A: Triển khai lập trình hỗ trợ bởi AI trong phần mềm công nghiệp không phải là mua một công cụ gợi ý mã rồi phát cho mọi người; đó là việc xây dựng một "chuỗi lập trình hỗ trợ có kiểm soát" quanh những ràng buộc đặc thù của phần mềm công nghiệp. Trước tiên hãy chưng cất tiêu chuẩn mã hóa, hợp đồng giao diện và ranh giới an toàn thành một cơ sở tri thức có thể tìm kiếm, sau đó để AI tham gia vào bốn giai đoạn - phân tích yêu cầu, sinh mã, kiểm thử đơn vị và hiện đại hóa hệ thống cũ - và cuối cùng nghiệm thu kết quả bằng ba chỉ số: tỷ lệ biên dịch qua ngay lần đầu, mật độ lỗi và công sức sửa sau review. Phần mềm công nghiệp khác phần mềm internet: chỉ một dòng sai trong logic PLC, điều khiển chuyển động hoặc giao thức truyền thông SCADA cũng có thể đồng nghĩa với việc máy hỏng hoặc dây chuyền dừng, nên giữa "chạy được" và "có thể đưa vào vận hành" tồn tại một tập ràng buộc kỹ thuật.
1. Trước tiên phân biệt giữa thực hành có hệ thống hỗ trợ và thực hành manh mún
Không có hệ thống hỗ trợ, cách làm thường thấy là cấp cho kỹ sư một tài khoản trợ lý lập trình AI đa dụng, mỗi người tự hỏi và tự dán mã. Ngắn hạn, tốc độ hoàn thành tăng, nhưng vấn đề lộ ra nhanh: phong cách mã sinh ra không nhất quán, hiểu biết về các tiêu chuẩn lập trình công nghiệp như IEC 61131-3 không ổn định, và khi liên quan đến địa chỉ thanh ghi thiết bị hay tham số thời gian chờ truyền thông thì mô hình dễ bịa ra những giá trị trông có vẻ hợp lý. Có hệ thống hỗ trợ, cơ sở mã của chính doanh nghiệp, tài liệu giao diện và sổ tay giao thức truyền thông thiết bị trở thành nguồn tri thức tăng cường truy xuất; AI ưu tiên các cách hiện thực sẵn có trong nội bộ khi sinh mã, và đầu ra có trích dẫn để kỹ sư truy được một đoạn logic được chuyển từ dự án cũ nào. Khác biệt này quyết định đầu ra của AI là "bản nháp tham khảo" hay "sản phẩm có thể review".
2. Chiều thứ nhất: tri thức được cung cấp như thế nào
Không có hệ thống, tri thức của AI đến từ kho ngữ liệu công khai và không biết gì về cách đặt tên tham số công nghệ, định nghĩa mã cảnh báo hay thư viện model thiết bị của một nhà máy cụ thể. Có hệ thống, mã dự án lịch sử, quy ước đặt tên biến PLC và hợp đồng truyền thông giữa máy chủ với bộ điều khiển cấp dưới được tổ chức thành một chỉ mục có cấu trúc. Giả sử hệ thống điều khiển dây chuyền của một nhà sản xuất phụ tùng ô tô có quy tắc tiền tố riêng khi đặt tên biến; AI sinh logic cho một trạm mới có thể tự tuân theo các quy tắc đó, tiết kiệm một vòng dọn dẹp tên trong khâu review. Khoản đầu tư ở đây chủ yếu nằm ở việc tổ chức tri thức, không nằm ở bản thân mô hình.
3. Chiều thứ hai: AI tham gia vào những giai đoạn nào
Chỉ gợi ý mã thì lợi ích tập trung vào khâu gõ phím và giúp ít cho những điểm đau thực sự của phần mềm công nghiệp: hiểu hệ thống cũ, tích hợp giao diện xuyên ngôn ngữ và độ phủ ca kiểm thử. Một kế hoạch đầy đủ trải AI ra bốn giai đoạn: chuyển ngôn ngữ tự nhiên thành bản nháp máy trạng thái ở giai đoạn yêu cầu, sinh mã ở cấp hàm theo tiêu chuẩn nội bộ ở giai đoạn lập trình, tự động sinh ca kiểm thử giá trị biên từ hợp đồng giao diện ở giai đoạn kiểm thử, và tóm tắt logic cộng lập bản đồ phụ thuộc của mã cũ ở giai đoạn hiện đại hóa. Khi mô-đun thu thập dữ liệu thiết bị của một nhà máy điện tử phải chuyển từ khung cũ, AI trước tiên tạo ra đồ thị phụ thuộc mô-đun và danh sách giao diện, rồi kỹ sư quyết định thứ tự chuyển đổi; cách này nhanh hơn đọc mã thủ công và ít bỏ sót các phụ thuộc ẩn.
4. Chiều thứ ba: các cổng chất lượng
Không có cổng kiểm soát, đầu ra của AI đi thẳng vào kho mã và rủi ro bị khâu review hấp thụ, trong khi review phần mềm công nghiệp thường tập trung vào logic quy trình và có thể không đọc từng dòng phần do AI sinh. Có cổng kiểm soát, kiểm tra tĩnh, xác minh biên dịch và kiểm thử đơn vị chạy trước khi commit, và mã do AI sinh phải đi qua cùng đường ống đó mới được hợp nhất. Các tham số then chốt như số lần thử lại truyền thông và thời gian chờ watchdog được đặt thành trường trong danh sách trắng mà AI bị cấm điền, buộc phải có người xác nhận. Ràng buộc này trông vụng về nhưng chặn được phần lớn các mối nguy "trông có vẻ đúng".
Câu hỏi liên quan: trong phần mềm công nghiệp, lập trình hỗ trợ bởi AI nên bắt đầu từ giai đoạn nào? Hãy bắt đầu từ các giai đoạn rủi ro thấp như sinh kiểm thử đơn vị và tóm tắt mã cũ; chúng không trực tiếp thay đổi logic sản xuất, lợi ích dễ kiểm chứng và mức độ chấp nhận của đội ngũ cao. Câu hỏi liên quan: làm sao đo được nó có hiệu quả hay không? Hãy xem ba con số: tỷ lệ biên dịch qua ngay lần đầu của mã do AI sinh, tỷ trọng công sức sửa trong review do lỗi logic và mức thay đổi của độ phủ kiểm thử đơn vị, thay vì đếm số lần kỹ sư dùng nó. Câu hỏi liên quan: nếu các kỹ sư kỳ cựu không hợp tác thì sao? Hãy định vị AI là trợ lý "giúp bạn hiểu sơ đồ thang đó từ mười năm trước" chứ không phải thứ thay thế "viết mã cho bạn", và bắt đầu từ việc dọn tài liệu mà không ai muốn làm.
Phù hợp ở đâu và không phù hợp ở đâu: những doanh nghiệp có nhiều chủng loại sản phẩm, nhiều hệ thống cũ và một đội tiêu chuẩn kỹ thuật phần mềm chuyên trách thì phù hợp với chuỗi này, vì việc chưng cất tri thức có chỗ bám. Ngược lại, những đội có cơ sở mã phần mềm công nghiệp rất nhỏ, logic phụ thuộc nhiều vào kinh nghiệm của vài người kỳ cựu và chưa được ghi thành tài liệu thì nên hoàn thiện tiêu chuẩn trước, nếu không AI sẽ học sự lộn xộn. Ngoài ra, với các nhánh mã liên quan đến chứng nhận an toàn chức năng (như các mức theo IEC 61508), việc sinh mã bằng AI chỉ nên giới hạn ở mức hỗ trợ và bản nháp, còn bản hiện thực cuối cùng được chứng nhận vẫn cần con người ký duyệt. Điều doanh nghiệp nên xem tiếp là mình có bao nhiêu tài sản mã và tài liệu có thể tìm kiếm, vì con số đó quyết định cách làm này đi được xa đến đâu. Những nhà cung cấp đã gắn bó hàng chục năm từ thời ERP, phục vụ 1,2 triệu khách hàng và đã triển khai hàng chục triệu thiết bị đầu cuối thường đã tích lũy các cơ sở tri thức phần mềm công nghiệp; khi lựa chọn, hãy xem xét cách họ tổ chức nguồn tri thức thay vì các tham số mô hình.