OpenAI đang chuyển trọng tâm từ việc viết prompt hoàn hảo sang thiết kế cả một 'văn phòng' cho AI làm việc. Kỹ thuật này, được gọi là 'Harness Engineering' (kỹ thuật khung làm việc), do kỹ sư Ryan Lopopolo của OpenAI phát triển, nhằm tạo ra môi trường phát triển nơi AI có thể hoạt động ổn định, tự động sửa lỗi và liên tục cải thiện mà không cần con người can thiệp từng bước.

Harness Engineering là gì và khác gì so với Prompt Engineering?

Prompt Engineering (kỹ thuật viết lệnh) phổ biến từ năm 2024, tập trung vào cách viết chỉ dẫn cho AI một cách khéo léo. Đến năm 2025, Context Engineering (kỹ thuật ngữ cảnh) ra đời khi nhận ra một chỉ dẫn đơn lẻ là chưa đủ – nó tối ưu hóa các tài liệu tham khảo, lịch sử hội thoại, định nghĩa công cụ và kết quả tìm kiếm mà AI có thể truy cập. Tuy nhiên, cả hai phương pháp này vẫn chỉ dừng ở việc thiết kế 'đầu vào' cho AI.

Harness Engineering đi xa hơn: nó thiết kế toàn bộ 'văn phòng' – nơi AI làm việc. Nếu Prompt Engineering là viết nội dung email, Context Engineering là chọn tệp đính kèm, thì Harness Engineering là thiết kế cả tòa nhà văn phòng. Nó bao gồm các quy tắc và cơ chế như: cách ngăn AI khi nó mắc lỗi, cách đo lường chất lượng, và cách tự động sửa chữa khi có sự cố.

Kết quả thực tế: 1 triệu dòng code không cần viết tay

Theo blog chính thức của OpenAI do Ryan Lopopolo công bố vào tháng 2/2026, nhóm của ông đã xây dựng và vận hành một sản phẩm beta nội bộ trong 5 tháng mà không cần viết một dòng code nào bằng tay. Mọi thứ – từ chức năng cơ bản của ứng dụng, cấu hình kiểm thử và build tự động, tài liệu, giám sát hệ thống, đến các công cụ nội bộ – đều do Codex, công cụ AI tạo code của OpenAI, đảm nhiệm.

Kết quả: một nhóm nhỏ đã tạo ra 1 triệu dòng code và đưa vào sử dụng hàng ngày bởi người dùng nội bộ. Điều quan trọng không phải là AI giỏi đến đâu, mà là vai trò của kỹ sư đã thay đổi. Họ không còn viết code nữa, mà thiết kế môi trường, làm rõ ý định và xây dựng cơ chế cải tiến. Lý do ban đầu nhóm phát triển chậm không phải vì năng lực mô hình yếu, mà vì thiếu công cụ và cấu trúc nội bộ để AI tác nhân (agent) hoạt động tự chủ.

Bài học cho doanh nghiệp: Năng suất AI phụ thuộc vào môi trường, không chỉ mô hình

Ryan Lopopolo mô tả cảm giác của mình giống như một giám đốc kỹ thuật quản lý tổ chức 500 người. Ông không còn can thiệp vào từng chi tiết code nữa. Thông điệp rõ ràng: năng suất trong kỷ nguyên AI không chỉ đến từ sức mạnh của mô hình, mà từ việc xây dựng 'giàn giáo' (scaffolding) để AI có thể làm việc mà không bối rối. Doanh nghiệp cần đầu tư vào thiết kế hệ thống, quy trình tự động kiểm tra và sửa lỗi, thay vì chỉ tập trung vào việc viết prompt hoàn hảo.

Ảnh: ptra / Pixabay