AI coding agent giúp kỹ sư viết nhiều code hơn, nhưng không giúp ship nhiều phần mềm hơn. Nghiên cứu của Harvard trên 718 công ty cho thấy sau khi dùng agent, số dòng code mỗi kỹ sư tăng 30%, số pull request tăng 23%, nhưng số issue Jira hoàn thành không tăng có ý nghĩa thống kê. Lý do: review pull request lâu hơn 49%.
Bài nghiên cứu "Artificial Intelligence in the Firm: Bottlenecks in Software Production" của Fiona Chen và James Stratton (bản hiện hành ngày 4/8/2026) được báo chí công nghệ đưa tin rộng rãi trong tháng 10/2026, trong đó có Ars Technica. Đây là job-market paper, chưa qua bình duyệt, nên hãy xem nó là bằng chứng sớm nhưng mạnh, chưa phải kết luận cuối cùng. Dưới đây là những gì nghiên cứu đo được, ý nghĩa với ngân sách MVP hay lộ trình sản phẩm của bạn, và vì sao đội làm ngành chịu quản lý cảm nhận nút thắt review sớm nhất.
Agent làm hoạt động viết code tăng mạnh, nhưng phần code thêm không biến thành khối lượng việc hoàn thành tương ứng. Nhóm tác giả dùng thiết kế difference-in-differences so le trên dữ liệu của Jellyfish, một nền tảng phân tích hoạt động kỹ thuật: khoảng 300 triệu sự kiện công việc của khoảng 700.000 người tại 718 công ty, từ 1/2021 đến 3/2026, bao gồm GitHub Copilot, Cursor và Claude Code.
| Chỉ số (mỗi người mỗi tháng) | AI coding assistant | AI coding agent |
|---|---|---|
| Số dòng code thêm | +12% (không có ý nghĩa) | +30% (mốc 5.017) |
| Commit | +9% | +20% |
| Pull request | +5% (không có ý nghĩa) | +23% |
| Issue và epic Jira hoàn thành | Nhỏ, không có ý nghĩa | Nhỏ, không có ý nghĩa; loại trừ mức tăng trên 12% |
| Thời gian từ lúc gửi PR đến lúc merge | Không có tác động đáng kể | +49% (mốc 7,03 ngày) |
| Số bình luận mỗi pull request | — | +35% |
Nguồn: Chen & Stratton (2026), số liệu đúng như trong bài. Tốc độ áp dụng rất nhanh: tỷ lệ công ty dùng AI coding agent tăng từ gần 0 vào tháng 10/2024 lên hơn 95% vào tháng 1/2026.
Vì viết code chỉ chiếm phần nhỏ trong tuần làm việc của kỹ sư, và khâu ngay sau nó lại chậm đi. Bài nghiên cứu ước tính kỹ sư chỉ dành 30–42% thời gian để viết code (30% theo khảo sát 100 kỹ sư, 42% suy ra từ dữ liệu nền tảng). Phần còn lại là lập kế hoạch, review và phối hợp, còn agent chủ yếu tăng tốc phần gõ code.
Một ví dụ nhanh cho thấy trần tăng tốc thấp đến đâu. Nếu viết code chiếm 30% công việc và agent giúp viết code nhanh hơn 30%, cả chu trình chỉ ngắn đi khoảng 7%, và đó là trước khi review chậm lại. Đây là phép tính của chúng tôi, không phải của bài nghiên cứu, nhưng khớp với kết quả của nó: tăng lớn ở bàn phím, tăng nhỏ hoặc bằng 0 ở khâu phát hành.
Nghiên cứu thấy khâu review hấp thụ phần chênh lệch. Sau khi dùng agent, tỷ lệ pull request bị yêu cầu sửa gần gấp đôi, số bình luận mỗi PR tăng 35%, và tỷ lệ người làm code review tăng 14%. Doanh nghiệp dồn người sang review thay vì ship nhiều hơn.
Chưa. Đến 3/2026, gần 80% công ty trong dữ liệu đã dùng AI trong code review, nhưng chỉ 23,3% bình luận review do AI tạo và chỉ 10,8% pull request nhận ít nhất một bình luận AI. Nút thắt vẫn còn sau khi doanh nghiệp dùng công cụ AI review, vì con người vẫn là người quyết định merge.
Ở đa số codebase đó là lựa chọn đúng, và ở một số nơi là yêu cầu bắt buộc. Ví dụ PCI DSS 4.0.1 yêu cầu phần mềm tự phát triển phải được review trước khi phát hành, và review thủ công phải do người khác tác giả thực hiện (hướng dẫn PCI DSS 4.0 dễ hiểu của chúng tôi). Trong môi trường HIPAA và SOC 2, bằng chứng quản lý thay đổi là thứ kiểm toán viên hỏi đầu tiên. Agent có thể viết nháp thay đổi; con người vẫn phải chịu trách nhiệm cho nó.
Không, theo dữ liệu này. Nhóm tác giả ước tính tác động lên tổng số lao động bằng 0 với độ chính xác cao, loại trừ mức giảm lớn hơn 2,9%, và tác động bằng 0 kém chính xác hơn với nhân sự kỹ thuật, loại trừ mức giảm lớn hơn 13,8%. Năng suất tăng không chuyển thành đầu ra, và cũng không chuyển thành cắt giảm nhân sự.
Hãy hoài nghi bất kỳ báo giá nào giảm giá vì "AI viết code". Nghiên cứu cho thấy phần đắt của phần mềm không phải là gõ code; mà là quyết định xây gì, review nó và đưa nó lên production an toàn. Năm hệ quả thực tế:
Hãy coi agent là một người đóng góp nhanh nhưng không đáng tin, và thiết kế quy trình xoay quanh khâu review. Đây cũng là nguyên tắc chúng tôi áp dụng cho agent bên trong sản phẩm. Trong thực tế:
Chọn công cụ là quyết định nhỏ hơn. Bài so sánh nền tảng AI dev agent nói về nơi mỗi công cụ chạy code và cách giới hạn quyền truy cập; checklist bảo mật AI agent nói về các kiểm soát cần có.
Chưa. Đây là working paper dùng cho thị trường việc làm học thuật (bản đầu 7/1/2026, bản hiện hành 4/8/2026). Đối tác dữ liệu chỉ rà soát để chắc chắn không lộ thông tin độc quyền, không rà soát nội dung khoa học.
GitHub Copilot và Cursor ở dạng assistant, và các tính năng agent gồm Cursor Agent và Claude Code, quan sát qua nền tảng Jellyfish tại 718 công ty.
Ở cấp cá nhân thì có: thêm 30% dòng code, 20% commit và 23% pull request mỗi người mỗi tháng. Ở cấp công ty, mức tăng khối lượng việc hoàn thành không có ý nghĩa thống kê, vì review trở thành nút thắt.
Không. Chúng hữu ích cho scaffolding, viết test và chuyển đổi hệ thống. Bài học là kết hợp chúng với review chặt, thay đổi nhỏ và test tốt, và đừng kỳ vọng chi phí hay thời gian giảm tương ứng.
BeevR là studio senior do founder dẫn dắt tại Hà Nội, xây phần mềm và AI agent cho các ngành chịu quản lý với giá cố định theo giai đoạn, và bạn sở hữu code từ ngày đầu. Nếu bạn đang lên kế hoạch xây sản phẩm và muốn tiến độ dựa trên các quyết định thay vì tốc độ gõ code, xem các gói MVP giá cố định hoặc kể cho chúng tôi bạn đang xây gì.