Bản tin cộng đồng ngày 16/09/2026

Trong group có bạn chuẩn bị phỏng vấn, bị hỏi về bảo mật khi dùng AI và thật thà bảo đang ngoài vùng kiến thức. Mình thấy câu này nhiều người né, mà né thì dễ mất điểm.

💡 Câu hỏi gốc thường là: dữ liệu công ty đi qua model AI thì kiểm soát thế nào?

✅ Câu trả lời tối thiểu nên có: RBAC (phân quyền theo vai trò) và LDAP (quản lý danh tính tập trung).

📍 Ý cốt lõi: nội dung không được share ra ngoài, quyền truy cập phải map theo từng node dữ liệu.

🔥 Có bác còn thẳng hơn: tổ chức nhỏ thì trả lời được cũng không đủ tiền để làm thật.

😅 Một anh trong nhóm nói câu này khó tới mức BA trả lời trọn vẹn thì lương phải cao lắm.

Riêng mình nghĩ: nếu nhà tuyển dụng hỏi câu này ở vòng sàng lọc cho vị trí BA, mà không nói rõ họ đã có team security riêng hay chưa, thì đó là dấu hiệu đáng cân nhắc. Không phải vì câu hỏi khó, mà vì nó cho thấy kỳ vọng đang bị đẩy lệch sang một vai trò khác.

Một bác trong nhóm kể đang làm nhiều dự án song song, quản không xuể, nên quyết định tự dựng hệ quản lý task cho riêng mình. Cách làm đáng tham khảo.

👉 Không vẽ lại bánh xe: clone nguyên kiến trúc của Jira, lấy luôn workflow của nó.

✅ Phân cấp giữ giống Jira: epic, task, sub-task — chỉ customize phần số ít cho khớp cách làm.

💡 Thay vì đi theo Use Case, bác này đi theo user flow rồi break ra task, cho AI xử lý một lượt.

⏰ Có skill planning: input phần nghiệp vụ, AI tự bóc tách epic thành task.

📍 Roadmap gắn vào PRD, backlog có sẵn, dependencies để AI phân luôn.

Một cao nhân khác góp ý: user flow nhỏ hơn use case, nối các slice lại sẽ vất vả hơn — nhưng nếu chỉ cần đáp ứng checklist của mình thì chạy ngon.

Mình thấy điểm hay nhất ở đây không phải là dùng AI, mà là chịu khó bám vào một chuẩn đã có sẵn thay vì tự nghĩ ra cấu trúc mới. Cái đó mới là phần tiết kiệm thời gian thật.

Có bác chia sẻ đang tinh chỉnh workflow AI sau gần 2 tháng code, và vấn đề lớn nhất không phải chất lượng — mà là tiền.

💡 Cách làm: cho các agent chạy cùng một vài bài toán trên nhiều model khác nhau, rồi đánh giá song song cả kết quả lẫn chi phí.

✅ Model mạnh dùng cho task khó, task nào model rẻ làm tốt ngang thì chuyển sang model rẻ.

📍 Điểm nghẽn hay gặp: đọc file chiếm phần lớn token, nên tối ưu chỗ này trước.

⏰ Một anh khác kể đã giảm token cho tool call xuống còn khoảng 3/4, nhưng con số tiêu thụ vẫn khá khó lường.

😅 Chuyện AI review CV cũng được nhắc: nó khen cho lên mây, mà người được khen vẫn đang tìm việc.

Mình thì nghĩ phần lớn anh em đang chọn model theo cảm giác quen tay. Ai chịu ngồi đo cost thật, so kết quả thật, thì đi trước một đoạn — không phải vì giỏi hơn, mà vì có số liệu để quyết.