Có một tình huống ngày càng quen thuộc với ai làm việc cùng AI coding agent: bạn giao một task, AI dừng lại suy nghĩ, phân tích, rồi đưa ra một execution plan hoàn chỉnh, có khi dài cả ngàn dòng, liệt kê từng bước sẽ sửa file nào, thêm hàm gì, thay đổi logic ra sao. Về lý thuyết đây là điều tốt. Plan càng chi tiết, càng ít rủi ro AI code sai hướng. Nhưng thực tế lại nảy sinh một vấn đề ít ai nói ra: chúng ta không thể nhắm mắt approve một cái plan như vậy, mà buộc phải review nó. Và việc review một kế hoạch dài, đầy đủ từ đầu đến cuối, hóa ra lại khó hơn nhiều so với việc tự mình plan.
Vấn đề không nằm ở AI, mà nằm ở cách não người vốn hoạt động
Con người không quen với việc lên kế hoạch trọn vẹn từ đầu đến cuối rồi mới bắt tay vào làm. Cách chúng ta giải quyết vấn đề thường mang tính lặp: nghĩ vài bước, có thể chỉ ở mức high level, bắt tay làm thử, quan sát kết quả, phát hiện chỗ sai, rồi điều chỉnh. Cứ vậy lặp lại cho đến khi đạt mục tiêu. Đây gần như là bản năng nhận thức, không phải thói quen có thể bỏ dễ dàng. Trong tâm lý học có khái niệm gọi là bounded rationality, đại ý con người không có khả năng xử lý toàn bộ thông tin của một vấn đề phức tạp cùng lúc, nên luôn có xu hướng chia nhỏ, giải quyết từng phần, và dựa vào phản hồi thực tế để điều chỉnh hướng đi thay vì tính toán hết mọi khả năng trước.
Khi phải review một plan dài cả ngàn dòng do AI soạn sẵn, chúng ta đang bị đặt vào đúng tình huống trái với bản năng đó. Không có phản hồi thực tế nào để bám vào, chỉ có chữ và logic trên giấy. Bộ nhớ làm việc của con người vốn giới hạn, khó giữ được toàn bộ ngữ cảnh của một plan dài trong đầu cùng lúc để đánh giá tính đúng đắn tổng thể. Kết quả thường là một trong hai thái cực. Một là đọc lướt, gật đầu theo quán tính vì plan nhìn có vẻ hợp lý, rồi approve mà không thực sự hiểu hết rủi ro. Hai là cố đọc kỹ từng dòng, nhưng càng đọc càng mệt, sự tập trung giảm dần về cuối, và phần dễ bỏ sót lỗi nhất lại thường nằm ở nửa sau của plan.
Vài hướng tiếp cận để giảm bớt khoảng cách này
Vấn đề này không có lời giải hoàn hảo, nhưng có vài cách tiếp cận đáng thử để review hiệu quả hơn mà không phải cưỡng ép não bộ làm việc trái bản năng.
Chia plan thành các checkpoint nhỏ thay vì review một lần trọn gói. Thay vì để AI đưa ra toàn bộ plan rồi approve một phát, có thể yêu cầu AI thực thi theo từng giai đoạn, mỗi giai đoạn dừng lại để review và chạy thử trước khi sang bước tiếp theo. Cách này gần với nhịp điệu tự nhiên của con người hơn: làm một đoạn, thấy kết quả, rồi mới quyết định bước kế tiếp. Nó đánh đổi tốc độ để lấy lại cảm giác kiểm soát.
Thiết kế vòng lặp phản hồi ngay trong lúc AI chạy plan, thay vì chỉ review trước khi chạy. Thay vì coi việc approve plan là cửa ải duy nhất, có thể để AI vừa chạy vừa dừng lại ở những điểm nhất định, chẳng hạn sau khi hoàn thành một module, sau khi migrate xong một phần dữ liệu, hoặc trước một thao tác khó đảo ngược. Tại mỗi checkpoint đó, con người không chỉ đọc log, mà thực sự chạy thử, nhìn kết quả, cảm nhận xem hướng đi có đúng như mình hình dung không, rồi mới quyết định cho AI đi tiếp hay dừng lại điều chỉnh. Cái hay của cách này là nó tái tạo đúng cảm giác quen thuộc khi con người tự làm việc: làm một đoạn, cảm nhận, rồi mới quyết định bước kế tiếp, thay vì phải tưởng tượng trước toàn bộ kết quả chỉ qua việc đọc plan bằng chữ. Đây gần như là cách chuyển một quyết định review một lần, dồn hết rủi ro vào đầu, thành nhiều quyết định nhỏ rải đều theo tiến trình, mỗi quyết định đều có dữ liệu thực tế để dựa vào chứ không phải suy đoán thuần túy.
Review theo lớp, từ high level xuống chi tiết, thay vì đọc tuần tự từ trên xuống dưới. Bước đầu chỉ nhìn cấu trúc tổng thể của plan, các module hoặc file chính bị ảnh hưởng, xem hướng đi có hợp lý không. Nếu ổn mới đi sâu vào từng phần chi tiết. Cách này giống việc đọc mục lục trước khi đọc từng chương, giúp não phân bổ sự chú ý đúng chỗ thay vì dàn trải đều cho cả ngàn dòng như nhau.
Để AI tự đánh dấu phần rủi ro cao, thay vì để con người tự mò. Yêu cầu AI gắn nhãn mức độ rủi ro hoặc mức ảnh hưởng cho từng bước trong plan, ví dụ bước nào chỉ là thay đổi cosmetic, bước nào động vào business logic hoặc dữ liệu quan trọng. Con người khi đó có thể tập trung năng lượng review vào đúng những chỗ đáng lo, thay vì chia đều sự chú ý cho toàn bộ plan.
Chạy thử trong sandbox trước khi review kỹ bằng mắt. Nếu môi trường cho phép, để AI thực thi plan trong một nhánh hoặc sandbox riêng, sau đó review qua diff và kết quả chạy thực tế thay vì review plan dạng văn bản thuần túy. Con người vốn tin vào bằng chứng thực nghiệm hơn là suy luận trừu tượng, nên nhìn diff và kết quả test sẽ dễ đánh giá đúng sai hơn nhiều so với đọc mô tả kế hoạch.
Chấp nhận rằng plan là tài liệu sống, không phải hợp đồng cố định. Một phần áp lực khi review đến từ tâm lý coi việc approve plan là cam kết không thể đổi. Nếu xem plan như bản nháp có thể điều chỉnh giữa chừng, người review sẽ bớt căng thẳng phải bắt lỗi hết ngay từ đầu, và có thể yên tâm sửa dần trong lúc thực thi, đúng với cách con người vốn quen giải quyết vấn đề.
Xét cho cùng, vấn đề không phải AI lập plan sai cách, mà là con người đang bị yêu cầu làm một việc trái với cách bộ não vốn tiến hóa để giải quyết vấn đề. Thay vì cố ép mình đọc và duyệt một kế hoạch hoàn chỉnh như một cỗ máy, có lẽ cách thực tế hơn là thiết kế lại quy trình làm việc với AI sao cho gần với nhịp điệu tự nhiên của con người: từng bước, có phản hồi, có điều chỉnh, thay vì tất cả dồn vào một lần duyệt duy nhất.
Transforming Leadership 