Tại ZIGExN VeNtura, team Reform House tập trung xây dựng phần mềm chất lượng cao nhằm cải tạo nhà ở dành cho khách hàng Nhật Bản. Các dự án mà chúng tôi thực hiện thường có logic nghiệp vụ phức tạp, đòi hỏi sự phối hợp chặt chẽ giữa lập trình viên, tester và BrSE. Với đội ngũ chỉ từ 6 đến 8 người, việc vừa đảm bảo tốc độ phát triển, vừa duy trì chất lượng cao ngày càng trở nên khó khăn.

Vì sao chúng tôi đưa Devin vào quy trình

Chúng tôi từng đối mặt với nhiều vấn đề tồn đọng như quy trình review code thiếu nhất quán, đôi khi dẫn đến lỗi chất lượng; yêu cầu từ phía đối tác Nhật Bản thường chưa rõ ràng, buộc team phải trao đổi qua lại nhiều lần để làm rõ; còn việc onboarding lập trình viên mới lại mất khá nhiều thời gian, ảnh hưởng đến tốc độ triển khai chung.

Chúng tôi nhận ra mình cần một giải pháp có thể giúp tinh gọn quy trình mà vẫn đảm bảo đầu ra chất lượng. Và đó là lúc chúng tôi bắt đầu thử nghiệm Devin, một kỹ sư phần mềm AI tự động.

Ban đầu, Devin chỉ được đưa vào như một thử nghiệm nhỏ. Nhưng hiệu quả mang lại vượt ngoài mong đợi. Khi được sử dụng đúng cách, Devin đã chứng minh rằng AI hoàn toàn có thể đóng vai trò hỗ trợ thực sự trong quy trình phát triển phần mềm.

Devin đang hỗ trợ chúng tôi như thế nào?

Hiện tại, Devin đã tham gia hỗ trợ ở nhiều giai đoạn trong quy trình phát triển phần mềm:

• Phân tích yêu cầu: Devin giúp làm rõ các yêu cầu chưa cụ thể bằng cách đặt ra những câu hỏi phù hợp. Điều này đặc biệt hữu ích khi làm việc với các bên không có nhiều chuyên môn kỹ thuật, giúp cả BrSE và lập trình viên hiểu rõ hơn trước khi bắt tay vào triển khai.
• Lập trình: Devin đưa ra gợi ý viết code theo ngữ cảnh, chỉ ra điểm có thể cải thiện trong logic, đồng thời gợi ý những phương pháp nhằm viết mã nguồn một cách hiệu quả nhất. Nhờ đó, cả lập trình viên junior lẫn senior đều duy trì được chất lượng và sự đồng nhất trong codebase.
• Code review: Mỗi khi có pull request, Devin sẽ thực hiện một vòng review tự động đầu tiên. Lúc đầu, các nhận xét của Devin còn khá chung chung, nhưng sau khi được điều chỉnh theo chuẩn nội bộ, phản hồi của Devin đã trở nên cụ thể và hữu ích hơn rất nhiều. Điều này giúp tiết kiệm thời gian và nâng cao độ nhất quán trong quy trình review.
• Tạo test case: Devin hiểu rõ logic nghiệp vụ của hệ thống và có thể tạo test case phù hợp với các tình huống thực tế. Nhờ đó, QA giảm được đến 80% thời gian viết test case thủ công.

Tất cả những cải tiến này đều mang lại lợi ích rõ rệt cho team: BrSE không còn mất quá nhiều thời gian làm rõ yêu cầu, lập trình viên triển khai mượt mà hơn, QA tập trung vào việc kiểm thử nâng cao thay vì viết test thủ công. Đặc biệt, với các bạn lập trình viên mới, Devin như một công cụ hướng dẫn thứ hai, giúp họ học nhanh hơn thông qua phản hồi thực tế.

Cách chúng tôi điều chỉnh Devin

Để tận dụng tối đa giá trị mà Devin mang lại, chúng tôi đã tiếp cận việc tích hợp theo cách bài bản và có chiến lược.

Trước tiên, team đã xây dựng một Playbook riêng để hướng dẫn cách Devin hoạt động, đảm bảo AI này vận hành đúng với quy trình và tiêu chuẩn nội bộ. Chúng tôi cũng phát triển một hệ thống memory bank giúp Devin ghi nhớ bối cảnh dự án và giữ được tính liên tục khi xử lý các đầu việc. Đồng thời, chúng tôi cũng xác định rõ các tiêu chuẩn review, giúp đảm bảo những phản hồi do Devin tạo ra luôn nhất quán và phù hợp với kỳ vọng của team.

Song song đó, chúng tôi nhận ra rằng chất lượng đầu vào quyết định rất lớn đến hiệu quả đầu ra của AI. Nếu prompt không rõ ràng và nhất quán, kết quả sẽ rất dễ đi lệch hướng. Vì vậy, chúng tôi đã chuẩn hoá các mẫu prompt trong team bằng chính tính năng Playbook.

Chẳng hạn, khi cần Devin chuyển đổi yêu cầu thành các user story theo định dạng Gherkin, chúng tôi chỉ cần sử dụng một Playbook đã được định nghĩa sẵn. Vì thế, kết quả luôn ra đúng format, ổn định và dễ áp dụng cho các đầu việc lặp lại. Nhờ đó, trải nghiệm sử dụng Devin của team trở nên mượt mà, đáng tin cậy và hiệu quả hơn rõ rệt.

Những kết quả ban đầu

Chỉ sau vài tháng đưa Devin vào quy trình làm việc, chúng tôi đã thấy rõ những cải thiện có thể đo lường được. Tốc độ hoàn thành công việc tăng lên 20–30%. Các lập trình viên mới có thể onboard và bắt đầu đóng góp chỉ sau một tuần. Quá trình code review cũng trở nên trơn tru và đồng đều hơn nhờ những phản hồi có cấu trúc rõ ràng từ Devin.

Một thành viên trong team từng nhận xét rằng các góp ý ban đầu của Devin còn khá chung chung, nhưng sau khi được tinh chỉnh theo tiêu chuẩn nội bộ, các phản hồi đã trở nên đầy đủ và hữu ích hơn rất nhiều.

Kế hoạch sắp tới

Chúng tôi xem Devin là bước khởi đầu quan trọng trong hành trình cải tiến quy trình phát triển phần mềm. Trong thời gian tới, chúng tôi sẽ tiếp tục hoàn thiện Playbook và hệ thống kiến thức để giúp Devin hiểu rõ hơn về ngữ cảnh và đưa ra phản hồi chính xác hơn. Mục tiêu của chúng tôi là nâng tổng năng suất của team lên đến 50%.

Chúng tôi cũng có kế hoạch chia sẻ kinh nghiệm và cách làm với các team khác trong ZIGExN VeNtura, để họ có thể thử nghiệm và áp dụng AI vào quy trình riêng của mình. Bên cạnh đó, chúng tôi đang tìm cách đo lường hiệu quả đóng góp của Devin ở từng tác vụ cụ thể, nhằm có cái nhìn rõ ràng hơn về giá trị mà AI mang lại cả về chất lượng lẫn hiệu suất.

Chúng tôi tin rằng AI không thay thế con người, nhưng nếu được ứng dụng đúng cách, nó có thể nâng tầm cách chúng ta làm việc. Devin đã giúp team cải thiện tính nhất quán, đẩy nhanh tiến độ và dành nhiều thời gian hơn cho những việc có giá trị cao. Và hành trình này đối với chúng tôi mới chỉ bắt đầu.