Từ một nhu cầu thực tế đến một ứng dụng tự động hóa bằng AI và Vibe Coding

Trong quá trình làm việc, nhiều ý tưởng phần mềm không xuất phát từ một “dự án CNTT” lớn, mà từ những việc rất cụ thể và lặp đi lặp lại mỗi ngày.

Một ví dụ gần đây là bài toán nhập dữ liệu khảo sát hài lòng người bệnh.

Tại bệnh viện, dữ liệu có thể được thu thập thuận tiện bằng Google Form. Tuy nhiên sau đó vẫn cần nhập lại từng phiếu vào hệ thống khảo sát để tổng hợp, phân tích và báo cáo.

Nếu làm thủ công, nhân viên phải mở từng phiếu, chọn từng trường, nhập từng giá trị. Với hàng trăm phiếu, đây là một công việc tốn thời gian nhưng giá trị chuyên môn không cao.

Từ bài toán đó, chúng tôi xây dựng KSHL Importer – một ứng dụng tự động đọc dữ liệu từ Excel và nhập từng phiếu vào hệ thống khảo sát trên trình duyệt.

Điểm đáng chú ý không chỉ nằm ở ứng dụng cuối cùng, mà ở cách ứng dụng được tạo ra.

Vibe Coding: từ mô tả công việc sang phần mềm chạy được

Thay vì bắt đầu bằng việc viết đặc tả kỹ thuật dài, thiết kế kiến trúc phức tạp rồi mới lập trình, quá trình phát triển được thực hiện theo kiểu Vibe Coding:

Người dùng mô tả trực tiếp nhu cầu bằng ngôn ngữ tự nhiên:

Tôi có dữ liệu khảo sát trong file Excel.
Tôi muốn chương trình mở trình duyệt, đăng nhập hệ thống, nhập từng trường và gửi phiếu.
Tôi muốn nhìn thấy từng thao tác trên Chrome.
Nếu file sai cấu trúc thì phải dừng.
Trước khi gửi hàng loạt cần có chế độ chạy thử.

AI hỗ trợ chuyển những yêu cầu đó thành:

• cấu trúc chương trình;
• mã Python;
• Selenium automation;
• xử lý Excel;
• kiểm tra dữ liệu;
• giao diện người dùng;
• logic đăng nhập;
• xử lý lỗi;
• đóng gói ứng dụng Windows.

Sau đó quá trình phát triển diễn ra theo vòng lặp rất nhanh:

Mô tả yêu cầu → AI viết code → chạy thử → phát hiện lỗi → gửi log/ảnh → AI sửa code → chạy lại.

Đây chính là một trong những giá trị lớn nhất của Vibe Coding.

Người làm nghiệp vụ không nhất thiết phải tự viết toàn bộ mã nguồn từ đầu. Quan trọng hơn là phải hiểu rõ:

• công việc đang gặp vấn đề gì;
• dữ liệu đầu vào là gì;
• kết quả mong muốn là gì;
• quy tắc nghiệp vụ nào phải được giữ;
• tình huống lỗi nào cần được kiểm soát.

AI đảm nhiệm một phần rất lớn công việc chuyển hóa những yêu cầu đó thành phần mềm.

AI không chỉ “viết code”

Trong quá trình xây dựng KSHL Importer, AI được sử dụng ở nhiều lớp khác nhau.

1. Phân tích hệ thống hiện có

AI đọc source HTML của Webform Drupal để xác định:

• tên field;
• kiểu input;
• select;
• radio button;
• textarea;
• các điều kiện ẩn/hiện;
• value thật của từng lựa chọn.

Ví dụ, một câu hỏi hiển thị:

1. Nam – 2. Nữ – 3. Khác

nhưng chương trình phải biết chính xác field trong HTML là gì và giá trị thực sự gửi về Drupal là 1, 2, hay 3.

2. Mapping dữ liệu giữa hai hệ thống

Google Form và Drupal không lưu dữ liệu giống nhau.

Excel có thể ghi:

1. Có
a. Người bệnh
0 - Không sử dụng

Trong khi Webform chỉ nhận:

1
1
0

AI hỗ trợ xây dựng lớp chuẩn hóa dữ liệu trước khi nhập.

3. Debug bằng log và ảnh màn hình

Khi Selenium gặp lỗi, chỉ cần gửi traceback hoặc ảnh màn hình.

Ví dụ một trường trên Drupal đang bị ẩn theo điều kiện, Selenium vẫn tìm thấy trong DOM nhưng không thể tương tác.

Từ log:

ElementNotInteractableException

AI có thể lần ngược lại logic của form và sửa chương trình.

Một lỗi khác xảy ra khi tiêu đề A1. Giới tính bị nhầm với câu đánh giá A1.

Thông qua ảnh và log, mapping được sửa lại.

Đây là một ví dụ rất thực tế về việc AI tham gia trực tiếp vào chu trình debug – kiểm thử – hoàn thiện sản phẩm.

Từ script Python thành một ứng dụng Windows

Ban đầu KSHL Importer chỉ là một script Python chạy trong Terminal.

Sau khi chức năng chính ổn định, ứng dụng tiếp tục được phát triển thành chương trình có giao diện:

Mở ứng dụng

↓

Đăng nhập tài khoản

↓

Nhập tài khoản hệ thống khảo sát

↓

Chọn file XLSX

↓

Kiểm tra cấu trúc dữ liệu

↓

Chạy thử

↓

Nhập tự động các phiếu khảo sát

Người sử dụng không cần biết Python hay Selenium.

Trình duyệt Chrome được mở thật và người dùng có thể quan sát toàn bộ quá trình chương trình thao tác.

Như vậy một bài toán ban đầu chỉ là:

“Có cách nào đỡ phải nhập lại hàng trăm phiếu không?”

đã được chuyển thành một ứng dụng có thể sử dụng thực tế.

Đây mới là giá trị đáng chú ý của AI trong công việc

Khi nói về AI, nhiều người thường nghĩ đến:

• hỏi đáp;
• viết văn bản;
• tóm tắt;
• tạo hình ảnh;
• chatbot.

Nhưng một hướng ứng dụng rất đáng quan tâm là:

Dùng AI để tạo ra các công cụ nhỏ giải quyết trực tiếp những công việc lặp lại trong đơn vị.

Trong bệnh viện có rất nhiều bài toán dạng này:

• nhập dữ liệu giữa hai hệ thống;
• tổng hợp Excel;
• kiểm tra biểu mẫu;
• đối chiếu danh sách;
• tạo báo cáo định kỳ;
• chuẩn hóa hồ sơ;
• kiểm tra dữ liệu trước khi gửi;
• tự động hóa thao tác trên website;
• chuyển đổi dữ liệu;
• tạo checklist;
• cảnh báo các trường hợp bất thường.

Mỗi công cụ riêng lẻ có thể không phải một “phần mềm lớn”.

Nhưng nếu một công cụ tiết kiệm 30 phút mỗi ngày cho 10 người, giá trị tích lũy theo thời gian là rất đáng kể.

Vibe Coding đặc biệt phù hợp với người hiểu nghiệp vụ

Một điểm rất thú vị là trong mô hình này, lợi thế không nhất thiết thuộc về người viết code nhanh nhất.

Người có lợi thế lớn là người hiểu sâu quy trình công việc.

Ví dụ trong quản lý chất lượng bệnh viện, người làm nghiệp vụ biết:

• bước nào đang mất thời gian;
• lỗi nào thường xảy ra;
• trường dữ liệu nào quan trọng;
• quy trình nào cần kiểm soát;
• kết quả nào cần tổng hợp;
• thao tác nào có thể tự động hóa.

Khi kết hợp hiểu biết đó với AI, người dùng có thể từng bước tạo ra công cụ phù hợp rất sát với nhu cầu của chính mình.

Có thể xem đây là sự thay đổi từ:

“Tôi cần tìm một phần mềm có sẵn phù hợp với công việc.”

sang:

“Tôi có thể cùng AI tạo một công cụ phù hợp với công việc của mình.”

AI + Vibe Coding: hướng đi đáng thử trong chuyển đổi số y tế

KSHL Importer chỉ là một ứng dụng nhỏ.

Nhưng quá trình tạo ra nó cho thấy một mô hình rất đáng quan tâm:

Nghiệp vụ thực tế + AI + Vibe Coding + Automation

có thể giúp biến những nhu cầu nhỏ trong công việc thành những công cụ sử dụng được trong thời gian ngắn.

Đây cũng là hướng HI.AI.VN muốn tiếp tục chia sẻ:

• cách nhận diện công việc có thể tự động hóa;
• cách mô tả yêu cầu cho AI;
• cách dùng AI để viết và sửa code;
• cách kiểm thử bằng dữ liệu thật;
• cách từ một script nhỏ phát triển thành ứng dụng;
• và quan trọng nhất: cách đưa AI vào giải quyết những công việc cụ thể trong môi trường y tế.

AI không nhất thiết phải bắt đầu từ những dự án lớn.

Đôi khi, một ứng dụng hữu ích nhất lại bắt đầu từ một câu rất đơn giản:

“Việc này ngày nào mình cũng phải làm, liệu có thể tự động hóa được không?”