Trong hai năm qua, ngày càng có nhiều nhân viên phàn nàn rằng họ bị yêu cầu làm việc quá sức. Tuy nhiên, sự khó chịu này dường như không ngăn cản việc các công ty công nghệ tìm cách xác định ai đang có năng suất làm việc kém nhất.
Theo đó, thuật ngữ mới nhất dùng để mô tả những người trên là “kỹ sư ma” (ghost engineer). Nhưng thuật ngữ này không đến từ những nhân viên bị ‘vắt kiệt’ trong công việc, mà tới từ một nhà nghiên cứu tại Đại học Stanford. Nhóm của ông đã phát triển một thuật toán giúp các công ty công nghệ nhận diện những lập trình viên “ngồi chơi xơi nước.”
Ảnh minh họa
Thuật toán đo lường hiệu suất
Nhà nghiên cứu Yegor Denisov-Blanch, từng là vận động viên cử tạ cấp Olympic, đã phát triển một thuật toán phân tích chất lượng và số lượng kho lưu trữ mã nguồn của nhân viên trên GitHub. Nghiên cứu này được thực hiện trên hơn 50.000 nhân viên thuộc hàng trăm công ty.
Kết quả cho thấy khoảng 9,5% nhân viên “hầu như không làm gì cả”. Denisov-Blanch gọi nhóm này là “kỹ sư ma,” tức là những kỹ sư phần mềm có hiệu suất chỉ bằng 10% hoặc ít hơn so với đồng nghiệp trung bình.
Denisov-Blanch chia sẻ rằng nghiên cứu này xuất phát từ mong muốn tìm một phương pháp chính xác hơn để đánh giá hiệu suất của các kỹ sư phần mềm. Ông nhận xét rằng ngành phần mềm giống như “một chiếc hộp đen” vì không ai thực sự biết cách đo lường hiệu quả công việc trong lĩnh vực này.
“Hiện tại, các phương pháp đánh giá đều không công bằng. Một người thực hiện một thay đổi rất phức tạp với chỉ một dòng code sẽ bị đánh giá thấp hơn người viết một thay đổi đơn giản nhưng dài hàng nghìn dòng,” Denisov-Blanch giải thích.
Thuật toán của ông nhằm giải quyết vấn đề này bằng cách chỉ cho điểm cao đối với mã nguồn đáp ứng các tiêu chí: dễ bảo trì, giải quyết các vấn đề phức tạp, và dễ triển khai.
Tuy nhiên, cần lưu ý rằng nghiên cứu của Denisov-Blanch chưa được thẩm định bởi các nhà khoa học khác, và kết quả có thể bị ảnh hưởng bởi sai lệch lựa chọn do nghiên cứu chỉ tập trung vào các công ty tự nguyện tham gia.
Ở đây, thuật toán của Denisov-Blanch chỉ định nghĩa “kỹ sư ma” ở mức 10% hiệu suất trung bình. Những người đạt 11% hoặc 12% có thể cũng không đóng góp nhiều, điều này cho thấy tỷ lệ 9,5% có thể vẫn còn thấp hơn thực tế.
Cuộc truy tìm những nhân viên làm việc kém hiệu quả
Theo Bussiness Insider, việc xác định những nhân viên kém hiệu quả đã trở thành một mối quan tâm lớn của các công ty tại Thung lũng Silicon.
Vào tháng 9, Paul Graham, đồng sáng lập Y Combinator, đã viết một bài luận ủng hộ phong cách quản lý mà ông gọi là “founder mode” (tạm dịch: tư duy nhà sáng lập). Theo ông, phong cách này khác xa quan niệm truyền thống rằng chỉ cần “tuyển người giỏi và để họ làm việc.”
“Trên thực tế, điều này thường đồng nghĩa với việc tuyển những kẻ chuyên làm màu và để họ hủy hoại công ty,” Graham viết.
Một ví dụ nổi bật là Elon Musk. Sau khi mua lại Twitter vào năm 2022, Musk đã tự hào về việc sa thải tới 80% nhân viên. Sau khi tinh giản bộ máy, nền tảng này – giờ là X – vẫn không gặp sự cố lớn về dịch vụ hay hệ thống.
“Có nhiều sai lầm trong quá trình này? Dĩ nhiên. Nhưng kết thúc có hậu là điều quan trọng,” Musk nói với CNN. “Nếu cả con tàu chìm, thì chẳng ai còn công việc.”
Hiệu suất của nhân viên làm việc từ xa
Musk hiện đang áp dụng triết lý quản lý này vào các lĩnh vực khác, như chính phủ liên bang Mỹ. Trong một bài viết trên Wall Street Journal, ông kêu gọi cắt giảm biên chế chính phủ và kết thúc làm việc từ xa, coi đây là cách buộc nhân viên không muốn trở lại văn phòng phải từ chức.
“Nếu nhân viên chính phủ không muốn đi làm, người đóng thuế Mỹ không nên phải trả tiền cho họ để hưởng ‘đặc quyền thời Covid’ làm việc tại nhà,” Musk viết.
Trong khi đó, nghiên cứu của Denisov-Blanch lại cho thấy những kết quả trái chiều về làm việc từ xa. Một mặt, tỷ lệ “kỹ sư ma” trong nhóm làm việc từ xa cao gấp đôi so với nhóm làm việc trực tiếp. Tuy nhiên, ông cũng phát hiện rằng nhiều kỹ sư giỏi nhất – với hiệu suất cao gấp năm lần đồng nghiệp trung bình – cũng làm việc từ xa.
Nguồn tin: https://genk.vn/thuat-toan-dh-stanford-phoi-bay-nan-lap-trinh-vien-ma-1-10-ky-su-o-silicon-valley-moi-ngay-chang-code-noi-dong-nao-nhung-van-ung-dung-nhan-luong-tien-ty-2024113015563524.chn
