Một khảo sát trên hơn 300 lập trình viên cho thấy 80% người tham gia mô tả mối quan hệ của họ với AI giống sự lệ thuộc hơn là một lợi thế. Công cụ AI có thể giúp tạo mã nhanh hơn, nhưng 43% người được khảo sát tiếp tục làm việc sau giờ và 71% từng đưa vào sản phẩm mã mà họ chưa hiểu đầy đủ.
Chính sách tại nơi làm việc có thể củng cố hành vi này. Theo The New Stack, những lập trình viên sử dụng AI nhiều nhất cũng có khả năng được tăng lương và thăng chức cao hơn. Khi tổ chức thưởng cho đầu ra mà không đánh giá mức độ hiểu mã, thời gian nghỉ và chất lượng phần mềm, việc sử dụng AI quá mức trở thành hành vi có lợi cho sự nghiệp.
Kết luận trên dựa vào một cuộc khảo sát những lập trình viên có cấp độ kinh nghiệm và lựa chọn công cụ khác nhau. Tất cả người tham gia đều dùng AI ít nhất một lần mỗi tuần. Dữ liệu gốc được công bố trong báo cáo về tình trạng lệ thuộc AI khi lập trình của Coddy.
Vòng lặp phần thưởng trong nội dung khảo sát
Công cụ lập trình bằng AI tạo phản hồi ngay sau mỗi yêu cầu, khiến kết quả mới trở thành phần thưởng cho hành động nhập lệnh tiếp theo. Theo báo cáo của Coddy, vòng lặp này đi kèm việc làm quá giờ, trì hoãn nghỉ ngơi và tiếp tục sử dụng công cụ ngay cả khi người dùng nên dừng lại.
Cơ chế của hộp Skinner
Tâm lý học hành vi giải thích cách con người và động vật học thông qua thử nghiệm, sai sót, phần thưởng và hình phạt. Edward Thorndike từng quan sát mèo học cách thoát khỏi hộp thử nghiệm. Sau đó, B.F. Skinner phát triển buồng điều kiện hóa hành vi, thường được gọi là hộp Skinner.
Trong mô hình này, chuột hoặc chim bồ câu nhận thức ăn nếu bấm nút khi đèn sáng. Nếu không phản ứng đúng, chúng có thể chịu hình phạt từ lưới điện dưới sàn. Cơ chế kích thích và phần thưởng về sau cũng xuất hiện trong máy đánh bạc nút bấm và các hình thức trò chơi hóa tại nơi làm việc.
The New Stack so sánh công cụ lập trình bằng AI với một vòng lặp tương tự. Người dùng nhập yêu cầu, chờ kết quả rồi lập tức nhận một đoạn mã hoặc phản hồi mới. Mỗi kết quả khuyến khích người dùng tiếp tục nhập yêu cầu.
Biểu hiện lệ thuộc trong khảo sát
Theo báo cáo của Coddy, 43% lập trình viên tiếp tục làm việc sau giờ dù đã đến lúc về nhà. Có 80% mô tả mối quan hệ của họ với AI giống sự lệ thuộc hơn là một lợi thế. Người tham gia cũng cho biết họ bỏ qua hoặc trì hoãn giờ nghỉ, bữa ăn và giờ ngủ trong các phiên lập trình với AI.
Những con số này đặt ra câu hỏi về cách doanh nghiệp đo năng suất. Một phần sản lượng tăng thêm có thể đến từ việc lập trình viên ngồi trước bàn phím lâu hơn, nghỉ ít hơn và ngủ muộn hơn, thay vì chỉ đến từ hiệu quả của công cụ.
Mức độ làm ngoài giờ khác nhau giữa các công cụ
Coddy ghi nhận tỷ lệ làm việc sau giờ cao nhất ở người dùng OpenAI Codex, đạt 62%. Tỷ lệ tương ứng là 45% với Google Gemini, 40% với Claude Code và 36% với GitHub Copilot. Dữ liệu cho thấy lựa chọn công cụ có liên hệ với thời gian làm việc, nhưng chưa xác định nguyên nhân của khác biệt.
| Công cụ AI | Tỷ lệ làm việc sau giờ |
|---|---|
| OpenAI Codex | 62% |
| Google Gemini | 45% |
| Claude Code | 40% |
| GitHub Copilot | 36% |
Báo cáo không xác định chính xác đặc điểm nào của từng công cụ tạo ra khác biệt. Các tỷ lệ chỉ cho thấy mối liên hệ, không chứng minh rằng thiết kế công cụ trực tiếp khiến người dùng làm việc lâu hơn. Đây vẫn là yếu tố cần cân nhắc khi doanh nghiệp triển khai tác tử AI hỗ trợ lập trình cho đội kỹ thuật.
Coddy cũng ghi nhận các lập trình viên cấp cao có xu hướng làm việc lâu hơn. Khi những người chịu trách nhiệm cho các quyết định quan trọng thiếu thời gian nghỉ ngơi, số giờ làm tăng chưa chắc tạo ra phần mềm tốt hơn.
Quản lý đang thưởng cho hành vi sử dụng AI quá mức
Theo Coddy, nhóm sử dụng AI nhiều nhất có khả năng được tăng lương và thăng chức cao hơn. Cùng lúc đó, 71% lập trình viên thừa nhận từng đưa vào sản phẩm mã mà họ chưa hiểu đầy đủ. Cơ chế khen thưởng vì thế có thể ưu tiên tốc độ và sản lượng trước mức độ hiểu hoặc khả năng kiểm chứng mã.
Trước khi công cụ AI phổ biến, một lập trình viên sao chép ví dụ từ Stack Overflow vẫn được kỳ vọng phải hiểu và điều chỉnh đoạn mã trước khi dùng. Với AI, lượng mã có thể tăng nhanh đến mức việc đọc lại, đánh giá và kiểm tra không theo kịp.
Khi tổ chức thưởng cho số tính năng, lượng mã hoặc thời gian ngồi trước bàn phím, nhân viên khác cũng chịu áp lực phải thể hiện hành vi tương tự. Người dành thời gian để hiểu mã có thể bị xem là chậm hơn đồng nghiệp tạo ra nhiều đầu ra bằng AI.
Rủi ro không dừng ở từng cá nhân. Hoạt động phát triển phần mềm phụ thuộc vào các quyết định về kiến trúc, bảo mật, khả năng bảo trì và nhu cầu thực tế của người dùng. Việc AI làm thay đổi quy trình rà soát mã càng khiến khả năng hiểu và kiểm chứng đầu ra trở nên quan trọng.
Nhiều mã hơn không đồng nghĩa với phần mềm tốt hơn
Số dòng mã, lượng tính năng và số giờ làm việc không tự chứng minh chất lượng phần mềm. Để đánh giá lợi ích của AI, doanh nghiệp cần xem xét liệu đội ngũ có hiểu, kiểm tra và bảo trì được mã hay không, đồng thời theo dõi ảnh hưởng của công cụ đến thời gian nghỉ và chất lượng quyết định.
Giá trị của phần mềm đến từ việc giải quyết đúng vấn đề của người dùng. Lượng đầu ra chỉ phản ánh một phần của quá trình phát triển và không cho biết sản phẩm có an toàn, phù hợp hoặc dễ bảo trì hay không.
Khi đánh giá tác động của AI đến sản lượng và mã lặp, doanh nghiệp cần nhìn xa hơn chỉ số đầu ra. Nếu đội ngũ tạo mã nhanh nhưng không hiểu, không kiểm tra hoặc không thể bảo trì, phần việc tiết kiệm được ban đầu có thể chuyển thành gánh nặng ở giai đoạn sau.
Kết quả khảo sát của Coddy không phủ nhận lợi ích của AI trong lập trình. Báo cáo cho thấy doanh nghiệp cần đánh giá lợi ích ấy cùng thời gian nghỉ, mức độ hiểu mã và chất lượng quyết định. Nếu quản lý chỉ thưởng cho người tạo nhiều đầu ra nhất, tổ chức sẽ tiếp tục củng cố chính hành vi đó.
Hãy theo dõi Sine để tiếp tục cập nhật cách AI đang thay đổi công việc của đội ngũ kỹ thuật.
