Lợi tức đầu tư AI tốt nhất hiện tại là sửa lỗi mã cũ, không phải viết mã mới

Mỗi buổi giới thiệu sản phẩm AI mà tôi tham gia đều bắt đầu giống nhau: một hộp thoại trống, một yêu cầu bằng tiếng Anh và một ứng dụng hoạt động sau vài phút. Đó là một thủ thuật party thực sự ấn tượng. Nhưng tôi sẽ lập luận rằng đó là điều ít thú vị nhất đang xảy ra trong lĩnh vực AI doanh nghiệp hiện nay.

Công việc có ý nghĩa hơn đang diễn ra ở một nơi ít được chú ý hơn: bên trong các cơ sở mã code 15 năm tuổi mà không ai muốn chạm vào, được viết bởi các kỹ sư đã rời công ty từ một thập kỷ trước, chạy logic kinh doanh mà không ai đã hiểu đầy đủ trong nhiều năm. Hầu hết các bài báo về AI đều hiểu vấn đề này ngược lại. Mã code cũ không phải là nợ kỹ thuật. Đó là trí tuệ kinh doanh tích lũy: nhiều thập kỷ quyết định, được mã hóa thành phần mềm, với những người đã đưa ra quyết định đó đã rời công ty từ lâu.

Phát triển Greenfield nhận được sự chú ý của mọi người. Mã code cũ nhận được tiền, thường là không hiểu rõ cách sử dụng nó.

Thực tế, sự thiếu hụt không phải là nhà phát triển, mà là bộ nhớ

Đây không phải là một vấn đề bị cô lập. Một nghiên cứu của Pegasystems năm 2025, được thực hiện bởi công ty nghiên cứu Savanta trên hơn 500 người ra quyết định IT trên toàn thế giới, ước tính rằng doanh nghiệp trung bình toàn cầu lãng phí hơn $370 triệu mỗi năm thông qua việc không thể hiện đại hóa hiệu quả các hệ thống cũ, với gần $134 triệu trong số đó liên quan đến các dự án chuyển đổi chậm và tốn tài nguyên.

Chúng tôi gần đây đã làm việc với một công ty phân phối pin chạy hơn 15 ứng dụng cũ, loại sự phức tạp tích lũy trong hơn 20 năm qua thông qua các vụ sáp nhập, tích hợp một lần và các kỹ sư giải quyết vấn đề ngày hôm nay mà không nghĩ về ngày mai. Chôn trong mã code đó là các quy tắc định giá, ngưỡng hàng tồn kho và các ràng buộc phân phối đại diện cho nhiều năm quyết định của tổ chức, được viết xuống ở nơi nào khác ngoài logic mà không ai đã hiểu đầy đủ.

Thật dễ dàng khi gọi đây là một vấn đề về nhân tài: thuê thêm nhà phát triển, di chuyển nhanh hơn. Nhưng bạn không thể thuê người để giải quyết thực tế rằng người hiểu tại sao một mô-đun hoạt động theo cách đó đã rời công ty vào năm 2014. Hầu hết các doanh nghiệp đều thiếu bộ nhớ, không phải thiếu nhân tài. Và cho đến gần đây, không có cách nào để giải quyết vấn đề này trên quy mô lớn. Bạn либо phải trả tiền cho một số kỹ sư senior để giữ kiến thức tổ chức trong đầu họ mãi mãi, hoặc bạn sẽ mất nó vào ngày họ rời đi.

AI thực sự thay đổi điều gì

Chúng tôi không sử dụng công cụ tạo mã để chỉ vào cơ sở mã code cũ và nói với nó để viết lại mọi thứ; đó là cách bạn xóa默 lặng logic kinh doanh mà bạn không biết tồn tại. Thay vào đó, chúng tôi sử dụng các tác nhân AI để thực hiện công việc nền tảng không mấy hấp dẫn đầu tiên: tìm hiểu cách các ứng dụng hơn 15 thực sự kết nối với nhau, đưa ra các quyết định được nhúng trong logic mà không bao giờ được viết xuống ở nơi nào khác, và giữ lại bối cảnh đó như một thứ mà tổ chức có thể truy vấn, không phải là thứ chỉ sống trong đầu một kỹ sư. Điều này phù hợp với những gì các nhà cung cấp AI khác đang ghi lại công khai: hướng dẫn của Anthropic về việc hiện đại hóa hệ thống COBOL với Claude Code mô tả cùng một trình tự, tự động hóa các giai đoạn khám phá và phân tích trước khi chuyển sang viết lại.

Các tác nhân không được đánh giá dựa trên số lượng mã họ tạo ra. Họ được đánh giá dựa trên số lượng kiến thức tổ chức họ có thể đưa ra và bảo tồn. Các kỹ sư sau đó làm việc cùng với họ về việc di chuyển và tạo thử nghiệm thực tế, kiểm tra sự giải thích của tác nhân về logic kinh doanh so với cách hệ thống hoạt động trong sản xuất, không chỉ tin vào niềm tin. Một tín hiệu hữu ích mà chúng tôi theo dõi: liệu giải thích của tác nhân về một quy tắc có khớp với một mẫu mà chúng tôi có thể xác minh độc lập trong nhật ký sản xuất, hay đó chỉ là một giả định hợp lý? Khoảng cách giữa hai điều đó chính xác là nơi các dự án hiện đại hóa cũ thường đi sai.

Ước tính ban đầu cho dự án là tám tháng rưỡi. Nó đã kết thúc trong bốn tháng, giảm 53%. Nhưng kết quả bền vững hơn không phải là thời gian. Kiến thức tổ chức trước đây thường bốc hơi mỗi khi một kỹ sư rời công ty đã trở thành thứ mà tổ chức thực sự có thể giữ lại.

Các kỹ sư phần mềm đã dành nhiều thập kỷ để viết phần mềm. Thập kỷ tới có thể được dành để khai quật nó, với AI đóng vai trò không phải là tác giả mà là nhà khảo cổ, cẩn thận xây dựng lại lý do được chôn trong mã code mà đã vượt qua những người viết nó.

Một khung cơ bản để thực hiện điều này mà không phá vỡ mọi thứ

Các dự án thành công dường như theo cùng một trình tự, cho dù hệ thống là một động cơ định giá hay một đường ống yêu cầu:

Khám phá: tìm hiểu cách các hệ thống thực sự kết nối, không phải cách sơ đồ kiến trúc từ năm 2016 nói rằng chúng kết nối.

Hiểu: đưa ra logic kinh doanh và các giả định đằng sau nó, bằng ngôn ngữ đơn giản mà một chuyên gia lĩnh vực có thể kiểm tra.

Xác minh: kiểm tra sự giải thích đó so với hành vi sản xuất thực tế, không chỉ so với các bình luận của mã.

Chuyển đổi: di chuyển hoặc xây dựng lại chỉ khi ba giai đoạn đầu tiên đứng vững, với con người sở hữu việc xác nhận.

Nếu bạn chuyển thẳng đến Chuyển đổi, bạn không hiện đại hóa. Bạn đang đánh bạc với logic mà bạn không hiểu rõ.

Tại sao điều này lại quan trọng hơn các đội kỹ sư

Bộ nhớ tổ chức không chỉ im lặng suy giảm khi một kỹ sư senior nghỉ hưu. Nó trở thành một trách nhiệm pháp lý cấp bách vào những khoảnh khắc kinh doanh không thể chi trả: trong một vụ mua lại, khi một chủ sở hữu mới cần hiểu rõ họ mua gì; trong một dự án di chuyển ERP, khi logic cũ cần được dịch sang một hệ thống mới một cách chính xác ngay từ đầu; trong một cuộc kiểm tra tuân thủ hoặc phản ứng sự cố, khi ai đó cần giải thích tại sao hệ thống hoạt động theo một cách nhất định, dưới áp lực thời gian, với một cơ quan quản lý không chấp nhận “người xây dựng nó đã rời đi vào năm 2014” là một câu trả lời.

Khi được đối xử như vậy, việc hiện đại hóa cũ ngừng trở thành một mục trong danh sách kỹ sư và bắt đầu trông giống như một câu hỏi về sự bền vững của tổ chức, điều này có nghĩa là không chỉ CTO nên quan tâm. Đó là CIO cân nhắc những gì xảy ra khi nhân viên kỹ thuật chủ chốt rời đi, các đội M&A cố gắng định giá những gì họ thực sự mua, và các hội đồng quản trị suy nghĩ về bao nhiêu kiến thức hoạt động của công ty tồn tại ở nơi nào khác ngoài mã mà không ai hiện đọc.

Lưu ý quan trọng

Không có gì trong số này hoạt động mà không có sự giám sát. Phiên bản rủi ro nhất của cách tiếp cận này là một nơi giải thích của tác nhân về logic kinh doanh cũ được tin cậy mà không cần xác minh, vì hệ thống cũ chính xác là nơi mà một giả định sai của AI tự tin có thể tốn kém nhất. Giá trị là AI làm cho nó có thể trở thành những kỹ sư hiểu kinh doanh một lần nữa, tại một hệ thống mà không ai hiểu hiện tại. Nó không thay thế họ.

Nơi tôi nghĩ điều này sẽ đi tiếp

Trong hai thập kỷ, các doanh nghiệp đã đối xử với phần mềm cũ như một thứ cần thoát: một trung tâm chi phí để tài trợ miễn cưỡng và hiện đại hóa càng nhanh càng tốt. Tôi nghĩ AI sắp tiết lộ rằng rất nhiều mã đó thực sự là một trong những kho kiến thức quý giá nhất mà doanh nghiệp từng xây dựng. Nó chỉ cần một thứ có thể đọc nó. Các nhà nghiên cứu đã ghi lại phía bên kia của vòng lặp này: một bài đánh giá văn học đa giọng về phát triển hỗ trợ LLM năm 2026 cho thấy rằng việc theo đuổi tốc độ tăng tốc bởi AI ngày nay thực sự đang tạo ra “nợ tích hợp nhanh”, mã được vận chuyển nhanh hơn mức có thể hiểu được. Việc hiện đại hóa cũ chỉ là hóa đơn cuối cùng đến sớm, một thế hệ trước.

Tôi sẽ rất tò mò khi biết liệu các nhà lãnh đạo công nghệ và kỹ thuật khác có thấy sự thay đổi tương tự: lợi tức đầu tư AI của bạn có xuất hiện nhiều hơn trong những gì bạn đang xây dựng, hay trong những gì bạn cuối cùng có thể hiểu và bảo tồn? Và đối với bất kỳ ai đã cố gắng chạy các tác nhân AI chống lại một hệ thống thực sự cũ, không có tài liệu, ở đâu sự hiểu biết của tác nhân đứng vững dưới sự xác minh, và ở đâu nó im lặng sụp đổ?