7 nhận định quan trọng được nhà sáng lập Claude Code đưa ra tại Hội nghị Sequoia
vô giá trị
Tác giả: Aying sản phẩm AI
Video gốc: "Boris Cherny của Anthropic: Tại sao mã hóa được giải quyết và điều gì sẽ xảy ra tiếp theo》
Người sáng lập Claude Code Bài chia sẻ của Boris Cherny tại Hội nghị Sequoia rất giàu thông tin và lần đầu tiên tôi được nghe đầy đủ nhiều ý kiến. Anh chàng này thực sự hiểu rõ về AI.
Tôi sẽ chia sẻ tóm tắt của mình.
#01 Mã không còn khan hiếm
Trước đây, khi một chức năng được giao, các kỹ sư ngồi xuống, tìm ra cách triển khai nó và sau đó gõ từng dòng mã. Trong quá trình này, giá trị lớn nhất của một kỹ sư là: anh ta có thể viết hay không, liệu anh ta có viết tốt hay không và liệu anh ta có viết tốt không có thể viết nhanh hay không
Cách chúng tôi làm việc hiện nay đã khác.
Đối với cùng một chức năng, điều mà các kỹ sư làm là: làm rõ các yêu cầu trước, chia vấn đề thành nhiều phần và giao cho Đại lý, đặt tiêu chuẩn chấp nhận, sau đó xem liệu kết quả do Đại lý đưa ra có chính xác hay không. Nếu không, hãy điều chỉnh lời nhắc và để nó chạy lại.
AI đã có thể xử lý hầu hết các tác vụ mã hóa. Tất nhiên, không phải 100%. Vẫn còn nhiều cơ sở mã khổng lồ và phức tạp, ngôn ngữ không phổ biến hoặc môi trường đặc biệt và hiệu suất của các mô hình ngày nay vẫn chưa đủ.
Nhìn chung, giá trị của một kỹ sư đã thay đổi từ việc anh ta có thể viết mã hay không đến việc anh ta có thể phân chia nhiệm vụ, đặt mục tiêu rõ ràng, chấp nhận kết quả và quản lý các tác nhân hay không.
Sự thay đổi này thực sự rất giống cuộc cách mạng công nghiệp.
Trước cuộc cách mạng công nghiệp, người thợ rèn đã tự mình làm toàn bộ công việc, từ rèn, rèn, đánh bóng đến lắp ráp. Một thợ rèn có kỹ năng tốt đương nhiên có giá trị.
Sau đó, dây chuyền lắp ráp xuất hiện. Mỗi công nhân chỉ chịu trách nhiệm cho một quy trình, nhưng tổng sản lượng cao hơn hàng chục hoặc hàng trăm lần so với thời kỳ thủ công.
Tại thời điểm này, vai trò có giá trị nhất trong nhà máy không còn là người thợ thủ công có thể thực hiện tốt nhất một quy trình nhất định mà là người có thể thiết kế và quản lý tốt dây chuyền lắp ráp và khiến nó chạy trơn tru.
Worker chưa biến mất, nhưng vai trò của họ đã thay đổi.
Kỹ thuật phần mềm hiện đang trải qua một quá trình chuyển đổi tương tự. Bản thân mã không còn là một mặt hàng khan hiếm. Khả năng viết mã đang trở thành một kỹ năng cơ bản như khả năng sử dụng PPT.
Điều thực sự khan hiếm là liệu các yêu cầu mơ hồ có thể được chia thành các nhiệm vụ rõ ràng hay không và liệu Đặc vụ có thể chọn giải pháp đúng nhất trong số nhiều giải pháp được đưa ra hay không. Một nhóm AI có thể làm việc cùng nhau để hoàn thành một việc không?
Trên thực tế, nhiều kỹ sư cũ ban đầu không thể chấp nhận điều này. Chính việc viết mã bằng chính đôi tay của mình là lý do tại sao nhiều người yêu thích ngành này trong vài thập kỷ qua.
Đối với nhiều người, việc để việc này cho máy không chỉ là thay đổi trong cách họ làm việc mà còn là sự định hình lại bản sắc.
Nhưng xu hướng là xu hướng.
#02 Helvetica Neue,Helvetica,Arial,Hiragino Sans GB,Heiti SC,Microsoft YaHei,WenQuanYi Micro Hei,sans-serif;">
Trước khi phát minh ra máy in, chỉ có khoảng 10% người dân ở Châu Âu biết chữ. Những người này thường được các quý tộc mù chữ thuê để giúp mọi người đọc và viết toàn thời gian.
Sau đó, bản in xuất hiện. Trong 50 năm, số lượng sách được xuất bản ở châu Âu nhiều hơn cả nghìn năm trước cộng lại và giá sách giảm khoảng 100 lần. Sau hàng trăm năm nỗ lực hỗ trợ (hệ thống giáo dục và cơ cấu kinh tế dần bắt kịp), tỷ lệ biết chữ toàn cầu đã tăng lên 70% hiện nay.
Boris tin rằng tác động của AI lên phần mềm là một phiên bản tăng tốc của cuộc cách mạng in ấn. Phần mềm sẽ được dân chủ hóa hoàn toàn trong vòng vài thập kỷ nữa, trở thành thứ mà bất cứ ai cũng có thể kiểm soát được.
Cuối cùng, việc có thể làm phần mềm sẽ tự nhiên như có thể gửi tin nhắn văn bản.
#03 PingFang SC,Helvetica Neue,Helvetica,Arial,Hiragino Sans GB,Heiti SC,Microsoft YaHei,WenQuanYi Micro Hei,sans-serif;">Khả năng nào là quan trọng nhất?
Hãy cho một ví dụ. Hai người đang cố gắng cùng lúc tạo ra một sản phẩm cho bác sĩ. Một người là kỹ sư viết mã nhanh, người kia là người đã làm việc trong bộ phận thông tin bệnh viện được vài năm.
Trước đây, các kỹ sư có xác suất tạo ra thứ gì đó cao hơn vì họ có thể hiện thực hóa ý tưởng.
Giờ thì ngược lại. Bất cứ ai cũng có thể thực hiện ý tưởng. Lúc này, người thực sự hiểu quy trình làm việc hàng ngày của bệnh viện sẽ có giá trị hơn. Bởi vì anh ta biết tính năng nào bác sĩ thực sự sử dụng và tính năng nào hợp lý.
Nói cách khác, sau khi AI đã san bằng ngưỡng thực thi, khoảng cách trong phán đoán đã được phóng to.
Sự cố này trực tiếp viết lại ý nghĩa của từ tổng quát.
Trước đây, chúng tôi gọi là tổng quát, thường đề cập đến một kỹ sư có thể viết iOS, Web và phụ trợ. Loại tổng quát này về cơ bản là toàn bộ ngăn xếp trong dự án.
Cái tổng quát của tương lai là một ngăn xếp đầy đủ liên ngành.
Người hiểu đồng thời về sản phẩm, thiết kế và kỹ thuật. Người hiểu đồng thời về sản phẩm, khoa học dữ liệu và kỹ thuật. Sự kết hợp này từng gần như không thể thực hiện được vì mỗi người đều cần nhiều giờ đào tạo chuyên môn.
Nhưng giờ đây AI đã hạ thấp ngưỡng thực thi của từng mục. Một người có thể mở rộng nhiều lĩnh vực và duy trì chiều sâu chuyên môn.
Nhóm Claude Code giống như thế này. Các nhà quản lý kỹ thuật, Thủ tướng, nhà thiết kế, nhà khoa học dữ liệu, tài chính, nghiên cứu người dùng, mọi người đều viết mã.
Các nhà thiết kế có thể tự chạy nguyên mẫu tương tác và hiển thị cho nhóm, thay vì chỉ vẽ ra các bản vẽ và chờ các kỹ sư triển khai.
Finance có thể xây dựng công cụ phân tích của riêng mình để chạy các mô hình tài chính phức tạp của công ty mà không cần phải xếp hàng chờ BI. Các đồng nghiệp trong nghiên cứu người dùng bắt đầu tự chạy dữ liệu, đảm nhận công việc mà trước đây phải chờ sự hợp tác của nhóm dữ liệu.
Chiều sâu chuyên môn của mọi người vẫn còn đó. Nhưng với sự hỗ trợ của AI, viết mã đã trở thành ngôn ngữ chung cho mọi người.
#04 Hào của SaaS đang sụp đổ
Đầu tiên là chi phí chuyển đổi. Khi một công ty sử dụng hệ thống của bạn, vài năm hoặc thậm chí hơn mười năm dữ liệu, cấu hình, trường và mối quan hệ cấp phép sẽ dần dần tích lũy trong đó.
Nếu bạn muốn chuyển sang hệ thống khác, chỉ cần di chuyển những thứ này ra và vào lại như cũ là đủ khiến mọi người không muốn di chuyển.
Mục thứ hai là khóa quy trình làm việc. Hoạt động hàng ngày của nhân viên, cộng tác giữa các phòng ban và các nút phê duyệt đều phát triển xung quanh SaaS này.
Việc thay đổi sang một hệ thống không chỉ là di chuyển dữ liệu mà còn đảo ngược bộ nhớ cơ mà toàn bộ công ty đã phát triển trong vài năm qua.
Hai yếu tố này cùng nhau tạo thành con hào sâu nhất trong ngành SaaS trong quá khứ. Nhưng với một mô hình đủ mạnh, logic của mọi thứ bắt đầu thay đổi.
Trước tiên, hãy xem xét chi phí chuyển đổi. Trước đây, nếu bạn muốn chuyển từ SaaS này sang SaaS khác, chỉ cần căn chỉnh các trường và sao chép cấu trúc dữ liệu sẽ khiến nhóm kỹ thuật phải làm việc ngoài giờ vài tháng.
Bây giờ, hãy đưa trực tiếp các giao diện và cấu trúc dữ liệu trên cả hai mặt vào mô hình, để nó tự làm rõ mối quan hệ ánh xạ và dần dần hướng tới giải pháp tối ưu. Những gì ban đầu mất vài tháng có thể tạo ra một phiên bản có thể sử dụng được trong vài ngày.
Nhìn vào mặt khóa quy trình làm việc, nó thú vị hơn. Trước đây, quy trình công việc có thể khóa khách hàng vì các quy trình này phức tạp, ẩn và phụ thuộc vào con người.
Sự hiểu biết ngầm trong tâm trí nhân viên về việc ai nên đến gặp ai để phê duyệt và khi nào gặp khó khăn ở bước nào không thể trực tiếp chuyển đi.
Nhưng các mô hình như Opus 4.7 có khả năng hiểu, tách rời và xây dựng lại một quy trình phức tạp trong môi trường mới tốt nhất. Ngay cả phiên bản được xây dựng lại cũng có thể mượt mà hơn phiên bản gốc.
Vì vậy, con hào được xây dựng trong quá khứ bằng kết tủa dữ liệu và kết tủa quá trình đang tan rã.
Đối với những người đang làm SaaS, đây có thể là tin xấu. Nhưng đây là cơ hội thực sự cho tất cả khách hàng sử dụng SaaS và cho các nhóm đang chuẩn bị xây dựng thế hệ SaaS mới.
#05 #05 Kỷ nguyên tốt nhất cho doanh nhân
Lý do thực ra không phức tạp.
Các nhóm nhỏ có thể sử dụng AI để tạo ra sản phẩm ở cấp độ ngang bằng hoặc thậm chí tốt hơn các công ty lớn. Mặt khác, nếu các công ty lớn thực sự muốn sử dụng AI, họ sẽ có vốn sở hữu âm.
Nói thế nào?
Một công ty có lịch sử hơn mười năm đã phát triển bộ quy trình kinh doanh, phân chia công việc, thói quen cộng tác, hệ thống đào tạo và đánh giá KPI của riêng mình. Những thứ này trước đây là tài sản và rào cản.
Nhưng bạn cần sử dụng AI Được nhúng thực sự có nghĩa là mọi thứ phải được kiểm tra lại: quy trình kinh doanh phải được xây dựng lại, tất cả nhân viên phải được đào tạo lại và mỗi bước tiến về phía trước sẽ gặp phải sự phản kháng nội bộ rất lớn và N phòng ban và N cấp độ phê duyệt phải được phối hợp.
Và một nhóm khởi nghiệp gồm ba người đã coi AI là nền tảng mặc định ngay từ ngày đầu tiên. Họ không có hành lý lịch sử nào để giải nén, không có thói quen nào để thay đổi và không có ai để thuyết phục. Hãy thảo luận rõ ràng ngay hôm nay, chạy bản demo vào ngày mai và đưa nó lên mạng để người dùng sử dụng. ngày kia
Sự khác biệt về tốc độ này thực sự đã tồn tại trước AI. Các công ty khởi nghiệp vốn đã có lợi thế về tốc độ so với các công ty lớn. Nhưng AI đã khuếch đại khoảng cách này lên nhiều lần.
Tại sao?
Bởi vì AI càng mạnh thì đòn bẩy mà một người có thể kéo trên mỗi đơn vị thời gian càng lớn. Một nhóm nhỏ thực sự tận dụng tốt AI có thể sản xuất hôm nay bằng 10 người đã làm trong quá khứ và ngày mai nó có thể tạo ra nhiều bằng 30 người đã làm trong quá khứ.
Tuy nhiên, sức nặng tổ chức của các công ty lớn không hề nhẹ đi mà còn trở nên nặng nề hơn do nhu cầu tiêu hóa AI. AI càng mạnh thì sự khác biệt cắt kéo giữa khả năng tăng tốc của nhóm nhỏ và lực kéo của công ty lớn càng lớn.
Đây là vốn chủ sở hữu tiêu cực mà Boris đã nói. Không phải là các công ty lớn không có tiền, không có ai hoặc không có ý chí. Mà là cơ bắp mà họ từng kiếm tiền hiện đang bị mắc kẹt trên con đường hướng tới giá trị thực sự của AI.
#06 MCP Sẽ không chết
Sau khi Skill trở nên phổ biến, nhiều người cảm thấy rằng MCP không còn cần thiết nữa. Người sáng lập OpenClaw cũng có quan điểm tương tự.
Nhưng Boris không nhìn nhận như vậy. Ông cảm thấy rằng MCP sẽ trở thành lớp kết nối phần mềm trong kỷ nguyên AI.
Trước đây, phương thức kết nối phần mềm của Internet là API.
Nhưng vấn đề cốt lõi của API là nó được thiết kế cho các kỹ sư. Nếu muốn sử dụng API, trước tiên bạn phải đọc tài liệu, đăng ký mã thông báo, viết mã, căn chỉnh các trường và xử lý các trường hợp ngoại lệ. Nói một cách thẳng thắn, API được viết cho các nhà phát triển con người.
MCP thì khác. Nó cho phép mô hình được kết nối và sử dụng trực tiếp, đồng thời mô hình có thể tự điều chỉnh mà không cần lập trình viên dịch nó.
Vì vậy, Boris gọi Giao diện nhà phát triển con người API và Giao thức giao diện mô hình MCP. Một dành cho con người và một dành cho mô hình.
Điều này thực sự rất giống với hồi đó. Trong kỷ nguyên Internet di động, tất cả các dịch vụ phải dựa trên API theo mặc định. Trong kỷ nguyên AI, tất cả các dịch vụ phải dựa trên MCP theo mặc định.
#07 Sử dụng máy tính Vẫn quan trọng
理由也很合理：太耗 Token，跑得慢，还不稳定。看上去更像一个炫技 Demo，离真正能用还有距离。
但 Boris 看到的层面完全不一样。
他真正看重的是，Computer Use 解决了 AI 落地最大的一个痛点：现实世界里，有大量系统既没有 API，也没有 MCP。
尤其是企业世界。
真进过公司就知道，里面大量核心系统都很老。 ERP、OA、财务系统、内部审批、供应链后台、各种定制系统。很多没开放接口，没文档，没自动化能力。它们就在那里，每天被无数员工手动操作着。
那为什么不直接给它们做 API 呢？
因为做不动。开发这些系统的供应商可能已经不在了。 IT 部门没动力也没预算去重构。
业务部门更不可能停下来等半年一年。这些系统永远不会等到一个完美的 API 来拯救自己。
短期内，各大模型应该还会是提升自己的 Computer Use 能力。
