Bài toán khó
Ba tháng trước, anh Lê Anh Khôi (FAM.FA.MFG, một đơn vị thuộc FPT Automotive tại Mỹ), bắt đầu phát triển một giải pháp mới phục vụ bộ phận quản lý chất lượng tại nhà máy sản xuất pin của đối tác. Yêu cầu đặt ra là truy xuất nguồn gốc sản phẩm, cho phép theo dõi toàn bộ hành trình của một viên pin từ nguyên vật liệu, linh kiện, lô sản xuất đến các công đoạn đã tham gia hình thành nên sản phẩm cuối cùng. Đây không phải đề bài mới. Trước đó, nhiều nhóm và đối tác quốc tế của hãng từng xây dựng các công cụ nhưng chưa đáp ứng được kỳ vọng.
Khó khăn nằm ở bản chất dữ liệu sản xuất pin. Một viên pin thành phẩm được hình thành từ nhiều cell pin, nguyên vật liệu, linh kiện và bán thành phẩm trung gian. Khi phát sinh lỗi chất lượng, nhà máy cần truy ngược toàn bộ chuỗi liên kết này để xác định nguyên nhân và phạm vi ảnh hưởng. Dữ liệu tạo thành một "cây gia phả" phức tạp với hàng trăm mối quan hệ đan xen, khiến các mô hình dữ liệu quan hệ truyền thống trở nên khó mở rộng và truy vấn kém hiệu quả.
 |
| Anh Lê Anh Khôi (FAM.FA.MFG, một đơn vị thuộc FPT Automotive tại Mỹ). |
Trong quá trình nghiên cứu, kỹ sư nhà F nhận ra trở ngại lớn nhất không nằm ở giao diện hay chức năng hiển thị mà nằm ở chính cách tổ chức dữ liệu. Thay vì tiếp tục sử dụng cơ sở dữ liệu quan hệ truyền thống, anh lựa chọn Neo4j, nền tảng graph database phù hợp với những cấu trúc dữ liệu dạng cây và mạng lưới quan hệ phức tạp.
Dữ liệu sản xuất được chuyển đổi từ các bảng phẳng sang mô hình đồ thị. Nhờ đó, hệ thống có thể trực quan hóa mối liên hệ giữa thành phẩm, cell pin, nguyên vật liệu, công đoạn sản xuất và các lô liên quan. Người dùng không chỉ truy xuất được nguồn gốc của một viên pin mà còn có thể quan sát toàn bộ quá trình hình thành sản phẩm dưới dạng sơ đồ trực quan, đồng thời xuất dữ liệu phục vụ phân tích và quản lý chất lượng. Theo anh Khôi, đây là nền tảng quan trọng giúp nhà máy xác định chính xác sản phẩm nào cần giữ lại, lô hàng nào cần theo dõi thêm và khu vực rủi ro cần được kiểm soát.
AI giúp tăng tốc hiện thực hóa ý tưởng
Anh Khôi cho biết điều đặc biệt là phần lớn mã nguồn của ứng dụng được tạo ra với sự hỗ trợ của AI. Thay vì tập trung vào việc prompt để AI tạo sinh code chi tiết, anh dành phần lớn thời gian để mô tả yêu cầu, định hướng thiết kế, rà soát kiến trúc, kiểm tra kết quả và liên tục điều chỉnh đầu ra của AI.
Trong khoảng bốn tuần, phiên bản đầu tiên đã hoàn thiện đủ để trình bày với khách hàng. Sau khi trải nghiệm các tính năng cốt lõi, phía đối tác nhanh chóng nhìn thấy giá trị của giải pháp và tiếp tục đề xuất thêm yêu cầu mở rộng và mong muốn đẩy nhanh tiến độ triển khai cho nhiều dòng pin khác. Tuy nhiên, AI không phải là điểm khởi đầu của câu chuyện.
Anh Lê Anh Khôi kể, từ trước đó rất lâu, nhờ tham gia dự án từ giai đoạn đầu với vai trò AMS (Application Management Support - Dịch vụ Quản lý và Hỗ trợ Ứng dụng) và tận dụng GitHub Copilot, team FPT đã hiểu sâu hệ thống và nhận ra khoảng trống. “Chúng tôi nhìn ra cơ hội xây dựng một hướng tiếp cận mới cho bài toán truy xuất nguồn gốc sản phẩm”, anh Khôi trải lòng.
Dự án được phát triển trên Siemens Opcenter và Mendix, những nền tảng low-code phục vụ sản xuất. Theo anh Khôi, đây cũng là môi trường mà AI chưa thể phát huy tối đa khả năng. Nguyên nhân là AI hoạt động hiệu quả nhất khi hiểu rõ framework, cấu trúc hệ thống và ngữ cảnh kỹ thuật. Với những nền tảng có nhiều thành phần tùy biến hoặc dữ liệu đóng, AI thường không đủ thông tin để tạo ra các đề xuất tối ưu.
“Nếu platform không hỗ trợ tốt cho AI hoặc AI không hiểu dữ liệu của platform đó thì rất khó tận dụng hết tiềm năng”, kỹ sư FPT rút ra bài học. Từ nhận định này, anh lựa chọn xây dựng một hệ thống độc lập theo phương pháp phát triển truyền thống, nơi AI có thể tham gia trực tiếp vào quá trình tạo sinh mã nguồn, phát triển giao diện frontend bằng java script thuần (plain java script) và hiện thực hóa các ý tưởng nghiệp vụ.
Nằm lòng tiêu chí AI có thể tạo ra lượng code rất lớn trong thời gian ngắn nhưng chưa thể bảo đảm tính đúng đắn của kiến trúc hay chất lượng sản phẩm, thay vì tập trung vào việc tạo sinh code, anh Khôi dành nhiều thời gian cho review, testing và đánh giá kiến trúc hệ thống. Anh cũng thường yêu cầu AI tạo kèm các bộ unit test để kiểm tra chất lượng mã nguồn ngay từ đầu. Với anh, khi AI ngày càng tham gia sâu vào phát triển phần mềm, kỹ năng quan trọng của kỹ sư sẽ không chỉ là viết code mà còn là đọc code, đánh giá thiết kế và nhận diện những rủi ro mà AI chưa thể nhìn thấy.
Cho rằng không có prompt (câu lệnh) thần thánh, kỹ sư FPT nhận định AI hiện nay đủ mạnh để tạo ra nhiều phương án khác nhau. Điều tạo nên khác biệt không phải là câu lệnh phức tạp mà là mức độ hiểu biết của người sử dụng về bài toán, mục tiêu và giới hạn của hệ thống. Nếu không hiểu vấn đề cần giải quyết, ngay cả những prompt được tối ưu nhất cũng khó mang lại giá trị. Ngược lại, khi hiểu rõ nhu cầu nghiệp vụ và mục tiêu của khách hàng, những câu lệnh đơn giản vẫn có thể tạo ra kết quả hiệu quả.
Nhìn lại hành trình, anh Khôi cho rằng AI giúp hiện thực hóa ý tưởng nhanh hơn, nhưng nhận diện đúng vấn đề và xác định bài toán cần giải quyết vẫn là vai trò của con người. “Điều tôi tự hào nhất không phải là chúng tôi có lợi thế ngay từ đầu, mà là khả năng học rất nhanh và không ngại thử thách”.
Và dù AI ngày càng có thể đảm nhận nhiều phần việc, trách nhiệm cuối cùng vẫn thuộc về người phát triển: “AI có thể viết code rất nhanh, nhưng con người vẫn phải là người chịu trách nhiệm hiểu, kiểm tra và đảm bảo chất lượng cho sản phẩm cuối cùng”, anh Khôi đúc kết.
Ngọc Linh
Ý kiến
()