Hiệu quả năng suất trên các thế hệ công cụ lập trình AI [pdf]

Trang chủ Nghiên cứu Các bài báo khoa học Viết mã so với Phát hành mã:… Viết mã so với Phát hành mã: Hiệu ứng năng suất qua các thế hệ công cụ lập trình AI Mert Demirer, Leon Musolff & Liyuan Yang Chia sẻ X LinkedIn Facebook Bluesky Threads Email Liên kết Bài báo khoa học 35275 DOI 10.3386/w35275 Ngày phát hành tháng 5 năm 2026 Hiệu ứng năng suất của AI phát triển như thế nào qua các thế hệ công cụ kế tiếp, và ở mức độ nào thì những cải thiện ở cấp độ tác vụ cuối cùng chuyển thành sản phẩm cuối cùng? Chúng tôi nghiên cứu những câu hỏi này trong bối cảnh phát triển phần mềm, sử dụng dữ liệu từ hơn 100.000 nhà phát triển GitHub kết hợp với dữ liệu đo từ xa về việc sử dụng AI của họ. Trong một thiết kế nghiên cứu sự kiện phù hợp, chúng tôi nhận thấy rằng các công cụ tự động hoàn thành (autocomplete), tác nhân lập trình tương tác (interactive coding agents) và tác nhân lập trình tự động (autonomous coding agents) đều làm tăng đáng kể hoạt động lập trình (“commits”), với các hiệu ứng tích lũy tương ứng là 40%, 140% và 180%. Tuy nhiên, những cải thiện này giảm mạnh theo cấp bậc sản xuất: hiệu ứng tích lũy 180% giảm xuống 50% đối với số lượng dự án và xuống 30% đối với các bản phát hành thực tế. Mô hình này phù hợp với giả thuyết mắt xích yếu: những cải thiện năng suất mạnh mẽ từ AI bị giảm nhẹ bởi các nút thắt cổ chai của con người trong chuỗi sản xuất, với độ co giãn thay thế ước tính là 0,25 giữa AI và nỗ lực của con người, cho thấy sự bổ sung mạnh mẽ. Chúng tôi tiếp tục xác nhận những kết quả này trên bốn thị trường ứng dụng lớn, tìm thấy sự gia tăng vừa phải về số lượng ứng dụng mới nhưng không có sự gia tăng về tổng mức sử dụng. Do đó, những cải thiện năng suất AI lớn ở cấp độ tác vụ cho đến nay chỉ chuyển đổi một phần thành phần mềm được phát hành và sử dụng. Lời cảm ơn và công bố Chúng tôi cảm ơn Joel Becker, Alexander Bick, Adam Blandin, David P. Byrne, Tom Cunningham, Jan De Loecker, Anders Humlum, Sanjog Misra, Frank Nagle, Sida Peng, Nate Rush, Suproteem Sarkar, Max Schnidman và Chad Syverson. Bài báo này đã nhận được những bình luận hữu ích từ những người tham gia hội thảo tại BIG.AI@MIT, Hội thảo AI Chicago, Hội nghị chuyên đề RAP tại Harvard & MIT, Sáng kiến AI và Kinh tế PSU, St. Louis Fed, Văn phòng Chính phủ Cộng hòa Séc, Hội nghị AI và Tương lai của Công việc của Wharton, và hội nghị MAD của Columbia. Dự án này được tài trợ một phần bởi Viện Mack về Quản lý Đổi mới tại Wharton và Vườn ươm AI Chicago. Các quan điểm được trình bày ở đây là của các tác giả và không nhất thiết phản ánh quan điểm của Cục Nghiên cứu Kinh tế Quốc gia. Mert Demirer Mert Demirer trước đây là nhà nghiên cứu sau tiến sĩ tại Microsoft và hiện đang làm tư vấn nghiên cứu được trả lương cho công ty. Leon Musolff Leon Musolff trước đây là nhà nghiên cứu sau tiến sĩ tại Microsoft và hiện đang làm tư vấn nghiên cứu được trả lương cho công ty. Trích dẫn và Dữ liệu trích dẫn Sao chép trích dẫn Mert Demirer, Leon Musolff và Liyuan Yang, "Viết mã so với Phát hành mã: Hiệu ứng năng suất qua các thế hệ công cụ lập trình AI," NBER Working Paper 35275 (2026), https://doi.org/10.3386/w35275. Sao chép vào bảng nhớ tạm Tải xuống trích dẫn MARC RIS BibTeΧ Tải xuống dữ liệu trích dẫn Liên quan Chủ đề Kinh tế vi mô Hộ gia đình và Doanh nghiệp Tổ chức công nghiệp Nghiên cứu ngành Phát triển và Tăng trưởng Đổi mới và Nghiên cứu & Phát triển (R&D) Các chương trình Tổ chức công nghiệp Nghiên cứu lao động Năng suất, Đổi mới và Khởi nghiệp Thông tin thêm từ NBER Ngoài các bài báo nghiên cứu, NBER còn phổ biến những phát hiện mới nhất của các thành viên thông qua một loạt ấn phẩm định kỳ miễn phí — NBER Reporter, NBER Digest, Bulletin on Health và Bulletin on Entrepreneurship — cũng như các báo cáo hội nghị trực tuyến, bài giảng video và phỏng vấn. Năm 2025, Bài giảng Feldstein thường niên lần thứ 17, N. Gregory Mankiw, "Tương lai tài khóa" Bài giảng Feldstein Người trình bày: N. Gregory Mankiw N. Gregory Mankiw, Giáo sư Kinh tế Robert M. Beren tại Đại học Harvard, đã trình bày Bài giảng Martin Feldstein năm 2025... Năm 2025, Bài giảng về phương pháp, Raj Chetty và Kosuke Imai, "Khám phá các cơ chế nhân quả: Phân tích trung gian và các chỉ số thay thế" Bài giảng về phương pháp Người trình bày: Raj Chetty & Kosuke Imai Các slide. Tài liệu nền về trung gian. Imai, Kosuke, Dustin Tingley và Teppei Yamamoto. (2013). “Thiết kế thử nghiệm... Năm 2025, Thương mại quốc tế và Kinh tế vĩ mô, "Hội thảo về Tương lai của nền kinh tế toàn cầu" Thảo luận nhóm Người trình bày: Oleg Itskhoki, Paul R. Krugman & Linda Tesar Được hỗ trợ bởi khoản tài trợ #G-2023-19633 của Quỹ Alfred P. Sloan, khoản tài trợ #20251294 của Quỹ Lynde và Harry Bradley...