Mức độ phụ thuộc của lập trình viên vào các công cụ lập trình bằng AI đang tăng nhanh, đến mức ngay cả các thử nghiệm đánh giá năng suất trong môi trường không dùng AI cũng trở nên khó thực hiện. Cùng với đó, tranh cãi về hiệu quả thực tế của các công cụ này tiếp tục nóng lên, khi tốc độ viết mã nhanh hơn chưa chắc đồng nghĩa với năng suất tổng thể cao hơn.

Theo TechCrunch ngày 29/5 (giờ địa phương), tổ chức nghiên cứu AI METR cho biết mức độ phụ thuộc vào công cụ lập trình bằng AI đã sâu đến mức một số lập trình viên từ chối tham gia thử nghiệm không sử dụng công cụ này.

Trọng tâm của tranh luận nằm ở khoảng cách giữa cảm nhận của người dùng và kết quả đo lường thực tế. Trong một nghiên cứu công bố năm 2025 với nhóm lập trình viên mã nguồn mở, METR so sánh thời gian hoàn thành công việc khi lập trình thủ công và khi có hỗ trợ từ AI. Kết quả cho thấy người tham gia tin rằng AI giúp họ làm việc hiệu quả hơn, nhưng số liệu thực tế lại cho thấy điều ngược lại. Dù tốc độ sinh mã tăng lên, tổng thời gian xử lý công việc vẫn kéo dài do phải chờ đầu ra từ AI, đồng thời mất thêm thời gian tìm và sửa lỗi.

METR ban đầu dự kiến lặp lại thí nghiệm vào tháng 2/2026 nhằm kiểm tra liệu AI có cải thiện năng lực làm việc và làm thay đổi mức độ thành thạo của lập trình viên hay không. Tuy nhiên, tổ chức này sau đó đã phải điều chỉnh kế hoạch vì nhiều người ngại tham gia, với lý do “không muốn làm việc nếu không có AI”. Cuối cùng, METR chuyển sang thực hiện khảo sát lao động công nghệ vào tháng 5 và ghi nhận rằng nhiều người trả lời tin AI khiến họ trở thành nhân sự có “giá trị gấp đôi” trong tổ chức.

Dù vậy, tại môi trường doanh nghiệp, không ít trường hợp đã đặt dấu hỏi về những tự đánh giá này. Từ đầu năm nay, trào lưu “tokenmaxxing” lan rộng với cách hiểu là lấy mức độ sử dụng AI, đặc biệt là lượng token tiêu thụ, làm chỉ báo thay thế cho năng suất làm việc. Amazon đã dừng vận hành bảng xếp hạng nội bộ “Kirorank”, vốn dùng để theo dõi lượng token, sau khi nhân viên lạm dụng AI agent khiến chi phí tăng mạnh.

The Information trước đó cũng đưa tin Uber đã dùng hết ngân sách AI của năm 2026 chỉ trong 4 tháng. Theo Andrew Macdonald, Giám đốc vận hành (COO) của Uber, khoản chi này không chuyển hóa tương xứng thành kết quả dự án hay cải thiện năng suất.

Một số ý kiến cho rằng vấn đề cốt lõi không nằm ở tốc độ viết mã, mà nằm ở chi phí phát sinh về sau. Lập trình viên kiêm tác giả James Shore viết trên Hacker News rằng nếu AI giúp viết mã nhanh gấp đôi, thì điều cần kiểm chứng là chi phí bảo trì có giảm một nửa hay không. Nếu không, đó chỉ là sự đánh đổi giữa tăng tốc ngắn hạn và lệ thuộc dài hạn. Ông cũng cảnh báo rằng phần mã được AI tạo ra nhanh chóng rốt cuộc vẫn là thứ con người phải chịu trách nhiệm.

Một số chỉ số khác cũng được đưa ra để củng cố lo ngại này. Aishwarya Sankar, nhà sáng lập kiêm CEO startup AI agent EntelligenceAI, cho rằng 44% lượng token doanh nghiệp sử dụng đang được dùng để sửa lỗi do AI tạo ra. Trong khi đó, CodeRabbit, công ty cung cấp công cụ rà soát mã, cho biết khi phân tích các pull request mã nguồn mở, mã do AI tạo ra phát sinh số vấn đề nhiều hơn 1,7 lần so với mã do con người viết. Dù vậy, số liệu này vẫn có giới hạn nhất định vì được đưa ra bởi doanh nghiệp đang kinh doanh công cụ liên quan.

Các nghiên cứu độc lập cũng cho thấy xu hướng tương tự. Trong báo cáo công bố tháng 4, nhóm nghiên cứu của Đại học Quản trị Singapore cảnh báo rằng mã do AI tạo ra có thể dẫn tới chi phí bảo trì dài hạn đối với các dự án thực tế. Theo nhóm này, AI có thể giúp đẩy nhanh tiến độ phát triển trong ngắn hạn, nhưng không bảo đảm hiệu quả ở các giai đoạn tiếp theo.

Một số hướng tiếp cận khác cũng được nhắc tới, như tăng mức độ sử dụng AI hoặc tái định nghĩa vai trò của con người trong quy trình phát triển phần mềm. Scott Wu, CEO của Cognition, công ty phát triển AI coding agent Devin, cho rằng AI agent hiện đã có thể làm việc tương đối độc lập. Tuy nhiên, năng lực thực tế vẫn phụ thuộc vào từng bài toán cụ thể và hiện mới ở mức giữa lập trình viên junior và tầm trung. Điều đó đồng nghĩa công việc vẫn chưa thể được giao phó hoàn toàn cho AI.

Ở chiều ngược lại, nhóm nghiên cứu của Đại học Quản trị Singapore đề xuất cách vận hành thận trọng hơn. Theo nhóm này, lập trình viên cần hiểu rõ AI làm tốt ở đâu và yếu ở đâu, với mức độ tương đương như hiểu chính ngôn ngữ lập trình mình đang sử dụng. Đồng thời, doanh nghiệp cần xây dựng hệ thống đảm bảo chất lượng đủ chặt chẽ để phù hợp với việc đưa AI vào quy trình phát triển. Nhóm cũng khuyến nghị đầu ra của AI phải được rà soát kỹ lưỡng như khi kiểm tra mã của một lập trình viên junior, trong khi những phần mang tính “bức tranh lớn” như kiến trúc phần mềm và thiết kế bảo mật vẫn phải do con người đảm nhiệm.

Các công cụ lập trình bằng AI hiện đã trở thành phương tiện gần như thiết yếu trong môi trường phát triển phần mềm. Tuy nhiên, ngày càng rõ rằng hiệu quả triển khai không thể chỉ được đánh giá bằng tốc độ viết mã hay cảm nhận năng suất của người dùng. Vấn đề cần tiếp tục theo dõi là liệu phần mã do AI tạo ra có thể được duy trì, kiểm chứng và vận hành lâu dài với chi phí thấp đến đâu.