Shopify với chiến lược "All in AI", chia sẻ thực tiễn triển khai AI toàn diện trong công ty, toàn bộ là nội dung thiết thực
Tuyển chọn TechFlowTuyển chọn TechFlow
Shopify với chiến lược "All in AI", chia sẻ thực tiễn triển khai AI toàn diện trong công ty, toàn bộ là nội dung thiết thực
Ngân sách không giới hạn, pháp chế bật đèn xanh.
Chuyên sâu báo cáo Web3Ba tháng trước, Tobi Lütke, đồng sáng lập và CEO của Shopify đã gửi một bức thư toàn công ty, tuyên bố chiến lược "All in AI". Lütke nói rằng: "Việc sử dụng hiệu quả công nghệ AI là kỳ vọng cơ bản đối với mọi nhân viên tại Shopify." Hành động này sau đó đã thu hút nhiều tổ chức học hỏi theo, bao gồm Box, Fiverr và cả Thủ tướng Canada.
Ba tháng sau, bên trong Shopify thực sự đã xảy ra những thay đổi gì? Đây chỉ là một khẩu hiệu truyền cảm hứng từ nhà lãnh đạo hay AI thực sự đã được triển khai hiệu quả trong nội bộ doanh nghiệp?
Việc triển khai AI đã thay đổi những quy trình làm việc nào?
First Round Review đã có buổi trò chuyện với Thawar, Phó chủ tịch của Shopify, người chia sẻ chiến lược cụ thể của công ty trong việc ứng dụng AI cũng như hiệu quả nâng cao thực tế, đồng thời đưa ra ba điểm nhận thức "phản trực giác".
-
Tất cả nhân viên đều dùng AI không phân biệt, không giới hạn chi phí.
-
Hãy để AI thể hiện rõ quá trình suy luận và kết quả, thay vì che giấu chúng.
-
Nhân viên mới và sinh viên vừa tốt nghiệp rất hữu ích, đặc biệt trong việc sử dụng AI.
Có thể nói, về mặt triển khai AI trong doanh nghiệp, từ định hướng chiến lược đến hiện thực kỹ thuật, Shopify đã tạo nên một ví dụ điển hình.
Dựa trên bài viết từ First Round Review, Founder Park đã biên tập lại.
Nguồn gốc: https://www.firstround.com/ai/shopify
01 Toàn bộ nhân viên “không phân biệt” dùng AI
Nhiều công ty khi triển khai AI thường chỉ cung cấp cho toàn bộ nhân viên các công cụ cơ bản nhất, trong khi giữ lại những mô hình và ứng dụng mạnh hơn cho đội ngũ kỹ thuật. Shopify lại làm ngược lại: cho phép tất cả nhân viên sử dụng mọi công cụ và mô hình mà công ty triển khai.
Lý do đằng sau chiến lược này là các ứng dụng đổi mới mang giá trị cao có thể đến từ bất cứ đâu trong công ty, bạn không thể đoán trước được ứng dụng nào cuối cùng sẽ nổi bật và xứng đáng nhận đầu tư nguồn lực.
Tôi đã mua 1.500 giấy phép Cursor vào năm ngoái, nhưng nhanh chóng nhận thấy không đủ dùng, buộc phải bổ sung thêm 1.500 cái nữa. Nhóm người dùng tăng trưởng nhanh nhất không đến từ bộ phận kỹ sư, mà từ hỗ trợ khách hàng và bộ phận doanh thu.
Farhan Thawar – Phó Chủ tịch kiêm Người đứng đầu Kỹ thuật Shopify
Để khuyến khích nhân viên thực sự sử dụng các mô hình tốt nhất và mới nhất, Shopify áp dụng ba chiến lược chính sau:
Chiến lược 1: Yêu cầu bộ phận pháp chế mặc định “mở đèn xanh”
Sự thay đổi bắt đầu từ cấp quản lý cao nhất. Toàn bộ ban lãnh đạo cấp cao, bao gồm cả pháp chế, phải đạt được sự đồng thuận: đón nhận AI là điều quan trọng nhất của công ty. Sự thống nhất ở cấp cao nhất có nghĩa là khi đối mặt với các vấn đề then chốt như an ninh, quyền riêng tư, mọi người đều phải xuất phát từ tinh thần “làm sao để thúc đẩy”. "Nếu bạn không đặt 'đồng ý' làm tùy chọn mặc định, thì thực chất bạn đang mặc định 'từ chối'", Thawar nhấn mạnh. "Nếu quy tắc mơ hồ, thì thực chất là không được làm — đây là tình trạng của phần lớn các công ty."
Vào cuối năm 2021, khi Thawar quyết định triển khai GitHub Copilot, ông trao đổi rất thẳng thắn với nhóm pháp chế: "Câu đầu tiên tôi nói là: 'Chúng ta sẽ triển khai dự án này, làm thế nào để đảm bảo an toàn tuyệt đối?'", Thawar kể. "Họ trả lời: 'Chúng tôi sẽ tìm cách.' Không có bất kỳ ý kiến phản đối nào."
Thái độ này trái ngược rõ rệt với trải nghiệm của các CTO tại các công ty công nghệ hàng đầu khác. Trong một nhóm WhatsApp dành cho các giám đốc kỹ thuật, Thawar thường xuyên nghe họ than phiền về sự cản trở từ phía pháp chế.
Luôn có người hỏi tôi trong nhóm: 'Anh có thể để luật sư trưởng (GC) của anh nói chuyện với GC bên chúng tôi được không?' Những khó khăn mà họ gặp phải, chúng tôi chưa từng phải chịu đựng.
Farhan Thawar – Phó Chủ tịch kiêm Người đứng đầu Kỹ thuật Shopify
Chiến lược 2: Ngân sách cho công cụ AI “không giới hạn trên”
Để đạt được việc phổ cập AI, chi phí là vấn đề không thể tránh khỏi. Khi Cursor được sử dụng rộng rãi trong nội bộ, một số người bắt đầu lo ngại chi phí sẽ mất kiểm soát. Nhưng điều này hoàn toàn trái ngược với mục đích ban đầu của Thawar: ông muốn ai cũng có thể sử dụng tự do nếu công cụ đó tạo ra giá trị.
Thawar theo dõi một bảng xếp hạng nội bộ để xem ai chi trả nhiều token Cursor nhất. "Chúng tôi không giới hạn mức chi tiêu. Tôi cũng không muốn ai dùng script để gian lận thứ hạng, nhưng đây thực sự là một chỉ số đo lường giá trị tuyệt vời. Chúng tôi không muốn nhân viên phải do dự khi sử dụng AI hay các mô hình mới nhất", Thawar nói. "Tôi biết vài người vì dùng AI hoàn thành công việc quan trọng mà lọt vào top 10 người tiêu thụ token nhiều nhất, và họ còn lấy đó làm niềm tự hào." Gần đây, Giám đốc Công nghệ (CTO) của Shopify, Mikhail Parakhin cũng nằm trong danh sách này.
"Khi trao đổi với nhiều CTO, CEO, tôi nhận thấy một xu hướng đáng lo ngại: họ quá câu nệ về chi phí token," Thawar nói. "Họ tính toán: 'Việc kỹ sư dùng các công cụ như Cursor, Windsurf, GitHub Copilot mỗi tháng tốn thêm 1.000 đến 10.000 USD, liệu tôi có gánh nổi không?' Rồi họ chọn siết chặt ngân sách."
Cách suy nghĩ này đi ngược lại mục tiêu phổ cập AI.
"Nếu kỹ sư của bạn mỗi tháng tốn thêm 1.000 USD để dùng mô hình ngôn ngữ lớn (LLM), nhưng hiệu suất tăng 10%, thì khoản đầu tư đó quá hời. Bất kỳ công ty nào cũng sẽ phấn khích trước mức tăng hiệu suất 'rẻ tiền' như vậy." (Thawar thậm chí còn nói: Nếu kỹ sư của bạn mỗi tháng có thể tiêu 10.000 USD bằng việc tạo ra giá trị, hãy nhắn tin riêng cho anh ấy, anh ấy muốn học hỏi kinh nghiệm.)
Chiến lược 3: Cổng vào AI thống nhất và MCPs
Để nhân viên dễ dàng sử dụng và xây dựng các công cụ AI mới nhất, Shopify đã tích hợp tất cả tài nguyên vào một nền tảng duy nhất: Agent LLM nội bộ của công ty. Agent này đóng vai trò cổng vào thống nhất, cho phép người dùng tương tác và chuyển đổi giữa các mô hình một cách liền mạch. Trong môi trường sản xuất, Agent còn đảm nhiệm các chức năng quan trọng như mở rộng, theo dõi và xử lý lỗi.
Nhân viên có thể dùng LLM này để xây dựng quy trình làm việc riêng, tự do lựa chọn các mô hình khác nhau và luôn được dùng phiên bản mới nhất ngay lập tức. Nền tảng tích hợp sẵn bộ sưu tập phong phú các MCP, người dùng chỉ cần gửi yêu cầu tới Agent hoặc các công cụ như Cursor là có thể gọi dùng. Thậm chí còn có một kho Agent do đồng nghiệp tạo sẵn để mọi người cùng sử dụng. Đây là một trạm làm việc AI đa năng, đáp ứng mọi nhu cầu của nhân viên.
"Máy chủ MCP là tầng hạ tầng quan trọng kết nối mọi công cụ nội bộ. Triết lý của chúng tôi là 'mọi thứ đều có thể là MCP'," Thawar nói. "Chúng tôi biến mọi dữ liệu nội bộ, dù lưu trữ ở công cụ nào, đều trở nên dễ tiếp cận thông qua MCP, giúp nhân viên dễ dàng gọi dùng và xây dựng quy trình làm việc riêng."
02 Các ví dụ về quy trình làm việc dựa trên AI
Với hạ tầng gồm MCP, Cursor và hệ thống chat, cả nhân viên kỹ thuật và phi kỹ thuật đều tăng hiệu suất làm việc đáng kể. Dưới đây là một vài ví dụ nổi bật từ các bộ phận ngoài研发:
Ví dụ 1: Công cụ kiểm tra website thay đổi hoàn toàn cách khai thác khách hàng tiềm năng
Trong quy trình bán hàng của Shopify, việc phân tích chuẩn hóa hiệu suất website là một bước quan trọng. Để chứng minh tốc độ website vượt trội so với đối thủ, nhân viên bán hàng phải kiểm tra website của khách hàng tiềm năng, dùng dữ liệu để chứng minh lợi thế của Shopify. Trước đây, công việc này hoàn toàn phụ thuộc vào con người, tốn rất nhiều thời gian và công sức.
Gần đây, một nhân viên bán hàng không có chuyên môn kỹ thuật đã dùng Cursor phát triển một công cụ có thể tự động tạo báo cáo so sánh hiệu suất website chi tiết. Công cụ này có thể thu thập dữ liệu website khách hàng tiềm năng, so sánh với tiêu chuẩn của Shopify, thậm chí còn gọi dùng tài liệu nội bộ để hỗ trợ nhân viên bán hàng xây dựng lập luận chính xác.
Bobby Morrison, Giám đốc Doanh thu (CRO) của Shopify, đánh giá cao cách tư duy và làm việc này: "Những người tiên phong hàng đầu của chúng tôi đang tái cấu trúc mọi khía cạnh công việc, từ phân tích thị trường, nhận diện cơ hội, đến xây dựng chiến lược và giải pháp cho thương gia. Những người thành công nhất đều sở hữu 'trình độ thành thạo AI', họ có thể cộng tác trực giác với công cụ AI và tiến hóa với tốc độ của AI. Với họ, AI không phải thứ riêng biệt, mà là một cách làm việc."
Theo quan điểm của Shopify, cơ hội thực sự mà AI mang lại là khả năng khiến bạn suy nghĩ lại toàn bộ mô hình bán hàng. "Ví dụ, trong một tình huống upsell, nhân viên bán hàng có thể一边 nói chuyện với khách hàng,一边 để agent truy xuất trong vài giây những dữ liệu trước đây cần rất nhiều thời gian mới có được. Những dữ liệu bán hàng này từng là tài nguyên khan hiếm, giờ đây lại dễ dàng tiếp cận," Thawar giải thích.
"Điều này ảnh hưởng thế nào đến phương pháp bán hàng? Bạn có thể trình bày quan điểm một cách tự tin và mạnh mẽ hơn, từ đó mở ra các kênh giao tiếp mới trong tổ chức khách hàng, thậm chí có thể thay đổi hoàn toàn cách bạn gọi điện chào hàng tới khách hàng mới."
Ví dụ 2: Trang chủ "Việc cần làm hôm nay" của Kỹ sư Bán hàng
Một kỹ sư bán hàng đã tích hợp các MCP của các công cụ thường dùng như GSuite Drive, Slack, Salesforce vào một bảng điều khiển cá nhân được xây dựng bằng Cursor. Bảng điều khiển này có thể thông minh sắp xếp thứ tự ưu tiên công việc dựa trên thông tin thời gian thực từ tất cả các công cụ.
Trước đây, anh phải liên tục chuyển đổi giữa các ứng dụng. Giờ đây, mỗi ngày anh chỉ cần mở bảng điều khiển và hỏi: "Hôm nay tôi nên làm gì?" Hệ thống có thể phát hiện trong Salesforce có một đơn hàng sắp chốt, đồng thời nhận thấy anh chưa trả lời một email quan trọng từ khách hàng, lập tức nhắc anh xử lý trước. Thawar cho biết: "Giờ anh ấy gần như không còn mở các công cụ riêng lẻ nữa, Cursor chính là trang chủ làm việc của anh ấy. Anh thậm chí không cần đăng nhập vào email nữa, thật khó tin."
Đây chính là lợi nhuận mà Shopify mong đợi từ khoản đầu tư vào hạ tầng AI. Đối với một công ty nổi tiếng với việc xây dựng hạ tầng, điều này là hoàn toàn hợp lý. "Chúng tôi ưu tiên phát triển hạ tầng AI nội bộ, đây là một phần trong gen của chúng tôi," Thawar nói.
"Thay vì dành vài tuần để phát triển một chức năng đơn lẻ, chúng tôi sẵn sàng đầu tư lâu dài để xây dựng hạ tầng có thể tái sử dụng. Ví dụ, chúng tôi xây dựng Agent LLM và máy chủ MCP nhằm tạo ra một hệ thống có thể dùng chung. Một khi ai đó tạo MCP cho Slack, toàn bộ công ty đều có thể dùng trực tiếp."
Ví dụ 3: Dùng Agent RFP để tăng tỷ lệ thắng đơn
Đối với các công ty bán hàng cho doanh nghiệp lớn, việc điền Hồ sơ Đề xuất (RFP) là công việc thường xuyên. Mỗi RFP bao gồm hàng trăm câu hỏi, cần lượng lớn thông tin tùy chỉnh, thông tin nền tảng công ty và sự phối hợp liên bộ phận để hoàn thành.
Do đó, nhóm công cụ doanh thu của Shopify đã phát triển một agent có thể trả lời nhiều câu hỏi RFP cùng lúc. Agent này được xây dựng dựa trên LibreChat (Shopify là một trong những đóng góp chính), có thể gọi dùng cơ sở tri thức nội bộ, bao gồm tài liệu công khai, trung tâm trợ giúp, nghiên cứu điển hình... để tự động tạo ra các câu trả lời phong phú, có căn cứ, giải phóng đáng kể năng suất của kỹ sư giải pháp.
Khi trả lời câu hỏi, agent còn đưa ra một "điểm tin cậy" cho mỗi câu trả lời, cho biết thông tin có đầy đủ hay không. Đồng thời, nó cũng học hỏi từ các câu trả lời RFP đã thắng trước đây và lưu trữ các ví dụ thành công mới vào cơ sở tri thức để liên tục tối ưu chất lượng trả lời trong tương lai.
03 Hãy để AI thể hiện nhiều hơn quá trình suy luận, thay vì che giấu
Nhiều người lo lắng rằng việc quá phụ thuộc vào AI sẽ khiến "bộ não trở nên trì trệ" và xa rời công việc. Nhưng một sự thật phản trực giác là nếu sử dụng đúng cách, AI反而 có thể cung cấp cho bạn nhiều chi tiết hơn, giúp bạn tham gia sâu sắc hơn.
"Phần lớn mọi người cho rằng trải nghiệm người dùng lý tưởng là bạn đặt câu hỏi, AI đưa ra câu trả lời, càng ít thấy 'sự lộn xộn' ở giữa càng tốt," Thawar nói. "Nhưng nếu mục tiêu của bạn là giúp mọi người thành thạo một kỹ năng, thì việc hiển thị các chi tiết quá trình lại hiệu quả hơn."
Chiến lược: Thực hiện "kỹ thuật bối cảnh" cho con người
Shopify nhận ra rằng, chìa khóa để thúc đẩy hiệu quả việc sử dụng AI không chỉ nằm ở việc tối ưu prompt, mà còn ở việc hệ thống hóa tư duy "kỹ thuật bối cảnh" (context engineering) lên chính nhân viên.
Ví dụ: Tại Shopify, người phụ trách dự án cần nộp báo cáo tiến độ hàng tuần, khiến hệ thống quản lý dự án của công ty trở thành một đại lộ thông tin. Hiện tại, một agent AI sẽ tự động thu thập các yêu cầu kéo GitHub, tài liệu, bình luận và thông tin kênh Slack liên quan đến dự án, rồi viết bản nháp báo cáo tuần.
Mỗi thứ Sáu, người phụ trách dự án nhận được bản báo cáo do AI tạo ra, nhưng kèm theo một loạt câu hỏi thách thức như: "Tuần này anh/chị cụ thể đã hoàn thành những việc gì?" Điều này buộc người phụ trách phải xem xét phê bình bản tóm tắt của AI và tối ưu hóa nó. Họ được khuyến khích tìm ra những điểm không phù hợp với thực tế, phơi bày rủi ro tiềm tàng, thay vì chấp nhận đại khái, vì họ muốn thành quả công việc của mình được hiểu chính xác.
"Dựa trên phản hồi của người phụ trách, AI sẽ tạo ra một báo cáo mới. Chúng tôi so sánh sự khác biệt giữa bản cuối cùng và bản nháp, AI sau đó học từ các nội dung viết lại này để không ngừng tiến hóa," Thawar nói. Trước đây, việc viết báo cáo tuần tốn rất nhiều thời gian để thu thập thông tin, giờ đây người phụ trách dự án có thể tập trung vào việc mà con người giỏi nhất và nên làm nhất: suy nghĩ phê phán và thách thức, từ đó làm cho thành quả công việc tốt hơn.
Chúng tôi phát hiện khoảng một nửa số bản nháp báo cáo do AI tạo ra không cần sửa đổi và được thông qua ngay. Chất lượng các báo cáo này rất cao, một phần là do AI đã tích hợp tất cả thông tin liên quan mà nó có thể truy cập.
Farhan Thawar – Phó Chủ tịch kiêm Người đứng đầu Kỹ thuật Shopify
Quy trình làm việc: Khung Roast "chê bai" mã nguồn
Shopify vận hành một trong những ứng dụng Ruby on Rails lớn nhất thế giới. Làm thế nào để hàng ngàn kỹ sư hợp tác hiệu quả, cùng duy trì một kho mã nguồn đơn lẻ khổng lồ luôn là một thách thức. Đặc biệt trong môi trường ngôn ngữ Ruby, vốn đề cao "quy ước hơn cấu hình", khuyến khích sự tự do cá nhân của lập trình viên.
Các kỹ sư Shopify phát hiện AI có thể trở thành công cụ mạnh mẽ để duy trì quy ước mã nguồn, thống nhất các quy tắc kiểm thử đơn vị và cập nhật mã. Nhưng bản thân AI không đáng tin cậy, nó cần được dẫn dắt bởi cấu trúc rõ ràng và kết hợp với các công cụ và nguyên tắc chắc chắn.
Vì vậy, Shopify phát triển Roast, một khung điều phối AI mã nguồn mã nguồn mở, dùng để kiểm tra, sửa chữa và lặp lại mã. Tên gọi của nó bắt nguồn từ một công cụ AI cùng tên nội bộ, công cụ này đưa ra các lời chỉ trích xây dựng và đề xuất cải tiến đối với mã nguồn và kiểm thử hiện tại theo cách "chê bai" (roast). Roast không phải là một prompt đơn lẻ phải làm mọi việc, mà cho phép lập trình viên thiết kế và chạy một chuỗi phản hồi gồm nhiều bước nhỏ, chính xác và có tỷ lệ thành công cao:
-
Roast chia nhỏ quy trình làm việc thành nhiều bước, đồng thời rõ ràng thể hiện quá trình suy luận của AI ở từng bước.
-
Các bước này cùng tạo thành một lịch sử hội thoại đầy đủ, giúp kỹ sư truy vết logic ra quyết định của AI.
-
CodeAgent cốt lõi (xây dựng dựa trên Claude Code) sẽ tóm tắt từng thao tác và lý do của nó.
-
Khi thực hiện đánh giá kiểm thử, Roast sẽ đưa ra phản hồi chi tiết về điểm số cao hay thấp, giải thích "tại sao" và "như thế nào" trước khi trình bày kết quả cuối cùng.
"Kết hợp công cụ chắc chắn với công cụ AI, chúng có thể bổ sung thông tin cho nhau và lấp đầy khoảng trống," Samuel Schmidt, nhân viên phát triển của Shopify tham gia phát triển Roast nói. Roast đơn giản hóa việc sử dụng agent và hiển thị toàn bộ quá trình làm việc cho kỹ sư cộng tác, giúp việc thực hiện các quy trình phức tạp theo cách có thể lặp lại và mở rộng trở nên dễ dàng hơn.
Công cụ này đã giúp giải quyết nhiều vấn đề kỹ thuật nội bộ tại Shopify, ví dụ như hỗ trợ kỹ sư phân tích hàng ngàn tệp kiểm thử, tự động sửa các lỗi phổ biến, từ đó nâng cao đáng kể độ phủ kiểm thử mã nguồn. Trong quá trình giải quyết các vấn đề, nhóm cũng khám phá ra một khuôn mẫu mới đáng tin cậy hơn để sử dụng AI hoàn thành các nhiệm vụ kỹ thuật phức tạp — điều mà nhiều nhóm hiện nay đang đối mặt. Vì vậy, Shopify quyết định công bố mã nguồn Roast, mời toàn bộ cộng đồng cùng định hình tương lai của việc thực thi nhiệm vụ với sự hỗ trợ của AI.
04 Xây dựng "tâm thế người mới học" trong phát triển sản phẩm
Shopify không chỉ tăng số lượng người mới học, mà còn thay đổi quy trình phát triển sản phẩm, nhấn mạnh hơn vào việc tạo mẫu (prototype), một thực hành đặt bản thân vào tâm thế người mới học. Họ cho rằng đây mới là chìa khóa thực sự để phá vỡ điểm nghẽn và tìm ra giải pháp.
Chiến lược: Tuyển dụng thêm nhiều nhân sự cấp độ sơ cấp
Về chiến lược nhân sự, Shopify cố ý thay đổi tư duy, không dừng lại ở hiểu lầm đơn giản rằng "AI sẽ thay thế con người", mà xây dựng một nguyên tắc mới: "Nếu bạn có thể sử dụng AI để tạo ra giá trị xuất sắc, công ty sẽ đầu tư thêm nguồn lực để hỗ trợ bạn", và những nguồn lực này bao gồm cả nhân sự mới.
Quan điểm truyền thống cho rằng AI sẽ hủy diệt các vị trí cấp độ sơ cấp, sinh viên ngành kỹ thuật đều có cảm giác "ngày tận thế đang đến", lo lắng ra trường là thất nghiệp. Nhưng Shopify lại làm ngược lại, tuyển dụng thêm nhiều thực tập sinh hơn. Bởi họ phát hiện ra rằng những người trẻ này lại là nhóm sử dụng AI theo cách sáng tạo nhất, họ天生 có tâm thế người mới học.
Sau khi thành công triển khai 25 thực tập sinh kỹ thuật, Lütke hỏi Thawar chương trình này có thể mở rộng đến mức nào. "Ban đầu tôi trả lời rằng trong hạ tầng hiện tại có thể hỗ trợ 75 người. Nhưng sau đó tôi rút lại câu nói, cập nhật câu trả lời thành 1.000 người," Thawar nói.
Thawar có kinh nghiệm phong phú trong quản lý chương trình thực tập. Ông hiểu rõ rằng thực tập sinh mang lại sức sống, nhiệt huyết và động lực cho nhóm. Và trong thời đại hậu LLM, họ còn mang theo một kỹ năng mới: họ là những "bán nhân mã AI" thiên bẩm. "Họ luôn tò mò về các công cụ mới và lối tắt. Tôi hy vọng họ sẽ 'lười biếng', đi tìm và sử dụng các công cụ mới nhất," ông nói. "Chúng tôi đã từng chứng kiến điều này trong thời đại Internet di động. Lúc đó tôi thuê rất nhiều thực tập sinh vì tôi biết họ là những 'dân bản xứ di động'."
Chiến lược: Tạo nhiều mẫu thử hơn để tìm ra con đường tối ưu
Hiện nay, việc tạo mẫu thử đang chiếm vị trí trung tâm hơn trong quy trình phát triển sản phẩm của Shopify. Cụ thể, công ty tập trung nâng cao tỷ lệ giữa số lần thử nghiệm prototype và số lần xây dựng thực tế. Điều này thể hiện một nguyên tắc cốt lõi của Shopify, đó là "làn đường xanh phát triển sản phẩm": cách duy nhất để giải quyết một vấn đề phức tạp là không ngừng thử nghiệm. Lütke từng nói với Thawar: "Một vấn đề có vô số cách giải quyết tồi tệ, và khoảng một vạn cách giải quyết khá tốt. Nhiệm vụ của anh là tìm ra cách tốt nhất trong số đó. Cách anh vừa trình bày chỉ là cách đầu tiên hoạt động được, chứ không phải cách tốt nhất. Tại sao anh lại dừng lại?"
Thawar bổ sung: "Bạn đang đối mặt với một vấn đề chứa hàng trăm biến số và cấp độ, bạn phải khám phá các con đường khác nhau. Những con đường này có thể dẫn đến sản phẩm cuối cùng trông giống nhau, nhưng các yếu tố cân nhắc và lựa chọn ẩn sau có thể hoàn toàn khác biệt."
Ví dụ, công cụ chat AI nội bộ của Shopify bắt nguồn từ một prototype. Kỹ sư cấp cao Matt Burnett ban đầu chỉ muốn cải thiện việc truy cập LLM nội bộ, dùng các công cụ mã nguồn mở để thử nghiệm. Ông liên tục lặp lại trên phiên bản đầu, giải quyết các vấn đề như mất dữ liệu và khả năng mở rộng, đồng thời nhờ đồng nghiệp dùng thử sớm để phát hiện các lỗi kiến trúc. Cuối cùng, công cụ này được áp dụng rộng rãi đến mức công ty thành lập một nhóm kỹ sư chuyên trách để vận hành.
Mức độ sử dụng AI gắn chặt với hiệu suất làm việc
Để đo lường các khía cạnh hiệu suất kỹ thuật trong toàn tổ chức, Thawar sử dụng một bảng điều khiển hoạt động kỹ thuật. Nó theo dõi ai đang lập trình cặp đôi, ai tham gia phỏng vấn, và như đã đề cập, ai đang sử dụng Copilot.
Dữ liệu nhiều năm của Shopify cho thấy lập trình cặp đôi显著 nâng cao tốc độ học hỏi. Sử dụng bảng điều khiển này, công ty đã phân tích mối quan hệ giữa thời gian lập trình cặp đôi và kết quả đánh giá hiệu suất. Kết quả cho thấy, kỹ sư càng dành nhiều thời gian lập trình cặp đôi thì ảnh hưởng của họ càng lớn; ngược lại thì càng nhỏ.
Hiện nay, bảng điều khiển này cũng bắt đầu theo dõi việc nhân viên sử dụng các công cụ AI như Cursor, Claude Code và Agent LLM. Phân tích sơ bộ cho thấy những nhân viên sử dụng các công cụ này cũng có mối tương quan tích cực về mức độ ảnh hưởng. Điều này giúp nhận diện các công cụ thực sự tạo ra giá trị và mối liên hệ giữa chúng với hiệu suất cá nhân.
Shopify đã đưa các câu hỏi liên quan đến AI vào hệ thống đánh giá 360 độ. Quản lý và đồng nghiệp cần đánh giá lẫn nhau về biểu hiện trong "AI bản địa" hoặc "phản xạ AI". Công ty dự định sau khi tích lũy vài năm dữ liệu, sẽ phân tích sâu hơn mối quan hệ giữa việc sử dụng AI và ảnh hưởng cá nhân.
Thawar cũng tự mình thực hành, dùng lập trình cặp đôi để minh họa cách sử dụng AI. "Tôi lập trình cặp đôi với một kỹ sư, một mặt để quan sát phương pháp giải quyết vấn đề của anh ấy, mặt khác cũng để truyền bá quan điểm của tôi. Tôi luôn mở một tab ChatGPT, trong thực tế cho anh ấy thấy tôi cộng tác với AI mọi lúc như thế nào."
05 Tăng hiệu suất sẽ tái cấu trúc quy trình làm việc
Nếu bạn có thể phân tích chính xác từng động tác trong huấn luyện đội thể thao chuyên nghiệp hoặc khu bếp nhà hàng sao Michelin, bạn sẽ thấy hiệu suất vận động của họ đạt khoảng 80%. Ngược lại, xem xét một doanh nghiệp, hiệu suất vận hành của họ có thể chỉ đạt tối đa 20%.
"Doanh nghiệp tồn tại sự lãng phí khó tưởng tượng, chỉ vì chúng ta vẫn chưa phát hiện ra mô hình tối ưu để làm việc," Thawar chỉ ra. "AI có thể tăng tốc các quy trình hiện tại, điều này rõ ràng. Nhưng giá trị sâu xa hơn, ít người biết đến hơn là, nó khiến bạn chợt nhận ra quy trình của bạn lẽ ra nên được thực hiện theo một trình tự hoàn toàn khác, dựa trên những giả định hoàn toàn khác. Khi khoảnh khắc 'tỉnh ngộ' đó đến, có thể bạn sẽ bỏ qua khối lượng lớn công việc dư thừa, hoặc tái cấu trúc toàn bộ quy trình."
Hãy nghĩ lại công cụ kiểm tra website kia. Thawar suy ngẫm về cách nó có thể thay đổi hoàn toàn quy trình bán hàng. "Khi chi phí tạo một báo cáo kiểm tra website trở nên không đáng kể, bạn có thể thay đổi việc ai, khi nào và ở đâu trình bày những dữ liệu này trong quy trình bán hàng. Ví dụ, bạn có thể đưa nó vào giai đoạn sớm hơn trong phễu bán hàng, thay vì chờ đến khi khách hàng đã được sàng lọc kỹ. Như vậy, loại khách hàng mà nhân viên phát triển bán hàng (SDRs) tiếp cận cũng có thể thay đổi," ông nói. "Cuối cùng, điều này sẽ催生 một quy trình bán hàng hoàn toàn mới. Và yếu tố thúc đẩy duy nhất cho tất cả điều này là chúng ta có thể tạo báo cáo kiểm tra website với chi phí cực thấp."
Ông lấy ví dụ về "Hệ thống Sản xuất Toyota" được ca ngợi nhưng cực kỳ khó sao chép. AI có thể đang thay đổi tất cả điều đó. "AI thay đổi hoàn toàn các giả định cơ bản của chúng ta. Bạn có thể dùng nó để giải các bài toán tổ hợp phức tạp trong dây chuyền sản xuất, nâng cao hiệu suất lên nghìn lần. Đó mới là ma lực thực sự. Điều chúng tôi theo đuổi chính là phát hiện ra 'sức mạnh quy trình' này."
Chào mừng tham gia cộng đồng chính thức TechFlow
Nhóm Telegram:https://t.me/TechFlowDaily
Tài khoản Twitter chính thức:https://x.com/TechFlowPost
Tài khoản Twitter tiếng Anh:https://x.com/BlockFlow_News
