Ba tháng trước, nhà đồng sáng lập kiêm CEO của Shopify, Tobi Lütke, đã gửi một lá thư đến toàn công ty, công bố cam kết "Tất cả trong AI" của mình. Lütke tuyên bố: "Việc sử dụng hiệu quả công nghệ AI là kỳ vọng cơ bản của mọi nhân viên Shopify." Phương pháp này kể từ đó đã được nhiều công ty áp dụng, bao gồm Box, Fiverr, và thậm chí cả Thủ tướng Canada.
Ba tháng sau, những thay đổi thực sự đã diễn ra trong Shopify là gì? Liệu đó chỉ là một "khẩu hiệu đầy nhiệt huyết" từ người lãnh đạo, hay "AI" thực sự đang được ứng dụng hiệu quả trong công ty?
Những quy trình công việc nào đã thay đổi khi triển khai AI?
First Round Review đã trao đổi với Phó chủ tịch Thawar của Shopify, người đã chia sẻ chiến lược cụ thể của công ty trong việc áp dụng AI và những cải tiến thực tế mà công ty đã đạt được, cũng như ba hiểu biết "trái ngược với trực giác".
Mọi nhân viên đều có thể sử dụng AI mà không bị phân biệt đối xử và không có giới hạn về chi phí.
Hãy để AI thể hiện nhiều hơn suy nghĩ và kết quả của nó thay vì che giấu chúng.
Rất hữu ích cho người mới bắt đầu và người mới tốt nghiệp, đặc biệt là trong việc sử dụng AI.
Có thể nói Shopify đã nêu gương tốt về cách triển khai AI trong doanh nghiệp, từ định hướng chiến lược đến triển khai kỹ thuật.
Người sáng lập Park đã biên soạn và xử lý bài viết dựa trên Đánh giá vòng đầu tiên.
Bài viết gốc: https://www.firstround.com/ai/shopify
01 Tất cả nhân viên đều sử dụng AI “như nhau”
Khi nhiều công ty triển khai AI, họ có xu hướng chỉ cung cấp những công cụ cơ bản nhất cho tất cả nhân viên, trong khi dành những mô hình và ứng dụng mạnh mẽ hơn cho đội ngũ kỹ thuật. Shopify thì ngược lại: cho phép tất cả nhân viên sử dụng mọi công cụ và mô hình do công ty giới thiệu.
Logic đằng sau chiến lược này là các ứng dụng sáng tạo có giá trị cao có thể đến từ bất kỳ góc nào của công ty và bạn không thể dự đoán được ứng dụng nào cuối cùng sẽ nổi bật và trở thành trường hợp sử dụng xứng đáng được đầu tư nguồn lực nhất.
Năm ngoái tôi đã mua 1.500 giấy phép Cursor, nhưng nhanh chóng nhận ra nhu cầu đang vượt xa nguồn cung, nên tôi phải mua thêm 1.500. Cơ sở người dùng tăng trưởng nhanh nhất không phải ở mảng kỹ thuật, mà là ở mảng hỗ trợ khách hàng và doanh thu.
Farhan Thawar, Phó chủ tịch kiêm Trưởng phòng Kỹ thuật tại Shopify
Để khuyến khích nhân viên thực sự sử dụng những mô hình tốt nhất và mới nhất, Shopify đã áp dụng ba chiến lược sau:
Chiến lược 1: Để đội ngũ pháp lý bật đèn xanh theo mặc định
Thay đổi bắt đầu từ cấp cao nhất. Toàn bộ đội ngũ ngũ lãnh đạo cấp cao, bao gồm cả bộ phận Pháp lý, phải cùng chung quan điểm: ứng dụng AI là ưu tiên hàng đầu của công ty. Sự thống nhất này đồng nghĩa với việc mọi người phải ưu tiên cách thức tạo điều kiện thuận lợi cho các vấn đề then chốt đối diện bảo mật và quyền riêng tư. "Nếu bạn không đặt "có" làm mặc định, thì về cơ bản bạn đã mặc định là "không", Thawar chỉ ra. "Nếu các quy tắc không rõ ràng, thì về cơ bản đó là câu trả lời "không", và đó là trường hợp của hầu hết các công ty."
Khi Thawar quyết định giới thiệu GitHub Copilot vào cuối năm 2021, anh đã trao đổi trực tiếp với đội ngũ pháp lý: "Câu hỏi đầu tiên của tôi là, 'Chúng tôi sẽ thực hiện dự án này, làm thế nào chúng tôi có thể đảm bảo mọi thứ đều an toàn?'" Thawar nói. "Họ trả lời, 'Chúng tôi sẽ tìm cách.' Không có bất kỳ sự phản đối nào."
Thái độ này hoàn toàn trái ngược với những gì các CTO tại các công ty công nghệ hàng đầu khác đang trải qua. Trong một nhóm WhatsApp với các đồng nghiệp, Thawar thường nghe họ phàn nàn về vô số trở ngại mà bộ phận pháp lý phải đối mặt.
Mọi người trong nhóm luôn hỏi tôi: "Tổng cố vấn(GC) của anh có thể nói chuyện với cố vấn của chúng tôi không?" Chúng tôi chưa bao giờ gặp phải sự phản đối như họ.
Farhan Thawar, Phó chủ tịch kiêm Trưởng phòng Kỹ thuật tại Shopify
Chiến lược 2: Ngân sách không giới hạn cho các công cụ AI
Chi phí là một vấn đề không thể tránh khỏi đối với việc áp dụng AI rộng rãi. Khi Cursor được sử dụng rộng rãi trong công ty, một số người bắt đầu lo lắng về chi phí tăng vọt. Điều này hoàn toàn trái ngược với ý định ban đầu của Thawar: ông muốn mọi người sử dụng công cụ này mà không do dự, miễn là nó tạo ra giá trị.
Thawar duy trì một bảng xếp hạng nội bộ để xem ai trả nhiều tiền nhất cho token Cursor. "Chúng tôi không đặt ra giới hạn. Tôi không muốn mọi người sử dụng các tập lệnh để chèn ép danh sách, nhưng đây là một chỉ báo giá trị thực sự tốt. Chúng tôi không muốn nhân viên lo lắng về việc sử dụng AI hay các mô hình mới nhất", Thawar nói. "Tôi biết có những người tự hào nằm trong top 10 về chi tiêu token vì họ đã có những đóng góp quan trọng với AI." Giám đốc Công nghệ (CTO) của Shopify, Mikhail Parakhin, gần đây đã được vinh danh là trong đó.
"Một xu hướng đáng lo ngại mà tôi thấy khi nói chuyện với nhiều giám đốc công nghệ (CTO) và giám đốc điều hành (CEO) là họ bị ám ảnh bởi chi phí của token", Thawar nói. "Họ nghĩ, 'Liệu mình có đủ khả năng chi trả thêm 1.000 đến 10.000 đô la cho mỗi kỹ sư mỗi tháng cho các công cụ như Cursor, Windsurf và GitHub Copilot không?' Vì vậy, họ thắt chặt ngân sách."
Cách suy nghĩ này trái ngược với mục tiêu thúc đẩy AI.
“Nếu các kỹ sư của bạn chi thêm 1.000 đô la mỗi tháng để sử dụng mô hình ngôn ngữ lớn (LLM), nhưng hiệu quả của họ được cải thiện 10%, thì khoản đầu tư này là một khoản đầu tư tuyệt vời. Bất kỳ công ty nào cũng sẽ hào hứng với sự cải thiện hiệu quả ‘rẻ tiền’ như vậy.” (Thawar thậm chí còn nói rằng nếu các kỹ sư của bạn có thể chi 10.000 đô la mỗi tháng và tạo ra giá trị, hãy nhớ gửi cho anh ấy một tin nhắn riêng, anh ấy muốn học hỏi từ kinh nghiệm của mình.)
Chiến lược 3: Cổng thông tin AI hợp nhất và MCP
Để giúp 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: Đại lý LLM nội bộ của công ty. Đại lý này đóng vai trò là điểm vào thống nhất, cho phép người dùng tương tác và chuyển đổi liền mạch với nhiều mô hình khác nhau. Trong hoàn cảnh sản xuất, đại lý này cũng đảm nhiệm các chức năng quan trọng như mở rộng, theo dõi và chuyển đổi dự phòng.
Nhân viên có thể sử dụng LLM này để xây dựng quy trình làm việc của riêng mình, tự do lựa chọn các mô hình khác nhau và luôn sử dụng phiên bản mới nhất ngay lần đầu tiên. Nền tảng này có bộ sưu tập MCP phong phú được tích hợp sẵn, và người dùng có thể gọi chúng chỉ bằng cách gửi yêu cầu đến các công cụ như Agent hoặc Cursor. Thậm chí còn có một thư viện Agent do đồng nghiệp tạo ra để mọi người cùng sử dụng. Đây là một trạm làm việc AI trọn gói đáp ứng mọi nhu cầu của nhân viên.
“Máy chủ MCP là một lớp cơ sở hạ tầng quan trọng kết nối tất cả các công cụ nội bộ trong công ty. Triết lý của chúng tôi là ‘MCP cho mọi thứ’”, Thawar nói. “Chúng tôi đảm bảo mọi dữ liệu trong công ty đều có thể truy cập được thông qua MCP, bất kể dữ liệu được lưu trữ trong công cụ nào, để nhân viên có thể truy cập bất cứ lúc nào và xây dựng quy trình làm việc của riêng họ.”
02 Trường hợp quy trình làm việc dựa trên AI
Với cơ sở hạ tầng MCP, Cursor và chat, hiệu quả công việc của cả nhân viên kỹ thuật và việc kinh doanh đã được cải thiện đáng kể. Dưới đây là một số trường hợp nổi bật từ bên ngoài bộ phận R&D:
Trường hợp 1: Công cụ kiểm toán trang web thay đổi cách bạn tạo ra khách hàng tiềm năng
Đánh giá hiệu suất website là một phần quan trọng trong quy trình bán hàng của Shopify. Để chứng minh tốc độ website hàng đầu trong ngành với các nhà bán hàng tiềm năng, trước tiên, nhân viên bán hàng phải kiểm toán phân tích website của khách hàng tiềm năng, đồng thời chứng minh lợi thế của Shopify bằng dữ liệu. Trước đây, quy trình này hoàn toàn thủ công và tốn thời gian.
Gần đây, một nhân viên bán hàng không chuyên bối cảnh đã sử dụng Cursor để xây dựng một công cụ tự động tạo báo cáo so sánh hiệu suất trang web chi tiết. Công cụ này thu thập dữ liệu từ trang web của khách hàng tiềm năng, so sánh với các tiêu chuẩn của Shopify và thậm chí truy cập tài liệu nội bộ để cung cấp các bài thuyết trình bán hàng chính xác.
Giám đốc Doanh thu (CRO) của Shopify, Bobby Morrison, đã ca ngợi tư duy và phong cách làm việc này: "Các nhà phát triển việc kinh doanh hàng đầu của chúng tôi đang tái tạo mọi khía cạnh công việc của họ, từ phân tích thị trường và xác định cơ hội đến phát triển chiến lược và xây dựng giải pháp cho các nhà bán hàng. Những người thành công nhất trong đó là những người thành thạo AI. Họ hợp tác trực quan với các công cụ AI và phát triển với tốc độ của AI. Đối với họ, AI không phải là một tính năng độc lập; đó là một cách làm việc."
Shopify tin rằng cơ hội thực sự mà AI mang lại nằm ở khả năng tái cấu trúc toàn bộ mô hình bán hàng. "Ví dụ, trong một kịch bản bán thêm, nhân viên bán hàng có thể, trong khi đang gọi điện cho khách hàng, yêu cầu nhân viên tổng hợp dữ liệu chỉ trong vài giây, điều mà trước đây phải mất lượng lớn thời gian để có được. Loại dữ liệu bán hàng này, vốn từng là một nguồn tài nguyên khan hiếm, giờ đây đã sẵn sàng để sử dụng", Thawar giải thích.
“Điều này sẽ ảnh hưởng đến phương pháp bán hàng của bạn như thế nào? Bạn sẽ có thể trình bày quan điểm một cách tự tin và thuyết phục hơn, mở ra những kênh giao tiếp mới trong tổ chức khách hàng. Nó thậm chí có thể cách mạng hóa cách bạn tiếp cận cuộc gọi chào hàng.”
Trường hợp 2: Trang chủ việc cần làm của Kỹ sư bán hàng
Một kỹ sư bán hàng đã tích hợp MCP của các công cụ thường dùng nhất, chẳng hạn như GSuite Drive, Slack và Salesforce, vào bảng điều khiển cá nhân được xây dựng bằng Cursor. Bảng điều khiển này có thể ưu tiên nhiệm vụ một cách thông minh dựa trên thông tin thời gian thực từ tất cả các công cụ.
Trước đây, anh ấy phải chuyển đổi qua lại giữa các ứng dụng này. Giờ đây, anh ấy chỉ cần mở bảng điều khiển mỗi ngày và tự hỏi: "Hôm nay mình nên làm gì?" Hệ thống có thể phát hiện ra một giao dịch đang chờ xử lý trong Salesforce và một email quan trọng từ một khách hàng mà anh ấy chưa phản hồi, ngay lập tức nhắc nhở anh ấy ưu tiên việc đó. "Anh ấy hầu như không mở những công cụ riêng biệt đó nữa", Thawar nói. "Con trỏ chuột là trang chủ công việc của anh ấy. Anh ấy thậm chí còn không đăng nhập vào email nữa, thật khó tin."
Đây chính xác là lợi nhuận mà Shopify kỳ vọng sẽ đạt được từ các khoản đầu tư vào cơ sở hạ tầng AI, một bước tiến tự nhiên đối với một công ty nổi tiếng về cơ sở hạ tầng. "Chúng tôi ưu tiên phát triển cơ sở hạ tầng AI nội bộ; đó là một phần trong DNA của chúng tôi", Thawar nói.
“Thay vì mất hàng tuần để phát triển các tính năng riêng lẻ, chúng tôi muốn đầu tư nhiều thời gian hơn vào việc xây dựng cơ sở hạ tầng có thể tái sử dụng. Ví dụ, chúng tôi đã xây dựng tác nhân LLM và máy chủ MCP với hy vọng tạo ra một hệ thống mà mọi người đều có thể tái sử dụng. Khi ai đó tạo MCP cho Slack, mọi người trong công ty đều có thể sử dụng trực tiếp.”
Nghiên cứu tình huống quy trình làm việc 3: Cải thiện tỷ lệ thắng thầu với Đại lý RFP
Đối với các công ty bán hàng cho các doanh nghiệp lớn, việc điền vào Yêu cầu Đề xuất (RFP) là một việc thường xuyên. Mỗi RFP có thể bao gồm hàng trăm câu hỏi và đòi hỏi sự tùy chỉnh lượng lớn, thông tin bối cảnh công ty và sự hợp tác liên phòng ban để hoàn thành.
Để đạt được mục tiêu này, đội ngũ Công cụ Doanh thu của Shopify đã phát triển một công cụ có khả năng trả lời đồng thời nhiều câu hỏi RFP. Được xây dựng trên nền tảng LibreChat (mà Shopify là một đối tác đóng góp cốt lõi), công cụ này tận dụng cơ sở kiến thức nội bộ, bao gồm tài liệu công khai, trung tâm trợ giúp và nghiên cứu điển hình, để tự động tạo ra các phản hồi phong phú, được ghi chép đầy đủ, giúp giải phóng đáng kể năng suất của các kỹ sư giải pháp.
Khi trả lời câu hỏi, tác nhân cũng gán "điểm tin cậy" cho mỗi câu trả lời, cho biết thông tin có đầy đủ hay không. Tác nhân cũng học hỏi từ các phản hồi RFP trước đây đã thành công trong việc giành được hợp đồng, lưu trữ những câu chuyện thành công mới vào cơ sở kiến thức để liên tục tối ưu hóa chất lượng của các phản hồi trong tương lai.
03 Hãy để AI thể hiện nhiều hơn quá trình suy nghĩ của nó, đừng che giấu nó
Nhiều người lo ngại rằng việc quá phụ thuộc vào AI sẽ khiến não bộ chúng ta trở nên chai sạn và xa rời công việc. Nhưng sự thật trái ngược lại là nếu được sử dụng đúng cách, AI thực sự có thể cung cấp cho bạn nhiều thông tin chi tiết hơn và cho phép bạn trong đó sâu hơn.
"Hầu hết mọi người đều cho rằng trải nghiệm người dùng lý tưởng là khi bạn đặt câu hỏi và AI sẽ trả lời, với càng ít "sự lộn xộn" càng tốt", Thawar nói. "Nhưng nếu mục tiêu của bạn là giúp mọi người thành thạo một kỹ năng, thì việc hiển thị những chi tiết đó thực sự hiệu quả hơn nhiều."
Chiến lược: Kỹ thuật ngữ cảnh cho con người
Shopify nhận ra rằng chìa khóa để thúc đẩy ứng dụng AI hiệu quả không chỉ nằm ở việc tối ưu hóa các từ gợi ý mà còn ở việc áp dụng một cách có hệ thống khái niệm "kỹ thuật ngữ cảnh" cho nhân viên.
Ví dụ, tại Shopify, các trưởng dự án được yêu cầu nộp báo cáo tiến độ hàng tuần, biến hệ thống quản lý dự án của công ty thành một siêu xa lộ thông tin. Giờ đây, một tác nhân 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 để tạo bản nháp báo cáo hàng tuần.
Mỗi thứ Sáu, các trưởng dự án sẽ nhận được báo cáo do AI tạo ra này, kèm theo sê-ri câu hỏi tiếp theo đầy thách thức, chẳng hạn như "Bạn đã hoàn thành công việc cụ thể nào trong tuần này?". Điều này thúc đẩy họ phải xem xét kỹ lưỡng bản tóm tắt của AI và tinh chỉnh nó. Họ được khích lệ trong đó những điểm khác biệt so với thực tế và vạch trần rủi ro tiềm ẩn, thay vì chỉ chấp nhận kết quả, vì họ muốn công việc của mình được hiểu chính xác.
"Dựa trên phản hồi của quản lý dự án, AI sẽ tạo ra một báo cáo mới. Chúng tôi so sánh phiên bản cuối cùng với bản thảo đầu tiên, và AI sẽ học hỏi và phát triển dựa trên những lần viết lại này", Thawar nói. Việc viết báo cáo hàng tuần trước đây đòi hỏi lượng lớn nhiều thời gian để thu thập thông tin. Giờ đây, các quản lý dự án có thể tập trung vào những gì con người làm tốt nhất: tư duy phản biện và các nhiệm vụ đầy thách thức để cải thiện công việc.
Chúng tôi nhận thấy một nửa số bản thảo đầu tiên của báo cáo hàng tuần do AI tạo ra đã được phê duyệt mà không cần chỉnh sửa. Báo cáo này có chất lượng 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 Trưởng phòng Kỹ thuật tại Shopify
Quy trình làm việc: Khung Roast cho mã "khiếu nại"
Shopify vận hành một trong những ứng dụng Ruby on Rails lớn nhất thế giới. Việc tập hợp lượng lớn kỹ sư để cộng tác hiệu quả và duy trì một cơ sở mã nguồn lớn và duy nhất như vậy luôn là một thách thức, đặc biệt là với một hoàn cảnh như Ruby, vốn ưu tiên "quy ước hơn cấu hình" và khuyến khích các nhà phát triển sáng tạo.
Các kỹ sư Shopify đã phát hiện ra rằng AI có thể là một công cụ mạnh mẽ để duy trì các quy ước mã, kiểm thử đơn vị thống nhất và thông số kỹ thuật cập nhật mã. Tuy nhiên, bản thân AI không đáng tin cậy và cần có hướng dẫn rõ ràng, có cấu trúc và được kết hợp với các công cụ và nguyên tắc xác định.
Vì vậy, Shopify đã phát triển Roast, một khung điều phối AI mã nguồn mở phục vụ việc đánh giá, sửa chữa và lặp lại mã. Nó được đặt theo tên của một công cụ AI nội bộ cùng tên, chuyên "roast" mã hiện có và các bài kiểm tra đơn vị để đưa ra những lời phê bình mang tính xây dựng và đề xuất cải tiến. Roast không phải là một lời nhắc duy nhất yêu cầu mọi thứ, mà cho phép các nhà phát triển thiết kế và chạy các vòng phản hồi bao gồm sê-ri các bước nhỏ, chính xác với tỷ lệ thành công cao:
Roast chia nhỏ quy trình làm việc thành nhiều bước và minh họa rõ ràng quá trình suy luận của AI ở mỗi bước.
Các bước này cùng nhau tạo thành lịch sử hội thoại hoàn chỉnh, giúp các kỹ sư dễ dàng theo dõi logic ra quyết định của AI.
CodeAgent cốt lõi (được xây dựng trên Claude Code) sẽ tóm tắt từng hành động và lý do đằng sau chúng.
Khi thực hiện nhiệm vụ như chấm điểm bài kiểm tra, Roast cung cấp phản hồi chi tiết về điểm số, giải thích "lý do" và "cách thức" trước khi trình bày kết quả cuối cùng.
Samuel Schmidt, một nhà phát triển nhân viên của Shopify, người đã giúp phát triển Roast, cho biết: "Khi bạn kết hợp các công cụ xác định với các công cụ AI, chúng có thể bổ sung thông tin cho nhau và lấp đầy những khoảng trống". Roast đơn giản hóa việc sử dụng các tác nhân và hiển thị cho các kỹ sư làm việc với chúng toàn bộ quy trình làm việc, 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 giải quyết được nhiều thách thức kỹ thuật trong Shopify, chẳng hạn như giúp các kỹ sư phân tích hàng nghìn tệp kiểm thử và tự động sửa các sự cố thường gặp, từ đó cải thiện phạm vi kiểm thử mã tổng thể. Trong quá trình giải quyết những vấn đề này, đội ngũ cũng đã khám phá một mô hình mới để tận dụng AI một cách đáng tin cậy hơn nhằm hoàn thành nhiệm vụ kỹ thuật phức tạp, một thách thức mà nhiều đội ngũ hiện đang phải đối mặt. Do đó, Shopify đã quyết định mã nguồn mở Roast, kêu gọi toàn thể cộng đồng cùng chung tay định hình tương lai của việc thực thi nhiệm vụ được hỗ trợ bởi AI.
04. Phát triển “tư duy của người mới bắt đầu” trong phát triển sản phẩm
Shopify không chỉ gia tăng số lượng người mới bắt đầu mà còn thay đổi quy trình phát triển sản phẩm, chú trọng hơn vào tạo ra, một phương pháp đặt mình vào tư duy của người mới bắt đầu. Họ cho rằng đây chính là chìa khóa thực sự để vượt qua những khó khăn và tìm ra giải pháp.
Chiến lược: Thuê thêm nhân tài trẻ
Về chiến lược nhân tài, Shopify đã chủ động thay đổi tư duy. Thay vì chỉ dựa vào nhận thức hời hợt rằng "AI sẽ thay thế nhân lực", họ đã thiết lập một nguyên tắc mới: "Nếu bạn có thể sử dụng AI để tạo ra giá trị vượt trội, công ty sẽ đầu tư nhiều nguồn lực hơn để hỗ trợ bạn", và những nguồn lực này trong đó nhân lực mới.
Quan điểm truyền thống cho rằng AI sẽ xóa sổ các công việc cấp thấp, và sinh viên tốt nghiệp ngành kỹ thuật thường có cảm giác "ngày tận thế" và lo lắng về việc thất nghiệp sau khi tốt nghiệp. Tuy nhiên, Shopify lại tuyển dụng nhiều thực tập sinh hơn vì họ nhận thấy những người trẻ này là những người sử dụng AI một cách sáng tạo nhất, và họ sinh ra đã mang trong mình tâm lý của người mới bắt đầu.
Sau khi tuyển dụng thành công 25 thực tập sinh kỹ thuật, Lütke hỏi Thawar quy mô tối đa của dự án có thể mở rộng bao nhiêu. "Câu trả lời ban đầu của tôi là 75 người với cơ sở hạ tầng hiện có. Nhưng sau đó tôi đã rút lại và cập nhật câu trả lời thành 1.000 người", Thawar nói.
Thawar có kinh nghiệm dày dặn trong quản lý dự án thực tập. Anh ấy biết rằng thực tập sinh có thể mang lại sức sống, niềm đam mê và động lực cho đội ngũ. Trong thời kỳ hậu LLM, họ cũng mang đến một kỹ năng mới: họ là những "Nhân mã AI" bẩm sinh. "Họ luôn tò mò về các công cụ và lối tắt mới. Tôi hy vọng họ có thể "lười biếng" và sử dụng các công cụ mới nhất", anh ấy nói. "Chúng ta đã chứng kiến điều này trong kỷ nguyên Internet di động. Vào thời điểm đó, tôi đã tuyển dụng lượng lớn thực tập sinh vì tôi biết họ là "người bản xứ di động"."
Chiến lược: Sử dụng nhiều nguyên mẫu hơn để tìm ra con đường tốt nhất
Giờ đây, tạo ra đóng vai trò trung tâm hơn trong quy trình phát triển sản phẩm của Shopify. Cụ thể, công ty đang tập trung vào việc tăng tỷ lệ giữa các lần thử nghiệm nguyên mẫu và bản dựng cuối cùng. Điều này thể hiện một trong những nguyên tắc cốt lõi của Shopify, "Phát triển Sản phẩm Green Lane": phương pháp duy nhất để giải quyết một vấn đề phức tạp là liên tục thử nghiệm. Lütke từng nói với Thawar: "Có vô số giải pháp tồi cho một vấn đề, và khoảng 10.000 giải pháp tốt. Nhiệm vụ của anh là tìm ra giải pháp tốt nhất trong số 10.000 giải pháp đó. Giải pháp anh vừa trình bày chỉ là giải pháp đầu tiên hiệu quả, chứ không phải là giải pháp tốt nhất. Tại sao anh lại dừng lại?"
Thawar nói thêm: "Bạn đang đối diện một bài toán với hàng trăm biến số và lớp, và bạn phải khám phá nhiều hướng đi khác nhau. Những hướng đi đó có thể dẫn đến một sản phẩm cuối cùng trông tương tự nhau, nhưng những đánh đổi đằng sau chúng có thể rất khác nhau."
Ví dụ, công cụ trò chuyện AI nội bộ của Shopify bắt nguồn từ một nguyên mẫu. Kỹ sư cao cấp Matt Burnett ban đầu đã thử nghiệm các công cụ mã nguồn mở để cải thiện khả năng truy cập nội bộ vào LLM. Anh đã lặp lại các phiên bản đầu tiên, giải quyết các vấn đề như mất dữ liệu và mở rộng. Anh cũng phát hiện ra các lỗi kiến trúc bằng cách cho phép đồng nghiệp dùng thử sớm. Cuối cùng, công cụ này đã được áp dụng rộng rãi đến mức công ty đã thành lập một đội ngũ kỹ sư chuyên trách để giám sát hoạt động của nó.
Việc sử dụng AI có liên quan chặt chẽ đến hiệu suất
Để đo lường các khía cạnh khác nhau của hiệu quả kỹ thuật trong toàn tổ chức, Thawar sử dụng bảng điều khiển hoạt động kỹ thuật. Bảng điều khiển này theo dõi ai đang lập trình cặp, ai đang phỏng vấn, và, như đã đề cập trước đó, ai đang sử dụng Copilot.
Dữ liệu của Shopify qua nhiều năm cho thấy lập trình cặp có thể cải thiện đáng kể tốc độ học tập. Sử dụng bảng điều khiển này, công ty đã tiến hành phân tích để xem xét mối quan hệ giữa thời gian lập trình cặp và kết quả đánh giá hiệu suất. Kết quả cho thấy thời gian lập trình cặp của kỹ sư càng dài thì ảnh hưởng của họ càng lớn; ngược lại, ảnh hưởng càng nhỏ.
Giờ đây, bảng điều khiển cũng theo dõi việc nhân viên sử dụng các công cụ AI như Cursor, Claude Code và LLM Agent. Phân tích sơ bộ cho thấy những nhân viên sử dụng các công cụ này cũng có mối tương quan tích cực với mức độ ảnh hưởng của họ. Điều này giúp xác định các công cụ thực sự có thể tạo ra giá trị và mối liên hệ của chúng với hiệu suất cá nhân.
Shopify đã tích hợp các câu hỏi liên quan đến AI vào hệ thống đánh giá 360 độ của mình. Quản lý và đồng nghiệp được yêu cầu đánh giá hiệu suất của nhau theo tiêu chí "AI bản địa" hoặc "AI phản ánh". Công ty dự định tiến hành phân tích sâu hơn về mối quan hệ giữa việc sử dụng AI và ảnh hưởng cá nhân sau khi thu thập dữ liệu vài năm.
Thawar đích thân trình bày cách sử dụng AI thông qua lập trình cặp. "Tôi lập trình cặp với một kỹ sư, vừa để quan sát phương pháp anh ấy giải quyết vấn đề, vừa để quảng bá ý tưởng của riêng tôi. Tôi luôn mở tab ChatGPT, chứng minh cho anh ấy thấy cách tôi liên tục cộng tác với AI."
05 Cải tiến hiệu quả sẽ định hình lại quy trình làm việc
Nếu bạn có thể phân tích mọi hoạt động tập luyện của một đội thể thao chuyên nghiệp hay một nhà bếp đạt sao Michelin, bạn sẽ thấy hiệu suất hoạt động của họ lên tới 80%. Mặt khác, hiệu suất hoạt động của một công ty có thể chỉ đạt tối đa 20%.
“Có một lượng lãng phí khổng lồ trong kinh doanh chỉ vì chúng ta chưa tìm ra cách tốt nhất để làm việc,” Thawar chỉ ra. “Rõ ràng là AI có thể tăng tốc các quy trình hiện có. Nhưng giá trị sâu sắc hơn, ít được đánh giá cao hơn, là nó có thể đột nhiên khiến bạn nhận ra rằng các quy trình của mình nên được vận hành theo một thứ tự hoàn toàn khác và dựa trên những giả định hoàn toàn khác. Khi khoảnh khắc “aha” đó đến, bạn có thể bỏ qua lượng lớn công việc dư thừa hoặc tái tạo quy trình.”
Hãy nghĩ lại về công cụ kiểm toán website đó. Thawar nghĩ về cách nó có thể cách mạng hóa quy trình bán hàng. “Khi chi phí tạo ra báo cáo kiểm toán website trở nên không đáng kể, bạn có thể thay đổi người cung cấp dữ liệu này và thời điểm trong quy trình bán hàng. Ví dụ: bạn có thể giới thiệu nó sớm hơn trong kênh bán hàng thay vì đợi đến khi khách hàng đủ điều kiện. Điều này có thể thay đổi loại khách hàng mà các đại diện phát triển bán hàng (SDR) đang tiếp cận”, ông nói. “Cuối cùng, điều này có thể dẫn đến một quy trình bán hàng hoàn toàn mới, chỉ dựa trên việc chúng tôi có thể tạo báo cáo kiểm toán website với chi phí rất thấp.”
Ông lấy ví dụ về Hệ thống Sản xuất Toyota, vốn được tôn sùng nhưng lại cực kỳ khó sao chép. AI có thể đang thay đổi tất cả những điều này. "AI về cơ bản đã thay đổi những giả định cơ bản của chúng ta. Bạn có thể sử dụng nó để giải quyết các bài toán tổ hợp phức tạp trên dây chuyền sản xuất, giúp tăng hiệu suất lên hàng nghìn lần. Đó chính là điều kỳ diệu thực sự. Khám phá 'sức mạnh của quy trình' chính là điều chúng ta đang theo đuổi."
