Tóm tắt nhanh
- 81% nhóm phát triển từng merge code hoặc bài kiểm thử do AI viết mà họ chưa hiểu đầy đủ; 19% cho biết việc này xảy ra thường xuyên.
- 50% nhóm dành phần lớn ngân sách kiểm thử AI cho việc tạo đầu ra, trong khi 17% ưu tiên xác minh.
- Chỉ 41% chạy kiểm tra tự động với code AI trước khi merge; 44% ghi nhận lỗi lọt hoặc sự cố production tăng khi lượng code AI tăng.
- LLM chấm code có thể hỗ trợ rà soát, nhưng dữ liệu khảo sát không chứng minh nó gây ra tình trạng merge code chưa hiểu.
AI đã viết hơn một nửa lượng code production ở 40% nhóm được khảo sát, nhưng khoản đầu tư cho khâu xác minh chưa theo kịp: một nửa nhóm dành phần lớn ngân sách kiểm thử AI cho công cụ sinh đầu ra, còn chỉ 17% dành ưu tiên tương tự cho việc kiểm chứng.
Đó là điểm đáng chú ý trong báo cáo State of AI in Quality Engineering 2026 của TestMu AI, dựa trên khảo sát thực hiện từ cuối tháng 7 đến đầu tháng 10/2026. Kết quả không nói rằng AI tự nó làm phần mềm kém an toàn; nó cho thấy nhiều tổ chức đang đưa code vào quy trình nhanh hơn khả năng kiểm tra và xử lý hậu quả.
Khoảng cách ngân sách khiến khâu kiểm chứng thành nút thắt

| Chỉ số khảo sát | Kết quả |
|---|---|
| Nhóm từng merge code hoặc bài kiểm thử AI chưa hiểu đầy đủ | 81% |
| Nhóm nói AI viết hơn một nửa code production | 40% |
| Nhóm có bất kỳ kiểm tra tự động nào trước merge | 41% |
| Nhóm ghi nhận lỗi production tăng khi code AI tăng | 44% |
| Nhóm dành phần lớn ngân sách kiểm thử AI cho sinh đầu ra | 50% |
| Nhóm dành phần lớn ngân sách kiểm thử AI cho xác minh | 17% |
| Merge thường xuyên code AI chưa hiểu: dùng LLM-as-a-judge | 29% |
| Merge thường xuyên code AI chưa hiểu: không dùng LLM-as-a-judge | 15% |
| Tăng lỗi lọt ở nhóm chuyển QA không có test tự động riêng trong CI | 49% |
| Tăng lỗi lọt ở nhóm có test tự động riêng trong CI | 38% |
| Nhóm có kế hoạch ứng phó sự cố do AI | 13% |
Số liệu: TestMu AI, State of AI in Quality Engineering 2026.

Trong khảo sát, 50% nhóm cho biết phần lớn ngân sách kiểm thử AI của họ đi vào việc tạo đầu ra, gồm chỗ ngồi cho coding agent và API mô hình. Chỉ 17% nói phần lớn ngân sách được dùng cho xác minh. Đây không phải phép đo toàn bộ chi tiêu công nghệ của doanh nghiệp, mà là cách các nhóm phân bổ ngân sách kiểm thử AI theo báo cáo.
Sự lệch ưu tiên ấy xuất hiện cùng một khoảng trống trong quy trình: chỉ 41% nhóm chạy bất kỳ kiểm tra tự động nào trên code do AI viết trước khi merge. 55% dựa vào rà soát thủ công, còn 51% chuyển code cho nhóm QA; các cách này có thể bổ sung cho nhau, nhưng không thay thế được kiểm tra lặp lại mỗi khi code thay đổi.
44% nhóm nói lỗi lọt ra production hoặc sự cố tăng lên khi lượng code do AI tạo tăng. Con số này là tự báo cáo và thể hiện mối liên hệ, không xác lập rằng code AI là nguyên nhân duy nhất. Dù vậy, khi code được tạo nhanh hơn nhưng kiểm tra vẫn phụ thuộc vào từng lượt đọc của con người, một lỗi khó thấy có thể đi qua nhiều bước trước khi được phát hiện.
Thêm một mô hình AI để chấm code chưa thay được kiểm tra độc lập
LLM-as-a-judge thường được dùng để đánh giá đầu ra của một mô hình khác. Cách làm này có thể giúp phát hiện vấn đề hoặc sắp xếp kết quả, nhưng nó vẫn là một lớp đánh giá dựa trên mô hình và không tự chứng minh rằng người chịu trách nhiệm hiểu được thay đổi sắp đưa vào sản phẩm.
Khảo sát ghi nhận 29% nhóm dùng LLM-as-a-judge thường xuyên merge đầu ra AI mà họ không hiểu đầy đủ, so với 15% ở nhóm không dùng. Đây là tương quan trong dữ liệu khảo sát; không thể kết luận việc dùng mô hình chấm code khiến tỷ lệ tăng lên. Có thể các nhóm dùng cách này cũng đang áp dụng AI rộng hơn hoặc có quy trình khác biệt.
Điểm thực tế là kết quả của mô hình chấm không nên được xem như bằng chứng duy nhất để duyệt code. Kiểm thử tự động, rà soát thay đổi, kiểm tra bảo mật và xác nhận hành vi trong môi trường phù hợp tạo ra các lớp kiểm chứng có tiêu chí rõ ràng hơn, nhất là khi chúng không phụ thuộc vào chính mô hình đã sinh code.
Đưa kiểm tra vào CI trước khi merge giúp giảm rủi ro lọt lỗi
Trong số các nhóm chuyển code AI sang QA mà không có bộ kiểm thử tự động riêng trong CI, 49% báo lỗi lọt ra production tăng. Tỷ lệ này là 38% ở nhóm có những bài kiểm thử tự động đó. Chênh lệch 11 điểm phần trăm không chứng minh CI tự động sẽ loại bỏ lỗi, nhưng ủng hộ một nguyên tắc vận hành hữu ích: chạy kiểm tra trước khi merge, thay vì để QA trở thành hàng rào đầu tiên sau khi code đã viết xong.
Với đội phát triển ở Việt Nam, bước đầu không nhất thiết là mua thêm một công cụ AI kiểm thử. Có thể bắt đầu bằng việc yêu cầu mỗi thay đổi do AI tạo phải có kiểm thử phù hợp, chạy lint và test trong CI, đồng thời buộc người duyệt giải thích được mục đích của phần code quan trọng trước khi hợp nhất. Những thay đổi liên quan xác thực, dữ liệu người dùng hay quyền truy cập nên có tiêu chí rà soát riêng, thay vì dựa vào một điểm số tổng quát từ mô hình.
Khâu ứng phó sau khi phát hành cũng còn yếu: chỉ 13% nhóm nói họ có kế hoạch xử lý sự cố dành cho sai sót do AI. Khi code AI đã tham gia vào sản phẩm, đội ngũ cần biết ai có quyền rollback, cách truy dấu thay đổi và kiểm tra nào sẽ chạy sau khi sửa. Nếu không, tốc độ tạo code chỉ rút ngắn thời gian đến lần phát hành; nó không bảo đảm thời gian khắc phục cũng ngắn hơn.
AI đang trở thành một nguồn tạo code đáng kể, nhưng quyết định merge vẫn thuộc về đội ngũ chịu trách nhiệm vận hành phần mềm. Chừng nào kiểm chứng còn nhận ít ưu tiên hơn sinh đầu ra, việc tăng năng suất viết code có thể đi kèm thêm công việc tìm lỗi và khôi phục hệ thống.
Nguồn tham khảo: TestMu AI — State of AI in Quality Engineering 2026







