Trí tuệ nhân tạo chủ yếu được sử dụng để viết mã, nhưng điều đó không đồng nghĩa với việc phần mềm được phát triển nhanh hơn.
Một trong những thông tin thú vị nhất mà tôi từng đọc về các công cụ hỗ trợ lập trình bằng trí tuệ nhân tạo là: nhiều mã nguồn hơn không đồng nghĩa với nhiều phần mềm hơn.
Nghiên cứu của Fiona Chen và James Stratton từ Đại học Harvard đã phân tích dữ liệu từ hơn 700 công ty phần mềm, bao gồm hơn 700.000 nhân viên và 300 triệu sự kiện công việc, từ năm 2021 đến tháng 3 năm 2026. Sau khi các công cụ hỗ trợ lập trình được triển khai, số lượng dòng mã trung bình tăng 30%, số lượng commit tăng 20%, và số lượng yêu cầu kéo (pull request) tăng 23%.
Tuy nhiên, câu hỏi quan trọng là: liệu điều này có thực sự hiệu quả không? Không có sự thay đổi đáng kể về mặt thống kê trong tỷ lệ hoàn thành các lỗi, nhiệm vụ và tính năng được theo dõi trong các công cụ như Jira.
Điểm nghẽn nằm ở quá trình kiểm tra mã. Thời gian từ khi một yêu cầu kéo được gửi đến khi nó được chấp nhận vào mã nguồn chính đã tăng 49%. Tỷ lệ yêu cầu kéo cần chỉnh sửa đã tăng gần gấp đôi, số lượng bình luận trên mỗi yêu cầu kéo tăng 35%, và tỷ lệ nhân viên tham gia vào quá trình kiểm tra mã cũng tăng 14%. Điều này cho thấy phần lớn tốc độ đạt được trong quá trình viết mã đang bị lãng phí trong quá trình kiểm tra và sửa lỗi.
Các công ty đang cố gắng giải quyết vấn đề này bằng trí tuệ nhân tạo: tính đến tháng 3 năm 2026, 80% số công ty được nghiên cứu đã sử dụng một loại công cụ kiểm tra mã bằng trí tuệ nhân tạo. Tuy nhiên, chỉ 23,3% các bình luận kiểm tra đến từ các công cụ này, và chúng chỉ đóng góp vào 10,8% số lượng yêu cầu kéo. Phần lớn công việc vẫn do con người thực hiện. Ngoài ra, không có sự thay đổi đáng kể về số lượng nhân viên đang hoạt động, ít nhất là trong giai đoạn được nghiên cứu.
Cần lưu ý rằng dữ liệu kết thúc vào tháng 3 năm 2026, và các công cụ đã được cải tiến kể từ thời điểm đó. Tuy nhiên, bài học rút ra là rõ ràng: để tăng năng suất, chúng ta cần tăng tốc không chỉ quá trình viết mã, mà còn cả quá trình kiểm tra, sửa lỗi và tích hợp.
Tin tức trên Ars Technica: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
Phiên bản PDF của nghiên cứu: https://fion.ac/jellyfish.pdf
Nguồn: DonanımHaber
Nghiên cứu của Fiona Chen và James Stratton từ Đại học Harvard đã phân tích dữ liệu từ hơn 700 công ty phần mềm, bao gồm hơn 700.000 nhân viên và 300 triệu sự kiện công việc, từ năm 2021 đến tháng 3 năm 2026. Sau khi các công cụ hỗ trợ lập trình được triển khai, số lượng dòng mã trung bình tăng 30%, số lượng commit tăng 20%, và số lượng yêu cầu kéo (pull request) tăng 23%.
Tuy nhiên, câu hỏi quan trọng là: liệu điều này có thực sự hiệu quả không? Không có sự thay đổi đáng kể về mặt thống kê trong tỷ lệ hoàn thành các lỗi, nhiệm vụ và tính năng được theo dõi trong các công cụ như Jira.
Điểm nghẽn nằm ở quá trình kiểm tra mã. Thời gian từ khi một yêu cầu kéo được gửi đến khi nó được chấp nhận vào mã nguồn chính đã tăng 49%. Tỷ lệ yêu cầu kéo cần chỉnh sửa đã tăng gần gấp đôi, số lượng bình luận trên mỗi yêu cầu kéo tăng 35%, và tỷ lệ nhân viên tham gia vào quá trình kiểm tra mã cũng tăng 14%. Điều này cho thấy phần lớn tốc độ đạt được trong quá trình viết mã đang bị lãng phí trong quá trình kiểm tra và sửa lỗi.
Các công ty đang cố gắng giải quyết vấn đề này bằng trí tuệ nhân tạo: tính đến tháng 3 năm 2026, 80% số công ty được nghiên cứu đã sử dụng một loại công cụ kiểm tra mã bằng trí tuệ nhân tạo. Tuy nhiên, chỉ 23,3% các bình luận kiểm tra đến từ các công cụ này, và chúng chỉ đóng góp vào 10,8% số lượng yêu cầu kéo. Phần lớn công việc vẫn do con người thực hiện. Ngoài ra, không có sự thay đổi đáng kể về số lượng nhân viên đang hoạt động, ít nhất là trong giai đoạn được nghiên cứu.
Cần lưu ý rằng dữ liệu kết thúc vào tháng 3 năm 2026, và các công cụ đã được cải tiến kể từ thời điểm đó. Tuy nhiên, bài học rút ra là rõ ràng: để tăng năng suất, chúng ta cần tăng tốc không chỉ quá trình viết mã, mà còn cả quá trình kiểm tra, sửa lỗi và tích hợp.
Tin tức trên Ars Technica: https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
Phiên bản PDF của nghiên cứu: https://fion.ac/jellyfish.pdf
Nguồn: DonanımHaber
Bình luận 0
Hãy là người bình luận đầu tiên, bằng bất kỳ ngôn ngữ nào.
Đăng nhập để bình luận