Đội phần mềm đã mua đủ công cụ AI viết code, vậy mà kế hoạch vẫn tính bằng tuần, tài liệu vẫn trễ, và mỗi lần đổi yêu cầu là phân tích, lập trình, kiểm thử lại hiểu mỗi bên một kiểu. AI-DLC là gì? AI-DLC (AI-Driven Development Life Cycle, vòng đời phát triển phần mềm do AI dẫn dắt) là phương pháp AWS công bố ngày 31/07/2025, đưa AI vào từng giai đoạn của vòng đời phần mềm, từ biến ý định kinh doanh thành yêu cầu, thiết kế, viết code, kiểm thử cho tới triển khai và vận hành. Theo cách AWS mô tả, ở mỗi bước AI tự lập kế hoạch, hỏi lại những chỗ chưa rõ và chỉ làm tiếp khi kế hoạch đã được đội dự án xác nhận. Cái AI-DLC muốn sửa là quy trình cũ, khi AI chỉ được gắn thêm vào lúc gõ code còn phần còn lại vẫn chạy như trước. Các nguồn và phiên bản trong bài được tra ngày 15/10/2026.
AI-DLC là gì và AWS công bố nó từ đâu
Tên AI-DLC xuất hiện lần đầu trong bài “AI-Driven Development Life Cycle: Reimagining Software Engineering” trên blog DevOps của AWS, do Raja SP, kiến trúc sư giải pháp chính của AWS, viết ngày 31/07/2025. Bài viết chia cách các tổ chức đang dùng AI làm phần mềm thành hai kiểu: AI hỗ trợ từng việc như viết tài liệu, gợi ý code, viết test, và AI tự sinh nguyên ứng dụng từ yêu cầu mà không ai can thiệp. AWS cho rằng cả hai kiểu đều cho kết quả chưa đạt cả về tốc độ lẫn chất lượng phần mềm, vì kiểu đầu giữ nguyên quy trình cũ còn kiểu sau bỏ mất phần hiểu nghiệp vụ.
Định nghĩa của AWS có hai trục. Trục thứ nhất là AI thực thi có giám sát: AI lập kế hoạch công việc chi tiết, chủ động hỏi để làm rõ, và để các quyết định quan trọng lại cho những người nắm bối cảnh kinh doanh. Trục thứ hai là cộng tác theo nhóm: khi phần việc lặp lại đã có AI làm, cả đội ngồi chung để gỡ vấn đề và chốt quyết định ngay tại chỗ, thay vì chuyền tài liệu qua lại nhiều ngày. Hai trục này đi cùng nhau, thiếu trục thứ hai thì AI làm nhanh mà đội vẫn chờ nhau như cũ.
Chữ quan trọng nhất trong AI-DLC là “xuyên suốt”. Nếu AI chỉ có mặt ở khâu viết code, phần hiểu yêu cầu, kiểm thử, tài liệu và vận hành vẫn rời nhau, mỗi nhóm giữ một bản sự thật khác nhau. AI-DLC lưu kế hoạch, yêu cầu và thiết kế ngay trong kho mã của dự án, nên giai đoạn sau đọc lại được đúng thứ giai đoạn trước đã chốt. Nhờ vậy một phiên làm việc bị ngắt giữa chừng vẫn nối lại được mà không phải kể lại từ đầu.
IBM cũng có trang giải thích riêng về AI-driven development lifecycle, ghi rõ thuật ngữ do Raja SP của AWS đặt năm 2025 trong tài liệu AI-DLC Method Definition. Theo IBM, các thực hành như thiết kế hướng miền (DDD), phát triển hướng hành vi (BDD) và phát triển hướng kiểm thử (TDD) được gài sẵn vào phương pháp này, thay vì để mỗi đội tự chọn có dùng hay không.
Ba giai đoạn của AI-DLC: khởi tạo, xây dựng và vận hành
Bản gốc của AWS chia AI-DLC thành ba giai đoạn, giai đoạn trước cung cấp bối cảnh cho giai đoạn sau. Trong cả ba, mô hình làm việc lặp lại giống nhau: AI lập kế hoạch, hỏi để làm rõ, rồi mới thực hiện khi kế hoạch đã được đội xác nhận. Bảng dưới tóm tắt từng giai đoạn theo bài công bố.
| Giai đoạn | AI làm gì | Đội dự án làm gì | Đầu ra chính |
|---|---|---|---|
| Khởi tạo (Inception) | Biến ý định kinh doanh thành yêu cầu chi tiết, user story và các đơn vị công việc | Cả đội xác nhận câu hỏi và đề xuất của AI trong buổi mob elaboration | Yêu cầu, user story, danh sách đơn vị công việc |
| Xây dựng (Construction) | Đề xuất kiến trúc logic, mô hình miền, code và bộ kiểm thử | Làm rõ quyết định kỹ thuật và kiến trúc ngay tại chỗ trong buổi mob construction | Code, test, quyết định kiến trúc |
| Vận hành (Operations) | Dùng bối cảnh tích luỹ để quản lý hạ tầng dạng code và triển khai | Theo dõi và giám sát quá trình triển khai | Pipeline triển khai, hạ tầng, bản chạy thật |
Ở bản ứng dụng mã nguồn mở awslabs/aidlc-workflows, ba giai đoạn được chia nhỏ hơn. Bản 2.11.0 có 5 giai đoạn với 33 bước: Initialization (3 bước dựng không gian làm việc), Ideation (7 bước từ ghi nhận ý định tới duyệt khởi động), Inception (9 bước), Construction (7 bước) và Operation (7 bước, từ pipeline triển khai tới phản hồi và tối ưu). Giữa các giai đoạn có cổng kiểm tra tự động soi xem yêu cầu, thiết kế và code có còn nối với nhau không, và phản hồi ở cuối vòng quay lại đầu vào cho vòng sau.
Khi spec đổi giữa chừng, kế hoạch, code, kiểm thử và tài liệu cùng phải nhận thay đổi trong một vòng. Một khâu đứng ngoài là đội lại có thêm một bản sự thật lệch với phần còn lại.
Mob elaboration rút việc làm rõ yêu cầu từ vài tuần còn vài giờ
Mob elaboration là buổi làm việc mở đầu giai đoạn khởi tạo. AI đọc ý định kinh doanh, sinh bản yêu cầu sơ bộ, user story, danh sách đơn vị công việc và một loạt câu hỏi làm rõ; cả đội, gồm người nghiệp vụ lẫn người kỹ thuật, ngồi chung một phòng để trả lời và xác nhận trong một lượt. AWS đặt mục tiêu những việc trước đây mất nhiều tuần nay xong trong vài giờ hoặc vài ngày, nhưng bài công bố không đưa số đo cụ thể nào. Vì vậy con số “vài giờ” nên hiểu là mục tiêu của phương pháp, chưa phải kết quả đo được.
Câu hỏi đáng ngồi lâu nhất thường rơi vào ba nhóm: mục tiêu, các trường hợp ngoại lệ và điều kiện nghiệm thu. Một hệ thống quản lý trường học phải rõ quyền của học viên, giảng viên và quản trị; một chatbot phải rõ được đọc dữ liệu nào, được làm hành động nào, lúc nào chuyển cho nhân viên. Thiếu một vai trò ở buổi này, kế hoạch phía sau đã lệch từ gốc. Sửa một câu hỏi ở buổi này rẻ hơn rất nhiều so với sửa một màn hình đã code xong.
Trong bài hướng dẫn Building with AI-DLC using Amazon Q Developer ngày 29/11/2025, AWS cho thấy câu hỏi làm rõ được đưa ra dạng trắc nghiệm kèm lựa chọn “Other”, và quy trình tự chỉ ra chỗ các câu trả lời mâu thuẫn nhau. Vì đầu ra viết bằng ngôn ngữ nghiệp vụ, người ngoài ngành kỹ thuật vẫn đọc và góp ý được.
Mob construction là phiên bản tương tự ở giai đoạn xây dựng. Khi AI đã đề xuất kiến trúc, mô hình miền và code, đội kỹ thuật ngồi chung để chốt các quyết định về kiến trúc và kỹ thuật ngay trong buổi, thay vì để từng người tự quyết rồi mới phát hiện lệch nhau lúc ghép code.
Bolt, đơn vị công việc và những từ mới AI-DLC dùng thay Agile
AI-DLC đặt lại một số thuật ngữ quen thuộc của Agile để hợp với nhịp làm việc mới. Sprint hai tuần được thay bằng bolt, một vòng làm việc ngắn và dồn dập hơn, tính bằng giờ hoặc ngày thay vì tuần. Epic được thay bằng unit of work (đơn vị công việc), mỗi đơn vị là một phần giao được trọn vẹn, có thể làm tương đối độc lập với các phần khác.
Trong bộ aidlc-workflows, bước Units Generation tạo các file mô tả đơn vị công việc kèm sơ đồ phụ thuộc giữa chúng, còn bước Delivery Planning tạo file bolt-plan.md xếp thứ tự các bolt. Giai đoạn xây dựng chạy lần lượt từng đơn vị qua các bước thiết kế chức năng, yêu cầu phi chức năng, hạ tầng và sinh code, hoặc cho nhiều đơn vị chạy song song khi chúng không phụ thuộc nhau.
Đội đã quen Agile và Scrum sẽ thấy khung tư duy không đổi nhiều: vẫn chia nhỏ, vẫn giao từng phần, vẫn lấy phản hồi. Cái đổi là nhịp, và chỗ con người dồn sức vào. Bảng Kanban vẫn hữu ích để cả đội và khách nhìn được việc đang nằm ở bước nào khi các bolt chạy nhanh hơn chu kỳ họp hằng tuần.
AI-DLC khác chuyện mỗi lập trình viên tự bật công cụ AI
Một lập trình viên dùng AI thường tối ưu phần việc của chính mình. AI-DLC tối ưu dòng chảy của cả dự án, nên cùng một công cụ AI mà cách tổ chức khác thì kết quả cũng khác. Khác biệt rõ nhất nằm ở bốn chỗ: phạm vi, nguồn sự thật, cửa kiểm soát và thứ được bàn giao.
| Tiêu chí | Lập trình viên tự dùng AI | AI-DLC | AI tự làm hết |
|---|---|---|---|
| Phạm vi | Lúc viết code, viết test | Cả vòng đời, từ ý định tới vận hành | Cả ứng dụng |
| Nguồn sự thật | Ngữ cảnh trong đầu từng người | Yêu cầu và thiết kế đã xác nhận, lưu trong kho mã | Câu lệnh ban đầu |
| Cửa kiểm soát | Thói quen từng người | Cổng duyệt sau mỗi bước, cổng kiểm tra giữa các giai đoạn | Gần như không có |
| Bàn giao | Chủ yếu là code | Code, test, tài liệu, quyết định kiến trúc, nhật ký | Code chạy được ở thời điểm sinh ra |
Khác biệt này lộ rõ sau vài tháng vận hành. Code do AI sinh mà không có yêu cầu đi kèm sẽ thành hộp đen khi người viết rời dự án, còn ở AI-DLC yêu cầu, kiểm thử và lý do của từng lần thay đổi vẫn nằm trong kho mã. Dự án chỉ có một công cụ gợi ý code mà các giai đoạn không nối với nhau thì đó là lập trình viên dùng AI, chưa phải AI-DLC. Ngược lại, một đội nhỏ chưa dùng công cụ đắt tiền nào vẫn có thể làm đúng AI-DLC nếu các giai đoạn nối với nhau.
Cửa duyệt, nhật ký và quyền phát hành giữ AI-DLC khỏi chạy sai
AI-DLC chỉ đáng tin khi quyền của AI được chia rõ. Bộ aidlc-workflows cho mỗi bước từ Ideation trở đi kết thúc bằng một cổng duyệt, và cổng đó chỉ mở khi có tin nhắn thật từ người dùng; thiết lập dự án hay chính sách bảo vệ không hạ được yêu cầu này, trừ khi ai đó bật cờ bỏ qua và công cụ sẽ báo suốt lúc cờ còn bật. Mọi câu lệnh, câu trả lời và quyết định được ghi vào nhật ký kiểm tra với 118 loại sự kiện, nên muốn truy lại vì sao một thay đổi được làm thì có chỗ để tra. Tiến độ của cả quy trình nằm trong file aidlc-state.md ngay trong dự án.
Khi đưa AI-DLC vào hệ thống của doanh nghiệp, nên tách quyền của AI thành ba lớp:
- Quyền đọc dữ liệu: nguồn nào được đọc, lịch sử nào được giữ lại.
- Quyền thay đổi: vùng code nào được sửa thẳng, vùng nào chỉ được đề xuất.
- Quyền phát hành: ai được đưa bản mới lên môi trường thật, và cách quay về bản cũ khi có sự cố.
Gom cả ba quyền vào một agent thì tốc độ tăng lên cùng với rủi ro. Một agent bị giới hạn chặt, có nhật ký đầy đủ, an toàn hơn nhiều agent được trao quyền rộng mà không ai biết chúng đã làm gì. Chính README của dự án cũng nhắc AI tạo sinh có thể sai, và người dùng cần xem lại đầu ra cùng chi phí trước khi hành động.
Lỗi hay gặp là lấy giọng trả lời tự tin của AI làm bằng chứng đúng. Cổng kiểm tra phải chấm theo yêu cầu đã xác nhận, bộ kiểm thử và dữ liệu thật; với hệ thống chạm tới tiền hoặc dữ liệu cá nhân, đừng để AI tự duyệt hành động của chính nó, kể cả khi bản thí điểm đã chạy ổn vài tuần.
AI-DLC đứng ở đâu cạnh spec driven development, agentic coding và vibe coding
Mấy khái niệm này hay bị dùng lẫn, dù mỗi cái trả lời một câu hỏi khác nhau. Spec driven development trả lời “cái gì là đúng”: bản đặc tả là gốc, code và kiểm thử bám theo nó. Agentic coding trả lời “AI viết code theo vòng lặp nào”: agent tự lập kế hoạch, sửa file, chạy test và sửa tới khi qua. Agentic engineering nói về việc của kỹ sư khi code đã do AI viết. AI-DLC rộng hơn cả, vì nó tổ chức lại toàn bộ vòng đời quanh AI, từ lúc dự án chưa có dòng code nào tới lúc hệ thống chạy thật.
Vibe coding, lối làm phần mềm bằng cách mô tả rồi chấp nhận code AI sinh ra mà không đọc kỹ, do Andrej Karpathy đặt tên đầu năm 2025, thì ở đầu bên kia. Nó hợp để thử ý tưởng trong một buổi, còn phần mềm kinh doanh cần yêu cầu rõ, kiểm thử và người chịu trách nhiệm; bài từ vibe coding lên hệ thống chạy thật liệt kê những việc phải làm khi bản thử cần lên chạy thật.
Trong bức tranh chung của các mô hình phát triển phần mềm, AI-DLC không xoá Agile hay thác nước mà thay nhịp và người làm phần lặp lại. Spec driven development là cách tự nhiên để giữ “nguồn sự thật” mà AI-DLC cần, còn file hướng dẫn như AGENTS.md là chỗ ghi luật để agent nào vào kho mã cũng đọc chung.
Cách MONA làm phần mềm bằng AI agent gần với AI-DLC ở đâu
Từ ngày 20/04/2026, MONA chuyển toàn bộ quy trình làm phần mềm sang agentic coding, như bài agentic coding của MONA đã kể. Quy trình đó không mang tên AI-DLC và không dùng bộ công cụ của AWS, nhưng chung nhiều nguyên tắc: yêu cầu được viết thành spec trong thư mục specs/ của từng kho mã trước khi có code, mỗi tính năng đi qua sáu cửa gồm spec, bản giao việc, AI viết code, kiểm tra tự động, một AI khác chấm độc lập theo spec và kỹ sư duyệt Merge Request, và quyền đưa code lên máy chủ chạy thật không giao cho AI agent.
Chỗ MONA thấy AI-DLC nói đúng nhất là đoạn đầu vòng đời. Với phần mềm viết riêng cho doanh nghiệp, sai lệch tốn tiền nhất thường nằm ở chỗ hiểu sai yêu cầu, nên dồn sức vào giai đoạn khởi tạo và giữ yêu cầu đã chốt trong kho mã có lợi hơn nhiều so với việc chạy đua xem AI sinh code nhanh tới đâu. Cách MONA ghi bug và truy nguyên nhân gốc cũng đi theo tinh thần đó, xem bài bug là gì và cách ghi lại bug.
Thử AI-DLC với bộ aidlc-workflows của AWS
Bộ aidlc-workflows được AWS đưa lên GitHub từ ngày 13/11/2025, giấy phép MIT-0, và tới ngày 15/10/2026 đã có bản 2.11.0. Phương pháp không phụ thuộc nhà cung cấp mô hình: cùng một lõi chạy trên Claude Code, Kiro CLI, Kiro IDE, Codex CLI, Cursor, opencode và GitHub Copilot. Theo README, các bước để chạy thử như sau:
- Cài lệnh aidlc bằng tập lệnh cài đặt trong trang phát hành của dự án (có bản cho macOS, Linux, WSL và Windows PowerShell).
- Vào thư mục dự án, chọn công cụ đang dùng bằng lệnh aidlc config –harness kèm tên công cụ, ví dụ claude, codex hay cursor.
- Chạy aidlc doctor để kiểm tra cấu hình.
- Mở công cụ AI trong dự án và mô tả việc cần làm sau lệnh /aidlc (Codex CLI dùng $aidlc), ví dụ “Build a REST API for inventory management”.
- Trả lời các câu hỏi làm rõ, xem lại tài liệu sinh ra ở từng bước rồi xác nhận để quy trình đi tiếp.
Bộ công cụ tự điều chỉnh độ nặng theo việc. Trong bài hướng dẫn của AWS, với một ứng dụng nhỏ, quy trình tự đề xuất bỏ các bước tuỳ chọn như user story và thiết kế ứng dụng, còn một lần sửa bug sẽ đi thẳng tới sinh code. Bản 2.11.0 có 11 hồ sơ quy trình cho tính năng mới, sửa bug, hạ tầng, bảo mật, bản thử khái niệm và giao hàng doanh nghiệp, cùng ba mức độ sâu Minimal, Standard, Comprehensive.
Doanh nghiệp nào nên áp AI-DLC và ai chưa cần
AI-DLC hợp với đội làm sản phẩm có nhiều khâu bàn giao, tài liệu thường trễ và yêu cầu đổi liên tục, nhất là phần mềm cần sống nhiều năm, vì tài liệu và quyết định được sinh cùng code thay vì viết bù sau. Nó cũng hợp khi doanh nghiệp muốn đầu tư AI theo quy trình thay vì mua từng công cụ rời, bởi các giai đoạn cho thấy rõ chỗ nào AI thật sự bớt việc. Phần mềm quản lý kho, hệ thống bán hàng đa kênh hay nền tảng quản lý trường học, những thứ có nhiều vai trò người dùng và nhiều quy tắc nghiệp vụ, là chỗ giai đoạn khởi tạo phát huy rõ nhất.
Đội hai người làm bản thử trong một buổi thì không cần dựng đủ nghi thức. Chỉ cần khoá đề bài, giới hạn quyền của AI và có người kiểm trước khi dùng; kéo đủ 33 bước vào một việc nhỏ sẽ biến phương pháp thành thủ tục. Hệ thống chạm tới tiền, hồ sơ cá nhân hoặc chạy liên tục ngày đêm vẫn dùng được AI-DLC, nhưng đừng bật chế độ tự chạy ở những cổng nhạy cảm. Cũng đừng dùng AI-DLC như cái nhãn để đưa lên slide: nếu các giai đoạn không nối với nhau bằng yêu cầu đã xác nhận, đổi tên quy trình cũng không đổi được gì.
Hỏi đáp
AI-DLC là gì?
AI-DLC (AI-Driven Development Life Cycle) là phương pháp phát triển phần mềm do AWS công bố ngày 31/07/2025, đưa AI vào cả ba giai đoạn khởi tạo, xây dựng và vận hành. Ở mỗi bước AI lập kế hoạch, hỏi lại chỗ chưa rõ và chỉ làm tiếp khi kế hoạch được đội dự án xác nhận.
AI-DLC khác SDLC truyền thống ra sao?
SDLC truyền thống tổ chức các giai đoạn do người thực hiện, AI nếu có chỉ hỗ trợ từng việc. AI-DLC đặt AI làm phần thực thi xuyên suốt, nối đầu ra giữa các giai đoạn qua tài liệu lưu trong kho mã, và rút chu kỳ từ sprint vài tuần xuống bolt tính bằng giờ hoặc ngày. Cả hai vẫn cần yêu cầu, kiểm thử và người chịu trách nhiệm rõ ràng.
Mob elaboration kéo dài bao lâu?
AWS chỉ nói những việc trước đây mất nhiều tuần có thể xong trong vài giờ hoặc vài ngày, không đưa con số cố định. Thời lượng hợp lý là đủ để chốt mục tiêu, các trường hợp ngoại lệ và điều kiện nghiệm thu; ép buổi này cho nhanh thì phần tiết kiệm được sẽ mất lại ở giai đoạn xây dựng.
AI-DLC có cho AI tự đưa code lên môi trường thật không?
Theo AWS, giai đoạn vận hành do AI quản lý hạ tầng và triển khai dưới sự giám sát của đội, và bộ aidlc-workflows dừng ở cổng duyệt sau mỗi bước. Với hệ thống nhạy cảm, nên giữ riêng quyền phát hành, tách khỏi quyền đọc dữ liệu và quyền sửa code.
Có phải dùng công cụ của AWS mới làm được AI-DLC không?
Không bắt buộc. AI-DLC là phương pháp, còn bộ aidlc-workflows là một cách hiện thực mã nguồn mở chạy được trên Claude Code, Codex CLI, Cursor, GitHub Copilot, opencode và Kiro. Đội có thể áp các nguyên tắc như mob elaboration, đơn vị công việc và cổng duyệt bằng công cụ sẵn có của mình.
AI-DLC giúp nhìn vòng đời phần mềm như một dòng liền: ý định kinh doanh đi vào, yêu cầu được chốt, code và kiểm thử sinh ra theo yêu cầu đó, tài liệu đi kèm và tín hiệu vận hành quay lại cho vòng sau. Nếu doanh nghiệp đang có nhiều công cụ AI mà kế hoạch vẫn trễ, tài liệu vẫn thiếu và lỗi cũ vẫn quay lại, MONA Software có thể cùng rà lại luồng làm phần mềm hiện tại, đánh dấu chỗ yêu cầu bị đứt giữa các khâu và đề xuất phần nào nên tự động trước; xem dịch vụ viết phần mềm theo yêu cầu hoặc dịch vụ viết AI Agent theo yêu cầu, hay gọi hotline 1900 636 648 để trao đổi về dự án đang làm.
