#276 Tương lai của ngành phát triển phần mềm
Các số trước của Grokking Newsletter đã giới thiệu các bài viết và nhận định có nhiều tính kĩ thuật nên kì này mình muốn mang đến cho các bạn một vài tin tức công nghệ.
Cách đây 25 năm ở khu trượt tuyết tại Utah, 17 nhà phát triển phần mềm đã tập trung lại và thảo luận về định hướng của ngành phát triển phần mềm và họ khai sinh ra bản tuyên ngôn Agile. Vào ngày 28 tháng 6, 2026 vừa qua, với sự lớn mạnh không thể chối bỏ của AI, Thoughtworks của Martin Fowler đã tổ chức 1 hội thảo về sự ảnh hưởng của AI đến tương lai của ngành phát triển phần mềm ở Engelberg, Thụy Sĩ. Hội nghị lần này quy tụ hơn 60 nhà phát triển, nhà nghiên cứu và các lãnh đạo doanh nghiệp hàng đầu.
The future of Software Development retreat
Khác với sự kiện 25 năm trước tập trung chính vào việc cách xây dựng 1 software, thì phạm vi các chủ đề và ý tưởng được thảo luận tại sự kiện năm nay rất đa dạng. Tuy nhiên, một số chủ đề chính đã xuất hiện tạo nền tảng cho việc khám phá, thử nghiệm và suy ngẫm trong tương lai, minh xin nêu một vài chủ đề nổi bật:
The rigor has to go somewhere. Khi mà các tác nhân AI tạo ra ngày càng nhiều code, sự kỉ luật trong software engineering không biến mất mà di chuyển sang một nơi khác. Như Chad Fowler đã chỉ ra: nếu chúng ta dừng quan tâm về code của mình, tính nghiêm ngặt của chúng ta sẽ di chuyển đi qua một nơi khác.
Supervisory engineering: A new middle loop. Với sự xuất hiện của AI, một loại hình công việc chưa được đặt tên đã xuất hiện. Nó không phải là viết code hay quản lí release mà nằm ở giữa cả hai: điều hướng agents, đánh giá output của agents, cân bằng trust, mã hóa các tiêu chuẩn và xác định các ràng buộc để các agents hoạt động một cách an toàn.
Engineering is becoming risk management. Code production tạo ra ngày càng nhanh hơn và có chi phí rẻ hơn, việc hiểu rủi ro tồn tại ở đâu và chỗ nào cần sự chú ý hay can thiệp của con người là rất quan trọng
Teams, roles and organizational design. Đây vẫn là một vấn đề còn bỏ ngỏ và đòi hỏi sự chú ý liên tục từ industry.
Semantic layers, knowledge graphs and the data foundation. Các lớp ngữ nghĩa và knowledge graphs đang nhanh chóng trở thành lớp tương tác cho các agents. Đó là cách agent hiểu rõ được nghiệp vụ doanh nghiệp, xác thực logic kinh doanh và duy trì nguồn thông tin đáng tin cậy.
Programming languages, source code and what comes next. Câu hỏi lớn đặt ra ở chủ đề này là ngôn ngữ lập trình cho AI agent thì sẽ trông như thế nào? Hầu hết mọi người đi đến 1 nguyên lý chung: cái gì tốt cho AI thì sẽ tốt cho con người. Các ngôn ngữ strong types giúp Agent tạo code tốt và đúng hơn và cũng giúp con người kiểm lại dễ dàng. Và ngược lại các ngôn ngữ ưu tiên tính diễn đạt thay vì tính an toàn khiến cho agent và con người làm việc khó hơn.
Mời các bạn vào đọc báo cáo đầy đủ chi tiết của Thoughtworks ở đường link được đính kèm ở tiêu đề.
AI Has Broken Hiring. Here's How to Fix it.
Mời các bạn đọc qua bài viết của Harvard Business Review nói về việc tuyển dụng truyền thống đang bị thách thức mạnh mẽ đến từ AI phái sinh (Generative AI). Các ứng cử viên đang sử dụng Gen AI để viết ra những bản CV hay resume rất là chuẩn chỉnh và bài bản. Điều này làm cho công tác sàng lọc ứng cử viên trong vòng đầu tiên cực kì khó khăn. Ngoài ra, các công cụ AI hỗ trợ phỏng vấn trong thời gian thực (real-time) làm giảm mức độ tin cậy đáng kể của các vòng remote interview. Thay vì đi chống lại AI, chúng ta nên tập thích nghi. Tác giả có đề xuất một số giải pháp:
Tác biệt phần kiểm định danh tính với kiểm tra kĩ năng thành các vòng riêng.
Các vòng phỏng vấn nên phản ánh công việc thực tế (với hoặc không có AI trong công việc)
Ưu tiên sự thật thà hơn là sự hoàn hảo được đánh bóng.
Nên có ít nhất 1 vòng phỏng vấn thực tế cho các vị trí senior trở lên
The code review is dead… Long live the code review
Code review luôn được xem là nền tảng quan trọng của software engineering trong hơn một thập kỉ gần đây. Code review là cơ chế mặc định của nhiều team để quản lý chất lượng, mentorship và chia sẽ kiến thức chung giữa các thành viên. Tuy nhiên trong thời buổi nhà nhà đều xài AI để generate code thì khối lượng code được sinh ra bởi AI đã vượt xa so với con người. Nếu một AI agent có thể sinh 500 dòng code trong 5 giây, nhưng một kĩ sư con người lại cần ít nhất 30 phút tập trung cao để review 500 dòng code đó thì việc review code đang trở thành một bottleneck tàn khốc. Vậy giải pháp chúng ta có là gì? Chúng ta vẫn chưa ở giai đoạn tin tưởng hoàn toàn code sinh ra bởi AI agent, việc hy sinh quality đổi lấy tốc độ là điều không thể chấp nhận trong software engineering practices hiện tại. Mời các bạn đọc qua bài viết của Geraldo ở Thoughtworks trình bày các giải pháp thay thế cho code review truyền thống.