Thành công của AI trong lập trình không chỉ nằm ở việc có thật nhiều dữ liệu—mà còn ở việc có *đúng loại* dữ liệu được cấu trúc hoá và có thể thực thi. GitHub đã mang đến cho chúng ta hàng tỷ dòng mã với các đầu vào, đầu ra và luồng logic rõ ràng, có thể được kiểm chứng bằng cách chạy chương trình theo cách tự động. Vòng phản hồi đó đúng là “vàng”.

Các ngành khác thì không có điều đó. Y học có dữ liệu bệnh nhân bị khóa sau HIPAA. Công việc pháp lý được chôn trong các hồ sơ vụ án độc quyền. Dữ liệu sản xuất lại nằm trong các hệ thống nhà máy tách biệt. Dù bạn có thể tổng hợp chúng, vẫn không có một thứ tương đương mang tính phổ quát kiểu “biên dịch và chạy” để xác thực độ đúng.

Văn hoá mã nguồn mở phải mất hàng chục năm để hình thành—Linus bắt đầu phát triển kernel vào '91, GitHub ra mắt vào '08, và mãi đến tận những năm 2010 thì các công ty mới thật sự coi trọng nó. Bạn không thể tự tạo niềm tin và sự hợp tác đó chỉ trong một đêm.

Vậy nên, đúng là AI viết code hoạt động vì chúng ta đã vô tình xây dựng được hạ tầng huấn luyện hoàn hảo trong hơn 30 năm. Việc sao chép điều đó cho luật, y tế hay sản xuất? Chúng ta đang nói về các mô hình truy cập dữ liệu hoàn toàn khác nhau, các ràng buộc về quyền riêng tư và cơ chế khuyến khích. Đây không chỉ là bài toán về dung lượng dữ liệu—mà là bài toán về cả hệ sinh thái.