- Xu hướng “tokenmaxxing” khiến lập trình viên chạy theo việc tiêu thụ nhiều token AI (tài nguyên xử lý) thay vì tập trung vào chất lượng đầu ra.
- Các công cụ như Claude Code, Cursor, Codex giúp tạo ra nhiều code hơn, nhưng phần lớn cần chỉnh sửa lại sau đó, làm giảm hiệu quả thực tế.
- Tỷ lệ code được chấp nhận ban đầu đạt 80%–90%, nhưng sau khi chỉnh sửa, tỷ lệ thực sự chỉ còn 10%–30%.
- Waydev phân tích dữ liệu từ hơn 10.000 kỹ sư cho thấy việc đo lường sai (dựa trên input như token) dẫn đến hiểu nhầm về năng suất.
- Báo cáo của GitClear chỉ ra người dùng AI có mức “code churn” cao hơn 9,4 lần so với người không dùng AI.
- Faros AI ghi nhận mức churn code tăng tới 861% khi áp dụng AI ở mức cao.
- Jellyfish cho thấy lập trình viên dùng nhiều token nhất tạo ra gấp đôi số pull request nhưng tiêu tốn chi phí gấp 10 lần, tức là tăng sản lượng nhưng không tăng giá trị.
- Lập trình viên junior dễ chấp nhận code AI hơn, nhưng cũng phải sửa lại nhiều hơn, làm tăng nợ kỹ thuật.
📌 Nghịch lý lớn của AI trong lập trình: dù tạo ra nhiều code hơn, chất lượng và hiệu quả lại không tương xứng. Các chỉ số như 80%–90% code được chấp nhận ban đầu gây ảo tưởng năng suất, nhưng thực tế chỉ 10%–30% có giá trị lâu dài. Với churn tăng 9,4 lần và thậm chí 861%, doanh nghiệp đang trả chi phí cao hơn (gấp 10 lần token) để đổi lấy sản lượng thay vì giá trị. Điều này cho thấy cần thay đổi cách đo lường hiệu quả AI.
Tổng hợp
