Giai đoạn đầu của chiến lược "All in AI" đã ghi nhận những con số ấn tượng khi tỷ lệ AI-generated code đạt mức trung bình 68% (đỉnh điểm chạm mốc 92.8%) và năng suất xử lý tác vụ tăng 50%. Tuy nhiên, khi các công cụ hỗ trợ viết code thông thường bắt đầu bộc lộ giới hạn về ngữ cảnh, ZIGExN VeNtura quyết định tiến lên giai đoạn AI-native workflow với Claude Code - một AI Agent có khả năng tư duy trên toàn bộ repository để hiện thực hóa mục tiêu 80% AI code và tăng 30% hiệu suất trên toàn tổ chức.

Tiếp nối những thay đổi về công cụ đã đề cập ở Phần 1, Phần 2 sẽ đi sâu vào thực tế sử dụng Claude Code tại ZIGExN VeNtura thông qua góc nhìn của Project Manager - Mai Trương Tùng và Technical Leader - Trần Phú Huy, đồng thời lộ trình dịch chuyển năng lực tổ chức hướng tới năm 2026.

Thay đổi workflow hàng ngày từ góc nhìn kỹ thuật

Khi chuyển sang Claude Code, quy trình làm việc của một kỹ sư không còn dừng lại ở việc nhận gợi ý code mà chuyển sang điều phối các tác vụ tự vận hành (Autonomous).

Bên cạnh khả năng tự phản biện (Self-critique) và rà soát output đã được nhắc đến như một bước tiến lớn về trải nghiệm, anh Trần Phú Huy - Technical Leader còn nhấn mạnh sự thay đổi tư duy trong việc tương tác với AI khi gặp lỗi:

• Khả năng xử lý khi AI cho output sai: Thay vì sửa lỗi thủ công (manual fix), kỹ sư thực hiện re-prompt với các điều kiện ràng buộc (constraints) cụ thể hơn. Cách tiếp cận này coi AI là một cộng sự cần được "huấn luyện" bằng các ví dụ phủ định (negative examples) ngay trong session làm việc để tối ưu kết quả cho các lần sau.

Vì thế, trong workflow hàng ngày, vai trò trong scope công việc giữa kỹ sư đã có sự dịch chuyển rõ rệt từ thực thi sang điều phối khi AI đảm nhận hầu hết các tác vụ kỹ thuật như review code, phản biện kiến trúc, viết unit test và giải thích lỗi. Ngược lại, kỹ sư tập trung vào các khâu chiến lược hơn, từ việc đưa ra hướng giải quyết, chuẩn hóa task specification cho đến việc đưa ra quyết định cuối cùng.

Sự phân cực này cho phép độ phức tạp của task được nâng cao, giúp kỹ sư giải phóng bản thân khỏi phần "thực hiện" để hoàn toàn làm chủ phần "tư duy". Anh Huy chia sẻ:

"Trước đây gặp refactor lớn là tôi ngại vì mất nhiều thời gian, giờ có Claude Code lo phần 'gõ', tôi mạnh dạn nhận task nặng hơn để lo phần 'nghĩ' và kiểm soát kiến trúc."

Ngoài ra, dưới góc nhìn quản lý, anh Mai Trương Tùng - Project Manager lưu ý rằng các model càng thông minh thì tiêu tốn càng nhiều token. Do đó, kỹ sư cần hiểu rõ điểm mạnh, yếu của từng model để phân loại tác vụ phù hợp, tránh sử dụng dàn trải gây lãng phí tài nguyên.

Ranh giới giữa AI Agent và Kỹ sư

Dù Claude Code có khả năng thực thi mạnh mẽ, ZIGExN VeNtura vẫn xác định các ranh giới trong việc ứng dụng:

• Kiểm soát rủi ro: Những tác vụ liên quan đến cấu hình hạ tầng (như Google Cloud Platform - GCP), nơi AI có thể tự ra lệnh và thực thi, vẫn được kỹ sư thực hiện thủ công sau khi tham khảo ý kiến từ AI để chủ động kiểm soát lỗi, tránh ảnh hưởng hiệu suất dự án.
• Bảo mật thông tin: Ranh giới nghiêm ngặt về dữ liệu nhạy cảm (thông tin khách hàng, chiến lược kinh doanh, thông tin nhân sự) được anh Tùng nhấn mạnh. Đặc biệt, các tính năng như Chrome Extension của Claude cần được kiểm soát chặt chẽ để tránh rủi ro đánh cắp dữ liệu hoặc các thao tác ngoài ý muốn.
• Tầm nhìn dài hạn: AI thiếu ngữ cảnh về roadmap sản phẩm và các technical debt tích lũy. Do đó, các quyết định ảnh hưởng đến kiến trúc dài hạn vẫn hoàn toàn thuộc về kỹ sư.
• Phân biệt "Kỹ sư" và "Thợ code": Tại ZIGExN VeNtura, AI được định nghĩa là một "thợ code" siêu giỏi. Vì vậy, sự khác biệt của một kỹ sư thực thụ nằm ở khả năng làm chủ mã nguồn bằng sự sáng tạo và những sáng kiến mà máy móc không thể thay thế. Để hiện thực hóa ranh giới này trong đào tạo, các kỹ sư Junior bắt buộc phải giải thích được toàn bộ logic của mọi đoạn mã do AI tạo ra trước khi submit Pull Request. Đây là kỷ luật cần thiết để đảm bảo đội ngũ trẻ luôn giữ thế chủ động kiểm soát công nghệ thay vì trở thành những "thợ code" phụ thuộc vào AI. Anh Tùng chia sẻ:

"Việc sử dụng AI quá sớm dễ dẫn đến tình trạng lười suy nghĩ và nguy hiểm nhất là 'đánh đồng' khả năng của AI với giá trị của bản thân."

Chiến lược All in AI 2.0 và lộ trình năm 2026

ZIGExN VeNtura đang xây dựng hệ thống đánh giá mức độ trưởng thành AI (AI Maturity) dựa trên hai trục: Kết quả thực hiện và Mức độ thấu hiểu bản chất.

• Mô hình nhân sự 2026: đặt mục tiêu dịch chuyển cấu trúc nhân sự dựa trên thang đo mức độ thấu hiểu và ứng dụng AI (AI Maturity). Cụ thể, Công ty kỳ vọng nâng tỷ lệ nhân sự ở hai nhóm năng lực cao nhất từ 30% lên 70%, bao gồm: - Nhóm Thành thạo (Mức độ 3): Những nhân sự chủ yếu sử dụng AI như công cụ làm việc chính yếu hàng ngày. - Nhóm Dẫn dắt (Mức độ 4 - AI Driver): Những nhân sự không chỉ sử dụng mà còn có khả năng thiết kế quy trình và điều phối AI để tối ưu hóa hiệu suất toàn diện.

Song song đó, tỷ lệ nhân sự chưa hoặc ít ứng dụng AI sẽ được đẩy xuống mức tối thiểu (dưới 10%).

• Kỹ sư GTM (Go-to-Market): Đào tạo thế hệ kỹ sư không chỉ giỏi kỹ thuật mà còn có trách nhiệm với kết quả kinh doanh, là giao điểm giữa Engineering, Sales và Marketing.

Kết

Lộ trình từ Cursor đến Claude Code không chỉ là sự thay đổi về mặt công nghệ, mà là chiến lược để ZIGExN VeNtura tối ưu hóa lợi nhuận (Return on Investment - ROI) và tạo ra nguồn nhân lực Việt Nam có khả năng đóng góp giá trị cao nhất cho tập đoàn. Việc làm chủ AI Agent như Claude Code chính là chìa khóa để đội ngũ kỹ sư tại Việt Nam khẳng định vị thế và năng lực vận hành độc lập trong tương lai.

Khi được hỏi nếu chỉ nói một câu với các kỹ sư Việt Nam đang còn phân vân về việc ứng dụng AI vào công việc, anh Tùng chia sẻ:

“ALL IN đi, sợ gì! Chi phí để thử nghiệm bây giờ vẫn còn quá rẻ so với cơ hội mà nó mang lại.”

Khám phá ngay cơ hội tham gia cùng chúng tôi để bứt phá giới hạn và khẳng định bản lĩnh kỹ sư Việt trong kỷ nguyên AI.