Một nghiên cứu khoa học mới đây đã tiết lộ một hiện tượng đáng ngạc nhiên trong ngành công nghệ: các công cụ AI coding không chỉ làm chậm tốc độ làm việc của lập trình viên mà còn khiến họ rơi vào trạng thái “ảo giác” về năng suất của chính mình. Nghiên cứu do tổ chức phi lợi nhuận Model Evaluation & Threat Research (METR) thực hiện cho thấy trong khi các developer dự đoán AI sẽ giúp họ tăng tốc 24%, thực tế lại làm chậm công việc đến 19%.
Điều đáng chú ý nhất không phải là việc AI làm giảm hiệu suất, mà là sự mâu thuẫn giữa nhận thức và thực tế của các lập trình viên. Ngay cả sau khi hoàn thành nghiên cứu, những người tham gia vẫn tin rằng AI đã giúp họ hoàn thành các tác vụ nhanh hơn 20% so với thực tế. Hiện tượng này được các nhà nghiên cứu mô tả như một dạng “ảo giác” tương tự như khả năng “hallucination” mà chính các hệ thống AI thường gặp phải.
Trong khi các chuyên gia và các nhà phát triển cho rằng AI sẽ giúp tăng tốc độ làm việc, con số thực tế hóa ra lại giảm tốc độ làm việc 19%
Thử nghiệm được tiến hành với 16 lập trình viên có kinh nghiệm cao, những người thường xuyên làm việc trên các dự án mã nguồn mở lớn. Họ được yêu cầu cung cấp danh sách 246 vấn đề thực tế cần giải quyết, bao gồm việc sửa lỗi và phát triển tính năng mới, sau đó dự đoán thời gian cần thiết để hoàn thành. Các vấn đề này được phân bổ ngẫu nhiên để cho phép hoặc không cho phép sử dụng công cụ AI, chủ yếu là Cursor Pro với Claude 3.5/3.7 Sonnet.
Kết quả thu được từ giai đoạn thực hiện từ tháng 2 đến tháng 6 năm 2025 đã đi ngược lại hoàn toàn với kỳ vọng ban đầu. Thay vì tăng tốc độ làm việc, AI đã làm chậm quá trình phát triển phần mềm một cách đáng kể. Tuy nhiên, điều khiến các nhà nghiên cứu bất ngờ nhất chính là việc các lập trình viên không nhận ra được sự chậm chạp này, thậm chí còn có cảm giác họ đang làm việc hiệu quả hơn.
Các nhà nghiên cứu đã xác định năm nguyên nhân chính dẫn đến hiện tượng này. Đầu tiên là sự quá lạc quan về tính hữu ích của AI, khi các lập trình viên có những kỳ vọng không thực tế về khả năng hỗ trợ của công nghệ. Tiếp theo, do các developer tham gia nghiên cứu có độ quen thuộc cao với các repository mà họ làm việc, AI thực sự không thể cung cấp thêm giá trị gì đáng kể cho những người đã có kinh nghiệm sâu rộng.
Yếu tố thứ ba liên quan đến quy mô và độ phức tạp của các repository lớn. Nghiên cứu cho thấy AI hoạt động kém hiệu quả hơn đáng kể khi làm việc với các dự án có hơn một triệu dòng code. Đồng thời, độ tin cậy thấp của AI cũng góp phần vào việc làm chậm quy trình, khi các lập trình viên chỉ chấp nhận ít hơn 44% các gợi ý được tạo ra và phải dành thời gian đáng kể để kiểm tra và chỉnh sửa. Cuối cùng, việc AI thiếu hiểu biết về ngữ cảnh cụ thể của từng repository khiến nó không thể đưa ra những đề xuất phù hợp.
Nghiên cứu phát hiện trong khi những người không sử dụng AI có nhiều thời gian hơn để viết code, những người được hỗ trợ bởi AI dành nhiều thời gian hơn để prompt và chờ AI thực hiện, sau đó xem xét kết quả của nó
Nghiên cứu cũng phát hiện ra sự thay đổi rõ rệt trong cách thức làm việc khi có sự hỗ trợ của AI. Thay vì dành thời gian để viết code và tìm kiếm thông tin như thường lệ, các lập trình viên lại phải dành nhiều thời gian hơn để tương tác với AI thông qua việc tạo prompt, chờ đợi phản hồi và đánh giá kết quả. Điều này tạo ra một chu trình làm việc hoàn toàn khác, trong đó thời gian thực sự viết code giảm đi nhưng tổng thời gian hoàn thành lại tăng lên.
Kết quả này không phải là duy nhất trong lĩnh vực công nghệ. Các nghiên cứu khác cũng đã chỉ ra những hạn chế tương tự của AI trong việc cải thiện năng suất. Một nghiên cứu từ công ty Qodo cho thấy lợi ích của AI trong hỗ trợ phần mềm bị giảm sút do nhu cầu kiểm tra bổ sung đối với các gợi ý của AI. Tương tự, một khảo sát kinh tế từ Đan Mạch phát hiện rằng AI tạo sinh không có tác động đáng kể đến việc làm hoặc mức lương, trong khi nghiên cứu của Intel cho thấy các máy tính AI thực sự làm giảm năng suất của người dùng.
Nhiều lập trình viên trong cộng đồng cũng chia sẻ những trải nghiệm tương tự. Họ nhận thấy rằng mặc dù AI có thể hữu ích trong việc kiểm tra các kịch bản mới một cách nhanh chóng trong môi trường ít rủi ro và tự động hóa một số tác vụ thường xuyên, nhưng nó không thực sự tiết kiệm thời gian tổng thể. Lý do chính là các lập trình viên vẫn phải xác minh xem code được tạo ra có thực sự hoạt động hay không, và AI không có khả năng học hỏi như một thực tập sinh thực thụ.
Tuy nhiên, các tác giả nghiên cứu cũng cảnh báo rằng kết quả này cần được xem xét trong bối cảnh cụ thể. Họ nhấn mạnh rằng việc chậm lại quan sát được không có nghĩa là các công cụ AI hiện tại không bao giờ cải thiện năng suất của lập trình viên. Nghiên cứu phát hiện bằng chứng cho thấy độ quen thuộc cao của developer với repository và quy mô cũng như độ phức tạp của các dự án đều góp phần vào việc làm chậm được quan sát, và những yếu tố này không áp dụng cho nhiều môi trường phát triển phần mềm khác.
Cuối cùng, các nhà nghiên cứu cũng lưu ý rằng phát hiện của họ không ngụ ý rằng các hệ thống AI hiện tại không hữu ích hoặc các mô hình AI trong tương lai sẽ không thể hoạt động tốt hơn. Nghiên cứu này chỉ đơn thuần là một bức tranh chụp nhanh tại thời điểm cụ thể, dựa trên các công cụ và điều kiện thử nghiệm đặc biệt. Tuy nhiên, nó đã mở ra một cuộc thảo luận quan trọng về sự khác biệt giữa nhận thức và thực tế trong việc sử dụng công nghệ AI, đặc biệt là hiện tượng “ảo giác năng suất” mà nhiều người dùng có thể đang trải qua mà không hề hay biết.
Nguyễn Hải (Theo Register)
Nguồn tin: https://genk.vn/lap-trinh-vien-gap-ao-giac-khi-dung-cong-cu-ai-viet-code-cham-hon-nhung-cu-nghi-la-nhanh-hon-2025071614420749.chn
