Nhiều doanh nghiệp đang đối mặt với thực tế phũ phàng khi cố gắng đưa mã nguồn do trí tuệ nhân tạo (AI) tạo ra vào môi trường vận hành thực tế. Theo đại diện từ SAP, việc tạo ra mã nguồn bằng AI thì rất nhanh, nhưng để đoạn mã đó chạy ổn định, tuân thủ các quy định bảo mật và có thể bảo trì lâu dài trong các hệ thống doanh nghiệp lớn là một bài toán phức tạp mà đa số tổ chức đang đánh giá thấp.
Bối cảnh & Nguyên nhân
Theo báo cáo từ SAP, dù có đến 81% tổ chức đã xây dựng chiến lược AI chi tiết, chỉ có khoảng 12% đến 16% thực sự đạt đến bước thực thi hiệu quả bằng AI. Nguyên nhân cốt lõi hiếm khi nằm ở chất lượng của đoạn code được tạo ra. Thay vào đó, các nhóm phát triển thường xây dựng thành công các bản thử nghiệm (prototype) rất ấn tượng, nhưng sau đó lại vấp ngã vì thiếu quyền truy cập dữ liệu thực tế, thiếu tích hợp hệ thống, hoặc không có đủ quyền hạn để chạy ứng dụng trong môi trường thật. Điều này cho thấy AI có thể giúp khuếch đại năng lực công nghệ sẵn có của một tổ chức, nhưng không thể thay thế cho sự trưởng thành về mặt dữ liệu và quy trình.
Phân tích kỹ thuật & Công nghệ
Thách thức lớn nhất về mặt kiến trúc nằm ở khâu tích hợp trong các môi trường doanh nghiệp phức tạp, nơi đan xen giữa hệ thống đám mây, hạ tầng on-premise cũ kỹ và hàng chục ứng dụng rời rạc. Để giải quyết, doanh nghiệp cần một lớp nền tảng hợp nhất quyền truy cập dữ liệu và quản trị trước khi triển khai các tác vụ tự động. SAP đề xuất giải pháp thông qua nền tảng Business AI Platform tích hợp các công cụ như Joule Studio, Integration Suite và SAP AI Agent Hub nhằm cung cấp ngữ cảnh kinh doanh chính xác cho AI. Khi AI chuyển từ vai trò trợ lý sang thực thi hành động, hệ thống đòi hỏi hai mô hình phân quyền rõ rệt: ủy quyền trực tiếp từ người dùng (principal propagation) hoặc định danh độc lập cho agent tự động (system-triggered agents), kết hợp chuẩn OpenTelemetry để giám sát toàn diện.
Ý kiến chuyên gia & Nhận định
Ông Michael Ameling, Giám đốc Sản phẩm của SAP Business Technology Platform, nhấn mạnh rằng việc tạo ra mã nguồn và vận hành nó là hai bài toán hoàn toàn khác nhau. Ông chia sẻ rằng các khách hàng lớn cần đảm bảo không có bất kỳ sự thỏa hiệp nào về tính tuân thủ và bảo mật, vì mã nguồn trong doanh nghiệp lớn phải chạy ổn định và được bảo trì trong hàng chục năm. Ông Ameling cũng lưu ý rằng các kỹ sư công nghệ cần thay đổi tư duy kiểm thử, chấp nhận việc xác thực trong môi trường live hoặc thử nghiệm A/B/C thay vì các phương pháp chia môi trường dev/test truyền thống vốn không còn hiệu quả khi mô hình AI phản hồi khác nhau tùy theo dữ liệu thực tế.
Tác động & Tương lai
Sự bùng nổ của AI tạo code không xóa bỏ vai trò của lập trình viên mà đang dịch chuyển trọng tâm công việc của họ. Lập trình viên sẽ chuyển sang vai trò giám sát, điều phối nhiều agent chạy song song và đưa ra các quyết định kiến trúc quan trọng. Đối với các doanh nghiệp, lợi thế cạnh tranh lâu dài sẽ không nằm ở bản thân công cụ AI, mà nằm ở khả năng số hóa và đóng gói các tài sản trí tuệ độc quyền, từ quy trình sản xuất đến logic quản trị rủi ro, để AI có thể kế thừa và tối ưu hóa hiệu quả.