- Trong 18 tháng qua, tỷ lệ thành công của các dự án AI mà tác giả quan sát hoặc được mời tham gia là 0%; sự bất định của công nghệ cộng với cách vận hành yếu kém vốn có của các dự án phần mềm khiến đầu tư không chuyển hóa thành kết quả
- Ở các tổ chức có từ 500 nhân viên trở lên, chỉ cần nghi ngờ hiệu quả của AI cũng có thể làm thăng tiến và việc làm bị đe dọa; nhân viên đang thuận theo yêu cầu của tổ chức bằng AI washing và thao túng lượng token sử dụng
- Những bản demo AI hào nhoáng như truy vấn dữ liệu bằng ngôn ngữ tự nhiên vẫn kích hoạt làn sóng mua sắm dù đã được cảnh báo về độ chính xác và giới hạn vận hành, thậm chí còn có thể tạo ra rủi ro danh tiếng và pháp lý cho bên bán
- Vì vấn đề điều phối khiến khách hàng và hội đồng quản trị không thể bác bỏ các tuyên bố năng suất bị thổi phồng của nhau, ngay cả các lãnh đạo hoài nghi cũng công khai ủng hộ đầu tư AI và gắn ép yếu tố AI vào cả các mảng kinh doanh không phải AI
- Để chấn chỉnh tổ chức cần có đối thoại 1:1, khảo sát ẩn danh, xác minh tại hiện trường; còn những nhân viên khó tránh khỏi chính trị nội bộ nên chuẩn bị chuyển việc hoặc sang làm hợp đồng trước khi kiệt sức vì code do AI tạo ra
Thất bại của các dự án AI được quan sát trong 18 tháng
- Từ kinh nghiệm phụ trách bán hàng của công ty và phần lớn công việc kỹ thuật trong một năm qua, với khoảng 300 cuộc trò chuyện cùng các chuyên gia trên khắp thế giới, tác giả nhận thấy những người chịu trách nhiệm ở cả khu vực tư nhân lẫn công đều либо lao vào AI mà không có kế hoạch, либо im lặng
- Lý do khó xác nhận kết quả thực của các dự án AI là vì hội đồng quản trị, ban điều hành, nhân viên, nhà cung cấp và tư vấn đều không có động cơ công khai thất bại
- Ban điều hành có thể mất vị trí nếu thừa nhận thất bại
- Nhân viên có thể trở thành đối tượng bị sa thải hoặc tái cơ cấu
- Một số công ty niêm yết mua giấy phép Copilot rồi công bố đó là cải thiện năng suất nhờ AI
- Tất cả các dự án mà tác giả quan sát hoặc được mời tham gia đều thất bại trong suốt 18 tháng; nhóm đã từ chối toàn bộ công việc triển khai AI và chỉ giữ các hợp đồng không phụ thuộc trực tiếp vào việc OpenAI có tiếp tục tồn tại hay không
- Dù công cụ AI có thể giúp một số tác vụ nhanh hơn, cách đầu tư hiện tại và quy mô hiện tại vẫn không hợp lý
- Mọi yếu tố khiến dự án phần mềm thông thường thất bại vẫn tồn tại nguyên vẹn
- Vì là công nghệ mới nên ngay cả khi triển khai đúng cách vẫn có thể thất bại do rủi ro bổ sung
- Rất ít công ty có năng lực cung cấp phần mềm đủ mạnh để gánh được rủi ro đó
Vì sao chatbot nội bộ và chatbot cho khách hàng không tạo ra kết quả
- Chatbot nội bộ không thể tạo ra câu trả lời đủ tốt vì chất lượng tài liệu doanh nghiệp thấp, và tỷ lệ sử dụng thực tế của nhân viên cũng không đáng kể
- Chatbot cho khách hàng cũng hiếm khi có ví dụ thỏa đáng; ngoại lệ là mức độ như chép lời thời gian thực trong khám chữa bệnh
- Người phụ trách dự án né các chỉ số cơ bản cho thấy công cụ có thực sự được dùng hay không, và chọn các chỉ số dễ thao túng
- Bot giọng nói hỗ trợ sự cố xe của Mitsubishi có độ hoàn thiện cao ở giọng nói tự nhiên, phản hồi nhanh và môi trường vận hành thực tế, nhưng phản hồi đã hứa không đến trong 6 tháng
- Không rõ yêu cầu đã biến mất hay bị tính là đã giải quyết mà không cần con người can thiệp
- Dù không thấy lỗi rõ ràng trong hệ thống, khách hàng vẫn quyết định sẽ không mua lại xe Mitsubishi
- Chỉ riêng việc hỏi về mục tiêu, người dùng và kết quả của một dự án AI đang chạy cũng có thể bị xem như tấn công vào hệ thống trách nhiệm, nên rất khó can thiệp trước khi khủng hoảng xảy ra
- Theo nguyên tắc của Gerry Weinberg rằng tư vấn là công việc tác động đến con người khi bên kia yêu cầu, tác giả không can thiệp vào dự án nếu không được yêu cầu rõ ràng về lời khuyên cho chiến lược dữ liệu nói chung
Văn hóa tổ chức không cho phép hoài nghi
- Ở mọi công ty được quan sát có trên 500 nhân viên, để giữ việc và thăng tiến thì phải liên tục tuyên xưng sức mạnh mang tính biến đổi của AI
- Đây không còn là mức đề xuất cách ứng dụng công nghệ mà gần như là một lời tuyên xưng đức tin, chủ yếu do nhân sự phi kỹ thuật dẫn dắt và một số kỹ sư cũng hùa theo
- Có những trường hợp nói rằng “AI sẽ thay đổi mọi thứ” nhưng lại không thể nêu ra dù chỉ một ví dụ LLM được dùng thực tế trong tổ chức hay điều gì đã thay đổi
- Thậm chí có trường hợp một lãnh đạo xây dựng chiến lược công nghệ lấy AI làm trung tâm cho một tổ chức có doanh thu hàng năm trên 2 tỷ USD nhưng chưa từng dùng bất kỳ công cụ AI nào, kể cả ChatGPT
- Nguy hiểm hơn cả những lời dối trá kiểu PR đơn thuần là khi người chịu trách nhiệm không có nền tảng kỹ thuật thực sự tin vào điều mình nói
- Với người nói dối, vẫn có thể thương lượng thông qua lợi ích cá nhân; còn tín đồ thực thụ thì không lung lay ngay cả khi đụng tới lợi ích của chính họ
- Có tổ chức sa thải những người có thành tích cao nhất chỉ vì họ đạt hiệu suất tốt mà không dùng LLM
- Dù khác quan điểm với lập trường phê phán trong “My AI Skeptic Friends Are All Nuts”, tác giả vẫn đồng ý rằng việc lãnh đạo bắt buộc dùng LLM là một chiến lược tồi và áp đặt những ràng buộc công việc bất thường lên nhân sự chuyên môn
AI washing và các chỉ số đánh giá có thể thao túng
- Khi quản lý coi trọng việc có dùng AI hay không hơn là kết quả, các kỹ sư bắt đầu AI washing: làm việc theo cách cũ rồi báo cáo là Claude đã thực hiện
- Một số tổ chức vận hành bảng xếp hạng thưởng điểm cao hơn khi mức tiêu thụ token lớn hơn
- Những nhân viên được tuyển vì năng lực tối ưu hệ thống liền cấu hình để LLM tự lặp lại prompt
- Dù đầu ra không phù hợp để triển khai, họ vẫn chỉ cần lấp đầy mức dùng token rồi đi làm việc khác
- Một kỹ sư phần mềm đạt chỉ tiêu sử dụng bằng cách đưa một bản sao kho Go cho AI viết lại toàn bộ sang Zig rồi vứt kết quả đi
- Những người thực sự bị sa thải lại là những ai công khai nêu nghi ngờ đáng chú ý về chiến lược AI; vì thế nhân viên học được rằng khen ngợi tầm nhìn AI của ban lãnh đạo là an toàn hơn
- Cũng như quản lý không chuyên ở bệnh viện hay công ty xây dựng dân dụng sẽ không áp đặt quy trình cụ thể nếu không có sự đồng thuận của chuyên gia hiện trường, thì lãnh đạo phi kỹ thuật cũng không nên bắt buộc chuyên gia phần mềm phải dùng một công cụ cụ thể
Cơn sốt mua sắm do demo Snowflake Cortex kích hoạt
- Snowflake tính phí theo mức sử dụng và dữ liệu doanh nghiệp thông thường có thể xử lý chỉ trong khoảng 1 phút mỗi ngày, nên nó được dùng như cơ sở dữ liệu phân tích; nhưng lớp chatbot AI Cortex thì không được sử dụng
- Cortex chuyển các câu hỏi ngôn ngữ tự nhiên như “Doanh thu tuần trước là bao nhiêu?” thành truy vấn cơ sở dữ liệu dựa trên metadata như ý nghĩa của các cột dữ liệu
- Trong phần trình bày của nhân viên Snowflake, độ chính xác ở cấu hình tối ưu khoảng 92%; với dữ liệu doanh nghiệp lớn, điều đó có nghĩa khoảng 1 trên 10 con số có thể sai và còn có vấn đề nghiêm trọng trong quản lý triển khai
- Dù đã trình diễn kèm cảnh báo rằng không phù hợp cho môi trường vận hành, tất cả khách hàng tiềm năng vốn hờ hững đều lập tức muốn mua
- Ngay cả đề xuất có thể tạo ra giá trị hàng triệu USD bằng cách không dùng AI cũng bị lép vế về mức độ quan tâm
- Nhóm coi việc lợi dụng khoảng trống trong phán đoán hợp lý là vô trách nhiệm, nên đã ngừng bán và loại Cortex khỏi danh sách demo
- Ngay cả bản demo chất lượng thấp mà nhóm làm trong hai giờ cũng vẫn tốt hơn những gì khách hàng tiềm năng từng thấy trước đó
- Ngay cả công ty niêm yết trên ASX đã quảng bá việc ứng dụng AI cũng không có kết quả nào từ các khoản đầu tư trước đó để cho thấy
- Những khách hàng tiềm năng tỏ ra hứng thú với AI nhiều hơn sự tò mò nhất thời đều bộc lộ hành vi phi lý và môi trường quản lý gần như sùng bái trong quá trình bán hàng; vì hợp đồng có thể tạo ra rủi ro danh tiếng và pháp lý, nhóm đã từ bỏ tất cả các thương vụ
Vấn đề điều phối khiến các lãnh đạo không thể ngừng thổi phồng
- Một số người phụ trách AI tại các công ty có doanh thu định kỳ hàng năm trên 1 tỷ USD thừa nhận họ nghĩ chức danh của mình về thực chất là giả tạo, nhưng vẫn nhận vì đó là con đường thăng tiến duy nhất trong tổ chức
- Ngay cả một lãnh đạo có năng lực kỹ thuật ở một công ty Fortune 500 cũng không thể tự mình bảo vệ các phát biểu công khai của công ty kiểu như “năng suất tăng 100 lần”
- Động lực cốt lõi của sự thổi phồng không phải khẩu hiệu bán hàng mà là thể diện của lãnh đạo phía khách hàng và quan hệ hợp đồng
- Nếu lãnh đạo phía nhà cung cấp bác bỏ tuyên bố năng suất tăng 100 lần của lãnh đạo khách hàng, điều đó có thể bị xem như một đòn công kích làm tổn hại uy tín của phía khách hàng
- Nếu vì vậy mà hợp đồng lớn bị hủy, chính lãnh đạo bên bán đó cũng có thể bị sa thải
- Khi các công ty vừa là khách hàng vừa là nhà cung cấp của nhau, không lãnh đạo nào dễ dàng là người đầu tiên nói ra sự thật
- Nếu tất cả cùng tiếp tay cho sự cường điệu, họ có thể giữ được vị trí
- Nếu một người tách khỏi hàng ngũ, họ ngầm biến đồng nghiệp thành kẻ nói dối, hèn nhát hoặc bất tài và có thể bị sa thải
- Nếu tất cả cùng thừa nhận một lúc thì có thể thay đổi tình hình, nhưng không có cách nào điều phối điều đó
- Các thành viên hội đồng quản trị của doanh nghiệp trong S&P 500 cũng nghi ngờ rủi ro của đầu tư AI, nhưng cảm thấy muốn giữ ghế thì phải đòi đầu tư
- Một giám đốc đánh giá rằng “Đầu tư sớm thế này có vẻ như chỉ ôm rủi ro mà không có nhiều upside”
- Khoảng 2 năm sau, tổ chức trị giá hàng chục tỷ USD đó lại tự quảng bá mình là AI-native
Bài kiểm tra độ thuần khiết: bọc mọi hoạt động kinh doanh bằng AI
- Mọi đề xuất có dính tới chính trị nội bộ đều phải bao gồm sự căn chỉnh với AI thì mới được phê duyệt, dù giá trị thực không rõ ràng
- Phần lớn dự án AI thực chất là các dự án cũ không dùng AI, được gắn thêm yếu tố AI về sau để vượt qua bài kiểm tra độ thuần khiết
- Trong một trường hợp chuyển cơ sở dữ liệu từ Oracle sang Snowflake, bên bán thêm một bước dùng LLM để tự động hóa việc chuyển Oracle SQL sang Snowflake SQL
- Khi tự động hóa thất bại do thiếu quyền truy cập, con người đã trực tiếp thực hiện chuyển đổi
- Chỉ vì một phần SQL được dịch bằng AI mà toàn bộ dự án được báo cáo là thành công dựa trên AI
- Thứ thực sự được mua là một di chuyển cơ sở dữ liệu thông thường để loại bỏ hệ thống cũ trước kỳ gia hạn giấy phép
- Hiếm khi có dự án AI thật sự mà LLM là cơ chế cốt lõi duy nhất và thành công có thể đánh giá bằng các con số cụ thể
- Chủ yếu xuất hiện ở startup, nhưng gần cuối quy trình bán hàng lại liên tục có yêu cầu “hãy làm thay chúng tôi” đối với những sản phẩm đã được quảng bá là hoàn thiện sẵn, nên nhóm dừng giao dịch
- Những mảng kinh doanh khó gắn AI thì bị từ chối yêu cầu vốn, hoặc truyền thông bị trì hoãn cho tới khi đề xuất trở nên “đủ chất AI”
- Cũng có công ty yêu cầu phải chứng minh đã thử dùng AI trước khi xin thêm nhân sự
- Nếu nói rằng đã dùng AI mà vẫn cần người, bạn có thể bị xếp vào loại “người dùng AI sai cách” và bị sa thải
- Ngoại trừ số rất ít công ty mà AI thật sự trùng khớp với ưu tiên số một, các tổ chức lớn ngày càng khó tập trung vào mua phần mềm phù hợp, tuyển đúng người, báo cáo dự án trung thực và thúc đẩy hoạt động kinh doanh mới một cách hợp lý
Khi cần chấn chỉnh một dự án cụ thể
- Vấn đề của các dự án AI nên được xử lý hiệu quả hơn qua đối thoại 1:1 thay vì họp nhóm
- Trong môi trường công khai, mỗi người tham dự đều sợ bị đồng nghiệp nhìn như một kẻ hoài nghi
- Cần hứa sẽ ẩn danh khi chuyển tiếp ý kiến sang nơi khác
- Tránh cách diễn đạt khiến người khác có thể suy ra nguồn tin như thể là trích dẫn trực tiếp
- Nếu chỉ khoảng 1 trong 6 người chịu nói ra vấn đề, có lẽ nên chuyển sang một tổ chức có khả năng cải thiện cao hơn
- Với các dự án đang chạy, có thể dùng phương pháp khảo sát ẩn danh rút ra từ Secrets of Consulting
- Nếu yêu cầu chấm khả năng thành công từ 1 đến 10, có thể xuất hiện phân bố phân cực: một số người cho 3 điểm, một số cho 8 điểm
- Ngay cả ở dự án đã chậm 3 năm cũng từng xuất hiện khoảng cách như vậy, và điều đó có thể cho thấy thông tin quan trọng đang bị giấu khỏi CEO
- Thành công thực tế của dự án phải được xác minh từ nhân viên tuyến đầu là những người dùng công cụ mỗi ngày
- Cần tạo môi trường để họ được tôn trọng khi nêu ý kiến
- Ở một khách hàng, nhân viên thậm chí còn không biết mình đã được cấp giấy phép dùng công cụ AI, làm lung lay cơ sở của tuyên bố tăng năng suất
- Nếu đang cố giải quyết một vấn đề cụ thể, tốt hơn không nên phản bác các mệnh đề bao quát như “AI sẽ thay đổi mọi thứ”
- Muốn thách thức chính nhận thức thực tại của tổ chức, trước hết phải giành được niềm tin của người chịu trách nhiệm cao nhất
- Thay vì làm ai đó mất mặt trước đám đông, nên hạ thấp mức lo âu trong một bữa ăn riêng tư
- Vì không thể biết người tham dự cuộc họp trước đây từng phát biểu công khai điều gì, ngay cả điều tưởng như hiển nhiên như “LLM không nên triển khai code mà không có người xem xét” cũng có thể phá vỡ việc xây dựng niềm tin ban đầu
- Nếu phải đạt các mục tiêu công ích khác và không thể tiếp cận theo cách trung thực, thì ngay cả việc gắn một chatbot AI giá 10.000 USD vào dự án rồi chỉ nhấn mạnh phần đó cũng được xem là một lựa chọn thực tế
Khi cần sống sót thay vì thay đổi tổ chức
- Sự ám ảnh tập thể với AI là vấn đề của văn hóa doanh nghiệp rối loạn chức năng hơn là của bản thân công nghệ, nên cá nhân khó có thể chống lại một cách có ý nghĩa
- Chuyển từ nhân viên chính thức sang làm hợp đồng có thể giúp nhận lương cao hơn và thoát khỏi chính trị nội bộ, đồng thời tạo ra một ngày kết thúc rõ ràng ngay cả trong môi trường khó chịu đựng
- Chỉ nên tiêu thụ tin tức AI ở mức cần thiết, và tránh các kênh liên tục bơm thêm như Hacker News hay Reddit để giảm gánh nặng tinh thần
- Khi than phiền với bạn bè cũng nên nói rõ vì sao cần cuộc trò chuyện đó và dừng ở mức phù hợp
- Nếu người xung quanh dùng AI không phù hợp cho mục đích không nguy hiểm, tốt nhất cứ bỏ qua; còn khi được hỏi ý kiến với tư cách lập trình viên, tác giả khuyên trả lời ngắn gọn rằng “nó có phần bị thổi phồng” rồi đổi chủ đề
- Nếu vẫn phải liên tục review PR 2.000 dòng do AI tạo ra, hãy giả định trước khả năng kiệt sức và bị sa thải, rồi bắt đầu tìm việc khi còn năng lượng
- Rất khó thuyết phục người tạo ra chúng dừng đổ thêm code chất lượng thấp với khối lượng lớn
- Sự chậm lại trong công việc và bất mãn của quản lý sẽ đến vì bạn đang tìm việc ngay bây giờ hoặc vì bạn kiệt sức về sau; rất khó tránh được
- Nếu quản lý trả lời bằng những câu văn rõ ràng do AI tạo, hãy đáp lại bằng AI để tiết kiệm năng lượng trong khi tìm công việc mới
- Ngay cả khi bị yêu cầu phải đẩy mức sử dụng token lên tối đa, bạn cũng nên chuẩn bị chuyển việc trước khi đánh mất cảm nhận thực tế
- Những công ty như vậy có thể là các tổ chức nhỏ khó xuất hiện trên các nền tảng tuyển dụng
- Có thể mất vài tháng mới tìm được, nên cần bắt đầu sớm
1 bình luận
Các ý kiến trên Hacker News
Phần lớn chúng ta từng khá tin rằng AI sẽ cách mạng hóa hoàn toàn xã hội và mang lại điểm kỳ dị, nhưng thực tế không phải vậy. Thay vì thừa nhận sai lầm và đánh giá lại, chúng ta đang diễn vai tương lai, cố nhét AI vào mọi ngóc ngách rồi hô đó là tiến bộ.
Nó giống một đứa trẻ thập niên 1990 tin rằng đeo Nintendo Power Glove là sẽ thành hacker; đây không phải là điểm kỳ dị. Hy vọng cơn sốt này kết thúc và mọi người quay lại giai đoạn chờ đợi giải pháp vạn năng tiếp theo.
Với tôi, người đã rời ngành phần mềm và không thể code 40 giờ mỗi tuần, AI dạng tác tử là một bước nhảy công nghệ sánh với công cụ tìm kiếm, bảng tin điện tử và trình biên dịch. Khi giao cho Claude Code thiết lập SMTP cho homelab, hiện đại hóa và ký một ứng dụng Android từ năm 2017, cấu hình runner GitHub Actions cho nhiều hệ điều hành và kiến trúc, nó tạo ra kết quả trong lúc tôi đi rửa bát.
Chính phía phủ nhận điều này như chuyện không đáng kể mới là đang rơi vào rối loạn tâm thần về rối loạn tâm thần AI. Ngay cả khi trí tuệ của mô hình đã chạm giới hạn hiện nay, đây vẫn là công nghệ thay đổi cuộc chơi.
Các cá nhân sẽ tận dụng LLM một cách phù hợp trong công việc, nhưng vì không thật sự hiểu công việc của mình và kết quả người khác muốn, họ sẽ mắc nhiều sai lầm. Ban lãnh đạo, những người hầu như không dùng công nghệ ngoài email, tin nhắn và điện thoại, sẽ tiếp tục nói không ngừng mà không hiểu công nghệ.
Không ai biết kết quả cuối cùng là gì, nhưng chỉ cần dùng Claude 5 phút cũng khó mà tưởng tượng mọi công việc văn phòng sẽ vẫn y như trước đây.
Ngay cả khi đạt ngang não người, để bắt kịp sản lượng của toàn xã hội loài người thì hiệu suất vẫn phải cao hơn thêm vài bậc độ lớn, và chỉ khi đó mới có thể vượt tốc độ phát triển của con người. Dù điểm kỳ dị AI có khả thi, quá trình tăng tốc có thể mất cả đời người.
AI cũng mất khoảng 75 năm kể từ khi phép thử Turing được đề xuất năm 1950 cho đến khi xuất hiện các hệ thống có vẻ đã vượt qua nó, nên cần cho nó thêm thời gian.
Tôi đồng cảm với đoạn nói rằng “một tổ chức bắt bạn review hàng loạt PR 2.000 dòng chứa đầy code AI tệ hại cuối cùng sẽ làm bạn kiệt sức rồi sa thải bạn, vì vậy hãy tìm việc mới như thể bạn đã bị sa thải rồi”. Tôi nghĩ khi phát triển dạng tác tử được áp dụng rộng rãi hơn, chuyện này sẽ xảy ra thường xuyên hơn.
Cần tìm và tổ chức các điều kiện để tăng thông lượng lên gấp hai, gấp ba, đồng thời tập trung vào nút thắt cổ chai và những phần khó nhất. Tôi nói với tư cách người đã thật sự làm việc này.
Cách nói “mọi dự án AI quan sát trong một năm rưỡi đều thất bại, tỷ lệ thành công 0%” là phóng đại nên làm giảm độ tin cậy. Khi nói AI, phạm vi rất rộng, từ hệ chuyên gia đến LLM, transformer và mô hình khuếch tán.
Cải thiện năng suất có thể thấy ở tìm kiếm ngữ nghĩa, tạo nội dung bằng mô hình khuếch tán, thậm chí cả hồi quy tuyến tính trong bối cảnh học có giám sát. Ngay cả khi giới hạn vào các LLM transformer, thứ gần đây làm sự quan tâm bùng lên trở lại, các dự án nhỏ tự động hóa công việc đơn giản, nhàm chán nhìn chung đã thành công.
Những dự án tham vọng đòi hỏi vượt quá năng lực mô hình thì dễ thất bại và phần lớn có thể dự đoán trước, nhưng một số dự án nằm ở ranh giới khả năng là dự án R&D chính đáng.
Đây là thiên lệch chọn mẫu: họ chỉ quảng cáo tới các công ty đang thất bại vì thiếu chuyên môn nội bộ, rồi viết rằng mọi dự án họ thấy đều thất bại. Vì họ còn từ chối hỗ trợ, khả năng các dự án đó được chuyển hóa thành ca thành công cũng bị chặn lại.
Có vẻ tác giả không thích lối diễn đạt lịch sự kiểu doanh nghiệp, nhưng tôi thích văn phong này và họ cũng thường đưa ra góc nhìn sâu sắc đi ngược lại thông lệ trong ngành.
Các chỉ số như số dòng code, unit test, tài liệu, tốc độ PR đã tăng, nhưng kết quả kinh doanh thực tế vẫn chưa rõ. PR tăng có thể giúp ra mắt tính năng sớm hơn, nhưng cũng có thể làm chậm review hoặc phá hỏng trải nghiệm người dùng bằng lỗi. Các công ty không nói rõ nhiều code hơn thực sự chuyển thành doanh thu như thế nào.
Với trường hợp trước, miễn là không chủ động khước từ công nghệ, kỹ sư phần mềm dễ thu được kết quả hữu ích. Trường hợp sau thì rất khó vì phải xây trên một nền tảng đặc thù là LLM, còn các dự án hiển nhiên như chatbot nội bộ dễ dẫn đến hứa hẹn quá mức và kết quả dưới kỳ vọng.
Tôi đã thấy ở hai công ty hoàn toàn khác nhau ở hai đầu Trái Đất, ban lãnh đạo muốn dùng LLM để soạn các tài liệu đối ngoại có hệ quả pháp lý và tài chính lớn. Họ luôn nói sẽ có chuyên gia đọc và kiểm chứng sự thật trước khi gửi, nhưng những người không chuyên về biên tập và kiểm chứng sự thật có xu hướng kiểm tra cẩu thả hơn nhiều so với việc viết chính xác ngay từ đầu.
Những giai thoại như “phải để nó viết lại toàn bộ bản sao kho lưu trữ Go sang Zig trong lúc mình làm việc khác thì mới giữ được việc”, hoặc khi ban lãnh đạo khách hàng tuyên bố năng suất tăng 100 lần, nếu lãnh đạo nhà cung cấp nói rằng điều đó không thực tế thì có thể làm suy giảm niềm tin vào lãnh đạo phía khách hàng và khiến hợp đồng doanh nghiệp bị hủy, là rất hay.
Bài viết nói “tỷ lệ thành công của mọi dự án AI quan sát được là 0%” nhưng lại không có định nghĩa về dự án AI. Cần có ví dụ cụ thể: đó là viết phần mềm từ đầu, hay người không phải lập trình viên dùng chatbot LLM trong nội bộ/bên ngoài, hay là thứ gì khác.
Tôi hoàn toàn đồng ý với phê phán kiểu Hoàng đế cởi truồng về tự động hóa công việc, nhưng khá bất ngờ khi bài viết không đề cập đến mảng kỹ thuật có AI hỗ trợ, vốn tích cực với nhiều người. Chatbot cũng có thể thành công nếu thu hẹp phạm vi vấn đề và lựa chọn phù hợp. Công ty trước đây của tôi đã có kết quả tốt với giao diện hội thoại cho cơ sở dữ liệu vector, nhưng phần cốt lõi thực sự là cơ sở dữ liệu vector, và có thể UI truyền thống còn nhanh và chính xác hơn.
Nhìn chung, hướng của bài viết phần lớn là đúng, đặc biệt là phần nói về cơn cuồng AI và kỳ vọng phi thực tế đang quét qua giới lãnh đạo cấp cao.
Trải nghiệm của tôi khi dùng Claude để viết SQL nâng cao và mã Python không khớp với lập luận của bài viết. Tôi chưa trực tiếp thấy chatbot nào thật sự thỏa mãn khi truy vấn dữ liệu bằng ngôn ngữ tự nhiên, nhưng khi viết các truy vấn rất phức tạp bằng ngôn ngữ tự nhiên thì có thể đạt tới mức 80–90%.
Những công ty vượt lên đối thủ nhờ AI nhiều khả năng sẽ không quảng bá rầm rộ mà dùng nó một cách âm thầm. Đối tượng bài viết nhắm tới là các tập đoàn lớn đầy quản lý, và những tổ chức như vậy trước AI cũng từng hành xử y hệt với khoa học dữ liệu/phân tích dữ liệu hay blockchain.
Ai cũng có thể dùng LLM để đóng gói một ý tưởng tồi trông có vẻ thuyết phục, khiến cả tổ chức chạy theo ý tưởng sai lầm của một phó chủ tịch tầm thường và gây ra tổn thất năng suất khổng lồ.
Phát triển tính năng vẫn mất thời gian tương tự hoặc chỉ cải thiện năng suất có giới hạn. Có vẻ vì phần lớn tổ chức vốn đã kinh niên kém trong việc xây dựng phần mềm.
Tuần trước tôi nhận được khảo sát từ hai nơi khác nhau hỏi tôi dùng AI trong công việc như thế nào; cả hai đều là câu hỏi chọn nhiều đáp án nhưng không cho phép chọn 0 mục và được đặt là câu hỏi bắt buộc.
Dù chưa rõ việc doanh nghiệp áp dụng AI có thực sự tạo ra mức tăng năng suất khổng lồ hay không, điều đó hoàn toàn hợp lý với những người bán xẻng như Nvidia và Anthropic.
Dù có chỉ ra rằng hoàng đế đang cởi truồng thì cũng không ngăn được cơn cuồng. Không chỉ cơn sốt hoa tulip thế kỷ 17, mà các quy trình Agile, bảng chấm công, đo năng suất dựa trên số dòng code cũng tương tự; doanh nghiệp ở mỗi thời đại lại lặp lại một cơn cuồng tập thể mới.
Các học thuyết quy trình của chuyên gia tư vấn, sự kiểm soát quá mức của bộ phận bảo mật, nỗi sợ bị tụt lại, và mục tiêu thuyết trình để trông giống một doanh nghiệp hiện đại dựa trên AI đã châm ngòi cho điều này. Khách hàng, doanh nghiệp, chuỗi cung ứng, chính phủ và các nhà tư tưởng đều tham gia vào điệu nhảy toàn cầu này; một ngày nào đó âm nhạc sẽ đổi và điệu nhảy cũng sẽ khác.
Kinh doanh và chính trị chủ yếu bị chi phối bởi điều này, và ngành công nghệ cũng liên tục sa vào các trào lưu, thổi phồng, cùng những sai lầm kéo dài hàng thập kỷ mà về sau trông có vẻ hiển nhiên.