Nghiên cứu Harvard: AI viết code nhiều hơn nhưng không tăng năng suất vì tắc nghẽn ở khâu review

Một nghiên cứu mới của Đại học Harvard trên 718 doanh nghiệp, sử dụng dữ liệu từ nền tảng phân tích Jellyfish, cho thấy các trợ lý lập trình AI và tác tử AI tuy giúp tăng đáng kể khối lượng code sinh ra nhưng không tạo ra mức tăng tương ứng về lượng công việc hoàn thành.

Điểm mấu chốt nằm ở chỗ code do AI tạo ra đang đẩy gánh nặng sang các khâu sau trong quy trình phát triển, đặc biệt là bước review code — nơi con người phải kiểm tra, hiểu và phê duyệt những đoạn mã ngày càng nhiều và ngày càng khó nắm bắt.

Code nhiều hơn không đồng nghĩa với làm được nhiều hơn

Kết luận của nghiên cứu đặt ra một câu hỏi quan trọng cho các đội ngũ kỹ thuật: nếu đo năng suất chỉ bằng số dòng code hoặc số commit, chúng ta rất dễ bị đánh lừa.

Theo báo cáo, các công cụ như trợ lý lập trình và tác tử AI có thể đẩy nhanh tốc độ viết code, nhưng tốc độ đó không chuyển hóa thành sản phẩm hoàn chỉnh. Lý do là vì quy trình phát triển phần mềm không phải một đường thẳng — code mới sinh ra phải đi qua kiểm thử, review, tích hợp và triển khai, và chính những khâu này đang trở thành nút thắt cổ chai.

Nói cách khác, AI đang "bơm" nhiều nguyên liệu vào dây chuyền, nhưng dây chuyền phía sau không được nâng công suất tương ứng.

Review code — điểm nghẽn bị đánh giá thấp

Điểm đáng chú ý nhất trong nghiên cứu là việc khâu review code chịu áp lực lớn nhất. Khi AI sinh ra nhiều mã hơn, các kỹ sư phải dành nhiều thời gian hơn để:

• Đọc hiểu những đoạn code không do chính họ viết ra
• Kiểm tra logic, lỗ hổng bảo mật và các trường hợp biên
• Xác minh rằng code AI tạo ra thực sự giải quyết đúng vấn đề
• Đảm bảo tính nhất quán với kiến trúc và quy ước của dự án

Công việc review vốn đã tốn thời gian, nay còn trở nên nặng hơn khi nguồn code đến từ các mô hình AI có thể tạo ra những lỗi tinh vi, khó phát hiện hoặc những giải pháp "trông có vẻ đúng" nhưng thực chất sai về ngữ cảnh.

Điều này gợi ý rằng giá trị thực sự của AI trong lập trình không nằm ở lượng code sinh ra, mà ở việc giảm bớt gánh nặng cho toàn bộ vòng đời phát triển — không chỉ riêng khâu viết code.

Bài học cho doanh nghiệp và đội ngũ kỹ thuật tại Việt Nam

Với các công ty công nghệ và đội ngũ phát triển phần mềm tại Việt Nam đang tích cực đưa AI vào quy trình làm việc, nghiên cứu này mang lại vài lưu ý thực tế:

• Không đo năng suất bằng số dòng code: cần theo dõi các chỉ số gắn với giá trị thực như tính năng hoàn thành, thời gian đưa ra thị trường và tỷ lệ lỗi.
• Đầu tư vào quy trình review: có thể áp dụng review theo tầng, tự động hóa kiểm tra tĩnh, hoặc dùng chính AI để hỗ trợ rà soát trước khi đến tay người.
• Cân nhắc chất lượng hơn số lượng: khuyến khích kỹ sư dùng AI để giải quyết vấn đề phức tạp thay vì chỉ để tạo ra nhiều code nhanh chóng.
• Đào tạo kỹ năng đọc và đánh giá code AI: đây đang trở thành một kỹ năng quan trọng, khác với kỹ năng viết code truyền thống.

Kết luận

Nghiên cứu của Harvard, dựa trên dữ liệu từ Jellyfish, là một lời nhắc nhở rằng AI không phải viên đạn bạc cho năng suất. Lợi ích của nó chỉ được hiện thực hóa khi tổ chức nhìn nhận toàn bộ quy trình phát triển phần mềm như một hệ thống, và xử lý những điểm nghẽn mà AI vô tình tạo ra hoặc khuếch đại. Nếu chỉ tập trung vào khâu viết code mà bỏ qua review, kiểm thử và tích hợp, doanh nghiệp có thể sẽ thấy nhiều code hơn nhưng không thấy nhiều sản phẩm hơn.