Lần đầu tiên tôi thử sử dụng AI tại nơi làm việc, tôi nghĩ nó sẽ tiết kiệm cho chúng tôi rất nhiều thời gian. Nhưng thay vào đó, nó chỉ đứng yên, chờ đợi hướng dẫn. Nó khiến tôi nhớ đến khi có đồng nghiệp mới gia nhập đội - thông minh, háo hức, nhưng hoàn toàn không biết phương hướng vì không ai giải thích cách mọi thứ hoạt động.
Đó là cách AI trông như thế nào trong nhiều công ty ngày nay.
Mọi người nói, "Sử dụng AI để làm việc nhanh hơn!". Nhưng AI giống như một đồng nghiệp mới. Nó không biết cái gì quan trọng, cái gì mới, cái gì cũ, hoặc phần nào của code của bạn là khó khăn. Nó không biết mục tiêu của bạn, quy tắc đặt tên, hoặc tìm ai để hỏi về service không ổn định. Trừ khi bạn cung cấp cho nó thông tin đủ tốt, còn không nó sẽ không thể giúp đỡ nhiều.
Nếu bạn muốn AI giúp đội ngũ của bạn, bạn phải thiết lập để nó để thành công trước.
Nút thắt cổ chai thực sự không phải là mô hình
Hầu hết các công ty không bị kìm hãm bởi mô hình yếu. Họ bị kìm hãm bởi ngữ cảnh yếu.
Thật hấp dẫn khi tin rằng chỉ cần cắm các công cụ AI như Copilot hoặc ChatGPT vào quy trình làm việc của bạn sẽ ngay lập tức làm đội ngũ của bạn nhanh hơn, năng suất hơn, cạnh tranh hơn. Nhưng các sự thật là các mô hình đã hoạt động khá tốt ở thời điểm hiện tại.
Câu hỏi thực sự là: bạn có đang cung cấp cho chúng môi trường chúng cần để phát triển không?
Hãy để tôi nói rõ hơn. Công cụ AI không thay thế hệ thống của bạn. Chúng dựa vào hệ thống của bạn.
- Nếu kiến thức của bạn bị phân tán khắp Slack, Jira, Notion, và trong đầu mọi người, AI sẽ không tìm thấy nó.
- Nếu tài liệu của bạn lỗi thời hoặc mơ hồ, AI sẽ đoán và thường đoán sai.
- Nếu quy trình làm việc của bạn vụng về hoặc thủ công, AI không thể sửa chúng mà không có hướng dẫn.
Bạn sẽ không thuê một kỹ sư và sau đó để họ mù quáng làm việc. Vậy tại sao chúng ta làm điều đó với AI?
AI giống như một đồng nghiệp học nhanh, không bao giờ ngủ, và không bao giờ phàn nàn nhưng chỉ khi bạn onboard họ tốt. Điều đó có nghĩa là chuyển từ "AI có thể làm gì?" sang "chúng ta cần cung cấp gì để AI có thể giúp đỡ?"
Đây là nơi nhiều đội ngũ bị kẹt lại.
Họ thử AI. Nó đưa ra câu trả lời kỳ lạ. Họ đổ lỗi cho công cụ. Nhưng trong thực tế, nó thường là vấn đề dữ liệu và ngữ cảnh.
Đây là sự thật hầu hết mọi người bỏ lỡ: AI cần cấu trúc, sự rõ ràng, và ngữ cảnh chung để hoạt động tốt. Giống như con người vậy.
Để làm điều đó xảy ra, tổ chức của bạn phải bắt đầu đối xử với thông tin như một sản phẩm không chỉ là những thứ được ném vào Confluence hoặc viết vào code comments. Điều đó có nghĩa là:
- Tập trung các quyết định, docs, và code vào một nơi.
- Sử dụng cấu trúc ngữ nghĩa như labels rõ ràng. Sử dụng tags, hoặc liên kết với các loại dữ liệu khác để làm cho thông tin có ý nghĩa.
- Hãy tự hỏi: "một kỹ sư mới (hoặc AI) có thể làm cái này hoặc hiểu nó mà không cần hỏi người khác không?"
Cách thiết lập AI để thành công
Bạn muốn đòn bẩy thực sự từ AI? Bạn phải xây dựng nền tảng trước. Đây là cách mà tôi đã rút ra được.
Tập trung hóa ngữ cảnh của bạn
Kiến thức của bạn nên sống ở nơi công việc của bạn sống. Đó có thể là một monorepo được cấu trúc tốt, một hệ thống quản lý tài liệu, hoặc một workspace chung được liên kết với source version control.
Viết cho người đọc (và AI)
AI không thể đọc được suy nghĩ của bạn. Đồng nghiệp của bạn cũng vậy. Dù bạn đang viết kế hoạch triển khai, file README, hoặc tài liệu thiết kế hệ thống, hãy rõ ràng, cụ thể, và viết như ai đó sẽ đọc cái này sau để thực hiện nó.
Thêm các lớp ngữ nghĩa
Một số công ty đang chuyển khỏi việc sử dụng SaaS (Software as a Service) và công cụ bên thứ ba để họ có thể kiểm soát và tổ chức dữ liệu của riêng mình tốt hơn. Họ muốn chuẩn bị nó cho việc sử dụng AI và có thể thậm chí fine-tune các mô hình riêng của họ. Điều này cho thấy cấu trúc dữ liệu tốt đã trở nên quan trọng như thế nào trong việc làm việc với AI.
Một số đã có hệ thống mạnh mẽ để xử lý dữ liệu. Nhưng hầu hết vẫn sử dụng để tạo báo cáo cho con người đọc. Những báo cáo này thường loại bỏ các chi tiết nhỏ và kết nối hữu ích mà AI cần để hoạt động tốt. Chúng ta cần cải thiện các hệ thống này để chúng cũng bao gồm ý nghĩa, ngữ cảnh, và liên kết rõ ràng giữa các phần dữ liệu khác nhau.
Cấu trúc quan trọng. Metadata, quy ước đặt tên, tagging, v.v, đây là những manh mối mà AI sử dụng để điều hướng thế giới của bạn. Nếu bạn muốn nó phản hồi tốt hơn, hãy cung cấp cho nó tín hiệu tốt hơn.
Đo lường những gì quan trọng
Đừng chỉ hỏi liệu AI có đang được sử dụng không, hãy hỏi liệu nó có đang tạo ra giá trị không? Chúng ta có ship nhanh hơn không? Bugs có được phát hiện sớm hơn không? Devs có dành nhiều thời gian hơn cho công việc quan trọng hơn không? Sử dụng các chỉ số thực: lead time, test coverage, v.v để đánh giá.
Nếu bạn muốn AI giúp đỡ, bạn cần:
- Cung cấp cho nó ngữ cảnh tốt. Đầu vào rõ ràng tạo ra đầu ra hữu ích.
- Thiết kế tổ chức của bạn để có thể đọc được. AI học từ hệ thống của bạn, hãy làm cho chúng sạch sẽ.
- Làm cho các cấu trúc trở thành mặc định. Ngữ nghĩa > các mảnh vụn phân tán.
Thiết lập AI của bạn như bạn làm cho một kỹ sư mới: kiên nhẫn, có chủ đích, và với kỳ vọng rõ ràng.
Đó là những gì cần làm. Khi thực hiện đúng, AI sẽ không chỉ hỗ trợ, bạn sẽ tự hỏi làm thế nào bạn từng làm việc mà không có nó.