Tiếp tục mạch suy nghĩ về ADLC như mình đã đề cập ở bài trước về Enterprise Agent Builder, tuần này có một sự trùng hợp khá thú vị.
Sau khi vừa triển khai xong khái niệm ADLC với team, với mục đích là embed AI vào toàn bộ quy trình từ market research, pre-sales cho đến delivery, với các principle chủ đạo là: nói không với vibe coding, phải scale được cho cả team, streamline process từ đầu tới cuối, adapt với quy trình và deliverable template của doanh nghiệp lẫn khách hàng, và continuous learning and improvement. Thì ngay trong tuần này lại đọc được về Harness Engineering.
Đại loại là ý tưởng của Harness Engineering không chỉ là tối ưu công cụ hay quy trình, mà là thiết kế lại toàn bộ “văn phòng”: quy trình, con người, công cụ, và kiểm soát chất lượng, để công việc thật sự được hoàn thành một cách có hệ thống. Chí lớn gặp nhau.
Và trong đầu mình vẫn đang có một dòng suy nghĩ nối tiếp đó là tương lai của ngành IT này sẽ đi về đâu, có lẽ sẽ là Lập trình bằng ngôn ngữ tự nhiên, hay còn gọi là Declarative Development.
Nếu ADLC là việc AI tham gia vào từng giai đoạn của quy trình phát triển, thì declarative development là bước tiến xa hơn một nấc: thay vì phân tích từng bước, soạn thảo từng file design rồi code từng dòng, chúng ta chỉ cần mô tả bằng ngôn ngữ tự nhiên những gì mình muốn đạt được, còn AI Agents sẽ lo phần còn lại.
Nghe có vẻ xa vời, nhưng thực ra nó đang diễn ra rồi, chỉ là chưa đủ chuẩn hóa và chưa đủ tin cậy để triển khai ở quy mô enterprise.
Điểm mấu chốt là ở đây: để declarative development hoạt động đúng nghĩa, chúng ta cần làm được hai việc song song.
Thứ nhất là thiết kế môi trường cho Agents. Không phải chỉ cần prompt tốt là xong. Agents cần có không gian hoạt động rõ ràng, được kết nối với đúng công cụ, có guardrails để không đi lạc, và có feedback loop để học từ kết quả thực tế. Đây chính xác là bài toán mà mình đang xây dựng với SpecOps, nơi mỗi phase đều có prompt chuẩn, context được truyền nhất quán, và output có thể kiểm soát được.
Thứ hai là nâng cấp kỹ năng mô tả của con người. Khi AI lo phần execution, thì việc mô tả đúng và đủ trở thành kỹ năng cốt lõi. Không phải ai cũng giỏi điều này ngay từ đầu. Đây là lý do tại sao trong ADLC, mình nhấn mạnh rằng AI không chỉ execute mà còn phải giúp người dùng chuẩn chỉnh lại yêu cầu trước khi bắt đầu làm. Giống như superpowers luôn brainstorm lại với mình nếu requirement chưa đủ rõ.
Và điều đáng kinh ngạc là: nếu một doanh nghiệp làm được điều này trước, tức là vừa thiết kế được môi trường Agent vừa xây được văn hóa mô tả thay vì chỉ thực thi, thì lợi thế dẫn đầu sẽ rất lớn và rất khó bị copy. Vì đây không phải là lợi thế từ một tool cụ thể. Đây là lợi thế từ một cách vận hành mới hoàn toàn.
Câu hỏi mình đang nghĩ tiếp là: trong mô hình đó, con người sẽ được đánh giá như thế nào? Liệu KPI của một kỹ sư tương lai sẽ là số dòng code, số ticket đóng, hay là chất lượng của những gì họ mô tả và chất lượng của hệ thống Agent mà họ thiết kế ra?
Transforming Leadership 