Công việc mới của kỹ sư phần mềm: Thiết kế ranh giới mà AI agent không thể phá vỡ

Nếu bạn nhìn vào lịch sử commit của các nền tảng dữ liệu hiện đại, một điều sâu sắc đã thay đổi trong hai năm qua. Sự vất vả khi viết cú pháp lệnh đã biến mất. Với Cursor, Claude Code và các quy trình agentic hoạt động bên trong Docker containers và IDE, việc tạo ra bản triển khai đầu tiên của một pipeline streaming phân tán hay một tích hợp API phức tạp không còn là điểm nghẽn trung tâm.

Các agent có thể điều hướng repository, viết test coverage, kiểm tra stack trace và đề xuất refactor. Chỉ cần mô tả một ánh xạ Kafka-to-Iceberg bằng tiếng Anh đơn giản, một agent có thể tạo ra điểm khởi đầu đáng tin cậy trước khi kỹ sư kịp mở từng file liên quan. Điều đó thay đổi câu hỏi dành cho các kỹ sư phần mềm.

Vai trò mới: Kiến trúc sư của sự cân bằng

Nếu agent đang trở thành tác giả chính của logic hệ thống nội bộ, thì điều gì còn lại cho kỹ sư làm? Chúng ta có đang tiến tới một ngành công nghiệp gồm những người review chỉ đóng dấu cho một loạt pull request có vẻ hợp lý? Hay công việc đã chuyển từ việc xây dựng logic sang một thứ trừu tượng hơn?

Để trả lời, chúng ta có thể mượn góc nhìn từ nhiệt động lực học, thứ cung cấp ngôn ngữ cho công việc có định hướng, phản hồi, tổn thất và các ranh giới giúp một hệ thống phức tạp duy trì sự gắn kết.

Agent như một động cơ nhiệt: Khi loại bỏ ảo tưởng nhân hóa về AI, thứ còn lại là một cỗ máy tính toán. Nó nhận chỉ dẫn và biến thành hành động. Một LLM đặt trong trung tâm dữ liệu có năng lực khổng lồ, nhưng không tạo ra công việc hữu ích nào cho đến khi được cung cấp ý định. Một prompt, một yêu cầu kinh doanh, một chỉ dẫn hệ thống hay một test thất bại sẽ định hướng cho agent. Nó biến định hướng đó thành mã, lời gọi công cụ, truy vấn, test và thay đổi hệ thống đang chạy.

Mọi động cơ đều có tổn thất. Mọi vòng lặp agent cũng vậy. Ai từng để agent chạy với một repository khó đều thấy điều này: nó bắt đầu với một tác vụ rõ ràng, sau đó đi theo một giả định cũ, sửa triệu chứng thay vì nguyên nhân, coi một migration cũ là hành vi hiện tại và dần tự tích lũy lịch sử của riêng mình. Vài lần gọi công cụ sau đó, ngữ cảnh chứa đủ chi tiết có vẻ hợp lý nhưng mâu thuẫn, khiến bước tiếp theo kém chắc chắn hơn bước đầu tiên.

Đây là entropy vận hành: sự tích tụ của giả định cũ, ngữ cảnh phân nhánh và phụ thuộc chưa giải quyết bên trong vòng lặp vẫn đang cố tiến về phía trước. Sự can thiệp của con người hữu ích vì nó đưa thông tin mới. Một test thất bại, một data contract chính xác, một công cụ xác định hay một đánh giá cho agent biết chính xác nó sai ở đâu. Không có tín hiệu đó, agent có thể tiếp tục tạo output trong khi ngày càng xa rời kết quả đúng.

Bài toán ba vật thể và vòng phản hồi trong hệ thống doanh nghiệp

Định lý con khỉ vô hạn (infinite monkey theorem) đưa ra hình ảnh hữu ích cho những gì tiếp theo: lặp lại nhiều lần, ràng buộc hữu hạn và phản hồi. Định lý nói rằng một con khỉ gõ phím ngẫu nhiên trong thời gian vô hạn gần như chắc chắn sẽ gõ ra toàn bộ tác phẩm của Shakespeare. Các agent hiện đại thông minh hơn nhiều — chúng có compiler, công cụ, repository, bộ test và vòng phản hồi. Công việc của chúng không hoàn toàn ngẫu nhiên — phản hồi định hướng lần thử tiếp theo — nhưng động lực thì quen thuộc: đề xuất, thực thi, quan sát, sửa sai và thử lại.

Trong một tác vụ có giới hạn, vòng lặp này cực kỳ hiệu quả. Trao cho agent một schema đầu vào và đầu ra đã biết, codebase nhỏ và các test bắt đúng lỗi liên quan, nó có thể tự kiểm tra, thay đổi, chạy test, hấp thụ kết quả và thử lại. Định nghĩa hoàn thành rõ ràng. Không gian tìm kiếm hẹp. Vòng lặp có cơ hội hội tụ.

Nhưng hệ thống doanh nghiệp hiếm khi đứng yên. Một pricing engine thời gian thực có thể phụ thuộc vào trạng thái vận hành thay đổi, API bên thứ ba, sự kiện đến muộn, chính sách khu vực và quy tắc kinh doanh tồn tại phần trong mã, phần trong đầu ai đó. Một data lakehouse có thể nhất quán về mặt vật lý nhưng sai về mặt ngữ nghĩa. Một pipeline có thể vượt qua test nhưng vẫn tạo ra con số mà bộ phận tài chính không chấp nhận. Môi trường thay đổi trong khi con khỉ vẫn đang gõ phím.

Bài toán ba vật thể là hình ảnh hữu ích cho phần mềm doanh nghiệp. Với hai vật thể — một hành tinh và một ngôi sao — ta có thể dự đoán chuyển động bằng mô tả toán học sạch. Thêm vật thể thứ ba, bài toán trở nên khó giải hơn nhiều. Không có nghiệm dạng đóng tổng quát, và một số cấu hình thể hiện hành vi hỗn loạn. Thay đổi nhỏ ở một nơi có thể tạo ra quỹ đạo rất khác ở nơi khác.

Các nền tảng dữ liệu hiện đại có cùng hình dạng: dữ liệu clickstream thay đổi theo hành vi sản phẩm, cơ sở dữ liệu vận hành biến đổi theo hoạt động khách hàng, API áp đặt giới hạn tốc độ và thay đổi phiên bản, schema tiến hóa, chính sách bảo mật dịch chuyển, hệ thống kế thừa mang quy tắc không ai ghi lại vì đã bị chôn vùi trong xử lý ngoại lệ nhiều năm. Mỗi hệ thống tạo áp lực lên hệ thống khác.

Hãy xem một ví dụ giả định: một agent được yêu cầu thêm trường customer_tier vào mô hình doanh thu. Nó tìm thấy trường status trong cơ sở dữ liệu vận hành, ánh xạ vào biến đổi và vượt qua các test type và nullability hiện có. Mã sạch. Pipeline xanh. Kết quả vẫn sai.

Một data contract ngữ nghĩa nói rằng customer_tier được suy ra từ chi tiêu mười hai tháng gần nhất, có chủ sở hữu kinh doanh được chỉ định và không thể được tạo từ trạng thái tài khoản. Hợp đồng từ chối thay đổi trước khi nó đến dashboard. Đóng góp của kỹ sư không phải là phép biến đổi — mà là ranh giới giúp sai lầm của agent trở nên rõ ràng, cụ thể và có thể khắc phục.

Nhiệm vụ mới: Thiết kế sự cân bằng (Designing equilibrium)

Công việc của kỹ sư phần mềm không còn là viết từng mẩu micro-logic. Các agent sẽ ngày càng làm công việc đó, thường nhanh hơn. Nhiệm vụ mới — thiết kế sự cân bằng — là tạo ra các điều kiện để logic được tạo ra có thể được tin cậy.

Khi yêu cầu kinh doanh thay đổi nhanh hơn khả năng hấp thụ phản hồi của agent, kỹ sư phải xây dựng các trường chứa (containment fields). Các lớp ngữ nghĩa chặt chẽ, nhật ký sự kiện bất biến, data contracts, API idempotent và state machine xác định không chỉ là vệ sinh nền tảng tốt — chúng giảm số lượng giả định agent phải đưa ra cùng một lúc. Chúng biến một bài toán ghép cặp thành một miền có giới hạn với đầu vào rõ ràng, quy tắc minh bạch và phản hồi đáng tin cậy.

Khi miền đó tồn tại, agent trở nên thực sự mạnh mẽ. Nó có thể viết phép biến đổi, chạy test, sửa lỗi và triển khai thay đổi mà không cần suy luận lịch sử không được ghi chép đằng sau mỗi bảng và dịch vụ.

Giá trị của kỹ thuật phần mềm không biến mất khi việc tạo mã trở nên rẻ hơn — nó trở nên rõ ràng hơn, và đó chính là sự dịch chuyển thực sự quan trọng.

Các hệ thống tự trị sẽ ngày càng tạo ra phần mềm. Nhưng các hợp đồng, vòng phản hồi và ranh giới quyết định phần mềm đó thành công hay rơi vào hỗn loạn vẫn sẽ do các kỹ sư phần mềm thiết kế.

Ananth Packkildurai là một nhà lãnh đạo kỹ thuật dữ liệu, nhà văn và tác giả của Data Engineering Weekly, chia sẻ thông tin về nền tảng dữ liệu hiện đại, pipeline quy mô lớn và kiến trúc định hướng AI.