Mã nguồn cũ: tài sản vô giá nhưng đang trói chân kỹ sư
Phân tích mã nguồn cũ là quá trình dùng công cụ và phương pháp kỹ thuật để hiểu cấu trúc, logic nghiệp vụ và các phụ thuộc trong những hệ thống phần mềm được xây dựng bằng ngôn ngữ và kiến trúc đời cũ, nhằm giảm rủi ro khi chỉnh sửa, mở rộng hoặc hiện đại hóa hệ thống đang vận hành. Trong nhiều tập đoàn lớn, mã nguồn cũ không chỉ là kỹ thuật lỗi thời, mà là cả một kho tri thức vận hành và logic kinh doanh tích lũy hàng chục năm, khó thay thế nhưng lại ngày càng khó hiểu.
Vấn đề đã đến mức nghịch lý: ở một doanh nghiệp dịch vụ ô tô tại Mỹ, mỗi lần cần sửa tính năng hay phát triển phần mềm mới, kỹ sư phải mất tới 40-60% thời gian chỉ để lần mò thông tin trong hệ thống mã nguồn đồ sộ. Với hàng triệu dòng code, ngôn ngữ lập trình cũ, nhiều lớp mở rộng chắp vá, hệ thống giống như một thành phố ngầm mà chỉ vài người nắm được bản đồ. Mỗi thay đổi nhỏ có thể gây ảnh hưởng dây chuyền, buộc đội ngũ kỹ sư phải làm công việc “khai quật mã nguồn” mệt mỏi trước khi chạm được vào phát triển tính năng mới.
Vì sao trợ lý AI kiểu cũ không đủ cho mê cung legacy code
Khi áp lực đổi mới tăng lên nhờ làn sóng AI, bất cập của việc phụ thuộc vào hệ thống cũ càng lộ rõ: doanh nghiệp nhỏ linh hoạt thử nghiệm, còn tập đoàn lớn phải cân nhắc rất kỹ vì mỗi thay đổi đụng trực tiếp vào vận hành. Thực tế, khoảng 80% doanh nghiệp vừa và lớn tại Nhật vẫn phụ thuộc vào các hệ thống cũ, theo ước tính của IDC. Thế giới phần mềm đang bị kéo căng giữa nhu cầu đổi mới nhanh và gánh nặng bảo toàn những hệ thống đã ăn sâu vào quy trình kinh doanh.
Nhiều công ty đã thử dùng công cụ hỏi đáp AI chung hoặc trợ lý lập trình để giảm tải cho kỹ sư, nhưng những giải pháp này bộc lộ hạn chế khi dữ liệu ngày càng lớn và rải rác. Không nắm được toàn bộ bối cảnh hệ thống, AI dễ phân tích sai, thậm chí tự “bịa” câu trả lời nghe hợp lý nhưng sai thực tế, trong khi chi phí vận hành lại tăng vì phải xử lý khối lượng dữ liệu khổng lồ. Nói cách khác, nếu AI không hiểu cấu trúc thật của hệ thống, nó chỉ là một công cụ tìm kiếm thông minh, chứ chưa phải “bản đồ” giúp kỹ sư thoát khỏi mê cung legacy code.
FPT Flezi Metis: biến mã nguồn cũ thành bản đồ tri thức sống
Điểm xoay nằm ở cách tiếp cận: thay vì để kỹ sư đối thoại với một AI chung chung, FPT xây dựng Flezi Metis – nền tảng AI giải mã legacy code bằng cách kết nối mã nguồn, tài liệu kỹ thuật và dữ liệu vận hành thành một bản đồ tri thức duy nhất cho toàn hệ thống. Nhờ có bức tranh toàn cảnh này, AI suy luận dựa trên cấu trúc thật thay vì phỏng đoán, giảm rõ rệt nguy cơ thông tin sai do thiếu ngữ cảnh, và không cần đọc lại toàn bộ hệ thống mỗi khi có yêu cầu mới.
Khi kỹ sư muốn sửa một chức năng, Flezi Metis nhanh chóng xác định các phần liên quan, phân tích mức độ ảnh hưởng và cảnh báo khu vực có nguy cơ bị tác động. Tri thức vận hành vốn bị chôn dưới lớp mã nguồn và kinh nghiệm của những kỹ sư kỳ cựu được giải phóng, biến thành tài sản có thể tra cứu, tái sử dụng và chia sẻ. Quan trọng hơn, dữ liệu vẫn nằm trong hạ tầng nội bộ của khách hàng, đáp ứng yêu cầu cao về bảo mật. Trong cách nhìn này, AI không thay kỹ sư viết code, mà tối ưu hóa kỹ sư phần mềm bằng cách loại bỏ khâu mò mẫm đầy rủi ro.
Bài học từ 1 triệu dòng mã nguồn ô tô và bước đi của AI Việt Nam
Case thực tế tại tập đoàn dịch vụ và công nghệ ô tô lớn bậc nhất thế giới cho thấy tác động rất cụ thể: áp dụng Flezi Metis trên dự án khoảng 1 triệu dòng mã, thời gian tìm mã nguồn giảm khoảng 50%, thời gian hoàn thành công việc của đội kỹ thuật giảm khoảng 30%. Đây là minh chứng rõ ràng rằng kỹ sư không cần dành phần lớn ngày làm việc cho “khảo cổ” hệ thống; thời gian được giải phóng chuyển sang phát triển tính năng mới và đẩy nhanh chu kỳ hiện đại hóa hệ thống.
Không chỉ giúp kỹ sư làm việc nhanh hơn, nền tảng này còn đổi cách doanh nghiệp quản trị hệ thống phần mềm: tri thức dễ tra cứu cho phép lãnh đạo công nghệ có góc nhìn toàn cảnh hơn, đưa ra quyết định có cơ sở hơn. Theo lãnh đạo FPT, những hệ thống cũ chính là tài sản không thể đánh mất, và AI phải phục vụ mục tiêu hiện đại hóa mà vẫn giữ nguyên logic kinh doanh tích lũy hàng chục năm. Thành công tại khách hàng Mỹ cho thấy AI Việt Nam đủ sức giúp các tập đoàn toàn cầu mở khóa logic nghiệp vụ bị mắc kẹt trong hàng triệu dòng code cũ.
Từ ô tô tới ngân hàng: tương lai nơi kỹ sư không còn là “thợ đào code”
Điều đáng chú ý là Flezi Metis không dừng lại ở ngành ô tô. Sau kết quả thử nghiệm khả quan tại khách hàng Mỹ, nền tảng đang mở rộng sang các lĩnh vực có yêu cầu vận hành phức tạp như ngân hàng, bảo hiểm và khu vực công, như một phần của hệ sinh thái AI FleziPT. Điều này gửi một thông điệp rõ ràng: bài toán phân tích mã nguồn cũ và tối ưu hóa kỹ sư phần mềm không phải vấn đề riêng của một ngành, mà là rào cản chung của mọi tổ chức phụ thuộc vào hệ thống lâu năm.
Để chuyển đổi không rơi vào tình trạng “thử nghiệm rời rạc”, FPT còn giới thiệu khung năng lực CASAN với 5 cấp độ trưởng thành AI, giúp doanh nghiệp chuẩn hóa lộ trình từ các ứng dụng AI nhỏ lẻ đến mô hình vận hành nơi AI được tích hợp sâu trên toàn tổ chức. Nếu các sáng kiến này tiếp tục được triển khai rộng rãi, vai trò của kỹ sư sẽ dịch chuyển từ người giữ bản đồ hệ thống sang người thiết kế chiến lược và tính năng mới, trong khi AI giải mã legacy code và bảo vệ tài sản tri thức vận hành. Kết luận không khó: doanh nghiệp nào còn để kỹ sư mắc kẹt 40-60% thời gian trong mê cung mã nguồn cũ đang tự làm chậm chính mình; đã đến lúc để AI Việt Nam cầm bản đồ.
