Năng suất lập trình viên AI đang bị đo lệch: một bài phân tích đăng ngày 11/8/2026 cho thấy dù 90% lãnh đạo kỹ thuật báo cáo năng suất tăng trung bình 19,3%, thử nghiệm của METR lại ghi nhận nhóm lập trình viên dùng AI mất thêm 19% thời gian hoàn thành việc thay vì tiết kiệm 24% như họ dự đoán.

Sự khác biệt giữa cảm thấy nhanh và thực sự bàn giao sản phẩm nằm ở cách đo lường. Nhiều đội kỹ thuật khi được hỏi đều nói tốc độ phát triển của họ tăng, nhưng nếu phải nêu con số cụ thể về ngày phát hành sớm hơn, số lỗi giảm hay lượng khiếu nại của khách hàng được xử lý, họ thường im lặng.

Năng suất lập trình viên AI: vì sao cảm giác nhanh không trùng với kết quả?

Việc gắn AI với năng suất rất dễ hiểu: thấy mã hiện lên trong vài giây, ai cũng nghĩ đó là tiến bộ. Nhưng trong quá trình bàn giao phần mềm, tốc độ gõ phím chưa bao giờ là điểm nghẽn.

Điểm nghẽn thực sự là hiểu chính xác vấn đề, tích hợp logic mới mà không phá vỡ hệ thống đang chạy, và phát hiện lỗi trước khi đến tay khách hàng. Tạo mã nhanh hơn không giải quyết ba ràng buộc này, thậm chí làm tăng áp lực lên chúng: mã viết trong vài giây vẫn phải được con người đọc hiểu, kiểm thử và đưa vào hệ thống với tốc độ như trước.

Thử nghiệm METR: dự đoán nhanh hơn 24%, thực tế chậm hơn 19%

Phần lớn số liệu về năng suất đến từ khảo sát của nhà cung cấp hoặc tự đánh giá, vốn thiên về lạc quan. Nghiên cứu của tổ chức METR là ngoại lệ đáng chú ý: đây là thử nghiệm đối chứng ngẫu nhiên, trong đó các nhà phát triển mã nguồn mở giàu kinh nghiệm hoàn thành tác vụ thật có hoặc không có AI hỗ trợ.

Kết quả: nhóm được AI hỗ trợ dự đoán hiệu quả tăng 24%, nhưng thực tế mất nhiều hơn 19% thời gian để hoàn thành. Khoảng cách giữa dự đoán và kết quả quan trọng hơn việc chậm lại: nó cho thấy lập trình viên không thể tự đánh giá chính xác tốc độ khi làm việc với AI.

Điều này đồng nghĩa các chỉ số năng suất tự khai báo, vốn vẫn được nhiều doanh nghiệp dùng, đang đo cảm giác thay vì sự thật.

Cảnh báo từ Git Clear: tỷ lệ tái cấu trúc mã giảm từ 25% xuống dưới 10%

Chậm hơn ở từng tác vụ chỉ là một phần vấn đề. Phân tích của đơn vị phân tích mã nguồn Git Clear trên 211 triệu dòng mã cho thấy tỷ lệ tái cấu trúc mã — việc cố ý đơn giản hóa và hợp nhất mã — trong tổng số thay đổi đã giảm từ 25% xuống dưới 10% trong giai đoạn 2021-2024, đúng vào thời kỳ các công cụ AI viết mã trở nên phổ biến.

Ngày càng ít lập trình viên dừng lại để đơn giản hóa mã; họ tạo mã mới cho vấn đề trước mắt rồi chuyển sang nhiệm vụ kế tiếp. Hệ quả không xuất hiện trong buổi họp tổng kết sprint, mà bùng phát sau khoảng 18 tháng, khi không ai có thể an toàn đụng vào mã xung quanh và các yêu cầu thêm tính năng thông thường mất gấp 3 lần thời gian. Phần mềm tích lũy gánh nặng thay vì giá trị, tuổi thọ sử dụng cũng ngắn lại.

Vì sao vẫn có nơi hưởng lợi thật sự từ AI?

Những dữ liệu trên không phải để phản đối ứng dụng AI. Theo khảo sát của hãng tư vấn công nghệ Gartner, 90% lãnh đạo kỹ thuật ghi nhận năng suất tăng rõ rệt, với mức tăng trung bình đo được là 19,3%.

Hai con số này không mâu thuẫn. Chúng mô tả hai nhóm khác nhau: tổ chức đồng thời mở rộng năng lực đánh giá và kỷ luật kiểm thử khi tăng quy mô tạo mã, và tổ chức để việc tạo mã chạy trước. Khác biệt nằm ở khâu quản trị chứ không phải bản thân công cụ. Tuy nhiên, 60% doanh nghiệp vẫn đang dùng mã chưa qua kiểm thử — nghĩa là nhiều nơi đã rơi vào nhóm thứ hai mà không hề hay biết.

Năm dấu hiệu để kiểm tra AI có thực sự giúp ích

Để biết AI có cải thiện hiệu suất kỹ thuật hay không, bài viết gợi ý năm việc cụ thể. Thứ nhất, so sánh tỷ lệ lỗi và sự cố trước và sau khi áp dụng AI, dùng số liệu bàn giao thay vì cảm nhận của lập trình viên.

Thứ hai, theo dõi tỷ lệ mã mới so với mã được tái cấu trúc theo thời gian; tỷ lệ tái cấu trúc giảm là cảnh báo sớm cho khả năng bảo trì. Thứ ba, bắt buộc có quy trình đánh giá và kiểm thử rõ ràng trước khi hợp nhất mã do AI tạo, bởi mã chưa kiểm thử đang thành thói quen phổ biến.

Thứ tư, giao trách nhiệm cụ thể cho lãnh đạo kỹ thuật về khoảng cách giữa tốc độ tạo mã và năng lực đánh giá. Cuối cùng, mỗi quý hãy đánh giá lại năng suất bằng dữ liệu bàn giao, không phải dữ liệu sử dụng công cụ — vì tỷ lệ dùng công cụ không cho biết phần mềm tốt có được phát hành nhanh hơn hay không.

Ý nghĩa với người đọc Việt Nam

Câu chuyện này không chỉ dành cho công ty nước ngoài. Tại Việt Nam, các trợ lý AI viết mã đang được sử dụng ngày càng rộng rãi, nên câu hỏi liệu AI có thực sự cải thiện năng suất hay không cũng trở nên trực tiếp với lập trình viên và doanh nghiệp phần mềm ở đây.

Bài học quan trọng nhất rút ra từ dữ liệu của METR và Git Clear: lập trình viên và đội ngũ kỹ thuật Việt Nam không nên dùng cảm giác gõ nhanh hơn để đo lường hiệu quả, mà nên đối chiếu với số lỗi, thời gian bàn giao và tỷ lệ tái cấu trúc mã trong chính dự án của mình. Ứng dụng AI có thể giúp ích thật sự, nhưng chỉ khi doanh nghiệp giữ vững kỷ luật kiểm thử và quản trị mã — điều không phụ thuộc vào công cụ, mà phụ thuộc vào quy trình của từng công ty.

Theo Forbes JAPAN

Ảnh: Daniil Komov / Pexels