Câu trả lời của AI xuất hiện trước khi cả đội đọc xong ticket. Nó có một lời giải thích gọn, một hướng triển khai và cả đoạn nhắc về edge case với giọng rất chắc. Căn phòng yên đi một nhịp. Đầu ra ấy đủ hoàn chỉnh để giảm áp lực, nhưng chưa đủ để mang thẳng vào công việc.
Đây là dáng quen thuộc của nhiều ngày làm việc có AI: bản nháp đầu tiên gần như miễn phí về thời gian, còn phần quyết định giá trị nằm ở đoạn sau. Câu trả lời có đi thẳng thành code không? Có ai đọc lại giả định của nó không? Điều vừa học có được mang sang yêu cầu kế tiếp không? Khác biệt nằm trong vòng phản hồi ấy.
Vòng phản hồi của con người không chỉ là một cú bấm duyệt hay từ chối. Nó là hệ thống nhỏ bao quanh đầu ra: đối chiếu khẳng định với mã nguồn, chạy test, đặt cách làm được đề xuất cạnh kiến trúc thật, ghi chỗ nào hữu ích, chỗ nào chỉ là suy đoán và bối cảnh nào còn thiếu. Bằng chứng thu được sau đó phải quay ngược trở lại, làm đầu vào sau chính xác hơn.
Thiếu vòng này, AI tạo ra một kiểu nhanh rất lạ. Bề mặt công việc chạy vun vút trong khi hiểu biết ở phía sau hụt hơi. Một hàm xuất hiện, đoạn migration xuất hiện, bản tóm tắt cũng xuất hiện. Nhưng nếu không ai hỏi vì sao ranh giới được đặt ở đó, kiểu hỏng nào bị bỏ quên hay giả định nào lẻn vào, cái giá thường chỉ lộ ra khi mọi thứ đã đi xa.
Vòng phản hồi không cần nặng. Với một việc viết code, có thể chỉ cần biết mô hình đã dựa vào những file nào, test nào chứng minh hành vi, trường hợp biên nào chưa được phủ và đoạn nào mới là suy luận. Với tài liệu sản phẩm hay bài viết, có thể là đường dẫn tới nguồn, lượt đọc lại giọng văn, kiểm tra dữ kiện và một quyết định của con người về thứ không nên công bố. Hình thức khác nhau, nguyên tắc vẫn vậy: lời khẳng định quan trọng phải gặp bằng chứng bên ngoài mô hình.
Một prompt tốt có ích, nhưng một prompt đơn lẻ không tạo thành cách làm việc tốt. Đội ngũ mạnh thường coi prompt và hướng dẫn như hiện vật sống: giữ lại ví dụ giao việc rõ, lỗi mô hình hay mắc, câu hỏi cần dùng lúc review và bước kiểm tra rollback. Người sau không còn bắt đầu từ ô chat trắng; họ được thừa hưởng một phần phán đoán mà lần trước đã vất vả mới có.
Từ đây, kinh nghiệm với AI mới đi từ cá nhân sang tổ chức. Một người nhận ra mô hình hay quên migration rollback. Người khác thấy nó quá tin ví dụ API tự sinh. Người nữa bắt gặp những test trông hợp lý nhưng không hề kiểm tra contract thật. Nếu các phát hiện nằm trong cuộc chat riêng, cả đội sẽ lần lượt vấp cùng một chỗ. Khi chúng được đưa vào vòng phản hồi, hệ thống làm việc mới thật sự tiến bộ.
Cách nhìn này cũng đủ khiêm tốn để không phải chọn giữa hai cực “AI là phép màu” và “AI chẳng dùng được”. Nó là một cộng sự nhanh, có trí nhớ không đều và không chịu trách nhiệm cho production. Phần của con người là dựng hàng rào để đầu ra tốt vượt qua kiểm chứng, còn đầu ra yếu bị chặn khi chi phí sửa vẫn còn thấp.
Một cách làm AI tốt không kết thúc ở prompt hoàn hảo. Nó có nhịp riêng: giao việc rõ, đọc chậm, thử điều được khẳng định, lưu bài học rồi làm lượt sau tốt hơn. Tốc độ đến từ mô hình; độ tin cậy được tích lại trong vòng phản hồi của cả đội.