Các nguyên tắc dành cho nhà phát triển trong kỷ nguyên AI

 (bvp.com)
28 điểm bởi GN⁺ 2025-10-27 | 1 bình luận | Chia sẻ qua WhatsApp
  • Phản ánh môi trường phần mềm mới nơi tác nhân AI và nhà phát triển con người đồng thời là người dùng và cộng tác viên, bộ quy tắc nền tảng dành cho nhà phát triển được công bố 12 năm trước đã được tái xác lập theo mô hình AI
  • Tính đến năm 2025, mô hình phát triển tác tử (agentic development) đã xuất hiện, chuyển sang môi trường nơi các tác nhân AI hợp tác với nhà phát triển để thiết kế, xây dựng, triển khai và bảo trì phần mềm
  • Dựa trên những góc nhìn trực tiếp từ các lãnh đạo nền tảng dành cho nhà phát triển hàng đầu như Anthropic, Cursor, Port, đã rút ra 8 quy tắc cốt lõi
  • Đề cập đến những thay đổi mang tính cấu trúc của thị trường công cụ phát triển như cân bằng giữa trải nghiệm tác nhân (AX) và trải nghiệm nhà phát triển (DX), tài liệu thân thiện với mô hình, chiến lược định giá mới, và sự thay đổi vai trò của kỹ sư nền tảng
  • Trong làn sóng đổi mới phần mềm do AI dẫn dắt, các nền tảng dành cho nhà phát triển đang đi đầu trong hạ tầng mới, và sự tiến hóa liên tục cùng năng lực kiểm soát nền tảng nổi lên như cốt lõi của khả năng phòng thủ

Bối cảnh: sự tiến hóa của các quy tắc dành cho nhà phát triển

  • Phiên bản đầu tiên của “8 quy tắc nền tảng dành cho nhà phát triển” do Bessemer Venture Partners công bố năm 2013 và bản sửa đổi năm 2019 đã theo dõi sự trỗi dậy của DevOps, mã nguồn mở, kiến trúc cloud-native và hệ sinh thái ưu tiên API
  • Tính đến năm 2025, một mô hình mới là phát triển tác tử đã xuất hiện
    • Các tác nhân AI hợp tác với nhà phát triển để thiết kế, xây dựng, triển khai và bảo trì phần mềm ở quy mô lớn
  • Phản ánh những góc nhìn trực tiếp từ các lãnh đạo trong ngành như Anthropic, Cursor, Port, Fal AI, Fern, Render, Appwrite, Netlify, Recall, Vapi, Resolve AI, Graphite, Marimo, Resend

8 quy tắc của nền tảng phát triển AI

Quy tắc #1: Trải nghiệm tác nhân (AX) quan trọng ngang với trải nghiệm nhà phát triển (DX)

  • Cần quan tâm ngang nhau đến cả trải nghiệm tác nhân (AX) và trải nghiệm nhà phát triển (DX)
    • DX trực tiếp bổ sung và nâng cao AX
    • Tính toàn diện của tài liệu, phạm vi bề mặt API, các schema dễ hiểu đều hữu ích cho cả con người lẫn tác nhân
    • Thành quả đầu tư trong 5–10 năm qua vào đặc tả OpenAPI, REST API và SDK đang hỗ trợ cho cả hai phía
  • Chia sẻ từ CEO Resend: việc tối ưu hóa luồng onboarding để cải thiện DX cũng tạo ra khác biệt lớn trong cách tác nhân sử dụng Resend

  • Các tính năng khác biệt cho con người và tác nhân

    • Nhà phát triển con người có thể diễn giải tài liệu mơ hồ và thích nghi với API thiếu nhất quán
    • Tác nhân cần giao diện có cấu trúc và dễ dự đoán
      • Schema OpenAPI có xử lý lỗi toàn diện
      • Duy trì phiên cho các quy trình làm việc nhiều bước
      • Cơ chế phản hồi theo thời gian thực như luồng WebSocket
      • Tác nhân triển khai của Netlify duy trì trạng thái xuyên suốt toàn bộ pipeline CI/CD và cung cấp phản hồi build tức thì

  • Sự xuất hiện của Model Context Protocol (MCP)

    • MCP thể hiện một thay đổi căn bản trong cách công cụ dành cho nhà phát triển phục vụ người dùng
    • Nhiều công ty đang tự lưu trữ máy chủ MCP bằng các giải pháp như FastMCP của Prefect
      • Vì các nhà phát triển làm việc trong Cursor và Claude Code
      • Trong IDE, nhà phát triển tăng cường năng lực cho tác nhân để truy cập trực tiếp dữ liệu trực tiếp của nền tảng và thực hiện công việc

  • Tích hợp dashboard và API

    • Hiện nay, con người trực tiếp đăng nhập vào dashboard như một cửa sổ trung tâm để thu thập thông tin
    • Các nhóm như Recall đang biến mọi chức năng trên dashboard thành khả dụng qua API để tác nhân cũng có thể tham gia giải quyết vấn đề
    • Vẫn còn những câu hỏi chưa được giải quyết về việc giảm hoặc loại bỏ chuyển đổi ngữ cảnh của tác nhân (quản lý phiên bản, tích hợp, sử dụng API, triển khai production)
      • Máy chủ MCP cho phép tác nhân lấy thông tin thời gian thực và thực thi lệnh mà không cần chuyển ngữ cảnh sang dashboard hoặc CLI

Quy tắc #2: Tài liệu phải phục vụ cả mô hình lẫn con người

  • Tài liệu trong các nhóm kỹ thuật thường được viết với thiện chí nhưng không được bảo trì đúng mức
    • Không phản ánh các thay đổi theo thời gian thực và cung cấp hướng dẫn đã lỗi thời
    • Nhà phát triển thường thể hiện một mức độ khoan dung nhất định với tài liệu chưa đầy đủ hoặc chưa hoàn hảo

  • Tính đặc thù của tài liệu dành cho LLM

    • Với LLM, việc chuyển đổi các trang HTML phức tạp có điều hướng, quảng cáo và JavaScript thành văn bản thuần thân thiện với LLM là khó và thiếu chính xác
    • Tác nhân hưởng lợi lớn từ thông tin ngắn gọn, ở cấp độ chuyên gia, được tập trung tại một vị trí duy nhất và dễ truy cập
      • Đặc biệt quan trọng trong các trường hợp như môi trường phát triển (LLM cần truy cập nhanh vào tài liệu lập trình và API)
    • LLM cần tham chiếu API có cấu trúc và luôn mới nhất cùng nhật ký kiểm toán để theo dõi công việc của con người và tác nhân
      • Điều này đòi hỏi phải suy nghĩ lại một cách căn bản về kiến trúc thông tin

  • Generative Engine Optimization (GEO)

    • Cũng như SEO đảm bảo khả năng được tìm thấy trên công cụ tìm kiếm, GEO đảm bảo mô hình có thể nhanh chóng phân tích và hiển thị câu trả lời chính xác trong tài liệu
    • Hỗ trợ nhà phát triển duy trì dòng làm việc mà không bị gián đoạn bởi các lượt tìm kiếm chuyển ngữ cảnh

  • Tài liệu kỹ thuật với mục đích kép

    • Với sự phổ biến của các coding agent, tài liệu kỹ thuật đã trở thành một tài sản sản phẩm có mục đích kép
    • Phục vụ hiệu quả cả tác nhân lẫn đối tượng nhà phát triển con người
      • Quản lý phiên bản phù hợp, quản lý thay đổi và khả năng tìm kiếm cho tác nhân
      • Đồng thời vẫn hữu ích với nhà phát triển con người
    • Quan sát từ đồng sáng lập Fern: “Nhà phát triển muốn một trang tài liệu đẹp mắt, còn tác nhân cần Markdown sạch để parse. Các nhóm đang chuyển sang cách tiếp cận docs-as-code: viết tài liệu bằng Markdown trước, rồi xuất bản thành website thân thiện với nhà phát triển và các tệp máy có thể đọc như llms.txt”

Quy tắc #3: Chiến lược định giá tập trung vào việc giảm ma sát khi onboarding

  • Định giá cần xem xét cả cấu trúc chi phí lẫn cách chuyển giao giá trị
  • Điều này đặc biệt quan trọng với các ứng dụng AI-native
    • Trong SaaS truyền thống, chi phí phục vụ một người dùng cận biên gần như bằng 0, nhưng nay trở thành một hạng mục đáng kể do chi phí suy luận

  • 3 hướng định giá mà các công ty phục vụ nhà phát triển đang thử nghiệm

    • 1. Định giá dựa trên mức sử dụng và mở rộng các tài khoản khách hàng lớn
      • Mở rộng nhờ tính hữu ích vượt trội của sản phẩm
      • Mọi nền tảng đều đang được tích hợp lại với AI, và như trong mọi làn sóng trước đó, nhà phát triển dẫn đầu, thúc đẩy chi tiêu cho hạ tầng và công cụ
      • Mức sử dụng và khả năng kiếm tiền tăng trưởng cùng khách hàng (hiện là mô hình định giá phổ biến nhất)
    • 2. Doanh nghiệp ưa chuộng khả năng dự đoán chi tiêu
      • Nhà cung cấp tích hợp AI không phải như tính năng bổ sung mà như một phần của trải nghiệm sản phẩm cốt lõi theo seat
      • Thường đi kèm phí vượt mức dựa trên sử dụng
    • 3. Định giá theo kết quả hoặc gói hoạt động
      • Gộp các hoạt động thành quy trình kinh doanh có ý nghĩa và tính phí dựa trên workflow đã hoàn thành

  • Sự khác biệt trong các tác nhân kích hoạt upsell

    • Dữ liệu ban đầu cho thấy các tác nhân kích hoạt upsell có thể khác nhau giữa nhà phát triển truyền thống và vibe coder
    • Điểm nghẽn trong việc xây dựng và giao hàng ảnh hưởng đến mức sẵn sàng chi trả của người tạo phần mềm
      • Ví dụ: tính năng CI/CD cho vibe coder so với nhà phát triển truyền thống

  • Giảm ma sát onboarding vẫn là ưu tiên hàng đầu

    • Dù chọn hướng nào, mọi nền tảng vẫn tập trung nhiều nhất vào việc giảm ma sát khi onboarding
      • Duy trì free tier hấp dẫn
      • Tài liệu xuất sắc
      • Cộng đồng nhà phát triển mạnh (giảm ma sát onboarding theo cách có thể mở rộng)
    • Ý kiến của CEO Resolve: “Chúng tôi không ép mô hình SaaS cũ lên sản phẩm mới. Giá trị phải được ánh xạ vào kết quả... Khi tác nhân thực hiện công việc kỹ thuật thực sự và hệ thống mang lại giá trị có thể đo lường như giảm downtime, duy trì độ ổn định hệ thống, tăng tốc giao hàng, thì việc định giá là hợp lý”

Nguyên tắc #4: Chi tiêu cho công cụ phát triển AI đang vượt ra ngoài ngân sách truyền thống

  • Ngày càng nhiều doanh nghiệp tạo ngân sách AI chuyên biệt, mở ra một hạng mục chi tiêu mới
    • Ban đầu, khoản này đi qua CIO rồi lan sang mọi bộ phận trong tổ chức
  • Nhiều doanh nghiệp đã bắt đầu đánh đổi giữa chi tiêu cho công cụ AI và việc tuyển thêm kỹ sư
    • Liên tục đặt câu hỏi liệu có thể đạt mục tiêu bằng agent thay vì bổ sung nhân sự hay không

  • Bổ trợ và thay thế kỹ sư junior

    • Tương tự những gì từng được quan sát ở các công ty phần mềm theo chiều dọc khác bán cho các ngành dịch vụ
    • Việc ủy quyền cho coding agent và các workflow đang bắt đầu bổ trợ và thay thế kỹ sư junior
    • Trọng tâm không chỉ là tăng năng suất và giảm chi phí mà còn là tối đa hóa năng lực kỹ thuật
    • Cá nhân có được những khả năng hoàn toàn mới, từ đó giảm mức độ phụ thuộc vào người khác

  • Môi trường mua sắm với nhiều bên liên quan

    • Cho thấy một môi trường mua sắm có nhiều bên liên quan hơn, với nguồn ngân sách phức tạp hơn
    • GTM do nhà phát triển dẫn dắt vẫn là vua trong môi trường cạnh tranh đầy nhiễu
    • Trong doanh nghiệp, CIO, lãnh đạo kỹ thuật, đội ngũ sản phẩm và từng nhà phát triển đều ảnh hưởng đến quyết định mua theo cách khác với thế hệ công cụ dành cho nhà phát triển trước đây, do mức độ guardrail cần thiết cho việc tích hợp các hệ thống phi xác định

  • Thay đổi trong chỉ số thành công

    • Chuyển sang kỳ vọng ở mức người tiêu dùng về giá trị tức thì và trải nghiệm kỳ diệu
    • Các chỉ số năng suất truyền thống của công cụ dành cho nhà phát triển được bổ sung bằng các phép đo dựa trên kết quả
      • Thời gian từ ý tưởng đến nguyên mẫu hoạt động được
      • Giảm toàn bộ chu kỳ phát triển
      • Cải thiện năng suất của người dùng doanh nghiệp
    • Phân tích của Cursor theo dõi các chỉ số chi tiết
      • Số đề xuất được hiển thị, số đề xuất được chấp nhận, số dòng mã được tạo với hỗ trợ AI, tỷ lệ chấp nhận các đề xuất do AI tạo ra

Nguyên tắc #5: Định nghĩa về nhà phát triển đang được mở rộng mạnh mẽ

  • AI đang khiến việc tạo phần mềm trở nên dễ tiếp cận hơn với nhiều người hơn, từ đó mở rộng căn bản định nghĩa của “nhà phát triển”
    • Xu hướng này đã được chứng kiến từ khoản đầu tư seed vào Zapier cách đây 10 năm
  • Sự lan rộng mạnh mẽ của vibe coding và phát triển có hỗ trợ AI đang tạo ra một nhóm builder mới có thể làm phần mềm tùy biến mà không cần trực tiếp viết hoặc bận tâm đến mã

  • Đặc điểm của các nhóm người dùng mới

    • Các nền tảng như Lovable, Bolt, Create, v0 đang đưa người dùng đến với các nền tảng dành cho nhà phát triển vốn trước đây chủ yếu chỉ phục vụ người dùng kỹ thuật
    • Nhóm này có thể được nhận diện dễ dàng qua kiểu câu hỏi họ đặt ra
      • Họ vẫn chưa có khả năng xử lý sự cố, đọc mã lỗi, phân biệt máy chủ cơ sở dữ liệu với máy chủ web, hay hiểu load balancer là gì
    • Những người dùng này thường bị mắc kẹt ở giai đoạn giữa prototyping và production
      • Các công ty thường phân loại lượng sử dụng này là marketing hiệu quả hơn là doanh thu chất lượng
      • Điều này được kỳ vọng sẽ thay đổi theo thời gian khi các nhà phát triển bắt đầu làm việc ở mức trừu tượng cao hơn

  • Vai trò mở rộng của thành viên không chuyên kỹ thuật

    • Các thành viên không chuyên kỹ thuật giúp giải phóng thời gian quý giá của nhà phát triển cho việc lập trình và các công việc kỹ thuật nằm ngoài sản phẩm cốt lõi của doanh nghiệp
    • Khi được trang bị đúng công cụ:
      • AE có thể tạo demo tùy chỉnh cho sản phẩm kỹ thuật
      • Marketer có thể tạo ứng dụng mẫu để chia sẻ trên X
      • Content marketer có thể viết bài blog kỹ thuật

  • Định nghĩa lại các kỹ năng có giá trị

    • Chuyên môn theo lĩnh vực và giao tiếp với khách hàng quan trọng hơn kỹ năng coding trong mọi vai trò
    • Tư duy hệ thống trở nên quan trọng hơn khi công việc chuyển từ triển khai cấp thấp sang điều phối và chiến lược
    • Những cá nhân và đội ngũ hiểu các mảnh ghép phức tạp kết nối với nhau như thế nào, biết nên tin tưởng tự động hóa ở đâu và nhận ra khi nào sự can thiệp của con người là thiết yếu sẽ thành công
    • Việc vận chuyển phần mềm nhanh và dễ hơn bao giờ hết, nhưng sự thay đổi trong định nghĩa nhà phát triển đang khôi phục tầm quan trọng của các nguyên tắc nền tảng cho một doanh nghiệp bền vững
    • CEO Netlify: “Hiện có 17 triệu nhà phát triển JavaScript, và đó là các nhà phát triển truyền thống. Nhưng trong 10 năm tới, con số này được kỳ vọng sẽ đạt 100 triệu”

Nguyên tắc #6: Hiệu ứng mạng mạnh đang thúc đẩy việc định vị hệ sinh thái từ sớm

  • Các công ty dành cho nhà phát triển theo mô hình truyền thống đã nuôi dưỡng hiệu ứng mạng thông qua mã nguồn mở, đóng góp cộng đồng, tích hợp và plugin
  • Giờ đây, hiệu ứng mạng đang được định nghĩa lại và tái hình dung nhờ sự lan rộng của agentic development

  • Hiệu ứng mạng giữa các agent

    • Xuất hiện hiệu ứng mạng giữa các agent, trong đó AI agent trở nên hữu ích hơn khi có thể giao tiếp và phối hợp với các agent khác
    • Ví dụ: một AI agent lập lịch có thể đặt lịch họp sẽ mạnh hơn nhiều khi nó có thể giao tiếp với travel agent, expense management agent và calendar agent của người khác
    • Điều này có thể thực hiện thông qua các giao thức như MCP

  • Khuếch đại hiệu ứng mạng dữ liệu

    • Hiệu ứng mạng dữ liệu được khuếch đại nhờ context
    • AI agent càng có nhiều context thì càng có thể hoàn thành nhiều tác vụ mong muốn hơn
    • Giá trị của sản phẩm nắm giữ context đó tăng lên
    • Ví dụ về Product Intelligence của Linear
      • Sở hữu dữ liệu được tích lũy qua nhiều năm về cách hàng nghìn đội ngũ kỹ thuật thực sự vận hành
      • Có thể đề xuất phân công công việc, phân loại issue và đơn giản hóa vận hành sản phẩm

  • Sự suy yếu của hiệu ứng lock-in từ tích hợp

    • Hiệu ứng mạng suy yếu ở những nơi mà lock-in từ tích hợp trước đây thường tạo ra chi phí chuyển đổi
    • CEO Recall David Gu: “Giờ đây việc chuyển đổi giữa các API khác nhau dễ hơn bao giờ hết, vì AI agent có thể hỗ trợ mà không cần con người phải tự tay viết mã tích hợp”
    • MCP tiếp tục làm giảm lock-in khi cho phép AI agent tự động phát hiện và tích hợp công cụ
    • LLM nói chung cũng giúp bất kỳ ai dễ dàng hơn trong việc nghiên cứu và tổng hợp các lựa chọn trong quá trình đánh giá

  • Nghịch lý trong môi trường đề xuất do AI dẫn dắt

    • Trong một hệ sinh thái nơi AI dẫn dắt các quyết định đề xuất công cụ cho nhà phát triển, vai trò của phản hồi chủ quan từ con người tạo ra một nghịch lý
    • AI agent có thể bỏ qua các sở thích chủ quan như tính dễ sử dụng và chỉ tập trung vào các chỉ số hiệu năng khách quan như hiệu suất và độ trễ
    • Mặt khác, AI agent cũng có thể ngày càng phụ thuộc nhiều hơn vào phản hồi chủ quan của con người khi chúng học theo thời gian
    • Nghịch lý này có nghĩa là sản phẩm chất lượng cao nhất vẫn sẽ hưởng lợi trong mọi trường hợp
      • Tăng trưởng do nhà phát triển dẫn dắt, ra mắt sản phẩm, tài liệu, nội dung đào tạo, hội nghị, diễn đàn cộng đồng và đánh giá sẽ trở nên quan trọng hơn nhiều
      • Tốc độ quan trọng hơn bao giờ hết và lợi thế người đi trước tạo hiệu ứng lãi kép

  • Các góc nhìn đa dạng từ các lãnh đạo

    • Các nguyên tắc này vẫn đang trong quá trình hoàn thiện và các lãnh đạo doanh nghiệp đưa ra những góc nhìn khác nhau
    • CTO Vapi Nikhil Gupta: “AI làm suy yếu các hiệu ứng mạng dựa trên yếu tố phi khách quan và củng cố các hiệu ứng mạng khách quan. Ví dụ, mọi người có thể nghĩ API của Stripe là dễ dùng nhất so với các lựa chọn khác, nhưng AI agent sẽ không quan tâm đến tính dễ dùng khi so sánh Stripe API với Ayden API. Tuy nhiên, nếu Stripe đáng tin cậy hơn thì mọi AI agent sẽ chọn nó”
    • CEO Resolve Spiros Xanthos: “GTM ưu tiên agent không phải là chuyện cường điệu mà là chuyện chứng minh. Nếu bạn xuất hiện trong môi trường của khách hàng và mang lại kết quả quan trọng, mức độ chấp nhận sẽ tăng lên một cách tự nhiên. Đó là kiểu truyền bá mới”

Nguyên tắc #7: Kỹ sư nền tảng tiến hóa thành kiến trúc sư luồng tự chủ

  • Vai trò của platform engineering mở rộng từ quản lý phần mềm sang tạo ra các luồng kỹ thuật tự chủ
  • Kỹ sư nền tảng chịu trách nhiệm về trải nghiệm người dùng của mọi đội ngũ kỹ thuật
  • Tầm quan trọng trong tổ chức ngày càng được phản ánh vào mức độ cấp bách trong tuyển dụng

  • Thay đổi trong phạm vi trách nhiệm

    • Kỹ sư nền tảng giờ đây cần các năng lực kỹ thuật sau
      • Thiết kế các luồng agentic với các bước giám sát của con người rõ ràng
      • Áp dụng các guardrail mạnh mẽ để quản lý rủi ro khi agent thực hiện sai tác vụ
      • Sở hữu kiến trúc hệ thống và thông tin, vượt ra ngoài uptime và độ tin cậy
    • Agent xử lý các tác vụ thường nhật, trong khi xây dựng trung tâm điều khiển AI cho những quyết định chiến lược phức tạp nhất

  • Chuyển đổi vai trò của kỹ sư phần mềm

    • Khi AI agent đảm nhiệm nhiều hơn việc tạo mã nguồn thực tế, kỹ sư phần mềm chuyển từ người thợ thủ công sang chủ sở hữu sản phẩm của chính hệ thống mình
    • Sự thay đổi mang tính nền tảng này có nghĩa là kỹ sư ngày càng quan tâm đến kết quả hơn là các chi tiết triển khai

  • Yêu cầu mới của workflow

    • Kiểm thử và giám sát mạnh mẽ trở nên quan trọng
    • Tài liệu không chỉ phải giải thích cấu trúc mã nguồn mà còn phải mô tả hành vi của hệ thống
    • Code review chuyển từ kiểm tra cú pháp sang xác thực logic nghiệp vụ và các quyết định kiến trúc

  • Hàm ý ở cấp tổ chức

    • Hàm ý mở rộng vượt ra ngoài năng suất cá nhân
      • Các nhóm cần quy trình mới để truyền đạt tri thức
      • Việc ứng phó sự cố trở nên khó khăn hơn khi con người không thể hiểu đầy đủ logic triển khai ban đầu
      • Technical debt tích lũy theo cách khác khi mã sinh ra không thể được con người đọc hiểu
    • Khi kỹ sư trở thành người vận hành thay vì tác giả của mã nguồn của mình, cần đầu tư rất lớn vào observability, kiểm thử tự động và quản trị kiến trúc để duy trì độ tin cậy của hệ thống

  • Nút thắt cổ chai trong xác thực

    • Khi AI tạo mã với tốc độ chưa từng có, nút thắt cổ chai chính chuyển từ viết mã sang xác minh tính đúng đắn
    • Điều này làm thay đổi căn bản tốc độ phát triển
      • Các nhóm có thể tạo ra hàng nghìn dòng mã chỉ trong vài phút
      • Nhưng mất nhiều thời gian hơn rất nhiều để xác minh rằng nó hoạt động đúng như mong muốn, tích hợp phù hợp với hệ thống hiện có và đáp ứng các yêu cầu về bảo mật lẫn hiệu năng
    • Các công ty tối ưu hóa tốc độ xác thực bằng framework kiểm thử tốt hơn, công cụ xác minh thời gian thực và hệ thống kiểm tra trực quan sẽ có lợi thế đáng kể trong chu kỳ phát triển có AI hỗ trợ

  • Góc nhìn của CEO Render

    • "Sự thay đổi liên tục quan trọng nhất trong quản lý nền tảng là chuyển từ quản lý hạ tầng sang tối ưu hóa workflow của nhà phát triển"
    • Các đội ngũ kỹ thuật hiện nhận ra rằng việc xây dựng và duy trì các nền tảng phát triển và triển khai nội bộ tùy chỉnh thường là công việc không tạo khác biệt, nhưng lại làm tiêu hao nguồn lực khỏi hoạt động kinh doanh cốt lõi
    • Bằng cách tận dụng các nền tảng managed như Render để xử lý hạ tầng nền tảng, kỹ sư nền tảng có thể tập trung vào tự động hóa có giá trị cao hơn

Nguyên tắc #8: Khả năng phòng thủ nằm ở tiến hóa liên tục và quyền kiểm soát nền tảng

  • Về cốt lõi, trở thành một nền tảng có nghĩa là tạo ra hạ tầng có thể mở rộng để bên thứ ba có thể xây dựng cùng và xây dựng trên đó
    • Kích hoạt một hệ sinh thái càng có nhiều người dùng đóng góp và thể hiện sự yêu thích thực sự từ cộng đồng thì càng trở nên có giá trị

  • Tính liên tục với kỷ nguyên SaaS

    • Khái niệm này vẫn được duy trì nhất quán từ thời đại SaaS
    • Kỷ nguyên AI nâng tầm những trụ cột cụ thể của khả năng phòng thủ

  • Các yếu tố chính của khả năng phòng thủ

    • 1. Kiểm soát điểm vào
      • Sở hữu kho mã nguồn như GitHub hoặc thống trị trình soạn thảo văn bản như VS Code
      • Trao cho nền tảng quyền chiến lược để mở rộng chức năng dựa trên các hành vi người dùng đã được thiết lập
    • 2. Lợi thế dữ liệu
      • Thể hiện qua các bộ dữ liệu sản phẩm độc quyền và bối cảnh riêng theo từng công ty giúp tạo ra các tính năng mà đối thủ không thể sao chép

  • Thay đổi nền tảng nhất: tiến hóa liên tục

    • Tiến hóa liên tục là quan trọng nhất
    • Những nền tảng tốt nhất chủ động điều phối nhiều mô hình AI, nguồn dữ liệu và workflow để thực hiện hành động tự chủ
      • Có xu hướng sở hữu dữ liệu độc nhất từ hệ sinh thái
      • Có thể nhanh chóng tận dụng dữ liệu cho các vòng phản hồi thời gian thực từ các tương tác của agent và khách hàng

  • Tầm quan trọng của tốc độ

    • Tốc độ là yếu tố cốt lõi, quan trọng cả ở khía cạnh cung cấp tính năng bổ sung lẫn xây dựng chiến lược
    • Các công ty cần suy nghĩ về tầm nhìn Act 2 và Act 3 sớm hơn rất nhiều so với thời kỳ SaaS
    • Rất đáng mong đợi để xem điều này sẽ tiếp tục tiến hóa như thế nào

  • Góc nhìn của CEO Port

    • "Điều quan trọng là trở thành người đầu tiên thay đổi cách công việc được thực hiện. Từ góc nhìn sản phẩm, đó là xây dựng thứ gì đó sẽ liên tục tiến hóa"
    • "Ví dụ như một nền tảng như CRM - có người quản lý, kiểm soát, có quan điểm, và lặp lại từ các khối xây dựng cốt lõi"

Tài liệu đọc thêm được khuyến nghị

Bài viết liên quan

1 bình luận

 
progdesigner 2025-10-28

Vậy nên phải làm gì thì đến giờ vẫn chưa ai thực sự biết
Chỉ có phản ứng nhanh và thay đổi theo biến động mới trở thành chiến lược sinh tồn
có lẽ là thời đại như vậy