AIDD Foundation · Module 07

AI Driven Development

SDLC với AI là nhân tố thực thi chính — Human-in-the-loop, vai trò thay đổi của PM/BrSE/QA/Dev, và 3 cấp độ skill mới.

Lessons6 + Quiz
Mục tiêuHiểu & áp dụng AIDD
AudiencePM · BrSE · QA · Dev
01 / 23
// MODULE.07 / OVERVIEW

Bạn sẽ đi qua những gì?

02 / 23
// MODULE.07 / LESSON.1 · AIDD là gì?

AI Driven Development — định nghĩa

AIDD là phương pháp phát triển phần mềm mà AI đóng vai trò là nhân tố thực thi chính trong toàn bộ quy trình — không chỉ hỗ trợ một vài bước.

Phân tích yêu cầu

AI dẫn dắt

AI tham gia từ giai đoạn đầu tiên — brainstorm, brief sản phẩm, PRD.

Thiết kế → Sinh code

AI thực thi

Architecture, code generation, unit test, e2e test — AI là người làm chính.

Kiểm thử → Vận hành

AI xuyên suốt

Review, release, monitoring — AI tham gia đến cuối lifecycle.

Khác biệt cốt lõi AIDD thiết kế toàn bộ quy trình xung quanh năng lực của AI — khác với "dùng AI như công cụ hỗ trợ" nơi quy trình vẫn là quy trình truyền thống, AI chỉ giúp một vài bước.
03 / 23
// MODULE.07 / LESSON.1 · Vai trò con người

Con người nâng tầm, không bị thay thế

Trước đây

Người thực thi

  • Code, test, deploy thủ công
  • AI chỉ hỗ trợ một vài chỗ
  • Con người làm phần lớn công việc
Trong AIDD

Người định hướng

  • Người định hướng — cung cấp intent & context
  • Người đánh giá — validate output của AI
  • Người ra quyết định cuối cùng
Insight quan trọng AIDD không có nghĩa là "loại bỏ con người" — mà là nâng tầm vai trò của con người từ "người làm" sang "người điều phối". AI thực thi phần lớn; con người dẫn hướng và quyết định.
04 / 23
// MODULE.07 / LESSON.2 · AI Assisted vs AI Driven

Hai mô hình ứng dụng AI khác nhau căn bản

Mô hình 1

AI Assisted

  • AI là công cụ bị động — chỉ phản hồi khi được hỏi
  • Phạm vi: từng task nhỏ, riêng lẻ
  • Con người quyết định dùng AI lúc nào, ở đâu
  • Output cần con người copy, sửa, tích hợp thủ công
  • AI không có context về toàn bộ dự án
Mô hình 2

AI Driven

  • AI là agent chủ động — tham gia xuyên suốt lifecycle
  • Phạm vi: end-to-end (spec → code → test → deploy)
  • Quy trình thiết kế để AI hoạt động liên tục
  • AI có thể tự tích hợp, tự test, tự iterate
  • AI nắm context rộng: codebase, history, requirements
05 / 23
// MODULE.07 / LESSON.2 · So sánh nhanh

Bảng so sánh AI Assisted vs AI Driven

Tiêu chí AI Assisted AI Driven
Vai trò AI Bị động — phản hồi khi được hỏi Chủ động — agent xuyên suốt lifecycle
Phạm vi Task nhỏ, riêng lẻ End-to-end: spec → code → test → deploy
Tích hợp Thủ công — copy, sửa, paste AI tự tích hợp, tự iterate đến khi đạt tiêu chí
Context AI Hẹp — chỉ biết nội dung prompt Rộng — cả codebase, history, requirements
Con người Chủ động gọi AI từng bước Can thiệp tại checkpoint (human-in-the-loop)
Tự đánh giá Team bạn đang ở mức nào? AI Assisted cá nhân → AI Assisted team → AI Driven là hành trình cần đầu tư có chủ đích.
06 / 23
// MODULE.07 / LESSON.3 · Nhận biết dự án AIDD

Chỉ cần 2 câu hỏi để nhận diện

Câu hỏi 1

Phần lớn output có do AI tạo không?

Không cần 90% hay 100% — nhưng AI phải là nhân tố chính tạo ra output xuyên suốt quá trình.

Output gồm: specs · test cases · unit test · e2e test · tickets · báo cáo...

Câu hỏi 2

Team có hệ thống thống nhất, transfer được không?

Không chỉ tài liệu mô tả — mà là cả hệ thống thực thi: workflows, custom agents, prompts, skills được thiết kế sẵn và thống nhất toàn team.

Cảnh báo Nếu chỉ vài người trong team "dùng AI giỏi" theo cách riêng → đó vẫn là AI Assisted cá nhân, chưa phải quy trình AIDD của cả dự án.
07 / 23
// MODULE.07 / LESSON.3 · Quy tắc đánh giá

Kết luận: Cả 2 YES = AIDD Project

YES + YES

AIDD Project

  • AI là nhân tố chính tạo ra phần lớn output
  • Team có hệ thống thống nhất, transfer được
  • → Đây là dự án AIDD thực sự
Có 1 câu NO

Vẫn là AI Assisted

  • Output chưa đủ do AI sinh ra, hoặc
  • Hệ thống chưa thống nhất, chưa transfer được
  • → Vẫn là AI Assisted, chưa phải AIDD

Đây là phần xác định "có phải AIDD hay không". Còn AIDD thực sự thay đổi quy trình ra sao — vai trò mỗi người thay đổi thế nào, skill mới cần có là gì — sẽ được đào sâu ở các bài tiếp theo.

08 / 23
// MODULE.07 / LESSON.4 · SDLC trong AIDD

SDLC vẫn 4 giai đoạn quen thuộc

Quy trình phát triển phần mềm về cơ bản không thay đổi nhiều — thứ thay đổi là ai sinh ra output và ai validate output ở mỗi bước.

Giai đoạn 1

Khám phá

Ý tưởng / Intent → Brainstorm → Nghiên cứu → Brief sản phẩm

Giai đoạn 2

Lên kế hoạch

PRD → UX (nếu cần UI) → Planning

Giai đoạn 3

Giải pháp

Kiến trúc → Validate → Epics/Stories → Test Design

Giai đoạn 4

Triển khai

Sprint → Story → Dev → Code Review → Release → Vận hành

Key message "Quy trình không thay đổi — thứ thay đổi là ai sinh ra output và ai validate output ở mỗi bước."
09 / 23
// MODULE.07 / LESSON.4 · Thay đổi trong AIDD

Cái gì KHÔNG đổi — cái gì ĐỔI?

Khía cạnh KHÔNG đổi ĐỔI
Quy trình SDLC 4 giai đoạn, Scrum/Agile, sprint cycle Tốc độ đi qua từng pha; cách phối hợp vai trò
Deliverables Spec, design, code, test, release Ai / cái gì sinh ra deliverable đó
Trách nhiệm Con người chịu trách nhiệm với khách hàng AI là công cụ — không phải bên ký hợp đồng
Effort — Coding ↓ · Spec/Prompt/Skill writing ↑ · Validation ↑
Skill — Spec writing · prompt design · skill design · harness engineering · AI output validation
Key message "AIDD không xóa vai trò của bạn — AIDD dịch chuyển trọng tâm công việc sang nơi AI không thay thế được."
10 / 23
// MODULE.07 / LESSON.4 · Human-in-the-loop

3 điểm con người PHẢI can thiệp

Dimension 1

Định hướng & Context

  • Định nghĩa Intent & Requirement — AI không biết business goal nếu không được cung cấp
  • Bổ sung context khi AI thiếu: rules nội bộ, lịch sử dự án, ràng buộc ngầm
Dimension 2

Quyết định Trade-off

  • Validate Architecture — ràng buộc dài hạn (cost, scale, vendor lock-in)
  • Validate Story / Spec — đúng nghiệp vụ trước khi AI code
  • AI propose options → con người QUYẾT ĐỊNH
Dimension 3

QA & Release

  • Code Review — dù AI sinh code & pass test, vẫn cần reviewer xác nhận correctness, security, maintainability
  • Release Decision — "deploy hay không" thuộc về con người
Ranh giới phải giữ vững "AI lead phần execution. Con người lead phần judgment, context, và decision."
11 / 23
// MODULE.07 / LESSON.5 · Vai trò thay đổi

PM/PL & BrSE/Comtor trong AIDD

PM / Project Leader

Từ tracking sang managing AI-augmented delivery

  • Estimation mới: spec-effort + validation-effort + AI iteration buffer
  • Risk mới: AI hallucination, IP/data leak, over-trust AI output
  • Reporting thêm: AI usage cost, % output validated
  • Customer comms: giải thích AIDD value & rủi ro
BrSE / Comtor

Vai trò QUAN TRỌNG HƠN, không phải ít đi

  • Viết spec đủ chi tiết để AI sinh đúng
  • Review specs/plan AI sinh ra — đúng ý đồ khách hàng?
  • Validate sắc thái + business context — AI dịch đúng chữ chưa đủ
  • Skill design: đóng gói know-how nghiệp vụ thành công cụ AI
Cần tránh — BrSE/Comtor Đừng đưa tài liệu thô của khách hàng cho AI public → vi phạm NDA, rủi ro rò rỉ thông tin. Và đừng nghĩ "AI làm spec/dịch hộ rồi, mình thừa" — ngược lại, BrSE/Comtor là người duy nhất có business context để guide và validate AI output.
Key message "AI sinh ra nội dung — nhưng chỉ con người có business context (PM/BrSE) mới biết nội dung đó có đúng với khách hàng hay không."
12 / 23
// MODULE.07 / LESSON.5 · Vai trò thay đổi

QA & Developer trong AIDD

QA / Tester

Từ executor sang strategist + reviewer

  • AI sinh test case → QA review tính đúng đắn + đầy đủ, bổ sung edge case
  • AI sinh automation script → QA review tính đúng đắn, đảm bảo cover đúng business flow
  • Automation test vẫn cần thiết — khả thi hơn với sự hỗ trợ AI
  • Exploratory testing vẫn quan trọng — không bỏ
Developer

Từ writer sang reviewer/architect

  • Hầu như không còn viết code — phần lớn thời gian dành cho review & thiết kế
  • Spec đầu vào quan trọng hơn bao giờ hết — AI làm đúng spec dù spec sai
  • Skill mới: Prompt → Skill Design → Harness Engineering
Với QA "AI sinh được test — nhưng AI không quyết định được test cái gì là đủ. Đó là việc của QA."
13 / 23
// MODULE.07 / LESSON.5 · Matrix tổng

Matrix: AIDD thay đổi gì với từng vai trò

Role Skill mới cần có Tỉ trọng thay đổi Risk nếu không evolve
PM/PL Business goal, estimation framework mới, AI risk mgmt Planning ↑, business judgment ↑ Estimate sai, mất kiểm soát quality
BrSE/Comtor Business sâu, spec writing, skill design, validation Raw translation ↓, spec & validation ↑↑ Bị bỏ qua khi PO làm việc trực tiếp với AI
QA Test strategy, skill design cho testing, AI coverage assessment Manual exec ↓, strategy + edge case ↑ Coverage ảo (số nhiều, chất lượng kém)
Dev Skill design → harness engineering, code review at scale Coding ↓, review/design/harness ↑↑ Junior bị ép evolve nhanh hoặc bị thay thế
Kết luận Vai trò dịch chuyển, không biến mất. Người chủ động phát triển skill đúng hướng sẽ giữ và tăng được giá trị.
14 / 23
// MODULE.07 / LESSON.5 · Câu hỏi thực tế

AIDD có làm Junior / BrSE / Comtor mất việc không?

Thực tế hiện tại (5/2026)

Dịch chuyển, không biến mất

  • Phần lớn vai trò vẫn cần thiết — nhưng cách làm việc đã khác đáng kể
  • AI làm phần thô — con người làm phán đoán + business context + skill design
  • Người chủ động phát triển đúng hướng sẽ giữ và tăng được giá trị
Về dài hạn

Tiến hóa liên tục là chiến lược duy nhất

  • Người chỉ làm task lặp lại không evolve sẽ chịu áp lực ngày càng lớn
  • AI sẽ tiếp tục phát triển — một số task hôm nay vẫn cần người sẽ được AI làm tốt hơn
  • Đây là cơ hội đẩy bản thân lên cấp tiếp theo, không phải lý do để chờ đợi
Key message tổng kết "Người bị áp lực thay thế trước là người không nâng skill trong khi mọi người khác đang nâng. Tiến hóa liên tục là cách duy nhất để giữ được giá trị trong môi trường AI ngày càng mạnh."
15 / 23
// MODULE.07 / LESSON.6 · 3 cấp độ skill mới

3 cấp độ skill mới trong kỷ nguyên AIDD

1. Prompt Engineering ⭐ Viết câu lệnh tốt cho AI cho từng task cụ thể 1 lần dùng — output tức thì Tất cả mọi người
2. Skill Design ⭐⭐ Thiết kế "kỹ năng" tái sử dụng — đóng gói know-how nghiệp vụ + workflow thành skill chạy được Tái sử dụng cả team, cả dự án BrSE/PM + Tech Lead hiểu AI
3. Harness Engineering ⭐⭐⭐ Thiết kế cả "hệ thống nhà máy" cho AI: workflow, tools, context, agent orchestration, MCP servers, custom agents Foundation cho cả tổ chức Tech Lead + senior architect
16 / 23
// MODULE.07 / LESSON.6 · Thang leverage

Càng leverage cao, giá trị càng cao

Cấp 1 → Module 2-3

Context Engineering

Nền tảng viết prompt tốt là Context Engineering — chọn lọc và cấu trúc thông tin vào context window. Tất cả mọi người trong team cần làm tốt cấp này.

Cấp 2 → Module 4

Agent Skills

Skill Design = đóng gói know-how thành SKILL.md. Skill có thể auto-trigger, lazy-load — leverage từ "1 người dùng AI" thành "cả team dùng AI thống nhất".

Cấp 3 → Module 5

Harness Engineering

Thiết kế toàn bộ runtime environment xung quanh agent (7 components: Context, Tools, Guardrails, Hooks, Skills, Memory, Observability). Leverage tổ chức.

Insight chiến lược Một skill dùng bởi 50 thành viên × 365 ngày = 18,250 lần leverage so với 1 prompt dùng 1 lần. Một harness tốt còn nhân số đó lên cấp số nhân nữa.
17 / 23
// MODULE.07 / LESSON.6 · Skill Design cho non-dev

Skill Design — cơ hội cho người hiểu nghiệp vụ

Khi nói "skill mới với AI", đa số nghĩ ngay đến Prompt Engineering. Nhưng Skill Design và Harness Engineering mới là đòn bẩy thực sự.

BrSE / Comtor

Đóng gói business knowledge

Bạn hiểu nghiệp vụ sâu — Skill Design cho phép đóng gói thành công cụ AI tái sử dụng. Vai trò được nhân lên gấp nhiều lần.

PM / PL

Đóng gói quy trình

Skills cho estimation, risk assessment, customer report — không cần code, chỉ cần hiểu rõ quy trình nghiệp vụ.

QA / Tester

Đóng gói test strategy

Skills cho test strategy, business term validation — QA design skill cho testing hiệu quả toàn team.

Insight Skill Design là nơi người hiểu nghiệp vụ (không chỉ Tech Lead) có thể tạo ra leverage tổ chức mà không cần kỹ năng lập trình sâu.
18 / 23
// MODULE.07 / RECAP · Hành trình khóa học

Tóm lại hành trình của bạn

Module 1-2

Nắm vững nền tảng và sự dịch chuyển từ Prompt Engineering → Context Engineering

Module 3

Master Context Engineering Best Practices — chất lượng context quyết định chất lượng output

Module 4

Hiểu Skills — tiêu chuẩn mới cho capabilities, đóng gói know-how thành SKILL.md

Module 5

Mở rộng tư duy với Harness Engineering — 7 components, leverage cho cả tổ chức

Module 6

Áp dụng vào Agentic Coding + Spec-Driven Development — thực hành cụ thể

Module 7 (Hiện tại)

Hướng tới AI Driven Development cho cả team — SDLC, Human-in-the-loop, vai trò thay đổi, 3 cấp độ skill mới

▸ Bạn đã có đủ tư duy và kiến thức nền tảng để bắt đầu hành trình AIDD trong dự án của mình.

19 / 23
// MODULE.07 / KEY TAKEAWAYS

5 ý chốt Module 7

AIDD vs AI Assisted

AI Assisted: bị động, task nhỏ. AI Driven: agent chủ động end-to-end, human-in-the-loop tại checkpoint.

Nhận biết AIDD

2 câu hỏi: AI tạo phần lớn output? + Team có hệ thống thống nhất transfer được? Cả 2 YES = AIDD.

SDLC không thay đổi cấu trúc

4 giai đoạn vẫn nguyên. Cái đổi: ai sinh output, effort phân bổ, skill yêu cầu.

Human-in-the-loop 3 chiều

Định hướng/context · Quyết định trade-off · QA + release. AI lead execution; người lead judgment.

3 cấp độ skill mới

Prompt Engineering ⭐ → Skill Design ⭐⭐ → Harness Engineering ⭐⭐⭐. Càng leverage cao, giá trị càng cao.

20 / 23
// MODULE.07 / QUIZ

8 câu hỏi — bạn nhớ được bao nhiêu?

21 / 23
// MODULE.07 / QUIZ · Thông tin

Quiz Module 7 — Thông tin

Tổng số câu

8

Câu hỏi trắc nghiệm 4 đáp án, mỗi câu 1 đáp án đúng

Điều kiện pass

6/8

Trả lời đúng ít nhất 6/8 câu để hoàn thành Module 7

Nội dung

Toàn bộ Module 7

AIDD định nghĩa · AI Assisted vs Driven · Nhận biết AIDD · SDLC · Human-in-the-loop · Vai trò · 3 cấp độ skill

Gợi ý Bạn có thể trả lời quiz ngay trên slide 21 ← , hoặc bấm mũi tên lên để quay lại làm quiz tương tác. Xem lại bài nếu chưa tự tin về Human-in-the-loop và 3 cấp độ skill.
22 / 23
AIDD Foundation · Module 07 · Hoàn thành

Bạn đã sẵn sàng cho AIDD

Hành trình 7 module đã cho bạn tư duy và nền tảng để bắt đầu triển khai AI Driven Development trong dự án thực tế.

← Quay lại tổng quan khóa học
23 / 23