Hiện tượng "Tokenmaxxing": Tại sao việc lạm dụng AI lại khiến lập trình viên kém năng suất hơn?

Trong giới quản trị, có một câu nói kinh điển: "Cái bạn đo lường là thứ quan trọng". Và thường thì, bạn sẽ nhận được nhiều hơn những gì mình đang đo lường.

Kỹ sư phần mềm đã tranh luận về các chỉ số đo lường năng suất trong nhiều thập kỷ, bắt đầu từ số dòng mã (lines of code). Tuy nhiên, khi thế hệ các tác nhân lập trình AI mới tạo ra nhiều mã hơn bao giờ hết, những gì các nhà quản lý cần đo lường trở nên mơ hồ hơn rất nhiều.

Ngân sách token khổng lồ — về cơ bản là lượng sức mạnh xử lý AI mà một nhà phát triển được phép sử dụng — đã trở thành một huy hiệu danh dự giữa các lập trình viên tại Thung lũng Silicon. Nhưng đó là một cách nghĩ rất kỳ lạ về năng suất. Việc đo lường một đầu vào của quy trình chẳng có ý nghĩa gì khi bạn thực sự quan tâm nhiều hơn đến đầu ra. Nó có thể hợp lý nếu bạn đang cố gắng khuyến khích việc áp dụng AI (hoặc bán token), nhưng không hợp lý nếu bạn muốn trở nên hiệu quả hơn.

Hãy xem xét bằng chứng từ một nhóm công ty mới hoạt động trong lĩnh vực "sự hiểu biết về năng suất của nhà phát triển". Họ nhận thấy rằng các nhà phát triển sử dụng các công cụ như Claude Code, Cursor và Codex tạo ra nhiều mã được chấp nhận hơn trước đây. Tuy nhiên, họ cũng phát hiện ra rằng các kỹ sư phải quay lại sửa đổi mã được chấp nhận đó thường xuyên hơn nhiều so với trước đây, làm giảm bớt các tuyên bố về việc tăng năng suất.

Alex Circei, CEO và người sáng lập Waydev, đang xây dựng một lớp trí tuệ để theo dõi các động thái này; công ty của ông làm việc với 50 khách hàng khác nhau sử dụng hơn 10.000 kỹ sư phần mềm.

Ông cho biết các quản lý kỹ thuật đang thấy tỷ lệ chấp nhận mã từ 80% đến 90% — nghĩa là tỷ lệ mã do AI tạo ra mà các nhà phát triển duyệt và giữ lại — nhưng họ đang bỏ qua sự biến động (churn) xảy ra khi các kỹ sư phải sửa đổi mã đó trong những tuần tiếp theo, điều này làm giảm tỷ lệ chấp nhận trong thực tế xuống còn chỉ 10% đến 30% mã được tạo ra.

Sự trỗi dậy của các công cụ lập trình AI đã khiến Waydev, được thành lập năm 2017 để cung cấp phân tích cho nhà phát triển, phải cải tổ hoàn toàn nền tảng của mình trong sáu tháng qua để giải quyết sự bùng nổ của các công cụ lập trình nhanh chóng. Hiện tại, công ty đang phát hành các công cụ mới theo dõi siêu dữ liệu do các tác nhân AI tạo ra, cung cấp phân tích về chất lượng và chi phí của mã nguồn để giúp các quản lý kỹ thuật có cái nhìn sâu sắc hơn cả về việc áp dụng và hiệu quả của AI.

Mặc dù các công ty phân tích có động lực để làm nổi bật các vấn đề họ tìm thấy, nhưng bằng chứng ngày càng nhiều cho thấy các tổ chức lớn vẫn đang tìm cách sử dụng các công cụ AI một cách hiệu quả. Các công ty lớn đang chú ý đến vấn đề này — Atlassian đã mua lại DX, một startup khác về trí tuệ kỹ thuật, với giá 1 tỷ USD vào năm ngoái để giúp khách hàng hiểu được lợi nhuận đầu tư (ROI) từ các tác nhân lập trình.

Dữ liệu từ toàn ngành kể một câu chuyện nhất quán: Có nhiều mã hơn đang được viết ra, nhưng một tỷ lệ không cân xứng trong số đó không được giữ lại.

GitClear, một công ty khác trong lĩnh vực này, đã công bố một báo cáo vào tháng 1 nhận thấy rằng các công cụ AI đã tăng năng suất, nhưng dữ liệu của họ cũng cho thấy "người dùng AI thường xuyên có tỷ lệ thay đổi mã (code churn) cao hơn 9,4 lần so với những người không dùng AI" — gấp đôi lợi ích về năng suất mà các công cụ này mang lại.

Faros AI, một nền tảng phân tích kỹ thuật, đã dựa trên dữ liệu khách hàng trong hai năm cho báo cáo tháng 3 năm 2026. Kết quả: tỷ lệ thay đổi mã — số dòng mã bị xóa so với số dòng được thêm vào — đã tăng 861% dưới mức áp dụng AI cao.

Jellyfish, tự nhận là nền tảng trí tuệ cho kỹ thuật tích hợp AI, đã thu thập dữ liệu về 7.548 kỹ sư trong quý đầu năm 2026. Công ty nhận thấy rằng các kỹ sư có ngân sách token lớn nhất tạo ra nhiều yêu cầu kéo mã (pull requests) nhất, nhưng sự cải thiện về năng suất không tương xứng. Họ đạt được thông lượng gấp đôi nhưng với chi phí token gấp mười lần. Nói cách khác, các công cụ này đang tạo ra khối lượng, chứ không phải giá trị.

Những thống kê loại này nghe có vẻ đúng khi bạn nói chuyện với các nhà phát triển, những người đang nhận thấy rằng việc xem xét mã (code review) và nợ kỹ thuật (technical debt) đang tích tụ, ngay cả khi họ tận hưởng sự tự do mà các công cụ mới mang lại. Một phát hiện phổ biến là sự khác biệt giữa kỹ sư cấp cao và kỹ sư cấp thấp, với những người sau chấp nhận nhiều mã do AI tạo ra hơn và phải đối mặt với lượng công việc viết lại lớn hơn như một hệ quả.

Dù vậy, ngay cả khi các nhà phát triển đang nỗ lực hiểu chính xác các tác nhân của mình đang làm gì, họ không dự đoán sẽ quay lưng lại với công nghệ này bất cứ lúc nào.

"Đây là một kỷ nguyên mới của phát triển phần mềm, và bạn phải thích nghi, và bạn bị buộc phải thích nghi với tư cách là một công ty," Circei nói với TechCrunch. "Nó không giống như một chu kỳ sẽ trôi qua."