Các nhà phát triển trở nên năng suất hơn 180% nhờ AI. Nhưng số lượng ứng dụng mà người dùng thực sự sử dụng lại không tăng lên. Hai con số này được đo lường trên 100.000 nhà phát triển, và cùng nhau, chúng là dữ liệu khó chịu nhất trong công nghệ năm 2026. Nghiên cứu này đến từ NBER. Họ kết hợp hoạt động thực tế trên GitHub với dữ liệu sử dụng AI của từng nhà phát triển, tách biệt tác động của từng thế hệ công cụ. Sự gia tăng trong sản xuất mã nguồn là phi thường: → Autocomplete: +40% → Các tác nhân trò chuyện với bạn: +140% → Các tác nhân tự chủ: +180% Gần ba lần mã nguồn được tạo ra từ cùng một người. Dường như đây là cuộc cách mạng năng suất lớn nhất mà thế giới từng chứng kiến. Nhưng sau đó, các nhà nghiên cứu đặt ra câu hỏi mà hầu như không ai dám hỏi: Bao nhiêu trong số đó đã trở thành sản phẩm thực sự đến tay người dùng? Khi theo dõi mức tăng 180% này, nó giảm xuống còn +50% khi tính theo số lượng dự án. Khi đến với những thứ thực sự được ra mắt, con số còn lại chỉ là +30%. Hầu hết lợi ích đều biến mất trên hành trình đó. Và còn có phần tệ hơn nữa. Hãy xem biểu đồ của Financial Times. Đường cong số lượng ứng dụng được ra mắt tăng vọt. Trong khi đó, số lượng ứng dụng thực sự được sử dụng vẫn đứng yên, và đánh giá của người dùng bắt đầu giảm. AI đã tràn ngập thế giới bằng phần mềm mà không ai mở ra. Khả năng sản xuất lớn nhất trong lịch sử đã bị lãng phí để tạo ra những thứ chết ngay ngày ra mắt. Tại sao điều này lại xảy ra? Mã nguồn luôn là phần dễ dàng trong câu chuyện này. Công việc nặng nhọc đến sau đó: kiểm tra, đảm bảo hoạt động đúng, triển khai và thuyết phục ai đó sử dụng nó. AI đã đẩy nhanh một khâu duy nhất trong chuỗi này một cách cực kỳ mạnh mẽ, và làm lộ rõ mức độ còn phụ thuộc rất nhiều vào con người ở tất cả các khâu còn lại. Điều này thay đổi thế nào đối với những người xây dựng sản phẩm từ đây trở đi? Rất trực tiếp. AI đã khiến việc viết mã trở nên rẻ đến mức trở thành hàng hóa. Bất kỳ ai cũng có thể tạo ra mã nhanh chóng bây giờ. Điều sẽ trở thành vàng trong thập kỷ tới là “thị hiếu” và khả năng phán đoán: biết được điều gì đáng để tồn tại trước khi bạn dành một giờ đầu tiên để xây dựng nó.

Chúng ta đã từ: “AI có sẽ thay thế chúng ta không?” sang: “Hôm nay tôi nên dùng AI nào?” Điều đó xảy ra rất nhanh.

Kinh tế học hành vi – môn học mạnh mẽ nhất đang được các trường Ivy League như Harvard, Yale, Pennsylvania, Cornell, Columbia và các công ty hàng đầu thế giới như Google, Amazon, Netflix chú ý. Nếu bạn học một cách khoa học về lý do con người hành xử như vậy, bạn sẽ thống trị mọi tình huống. Bạn chỉ còn cách học thôi.

Lời nhắc tốt dành cho những nhà phát triển cuồng AI cho rằng chỉ cần các bài kiểm tra đơn vị, kiểm tra khói hay bất kỳ bài kiểm tra nào khác qua là mã AI “chất thải” đó cũng ổn. Toàn bộ những lời nói vô nghĩa! “Các bài kiểm tra chỉ chứng minh mã chạy qua bộ kiểm tra, không có gì hơn. Chúng không tự thân chứng minh được mã là chính xác, an toàn, dễ bảo trì, hiệu quả, v.v. Những yếu tố đó khó đo lường hơn nhiều và liên quan rất nhiều đến tổ chức, kiến trúc, văn hóa, kiến thức chung của những người duy trì mã, v.v. Tất cả những điều này đều thiếu vắng trong và sau bản tái viết [bằng AI] này của Bun.”

Elon Musk cho rằng các ngôn ngữ lập trình sẽ biến mất hoàn toàn trong năm nay, vì AI không còn cần đến các ngôn ngữ lập trình.

Người ta rời OpenAI để đến Anthropic, hàng tỷ đô la được chi cho các con chip tùy chỉnh phục vụ AGI Trong khi đó, các doanh nghiệp trung bình vẫn mất khách hàng tiềm năng vì không ai phản hồi trong 6 giờ Lợi thế giờ đây không còn là mô hình, mà là ai thực sự tích hợp nó vào công việc

Boris đang đặt tên cho sự chuyển đổi mà doanh nghiệp của tôi đã xây dựng trong vài tháng qua. Cách cũ để mở rộng một agency: thuê một nhân viên cấp dưới, đào tạo họ dựa trên 10 dự án gần nhất của bạn, hy vọng họ ghi nhớ đủ để dự án thứ 11 không phải bắt đầu từ đầu. Lặp lại với một nhân viên cấp cao để quản lý các nhân viên cấp dưới. Lặp lại với một VP để quản lý các nhân viên cấp cao. Mỗi cấp độ đều thêm chi phí vận hành, mỗi cấp độ làm loãng kiến thức vốn tồn tại trong đầu người sáng lập. Đến khi agency có 30 người, chất lượng ban đầu đã biến mất và người sáng lập không còn làm những việc họ từng được đào tạo. Cách mới: bạn tích lũy dữ liệu từ mọi dự án vào một thư viện có cấu trúc, sau đó viết các vòng lặp chạy trên đó. Các tác nhân xem xét các mẫu quá khứ, các phản đối quá khứ, các quyết định kiến trúc quá khứ, các kiểu thất bại quá khứ. Khi có yêu cầu từ khách hàng mới, các vòng lặp đề xuất những gì cần giao trước khi bất kỳ ai trong đội ngũ đọc hết bản tóm tắt. Không dựa trên lý thuyết, mà dựa trên 50 dự án mà các vòng lặp đã xử lý trước đó. Toán học về số lượng nhân sự bị phá vỡ. Tuyển dụng tăng tuyến tính cùng chi phí vận hành. Các vòng lặp tăng theo kích thước thư viện dữ liệu, vốn tích lũy sau mỗi dự án. Điều này trông như thế nào trong thực tế với tôi hiện tại: Mỗi buổi khởi động khách hàng đều được ghi lại vào nhật ký dự án có cấu trúc. Mỗi quyết định kiến trúc đều được gắn thẻ và mô tả chi tiết. Mỗi vấn đề chúng tôi gặp phải trong môi trường sản xuất đều được ghi lại kèm giải pháp. Mỗi prompt nào hoạt động hiệu quả với một loại tích hợp cụ thể đều được lưu trữ theo loại tích hợp đó. Đến khi khách hàng thứ 50 xuất hiện, hệ thống đã xử lý 49 phiên bản của “cách thức loại dự án này thường hỏng ở tuần thứ 6”. Các vòng lặp không tự chủ hoàn toàn. Tôi xem xét mọi đầu ra. Chúng không đưa ra quyết định kiến trúc. Chúng đưa ra các ứng cử viên. Chúng soạn thảo tài liệu. Chúng đề xuất tính năng mới dựa trên những gì đã thành công trong các dự án tương tự trước đây. Con người vẫn giữ vai trò quyết định trong mọi lựa chọn liên quan đến giá trị khách hàng. Nhưng điều chúng mở ra là một dạng đòn bẩy mà tuyển dụng chưa bao giờ tạo ra được. Một kỹ sư cấp cao mang theo 10 năm nhận diện mẫu. Các vòng lặp mang theo mọi mẫu từ mọi dự án tôi từng triển khai, có thể truy vấn trong vài giây. Khả năng nhận diện mẫu của kỹ sư cải thiện theo sự nghiệp của họ. Khả năng của các vòng lặp cải thiện mỗi thứ Hai. Boris đang đặt tên cho sự chuyển đổi này ở cấp độ mô hình — sự thay đổi này hoàn toàn giống nhau ở cấp độ agency. Công việc giờ đây không còn là đưa prompt cho AI. Công việc là viết các vòng lặp để đưa prompt cho AI, và tích lũy dữ liệu mà các vòng lặp vận hành trên đó. Hầu hết các agency vào năm 2027 sẽ thuộc một trong hai loại: Hoặc là các cửa hàng mở rộng theo số lượng nhân sự, vẫn tiếp tục tuyển dụng nhân viên cấp dưới. Hoặc là các studio mở rộng theo vòng lặp, với một phần nhỏ đội ngũ nhưng năng suất mỗi người tăng 10 lần. Chưa hoàn toàn tự chủ. Không giả vờ là vậy. Nhưng sự chuyển đổi kiến trúc là có thật, và hầu hết các nhà vận hành vẫn chưa thấm nhuần rằng nó cũng áp dụng cho doanh nghiệp của họ, không chỉ cho AI đang xây dựng nó.

Hãy thử điều này: gõ ngẫu nhiên các ngón tay lên tường để tiếng ồn xua đuổi sư tử ra khỏi khu phố của bạn. Không có sư tử đúng không? Nếu bạn coi đó là bằng chứng cho thấy chiến lược của bạn đang hiệu quả, thì bạn đã hiểu chiến lược đầu tư của phần lớn ngành AI hiện nay 😎😆 #CryptoSatire #CryptoVerse #AI #AgenticAI #AIInfrastructure #Anthropic #Claude #OpenAI #ChatGPT #AgenticEconomy