AI coding agent là AI không chỉ gợi ý vài dòng code mà nhận nguyên một đầu việc lập trình, tự lên kế hoạch, tự làm và tự kiểm tra, có thể chạy liên tục hàng giờ hoặc hàng ngày. Factory, một công ty Mỹ, gọi các agent của họ là Droids và dùng mô hình Claude của Anthropic để chúng làm việc trên những hệ thống phần mềm lớn của doanh nghiệp với ít sự giám sát của con người hơn. Bài này giải thích lại cuộc trò chuyện giữa CEO Factory và đại diện Anthropic, rồi rút ra những gì một doanh nghiệp vừa và nhỏ ở Việt Nam có thể áp dụng, kể cả khi bạn không phải lập trình viên.
Nguồn: video "How Factory is building autonomous software with Claude" của kênh Claude (kênh chính thức của Anthropic, tiếng Anh). Tôi diễn giải theo ý hiểu của mình, không dịch nguyên văn.
Factory là ai và Droids làm gì?
Factory là công ty làm các agent lập trình tên Droids, nhắm tới công việc phần mềm quy mô doanh nghiệp lớn. Sứ mệnh họ nêu trong video rất gọn: đưa sự tự chủ (autonomy) vào nghề kỹ sư phần mềm.
Người sáng lập và CEO, Matan Grinberg, kể mình từng là nghiên cứu sinh vật lý lý thuyết. Sau một buổi hội thảo về việc máy tự tạo chương trình (ngày nay gọi là sinh code), anh nhận ra bài toán này phải giải ở môi trường doanh nghiệp thật: những hệ thống có phần code 30 năm tuổi nằm cạnh phần mới, nửa viết bằng COBOL, nửa bằng Python. Đó là nơi vấn đề khó và thú vị nhất.
Anh cũng thừa nhận giai đoạn 2023–2025 là quãng "đi qua sa mạc": ý tưởng agent ra đời quá sớm, thị trường chưa sẵn sàng. Theo anh, nhờ đó mình có thời gian học cách xây một công ty thật sự, thay vì chỉ có ý tưởng.
"Nhà máy tối" (dark factory) cho phần mềm nghĩa là gì?
"Nhà máy tối" là hình dung về một xưởng chạy 24/7 mà không cần người đứng cạnh, đèn tắt cũng được. Với phần mềm, nó có nghĩa là các agent nhận việc, làm nhiều ngày liền, còn con người chỉ can thiệp ở điểm quan trọng.
Grinberg nhấn mạnh hai điều. Thứ nhất, người dùng cần thời gian làm quen: khi đã quen giao việc cho agent chạy nhiều ngày, họ dần quen với việc không phải can thiệp, và khi thấy kết quả có ý nghĩa thật thì niềm tin được hình thành. Thứ hai, niềm tin trở thành thứ quan trọng nhất, vì hệ thống làm việc mà không cần bạn duyệt từng bước. Vì vậy hệ thống phải luôn quan sát chính nó. Ví dụ anh nêu: sau một thay đổi, tỷ lệ hoàn thành ở một bước tụt xuống, hệ thống dựng môi trường thử, tìm nguyên nhân, đề xuất cách sửa cho con người xem, rồi triển khai và theo dõi tiếp.
Anh cũng nói Factory chọn "gặp người dùng ở đúng chỗ họ đang đứng": coi họ là người hiểu nghiệp vụ của mình hơn Factory và cho họ tự tuỳ chỉnh công cụ cho khớp cơ cấu tổ chức.
Ví dụ thực tế: nâng cấp COBOL ở ngân hàng giảm 90% công sức con người
Trong video, ví dụ nổi bật là một ngân hàng có hàng tồn các đợt nâng cấp COBOL phức tạp mà kỹ sư nào cũng ngại nhận. Đợt đầu, một kỹ sư Factory ngồi cạnh kỹ sư của ngân hàng để làm; trong lúc làm, hệ thống rút ra các bài học về cách ngân hàng đó vận hành. Lần sau, lượng can thiệp của con người giảm khoảng 90% theo lời Grinberg.
Lưu ý: đây là con số do CEO của Factory kể trong một video của Anthropic, tôi không có cách kiểm chứng độc lập. Hãy coi nó là một ví dụ minh hoạ chứ không phải cam kết cho mọi trường hợp. Bạn có thể đọc thêm câu chuyện đầy đủ tại trang khách hàng Factory của Claude.
Điều tôi thấy đáng học ở đây không phải là con số, mà là cách làm: lần đầu có người ngồi cạnh để dạy, hệ thống ghi lại bài học, lần sau tự làm nhiều hơn. Đó là quy trình "làm mẫu một lần, lưu lại, lặp lại".
Vì sao việc lập kế hoạch cần mô hình mạnh nhất?
Grinberg dùng một phép so sánh dễ hiểu: không ai bắt giám đốc kỹ thuật tự viết từng dòng code, vì đó không phải cách dùng thời gian hiệu quả. Thường có người nắm nhiều bối cảnh hơn đứng ra thiết kế giải pháp tổng thể, rồi giao phần việc cho người khác. Agent cũng vậy: khi anh lập kế hoạch hoặc làm việc phức tạp cần phối hợp nhiều phần, anh dùng mô hình Opus.
Theo anh, bước tiến lớn nhất của các mô hình mới là giảm nhu cầu giám sát. Lập kế hoạch khó ở chỗ có thể đi lệch hướng mà chỉ phát hiện sau một lượng xử lý khổng lồ. Với mô hình mới, anh tin kế hoạch hơn, đến mức nhiều khi chỉ lướt qua rồi nói "ổn, làm đi", và chỉ hiếm khi phải quay lại hỏi "kế hoạch đã chốt gì nhỉ?". Về phân việc cho mô hình, bạn có thể đọc thêm trong bài Claude Opus 5.5 và Sonnet 5.5: chọn model nào cho việc gì.
Mô hình, harness và quy trình công ty: ba vòng tròn cần nâng cấp
Grinberg mô tả điểm nghẽn của "nhà máy tối" bằng ba vòng tròn đồng tâm: ở lõi là mô hình AI, bao quanh là harness (bộ khung điều khiển, công cụ và quy tắc bao quanh mô hình), ngoài cùng là quy trình làm việc của cả công ty. Cả ba đều đang đổi nhanh.
Ông nói mô hình hôm nay làm được việc mà hai năm trước cần cả mô hình lẫn harness. Hệ quả: nếu bạn lười đổi harness, nó sẽ dần bị mô hình "nuốt" mất. Factory phải mỗi tháng tự hỏi lại: cách thiết kế này còn tối ưu không? Muốn hiểu rõ khái niệm harness, xem Harness là gì? Chạy Claude Code bằng model AI giá rẻ.
| Vòng tròn | Là gì | Ví dụ ở doanh nghiệp nhỏ |
|---|---|---|
| Mô hình | Bộ não AI (Claude, Gemini…) | Chọn mô hình mạnh cho việc lập kế hoạch, mô hình nhẹ hơn cho việc lặp |
| Harness | Công cụ, quyền truy cập, quy tắc xung quanh mô hình | Agent được đọc thư mục nào, được sửa file nào, phải báo ai khi xong |
| Quy trình công ty | Cách người và AI phối hợp | Ai duyệt kết quả, duyệt ở bước nào, ghi lại bài học ở đâu |
Làm được 300 thứ thì điều gì còn quan trọng?
Khi AI nhận bớt việc nặng, câu hỏi chuyển từ "làm thế nào" sang "nên làm gì". Grinberg nêu: công ty nào cũng muốn ra mắt 30 sản phẩm nhưng chỉ làm nổi ba vì thiếu nguồn lực; giờ có thể ra 300. Nhưng 300 sản phẩm đó có làm khách hàng hài lòng hơn không? Câu hỏi thật sự là "năng lực cốt lõi của mình là gì và làm sao phục vụ nó tốt hơn".
Tôi đồng ý hoàn toàn với góc nhìn này, vì nó đúng với cả doanh nghiệp nhỏ. Làm thêm nhiều thứ không đồng nghĩa có giá trị hơn. Nếu bạn bán sỉ vật liệu xây dựng, việc đáng làm là cho khách xem công nợ và giá nhanh, chứ không phải thêm mười tính năng ít ai dùng.
Doanh nghiệp Việt học được gì từ video này?
Bạn không cần là ngân hàng hay có hệ thống COBOL để dùng các ý tưởng trên. Dưới đây là bốn bài học tôi rút ra, kèm ví dụ giả định để dễ hình dung.
1. Làm mẫu một lần, ghi lại, rồi giao lặp lại
Ví dụ giả định: công ty phân phối có file Excel báo cáo tồn kho hàng tuần mà chỉ một kế toán biết cách làm. Hãy cho AI quan sát một lần làm đầy đủ, rồi viết ra quy tắc: lấy dữ liệu từ đâu, loại mã nào, kiểm tra gì trước khi gửi. Lần sau AI làm, bạn chỉ rà soát phần ngoại lệ. Cách làm này giống cách Factory ghi lại "bài học" ở ngân hàng.
2. Giao việc phức tạp cho mô hình mạnh, việc lặp cho mô hình nhẹ
Phần lập kế hoạch, phối hợp nhiều bước nên dùng mô hình tốt nhất. Phần thực thi lặp đi lặp lại có thể dùng mô hình rẻ hơn. Giá và hạn mức thay đổi thường xuyên, bạn nên kiểm tra trang chính thức của nhà cung cấp trước khi quyết định.
3. Giảm giám sát dần, không bỏ giám sát
Niềm tin xây từ kết quả, không phải từ lời hứa. Hãy bắt đầu với việc ít rủi ro (báo cáo nội bộ, bản nháp), xem kết quả vài tuần, rồi mới mở rộng. Với việc đụng tiền, khách hàng hay dữ liệu nhạy cảm, luôn giữ một bước người duyệt. Chi tiết cách kiểm tra nhiều lớp có trong bài Giữ chất lượng code AI khi giao việc cho AI khác: 4 lớp kiểm.
4. Xem lại cách làm mỗi tháng
Điều Factory làm với harness cũng áp dụng cho bạn: một quy trình bạn thiết kế cách đây sáu tháng để "chống" hạn chế của AI có thể đã thừa. Mỗi tháng, hãy hỏi: bước nào bạn vẫn duyệt tay mà AI giờ làm đủ tin cậy? Bước nào nên thêm kiểm tra?
Có nên giao hẳn việc lập trình cho agent không?
Chưa nên giao hoàn toàn. Chính Grinberg cũng nói là chúng ta "chưa tới" nhà máy tối, và các hệ thống vẫn cần giới hạn an toàn cùng sự tin cậy. Với doanh nghiệp nhỏ, tôi khuyên đi theo từng nấc:
- Chọn một việc nhỏ, ít rủi ro, có kết quả kiểm tra được (ví dụ một báo cáo hoặc một trang web nội bộ).
- Viết rõ yêu cầu và tiêu chí "xong" bằng lời thường.
- Cho agent làm, bạn xem kế hoạch trước khi chạy.
- Kiểm tra kết quả bằng dữ liệu thật của mình, đặc biệt các trường hợp ngoại lệ.
- Ghi lại điều đã học vào tài liệu để lần sau agent dùng lại.
- Chỉ giảm mức giám sát khi kết quả ổn định qua nhiều lần.
Nếu bạn cần hệ thống quản lý thật sự (kho, đơn hàng, công nợ) thì không nhất thiết phải viết code: nhiều doanh nghiệp bắt đầu bằng AppSheet trên nền Google Sheet, và dùng AI hỗ trợ ở những phần cần thiết. Công cụ nào phù hợp tuỳ quy mô và đội ngũ của bạn.
Tóm tắt và bước tiếp theo
- AI coding agent nhận trọn đầu việc, chạy lâu và tự kiểm tra, khác với công cụ chỉ gợi ý từng đoạn.
- Factory xây Droids trên Claude; ví dụ ngân hàng COBOL cho thấy cách "làm mẫu một lần, hệ thống học, lần sau giảm can thiệp".
- Mô hình mạnh hơn giúp tin kế hoạch hơn và giảm giám sát, nhưng niềm tin phải xây dần.
- Ba vòng tròn mô hình, harness, quy trình công ty đều cần xem lại định kỳ.
- Làm nhiều hơn chưa chắc tốt hơn: hãy xác định năng lực cốt lõi trước.
Bước tiếp theo bạn có thể làm ngay: chọn một việc lặp lại trong tuần của công ty, viết ra các bước và tiêu chí kiểm tra, rồi thử giao cho một trợ lý AI ở chế độ có người duyệt.
Xem thêm
Câu hỏi thường gặp
›AI coding agent khác gì so với trợ lý gợi ý code?
Trợ lý gợi ý code chỉ đưa ra vài dòng khi bạn gõ. AI coding agent nhận cả đầu việc, tự lên kế hoạch, sửa nhiều file, chạy kiểm tra và có thể làm liên tục nhiều giờ. Vì làm nhiều hơn nên cần giám sát và kiểm tra kết quả kỹ hơn.
›Droids của Factory là gì?
Droids là tên các AI coding agent của Factory, nhắm tới công việc phần mềm quy mô doanh nghiệp như nâng cấp hệ thống cũ. Theo video, Factory dùng các mô hình Claude, trong đó dùng Opus cho việc lập kế hoạch phức tạp.
›Dark factory trong phần mềm có nghĩa là gì?
Đó là hình dung về xưởng phần mềm chạy 24/7 do agent làm việc, con người chỉ can thiệp ở điểm quan trọng. Theo CEO Factory, hiện chưa đạt tới mức đó, còn các điểm nghẽn ở mô hình, harness và quy trình của công ty.
›Doanh nghiệp nhỏ có cần dùng AI coding agent không?
Không bắt buộc. Nếu nhu cầu chỉ là app quản lý kho, đơn hàng thì công cụ no-code như AppSheet có thể đủ. AI coding agent hữu ích khi bạn có nhiều việc lập trình lặp lại hoặc cần dựng web app riêng, và nên bắt đầu từ việc ít rủi ro.
Tác giả
Chuyên gia chuyển đổi số · Đại diện 5F Edu
Hơn 8 năm triển khai và tư vấn chuyển đổi số cho doanh nghiệp vừa và nhỏ: chuẩn hoá quy trình, xây phần mềm quản lý bằng AppSheet và web app, tự động hoá bằng N8N. Người làm kênh YouTube Nghiện AppSheet.
