Sáu mức tự chủ của nhà máy, các cổng giữa chúng, và dự báo của chúng tôi về việc 2026 đưa ta đi được bao xa. Viết ra bây giờ để sau này bạn chấm điểm chúng tôi.
Dự đoán về AI rẻ tiền vì chẳng ai kiểm chứng. Trang này là một thang chấm, không phải cảm tính: mọi cổng bên dưới đều đúng hoặc sai với một đội thật đang ship phần mềm thật. Chúng tôi cập nhật khi các cổng mở ra, và không dời cột mốc.
Mượn từ cách chấm mức tự lái của ô tô, áp vào cách phần mềm được xây. Bước nhảy đáng chú ý là F3 sang F4: từ những agent bạn giao việc, sang một nhà máy bạn chỉ đạo.
Fig. 1 · Human share of the effort behind a merged changeSchematic, by autonomy level. Hover for values.
F3 · you are here
F0
Thủ công
Gần như suốt lịch sử phần mềm
Con người viết từng dòng. Công cụ biên dịch, lint và phàn nàn. Bàn phím chính là nhà máy.
Cổng
▸Không có. Đây là mức sàn.
F1
Có hỗ trợ
2021 đến 2023
Tự động hoàn thành trở nên khá. Mô hình gợi ý vài token kế tiếp, nhưng không gì được ship mà không do con người gõ phần lớn.
Cổng
▸Code do mô hình gợi ý xuất hiện trong phần lớn tệp mới.
▸Không ai review khác đi vì điều đó.
F2
Có giám sát
2024
Agent viết nguyên hàm và nguyên tệp trong khi con người theo dõi từng bước và duyệt từng lệnh. Một agent, một người. Nhanh hơn, nhưng vẫn tuần tự.
Cổng
▸Agent hoàn thành trọn vẹn các thay đổi trên nhiều tệp.
▸Con người đọc từng dòng trước khi merge.
▸Mỗi người điều khiển tối đa một agent tại một thời điểm.
F3
Ủy quyền
2025 đến nayNơi các đội nghiêm túc đang đứng
Agent làm chủ một tác vụ từ ticket đến diff. Con người review kết quả, không phải từng thao tác gõ. Sự chú ý dịch từ viết code sang đặc tả công việc và đánh giá nó. Một kỹ sư chạy nhiều agent cùng lúc trong các workspace tách biệt.
Các đội agent lên kế hoạch, triển khai, review và kiểm thử công việc của nhau. Con người định hướng, phân xử ngoại lệ và giữ gu thẩm mỹ. Đơn vị chú ý của con người không còn là pull request. Đó là quyết định.
Đưa vào kết quả mong muốn, nhận về phần mềm. Con người nêu ý định, ràng buộc và ngân sách. Nhà máy tự lên lịch, ship liên tục, giám sát thứ nó đã ship và tự rollback. Phần lớn thay đổi được merge mà không có con người trong vòng lặp, và tỷ lệ sự cố không tăng.
Cổng
○Phần lớn thay đổi lên production được merge mà không ai đọc diff.
○Tỷ lệ thay đổi gây lỗi bằng hoặc thấp hơn mức nền của thời con người trong hai quý liên tiếp.
○Nhà máy tự revert các lần deploy hỏng nhanh hơn người trực.
○Con người trong vòng lặp là để ra phán quyết, không phải để tăng sản lượng.
Dự báo
Năm 2026 diễn ra thế nào
Một phần là ghi nhận, một phần là đặt cược. Hai mục đầu đang diễn ra. Phần còn lại được nêu đủ cụ thể để có thể sai.
Fig. 2 · Merged changes written by agents, zero human editsIndustry median, our estimate. Dashed is forecast. The first F4 teams cross the gate earlier.
Đầu 2026
Đầu 2026
Review trở thành nút thắt
Đã xảy ra
Viết code không còn là nơi tiêu tốn giờ công của kỹ sư. Đọc code mới là. Các đội áp dụng agent song song từ 2025 chạm tường trước tiên: mười agent có thể tạo ra nhiều diff trước bữa trưa hơn mức một đội có thể review tử tế cho tới thứ Sáu.
Cách phản ứng: agent review agent, còn con người lấy mẫu thay vì đọc tất cả. Niềm tin được xây bằng thống kê, không phải theo từng diff.
Điều gì phải trở thành sự thật
Agent review phát hiện các lỗi hồi quy cài sẵn ngang với người review trung vị trong các bài kiểm tra mù.
Giữa 2026
Giữa 2026
Người điều phối xuất hiện
Đang diễn ra
Mô tả công việc thay đổi. Kỹ sư thôi làm thợ gõ phím có gu và trở thành người điều phối có gu: chia nhỏ công việc, phân về các đội agent, phân xử xung đột giữa những agent cùng chạm vào một module.
Những công cụ coi agent như một đội, chứ không phải một cửa sổ chat, trở thành giao diện mặc định với codebase.
Điều gì phải trở thành sự thật
Một kỹ sư duy trì từ 10 luồng công việc đồng thời trở lên, và việc xử lý xung đột merge giữa các nhánh agent cũng phần lớn được tự động hóa.
Cuối 2026
Cuối 2026
Ca đêm
Dự báo
Độ tin cậy dài hạn vượt một ngưỡng. Việc giao lúc 6 giờ tối đủ thường xuyên là có thể merge lúc 9 giờ sáng, đến mức không xếp ca đêm giống như để nhà máy nằm không.
Thiết lập môi trường, test chập chờn và việc đấu nối thông tin đăng nhập, những kiểu hỏng buồn tẻ đã giết các lần chạy không giám sát năm 2025, phần lớn được xử lý bằng kỹ thuật chứ không phải bằng mô hình.
Điều gì phải trở thành sự thật
Các lần chạy không giám sát từ 8 giờ trở lên thành công với phần lớn ticket thường ngày mà không cần con người gỡ vướng.
2027
2027
Những đội F4 đầu tiên
Dự báo
Những đội đầu tiên, quy mô nhỏ, ship code phần lớn do agent viết mà không đọc từng dòng, và tỷ lệ lỗi vẫn ổn. Không có gì huyền bí đằng sau: các lớp review, canary, rollback nhanh, và thói quen viết đặc tả thay vì viết code.
Ai cũng tranh cãi liệu điều này có khái quát được không. Chính cuộc tranh cãi đó là dấu hiệu mức này đã đạt được.
Điều gì phải trở thành sự thật
Ít nhất một đội mà chúng tôi có thể nêu tên, kể cả đội của chúng tôi, vượt mọi cổng F4 trong trọn một quý và công bố số liệu.
Xa hơn: F5 không phải tuyên bố cho tương lai gần
Chúng tôi không dự báo tự vận hành hoàn toàn vào năm 2026 hay 2027. Những ẩn số thành thật: liệu agent review có trụ được trước độ phức tạp đối kháng hay không, liệu đặc tả có thay được việc đọc code làm chỗ dựa niềm tin ở quy mô lớn hay không, và liệu kinh tế điện toán có giữ cho ca đêm rẻ hơn những con người mà nó hỗ trợ hay không. F5 là một mục trong thang chấm để ta nhận ra khi nó xảy ra, không phải một lời hứa.
Bảng điểm
Ngành đang ở đâu, nói thật
Nhận định của chúng tôi tính đến tháng 8 năm 2026, dựa trên đội của chính chúng tôi và những đội chúng tôi theo dõi sát. F3 phần lớn đã mở. F4 phần lớn còn đóng. Khoảng cách đó chính là phần việc phải làm.
● 2 còn mở◐ 3 một phần○ 3 đã đóngtrong 8 cổng F3 và F4
F3
Ticket thường ngày không cần can thiệp giữa chừng
Chuẩn mực với công việc có phạm vi rõ ràng trong workspace tách biệt.
●Còn mở
F3
3+ luồng công việc đồng thời trên mỗi kỹ sư
Thực tế hằng ngày với đội chúng tôi và những người dùng nặng nhất.
●Còn mở
F3
Phần lớn PR agent được merge không cần chỉnh sửa
Đúng với việc thường ngày, chưa đúng với các đợt refactor gai góc.
◐Một phần
F4
Một nửa thay đổi được merge là code agent không cần chỉnh sửa
Con người vẫn sửa hoặc lái mạnh phần lớn diff được merge.
○Đã đóng
F4
Agent review ngang với người review
Agent review bắt được lỗi thật nhưng chưa đủ tin để dùng một mình.
○Đã đóng
F4
10+ luồng công việc đồng thời mà không rớt trạng thái
Khả thi vào những ngày đẹp trời. Chi phí giám sát vẫn tăng quá nhanh.
◐Một phần
F4
Chạy qua đêm không giám sát, sáng có thể merge
Chạy được khi môi trường sạch. Môi trường hiếm khi sạch.
◐Một phần
F4
Từ ticket đến production dưới một ngày, tính trung vị
Hàng đợi review và CI ăn mất phần lợi mà agent tạo ra.
○Đã đóng
Nhà máy cần một sàn làm việc
Superset là bàn làm việc cho bước chuyển F3 sang F4: agent chạy song song trong các workspace tách biệt, đội agent bạn thực sự giám sát được, và một nơi để review code bạn không viết.