Các phương tiện truyền thông nước ngoài cho rằng các công cụ lập trình AI đã trở thành "cấu hình mặc định" trong các nhóm phát triển, thay vì chỉ là "tùy chọn", nhưng những kỳ vọng lạc quan về việc tăng hiệu suất đang bị kéo về thực tế do chi phí và các vấn đề chất lượng ngày càng gia tăng. Nhiều nghiên cứu và trường hợp doanh nghiệp cho thấy AI thực sự có thể tăng tốc độ viết mã, nhưng không nhất thiết giảm được số lần sửa chữa sau đó.
Các nhà phát triển đã không còn muốn rời xa AI
Năm nay, tháng 2, tổ chức nghiên cứu AI METR tiết lộ rằng các nhà nghiên cứu ban đầu muốn lặp lại một thí nghiệm về hiệu suất lập trình, so sánh sự khác biệt giữa việc nhà phát triển viết mã thủ công và sử dụng AI để hoàn thành nhiệm vụ, nhưng đã gặp phải sự phản đối trong quá trình thực hiện: nhiều nhà phát triển thậm chí không muốn tạm thời từ bỏ công cụ AI để phục vụ thí nghiệm.
METR đã thực hiện các bài kiểm tra liên quan vào năm 2025. Những người tham gia cảm thấy hiệu suất của họ cao hơn, nhưng kết quả đo lường thực tế lại ngược lại: dù mã được tạo ra nhanh hơn, các nhà phát triển lại phải dành nhiều thời gian hơn để chờ đầu ra của mô hình, sửa lỗi và hướng dẫn công cụ lặp lại nhiều lần để hoàn thành nhiệm vụ.
Do khó khăn trong việc duy trì sự tham gia của các nhà phát triển mà không có AI, METR sau đó đã chuyển sang phát hành một cuộc khảo sát để nhân viên kỹ thuật tự đánh giá lợi ích mang lại bởi AI. Những người tham gia khảo sát đều cho rằng AI đã giúp tăng gấp đôi giá trị công việc của họ.
Các doanh nghiệp bắt đầu xem xét lại đầu tư vào AI
Bài viết chỉ ra rằng những phán đoán “tự cảm thấy hiệu quả hơn” này đang được kiểm nghiệm thông qua chi tiêu doanh nghiệp và sản lượng thực tế. Kể từ năm 2026, Silicon Valley từng phổ biến việc sử dụng lượng token tiêu thụ để đo lường mức độ sử dụng AI, thậm chí coi nó như một chỉ số đại diện cho năng suất, nhưng cách làm này đã bắt đầu phản tác dụng rõ rệt.
Tuần này, tờ Financial Times của Anh báo cáo rằng Amazon đã đóng xếp hạng token nội bộ Kirorank do nhân viên lạm dụng quá mức các đại lý AI để "gian lận xếp hạng", làm tăng chi phí mà không cải thiện sản lượng tương ứng.
The Information cũng báo cáo rằng Uber đã sử dụng hết ngân sách AI cả năm trong bốn tháng đầu tiên của năm 2026. Giám đốc điều hành vận hành của công ty, Andrew Macdonald, gần đây đã cho biết trên một podcast rằng các chi phí này chưa mang lại sự gia tăng có thể đo lường được về dự án hoặc năng suất.
Viết mã nhanh hơn không đồng nghĩa với việc bảo trì ít hơn
Bài viết cho rằng vấn đề lớn hơn nằm ở việc duy trì mã nguồn. James Shore, một lập trình viên và tác giả, mới đây trong một bài blog được chia sẻ rộng rãi đã chỉ ra rằng nếu tốc độ viết mã tăng gấp đôi nhưng chi phí duy trì không giảm tương ứng, thì nhóm chỉ đang đổi lấy tốc độ ngắn hạn để phải gánh chịu gánh nặng dài hạn.
Liên quan đến điểm này, thị trường đã xuất hiện nhiều dữ liệu. Aiswarya Sankar, nhà sáng lập của công ty khởi nghiệp kỹ thuật độ tin cậy Entelligence AI, cho biết khoảng 44% lượng token tiêu thụ của doanh nghiệp được dùng để sửa chữa các lỗi do AI tạo ra. Công cụ kiểm tra mã Code Rabbit cũng cho biết, phân tích của họ đối với các pull request của các dự án mã nguồn mở cho thấy số lượng vấn đề do mã do AI tạo ra cao gấp 1,7 lần so với mã do con người viết.
Mặc dù những dữ liệu này đến từ các nhà cung cấp dịch vụ liên quan và có yếu tố lập trường rõ rệt, các nghiên cứu độc lập cũng đưa ra cảnh báo tương tự. Các nhà nghiên cứu tại Đại học Quản lý Singapore đã công bố báo cáo vào tháng 4 năm nay cho rằng mã do AI tạo ra có thể gây ra chi phí bảo trì dài hạn cho các dự án phần mềm thực tế.
Các nhà nghiên cứu đề xuất quản lý AI như một “nhà phát triển cấp sơ cấp”
Về cách ứng phó, bài viết nêu rằng một số nhà phát triển đại lý lập trình AI ủng hộ việc tiếp tục sử dụng thêm AI để khắc phục các vấn đề do AI tạo ra. Scott Wu, nhà sáng lập của Cognition – nhà phát triển đại lý lập trình AI Devin – cũng có quan điểm này.
Tuy nhiên, anh ấy cũng thừa nhận rằng Devin dù có thể tự hoàn thành một số nhiệm vụ, nhưng năng lực hiện tại vẫn chủ yếu ở mức lập trình viên sơ cấp đến trung cấp, tùy thuộc vào loại nhiệm vụ. Điều này có nghĩa là đội ngũ phát triển vẫn chưa thể giao hoàn toàn công việc cho đại lý và buông tay.
So sánh với đó, các nhà nghiên cứu tại Đại học Quản lý Singapore đề xuất hướng tiếp cận dựa trên sự giám sát của con người: các nhà phát triển cần rõ ràng về ranh giới giữa những nhiệm vụ AI làm tốt và những nhiệm vụ AI không làm tốt, xây dựng quy trình đảm bảo chất lượng cho đầu ra của AI, và kiểm tra kết quả do mô hình tạo ra giống như cách kiểm tra mã của kỹ sư cấp dưới.
Bài viết kết luận rằng trong các công việc cấp cao như kiến trúc phần mềm và thiết kế bảo mật, con người vẫn là người ra quyết định chính, một điểm mà ngay cả những người ủng hộ đại lý AI cũng cơ bản đồng ý.