Tuyên ngôn về AI trong kỹ thuật phần mềm của Proton

Tuyên ngôn AI của Proton về kỹ thuật phần mềm Ý kiến Bart Butler Đăng ngày 1/11/2026 Chia sẻ trang này: (cửa sổ mới) (cửa sổ mới) (cửa sổ mới) (cửa sổ mới) (cửa sổ mới) Sao chép liên kết Trong hai thập kỷ qua, các chính phủ và nhiều tổ chức đã chi hàng tỷ USD để phổ cập kỹ năng lập trình. Đây từng được xem là một trong số ít ngành nghề an toàn trước các biến động của thời đại. Tuy nhiên, thực tế cho thấy việc viết và xử lý mã nguồn lại là lĩnh vực phù hợp nhất với các mô hình AI. Trong vài năm gần đây, các công ty công nghệ đã cắt giảm hơn 1 triệu nhân sự; riêng Microsoft tuần trước đã đề nghị gói thỏa thuận thôi việc cho 60.000 người. Đây là giai đoạn gây bất an và hoang mang sâu sắc đối với lực lượng lao động trong ngành phần mềm. Cách đây khoảng một tháng, người viết đã gửi một bản ghi nhớ nội bộ nêu chi tiết lộ trình ứng dụng AI mà Proton phải thực hiện để duy trì năng lực cạnh tranh và bảo đảm an toàn; đồng thời chỉ rõ những thiếu sót cần khắc phục để quá trình chuyển dịch tất yếu này đạt kết quả. Các tổ chức chậm chuyển đổi chắc chắn sẽ làm suy giảm niềm tin của đội ngũ nhân sự cũng như của những đối tượng phụ thuộc vào tổ chức. Bản ghi nhớ này cũng nhằm khẳng định với đội ngũ nhân sự rằng tổ chức không phải là bên tiếp nhận thụ động; công ty cần năng lực và trình độ chuyên môn của họ để hiện thực hóa chuyển đổi, và bước ngoặt này mang lại cơ hội cho những người chủ động chuẩn bị và tham gia. Văn bản nêu trên không phải là tài liệu kỹ thuật chuyên sâu và không đi sâu vào các khía cạnh chi tiết về bảo mật, độ tin cậy hay cơ sở hạ tầng, mà định hướng con đường phát triển chung cho toàn ngành. Toàn văn bản ghi nhớ được đăng tải dưới đây. Tải bản PDF tuyên ngôn AI (cửa sổ mới) AI tại Proton: Tuyên ngôn kỹ thuật Đối với nhân sự tại Proton, đặc biệt là khối kỹ thuật, việc ngành kỹ thuật phần mềm thay đổi căn bản trong năm nay, hoặc thậm chí sớm hơn, là điều không còn bất ngờ. Các mô hình LLM và hệ công cụ liên quan đã đạt năng lực tạo mã đến mức một kỹ sư cao cấp của Proton cách đây vài ngày đã khẳng định: “Hiện không còn ai tự viết mã tại {business unit name} nữa.” Tương tự việc ghi nhớ số điện thoại trong thế kỷ 20 hay di chuyển bằng ngựa trong thế kỷ 19, việc viết mã chất lượng cao bằng phương pháp thủ công là kỹ năng cốt lõi đã qua thời hoàng kim. Nhìn chung, đây là bước tiến tích cực. Phần lớn công việc viết mã từ trước đến nay là thao tác đơn điệu và tiêu tốn thời gian, đặc biệt trong môi trường vận hành quy mô lớn. Công tác lập tài liệu và kiểm thử là bắt buộc nhưng ít người muốn thực hiện, dẫn đến việc thường xuyên bị xem nhẹ trong quá khứ, kéo theo hệ lụy về giao tiếp kém hiệu quả, giảm năng suất và suy giảm độ tin cậy. Các đoạn mã mẫu lặp lại (boilerplate) là điển hình của sự đơn điệu trong kỹ thuật phần mềm, và con người có thể sẽ không còn phải bận tâm về vấn đề này. Hiện nay, các mô hình đã có thể tư vấn và đề xuất kiến trúc cũng như thiết kế hệ thống; dù chưa hoàn thiện, các đề xuất này đóng góp thiết thực cho quá trình thảo luận, ra quyết định và đào tạo. Bên ngoài Proton, cuộc cách mạng AI đang diễn ra mạnh mẽ trên phạm vi toàn cầu. Trong đó, không ít hoạt động mang tính phô trương, hình thức nhằm tạo dựng hình ảnh đổi mới hơn là đổi mới thực chất. Dù vậy, phần lớn bước chuyển dịch là có thật, và các khoản đầu tư hiện nay của các doanh nghiệp (bao gồm cả các đối thủ cạnh tranh) sẽ định hình môi trường kinh doanh trong tương lai. Đây không phải là việc chạy theo xu hướng; việc bị tụt lại phía sau lúc này là nguy cơ mang tính sống còn đối với việc thực hiện thắng lợi sứ mệnh của tổ chức. Vậy tại sao tại Proton lại chưa xuất hiện cảm giác về một cuộc cách mạng? Vì sao năng suất lao động không tăng đột biến dù mọi người đã liên tục sử dụng các mô hình ngôn ngữ lớn (LLM)? Thực trạng này bắt nguồn từ ba nguyên nhân, đòi hỏi phải được khắc phục để có thể thành công trong một kỷ nguyên mới vốn đã hiện hữu thay vì chỉ sắp diễn ra. Nguyên nhân thứ nhất là sự thay đổi trong văn hóa kỹ thuật và tư duy của kỹ sư. Công việc của kỹ sư về cơ bản đã thay đổi. Nhiệm vụ hiện nay không còn là viết mã, và LLM không hiện diện để hỗ trợ viết mã tốt hơn hay nhanh hơn. Thay vào đó, nhiệm vụ là hỗ trợ LLM viết mã tốt hơn và nhanh hơn. Mỗi kỹ sư giờ đây đóng vai trò như một trưởng nhóm, một nhà quản lý; các nhân sự cấp dưới trực tiếp chính là những mô hình và tác tử (agent) được sử dụng. Việc trực tiếp hướng dẫn và hiệu chỉnh khi các mô hình mắc lỗi hiển nhiên là một phần công việc. Tuy nhiên, một nhóm hai người liên tục lập trình cặp (pair programming) khó có thể tạo nên một tập thể hiệu quả; tương tự, một nhóm sẽ không thể vận hành nếu không ai làm việc khi trưởng nhóm bận họp. AI cần có khả năng vận hành tự chủ và liên tục mà ngày càng ít cần đến sự giám sát, kèm cặp của con người. Nhiệm vụ của kỹ sư là nhận diện những vấn đề mà LLM không thể tự giải quyết, hỗ trợ mô hình xử lý không chỉ trong trường hợp hiện tại mà còn nâng cao hiệu quả cho những lần tiếp theo, áp dụng cho toàn bộ tập thể: xây dựng các tệp ngữ cảnh ở cấp độ kho lưu trữ (repository-level context files), chia sẻ kỹ năng và câu lệnh (prompts), đồng thời hình thành thói quen kiểm tra và khắc phục triệt để mỗi khi phát sinh lỗi lặp lại. Kỹ sư cần thúc đẩy giới hạn tự chủ của LLM, can thiệp vào những phần việc mô hình chưa thể thực hiện và luôn tìm kiếm giải pháp cải thiện hiện trạng. Điều này không đồng nghĩa với sự triệt tiêu của chuyên môn. LLM có tốc độ xử lý nhanh. Con người có thể chậm hơn, nhưng sở hữu kinh nghiệm tích lũy, khả năng phán đoán và sự hiểu biết sâu sắc. Con người cũng ít có nguy cơ gặp hiện tượng ảo giác (hallucination) hay bị dẫn dắt bởi các dữ liệu đầu vào sai lệch hoặc độc hại, đồng thời mang tinh thần trách nhiệm trước bản thân, đồng nghiệp và Proton—điều mà một mô hình không bao giờ có được. Sự kết hợp giữa con người và công nghệ sẽ mang lại năng suất và tốc độ vượt trội so với khi hoạt động độc lập. Đây cũng không phải là dấu chấm hết cho các thông lệ kỹ thuật tối ưu. Khả năng bảo trì và tốc độ phát triển luôn đạt hiệu quả cao hơn trên các cơ sở mã nguồn có kiến trúc tốt. Tài liệu kỹ thuật và quy trình kiểm thử (tests) vẫn giữ vai trò then chốt. Dẫu vậy, các thông lệ này cần sẵn sàng thích ứng trước sự thay đổi về chi phí và năng lực công nghệ. Quy trình kiểm thử là một ví dụ điển hình. Theo thông lệ cũ, việc thiết lập quá nhiều bài kiểm thử (đặc biệt là kiểm thử toàn trình - end-to-end) là sự đánh đổi không hợp lý trong bối cảnh chi phí xây dựng và bảo trì kiểm thử còn tốn kém. Khi các chi phí này giảm xuống, giới hạn quy chuẩn cũng sẽ thay đổi theo. Nguyên nhân thứ hai khiến Proton chưa thể tận dụng tối đa cuộc cách mạng AI xuất phát từ việc gần như