AI giờ có thể viết test á? Nghe hay ho đấy, nhưng mà... 🤔

Lê Lân

06/07/2025

AI Viết Test Code: Cơ Hội Và Rủi Ro Cần Biết Để Áp Dụng Hiệu Quả

Mở Đầu

Công cụ hỗ trợ mã hóa AI ngày càng phổ biến và có thể viết các đoạn code, trong đó bao gồm việc tạo ra code kiểm thử tự động. Đây dường như là một bước tiến vượt bậc giúp tăng độ bao phủ test và giảm bớt gánh nặng kiểm thử thủ công.

Trong thời đại phần mềm phát triển nhanh, việc đảm bảo chất lượng code thông qua test tự động đóng vai trò then chốt. Tuy nhiên, mặc dù AI có thể tự động tạo ra các bài kiểm thử, thì việc "lại quả" hoàn toàn cho AI mà không hiểu rõ các giới hạn của nó có thể khiến chất lượng thực tế giảm sút, thậm chí che giấu lỗi trong hệ thống. Bài viết này sẽ phân tích cách mà AI học mã nguồn, những rủi ro khi dùng AI tạo test tự động, đồng thời đề xuất những cách tiếp cận thông minh để tận dụng AI mà vẫn giữ được chất lượng phần mềm.

AI Học Cách Viết Code Như Thế Nào Và Vấn Đề Với Test Tự Động?

Cách AI Học Viết Code

AI dạng Large Language Model (LLM) được huấn luyện trên hàng tỷ dòng mã nguồn từ GitHub, Stack Overflow và nhiều dự án mở khác. AI học được các mẫu code, cách sử dụng API và phong cách lập trình phổ biến để dự đoán và sinh ra đoạn code tiếp theo hợp lý trong context.

Tại Sao Điều Này Là Vấn Đề Với Test Code?

AI không phân biệt được mã nguồn tốt hay xấu; nó học theo các mẫu thấy được, kể cả lỗi, anti-pattern, hoặc code lỗi thời.

Điều này dẫn đến các hậu quả:

AI có thể tạo ra các test có lỗi hoặc thiếu sót.

AI thường test theo hiện trạng code, xác nhận bug thay vì phát hiện bug.

Thiếu hiểu biết về mục đích nghiệp vụ, AI không chọn được test phù hợp với yêu cầu thật.

Điều quan trọng: AI mô phỏng các mẫu code chứ không thể hiểu hay đánh giá đúng sai về mục đích nghiệp vụ.

Vấn Đề Thường Gặp Khi AI Tạo Test Tự Động

1. Test Tự Động Có Thể Sai Lệch Hoặc Không Đầy Đủ

Không có assert hoặc assert yếu: Nhiều test AI tạo ra chỉ chạy hàm mà không kiểm tra kết quả.

Test chỉ đường "happy path": Không kiểm thử các trường hợp ngoại lệ hoặc đầu vào bất thường.

Test logic sai hoặc setup sai: AI có thể mock không đúng, so sánh kết quả sai, hoặc để test chập chờn, không ổn định.

Test cho bug thay vì yêu cầu: AI kiểm thử đúng cách code chạy chứ không kiểm thử tính đúng đắn của nghiệp vụ.

Ví dụ minh họa:

@Test
void testProcessItem() {
    ItemProcessor processor = new ItemProcessor();
    Item item = getTestItem();
    processor.process(item);
    // Không có assert kiểm tra process có kết quả đúng hay không
}

Test này vẫn chạy và báo passed nhưng không chứng minh gì về chất lượng.

2. Verification vs. Validation: Test Code Bạn Có, Không Phải Test Code Cần

Verification: Kiểm tra code được viết có chạy theo đúng logic hiện tại hay không.

Validation: Kiểm tra code có đáp ứng đúng yêu cầu người dùng hay không.

AI chủ yếu làm verification. Ví dụ, nếu hàm tính thuế có lỗi trả kết quả âm sai, test AI tạo ra sẽ khẳng định kết quả âm đó là đúng!

@Test
void calculateTax_whenIncomeIsLow_shouldReturnNegativeTax_dueToBug() {
    BigDecimal lowIncome = new BigDecimal("10000.00");
    BigDecimal expectedNegativeTax = new BigDecimal("-3500.00");
    BigDecimal actualTax = calculator.calculateTax(lowIncome);
    assertEquals(expectedNegativeTax, actualTax);
}

Đây chính là "bẫy validation": test chạy đúng với code hiện có nhưng không đúng với yêu cầu thực tế.

Làm Thế Nào Để Kiểm Soát Chất Lượng Test AI Sinh Ra?

Tận Dụng Công Cụ Phân Tích Tĩnh

Công cụ như SonarQube có bộ quy tắc kiểm tra riêng cho test Java, giúp:

Phát hiện test không có assert.

Kiểm tra cấu trúc test hợp lệ.

Đảm bảo đặt tên test rõ ràng.

Kiểm tra khai báo framework đúng chuẩn.

Tránh lạm dụng console print gây chậm build.

Phát hiện mock chưa khai báo hoặc sai.

Yêu cầu assert exception cụ thể, không dùng generic.

Quy Tắc SonarQube Ví Dụ	Vấn Đề Của Code
S2699	Test không assert
S5786	Test method private
S3577	Tên test mơ hồ
S5776	Bắt ngoại lệ theo kiểu cũ
S106	Print ra console trong test
S5979	Mock chưa khai báo
S112	Bắt exception quá chung chung

Review Và Chỉnh Sửa Thủ Công

Kiểm tra logic test: Xem test đã bao phủ đủ edge cases chưa.

So sánh với yêu cầu: Test liệu có đại diện cho hành vi mong muốn?

Xử lý trường hợp bất thường và test hiệu suất.

Kiểm tra mock và stub hợp lệ.

Lời Khuyên Khi Sử Dụng AI Hỗ Trợ Viết Test

Sử dụng AI cho việc tạo code mẫu, test đơn giản, hoặc biến thể test.

Nhớ rằng output của AI là bản nháp, cần chỉnh sửa và hiệu chỉnh.

Cung cấp prompt chi tiết bao gồm yêu cầu rõ ràng và data mẫu.

Kết hợp kiểm tra tĩnh trong IDE và CI để phát hiện lỗi nhanh.

Bắt đầu thử nghiệm trên dự án an toàn, đo lường hiệu quả thật tế.

Kết Luận

AI hỗ trợ tạo test code là một công cụ tiện lợi có thể giảm bớt gánh nặng viết test thủ công, tăng năng suất. Tuy nhiên:

AI không thể tự động đảm bảo chất lượng test theo đúng yêu cầu nghiệp vụ.

Các test do AI tạo ra có thể sai sót, thiếu phần đánh giá logic.

Cần kết hợp đánh giá thủ công và phân tích tĩnh tự động để giữ chặt chất lượng.

Hiểu rõ cách AI hoạt động, sử dụng AI như một trợ lý, không phải người thay thế hoàn toàn.

Để AI phát huy hiệu quả, hãy đầu tư vào quy trình review và công cụ kiểm tra phù hợp, tránh “bẫy” test xác nhận bug hoặc test nửa vời gây phản tác dụng.

Tham Khảo

SonarQube Rules for Java Tests

ThoughtWorks, Using AI for Automated Testing

AWS DevOps Blog, Automated Test Generation with AI

Visure Solutions, Requirements-Based Test Automation

Various GitHub repositories and developer experiences with AI coding tools in 2023-2024.

June 12, 2024