“Tokenmaxxing” khiến các nhà phát triển kém năng suất hơn họ nghĩ

"Tokenmaxxing" khiến các nhà phát triển kém hiệu quả hơn họ nghĩ

Có một câu ngạn ngữ cũ trong quản lý: Cái gì được đo lường thì sẽ được chú trọng. Và thông thường, bạn sẽ có nhiều hơn những gì bạn đang đo lường. Các kỹ sư phần mềm đã tranh luận về các chỉ số năng suất trong nhiều thập kỷ, bắt đầu với số dòng code. Nhưng khi thế hệ công cụ viết code AI mới tạo ra nhiều code hơn bao giờ hết, điều mà các nhà quản lý nên đo lường trở nên kém rõ ràng hơn. Ngân sách token khổng lồ—về cơ bản là lượng sức mạnh xử lý AI mà một nhà phát triển được phép tiêu thụ—đã trở thành một huy hiệu danh dự giữa các nhà phát triển ở Thung lũng Silicon, nhưng đó là một cách rất kỳ lạ để suy nghĩ về năng suất. Đo lường đầu vào của quy trình không có nhiều ý nghĩa khi bạn quan tâm nhiều hơn đến đầu ra. Nó có thể có ý nghĩa nếu bạn đang cố gắng khuyến khích việc áp dụng AI nhiều hơn (hoặc bán token), nhưng không phải nếu bạn đang cố gắng trở nên hiệu quả hơn.

Hãy xem xét bằng chứng từ một lớp công ty mới hoạt động trong lĩnh vực "thông tin chi tiết về năng suất của nhà phát triển". Họ phát hiện ra rằng các nhà phát triển sử dụng các công cụ như Claude Code, Cursor và Codex tạo ra nhiều code được chấp nhận hơn so với trước đây. Nhưng họ cũng phát hiện ra rằng các kỹ sư phải quay lại sửa đổi code đã được chấp nhận đó thường xuyên hơn trước, làm suy yếu những tuyên bố về năng suất tăng lên. Alex Circei, Giám đốc điều hành và người sáng lập Waydev, đang xây dựng một lớp thông minh để theo dõi các động lực này; công ty của ông làm việc với 50 khách hàng khác nhau, những người sử dụng hơn 10.000 kỹ sư phần mềm. (Circei đã đóng góp cho TechCrunch trong quá khứ, nhưng phóng viên này chưa từng gặp anh ấy trước đây.) Anh ấy nói rằng các nhà quản lý kỹ thuật đang thấy tỷ lệ chấp nhận code từ 80% đến 90%—có nghĩa là tỷ lệ code do AI tạo ra mà các nhà phát triển phê duyệt và giữ lại—nhưng họ đang bỏ lỡ sự thay đổi xảy ra khi các kỹ sư phải sửa đổi code đó trong những tuần tiếp theo, điều này làm giảm tỷ lệ chấp nhận thực tế xuống từ 10% đến 30% code được tạo ra.

Sự trỗi dậy của các công cụ viết code AI đã khiến Waydev, được thành lập vào năm 2017 để cung cấp phân tích cho nhà phát triển, phải hoàn toàn làm lại nền tảng của mình trong sáu tháng qua để giải quyết sự gia tăng của các công cụ viết code nhanh. Giờ đây, 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 code của họ để cung cấp cho các nhà quản lý kỹ thuật cái nhìn sâu sắc hơn về cả việc áp dụng và hiệu quả của AI.

Techcrunch event San Francisco, CA | October 13-15, 2026

Mặc dù các công ty phân tích có động cơ để làm nổi bật những 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—Atlassian đã mua lại DX, một công ty khởi nghiệp về trí tuệ kỹ thuật khác, với giá 1 tỷ đô la vào năm ngoái, để giúp khách hàng hiểu được lợi tức đầu tư vào các tác nhân viết code. Dữ liệu từ khắp ngành cho thấy một câu chuyện nhất quán: Nhiều code đang được viết hơn, nhưng một lượng lớn trong số đó không được giữ lại. GitClear, một công ty khác trong lĩnh vực này, đã công bố một báo cáo vào tháng Giêng, trong đó phát hiện ra 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 code cao hơn 9,4 lần so với những người không sử dụng AI"—cao hơn gấp đôi mức tăng năng suất mà các công cụ này cung cấp. Faros AI, một nền tảng phân tích kỹ thuật, đã sử dụng dữ liệu khách hàng trong hai năm cho báo cáo tháng 3 năm 2026 của mình. Phát hiện: sự thay đổi code—số dòng code bị xóa so với số dòng code được thêm vào—đã tăng 861% khi áp dụng AI ở mức độ cao. Jellyfish, tự gọi mình là một nền tảng thông minh cho kỹ thuật tích hợp AI, đã thu thập dữ liệu về 7.548 kỹ sư trong quý đầu tiên của năm 2026. Công ty phát hiện ra rằng các kỹ sư có ngân sách token lớn nhất đã tạo ra nhiều yêu cầu kéo nhất (các thay đổi được đề xuất đối với cơ sở code được chia sẻ), nhưng việc cải thiện năng suất không tỷ lệ. Họ đạt được gấp đôi thông lượng với chi phí token gấp mười lần. Nói cách khác, các công cụ đang tạo ra số lượng lớn, không phải giá trị.

Những loại thống kê này nghe có vẻ đúng khi bạn nói chuyện với các nhà phát triển, những người đang thấy rằng việc xem xét code và nợ kỹ thuật đang chồng chất lên, ngay cả khi họ vui mừng trước sự tự do của các công cụ mới. Một phát hiện phổ biến là sự khác biệt giữa các kỹ sư cao cấp và kỹ sư cấp dưới, với những người sau chấp nhận nhiều code do AI tạo ra hơn và phải đối mặt với một lượng lớn công việc viết lại code do hậu quả của việc này. Tuy nhiên, ngay cả khi các nhà phát triển đang nỗ lực để hiểu chính xác các tác nhân của họ đang làm gì, họ cũng không lường trước việc quay lại bất cứ lúc nào sớm. "Đây là một kỷ nguyên mới của phát triển phần mềm, và bạn phải thích nghi, và bạn buộc phải thích nghi như một công ty," Circei nói với TechCrunch. "Không phải là nó sẽ là một chu kỳ sẽ qua đi."

Tim Fernholz là một nhà báo viết về công nghệ, tài chính và chính sách công. Ông đã theo dõi chặt chẽ sự trỗi dậy của ngành công nghiệp vũ trụ tư nhân và là tác giả của cuốn sách Rocket Billionaires: Elon Musk, Jeff Bezos and the New Space Race. Trước đây, ông là phóng viên cấp cao tại Quartz, trang tin tức kinh doanh toàn cầu, trong hơn một thập kỷ và bắt đầu sự nghiệp của mình với tư cách là một phóng viên chính trị ở Washington, D.C. Bạn có thể liên hệ hoặc xác minh liên hệ từ Tim bằng cách gửi email đến tim.fernholz@techcrunc