Cisco giao cho kỹ sư 27 tuổi "kho token AI không giới hạn" để viết lại 98% mã nguồn cũ trong 24 tháng

Trong bối cảnh AI đang thay thế ngày càng nhiều vị trí việc làm cho người mới ra trường, Chủ tịch kiêm Giám đốc sản phẩm của Cisco, Jeetu Patel, lại chọn một hướng đi ngược dòng. Theo báo cáo của Fortune, ông đã giao cho một cựu founder startup 27 tuổi — người từng bị "chôn" ở vị trí thấp hơn cấp bậc của mình tới năm bậc — nhiệm vụ tái cấu trúc 98% khối mã nguồn cũ (legacy code) của Cisco trong vòng 24 tháng.

Kỹ sư phần mềm làm việc với mã nguồn và công cụ AI

Từ startup dịch thuật đến "siêu dự án" của Cisco

Nhân vật được giao trọng trách là Padmanabhan Krishnamurthy, thường được gọi là "Paddy". Anh gia nhập Cisco sau khi hãng này mua lại EzDubs, một startup dịch thuật mà anh góp công xây dựng vào năm 2023. Dù đã có kinh nghiệm điều hành, Patel nhận thấy Krishnamurthy đang bị "vùi lấp trong bộ máy tổ chức để làm những việc không mang tính chiến lược".

Theo báo cáo, Patel đã gặp Krishnamurthy tại văn phòng Cisco ở San Francisco. Tại đây, chàng kỹ sư trẻ khẳng định có thể viết lại mã nguồn cũ của Cisco chỉ với một nhóm hai người, và rằng "ngay cả những người tiếp cận AI tiên phong nhất trong chính đội của [Patel] cũng không nghĩ theo hướng đó".

Kết quả là Krishnamurthy được giao tái cấu trúc 98% khối mã nguồn legacy trong 24 tháng, với bốn tuần đầu tiên để chứng minh tính khả thi (proof of concept).

"Tôi đã cấp cho cậu ấy lượng token không giới hạn vì cậu ấy sẽ tái cấu trúc mã nguồn. Cứ thoải mái mà làm", Patel kể lại lời mình nói với Krishnamurthy.

Đánh cược lớn vào lập trình bằng AI

Việc dùng AI để viết mã đang bùng nổ trong thời gian gần đây. GitHub thậm chí từng phải bổ sung 4 triệu lõi CPU và 160 petabyte dung lượng lưu trữ để đáp ứng nhu cầu. Tuy nhiên, cách làm này không hề không có cạm bẫy: các AI agent "hoang" nổi tiếng với những hành động ngoài ý muốn, từ xóa toàn bộ cơ sở dữ liệu của công ty, làm hỏng bản dựng chương trình truyền hình cho đến phá vỡ cả môi trường production.

Mã nguồn và các khối lệnh được hiển thị trên màn hình

Patel hy vọng sẽ tìm thêm được nhiều nhân sự trẻ theo hình mẫu Krishnamurthy, cả trong nội bộ lẫn tuyển từ bên ngoài. Ông tìm những người dám "thách thức hệ thống và hiện trạng", những người có thể trở thành "một cỗ máy tiếp sức luôn tiến về phía trước và thúc đẩy cả đội".

Theo Patel, cấu trúc doanh nghiệp hiện nay thường đi ngược lại kiểu tư duy này:

"Nếu bạn không tuyển những người mới vào nghề, và cứ để lực lượng lao động tiếp tục như cũ, thì ý tưởng mới sẽ được đưa vào từ đâu? Bạn thách thức hiện trạng bằng cách nào?"

Ông cũng thừa nhận điều này sẽ tạo ra ma sát, khi đặt nhân viên Gen Z cạnh những đồng nghiệp đã gắn bó hàng chục năm. Nhưng với Patel, "ma sát là tốt". Ông nói: "Tôi thực sự cố gắng tạo ra ma sát trong các đội, bởi bạn cần đủ ma sát giữa các ý tưởng. Bạn không muốn ma sát giữa con người và tính cách với nhau."

Câu hỏi còn bỏ ngỏ: khả thi và rủi ro

Cộng đồng công nghệ đã nhanh chóng đặt dấu hỏi về dự án đầy tham vọng này. Một ý kiến cho rằng về mặt lý thuyết, việc tái cấu trúc 98% mã nguồn trong 24 tháng là khả thi nếu không giới hạn token, nhưng việc kiểm thử toàn bộ số mã đó cùng các ứng dụng và hệ điều hành cuối cùng — trong đó có IOS trên các thiết bị mạng, với hàng nghìn biến thể — rồi sửa các lỗi hồi quy và lỗi mới phát sinh sẽ kéo dài dự án vượt xa mốc hai năm.

Ý kiến này cũng nhấn mạnh: Internet vận hành dựa trên một phần những thiết bị đó, và một người từng xây dựng startup dịch thuật ứng dụng AI khó có thể là lựa chọn phù hợp để đảm bảo độ tin cậy tuyệt đối cho router, switch, firewall trên toàn cầu. Thay vào đó, nên thử nghiệm ở phạm vi hẹp hơn, chẳng hạn một phòng ban hoặc một phân khúc sản phẩm ít rủi ro trước.

Một bình luận khác nêu lên vấn đề quyền sở hữu trí tuệ đối với mã nguồn do AI tạo ra: nếu trong tương lai một chương trình AI sinh ra đoạn mã tương tự, ai sẽ là người bị kiện?

Trung tâm dữ liệu với hạ tầng mạng và máy chủ

Góc nhìn cho doanh nghiệp Việt Nam

Câu chuyện của Cisco là ví dụ điển hình cho xu hướng "AI-native engineering" đang lan rộng trong các tập đoàn lớn. Với các doanh nghiệp Việt Nam đang sở hữu nhiều hệ thống legacy sau nhiều năm vận hành, mô hình này đáng để tham khảo — nhưng cần thận trọng.

Bài học rút ra gồm một số điểm:

• Bắt đầu ở phạm vi nhỏ, chọn module ít rủi ro để thử nghiệm trước khi mở rộng.
• Đầu tư vào kiểm thử tự động, vì tốc độ sinh mã của AI luôn nhanh hơn tốc độ con người có thể xác minh.
• Giữ chuyên gia giàu kinh nghiệm trong vòng kiểm soát chất lượng, đặc biệt với hệ thống hạ tầng quan trọng.
• Làm rõ chính sách sở hữu trí tuệ với mã nguồn do AI hỗ trợ tạo ra.

Dù thành công hay thất bại, thử nghiệm của Patel và Krishnamurthy sẽ là một trong những phép thử quy mô lớn nhất về việc liệu AI có thể thực sự "gánh" được khối di sản mã nguồn khổng lồ của một tập đoàn công nghệ hàng đầu thế giới hay không.