# Nghiên cứu Harvard: AI viết code nhanh hơn nhưng đầu ra không tăng

[Dylan](https://homus.dev/speakers/dylan) · [Dylan John](https://homus.dev/orgs/dylan-john)

> Dylan đọc nghiên cứu Harvard: AI agent tăng lượng code nhưng đầu ra phần mềm không tăng, code review thành bottleneck, kèm METR, Amazon và các đợt sa thải.

Topics: Coding Agents, Workflow

Canonical: https://homus.dev/talks/harvard-just-discovered-ai-isnt-actually-working

## 1. "Thiên tài trong data center" và những câu hỏi của video

Dylan mở đầu bằng hai lời hứa về AI: Dario từng hứa về "một đất nước đầy những thiên tài trong một data center", còn Elon Musk nói AI có thể sớm vượt qua một phần trí tuệ con người. Nhưng theo Dylan (video đăng ngày 13/11/2026), Harvard vừa công bố một nghiên cứu mới về AI ở nơi làm việc, và với tư cách một AI engineer, anh thật sự thấy kinh hoàng (truly horrified). Anh nói đã chắt lọc mọi thứ tìm được vào một video duy nhất này.

![Dylan nói trước camera trong phòng làm việc, sau lưng là màn hình lò sưởi và đèn neon xanh](https://homus.dev/photos/xWk9MP4ed-4-0045.jpg)

Dylan nói thẳng vào camera trong phòng làm việc của mình, ở đoạn anh kể về một buổi họp xem lại chi tiêu AI của công ty (video đăng ngày 13/11/2026).

Anh nêu ba điều muốn xem xét trong video (đăng ngày 13/11/2026): AI đang làm chậm công việc như thế nào, nhưng không phải ở những chỗ bạn nghĩ; vì sao bạn sẽ mất việc "do AI" (due to AI) chứ không phải "vào tay AI" (to AI); và vì sao cuộc "AI takeover" hoàn toàn chưa xảy ra theo cách chúng ta đã kỳ vọng.

Ngay sau đó, video chen một loạt đoạn tin của người khác (video đăng ngày 13/11/2026): ngân sách cả năm bị tiêu hết trong vài tuần; các công ty Mỹ đã nêu AI là lý do số một cho các đợt sa thải; và một số nhân viên nói giấc mơ ấy đang biến thành ác mộng.

## 2. Hơn 6 triệu đô mỗi tháng cho token

Dylan kể vài ngày trước anh ngồi họp với director của mình, cùng xem lại chi tiêu cho AI trên toàn công ty. Theo lời anh (video đăng ngày 13/11/2026), công ty anh đang chi hơn 6 triệu đô mỗi tháng cho token, tức 200.000 đô mỗi ngày.

Một đoạn tin chen vào nói rằng các công ty đang đứng trước một lựa chọn chưa ai từng phải đưa ra: token, hay con người. Theo phép so sánh của Dylan (video đăng ngày 13/11/2026), số tiền đó có thể chữa 6 triệu ca sốt rét, có thể nuôi 1,2 triệu trẻ em ăn trọn một năm học, và gần đủ để trả lương cho Tim Cook.

Anh hứa sẽ tới phần nghiên cứu của Harvard ngay sau đây, nhưng trước hết là câu hỏi mà theo anh (video đăng ngày 13/11/2026) ai cũng đang hỏi: AI có thật sự giúp được gì không? Đã chi ngần ấy tiền thì nó phải gắn với ROI, nó phải giúp ích cho việc kinh doanh bằng cách nào đó, đúng không?

## 3. Một năm trước: "coding đã lỗi thời" và nghiên cứu của METR

Dylan lùi lại vỏn vẹn 365 ngày. Theo anh, khi đó "conventional wisdom" là AI đã khiến coding trở nên lỗi thời (obsolete). Một đoạn phát biểu chen vào: "Tôi có những engineer trong Anthropic nói rằng tôi không còn viết dòng code nào nữa." Dylan kể tiếp (video đăng ngày 13/11/2026): Anthropic khi đó gửi các lời mời làm việc có ghi rằng vị trí này có thể sẽ không còn tồn tại sau 12 tháng; chuyện bong bóng (bubble talk) đang lên đỉnh; và MIT công bố 95% dự án thử nghiệm AI của doanh nghiệp (corporate AI pilots) thất bại. Anh nói đó là tin anh tưởng sẽ làm sụp đổ cả nền kinh tế.

Nhưng bất chấp tất cả những điều đó, một nhóm nghiên cứu tên METR tung ra một "quả bom" thật sự. Theo những gì Dylan trích (video đăng ngày 13/11/2026): 16 developer, 246 task, một thử nghiệm ngẫu nhiên có đối chứng (randomized controlled trial) về software engineering. Anh nhớ rất rõ hôm đó ở chỗ làm: trên Slack, email, Zoom, ai cũng bàn về nó, như thể Trump vừa chữa khỏi ung thư.

![Phần tóm tắt nghiên cứu của METR về tác động của AI đầu năm 2025 lên năng suất developer mã nguồn mở](https://homus.dev/photos/xWk9MP4ed-4-0207.jpg)

Phần tóm tắt nghiên cứu METR mà Dylan đưa lên trong video đăng ngày 13/11/2026: một RCT về công cụ AI đầu năm 2025 với developer mã nguồn mở giàu kinh nghiệm, kết luận rằng khi dùng công cụ AI, họ mất thời gian lâu hơn 19% so với khi không dùng.

Kết luận chính, theo Dylan đọc (video đăng ngày 13/11/2026): software engineer chậm hơn 19% khi dùng AI. Manager đổ lỗi cho từng cá nhân, engineer đổ lỗi cho nghiên cứu, nhưng chỉ có engineer, một mình engineer, thật sự tin rằng AI đang giúp họ nhanh hơn. Dylan nói bạn muốn gọi đó là thiếu hiểu biết, là tự tin, hay gọi là gì cũng được.

## 4. METR chạy lại nghiên cứu

Theo Dylan (video đăng ngày 13/11/2026), METR đã nghe rất rõ phản ứng của mọi người, và để chứng minh quan điểm của mình, họ tuyên bố sẽ lặp lại "quả bom nguyên tử" của mình: 47 developer mới, 10 người từ nhóm ban đầu, và mức trả công giảm 100 đô. Anh nói điểm cuối không liên quan, nhưng anh thấy nó rất buồn cười.

![Một bài viết tiêu đề The Measurement Problem kể về lần METR chạy lại nghiên cứu](https://homus.dev/photos/xWk9MP4ed-4-0226.jpg)

Bài viết "The Measurement Problem" hiện trên màn hình trong video đăng ngày 13/11/2026: lần chạy lại tuyển 47 developer mới cộng 10 người từ nhóm ban đầu, mức trả công hạ từ 150 đô/giờ xuống 50 đô/giờ, và developer ngày càng từ chối tham gia nếu phải làm việc không có AI.

Dylan nói những gì họ tìm thấy thật gây sốc: chưa từng có chuyện gì như vậy trong lịch sử loài người, và nó cho thấy AI đã tiến bộ nhanh tới mức nào. Theo anh (video đăng ngày 13/11/2026), bài toán đang khó hơn, nhưng tiến bộ đang nhanh hơn.

## 5. Từ Claude 3.7 tới lúc "Claude trở nên giỏi"

Dylan dừng lại để nhìn những gì đã thay đổi trong khoảng thời gian đó, vì theo anh nó thay đổi rất nhiều. Theo dòng thời gian anh kể (video đăng ngày 13/11/2026): từ Claude 3.7, tới GPT-5 vào tháng 8, rồi Opus 4.5 vào tháng 11. Anh gọi đó là những bước nhảy khổng lồ, giống như đi từ iPhone 3G lên iPhone 18, từ internet dial-up lên cáp quang, từ chạy 5K sang chạy marathon.

Nhưng theo Dylan, có gì đó thay đổi thật sự vào tháng 12 năm ấy. Anh nói tháng 12 năm ngoái (tính từ video đăng ngày 13/11/2026) được mọi người biết đến là thời điểm "Claude trở nên giỏi". Một co-founder của OpenAI, Andrej Karpathy, viết: "Tôi chưa bao giờ thấy mình tụt lại phía sau nhiều như thế này với tư cách một lập trình viên." Theo lời Dylan, Wikipedia ghi rằng kỳ nghỉ đông là lúc Claude Code bùng nổ (went viral).

![Thẻ bài báo: Top engineers at Anthropic, OpenAI say AI now writes 100% of their code](https://homus.dev/photos/xWk9MP4ed-4-0330.jpg)

Tiêu đề bài báo hiện trên màn hình trong video đăng ngày 13/11/2026: các engineer hàng đầu ở Anthropic và OpenAI nói AI giờ viết 100% code của họ, kèm những hệ quả lớn cho tương lai của nghề phát triển phần mềm.

Và chưa đầy một tháng sau, theo Dylan (video đăng ngày 13/11/2026), Anthropic bắt đầu nói với mọi người rằng AI giờ viết 100% code của họ.

## 6. Thời của bảng xếp hạng token

Trào lưu viral mà Dylan thích nhất là "kỷ nguyên của leaderboard". Theo anh (video đăng ngày 13/11/2026), tin hay không thì tuỳ, các engineer ở Silicon Valley giờ được chấm điểm dựa trên lượng token AI họ dùng: Meta thêm bảng xếp hạng ai tiêu nhiều token nhất, Microsoft và Uber làm theo.

![Thẻ bài báo: Jensen Huang nói sẽ rất lo nếu engineer lương 500.000 đô không dùng ít nhất 250.000 đô token](https://homus.dev/photos/xWk9MP4ed-4-0354.jpg)

Tiêu đề hiện trên màn hình trong video đăng ngày 13/11/2026: Jensen Huang nói ông sẽ "deeply alarmed" nếu một engineer lương 500.000 đô của ông không tiêu ít nhất 250.000 đô token.

Dylan kể tiếp (video đăng ngày 13/11/2026): Jensen Huang nói ông sẽ "vô cùng lo ngại" nếu engineer lương 500.000 đô của mình không tiêu ít nhất 250.000 đô token. Theo anh, điều đó dẫn tới một meme huyền thoại: "CEO của Oreo: tôi khuyên mọi người nên ăn 50 chiếc Oreo mỗi ngày, có khi 100."

Rồi chưa đầy vài tuần sau, theo Dylan (video đăng ngày 13/11/2026), Amazon phải năn nỉ engineer đừng dùng AI chỉ vì muốn dùng AI. Trên màn hình là bài báo đề ngày 28/10/2026 với tiêu đề Amazon bảo engineer thôi "tokenmaxxing" khi các chỉ số sử dụng AI phản tác dụng. Anh gọi đó là "một thời hoàng kim".

## 7. Lần chạy lại thứ hai và selection bias

Theo Dylan (video đăng ngày 13/11/2026), lần thứ hai METR cố lặp lại nghiên cứu, các engineer thẳng thừng từ chối làm việc mà không có AI, và METR thừa nhận rằng chính vì thế mà nghiên cứu giờ đã hoàn toàn bị hỏng (entirely corrupted).

Anh đọc đoạn văn trên màn hình (bài "The Measurement Problem", video đăng ngày 13/11/2026): những developer được AI giúp tăng tốc nhiều nhất sẽ không tham gia vào nhóm không dùng AI; bạn đang lấy mẫu từ một tập người đã bị lọc sẵn, loại bỏ những người có tín hiệu tích cực mạnh nhất. Dylan nói thêm: cái đó gọi là selection bias.

Ý của đoạn văn mà Dylan đọc trong video đăng ngày 13/11/2026: nhóm không dùng AI chỉ còn những người chấp nhận làm việc không có AI; đoạn văn gọi đó là một tập người đã bị lọc sẵn.

Cuối cùng, theo Dylan (video đăng ngày 13/11/2026), METR bỏ cuộc, và tới lúc đó họ kết luận rằng việc AI giúp developer nhanh hơn giờ có vẻ là khả năng cao (seemed likely). Lưu ý duy nhất: không engineer nào chịu code mà không có nó, nên rốt cuộc chẳng ai thật sự biết. Vậy còn Harvard thì sao?

## 8. Harvard: AI có làm coding nhanh hơn không?

Dylan bắt đầu từ câu hỏi đầu tiên: AI có làm coding nhanh hơn không? Theo anh, METR không biết, nhưng Harvard thì biết. Theo nghiên cứu mà Dylan trích (video đăng ngày 13/11/2026), các nhà nghiên cứu ở Harvard tiếp cận 718 công ty thật, lấy dữ liệu bên trong một analytics platform và theo dõi việc lên kế hoạch task trong Jira, việc code và pull request trên GitHub, việc deploy, và cả lịch làm việc của bạn. Tổng cộng, theo lời anh, Harvard chắt lọc 300 triệu điểm dữ liệu khác nhau trong 5 năm liên tiếp thành một nghiên cứu tổng hợp.

![Phần Abstract của nghiên cứu Harvard, dòng 718 firms được tô đậm](https://homus.dev/photos/xWk9MP4ed-4-0503.jpg)

Phần Abstract của nghiên cứu, bản hiện trên màn hình trong video đăng ngày 13/11/2026: dữ liệu từ một engineering analytics platform phủ 300 triệu work event (hoạt động GitHub, issue Jira, sự kiện Google Calendar) ở 718 công ty; cả hai thế hệ công cụ đều tăng năng suất coding, nhưng mức tăng không truyền hết sang đầu ra phần mềm hay việc làm.

Kết luận của họ, theo Dylan (video đăng ngày 13/11/2026), là một chữ "có" dứt khoát: coding nhanh hơn. Các công ty dùng AI agent (anh kể Claude Code, Cursor, Codex) viết nhiều hơn 30% số dòng code, commit nhiều hơn 20%, và mở pull request thường xuyên hơn 23%. Trang nghiên cứu hiện trên màn hình lúc đó ghi đúng ba con số này cho AI agent (30% với số dòng code, 20% với commit, 23% với pull request), và ghi thêm rằng AI assistant chỉ tăng nhẹ: 12%, 9% và 5%.

## 9. Theo code tới đích: engineer dành thời gian vào đâu

Nhưng theo Dylan (video đăng ngày 13/11/2026), Harvard đi xa hơn METR một bước: các tác giả theo dõi đoạn code tới tận vạch đích. Anh nói mình đã làm trong ngành tech gần 10 năm mà vẫn không thể tin nổi điều này.

Dylan kể năm vừa qua anh làm engineering manager (video đăng ngày 13/11/2026), và anh có thể nói rằng tạo ra code chưa bao giờ dễ hơn bây giờ. Một prompt có thể tạo hàng nghìn dòng trong vài phút: test, test spec, tài liệu, PR. Theo lời anh, nếu làm việc mọi phút của mọi giờ trong mọi ngày thì anh cũng không theo kịp tốc độ thay đổi của team mình; tệ đến thế, hoặc dễ đến thế, tuỳ bạn nhìn theo cách nào.

Theo Dylan (video đăng ngày 13/11/2026), một senior engineer còn mô tả các task đơn giản như cảm giác nhanh hơn 100 lần khi có AI. Đoạn trích hiện trên màn hình lúc đó ghi lời một Senior Software Engineer: với task đơn giản, quen thuộc, Claude Code viết bản nháp trong hai giây và đúng 90% thời gian, mức tăng tốc "on the order of 100x"; nhưng với các task engineering sâu hơn thì không tiết kiệm được bao nhiêu thời gian: nó sai khá nhiều và bạn tốn thêm thời gian ở khâu review.

Dylan nói bạn có thể đang nghĩ: thế là xong, hết video, AI thắng và lại lấy việc của chúng ta. Nhưng nếu phân tích cách engineer dùng thời gian trong Figure 10, bên trái là thời gian tính từ dữ liệu, bên phải là từ khảo sát. Theo những gì anh đọc (video đăng ngày 13/11/2026), engineer thường dành 42% thời gian để code, 18,6% cho code review, và tới 39,5% cho quản lý: họp, sync, tài liệu và những việc tương tự. Anh nói con số cuối cao hơn rất nhiều so với anh tưởng.

![Figure 10: Coding share of software labor, hai cột Jellyfish và Survey](https://homus.dev/photos/xWk9MP4ed-4-0623.jpg)

Figure 10 "Coding share of software labor" hiện trên màn hình trong video đăng ngày 13/11/2026: cột Jellyfish (dữ liệu) ghi Coding 42,0%, Code Review 18,6%, Management 39,5%; cột Survey (khảo sát) ghi Coding 30,8%, Code Review 21,8%, Management 47,4%.

## 10. Đầu ra không đổi, thời gian chuyển sang code review và những chỗ khác

Theo Dylan (video đăng ngày 13/11/2026), điều Harvard tìm ra là không có thay đổi nào ở lượng code được giao (code delivered): số task Jira hoàn thành không tăng, số dự án hoàn tất không tăng, và kích thước của task cũng không đổi. Anh hỏi: vậy có lẽ bạn nên đuổi ông software engineer kia, vì toàn bộ khoảng thời gian dư ra ấy đã đi đâu? Anh ta lười à? Muốn bị đưa vào PIP không?

Theo lời Dylan (video đăng ngày 13/11/2026), rất nhiều trong số thời gian đó đi vào nhiều chỗ khác nhau. Trước hết, pull request mất thời gian lâu hơn 49% mới được duyệt. Số lần một thứ gì đó cần sửa trong code review tăng gấp đôi, và reviewer để lại nhiều hơn 35% comment so với trước khi có AI.

Dylan kể về một senior engineer trong nghiên cứu (video đăng ngày 13/11/2026): người này mất sáu tháng chờ phê duyệt pháp lý cho một việc lẽ ra có lẽ chỉ mất một tháng; coding agent có thể tăng mạnh năng suất coding, nhưng ticket Jira thường ghi lại những bottleneck mà AI không giải quyết được.

Một engineer khác, theo lời Dylan kể (video đăng ngày 13/11/2026), nói bottleneck thật sự nằm ở việc giao tiếp giữa team business và team product, ở review và QA: bạn có thể tạo feature nhanh hơn nhiều, nhưng chúng vẫn cần con người kiểm tra và cải thiện. Đoạn trích trên màn hình ghi vế cuối là "validated and approved by humans".

![Đoạn trích lời một Senior Software Engineer về bottleneck, phần về giao tiếp business và product được tô đậm](https://homus.dev/photos/xWk9MP4ed-4-0723.jpg)

Đoạn trích lời một Senior Software Engineer hiện trên màn hình trong video đăng ngày 13/11/2026: mỗi lúc chỉ có một bottleneck, tăng tốc coding thì bottleneck dời sang chỗ khác; ở hầu hết các tổ chức người này từng làm, bottleneck thật là giao tiếp giữa team business và product, cùng review và QA.

Theo Dylan (video đăng ngày 13/11/2026), điểm mấu chốt là thời gian đã dịch chuyển: nó chảy ngược lên và xuôi xuống dòng. Toàn bộ thời gian tiết kiệm được ở khâu implement để lại nhiều thời gian hơn cho code review, cho training, hoặc cho việc cãi nhau với product manager của bạn.

## 11. Amazon: sự cố tháng Ba và chữ "friction"

Dylan nói còn một chỗ rất có vấn đề nữa mà bạn có thể đang tiêu thời gian vào, và mời nhìn sang Amazon. Theo anh (video đăng ngày 13/11/2026), vào tháng Ba, website của Amazon sập trong sáu giờ, khách hàng không hoàn tất được giao dịch, không xem được thông tin tài khoản hay mở trang sản phẩm. Anh nói đó là một cơn đau đầu lớn với rất nhiều người đang định mua hàng trên Amazon.

Theo Dylan (video đăng ngày 13/11/2026), Amazon mất khoảng 6,3 triệu đơn hàng chỉ trong một ngày, tương đương hàng trăm triệu đô doanh thu. Anh nói mình không phải kiểu người mất ngủ vì Jeff Bezos bớt giàu đi một chút, nhưng Amazon đã truy ra nguyên nhân là một thay đổi có sự hỗ trợ của Gen AI, và kéo theo những hệ quả nghiêm trọng.

![Đoạn tóm tắt: Amazon retail outages lost millions of orders; an internal review tied one to its AI tool Q](https://homus.dev/photos/xWk9MP4ed-4-0757.jpg)

Đoạn tóm tắt hiện trên màn hình trong video đăng ngày 13/11/2026: chuỗi sự cố đầu tháng 3/2026; sự cố ngày 5/3 làm đơn hàng ở Bắc Mỹ giảm 99%, khoảng 6,3 triệu đơn bị mất, gắn với một thay đổi production được deploy không qua quy trình phê duyệt chính thức; sự cố ngày 2/3 là vụ gắn với công cụ AI Q (gần 120.000 đơn bị mất); Amazon nói chỉ một trong các sự cố có dùng công cụ hỗ trợ AI và không vụ nào có code do AI viết.

Theo Dylan (video đăng ngày 13/11/2026), hệ quả gồm ba điều. Thứ nhất, Amazon khởi động một đợt "code safety reset" kéo dài 90 ngày, cố ý đưa thêm friction vào quy trình code; anh dặn hãy nhớ chữ friction này. Thứ hai, senior engineer giờ phải ký duyệt mọi thay đổi code có hỗ trợ AI do engineer cấp thấp hơn thực hiện. Thứ ba, Amazon bắt buộc phải có tài liệu trước khi deploy các thay đổi quan trọng, thêm friction nữa. Trên màn hình lúc anh nói điều thứ hai, bài viết ghi rằng đây là điều Financial Times đưa tin, còn Amazon nói với Business Insider rằng nói như vậy là không chính xác (video đăng ngày 13/11/2026).

Dylan hỏi: những gì anh vừa kể có nghe giống như đang tăng tốc và cách mạng hoá lực lượng lao động không? Một đoạn phỏng vấn chen vào, một giọng nói rằng nó "sẽ tái tạo mọi trải nghiệm khách hàng mà chúng ta biết". Theo Dylan (video đăng ngày 13/11/2026), Amazon đã phải cố ý thêm friction vào quy trình để ngăn những vấn đề do AI gây ra.

## 12. Ngoài coding: AI scribe, ngành luật và kế toán

Dylan mở rộng góc nhìn, vì theo anh AI hiển nhiên đang được dùng ở nhiều chỗ hơn hẳn chứ không chỉ coding. Em trai anh đang học trường y; anh vẫn định hỏi em có dùng thứ này không. Thứ anh nói tới là AI scribe: theo anh (video đăng ngày 13/11/2026), nó được làm ra để nghe các buổi khám và dùng Gen AI soạn ghi chú lâm sàng có cấu trúc, thông tin bệnh nhân và các tài liệu hành chính khác.

Theo Dylan (video đăng ngày 13/11/2026), một "mega study" của JAMA cho thấy việc dùng AI scribe gắn với mức giảm tổng thời gian ghi hồ sơ (charting) và làm tài liệu lần lượt 13,4 và 16 phút. Anh nói điều đó rất tốt. Nhưng bác sĩ làm việc cùng AI scribe dành 23,2% thời lượng buổi khám để hoàn tất hồ sơ, so với 16,2% khi không có nó. Theo anh, nghĩa là ít thời gian với bệnh nhân hơn, nhiều thời gian với AI hơn.

![Đoạn bài báo về AI scribe, câu 23,2% so với 16,2% được tô đậm](https://homus.dev/photos/xWk9MP4ed-4-0937.jpg)

Đoạn bài báo hiện trên màn hình trong video đăng ngày 13/11/2026: sau khi cuộc trò chuyện kết thúc, bác sĩ dùng scribe dành 23,2% buổi khám để hoàn tất hồ sơ, so với 16,2% khi không có; các tác giả nói phần thời gian thêm này có thể phản ánh việc rà và sửa ghi chú do AI tạo, và khác biệt đó suýt soát không đạt ý nghĩa thống kê. Bài ghi nghiên cứu đăng trên JAMIA Open.

Theo Dylan (video đăng ngày 13/11/2026), thủ phạm chính mà các tác giả nêu ra là bác sĩ phải rà soát, kiểm tra và sửa giọng văn của bản AI ghi lại. Anh nói việc này không hoàn toàn giống review code, nhưng nó có vần với nhau (it rhymes).

Theo anh (video đăng ngày 13/11/2026), bạn thấy điều tương tự trong ngành luật, nơi một số hãng luật bị phạt hàng trăm nghìn đô vì AI hallucination trong các bản báo cáo. Một đoạn tin chen vào: toà án đang mạnh tay hơn với một số luật sư dùng AI để viết bản biện hộ và lập luận.

Dylan nói điều tương tự cũng xảy ra trong ngành kế toán. Một đoạn tin khác chen vào (video đăng ngày 13/11/2026): Deloitte buộc phải hoàn lại một phần tiền cho chính phủ sau khi người ta phát hiện một bản báo cáo họ làm đầy những tài liệu tham khảo và trích dẫn giả do AI tạo ra.

## 13. Sa thải "để chuẩn bị cho AI": American Express, Netflix, Microsoft

Dylan muốn đưa nghiên cứu của Harvard lên một tầng nữa, vì nếu AI không thật sự cải thiện hiệu suất thì rốt cuộc nó đang làm gì? Theo anh (video đăng ngày 13/11/2026), American Express đang cắt 5% lực lượng lao động để "chuẩn bị cho AI". Đợt cắt giảm diễn ra trong một năm làm ăn tốt: lợi nhuận ròng tăng lên 3,7 tỷ đô từ 2,9 tỷ đô một năm trước, lợi nhuận trên mỗi cổ phiếu tăng 31%.

![Đoạn bài báo Cutting after a record quarter về kết quả kinh doanh của American Express](https://homus.dev/photos/xWk9MP4ed-4-1027.jpg)

Đoạn bài báo "Cutting after a record quarter" hiện trên màn hình trong video đăng ngày 13/11/2026: lợi nhuận ròng tăng lên 3,7 tỷ đô từ 2,9 tỷ đô một năm trước, EPS tăng 31% lên 5,42 đô, theo báo cáo kết quả quý 3/2026 của Amex.

Dylan nhắc lại: Amex, chuẩn bị cho AI, rốt cuộc câu đó có nghĩa là gì? Theo anh (video đăng ngày 13/11/2026), AI đã ở đây, đã ở đây hai năm rồi, giờ mới chuẩn bị à?

Theo Dylan (video đăng ngày 13/11/2026), Netflix sa thải 1.000 nhân viên dù vẫn đang tăng trưởng và có lãi hơn bao giờ hết. Một đoạn tin chen vào nói hãng streaming này được cho là đang cắt 1.000 nhân viên trong hôm đó. Video nói con số đó vào khoảng 6% lực lượng lao động. Dylan kể tiếp: năm nay Netflix đặt mục tiêu tăng trưởng 14%, nâng biên lợi nhuận hoạt động, và đang ngồi trên khoản tiền mặt "bé tí" 9 tỷ đô. Anh nói thêm: 9 tỷ đô tiền mặt mà vẫn không làm nổi một chương trình TV. Bài báo trên màn hình lúc đó ghi mức tăng doanh thu dự kiến là 13%-14%, biên lợi nhuận hoạt động nâng 200 điểm cơ bản lên 31,5%, và 9,1 tỷ đô tiền mặt và tương đương tiền (video đăng ngày 13/11/2026).

Nhưng theo Dylan (video đăng ngày 13/11/2026), Microsoft làm một việc kỳ quặc hơn tất cả những gì anh thấy trong năm nay cộng lại. Một đoạn tin chen vào: một công ty tech đang đề nghị gói nghỉ việc cho 60.000 nhân viên. Dylan nói Microsoft đề nghị gói nghỉ việc tự nguyện cho 60.000 người; theo phép so sánh của anh, con số đó gấp hơn ba lần rưỡi tổng số cửa hàng Starbucks ở Mỹ, bằng lượng fan Tampa Bay Rays của hai sân bóng chày.

Anh quay lại với Harvard và đọc phần kết luận của nghiên cứu, như trên màn hình (bản hiện trong video đăng ngày 13/11/2026): "We find that both technologies increase coding productivity, with larger effects for AI agents. Despite these gains, we find little evidence that firms increase software output or reduce employment." Câu này nói rằng cả hai công nghệ đều tăng năng suất coding, AI agent tác động lớn hơn, nhưng các tác giả thấy rất ít bằng chứng rằng doanh nghiệp tăng được đầu ra phần mềm hay giảm được nhân sự.

Vậy Microsoft nêu lý do gì? Theo Dylan (video đăng ngày 13/11/2026): hiệu suất AI (AI efficiency). Anh hỏi: giữ 100% làm gì khi có thể bắt 94% làm phần việc của 100?

## 14. Nỗi sợ sa thải và phép so sánh với McDonald's

Theo Dylan (video đăng ngày 13/11/2026), việc các CEO giữ nhân viên của mình trong nỗi sợ sa thải thường trực là một hành vi khá độc hại. Anh gọi Meta là ví dụ tai tiếng nhất: mọi lúc trong mọi tuần, người ta tự hỏi liệu mình có nằm trong đợt sa thải tiếp theo có hỗ trợ AI hay không. Một đoạn ghi âm khác chen vào, nói rằng từ thời điểm đó, "chúng tôi sẽ không còn được kỳ vọng làm việc cho Meta nữa". Dylan nói kết quả là văn hoá làm việc độc hại hơn bao giờ hết.

Theo anh (video đăng ngày 13/11/2026), giả vờ dù chỉ một chút rằng AI đang tăng tốc rất nhiều workflow, coding, automation tới mức không còn cần con người nữa thì đơn giản là vô lý. Nó giống như nói bạn không cần nhiều người làm ở McDonald's như trước vì xe chạy qua làn drive-through nhanh hơn một chút.

Theo Dylan (video đăng ngày 13/11/2026), bạn có thể mất việc do AI, nhưng không phải vào tay AI, vì theo anh những CEO tuyên bố AI cải thiện hiệu suất mạnh nhất cũng tình cờ là những người sa thải nhanh nhất nhân danh AI.

Dylan kể về công ty nơi anh làm (video đăng ngày 13/11/2026): công ty anh chưa thực hiện một đợt sa thải nào vì AI. Công ty anh đang tuyển nhiều người hơn bao giờ hết, và cũng chịu tác động của cái gọi là "AI transformation" không kém bất kỳ ai. Và trớ trêu thay, theo anh, công ty anh cũng là nơi ít lên tiếng nhất về chuyện đó.

## 15. Bottleneck dịch chuyển và "prompt factory"

Theo Dylan, Harvard diễn đạt điều này rất hay. Anh đọc đoạn văn trên màn hình (bản nghiên cứu hiện trong video đăng ngày 13/11/2026): kinh tế học của việc áp dụng AI không thể hiểu được nếu chỉ nghiên cứu từng task được tự động hoá một cách riêng lẻ; quy trình sản xuất gồm nhiều hoạt động bổ trợ cho nhau, và tăng tốc một khâu thường chỉ dời điểm nghẽn sang chỗ khác.

![Đoạn văn của nghiên cứu Harvard, câu the economics of AI adoption cannot be understood được tô đậm](https://homus.dev/photos/xWk9MP4ed-4-1303.jpg)

Đoạn văn của nghiên cứu hiện trên màn hình trong video đăng ngày 13/11/2026, phần được tô đậm: "the economics of AI adoption cannot be understood by studying automated tasks in isolation. Production processes consist of multiple complementary activities, and accelerating one stage often shifts the constraint elsewhere."

Dylan so sánh (video đăng ngày 13/11/2026): giống như đẩy nhanh một dòng suối chỉ để chặn đập nó ở đoạn dưới. Với software engineer nói riêng, theo anh, điều đó có nghĩa là bạn được tự động hoá một khối lượng công việc khổng lồ của mình mà không mất gì. Việc trước mất vài tuần nay mất vài ngày; việc mất vài ngày nay mất vài giờ; việc mất vài giờ nay mất vài phút.

Nhưng theo Dylan (video đăng ngày 13/11/2026), chữ "nếu" lớn là nếu bạn vẫn còn việc và chưa bị một CEO cho nghỉ trong khi giả vờ thay thế bạn. Xét trong bức tranh lớn, anh cho rằng làm trong một ngành mà AI làm hết việc cho bạn là một thoả thuận khá ngon.

Dylan gọi việc đi làm viết phần mềm bây giờ là "prompt factory", vì theo anh nó đúng là như vậy (video đăng ngày 13/11/2026): về cơ bản bạn đứng trên một dây chuyền lắp ráp trong một ô làm việc văn phòng, gõ cho Claude rồi chờ nó trả lời, đi qua các vòng lặp với những agent khác nhau và gửi phần mềm đi tiếp. Anh nói không phải là kỳ vọng chưa tăng lên tới mức bạn phải làm gấp 10 lần, vì điều đó chắc chắn cũng đã xảy ra.

Theo Dylan (video đăng ngày 13/11/2026), không có một đám thiên tài nào ngồi trong data center cả; chỉ có một đám software engineer trong văn phòng chờ Claude trả lời. Không có toàn bộ trí tuệ loài người nằm trong AI; chỉ có một đám dân mê dữ liệu chuyển suy nghĩ của mình thành code. Vì theo một cách nào đó, công việc đã được tự động hoá, nhưng con người vẫn bắt buộc phải có mặt. Và trong lúc đó, các CEO trả hoá đơn cắt cổ nhân danh việc trở thành "AI first".

## Nguồn và liên kết

- Tên gốc: Harvard Just Discovered AI Isn’t Actually Working
- Sự kiện: [YouTube](https://homus.dev/events/youtube)
- Video gốc: [https://www.youtube.com/watch?v=xWk9MP4ed-4](https://www.youtube.com/watch?v=xWk9MP4ed-4)

- Kênh YouTube Dylan John (Dylan): [youtube.com/channel/UCexTb8DjffP3dHCH87vpWUQ](https://www.youtube.com/channel/UCexTb8DjffP3dHCH87vpWUQ)

- Nghiên cứu Harvard mà Dylan đọc trong video, "Artificial Intelligence in the Firm: Bottlenecks in Software Production" (Harvard University, job market paper). Bản PDF mở được ngày 18/11/2026 là phiên bản ghi "Current: November 14, 2026", với số liệu đã cập nhật so với bản hiện trong video: 445 triệu work event của 720.542 người ở 655 công ty, từ 1/2021 tới 8/2026; tóm tắt của bản này ghi AI tăng mạnh lượng code nhưng tác động nhỏ tới đầu ra phần mềm cuối cùng, không thấy tác động đo được lên việc làm, và code review trở thành bottleneck (đọc ngày 18/11/2026): [fion.ac/jellyfish.pdf](https://fion.ac/jellyfish.pdf)

Nguồn: https://homus.dev/talks/harvard-just-discovered-ai-isnt-actually-working · cập nhật 2026-11-18
