Đây là những "khách mời" thường xuyên trong các báo cáo bug. Tuy nhiên, sự xuất hiện của Generative AI (GenAI) trong quy trình phát triển và kiểm thử đang dần thay đổi bức tranh này.
AI hiện đã được tích hợp vào IDE, code review và pipeline kiểm thử — kết quả là một số nhóm bug "kinh điển" sẽ giảm dần về tần suất, trong khi những loại bug khác đòi hỏi nhiều hơn ở năng lực và tư duy của tester. Bài viết này, IT Learn sẽ cùng bạn phân tích những nhóm bug đang dần biến mất, những nhóm bug sẽ trở nên quan trọng hơn, và tester cần rèn luyện những kỹ năng gì để thích nghi với giai đoạn mới của ngành.
1. Nhóm bug đang dần được AI "xử lý" từ sớm
Khi các trợ lý lập trình AI như GitHub Copilot, Cline hay Continue được lập trình viên sử dụng phổ biến, nhiều dạng bug đơn giản được phát hiện và sửa ngay từ giai đoạn viết code, trước khi đến tay tester.
1.1. Bug validation cơ bản
Đây là nhóm bị ảnh hưởng rõ nét nhất. Khi lập trình viên yêu cầu AI "viết form đăng ký với các ràng buộc hợp lý", AI sẽ tự động sinh code kèm validation min/max length, regex cho email, kiểm tra trường bắt buộc, ràng buộc kiểu dữ liệu… Trong các dự án ngân hàng, bảo hiểm, e-commerce — nơi form input là thành phần phổ biến — số lượng bug dạng "không chặn được khoảng trắng đầu chuỗi" hay "cho phép nhập quá 255 ký tự" sẽ giảm đáng kể.
1.2. Bug format và parsing
Lỗi định dạng ngày tháng (DD/MM/YYYY và MM/DD/YYYY), parsing số có phẩy hoặc dấu chấm, encoding ký tự Unicode… từng là nguồn bug thường gặp trong các hệ thống đa ngôn ngữ. AI hiện đã quen với các pattern xử lý format chuẩn và có xu hướng đề xuất giải pháp đúng ngay từ đầu.
1.3. Bug code lặp (boilerplate) và lỗi cú pháp đơn giản
Các bug do copy-paste sai, thiếu null check, dùng sai API method, lỗi cú pháp phổ biến… giảm đáng kể vì AI có khả năng phát hiện và gợi ý sửa ngay khi lập trình viên gõ code. Đây là nhóm bug "tốn thời gian phát hiện nhưng giá trị thấp" mà nhiều tester từng phải xử lý hằng ngày.
1.4. Bug giao diện đơn giản
Lỗi căn lề, sai màu so với design, font không đồng nhất, button không responsive trên màn hình nhỏ… ngày càng được phát hiện sớm hơn nhờ AI hỗ trợ code review giao diện và visual testing. Tuy chưa biến mất hoàn toàn, tần suất xuất hiện trong chu kỳ kiểm thử cuối đã giảm rõ rệt.
Cần lưu ý: AI giảm bug ở nhóm này không có nghĩa là tester không cần kiểm tra. Vai trò của tester chuyển từ "phát hiện lỗi cơ bản" sang "xác nhận AI đã xử lý đúng và đầy đủ" — một tư duy review thay vì tư duy dò bug.
2. Nhóm bug ngày càng đòi hỏi vai trò của tester
Trong khi bug đơn giản giảm đi, các nhóm bug sau lại trở nên quan trọng hơn — và thường vượt khả năng phát hiện của AI hiện tại.
2.1. Bug nghiệp vụ (business logic)
Đây là nhóm bug liên quan đến quy tắc nghiệp vụ đặc thù của từng ngành — thứ AI rất khó "đoán đúng" nếu không được cung cấp đầy đủ context. Một vài ví dụ thực tế:
- Ngân hàng: Quy tắc tính lãi suất thay đổi theo loại tài khoản, kỳ hạn và chương trình ưu đãi đang chạy. AI có thể viết hàm tính lãi đúng cú pháp nhưng sai logic ưu tiên giữa các chương trình.
- Bảo hiểm: Quy tắc tính phí dựa trên tuổi, lịch sử y tế và vùng địa lý. AI dễ bỏ sót điều khoản loại trừ đặc biệt.
- E-commerce: Logic áp mã giảm giá khi khách dùng đồng thời voucher, điểm thưởng và khuyến mãi sẵn có. AI thường sinh code "có vẻ đúng" nhưng sai trong trường hợp giao thoa giữa các chương trình.
- Logistics: Tính cước phí theo khối lượng quy đổi, vùng giao hàng và dịch vụ phụ trợ. AI khó nắm hết các quy tắc nghiệp vụ riêng của từng đơn vị vận chuyển.
2.2. Bug ở quy trình thao tác phức tạp (workflow)
Một quy trình phê duyệt qua nhiều cấp, một giao dịch đi qua nhiều màn hình và nhiều vai trò người dùng, một kịch bản onboarding gồm 7–10 bước với điều kiện rẽ nhánh… là nơi AI dễ "rơi mắt xích". Bug ở dạng này thường chỉ phát hiện được khi tester thao tác xuyên suốt với tư duy end-to-end và kiến thức nghiệp vụ vững.
2.3. Bug tích hợp giữa các hệ thống
Khi dữ liệu chảy qua nhiều service, nhiều API và hệ thống bên thứ ba, lỗi thường xuất hiện ở "khe nối": race condition, mất đồng bộ dữ liệu, timeout không được xử lý, format không thống nhất giữa các bên. AI viết code cho từng service riêng lẻ tốt, nhưng phát hiện bug ở tầng tích hợp vẫn cần con mắt và tư duy hệ thống của tester.
2.4. Bug do chính AI gây ra
Đây là nhóm bug mới hoàn toàn mà tester thời AI cần làm quen. Theo ISTQB CT-GenAI Syllabus v1.0, output của LLM có thể chứa ba dạng lỗi đặc trưng:
- Hallucination: code gọi đến hàm không tồn tại, test case kiểm tra acceptance criteria không có thật.
- Reasoning error: logic điều kiện sai dù cú pháp đúng, đặc biệt ở các đoạn xử lý đa điều kiện.
- Bias: test data không đại diện đầy đủ cho các nhóm người dùng thực tế.
Phát hiện những lỗi này yêu cầu tester có khả năng đánh giá phản biện output do AI sinh ra — một kỹ năng đang trở thành "must-have" trong nghề.
2.5. Bug trải nghiệm người dùng và phi chức năng
Hiệu năng dưới tải cao, UX gây khó chịu, khả năng tiếp cận (accessibility) cho người khuyết tật, trải nghiệm trên thiết bị cấu hình thấp… là những khía cạnh AI khó tự kiểm tra thay con người. Đây là vùng đất tester ngày càng cần đầu tư.
3. Tester nên rèn luyện những kỹ năng gì?
Để chuyển dịch trọng tâm công việc một cách hiệu quả, IT Learn đề xuất 6 nhóm kỹ năng tester nên ưu tiên:
3.1. Hiểu sâu nghiệp vụ (domain knowledge) Khi bug đơn giản đã được AI xử lý phần lớn, giá trị của tester nằm ở việc hiểu nghiệp vụ tốt như một business analyst. Tester ngân hàng cần hiểu quy tắc tính lãi; tester bảo hiểm cần hiểu điều khoản hợp đồng; tester e-commerce cần hiểu logic khuyến mãi và chính sách hoàn trả.
3.2. Tư duy thiết kế test nâng cao Các kỹ thuật như decision table, state transition, pairwise testing, scenario-based testing… sẽ trở thành "vũ khí chính" khi bug nằm ở logic và workflow phức tạp.
3.3. Prompt engineering cho kiểm thử Kỹ năng viết prompt có cấu trúc đầy đủ sáu thành phần (Role, Context, Instruction, Input data, Constraints, Output format) theo chuẩn ISTQB CT-GenAI để AI hỗ trợ sinh test case, test data và test report một cách có hệ thống.
3.4. Đánh giá phản biện output từ AI Khả năng phát hiện hallucination, reasoning error và bias trong test case hay code mà AI sinh ra. Đây là kỹ năng mới nhưng đang trở thành tiêu chuẩn nghề nghiệp của tester thời đại GenAI.
3.5. Exploratory testing và tư duy người dùng Trong khi AI mạnh ở các kịch bản có thể "đoán" được, tester giỏi exploratory testing — nghĩ như người dùng thực, thử các tổ hợp bất thường — sẽ tìm ra những bug AI không thể tự sinh ra ý tưởng kiểm thử.
3.6. Kiểm thử tích hợp và phi chức năng API testing, performance testing, security testing cơ bản, accessibility testing — những vùng vẫn yêu cầu nhiều tư duy con người để thiết kế kịch bản và đánh giá kết quả.
Lời kết
Sự xuất hiện của AI không khiến nghề tester biến mất, nhưng chắc chắn làm thay đổi trọng tâm công việc. Những loại bug từng chiếm phần lớn thời gian — validation, format, lỗi giao diện cơ bản — đang dần được AI xử lý từ giai đoạn viết code. Đổi lại, các nhóm bug đòi hỏi tư duy nghiệp vụ, hiểu workflow phức tạp, đánh giá phản biện output AI và kiểm thử phi chức năng sẽ trở thành "sân chơi" thật sự của tester chuyên nghiệp.
Đây là cơ hội — không phải mối đe dọa — để tester nâng tầm nghề nghiệp: từ người "soi bug bề mặt" trở thành người bảo vệ chất lượng sản phẩm ở tầng sâu, nơi AI chưa thể thay thế.
Nếu bạn quan tâm đến lộ trình phát triển bản thân theo hướng Tester thời AI, hãy theo dõi blog của IT Learn để cập nhật những bài chia sẻ chuyên sâu mới nhất, hoặc liên hệ với chúng tôi qua hộp tin nhắn để được tư vấn lộ trình học tập phù hợp.
