Chỉ tập trung vào thao tác và công cụ.
“Đây là cách bấm nút này trong công cụ kia.” Sáu tháng sau bạn sẽ quên, vì nội dung đó chưa từng dạy bạn cách tư duy mà chỉ dạy cách làm theo.
Cùng tôi học hỏi: Dành cho chuyên gia giàu kinh nghiệm
Thích ứng với kiểm thử hiện đại và kiểm thử trong thời đại AI
Bạn mới bắt đầu với kiểm thử, hoặc đang chuyển nghề sang lĩnh vực này? Bắt đầu từ đây.
Tôi muốn nói thẳng với bạn một điều: chính tôi cũng chưa hiểu hết mọi thứ.
Sau bốn mươi năm trong nghề, tôi vẫn đang học lại một số phần trong chính chuyên môn của mình. Không phải vì những gì tôi từng biết là sai, mà vì nền tảng của công việc đã dịch chuyển. Nếu bạn cũng cảm nhận sự thay đổi ấy ngay dưới một lĩnh vực mình thực sự giỏi, tôi không viết những dòng này từ phía bên kia để bảo bạn phải làm gì. Tôi đang ở ngay trong sự thay đổi đó, chia sẻ những điều mình nhận ra trên đường đi.
Có người cho rằng người mới đang có lợi thế vì họ không có gì phải học lại. Tôi hiểu vì sao câu chuyện ấy được nhắc đến. Nhưng đó chưa phải toàn bộ câu chuyện, và trên trang này tôi muốn nói về phần thường bị bỏ quên: những gì bạn đã có mà họ chưa có, và những gì tôi thực sự nghĩ là đáng để bạn dành thời gian bổ sung.
— Hùng Nguyễn, Người sáng lập STeP tại SOH
Điều gì thực sự đã thay đổi
Đây là một câu chuyện nhỏ và cụ thể đã xảy ra với tôi. Vào thập niên 90, tôi là tác giả và đồng tác giả của một vài cuốn sách về kiểm thử. Ở thời điểm đó, chúng được đón nhận khá tốt. Nhưng phần lớn nội dung trong đó giờ không còn áp dụng được nữa. Không phải vì chúng sai, mà vì công việc đã thay đổi ngay dưới chúng.
Tôi kể điều này không phải để làm mọi thứ trở nên kịch tính. Tôi kể vì nếu điều từng làm nên tên tuổi của tôi cũng có thể dần lặng đi, tôi sẽ không giả vờ rằng nhiều năm kinh nghiệm của bạn hoàn toàn miễn nhiễm với những thay đổi tương tự, ở quy mô nhỏ hơn và diễn ra liên tục. Điểm khác biệt là không ai yêu cầu bạn vứt bỏ cả cuốn sách. Bạn chỉ cần tiếp tục viết thêm những chương mới.
Điều thực sự thay đổi không phải là giá trị của việc phát hiện lỗi, lập kế hoạch độ phủ hay nhận ra khi có điều gì đó không ổn. Bản năng ấy vẫn là cốt lõi của công việc. Thứ thay đổi là cách bạn phân bổ thời gian và nguồn tạo ra phần lớn nguyên liệu thô mà trước đây bạn phải tự làm bằng tay. Test case, bản nháp đầu tiên của script tự động hóa, gợi ý kiểm thử khám phá. Giờ đây AI có thể tạo ra rất nhiều thứ như vậy trong thời gian ngắn.
Vì vậy, câu hỏi trước đây chỉ đơn giản là “tôi có tìm ra lỗi không?” đã âm thầm trở thành ba câu hỏi cùng lúc. Tôi có biết điều AI vừa đưa cho mình thực sự đúng hay không? Tôi có nhận ra nó bỏ sót điều mà con người có thể phát hiện không? Và một điều ít được nói đến nhưng cũng rất thực tế: làm sao tôi giao tiếp với AI đủ tốt để nhận được giá trị thực, mà không phải đốt nửa ngày và nửa ngân sách token chỉ để tìm ra cách hỏi phù hợp?
Kỹ năng cuối cùng đó không hề nhỏ. Nó đang trở thành một dạng năng lực hiểu biết riêng.
Kinh nghiệm của bạn không phải là gánh nặng
Tôi liên tục nghe thấy cùng một nỗi lo dưới nhiều cách diễn đạt khác nhau từ những người đã làm kiểm thử nhiều năm: nếu AI có thể tạo test và viết mã tự động hóa, thì còn lại gì cho một người như tôi?
Đây là những gì tôi thực sự nghĩ vẫn còn lại, và không chỉ có một điều.
AI thực sự giỏi và nhanh trong việc tạo đầu ra từ dữ liệu và các mẫu hình. Điều đó không cần bàn cãi. Thứ AI không tự mang đến là tư duy sáng tạo và phản biện, kiểu tư duy hình thành từ những lần bạn từng sai và còn nhớ vì sao mình sai. Chính điều đó giúp bạn thực sự dẫn dắt và làm việc cùng AI thay vì chỉ tiếp nhận những gì nó đưa ra. Đó cũng là khác biệt giữa AI như một đòn bẩy khuếch đại năng suất và AI như một hộp đen mà bạn chỉ biết hy vọng là đúng.
Rồi còn có khả năng phán đoán, liên quan nhưng không giống hoàn toàn với tư duy sáng tạo. Tư duy sáng tạo giúp bạn hướng AI đến đúng vấn đề ngay từ đầu. Khả năng phán đoán giúp bạn nhìn vào kết quả nó tạo ra và thực sự biết liệu kết quả đó có chính xác, đáng tin cậy và an toàn để phát hành hay không. Bạn cần cả hai, và cả hai đều được xây dựng qua nhiều năm làm công việc này, chứ không đến từ một chứng chỉ hoàn thành khóa học.
Nút thắt của nghề này hiện nay không nằm ở việc sinh code. Nó nằm ở đánh giá, xác minh, định hướng và phán đoán, bốn năng lực không tự nhiên xuất hiện chỉ vì một người quen dùng AI. Chúng đến từ thời gian. Bạn không hề tụt lại phía sau. Bạn đang sở hữu đúng thứ mà thời điểm này cần hơn bao giờ hết.
Một ngày vốn đã quen thuộc, chỉ là trọng tâm đã dịch chuyển
Bạn đã biết một ngày làm việc của mình trông như thế nào. Tôi sẽ không mô tả lại chính công việc của bạn. Nhưng đây là điều tôi nghĩ đang âm thầm khác đi, ngay cả khi nơi bạn làm việc chưa gọi tên sự thay đổi ấy:
Buổi sáng
Các buổi stand-up sáng ngày càng thường bắt đầu bằng những gì bộ test tự động đã phát hiện qua đêm. Quyết định thực sự đầu tiên trong ngày của bạn là xác định điều gì trong cả đống kết quả ấy đáng để chú ý, chứ không còn đơn thuần là nên kiểm thử gì trước.
Giữa ngày
Công việc giữa ngày vẫn có các test case có cấu trúc và vẫn có kiểm thử khám phá, loại công việc mà không AI nào có thể tự quyết định thay bạn. Nhưng ngày càng nhiều phần việc bao gồm rà soát code kiểm thử do AI tạo hoặc các test case do AI đề xuất trước khi bạn tin tưởng chúng. Đó là một cách vận dụng tư duy khác với việc tự viết mọi thứ từ đầu.
Buổi chiều
Buổi chiều vẫn có những lỗi bạn cùng lập trình viên đào sâu tìm hiểu. Nhưng ngày càng thường xuyên hơn, còn có cuộc trao đổi về việc liệu công cụ hỗ trợ AI mà đội ngũ đưa vào sử dụng sáu tháng trước có thực sự mang lại hiệu quả tương xứng hay không.
Suốt cả ngày
Và xuyên suốt tất cả, không giới hạn ở bất kỳ thời điểm nào trong ngày, là mối quan hệ làm việc liên tục và chặt chẽ với đội ngũ phát triển. Hai bên cùng tìm cách tăng tốc chính hoạt động kiểm thử, bởi khối lượng code và tính năng từ lập trình viên cùng coding agent hiện tăng nhanh hơn khả năng đáp ứng của phần lớn quy trình kiểm thử vốn có. Theo kịp tốc độ đó không phải là một dự án làm một lần. Nó đang trở thành phần thường trực của công việc.
Không điều gì trong số này thay thế công việc của bạn. Nó chỉ dịch chuyển nơi bạn cần tập trung trong công việc ấy.
Những cái bẫy tôi từng thấy người làm kiểm thử giàu kinh nghiệm mắc phải
Trong bốn thập kỷ, tôi đã tham gia nhiều khóa đào tạo đến mức không thể đếm hết, và phần lớn đều rơi vào cùng một vài cái bẫy. Có lẽ chính bạn cũng từng gặp ít nhất một trong số đó:
Quá rộng.
Những nền tảng tổng quát coi kiểm thử chỉ là một trong năm trăm chủ đề, không có đủ chiều sâu để thực sự thay đổi cách bạn làm việc.
Quá tập trung vào chứng chỉ.
Được xây dựng để trao cho bạn một tấm chứng chỉ, chứ không phải khả năng phán đoán mà lẽ ra chứng chỉ đó phải đại diện.
Xem việc học như một đích đến.
Đây có thể là cái bẫy phổ biến nhất và cũng dễ mắc phải nhất dù xuất phát từ ý định tốt. Bạn hoàn thành một khóa học, nhận chứng chỉ rồi xem việc học đã kết thúc. Những gì bạn thực sự nhận được ở đây được thiết kế để trở thành nền tảng, gồm kỹ năng thật và kiến thức thật. Nhưng quan trọng hơn cả hai là năng lực tiếp tục theo dõi và thích ứng khi AI và nghề này không ngừng thay đổi. Hành trình của bạn không kết thúc khi một khóa học kết thúc. Tôi hy vọng mình sẽ là người đồng hành trên hành trình đó, chứ không phải vạch đích.
Tôi xây dựng STeP để chủ động tránh ba cái bẫy đầu tiên. Còn cái bẫy thứ tư là điều cả hai chúng ta phải cùng tiếp tục tránh sau khi bạn hoàn thành việc học tại đây.
Bạn thực sự nên bắt đầu từ đâu
Đây là phần thực tiễn, vì tôi biết đó mới là điều bạn thực sự tìm đến.
Khóa học nền tảng trong STeP, bao quát các kiến thức căn bản về kiểm thử, được thiết kế là nội dung bắt buộc với người mới vào nghề. Với bạn, khóa học này là tùy chọn: một dịp ôn lại chứ không phải yêu cầu bắt buộc. Nếu muốn xem lướt để xác nhận không có điều gì đã thay đổi ngay dưới mình, nội dung đó luôn sẵn có. Nếu muốn đi thẳng qua phần này, đó là lựa chọn thực sự được hỗ trợ chứ không phải một cách học cắt xén.
Điều không phải là tùy chọn với bất kỳ ai chính là lộ trình AI trong kiểm thử. Đây là nơi tôi khuyên bạn bắt đầu trước tiên. Tôi thực sự cho rằng nó không còn là một chuyên môn riêng mà đã trở thành kỹ năng nền tảng, giống như kỹ năng viết script cơ bản đã không còn là tùy chọn từ một thập kỷ trước.
Kiểm thử API và kỹ thuật tự động hóa kiểm thử nằm sau đó. Ở đây tôi muốn đính chính một giả định đôi khi mọi người mắc phải: đây không phải kiểu nội dung tùy chọn “chỉ dành cho người hướng đến vai trò tự động hóa”. Nó có ưu tiên thấp hơn AI trong Kiểm thử, nhưng không phải phần có thể bỏ qua. Bạn không cần trở thành SDET. Trong thời đại này, việc dùng AI để hỗ trợ xây dựng và thực thi test tự động là điều tự nhiên, và ngày càng trở thành cách công việc được thực hiện. Nhưng bạn cần hiểu tự động hóa thực sự vận hành ra sao đủ để giao đúng nhiệm vụ cho AI và đánh giá kết quả nó tạo ra bằng khả năng phán đoán thực chất, chứ không chỉ bằng niềm tin. Chính sự hiểu biết đó, chứ không phải chiều sâu ở cấp độ SDET, giúp bạn tiếp tục đứng vững trong nghề.
Bạn không bắt đầu lại từ con số không. Bạn bắt đầu đúng nơi khoảng trống thực sự tồn tại và không bỏ qua những phần giúp mình vẫn có thể kiểm tra công việc của AI.
Những khái niệm AI thực sự đáng để hiểu
Tôi sẽ không đưa cho bạn một danh sách từ vựng. Bạn đã ở trong nghề đủ lâu để biết kiểm thử hồi quy và kiểm thử khám phá có nghĩa là gì. Điều thực sự mới, ngay cả với người đã làm công việc này lâu năm, là hiểu cách các hệ thống AI mà bạn đang làm việc cùng thực sự vận hành bên trong. Không phải để trở thành kỹ sư AI, mà để ngừng xem thứ bạn đang kiểm thử và sử dụng như một hộp đen.
Mô hình thực sự hoạt động như thế nào.
LLM là gì, nó tạo đầu ra ban đầu như thế nào, và một điều mà phần lớn mọi người vẫn chưa hiểu dù sử dụng các công cụ này hằng ngày: cửa sổ ngữ cảnh, tức lượng thông tin mà mô hình thực sự có thể ghi nhớ tại một thời điểm, cũng như lý do các cuộc trò chuyện dài với AI bắt đầu quên chỉ dẫn trước đó hoặc âm thầm lệch hướng. Nếu bạn từng thấy một công cụ AI hoạt động kém dần khi cuộc trò chuyện kéo dài, đây thường là nguyên nhân.
Giao tiếp hiệu quả với AI.
Kỹ thuật prompt và các mẫu prompt là những cấu trúc thực tế giúp tạo ra kết quả đáng tin cậy thay vì chỉ đoán mò. Bạn cũng cần hiểu khác biệt giữa tinh chỉnh và huấn luyện, vì mọi người thường dùng hai thuật ngữ này thay thế cho nhau dù chúng không giống nhau. Một điều nữa là vì sao đầu ra AI vốn không mang tính tất định, nghĩa là cùng một prompt có thể cho hai câu trả lời khác nhau. Điều đó đến từ sự kết hợp giữa mô hình nền tảng, system prompt định hình cách mô hình phản hồi và logic code bao quanh tất cả. Khi hiểu sự kết hợp ấy, câu nói “lần này AI đưa ra câu trả lời khác” không còn bí ẩn mà trở thành điều bạn có thể phân tích.
AI có thể kết nối với những gì bên ngoài chính nó.
RAG là cách giúp mô hình bám vào nguồn tài liệu thực tế và cụ thể thay vì chỉ dựa trên dữ liệu huấn luyện tổng quát. MCP là giao thức cho phép công cụ AI thực sự kết nối và sử dụng các công cụ, hệ thống khác. Việc sử dụng công cụ là năng lực nền tảng để mô hình quyết định gọi một công cụ, tách biệt với giao thức dùng để kết nối. Còn “agent” thực sự là gì, khi từ này được dùng rất nhiều? Về bản chất, đó chỉ là một mô hình cộng với các công cụ và một vòng lặp tiếp tục chạy cho đến khi nhiệm vụ hoàn tất. Không phải phép màu, chỉ là cơ chế vận hành đáng để hiểu.
Vì sao những điều này quan trọng với công việc.
Agent Skills là một tập hợp chỉ dẫn được đóng gói và có thể tái sử dụng, để AI gọi khi cần thay vì con người phải giải thích lại một nhiệm vụ mỗi lần, đồng thời ngày càng có thể dùng trên nhiều công cụ. Grounding là cách gắn đầu ra của AI với dữ liệu nguồn đã được xác minh. Nó liên kết trực tiếp với RAG và với việc phát hiện hallucination trước khi chúng trở thành lỗi mà bạn bỏ sót.
Bạn không cần thành thạo tất cả những điều này trước khi bắt đầu. Bạn cần biết chúng tồn tại, và STeP là nơi bạn sẽ thực sự xây dựng những năng lực đó một cách bài bản.
Vì sao tôi chia sẻ điều này với bạn
Tôi sẽ không nói rằng chẳng có gì xảy ra nếu bạn không thích ứng. Thực tế là có. Khoảng cách giữa người làm kiểm thử đã xây dựng hiểu biết về AI và những người chưa làm điều đó là có thật, và nó sẽ không tự thu hẹp.
Nhưng tôi cũng sẽ không tạo ra cảm giác cấp bách mà bạn không cần. Bạn đã vượt qua nhiều thay đổi trong lĩnh vực này hơn cả số lần phần lớn mọi người nhận ra chúng từng xảy ra. Bạn cũng sẽ vượt qua lần này. Câu hỏi thực sự duy nhất là liệu bạn sẽ dành năm tới để tự mình bắt kịp, chắp nối kiến thức từ nhiều nguồn rời rạc, hay một phần thời gian đó được tiết kiệm nhờ nội dung đã được sắp xếp sẵn bởi một người cũng đang đi trên cùng con đường.
Đó là điều duy nhất tôi thực sự mang đến. Không phải chứng chỉ. Không phải lời bảo đảm. Chỉ là những gì tôi đã tìm hiểu được, được sắp xếp đủ rõ ràng để giúp bạn tiết kiệm phần nào thời gian mà tôi từng bỏ ra.
Phần lớn những người làm kiểm thử giàu kinh nghiệm mà tôi từng làm việc cùng qua nhiều năm không cần được thuyết phục rằng nghề này quan trọng. Họ cần một con đường quay lại tôn trọng những gì mình đã xây dựng. Đó là điều tôi đã cố gắng tạo ra ở đây.
— Hùng Nguyễn, Người sáng lập STeP tại SOH