từ bỏ AI sinh ra mã code – mà là để các nhà phát triển cũng triển khai các hệ thống AI đại lý như các công cụ tối ưu hóa và xác thực mã code có thể mở rộng quy mô lớn. Một mô hình đại lý có thể sử dụng các kỹ thuật như thuật toán tiến hóa để tinh chỉnh mã code qua nhiều LLM để tối ưu hóa nó cho các chỉ số hiệu suất quan trọng – như hiệu quả, tốc độ chạy, sử dụng bộ nhớ – và xác thực hiệu suất và độ tin cậy của nó trong các điều kiện khác nhau.

Ba nguyên tắc sẽ phân biệt các doanh nghiệp thành công với AI với những doanh nghiệp sẽ bị nhấn chìm trong nợ kỹ thuật AI:

1. Xác Thực Có Thể Mở Rộng Là Bất Kỳ: Các doanh nghiệp phải áp dụng các hệ thống AI đại lý có khả năng xác thực và tối ưu hóa mã code được AI tạo ra ở quy mô lớn. Các cuộc xem xét và công cụ di sản truyền thống không đủ để xử lý khối lượng và phức tạp của mã code được tạo ra bởi LLM. Không có xác thực có thể mở rộng, các bất hiệu quả, lỗ hổng bảo mật và rủi ro tuân thủ sẽ lan rộng, xói mòn giá trị kinh doanh.

2. Cân Bằng Tốc Độ Với Quản Lý: Trong khi AI tăng tốc sản xuất mã code, các khuôn khổ quản lý phải phát triển để theo kịp. Các tổ chức cần triển khai các rào cản để đảm bảo mã code được AI tạo ra đáp ứng các tiêu chuẩn chất lượng, bảo mật và hiệu suất mà không kìm hãm đổi mới. Sự cân bằng này là quan trọng để ngăn chặn ảo tưởng về tốc độ biến thành một thực tế tốn kém về nợ kỹ thuật.

3. Chỉ AI Mới Có Thể Theo Kịp Với AI: Khối lượng và phức tạp của mã code được AI tạo ra đòi hỏi các giải pháp tiên tiến tương đương. Các doanh nghiệp phải áp dụng các hệ thống AI được điều khiển để phân tích, tối ưu hóa và xác thực mã code liên tục ở quy mô lớn. Các hệ thống này đảm bảo rằng tốc độ của phát triển được AI tăng tốc không ảnh hưởng đến chất lượng, bảo mật hoặc hiệu suất, cho phép đổi mới bền vững mà không tích lũy nợ kỹ thuật tàn phá.

Vibe Coding: Hãy Không Để Mất Đi

Các doanh nghiệp mà trì hoãn hành động về “vibe coding” sẽ phải đối mặt với âm nhạc tại một thời điểm: xói mòn lợi nhuận từ chi phí đám mây không kiểm soát, tê liệt đổi mới khi các đội phải vật lộn để gỡ lỗi mã code giòn, nợ kỹ thuật tăng cao và rủi ro ẩn của các lỗi bảo mật được AI giới thiệu.

Con đường tiến về phía trước cho cả nhà phát triển và doanh nghiệp đòi hỏi phải thừa nhận rằng chỉ 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 đại lý, họ có thể áp dụng “vibe coding” mà không phải hy sinh doanh nghiệp trước nợ kỹ thuật AI ngày càng tăng. Như Karpathy lưu ý, tiềm năng của mã code được AI tạo ra rất thú vị – thậm chí say mê. Nhưng trong phát triển doanh nghiệp, trước tiên phải có kiểm tra cảm hứng bởi một giống mới của AI đại lý tiến hóa.