Lanre Shittu: Hành trình từ kỹ sư xây dựng đến chuyên gia AI hàng đầu và nghệ thuật viết lách kỹ thuật

Bài viết được dịch và tổng hợp từ tin tức gốc. Bạn có thể đọc bài viết gốc bằng tiếng Anh tại đây.

Điểm tin nhanh:

• Lanre Shittu chuyển đổi từ kỹ sư xây dựng sang chuyên gia ML/AI cấp cao, hiện đang dẫn dắt lộ trình AI tại Fxbud.
• Thành công trong việc tối ưu hóa pipeline LLMOps giúp tăng độ chính xác của tác vụ từ 55% lên 80%.
• Lanre nhấn mạnh tầm quan trọng của việc cân bằng giữa hạ tầng dữ liệu và mô hình AI thay vì chỉ chạy theo các xu hướng công nghệ hào nhoáng.

Trong thế giới công nghệ đầy biến động, nơi các thuật ngữ như LLM hay Agentic AI xuất hiện dày đặc mỗi ngày, việc giữ được cái đầu lạnh để tập trung vào giá trị thực tế là một thử thách lớn. Lanre Shittu, một Senior ML/AI Engineer tại Fxbud, không chỉ là người thực thi các kiến trúc AI phức tạp mà còn là một cây bút sắc sảo, người luôn đặt câu hỏi về bản chất của sự hiệu quả trong phát triển phần mềm.

Từ kỹ sư xây dựng đến kiến trúc sư AI

Con đường sự nghiệp của Lanre không đi theo một đường thẳng. Xuất phát điểm là một kỹ sư xây dựng tại Lagos, ông từng dành thời gian cho các công tác kiểm tra công trình. Sự chuyển hướng sang khoa học dữ liệu và sau đó là AI không phải là ngẫu nhiên, mà là kết quả của một quá trình tư duy logic chặt chẽ. Hiện tại, ông không chỉ dẫn dắt các dự án AI tại Fxbud mà còn là thành viên cao cấp của IEEE và MBCS, đồng thời tham gia phản biện các bài báo khoa học về ML và chẩn đoán hình ảnh y tế.

Tối ưu hóa hiệu suất AI: Những con số biết nói

Tại Fxbud, Lanre tập trung vào việc xây dựng các hệ thống AI có khả năng chịu tải và đáp ứng các tiêu chuẩn khắt khe trong ngành tài chính. Một trong những thành tựu đáng chú ý nhất của ông là việc tái cấu trúc hệ thống supervisor-executor agent và tối ưu hóa pipeline LLMOps.

Việc cải thiện độ chính xác này không chỉ là con số trên giấy tờ, mà là minh chứng cho việc áp dụng đúng đắn kỹ thuật vào thực tế. Nếu bạn đang quan tâm đến việc tối ưu hóa quy trình, hãy tham khảo thêm về chiến lược chọn kiến trúc AI API cho mọi quy mô hệ thống để có cái nhìn tổng quan hơn.

Tư duy về AI: Dữ liệu hay Mô hình?

Lanre Shittu thường xuyên cảnh báo về việc các đội ngũ kỹ thuật quá chú trọng vào các mô hình AI hào nhoáng trong khi hạ tầng dữ liệu lại yếu kém. Ông cho rằng, việc xây dựng hệ thống AI cũng giống như xây dựng một công trình, nếu nền móng (dữ liệu) không vững chắc, toàn bộ cấu trúc sẽ sụp đổ. Tư duy này rất tương đồng với việc xây dựng hệ thống quản lý tri thức cá nhân, nơi mà việc tổ chức thông tin đầu vào quyết định chất lượng đầu ra.

Mẹo hay: Khi xây dựng hệ thống RAG (Retrieval-Augmented Generation), hãy ưu tiên tối ưu hóa vector database và memory architecture trước khi tinh chỉnh các tham số của LLM.

Viết lách như một phần của kỹ thuật

Đối với Lanre, viết không chỉ là chia sẻ, mà là cách để ông tự phản biện lại những vấn đề mình gặp phải trong công việc hàng ngày. Ông thường bắt đầu viết khi đang đối mặt với những thách thức trong việc debug hoặc thiết kế hệ thống. Để duy trì sự tập trung cao độ trong quá trình này, nhiều lập trình viên đã tìm đến các giải pháp như Zen Mode trên macOS để tối ưu hóa môi trường làm việc.

Đánh giá & Lời khuyên Thực tiễn

Từ góc nhìn của một kỹ sư cấp cao, cách tiếp cận của Lanre Shittu mang lại những giá trị cốt lõi:

• Ưu điểm: Tập trung vào tính thực dụng, khả năng auditability (khả năng kiểm chứng) và độ tin cậy của hệ thống AI trong môi trường sản xuất (Production).
• Nhược điểm: Đòi hỏi kỷ luật cao trong việc quản lý dữ liệu, vốn thường bị coi là phần việc nhàm chán so với việc huấn luyện mô hình.
• Phạm vi ứng dụng: Đặc biệt phù hợp cho các hệ thống Fintech, Healthcare hoặc bất kỳ lĩnh vực nào yêu cầu tính chính xác cao và khả năng giải trình (explainability).

Lưu ý: Khi triển khai các hệ thống Agentic AI, cần đặc biệt chú trọng đến latency và khả năng fail-safe. Đừng để hệ thống của bạn rơi vào tình trạng fail-fast mà không có cơ chế khôi phục, hãy xem xét kỹ các rủi ro khi tích hợp AI Agent vào doanh nghiệp.

Câu hỏi thường gặp (FAQ)

Tại sao Lanre Shittu lại nhấn mạnh vào việc cân bằng giữa AI và dữ liệu?

Vì dữ liệu là nhiên liệu cho mọi mô hình AI. Nếu dữ liệu đầu vào không sạch hoặc không được cấu trúc tốt, mô hình dù hiện đại đến đâu cũng sẽ cho ra kết quả sai lệch.

Làm thế nào để bắt đầu viết lách kỹ thuật hiệu quả?

Hãy bắt đầu bằng việc ghi lại những vấn đề bạn đang giải quyết tại công việc. Đừng cố gắng viết hoàn hảo ngay từ đầu, hãy viết ra những lập luận của chính bạn và chỉnh sửa sau khi đã bình tĩnh lại.

Lời khuyên cho những người muốn chuyển hướng sang AI là gì?

Đừng bỏ qua những kiến thức nền tảng về toán học và kỹ thuật phần mềm. AI không chỉ là gọi API, nó là việc hiểu cách hệ thống vận hành từ bên trong.

Kết luận

Câu chuyện của Lanre Shittu là minh chứng cho việc tư duy kỹ thuật có thể được áp dụng linh hoạt trong nhiều lĩnh vực, từ xây dựng dân dụng đến kiến trúc AI. Việc không ngừng học hỏi và chia sẻ tri thức không chỉ giúp cá nhân phát triển mà còn đóng góp cho sự bền vững của cộng đồng lập trình viên. Nếu bạn thấy mình có những kinh nghiệm thực chiến quý giá, đừng ngần ngại chia sẻ. Hãy theo dõi hi_dev để cập nhật những bài viết chuyên sâu về công nghệ và AI hàng tuần.