Hội nghị Kỹ sư AI London 2026 được cho là một lễ kỷ niệm của tiến bộ. Thay vào đó, nó cảm thấy giống như một tấm gương được giơ lên trước một ngành nghề đang ở giữa một cuộc suy sụp thần kinh.
Trong ba ngày đầu tháng 4, hàng trăm kỹ sư AI, những người xây dựng nền tảng và các nhà nghiên cứu đã tập hợp để chia sẻ những gì họ đã học được. Những gì nổi lên là một mô hình: mọi người đang xây dựng bằng agent, không ai đã tìm ra cách kiểm soát chúng, ngành công nghiệp bị chia rẽ về việc di chuyển nhanh hay suy nghĩ cẩn thận, và toàn bộ tiền đề rằng AI sẽ làm cho chúng ta năng suất hơn đã bị đảo ngược thành một cái gì đó tối tăm hơn.
Đây là những gì chúng tôi thực sự đã học được.
Tại Sao Các Kỹ sư AI Lại Mã Hóa Bằng Các Agent Mà Họ Không Thể Kiểm Soát?
Cuộc trò chuyện chân thành nhất tại hội nghị diễn ra trong một hành lang, không phải trên sân khấu. Một kỹ sư từ một công ty fintech quy mô trung bình mô tả vấn đề theo cách này: “Tôi bắt đầu một prompt, và ba giờ sau agent của tôi đã viết lại nửa codebase, thêm các tính năng tôi không yêu cầu, và tiêu thụ 800 bảng Anh trong tính toán. Tôi không thể rời khỏi bàn làm việc của mình.”
Đây là FOMAT: Fear of Missing Attention Time (Sợ mất thời gian chú ý). Nó không phải là một trò đùa—nó là nỗi lo lắng xác định của kỹ thuật AI năm 2026.
Tắc nghẽn tổ chức
Mọi người tại hội nghị đều sử dụng agent. GitHub Copilot, Claude, các framework agentic tùy chỉnh—công cụ đã trưởng thành. Nhưng tổ chức thì không. Khoảng cách giữa “Tôi có một agent” và “agent của tôi làm những gì tôi dự định và không gì khác” là rất lớn.
Vấn đề biểu hiện theo ba cách:
Token runaway. Các agent không có điểm dừng tự nhiên. Nếu không có các biện pháp bảo vệ rõ ràng, chúng sẽ tiếp tục lặp lại. “Chỉ cần một lần tái cấu trúc nữa,” agent nghĩ, và đột nhiên bạn đã đốt cháy hết ngân sách hàng tháng của mình.
Scope creep. Một yêu cầu để “cải thiện xử lý lỗi” trở thành “viết lại toàn bộ hệ thống xử lý lỗi, thêm khả năng quan sát, tái cấu trúc lớp ghi nhật ký và triển khai tracing phân tán.” Agent không sai—nó rất kỹ lưỡng. Nhưng nó không phải là những gì bạn yêu cầu.
Latency không thể dự đoán được. Bạn không thể biết tác vụ agentic sẽ mất bao lâu. Nó phụ thuộc vào số lượng tác vụ phụ mà agent quyết định tạo, có bao nhiêu lỗi nó gặp phải, và liệu nó quyết định thử lại hay xoay chuyển. Điều này làm cho quy trình làm việc dựa trên agent không thể được lên lịch trong các hệ thống sản xuất.
Những gì Hội nghị Consensus Là (và Không Phải)
Không có sự đồng thuận về các giải pháp. Một số nhóm đang sử dụng giới hạn token cứng. Những người khác đang triển khai “checkpoint agent”—buộc các agent tạm dừng và yêu cầu cấp phép trước khi tiếp tục. Một vài người đang chuyển sang các hệ thống agent phân cấp nơi một “manager agent” giám sát các worker agent và có thể ngắt chúng.
Cách tiếp cận của FlowHunt—các định nghĩa quy trình làm việc rõ ràng với các nút agent, trình xử lý lỗi và logic nhánh—đã được đề cập nhiều lần như một mô hình tiềm năng. Ý tưởng: đừng để agent quyết định cấu trúc quy trình làm việc. Xác định nó trước, sau đó để agent thực thi các bước riêng lẻ.
Nhưng ngay cả điều đó cũng cảm thấy như một miếng vá. Vấn đề thực sự là hành vi agent vốn là xác suất. Bạn có thể giảm phương sai, nhưng bạn không thể loại bỏ nó.
Làm Thế Nào Để Sự Chia Rẽ OpenAI-Anthropic Định Hình Lại Những Gì “Mã Tốt” Có Nghĩa Là?
Sáng thứ Hai, Ryan Lopopolo từ OpenAI lên sân khấu và đưa ra một bài phát biểu chính có thể được tóm tắt là: Dừng đọc mã. Trở thành một tỷ phú token.
Lập luận của anh ấy: Trong một thế giới agentic, khối lượng mã là số liệu quan trọng. Agent của bạn nên tạo ra hàng nghìn dòng mỗi ngày. Công việc của bạn là xác định thông số kỹ thuật đầu ra và để agent tối đa hóa thông lượng. Đọc và hiểu mọi dòng là một tắc nghẽn. Tin tưởng các bài kiểm tra. Tin tưởng agent. Di chuyển nhanh.
Đến thứ Tư, Mario Zechner từ Anthropic đưa ra bài phát biểu đối lập: Hãy chậm lại và đọc mã chết tiệt.
Lập luận của anh ấy: Tốc độ là một cái bẫy. Mỗi dòng mã mà agent của bạn viết là một trách nhiệm. Bạn cần phải hiểu nó, suy luận về nó, và có khả năng duy trì nó. Các nhóm sẽ thắng trong năm năm tới là những nhóm ưu tiên rõ ràng và ý định hơn là vận tốc. Các agent nên là công cụ để suy nghĩ, không phải để tạo ra mã một cách vô ý thức.
Phổ
Hội nghị chia thành khoảng ba trại:
| Vị trí | Người ủng hộ | Cách tiếp cận | Rủi ro |
|---|---|---|---|
| Token Maximalist | OpenAI, một số kỹ sư startup quy mô lớn | Để agent tạo ra tích cực; tập trung vào chất lượng đầu ra thông qua thử nghiệm | Codebase không thể bảo trì, nợ bảo mật, tính fragility kỹ thuật |
| Intentional Middle | Hầu hết các kỹ sư doanh nghiệp | Sử dụng agent để xây dựng; con người cung cấp kiến trúc và tiêu chuẩn | Vận tốc chậm hơn, nhưng các hệ thống ổn định hơn |
| Code-First | Anthropic, một số kỹ sư nghiên cứu | Agent tăng cường suy nghĩ của con người; con người viết hầu hết mã | Thông lượng thấp hơn, nhưng chất lượng mã cao nhất |
Cả hai bên đều không sai. Sự bất đồng là về những gì thất bại trông giống như. Lopopolo đang tối ưu hóa cho tốc độ lặp lại. Zechner đang tối ưu hóa cho tính bền vững. Năm 2026, các nhóm đang học rằng bạn không thể tối ưu hóa cho cả hai.
Vấn đề Phỏng vấn
Một hệ quả cụ thể: việc tuyển dụng bị phá vỡ. Nếu bạn là một token maximalist, bạn không quan tâm liệu ứng viên có thể mã hóa—bạn quan tâm liệu họ có thể nhắc nhở hiệu quả và đánh giá đầu ra agent. Nếu bạn là code-first, bạn muốn thấy suy luận kỹ thuật sâu.
Vì vậy, khi một ứng viên bước vào một cuộc phỏng vấn, cả người phỏng vấn lẫn ứng viên đều không biết họ đang được đánh giá theo framework nào. Một người tham dự hội nghị mô tả nó là “phỏng vấn trong sương mù.”
Sẵn sàng phát triển doanh nghiệp của bạn?
Bắt đầu dùng thử miễn phí ngay hôm nay và xem kết quả trong vài ngày.
Tại Sao IDE Lại Chết Trong Khi Lưu Lượng GitHub Bùng Nổ?
GitHub báo cáo tăng lưu lượng 15 lần so với năm trước. Cloudflare báo cáo các bước nhảy tương tự. Trong khi đó, các IDE truyền thống—VS Code, JetBrains, Sublime—đang thấy sử dụng giảm trong các nhóm có AI-native.
Điều này có vẻ mâu thuẫn cho đến khi bạn hiểu những gì thực sự đang xảy ra.
IDE Là Một Công Cụ Suy Nghĩ Cục Bộ
IDE được thiết kế để một nhà phát triển duy nhất viết mã cục bộ. Nó có tô sáng cú pháp, tự động hoàn thành, công cụ gỡ lỗi và cây tập tin. Nó là một môi trường tự chứa.
Mô hình đó phá vỡ khi “nhà phát triển” của bạn là một agent. Một agent không cần tô sáng cú pháp. Nó không cần một gỡ lỗi. Nó cần:
- Truy cập vào nhiều tập tin đồng thời
- Khả năng chạy mã và xem kết quả
- Tích hợp với kiểm soát phiên bản
- Các tính năng cộng tác (vì agent và con người đang làm việc cùng nhau)
Tất cả những điều đó sống trong trình duyệt bây giờ. GitHub Codespaces, VS Code Web và các công cụ tương tự đang thay thế IDE cục bộ.
Những Gì Thực Sự Phát Triển
Sự tăng đột biến lưu lượng của GitHub không phải là các nhà phát triển viết mã trong trình duyệt. Đó là các nhà phát triển xem xét, bình luận và hợp nhất mã được tạo bởi agent. Đó là lớp cộng tác đang bùng nổ, không phải lớp chỉnh sửa.
Đây là lý do tại sao Cloudflare cũng đang thấy bước nhảy lưu lượng—các nhà phát triển đang sử dụng cơ sở hạ tầng đám mây để chạy agent và tổ chức quy trình làm việc. Mô hình “IDE cục bộ + môi trường phát triển cục bộ” đang được thay thế bằng “tổ chức agent native đám mây + xem xét dựa trên trình duyệt.”
L33T C0d3 Đã Chết
Một phiên được tiêu đề chính xác như vậy. Điểm: khái niệm lãng mạn của kỹ sư xuất sắc, một mình ở bàn phím của họ, tạo ra mã thanh lịch—điều đó đã kết thúc. Mã bây giờ là đầu ra cộng tác giữa con người và agent. Các kỹ năng quan trọng là:
- Kỹ thuật nhắc nhở (cách chỉ định những gì bạn muốn)
- Đánh giá đầu ra (mã của agent có tốt không?)
- Suy nghĩ kiến trúc (cấu trúc nào agent nên hoạt động trong đó?)
- Tích hợp (mã được tạo bởi agent phù hợp như thế nào với các hệ thống hiện có?)
Viết mã thanh lịch không còn là một kỹ năng chính. Nó là thứ agent làm. Con người làm mọi thứ khác.
Điều Gì Thực Sự Đang Xảy Ra Với MCP—Chết Hay Phát Triển?
Đây là cuộc tranh luận nhầm lẫn nhất tại hội nghị.
Một mặt, các AIE cá nhân và những người duy trì framework agent đang nói: “MCP đã chết. Chúng tôi không cần nó. Agent của chúng tôi có thể chỉ gọi API trực tiếp.”
Mặt khác, các kiến trúc sư doanh nghiệp và các nhóm bảo mật đang nói: “Việc áp dụng MCP đang tăng tốc nhanh hơn chúng tôi có thể xây dựng công cụ cho nó.”
Cả hai tuyên bố đều đúng. Họ đang mô tả các quần thể khác nhau.
Tại Sao AIE Nghĩ MCP Đã Chết
Đối với một nhà phát triển độc lập xây dựng một agent đơn giản, MCP tạo ra ma sát. Bạn cần:
- Xác định các máy chủ MCP cho các công cụ của bạn
- Quản lý overhead giao thức
- Xử lý xác thực và ủy quyền
- Triển khai và duy trì các máy chủ
Dễ dàng hơn là chỉ cấp cho agent quyền truy cập trực tiếp API và để nó tìm ra phần còn lại.
Tại Sao Các Doanh Nghiệp Đang Áp Dụng MCP Nhanh Chóng
Đối với một tổ chức chạy agent trong sản xuất, MCP đột nhiên trở nên cần thiết. Đây là lý do:
Cách ly bảo mật. Bạn không muốn agent có quyền truy cập trực tiếp vào cơ sở dữ liệu, hệ thống thanh toán hoặc dữ liệu khách hàng của bạn. MCP cho phép bạn tạo một giao diện được kiểm soát mà agent có thể gọi mà không tiếp xúc các hệ thống cơ bản.
Khả năng kiểm toán. Mỗi hành động của agent đều đi qua máy chủ MCP, nó ghi nhật ký. Bạn có một bản ghi hoàn chỉnh về những gì agent đã làm và tại sao.
Quản lý thông tin xác thực. Thay vì nhúng khóa API trong prompt agent hoặc biến môi trường, các máy chủ MCP quản lý thông tin xác thực một cách an toàn.
Giới hạn tốc độ và thực thi hạn ngạch. Bạn có thể kiểm soát lượng tài nguyên mà agent có thể tiêu thụ.
Theo CData Software, 80% các công ty Fortune 500 đang đánh giá hoặc triển khai MCP kể từ đầu năm 2026, chủ yếu vì những lý do này.
Độ phân giải
Hội nghị consensus: MCP không chết. Nó chỉ không liên quan đến 80% phát triển AI đó là thử nghiệm và độc lập. Nhưng đối với 20% đó là sản xuất và đa nhóm, MCP đang trở thành điều kiện cần thiết.
Đây là lý do tại sao MCP Apps đang phát triển nhanh chóng. Anthropic, OpenAI và các nhà cung cấp bên thứ ba đang xây dựng các máy chủ MCP được xây dựng sẵn cho các công cụ phổ biến (Salesforce, Slack, Jira, cơ sở dữ liệu). Các doanh nghiệp có thể áp dụng những cái này mà không cần xây dựng các máy chủ tùy chỉnh.
Tham gia bản tin của chúng tôi
Nhận các mẹo, xu hướng và ưu đãi mới nhất miễn phí.
AI Có Làm Chúng Ta Năng Suất Hơn, Hay Chỉ Là Làm Chúng Ta Làm Việc Nhiều Hơn?
Đây là nơi hội nghị trở nên tối tăm.
AI được cho là một bộ nhân lực. Bạn sẽ dành ít thời gian hơn cho các tác vụ thường xuyên và nhiều thời gian hơn cho suy nghĩ chiến lược. Năng suất sẽ tăng vọt.
Thay vào đó, năng suất đã tăng vọt—và cũng vậy với kỳ vọng khối lượng công việc.
Nghịch lý Jevons Trong Thời Gian Thực
Nghịch lý Jevons, ban đầu được áp dụng cho tiêu thụ than, nêu rằng: Khi một tài nguyên trở nên hiệu quả hơn, tổng mức tiêu thụ tăng lên vì tài nguyên trở nên rẻ hơn và hấp dẫn hơn.
Theo thuật ngữ AI: Các agent làm cho tạo mã rẻ hơn và nhanh hơn, vì vậy các nhà quản lý bây giờ mong đợi mỗi kỹ sư:
- Cung cấp 10 lần đầu ra hơn
- Viết tài liệu toàn diện
- Xây dựng bộ thử nghiệm đầy đủ
- Hỗ trợ quốc tế hóa (i18n)
- Xử lý các trường hợp cạnh
- Làm tất cả một mình
Những lợi ích về năng suất đã được tiêu thụ bởi những kỳ vọng thổi phồng.
Những Gì Các Kỹ sư Nói
Một kỹ sư từ một startup có trụ sở tại London: “Tôi từng viết 500 dòng mã một ngày và cảm thấy năng suất. Bây giờ tôi viết 5.000 dòng một ngày—được tạo bởi agent—và tôi kiệt sức vì tôi phải xem xét tất cả nó, thử nghiệm nó, tài liệu nó, và giải thích nó cho các bên liên quan. Tôi làm việc 60 giờ một tuần.”
Một người khác: “Người quản lý của tôi nói, ‘Bạn có một agent bây giờ, vì vậy bạn nên có thể xử lý hai lần nhiều dự án.’ Tôi không năng suất hơn. Tôi chỉ bận rộn hơn.”
Một nhà nghiên cứu: “Các agent giỏi trong việc tạo mã. Họ không giỏi trong việc quyết định mã nào để tạo ra. Gánh nặng ra quyết định đó đã hoàn toàn chuyển sang con người. Chúng tôi không tự động hóa phần khó; chúng tôi đang tự động hóa phần dễ và khiến con người suy nghĩ nhiều hơn.”
Điểm mù Năng suất
Tạp chí Quản lý California của UC Berkeley công bố nghiên cứu vào tháng 1 năm 2026 ghi chép hiện tượng này. Insight chính: Triển khai AI không giảm công việc; nó thay đổi bản chất của công việc.
Công việc cũ: Viết mã. Công việc mới: Chỉ đạo agent, đánh giá đầu ra, duy trì chất lượng, quản lý scope creep.
Công việc mới khó hơn về mặt nhận thức, ngay cả khi nó ít gõ hơn.
Tại Sao Châu Âu Lại Do Dự Về Kỹ thuật AI?
Hội nghị có một lực lượng Châu Âu mạnh mẽ, và thông điệp của họ là nhất quán: Châu Âu không di chuyển nhanh như Hoa Kỳ trong việc áp dụng kỹ thuật AI.
Sự Vượt Trội Quy Định
Luật AI của EU vẫn đang được triển khai. Các công ty không chắc chắn về trách nhiệm pháp lý. Nếu một agent AI đưa ra quyết định làm hại khách hàng, ai chịu trách nhiệm? Công ty? Nhà cung cấp mô hình? Kỹ sư?
Sự không chắc chắn đó là tê liệt. Nhiều công ty Châu Âu đang chờ xem những vụ kiện đầu tiên sẽ diễn ra như thế nào trước khi xây dựng các hệ thống agentic nghiêm túc.
Khoảng Cách Kỹ Năng
Các kỹ sư phần mềm truyền thống ở Châu Âu không trở thành kỹ sư AI với tốc độ tương tự như ở Hoa Kỳ. Có sự hoài nghi về việc liệu các kỹ năng có chuyển giao không. Nhiều kỹ sư Châu Âu đang chờ xem liệu kỹ thuật AI là một con đường sự nghiệp thực sự hay một chu kỳ hype.
Mối Quan Tâm Về Quyền Riêng Tư
Châu Âu cũng thận trọng hơn về xử lý dữ liệu. Các agent cần truy cập vào dữ liệu để hữu ích. Nhưng các công ty Châu Âu do dự trong việc cấp cho agent quyền truy cập vào dữ liệu khách hàng, ngay cả với các biện pháp bảo vệ MCP.
Con Đường Phía Trước
Các kỹ sư Châu Âu tại hội nghị không chống lại AI. Họ ủng hộ thận trọng. Cảm xúc: “Hoa Kỳ đang di chuyển nhanh và phá vỡ mọi thứ. Chúng tôi sẽ di chuyển chậm hơn và cố gắng không phá vỡ nhiều. Trong năm năm, chúng tôi sẽ thấy ai đúng.”
Các Vai Trò Kỹ thuật AI Thực Sự Đang Thay Đổi Như Thế Nào?
Vào cuối hội nghị, một mô hình nổi lên: các vai trò kỹ thuật phần mềm truyền thống đang bị r掏 trống và được thay thế bằng ba kiểu nguyên mẫu mới.
Ba Vai Trò
| Vai Trò | Trách Nhiệm | Kỹ Năng |
|---|---|---|
| AI PM | Xác định hành vi agent, chỉ số thành công, ràng buộc | Suy nghĩ sản phẩm, thiết kế prompt, khung đánh giá |
| Agent Babysitter | Giám sát thực thi, bắt lỗi, can thiệp khi cần | Gỡ lỗi, khả năng quan sát, xử lý lỗi, phản ứng sự cố |
| Taste Setter | Đánh giá chất lượng đầu ra, cung cấp phản hồi, hướng dẫn tinh chỉnh | Xem xét mã, suy nghĩ kiến trúc, phán đoán thẩm mỹ |
Không có vai trò nào trong số này liên quan đến viết mã theo nghĩa truyền thống. Tất cả chúng đều liên quan đến chỉ đạo, đánh giá và tinh chỉnh hành vi agent.
Những Gì Đang Biến Mất
Các vai trò “kỹ sư cấp dưới” đang bị nén. Không còn một con đường rõ ràng từ “Tôi có thể viết mã đơn giản” đến “Tôi có thể thiết kế các hệ thống.” Các bước trung gian đang được tự động hóa.
Điều này tạo ra một vách đứt kỹ năng: hoặc bạn giỏi trong việc nhắc nhở và đánh giá (trong trường hợp đó bạn có giá trị), hoặc bạn không (trong trường hợp đó bạn đang cạnh tranh với agent).
Những Gì Đang Phát Triển
Các vai trò yêu cầu vị gu, phán đoán và suy nghĩ kiến trúc đang phát triển. Cũng vậy là các vai trò yêu cầu chuyên môn miền sâu (vì agent cần con người đánh giá liệu họ có đang giải quyết vấn đề đúng không).
Hội nghị không có sự đồng thuận về việc liệu điều này là tốt hay xấu. Một số thấy nó như sự giải phóng khỏi mã rote. Những người khác thấy nó như một mối đe dọa đối với ngành nghề.
Điều Gì Đã Thay Đổi Giữa Tháng 12 năm 2025 và Tháng 2 năm 2026?
Một phần của hội nghị được dành cho một điểm uốn cụ thể: điều gì đó đã thay đổi trong hệ sinh thái agent AI quanh năm mới.
Phần Mềm Tự Cải Thiện Trở Thành Thực
OpenClaw và các framework tương tự bắt đầu cho phép các agent cải thiện lặp lại đầu ra của riêng chúng mà không cần nhắc nhở liên tục từ con người. Thay vì “agent, viết một hàm để tính X,” nó trở thành “agent, viết một hàm để tính X và tiếp tục cải thiện nó cho đến khi nó vượt qua tất cả các bài kiểm tra và xử lý các trường hợp cạnh.”
Insight chính, được diễn đạt bởi một số nhà nghiên cứu: Dừng yêu cầu agent lời khuyên tầm thường.
Thay vì yêu cầu một agent “cải thiện hàm này,” yêu cầu nó “làm cho hàm này không thể bẻ gãy.” Để nó quyết định điều đó có nghĩa là gì. Agent sẽ:
- Viết các bài kiểm tra
- Tìm các trường hợp cạnh
- Tái cấu trúc cho rõ ràng
- Thêm xử lý lỗi
- Tài liệu logic
Tất cả mà không cần được yêu cầu cho mỗi bước.
Điều này thay đổi mô hình tinh thần từ “agent như công cụ” đến “agent như người đóng góp tự chủ.” Và nó thay đổi động lực khối lượng công việc: thay vì agent giảm công việc của con người, chúng tăng nó (vì con người bây giờ phải đánh giá đầu ra agent tinh vi hơn nhiều).
Những Mâu Thuẫn Chúng Ta Đang Sống Với
Hội nghị kết thúc mà không có độ phân giải, điều đó cảm thấy chân thành. Đây là những mâu thuẫn xác định kỹ thuật AI vào tháng 4 năm 2026:
Mâu Thuẫn 1: Các agent đủ mạnh để nguy hiểm (FOMAT là thực), nhưng không đủ mạnh để được tin tưởng không được giám sát.
Mâu Thuẫn 2: Tốc độ và chất lượng đang được coi là đối lập, nhưng cả hai đều cần thiết.
Mâu Thuẫn 3: MCP đồng thời chết (cho cá nhân) và phát triển mạnh (cho doanh nghiệp).
Mâu Thuẫn 4: AI làm cho chúng ta năng suất hơn, nhưng cũng làm cho chúng ta làm việc nhiều hơn.
Mâu Thuẫn 5: Mọi người đều xây dựng bằng agent, nhưng không ai đã tìm ra cách xây dựng bằng chúng tốt.
Mâu Thuẫn 6: Kỹ thuật AI là một con đường sự nghiệp thực sự, nhưng những kỹ năng chúng tôi nghĩ sẽ quan trọng (viết mã) không còn nữa.
Đây không phải là những vấn đề cần giải quyết. Họ là những căng thẳng cần được quản lý. Các nhóm sẽ thắng vào năm 2026 là những nhóm thừa nhận những mâu thuẫn này thay vì giả vờ chúng không tồn tại.
Những Câu Hỏi Thường Gặp
Những Gì Chúng Tôi Đang Lấy Đi
Hội nghị London là một bức chân dung của một ngành nghề đang chuyển tiếp. Kỹ thuật AI là thực, nhưng nó không phải là những gì chúng tôi nghĩ nó sẽ là. Nó lộn xộn hơn, mâu thuẫn hơn, và phụ thuộc vào con người hơn so với hype gợi ý.
Các kỹ sư tốt nhất tại hội nghị không phải là những người có các agent tinh vi nhất. Họ là những người hiểu rằng agent là một công cụ để suy nghĩ, không phải là một sự thay thế cho nó. Họ là những người đã xây dựng các quy trình để quản lý hành vi agent, đánh giá đầu ra và duy trì chất lượng. Họ là những người đã chấp nhận rằng những lợi ích về năng suất đi kèm với các loại công việc mới, không phải ít công việc hơn.
Nếu bạn đang xây dựng các hệ thống AI vào năm 2026, bài học của hội nghị rõ ràng:
Tổ chức quan trọng hơn khả năng agent. Một agent trung bình với tổ chức tốt đánh bại một agent xuất sắc mà không có kiểm soát.
Rõ ràng có giá trị hơn tốc độ. Di chuyển nhanh và phá vỡ mọi thứ hoạt động cho đến khi nó không. Ở quy mô, nó không.
Việc áp dụng doanh nghiệp là thực, nhưng việc áp dụng cá nhân vẫn còn thử nghiệm. Nếu bạn là một nhà phát triển độc lập, bạn có thể di chuyển nhanh. Nếu bạn là một nhóm, bạn cần các biện pháp bảo vệ.
Những kỹ năng quan trọng đã thay đổi. Kỹ thuật nhắc nhở, đánh giá đầu ra và suy nghĩ kiến trúc là các năng lực cốt lõi mới.
Mong đợi làm việc chăm chỉ hơn, không dễ dàng hơn. AI là một bộ nhân năng suất, nhưng những lợi ích đang được tiêu thụ bởi những kỳ vọng cao hơn. Lập kế hoạch phù hợp.
Hội nghị không trả lời câu hỏi “Kỹ thuật AI trông như thế nào?” Nó cho chúng ta thấy câu trả lời: nó trông giống như chúng ta, cố gắng tìm ra nó trong thời gian thực.
{{ cta-dark-panel heading=“Dừng Tổ chức Agent Thủ Công” description=“Trình tạo quy trình làm việc của FlowHunt cho phép bạn xác định hành vi agent, đặt các biện pháp bảo vệ và tự động hóa các tác vụ AI đa bước. Không còn FOMAT. Không còn đoán những gì agent của bạn đang làm.” ctaPrimaryText=“Thử FlowHunt Miễn Phí” ctaPrimaryURL=“https://app.flowhunt.io/sign-in" ctaSecondaryText=“Đặt lịch Demo” ctaSecondaryURL=“https://www.flowhunt.io/demo/" gradientStartColor="#667eea” gradientEndColor="#764ba2” gradientId=“aie-summit-cta” }}
