Trong bối cảnh AI phát triển mạnh mẽ như hiện nay, công việc của BrSE trong các công ty Nhật Bản cũng đang thay đổi từng ngày, với nhiều cơ hội ứng dụng AI để tối ưu hiệu quả và chất lượng công việc.

Mình viết bài note này nhằm chia sẻ một số kinh nghiệm cá nhân trong quá trình làm việc và áp dụng AI. Hy vọng những chia sẻ này sẽ mang đến cho mọi người thêm góc nhìn hữu ích và có thể tham khảo trong công việc hằng ngày.

I.Giao tiếp hàng ngày

1.Chat, gửi mail

Hiện tại công việc của mình không phải chat với khách hàng mà phần lớn là chat với đồng nghiệp ở các phòng ban khác.
Vấn đề mà giải thích phức tạp thì dùng AI chỉnh sửa câu chữ, ngữ pháp thì hiệu quả hơn đối với việc truyền đạt nội dung cho người tiếp nhận.
Mình thường dùng ChatGPT với prompt kiểu
以下の内容を訂正お願いします。
（内容）

Trong quá trình nhờ ChatGPT sửa giúp thì mình cũng học được nhiều cách nói hay, ngữ pháp chuẩn để cải thiện bản thân. Sau đó thì đối với những câu mà mình học được thì cố gắng tự gõ thay vì dùng AI, để bản thân tự ghi nhớ thành kiến thức của mình.

2.MTG thông qua gmeet, zoom

Hiện tại thì gmeet hay zoom đều có tích hợp các AI để dịch tự động, hiển thị transcipt hoặc tổng hợp lại nội dung cuộc họp.
Ngoài ra thì cũng có 1 số AI free tích hợp được như tactiq.io(https://tactiq.io/ja).
Thường mình dùng Gmeet nên Germini sẽ memo lại nội dung của từng người phát biểu trong cuộc họp và tóm tắt lại thành file gdocx. Sau đó mình input nội dung đó cho chatGPT hoặc claude để tổng hợp các ý chính. AI không tóm tắt hoàn toàn nội dung, thỉnh thoảng vẫn có lỗi sai nhưng vẫn có thể chấp nhận được, và tiết kiệm thời gian hơn so với việc ngày xưa họp 要件定義 với khách hàng 1 ngày 6 tiếng và có 2 tiếng để viết MM.

II.Công việc lập trình

1.Điều tra log, lỗi secutiry

② Điều tra log
Dự án nào thì khi gặp vấn đề thì cũng phải điều tra log mới xác định được đúng vấn đề. Hồi 2011 có làm 1 ông anh dự án maintain mà ổng chuyên ngồi đọc và phân tích log, phải mở bằng notepad để xử lý được các file kích thước lớn 2,3 GB.
Giờ có AI thì cũng tiện hơn trong việc điều tra, không cần mở file mà chỉ cần add file vào trong thư mục dự án có cài Claude code hoặc codex thì có thể cho AI tự động vào điều tra giúp. Thường thì claude code, codex đã đọc hiểu sẵn project ở local và lưu lại ở file .claude hoặc AGENT.md.
Prompt thường như thế này:
問題：Nội dung vấn đề (Màn hình nào? Chức năng nào)
原因を調査して、解決方法を教えていただけますでしょうか。

Vấn đề càng cụ thể thì AI sẽ dễ dàng detect được nguyên nhân hơn.
②Điều tra lỗi secutiry
Dự án của mình làm thường xuyên phải điều tra các lỗi bảo mật(脆弱性) của platform cũng như middleware(MW) để update kịp thời.
Cách làm của mình như sau:
Bước 1: Chuẩn bị sẵn claude code ở local hiểu rõ dự án (các thông số về version của MW)
Bước 2: Vào Claude AI, và paste nội dung liên quan đến lỗi security đó và nhờ Claude viết prompt để điều tra dự án ở claude code
Bước 3: Paste prompt ở 2 vào , lấy kết quả
Bước 4: Dựa vào kết quả nhờ Claude AI viết lại báo cáo điều tra theo format mình quy định sẵn

Sau khi AI đã tạo giúp report thì mình sẽ verify lại các nội dung đáng nghi ngờ, và hoàn thành report.

2.Viết tài liệu thiết kế

Team mình thường viết tài liệu thiết kế dựa theo 要件定義.
Mình dùng Claude để cho Claude đọc hiểu yêu cầu rồi sau đó tạo Outline design theo format quy định sẵn.
Hiện tại thì format Gsheet, gdocx vẫn đang dùng nhiều vì để cho người review trực quan hơn (Do có vấn đề cần giải thích với enduser) nên vẫn chưa hiệu quả lắm.
Nếu task đơn giản mà yêu cầu cũng như tài liệu thiết kế dùng markdown thì AI sẽ hiểu rõ và làm tốt hơn.

3.Review source code

Có 2 cách review mình đang áp dụng:
Dùng Claude code hoặc codex thông qua MCP (github CLI) để review PR ở local , sau đó đọc lại và chọn những comment nào đúng và post lên PR. Cách này thì hạn chế được các comment thừa thải, và có thể thêm quan điểm của BrSE.
Tham khảo:
https://qiita.com/nakamasato/items/7fb63c5204e40f08752d
Dùng claude code review trực tiếp trên PR thông qua Github action. Cách này thì tiến hành review nhanh chóng, tuy nhiên workflow, coding convention không chuẩn thì sẽ dẫn đến tràn ngập comment không cần thiết. (Cách này thì cũng phải commit phần setting liên quan đến AI ở .github/workflows, nên 1 dự án cần phải thống nhất 1 quan điểm chung để review và sử dụng cách làm giống nhau)
Tham khảo:
https://zenn.dev/minedia/articles/be0005c37f7229
https://note.com/reality_eng/n/n873a4cab65ee
https://uhd-inc.jp/blog/claude-code-github-actions-pull-request

4.Review testcase

Có thể dùng Claude để review testcase dựa trên yêu cầu và tài liệu thiết kế. Tuy nhiên đối với số lượng testcase nhiều và phức tạp thì hơi khó, nên chủ yếu là nhờ AI review xem thử số lượng màn hình được test có giống với phạm vi ảnh hưởng chưa? hoặc là các môi trường (browser, version) đã chính xác chưa? (Cái này phải input vào prompt)

5.Tạo testcase acceptance

Sau khi QA đã thực hiện test xong thì BrSE cần thực hiện để verify lần cuối bằng cách chạy test acceptance.
Mình thường nhờ claude đọc hiểu require và viết tài liệu test theo format mình quy định sẵn. Những test case được tạo ra cũng rất chất lượng. (Tầm 1 task khoảng 20-40 testcase)

6.Các công việc khác

1.Có những công việc có thể tận dụng AI hiệu quả như sau:
2.Đối với người mới và dự án thì có thể nhờ AI đọc hiểu kiến trúc hệ thống và giải thích flow của hệ thống
3.AI có thể tạo tài liệu hướng dẫn về các thông số của việc kiểm thử (perfomance test, stress test)
4.Tạo các tool để hỗ trợ công việc: Dịch các sheet của gsheet, copy file từ thư mục này qua thư mục kia, tạo các reminder tự động, lấy thông tin các PR định kì để kiểm tra trạng thái.

III.Kết luận

Trên đây là tóm tắt việc áp dụng AI vào công việc của kĩ sư cầu nối. Mình sẽ update khi tìm được các phương pháp mới, hiệu quả cho các bạn tham khảo.
Link bài viết ở qiita :https://qiita.com/locdv/items/f21b70d838c22a9fa1ec