Năm 2026, AI đã len lỏi vào mọi ngóc ngách của software development: GitHub Copilot, Claude Code, Cursor giúp developer viết code nhanh hơn; Postbot, testRigor, Virtuoso giúp tester sinh test case tự động; các AI agent thậm chí có thể đọc Jira ticket, lập kế hoạch và tự raise pull request. Nghe ngầu đúng không?

Nhưng đây là sự thật: mọi pipeline AI hoạt động tốt đều có ít nhất một con người đứng trong loop. Và với QA/QC tại Việt Nam, đây không phải mối đe dọa – mà là cơ hội để bước vào một sân chơi lớn hơn rất nhiều. 🚀

Cùng IT Learn khám phá nhé!

1. Human in the Loop là gì? 🧠

Theo IBM, Human-in-the-Loop (HITL) là hệ thống mà con người chủ động tham gia vào việc vận hành, giám sát hoặc ra quyết định của một hệ thống tự động (IBM Think). Google Cloud bổ sung: HITL là cách tiếp cận hợp tác – tích hợp chuyên môn của con người vào toàn bộ vòng đời của mô hình AI/ML (Google Cloud).

Nói gọn: AI mạnh nhưng không hoàn hảo. Con người chậm hơn nhưng tinh tế hơn. HITL kết hợp cả hai để đạt điều mà cả AI lẫn con người làm một mình đều không thể. 💡

HITL ban đầu được biết đến nhiều trong huấn luyện ML (gán nhãn dữ liệu) và cách ChatGPT, Claude, Gemini được "dạy dỗ" qua kỹ thuật RLHF (Reinforcement Learning from Human Feedback) – nơi hàng nghìn human annotator chấm điểm câu trả lời (Hugging Face).

Tuy nhiên, HITL đã trở thành xương sống của quy trình phát triển phần mềm hiện đại. Hãy đi sâu vào phần này. 👇

2. HITL trong phát triển phần mềm – "Linh hồn" của mọi AI workflow 💻

Trong bài viết được chia sẻ rộng rãi trên Martin Fowler's blog, các tác giả từ Thoughtworks lập luận: vai trò đúng đắn của developer không phải "đứng ngoài để AI tự làm" cũng không phải "soi từng dòng code AI sinh ra", mà là "on the loop" – thiết kế và quản lý working loop để dẫn ý tưởng đến outcome (Martin Fowler).

Một engineer của Platformatic chia sẻ rất thật: anh dùng AI để fix bug và ship feature mỗi ngày, nhưng review từng dòng code trước khi merge. Câu kết của anh rất đắt:

💬 "Khả năng ship code của tôi không còn bị giới hạn bởi tốc độ tôi viết code nữa. Nó bị giới hạn bởi kỹ năng review của tôi." – The Human in the Loop

🔄 HITL xuất hiện ở khắp các giai đoạn của SDLC

1. 📋 Planning & Spec writing: AI agent đọc Jira ticket, đề xuất kế hoạch coding (ví dụ: framework HULA của Atlassian đã merge khoảng 900 pull request thực tế (Atlassian Blog)). Con người ở đâu? Engineer review plan trước khi cho AI code.

2. ⌨️ Coding: GitHub Copilot, Claude Code, Cursor sinh code theo mô tả. Con người ở đâu? Developer đảm bảo code phản ánh đúng business logic.

3. 🔍 Code review: AI gợi ý sửa, phát hiện anti-pattern. Con người ở đâu? Senior developer hoặc tech lead approve pull request cuối cùng. Một startup tên In The Loop mở dịch vụ "VibeCheck" – nơi human engineer review code AI sinh để phát hiện lỗ hổng bảo mật, lỗi logic, technical debt mà AI bỏ sót (In The Loop).

4. 🧪 Testing & QA: Sân nhà của QA/QC. Các công cụ AI testing (Postbot, testRigor, Virtuoso, Quash...) có thể sinh test case từ ngôn ngữ tự nhiên, self-heal khi UI thay đổi. Nhưng theo TestQuality (2026), AI thất bại ở việc hiểu ngữ cảnh, ý định người dùng và sắc thái nghiệp vụ (TestQuality).

[AI sinh test case]  →  [Tester review & chỉnh sửa]
                              ↓
                    [Approved test merge vào suite]
                              ↓
                  [AI chạy + báo cáo failure]
                              ↓
                [Tester phân loại: real bug vs flaky]
                              ↓
                  [Tester quyết định release]

5. 🚀 Deploy & Monitor: AI phân tích log production, gợi ý rollback. Con người ở đâu? Phán quyết "release hay không release".

💡 Quy tắc vàng: Đừng để AI "tự sản xuất, tự kiểm thử, tự duyệt". Luôn có một con người ở khâu phán quyết cuối.

3. QA/QC trong HITL – 2 góc nhìn quan trọng 🎯

Khi HITL trở thành chuẩn mực mới trong cả phát triển phần mềm lẫn kiểm thử, vai trò của QA/QC tại Việt Nam sẽ chịu ảnh hưởng theo hai hướng rất rõ ràng: vai trò công việc thay đổi và kỹ năng cần học cũng phải đổi theo. Đây cũng là phần "ruột" mà IT Learn muốn các bạn ghi nhớ kỹ.

🔄 Góc nhìn 1: Vai trò & trách nhiệm của QA/QC thay đổi như thế nào trong HITL?

Trước kỷ nguyên HITL, vai trò QA/QC khá tuyến tính: nhận tài liệu yêu cầu → viết test case → chạy thủ công hoặc tự động → log bug → xác nhận fix. Trong mô hình HITL, vai trò mở rộng hơn rất nhiều vì con người không còn chỉ ở cuối dây chuyền – mà phải đứng ở mọi điểm chốt mà AI tham gia:

🔁 Từ "người chạy test case" → "người thiết kế quality gate cho AI"

Khi AI sinh test case tự động (Postbot, testRigor...), QA không phải mất công viết từng test, nhưng phải đảm nhận một vai trò mới: gác cổng chất lượng. Cụ thể, bạn cần phán đoán test case nào AI sinh ra là hợp lý, test case nào thiếu, test case nào dư thừa, và test case nào đang test sai business logic. Đây là quyết định mà chỉ con người với hiểu biết nghiệp vụ mới làm được.

📋 Từ "người viết bug report" → "người validate AI output"

Khi sản phẩm có tích hợp AI (chatbot, recommendation engine, AI search...), tester phải biết phân biệt 3 loại failure khác nhau: (1) bug code thông thường, (2) hallucination – AI bịa thông tin, (3) flaky test – test không ổn định. Mỗi loại có cách xử lý hoàn toàn khác. Đặc biệt với hallucination, không có "expected output" cố định để so sánh – tester phải dựa vào context và domain knowledge.

🔁 Từ "regression thủ công" → "exploratory testing chuyên sâu"

AI rất giỏi chạy regression hàng loạt. Nhưng theo TestQuality, AI không giỏi tìm ra những edge case kỳ lạ – những "góc khuất" mà chỉ kinh nghiệm và trực giác con người mới phát hiện. Ví dụ: ai đó nhập tên có dấu tiếng Việt vào ô English-only, người dùng spam click 50 lần liên tục, hoặc kết hợp các luồng nghiệp vụ theo thứ tự "không ai nghĩ đến". Đây là sân chơi mới của tester có kinh nghiệm.

📞 Từ "trạm cuối" → "cầu nối giữa AI và nghiệp vụ"

Đặc biệt với QA/QC tại Việt Nam – nơi nhiều dự án outsourcing cho khách Mỹ, Nhật, Châu Âu hoặc các sản phẩm Việt phục vụ thị trường nội địa – tester phải làm cầu nối giữa AI tooling (do client/tool yêu cầu) và nghiệp vụ. Một AI assistant không hiểu được vì sao Napas có timeout 30 giây, vì sao popup quảng cáo không nên xuất hiện trong app ngân hàng, hay vì sao thông báo bằng tiếng Việt cần chú ý dấu câu để không bị gãy nghĩa.

🚩 Tóm lại: Bạn không còn là "trạm cuối" trong dây chuyền – bạn trở thành người kéo cờ chất lượng ở mọi khâu, từ đọc spec, review AI-generated test, đến phán quyết release.

🎓 Góc nhìn 2: Kỹ năng cần học để "đứng vững trong loop"

Để thực hiện được vai trò mới ở trên, QA/QC tại Việt Nam cần đầu tư cho mình một bộ kỹ năng "lai" giữa testing truyền thống và AI literacy. Tổng hợp từ Functionize, TestRigor và xu hướng tuyển dụng từ TopCV, ITviec:

🔧 Kỹ năng kỹ thuật (theo độ ưu tiên cho thị trường Việt Nam):

  1. ISTQB Foundation – chứng chỉ "đầu vào" gần như bắt buộc tại các công ty lớn ở Việt Nam, là nền móng tư duy kiểm thử
  2. SQL và API testing (Postman) – nền tảng không thể thiếu, đặc biệt khi review API mà AI sinh test
  3. Một ngôn ngữ lập trình (Python, Java hoặc JavaScript) – ưu tiên Python vì gần với AI/ML và dễ học cho tester
  4. Automation framework: Selenium, Playwright, Cypress – tùy stack công ty
  5. AI tooling literacy: biết dùng Postbot, GitHub Copilot, Claude Code, ChatGPT/Claude trong workflow hàng ngày
  6. Prompt engineering: viết prompt hiệu quả là kỹ năng "thầm lặng" nhưng cực giá trị – cùng một AI tool, người biết prompt tốt sẽ có output tốt hơn 3-5 lần
  7. CI/CD basics: Jenkins, GitLab CI, GitHub Actions – để hiểu test trong pipeline
  8. AI/ML fundamentals: hiểu các khái niệm như drift, bias, hallucination để test sản phẩm có tích hợp AI

🧠 Tư duy & soft skills – Nơi con người vẫn vô địch:

Đây là phần AI không thể thay thế trong vài năm tới, và cũng là điểm tạo ra giá trị thực sự khi bạn đứng trong loop:

  • 🧐 Critical thinking – kỹ năng số 1. Khi AI nói "test pass", bạn vẫn phải tự hỏi "thật không?". Khi Copilot generate code, bạn phải đặt câu hỏi "logic này có đúng business không?"
  • 🏦 Domain expertise – chọn 1-2 ngành (ngân hàng, fintech, thương mại điện tử, logistics) và đào sâu. AI có thể giỏi kỹ thuật nhưng không hiểu nghiệp vụ chuyên sâu
  • 🤝 Communication & collaboration – làm việc cross-team với Business Analyst, Developer, AI Engineer; giải thích cho stakeholder vì sao một AI feature chưa nên release
  • 🌏 Tiếng Anh – để đọc tài liệu AI mới nhất (mọi công cụ AI đỉnh đều có tài liệu gốc bằng tiếng Anh) và làm việc với khách hàng quốc tế
  • 📚 Continuous learning – ngành AI đổi mới mỗi quý. Tâm thế học hỏi suốt đời quan trọng hơn bất cứ chứng chỉ nào

📌 Mẹo từ IT Learn: Đừng học ôm đồm. Lộ trình gợi ý cho bạn fresher tại Việt Nam: Manual cộng ISTQB (3 tháng) → API và SQL (2 tháng) → Automation cơ bản (4-6 tháng) → AI tooling và Prompt engineering (liên tục). Nền móng vững rồi mới chồng AI lên trên – đừng đảo ngược thứ tự.

4. Lời kết – HITL không phải mối đe dọa, mà là sân chơi mới 💙

Quay lại câu hỏi mở đầu: trong thế giới mà AI viết code, sinh test, raise pull request – con người ở đâu?

Câu trả lời rất rõ: con người ở khắp mọi nơi trong loop – review plan, validate code, kiểm tra test case, phán quyết release. AI nhân lên năng suất, nhưng trách nhiệm và phán đoán chất lượng vẫn là của chúng ta.

Với QA/QC tại Việt Nam, HITL không phải dấu chấm hết – nó là lời mời để nâng cấp bản thân thành một phiên bản giá trị hơn: từ tester đơn thuần thành người gác cổng chất lượng cho cả AI lẫn con người. Vấn đề chỉ là: bạn có sẵn sàng học và thay đổi không? 🚀

🗨️ Còn bạn thì sao?

  • Trong công việc hàng ngày, bạn đã từng "đứng trong loop" để review output của công cụ AI nào chưa (Copilot, Postbot, ChatGPT...)?
  • Công ty bạn đã bắt đầu áp dụng AI vào QA chưa? Cụ thể như thế nào?
  • Kỹ năng nào trong danh sách trên bạn thấy khó nhất với điều kiện hiện tại?

Comment chia sẻ trải nghiệm với cộng đồng IT Learn nhé – mỗi câu chuyện thực tế của tester Việt đều cực kỳ quý giá! 💬

📌 Đừng quên follow Fanpage IT Learn để không bỏ lỡ các bài viết, sự kiện và nội dung mới nhất về AI trong kiểm thử – được Việt hóa và sát thực tế ngành QA Việt Nam. Hẹn gặp lại bạn ở những bài tiếp theo! 👋

📚 Tài liệu tham khảo

  1. IBM Think – What Is Human In The Loop (HITL)? – https://www.ibm.com/think/topics/human-in-the-loop
  2. Google Cloud – What is Human-in-the-Loop in AI & ML? – https://cloud.google.com/discover/human-in-the-loop
  3. Hugging Face – Illustrating RLHF – https://huggingface.co/blog/rlhf
  4. Martin Fowler – Humans and Agents in Software Engineering Loops – https://martinfowler.com/articles/exploring-gen-ai/humans-and-agents.html
  5. Atlassian Engineering Blog – Human in the Loop Software Development Agents (HULA) – https://www.atlassian.com/blog/atlassian-engineering/hula-blog-autodev-paper-human-in-the-loop-software-development-agents
  6. The Human in the Loop – Platformatic – https://adventures.nodeland.dev/archive/the-human-in-the-loop/
  7. In The Loop – Human Review for AI-Built Apps – https://intheloop.engineering/
  8. TestQuality – What AI Can't Do in QA – https://testquality.com/what-ai-cant-do-in-qa-the-case-for-human-in-the-loop-testing/
  9. Functionize – How QA Professionals Can Prepare for an AI-Dominant Future – https://www.functionize.com/blog/how-qa-professionals-can-prepare-for-an-ai-dominant-future
  10. testRigor – Top QA Tester's Skills in 2026 – https://testrigor.com/blog/top-qa-testers-skills/

✍️ Biên soạn bởi đội ngũ IT Learn – Trung tâm đào tạo chuyên sâu cho cộng đồng kiểm thử Việt Nam.