Kỹ thuật AI Bản địa: Hành trình chuyển đổi và bài học thực tế từ Meta Reality Labs

Trong bối cảnh công nghệ phát triển với tốc độ chóng mặt, việc tích hợp Trí tuệ nhân tạo (AI) vào quy trình phát triển phần mềm không còn là một lựa chọn mà đã trở thành xu hướng tất yếu. Tại hội nghị QCon AI, Ian Thomas - Kỹ sư phần mềm tại Meta, đã chia sẻ một nghiên cứu điển hình (case study) đầy thú vị về việc áp dụng "Kỹ thuật AI Bản địa" (AI Native Engineering) trong đội ngũ Reality Labs, nơi đang phát triển nền tảng Horizon Worlds.

Kỹ thuật AI Bản địa tại Meta

Tầm nhìn: Từ người xây dựng đến người khám phá

Mục tiêu cốt lõi của chương trình này là chuyển đổi các kỹ sư từ việc thực hiện các công việc thủ công, lặp lại (toil) sang trở thành những người khám phá và đổi mới sáng tạo. Thay vì dành thời gian cập nhật test hay sửa lỗi nhàm chán, các kỹ sư được khuyến khích sử dụng AI để tối ưu hóa thời gian, từ đó tập trung vào việc giải quyết các vấn đề phức tạp hơn bằng tư duy con người.

Thomas và đội ngũ của mình đã khởi xướng cộng đồng AI4P (AI for Productivity) vào tháng 5 năm 2025. Ban đầu, họ bắt đầu với quy mô nhỏ để tạo ra một không gian an toàn, nơi mọi người có thể thử nghiệm, thất bại và chia sẻ những lo ngại mà không sợ bị phán xét. Điều này giúp cộng đồng phát triển tự nhiên từ vài người lên đến hơn 400 thành viên chỉ trong vòng 7 tháng.

Khung Assess and Grow: Mô hình độ trưởng thành

Một trong những đóng góp lớn nhất của chương trình này là sự ra đời của khung "Assess and Grow". Đây là một mô hình độ trưởng thành được xây dựng dựa trên các nguyên tắc của DORA, giúp các đội ngũ tự đánh giá mức độ tích hợp AI vào quy trình làm việc của mình.

Mô hình này bao gồm 6 chiều kích chính:

• Tích hợp quy trình làm việc (Workflow integration)
• Kỹ năng và chia sẻ prompt (Prompt skill and sharing)
• Niềm tin và chất lượng (Trust and quality)
• ...và các chiều khác liên quan đến quy trình và công cụ.

Mỗi chiều kích được chia thành 5 cấp độ, từ "SIT" (chưa sử dụng) đến "LEAP" (AI đã trở thành một phần không thể thiếu và thay đổi hoàn toàn cách làm việc). Thay vì áp đặt từ trên xuống, các đội ngũ tự tổ chức các buổi workshop để tự đánh giá và xác định khoảng trống cần cải thiện. Điều này tạo ra sự sở hữu và động lực nội tại mạnh mẽ.

Những chiến thắng thực tế

Việc áp dụng AI không chỉ dừng lại ở lý thuyết mà đã mang lại những kết quả ấn tượng trong thực tế:

• Độ phủ mã (Code Coverage) kỷ lục: Một kỹ sư đã sử dụng công cụ RACER để xác định các tệp mã quan trọng cần thêm test và tự động tạo ra các task để viết test. Kết quả là họ đạt được hơn 90% độ phủ mã chỉ với 3 giờ công sức thủ công (so với ước tính 19-20 giờ nếu làm thủ công), với gần 60 thay đổi (diffs) được hợp nhất.
• Di chuyển mã legacy: Sử dụng mô hình "Con người là kiến trúc sư, AI là người đánh máy", đội ngũ đã di chuyển thành công các mã legacy trong môi trường Unity một cách chính xác và nhanh chóng, giảm thiểu rủi ro ảnh hưởng đến hiệu suất trải nghiệm VR.
• Tối ưu hóa hiệu năng test: Từ 6.000 bài test, đội ngũ sự kiện đã tối ưu hóa gần 2.000 bài test nhờ AI, giúp phát hiện lỗi sớm hơn và ngăn chặn vấn đề tràn ra môi trường sản xuất.

Thách thức và bài học xương máu

Tuy nhiên, hành trình này không trải đầy hoa hồng. Thomas cũng thẳng thắn chia sẻ về những khó khăn mà họ phải đối mặt:

• "Code slop" (Code rác): AI đôi khi tạo ra code chất lượng thấp hoặc chứa ảo giác (hallucinations). Việc quản lý chất lượng đầu ra là một thách thức lớn.
• Mệt mỏi khi review code (Review fatigue): Việc AI tạo ra các thay đổi code quá lớn (diffs khổng lồ) khiến quá trình review của con người trở nên nặng nề hơn. Tốc độ thay đổi nhanh chóng cũng khiến codebase trở nên xa lạ với các kỹ sư chỉ sau vài ngày.
• Đo lường sai lệch: Ban đầu, họ tập trung vào các chỉ số hào nhoáng như "người dùng hoạt động hàng tuần" (WAU). Tuy nhiên, họ nhận ra rằng việc áp dụng công cụ không đồng nghĩa với việc tạo ra giá trị thực. Chuyển dịch sang đo lường thời gian tiết kiệm được và chất lượng sản phẩm mới là hướng đi đúng đắn hơn.

Thomas nhấn mạnh rằng giáo dục và đào tạo là chìa khóa. Meta đã triển khai chương trình đào tạo cấu trúc 2 ngày để đảm bảo tất cả nhân viên có cùng một nền tảng kiến thức về AI. Họ cũng đang xây dựng các công cụ tự động để review code do AI tạo ra, nhằm giảm tải cho con người và duy trì tiêu chuẩn chất lượng cao.

Kết luận, việc trở thành "AI Native" không phải là việc thay thế con người, mà là trao quyền cho con người làm được nhiều hơn bằng cách giảm bớt gánh nặng của các công việc thủ công. Đối với các đội ngũ kỹ thuật tại Việt Nam, bài học từ Meta là một ví dụ điển hình về cách bắt đầu nhỏ, xây dựng văn hóa chia sẻ và tập trung vào giá trị thực tế thay vì chạy theo các xu hướng công nghệ nhất thời.