Số token không phải thước đo năng suất
Đo hiệu quả AI là đánh giá xem công cụ trí tuệ nhân tạo có giúp cải thiện kết quả công việc và mục tiêu kinh doanh hay không, thay vì chỉ đếm mức độ sử dụng hoặc lượng nội dung do công cụ tạo ra. Amazon đã nhắc kỹ sư nhìn xa hơn việc dùng AI để hoàn thành tác vụ và tập trung vào kết quả lao động; cảnh báo này được nêu trong bản ghi nhớ của Terk Terkowitz, Phó chủ tịch kiêm Kỹ sư xuất sắc của Amazon, về vai trò của nhà phát triển trong kỷ nguyên AI. Đây là lời nhắc cần thiết: token AI là dấu vết của hoạt động, không phải bằng chứng về giá trị. Một nhóm có thể tạo nhiều mã hơn mà vẫn giao hàng chậm, tăng lỗi hoặc đẩy thêm việc sang khâu rà soát. Vì vậy, xem mức dùng AI như đại diện cho năng suất AI chẳng khác nào chấm điểm đội đua bằng lượng nhiên liệu đã đốt.
Amazon cho rằng các chỉ số như lượng token hay lượng mã được tạo là những thước đo sai lệch nếu dùng để kết luận thành công của nhóm. Bản ghi nhớ cũng đề cao khả năng kết hợp công cụ AI với phán đoán của con người và hiểu biết chuyên môn, đồng thời yêu cầu kỹ sư gắn bó với khách hàng để hiểu nhu cầu của họ. Quan điểm này đúng ở chỗ hiệu quả không nằm trong công cụ, mà nằm ở việc công cụ giúp giải quyết vấn đề nào. Nhà quản lý nên hỏi công việc có tốt hơn, nhanh hơn hoặc hữu ích hơn không, thay vì hỏi nhóm đã dùng bao nhiêu AI.
Bảng xếp hạng token dễ tạo động cơ sai
Trong một giai đoạn của năm nay, một số doanh nghiệp lập bảng xếp hạng nhân viên theo số token tiêu thụ; xu hướng chạy đua dùng thật nhiều token được gọi là “tokenmaxxing”. Sau đó, một số nơi chuyển sang “tokenminning”, tức tìm cách dùng ít token nhất, nhưng cả hai đều biến phương tiện thành đích đến. Cách chấm điểm này tưởng khách quan vì có con số rõ ràng, song lại khuyến khích nhân viên tối ưu thứ dễ đếm thay vì thứ tạo giá trị. Khi lãnh đạo thưởng cho mức sử dụng, kỹ sư có thể tăng lời nhắc hoặc tạo thêm mã mà không cải thiện sản phẩm. Khi thưởng cho mức tiết kiệm, họ có thể né những lần dùng AI hữu ích. Cả hai đều khiến bảng xếp hạng trông sôi động nhưng không trả lời câu hỏi quan trọng: công việc có tốt hơn không?
Đó là lý do bảng xếp hạng token dễ trở thành chỉ số phù phiếm: con số có thể đẹp trên bảng điều khiển mà không giúp doanh nghiệp đưa ra quyết định tốt hơn. Tỷ lệ cấp quyền sử dụng cao cũng không chứng minh công cụ đã được tích hợp hiệu quả vào quy trình. Nếu AI làm mã được tạo ra nhiều hơn nhưng khâu duyệt mã trở thành nút thắt, thời gian giao hàng có thể không giảm; nếu lỗi tăng, tổ chức còn phải làm lại nhiều hơn. Việc một số công ty cạn ngân sách AI sớm trong năm càng cho thấy tiêu thụ nhiều không đồng nghĩa thu được giá trị tương xứng. Đếm token có thể hữu ích để theo dõi mức dùng, nhưng không nên biến nó thành bảng thành tích.
Gắn AI với chỉ số kinh doanh có ý nghĩa
Muốn đo hiệu quả AI, doanh nghiệp nên xác định trước kết quả cần cải thiện rồi chọn chỉ số phù hợp. Với nhóm kỹ thuật, có thể theo dõi thời gian từ lúc bắt đầu đến khi giao thay đổi, tần suất triển khai, tỷ lệ làm lại, độ ổn định khi phát hành hoặc chi phí cho mỗi thay đổi. Các khung DORA và SPACE có thể giúp đánh giá sức khỏe quy trình cũng như nhiều mặt của năng suất nhà phát triển, nhưng chúng là công cụ đo, không phải mục tiêu. Điều cần tránh là tuyên bố thành công chỉ vì nhiều người đã được cấp quyền dùng AI. Chẳng hạn, tỷ lệ áp dụng đạt 95% mà thời gian chu kỳ không giảm 30% và lượng việc làm lại không giảm thì chưa thể xem là bằng chứng về hiệu quả cao. Chỉ số kinh doanh phải nối việc dùng công cụ với thay đổi có ích.
Cùng nguyên tắc ấy áp dụng ngoài lĩnh vực kỹ thuật: nhóm chăm sóc khách hàng có thể đo thời gian phản hồi, tiếp thị theo dõi tỷ lệ chuyển đổi, còn tài chính xem độ chính xác dự báo. Một ví dụ trong tài liệu nguồn: nhóm hỗ trợ lấy mốc phản hồi ban đầu là chín giờ, dùng AI soạn bản nháp trả lời, rồi sau hai tháng giảm thời gian xuống còn ba giờ mà tỷ lệ yêu cầu mở lại không đổi. Đó là một kết quả đáng kể vì tốc độ tăng mà chất lượng không suy giảm. Doanh nghiệp nên so sánh với đường cơ sở trước khi đưa AI vào quy trình, rồi kiểm tra xem cải thiện có lặp lại được hay không. Nếu không có tiến bộ, mức sử dụng cao cũng không thể cứu được kết luận.
Đo kết quả, không chạy theo hoạt động
AI đang thay đổi công việc kỹ thuật nhanh chóng, nhưng doanh nghiệp vẫn cần phân biệt giữa hoạt động và thành quả. Báo cáo DORA năm 2025 ghi nhận nhiều nhóm triển khai AI trên nền tảng quy trình chưa sẵn sàng; công cụ có thể khuếch đại cả điểm mạnh lẫn điểm yếu sẵn có. Vì thế, tăng mức sử dụng không tự động sửa được quy trình mong manh, cũng như giảm token không đồng nghĩa với vận hành khôn ngoan hơn. Nhà quản lý cần giúp đội ngũ hiểu AI có thể hỗ trợ ở đâu, đồng thời giữ sự chú ý vào nhu cầu khách hàng và chất lượng đầu ra. Khi cách làm tốt nhất vẫn đang hình thành, phép đo vững chắc nhất không phải bảng xếp hạng token, mà là bằng chứng công việc tiến bộ theo mục tiêu đã chọn.
Kết luận của Amazon đáng được xem như một nguyên tắc quản trị, không chỉ là lời khuyên dành cho kỹ sư: hãy đánh giá AI bằng tác động lên khách hàng, doanh nghiệp và đội ngũ. Mục tiêu hợp lý là giao nhiều sản phẩm hơn với chất lượng cao hơn, trong khi dùng cùng hoặc ít nhân lực hơn—not tạo nhiều mã hay tiêu thụ nhiều token chỉ để chứng minh công cụ đang được dùng. Doanh nghiệp có thể theo dõi token để quản lý mức sử dụng, nhưng quyết định đầu tư và đánh giá năng suất AI phải dựa vào kết quả công việc cùng chỉ số kinh doanh. Nếu kết quả không cải thiện, con số sử dụng cao chỉ là hoạt động tốn kém được trình bày như tiến bộ.
