AI Mentor và hành trình ‘debug’ lại cách làm sản phẩm bằng AI

Trong câu chuyện về AI Transform, nhiều người thường nghĩ tới những mô hình lớn, những công cụ mới hay các workflow “tương lai”. Nhưng với team AI Mentor tại FPT Smart Cloud, hành trình áp dụng AI vào phát triển sản phẩm lại bắt đầu từ một câu hỏi rất đời thường: “Bước nào trong quy trình đang khiến team tốn thời gian nhất?”.

Thay vì áp dụng AI một cách ồ ạt, team chọn cách đi từng bước nhỏ. Không cố thay đổi mọi thứ cùng lúc, cũng không chờ có một framework hoàn chỉnh mới bắt đầu. Với AI Mentor, AI trước tiên được xem như một công cụ để giải quyết những điểm nghẽn thật sự trong quá trình làm sản phẩm.

Chia sẻ về hành trình này, chị Nguyễn Nhật Thanh Phương (Trung tâm Sản phẩm Conversation, Khối Sản phẩm AI), Product Owner của AI Mentor cho biết team không xem AI như một “phép màu” có thể giải quyết mọi thứ ngay lập tức. Điều quan trọng hơn nằm ở việc nhìn lại toàn bộ workflow hiện tại, xác định đúng những điểm đang gây tốn thời gian nhất, rồi từng bước thử nghiệm để tìm ra cách làm phù hợp với chính team của mình.

Bài toán lần này đến từ chính sản phẩm AI Mentor. Dù hệ thống đã có tính năng tạo sinh câu hỏi, team quyết định không cải tiến dần trên nền cũ mà xây lại gần như toàn bộ để mang tới trải nghiệm tốt hơn cho người dùng. Điều đó đồng nghĩa với việc mọi thứ phải được định nghĩa lại từ đầu: từ requirement, prototype cho tới workflow giữa các team. Để bắt đầu, cả team cùng nhìn lại toàn bộ quy trình phát triển sản phẩm và xác định những công đoạn đang “ngốn” nhiều thời gian nhất. Brainstorm thường là nơi “dễ tắc” nhất khi mọi người phải mất nhiều thời gian để thống nhất requirement hay hướng kỹ thuật. Sau đó là các bước viết User Story, Acceptance Criteria, dựng prototype, code, testing và release document.

Thay vì ngồi thiết kế một quy trình AI hoàn chỉnh trên giấy, team chọn cách thử nghiệm song song. Mỗi nhóm nhỏ tự test các tool khác nhau, đo hiệu quả rồi chia sẻ lại cho cả team. Có những tool phù hợp để generate prototype nhanh, có tool mạnh về code, có tool hỗ trợ tốt cho testing hoặc documentation. Và thay vì chỉ tự mày mò, team cũng chủ động học hỏi từ các team khác để rút ngắn thời gian thử sai. Một trong những thử nghiệm đầu tiên diễn ra ở giai đoạn Requirement → Development. Trước khi chọn tool, team đặt ra ba tiêu chí khá rõ ràng: phải nhanh để có prototype sớm, output phải tái sử dụng được cho các bước tiếp theo, và đặc biệt là đủ dễ dùng cho cả team Product.

Nhiều hướng tiếp cận đã được thử nghiệm, từ Lovable, Figma Make cho tới các combo tool khác nhau. Sau nhiều lần test, team chọn dùng Claude để build prototype trực tiếp trên snapshot gần nhất của hệ thống. Cách làm này giúp prototype tương thích tốt với codebase hiện tại, có thể tái sử dụng ngay cho các bước phát triển tiếp theo mà không cần setup quá phức tạp. Kết quả ban đầu cho thấy thời gian cho giai đoạn prototype và requirement giảm khoảng 40–50% so với trước. Nhưng càng đi sâu, team càng nhận ra một điều: AI không tự động giúp toàn bộ quy trình nhanh hơn chỉ vì một bước được tối ưu.

Các giai đoạn như development, testing hay release vẫn tồn tại rất nhiều sự phụ thuộc phức tạp liên quan tới hệ thống, workflow và cách phối hợp giữa các team. Điều đó buộc team phải thay đổi cả cách làm việc, từ chất lượng đầu vào cho tới cách mọi người tương tác với AI ở từng bước. Nói cách khác, AI không chỉ yêu cầu tool mới, mà còn yêu cầu một workflow mới.

Từ hành trình này, team AI Mentor cũng rút ra nhiều bài học thực tế. Đó là việc cần xác định rõ mục tiêu và các chỉ số đo lường ngay từ đầu, để biết workflow nào đang thực sự hiệu quả và tránh việc “dùng AI theo cảm giác”. Team cũng nhận ra không nên thay đổi toàn bộ quy trình cùng lúc, việc bắt đầu từ “những bước nhỏ tốn nhiều thời gian” sẽ giúp dễ đo lường hiệu quả hơn và giảm áp lực khi triển khai.

Trong quá trình thử nghiệm, nhiều tool khác nhau được chạy song song để tìm ra cách phù hợp nhất với thực tế công việc, bởi không có một công thức chung cho mọi team hay mọi bài toán. Đồng thời, một tool “dễ dùng” đôi khi lại quan trọng không kém một tool mạnh về công nghệ, đặc biệt khi người sử dụng không hoàn toàn là kỹ sư. Quan trọng hơn cả, AI Transform không chỉ là chuyện thêm tool mới vào workflow cũ, mà là quá trình liên tục thay đổi cách phối hợp, cách tương tác và cả chất lượng đầu vào để AI có thể hỗ trợ hiệu quả hơn qua từng giai đoạn.

Và có lẽ, điều đáng giá nhất không nằm ở việc tiết kiệm được bao nhiêu thời gian, mà ở chỗ team đã bắt đầu nhìn quy trình phát triển sản phẩm theo một cách rất khác: linh hoạt hơn, thực tế hơn và sẵn sàng thay đổi hơn trước.

________________________________

Năm 2026, FPT Smart Cloud thúc đẩy mạnh mẽ định hướng AI Transform, mong muốn thay đổi cách con người làm việc cùng AI trên toàn tổ chức với mục tiêu hướng tới là “95% công việc được thực hiện với sự hỗ trợ của AI”. Không sử dụng AI để xử lý từng tác vụ riêng lẻ, đội ngũ từng bước đưa AI tham gia sâu hơn vào quá trình phân tích, phát triển sản phẩm, vận hành và ra quyết định. Sự thay đổi này không chỉ nằm ở công nghệ mà còn ở cách mỗi cá nhân tiếp cận công việc. Con người chuyển dần từ vai trò trực tiếp thực hiện nhiều thao tác lặp lại sang xác định bài toán, đưa ra yêu cầu, định hướng, kiểm soát chất lượng và tinh chỉnh kết quả do AI tạo ra.

Trên nền tảng đó, campaign [AI Transform] được triển khai với mục tiêu chia sẻ các case study giúp FCIers hiểu rõ hơn về cách AI đang được ứng dụng vào các quy trình thực tế, nhận diện những thay đổi trong phương thức làm việc và từng bước hình thành tư duy AI-native trong công việc hằng ngày.

Anh Đức