Doanh nghiệp tự lái

• Replit định nghĩa tổ chức tự lái (The Self-Driving Company) là nơi con người đặt ra mục tiêu và các ưu tiên/điểm đánh đổi, còn nhiều AI agent thu thập ngữ cảnh cần thiết để thực hiện công việc/xác minh/escalate
• Thay vì giữ agent trong trình soạn thảo hay công cụ chat, họ đã kết nối chúng với các hệ thống nội bộ và cung cấp một agent quản lý có thể chạy song song nhiều agent con cho từng nhân viên, mở rộng loop engineering để lặp lại các tác vụ có thể kiểm chứng
• Từ đầu tháng 1 đến cuối tháng 6 năm 2026, tổng lượng đóng góp mã nguồn tăng 5,8 lần, năng suất bình quân đầu người của cùng một nhóm kỹ sư tăng 2,9 lần, nhưng độ trễ review code/hoàn tác/sự cố không tăng, còn thời gian review PR của con người giảm 30%
• Việc dùng agent đã lan sang phân tích dữ liệu/bán hàng/marketing/hỗ trợ khách hàng, hỗ trợ chỉ số thời gian thực và soạn tài liệu, nghiên cứu khách hàng tiềm năng, tạo tài liệu phát hành và điều tra ticket hỗ trợ; thời gian xử lý các ticket hỗ trợ khó vẫn do con người xử lý đã giảm 60%
• Khi các agent nội bộ cho thấy chi phí thấp hơn và mức độ tích hợp cao hơn một số công cụ thương mại, quyết định tự xây hay mua cũng thay đổi; Replit muốn cung cấp cách vận hành này cho người dùng dưới dạng có chính sách/quyền hạn/bảo mật/kiểm soát chi phí

---

Tổ chức tự lái nơi con người quyết định đích đến

• Doanh nghiệp tự lái không phải là tổ chức không có con người, mà là tổ chức nơi con người chọn đích đến, quyết định các vấn đề quan trọng/điểm đánh đổi khó/sở thích và chịu trách nhiệm về kết quả
• Con người không trực tiếp thực hiện mọi bước chi tiết để đạt mục tiêu; agent nhận mục tiêu, thu thập ngữ cảnh, làm việc rồi kiểm tra kết quả, chỉ escalate ở những điểm cần phán đoán của con người
• Các agent của Replit đang được dùng để điều tra sự cố production, review PR, trả lời câu hỏi nội bộ, phân tích dữ liệu kinh doanh, phân loại ticket hỗ trợ, nghiên cứu tài khoản bán hàng và cải thiện chính Replit Agent
• Nhân viên đánh giá rằng thay vì cảm thấy vai trò của mình bị tự động hóa, họ được giải phóng khỏi công việc lặp lại để phụ trách các phán đoán mang tính chiến lược/sáng tạo

Sự thay đổi bắt đầu khi có thể làm việc dài hạn

• Từ cuối năm 2025, khi các model có thể duy trì công việc trong thời gian dài hơn, việc phân loại cảnh báo và điều tra nguyên nhân gốc vốn liên tục thất bại trước đây bắt đầu hoạt động được
• Khi AI xử lý được cả những bug từng khó giải quyết, công ty bắt đầu không xem agent là công cụ nằm trong trình soạn thảo hay cửa sổ chat nữa mà tích hợp trực tiếp vào cấu trúc vận hành doanh nghiệp
• Sau khi hiệu quả được xác nhận ở mảng kỹ thuật, việc sử dụng lan ra toàn tổ chức khi từng đội chuyển các công việc tẻ nhạt cho agent

Hạ tầng agent nội bộ kết nối với hệ thống toàn công ty

• Từ cuối tháng 1 năm 2026, công ty mở rộng hạ tầng để có thể nhanh chóng thử nghiệm các trường hợp sử dụng agent nội bộ
• Dùng agent harness, microVM và hệ thống tệp từ xa hiện có để kỹ sư có thể điều phối nhiều agent song song
• Sau khi áp dụng chính sách truy cập/proxy token/nhật ký audit/mạng ZeroTrust, họ cho phép truy cập các hệ thống công việc như GitHub, GCP, Azure, Linear, Notion, Slack, ZenDesk
• Khi có thể dùng chung ngữ cảnh từ nhiều hệ thống, những thử nghiệm từng thất bại trước đây trở nên khả thi và sản lượng mã nguồn tăng nhanh

Tăng sản lượng mã nguồn và các chỉ số chất lượng

• Trong sprint tháng 3 năm 2026 chuẩn bị phát hành Agent 4, đường cong năng suất đã tăng lên một mức khác hẳn trước đó và họ liên hệ điều này với việc triển khai hệ thống agent nội bộ
• Từ đầu tháng 1 đến cuối tháng 6 năm 2026, số dòng đóng góp mã nguồn tăng 5,8 lần
  • Ngay cả khi loại bỏ tác động của tuyển dụng mới và chỉ so sánh cùng một nhóm tác giả, sản lượng mã nguồn vẫn tăng 2,9 lần
  • Trong khi tăng quy mô đội ngũ gấp đôi, sản lượng bình quân mỗi kỹ sư tăng gần gấp ba
• Thời gian chậm trễ trong review code không tăng
  • Agent đánh giá mức độ rủi ro và chỉ gọi thêm reviewer thứ hai là con người khi cần
  • Họ tiết kiệm được hơn 30% thời gian review PR của con người, và tỷ trọng này vẫn tiếp tục tăng
• Tỷ lệ hoàn tác PR và xu hướng phát sinh sự cố được giữ ổn định
  • Reviewer là con người phát hiện được nhiều bug hơn nhờ hỗ trợ từ review đồng hành với agent
  • Agent điều tra sự cố giúp tìm nguyên nhân gốc, làm giảm thời gian khắc phục trung bình (MTTM)
• Tốc độ hoàn thành dự án đo bằng Linear cũng tăng mạnh cùng với sản lượng mã nguồn, cho thấy lượng code tăng thêm thực sự dẫn tới việc phát hành tính năng

Loop engineering với việc chạy lặp nhiều agent

• Mọi nhân viên đều dùng một agent quản lý có thể tạo ra nhiều agent con, và có thể cấu hình để nhiều agent lặp lại các tác vụ có thể kiểm chứng
• Các ví dụ dùng cả một nhóm agent đã thay đổi giả định trước đây về khả năng hoàn thành công việc
  • Hoàn tất việc migration hệ thống CSS vốn bị đình trệ trong thời gian dài
  • Tự động hóa migration giúp khả dụng hóa bản địa hóa sản phẩm
  • Tự động hóa việc bảo trì các bài test không ổn định
  • CTO đã dùng một nhóm agent để giải quyết bug mạng khó liên quan đến PSC và đóng file descriptor
• Đội AI đã xây dựng hệ thống học liên tục phân tích phản hồi người dùng, đề xuất cải tiến rồi xác minh kết quả bằng benchmark và A/B test
• Nhờ hệ thống này, Replit Agent có được một vòng lặp tự cải thiện dựa trên phản hồi

Đánh giá tự xây hay mua đã thay đổi

• Khi các agent nội bộ được tích hợp sâu với knowledge base và hệ thống công việc, đồng thời được tùy biến theo công ty, đã xuất hiện những trường hợp hữu ích hơn so với giải pháp thương mại bên ngoài
• Replit nhận thấy ứng dụng do nội bộ xây dựng tốt hơn nên đã hủy hợp đồng SaaS trị giá bảy chữ số USD mỗi năm; nhân viên cũng đã chuyển sang công cụ nội bộ từ trước
• Ngay cả khi so với các sản phẩm bên ngoài chuyên cho từng tác vụ cụ thể, agent nội bộ vẫn cho thấy sức cạnh tranh
  • Công cụ phân loại cảnh báo và phân tích nguyên nhân gốc sự cố cho chất lượng tương tự nhưng chi phí vận hành cao hơn 10 lần so với agent nội bộ
  • Công cụ pentest tự động tìm ra ít lỗ hổng hơn phiên bản nội bộ trong khi chi phí cao hơn 10 lần
• Cả hai công cụ nội bộ đều đã được triển khai lên production để giảm MTTM sự cố và tăng cường phòng thủ trước tấn công cho các hệ thống cốt lõi

Phân tích dữ liệu chuyển sang mô hình self-service

• Khi các nhân viên khác thấy kỹ sư giao việc cho agent trên Slack, việc sử dụng bắt đầu lan ra ngoài bộ phận kỹ thuật
• Ban đầu, trường hợp sử dụng nhiều nhất là kết hợp trạng thái của knowledge base và codebase để hỏi về cách sản phẩm hoạt động và các kỳ vọng
• Nhân viên có thể tự kiểm tra thông tin sản phẩm rồi trực tiếp sửa câu chữ hoặc tài liệu mà không phải chờ kỹ sư trả lời
• Đội dữ liệu cung cấp một semantic layer trên data warehouse để agent hiểu các bảng dữ liệu chuẩn và mối quan hệ giữa các bảng
  • Mọi nhân viên đều có thể nhận câu trả lời cho các câu hỏi business intelligence và tạo biểu đồ cũng như tài liệu thuyết trình bằng dữ liệu thời gian thực
  • Đội dữ liệu có thể tập trung vào các vấn đề khó hơn thay vì các yêu cầu lặp lại
• Một quản lý sản phẩm đã tự thực hiện phân tích phát hành bằng cách kết hợp các sự kiện trong codebase, cách chúng được ghi vào nền tảng dữ liệu khách hàng và trạng thái thuê bao phức tạp
• Tất cả biểu đồ trong bài viết cũng được tạo bằng agent nội bộ

Thay đổi trong bán hàng/marketing/hỗ trợ khách hàng

• Đội phát triển bán hàng dùng tri thức nội bộ để tìm kiếm và bổ sung thông tin cho các khách hàng tiềm năng phù hợp với sản phẩm
  • Họ tận dụng ngữ cảnh mà các công cụ bán hàng phổ thông không thể truy cập để viết nội dung tiếp cận cụ thể hơn
• Nhân viên bán hàng khi chuẩn bị cho các cuộc trao đổi với khách hàng sẽ nghiên cứu giá trị sản phẩm theo từng khách hàng/các dự án đang hoạt động/lượng credit sử dụng so với hợp đồng
  • Tự động cấu trúc kết quả phân tích thành tài liệu thuyết trình có thương hiệu cho từng tài khoản
  • Nâng cao cả số lượng lẫn chất lượng các điểm chạm với khách hàng
• Đội marketing dùng hội thoại và tài liệu từ đội kỹ thuật/sản phẩm để viết bản nháp thông số sản phẩm chỉ từ một prompt duy nhất
  • Có thể bắt đầu chuẩn bị phát hành sớm và theo kịp các thay đổi mà không cần tham dự mọi cuộc họp
  • Dùng thời gian tiết kiệm được cho lập kế hoạch và công việc sáng tạo
• Đội hỗ trợ khách hàng đã bổ sung cho agent kỹ thuật điều tra vấn đề theo quy trình chuẩn
  • Agent có thể đề xuất câu trả lời theo đúng văn phong phản hồi khách hàng chuẩn, hoặc escalate lên đội kỹ thuật kèm ticket và tóm tắt kết quả điều tra
  • Thời gian giải quyết các ticket khó được chuyển cho con người đã giảm 60%

Môi trường làm việc tự lái cho người dùng

• Replit cho rằng vận hành tự lái không loại bỏ người thực thi mà chuyển vai trò của họ sang định nghĩa kết quả và quyết định phương hướng
• Để cung cấp cách làm này cho người dùng doanh nghiệp/nhà sáng lập của Replit, công ty đang phát triển các tính năng chính sách, quyền hạn, bảo mật và kiểm soát chi phí
• Họ cho rằng để áp dụng cho người dùng đang vận hành doanh nghiệp thực tế thì cần các cơ chế bảo vệ có thể mở rộng theo quy mô tổ chức