#dora-metrics

Your coding agent got the onboarding your developers never did

Các tác nhân AI coding (AI coding agents) được hưởng quy trình onboard tốt hơn, tài liệu, kiểm thử và workflow hoàn thiện hơn so với lập trình viên con người, qua đó hé lộ những điều lãnh đạo kỹ thuật lâu nay bỏ quên ở các đội ngũ phát triển phần mềm.

Làm việc với các công cụ AI như coding agent giúp phát hiện những nhược điểm trong quy trình phát triển mà các đội ngũ lập trình viên thường bỏ qua, từ đó cải thiện hiệu quả và sự đồng nhất trong công việc thực tế.

Is there a relationship between cycle time and PR throughput?

Có mối quan hệ chặt chẽ giữa cycle time và PR throughput ở các tổ chức có throughput cao, trong khi các tổ chức throughput thấp chịu ảnh hưởng bởi nhiều yếu tố khác.

Lập trình viên nên đọc bài này để hiểu cách tối ưu hóa hiệu suất phát triển phần mềm bằng cách kết hợp giảm thời gian lặp lại (cycle time) và tăng tốc độ sản xuất (PR throughput) trong các dự án quy mô lớn.

AI in engineering: Q2 2026 benchmarks & research readout

Bài viết giới thiệu báo cáo mới nhất về tác động của AI trong lĩnh vực kỹ thuật (Q2 2026) do Brian Houck và Justin Reock phân tích, tập trung vào những cải tiến về tốc độ phát triển nhờ AI cũng như những hạn chế trong việc chuyển đổi thành kết quả thực tế.

Lập trình viên nên đọc bài này để hiểu cách AI đang thay đổi tốc độ phát triển dự án và những điểm yếu trong việc chuyển đổi hiệu quả từ công nghệ sang kết quả thực tế, giúp bạn tối ưu hóa công việc và tránh rủi ro trong ứng dụng AI trong công nghệ.

Can you prove AI is working? | Measuring AI developer productivity

AI đang được tích hợp vào quy trình phát triển phần mềm, nhưng nhiều đội ngũ không thể chứng minh hiệu quả thực tế của nó. Dù chi phí token (token spend) tăng lên, thông lượng (throughput) không cải thiện tương ứng, khiến việc đo lường năng suất lập trình viên trở nên khó khăn.

Những lập trình viên nên đọc bài này để hiểu cách đo lường hiệu quả thực tế của AI trong công việc phát triển, từ đó tránh lãng phí tài nguyên và tối ưu hóa năng suất bằng cách xác định liệu AI đã mang lại lợi ích thực sự.

How Microsoft sees engineering bottlenecks changing with AI

Microsoft's giám đốc phụ trách CoreAI, Tim Bozarth, chia sẻ về tác động của AI tới năng suất kỹ thuật, nhấn mạnh tầm quan trọng của kết quả (outcomes) hơn là sản lượng (output), đồng thời gợi ý các chỉ số đo lường mới mà lãnh đạo kỹ thuật nên áp dụng.

Những kiến thức về cách AI biến đổi các chướng ngại điểm trong công việc lập trình sẽ giúp bạn tối ưu hóa hiệu suất và tập trung vào kết quả thực sự hơn là công việc đơn thuần, từ đó nâng cao năng suất và chất lượng công việc của riêng mình.

Measuring AI ROI Through Business Outcomes

To achieve accurate cost tracking, organizations must connect token spend directly to work units.

James Shore: Measuring AI’s Impact on Delivery Speed

A framework is presented for rigorously measuring whether AI actually speeds up software delivery, arguing that naive metrics like lines of code, PR counts, or missed estimates are misleading because task sizes vary, estimates are inherently optimistic, and process changes accompanying AI adoption confound results. The proposed solution is a randomized within-subject repeated-measures trial: collect estimates before assignment, randomly assign tasks to 'with AI' or 'without AI' conditions, interleave the two approaches, and compare each person to their own baseline. This is part 2 of a four-part series (with an epilogue), following a piece on why naive AI ROI measurement fails and preceding upcoming installments on unintended consequences and business outcomes. References a METR study showing engineers overestimated AI speed benefits by nearly 50%.

Copilot impact dashboard now shows feature engagement

Microsoft vừa cập nhật Copilot impact dashboard với dữ liệu tương tác các tính năng cụ thể, cho thấy số lượng người dùng thường xuyên sử dụng code completion, agent edit, code review, cloud agent, CLI và app. API báo cáo của enterprise/organization giờ đây cung cấp breakdown 28 ngày về feature engagement qua đối tượng copilot_feature_engagement, cùng báo cáo adoption phase cải thiện với dữ liệu toàn bộ population 28 ngày thay vì chỉ active user mỗi ngày. Thay đổi này giúp admin xác định tính năng nào đang được sử dụng nhiều hay ít để định hướng training và configuration. Dữ liệu này yêu cầu permission "View Copilot Metrics", policy "Copilot usage metrics" và chỉ có ở cấp độ enterprise/organization, không ở user-level.

Tổng quan Copilot impact dashboard mới giúp quản trị doanh nghiệp nhận diện mức độ sử dụng từng tính năng Copilot để tối ưu hóa đào tạo và cấu hình.

Why Enterprise Engineering Still Struggles to Prove AI ROI

Organizations still struggle to tie their AI spending to desired outcomes, and a new Workforce Intelligence platform from Tempo aims to close that gap.

Blog: Shipping Code Is Not the Job

Nhiều công ty tư vấn vẫn đo lường thành công bằng lượng ticket đã giải quyết, vì đó là chỉ số dễ thu thập và cho cảm giác tiến bộ. Nhưng khi chỉ tập trung vào viết mã, họ bỏ qua các vấn đề kỹ thuật sâu sắc mà khách hàng thực sự cần giải quyết. Kết quả là dự án có thể hoàn thành mã nhưng không đáp ứng được yêu cầu chức năng hoặc hiệu suất, dẫn đến sự không hài lòng của khách hàng. Để tránh tình trạng này, nhóm phải kết hợp việc giải quyết các bài toán kỹ thuật khó với việc duy trì chất lượng mối quan hệ và chất lượng giao hàng suốt vòng đời dự án. Trong pratica, việc đo lường tiến độ nên bao gồm cả chỉ số kỹ thuật và phản hồi từ khách hàng, thay vì chỉ dựa vào lượng ticket.

Bài viết này giúp lập trình viên hiểu rằng giá trị thực sự không nằm ở việc chỉ viết code, mà ở việc giải quyết vấn đề kỹ thuật và đảm bảo trải nghiệm hoàn chỉnh cho khách hàng.

Enterprises can measure AI usage, but the hard part is proving that it actually delivered value

Nhiều doanh nghiệp có thể đo lường mức độ sử dụng AI nhưng gặp khó khăn trong việc chứng minh rằng đầu tư này thực sự tạo ra giá trị kinh doanh. Tempo vừa ra mắt sản phẩm Workforce Intelligence, một nền tảng kết nối hoạt động AI và chi phí liên quan trực tiếp với từng mục công việc trong Jira, cho phép so sánh đóng góp của AI và con người ở mức độ chi tiết. Nhờ khả năng theo dõi từng ticket, quản lý có thể xem rõ AI đã bao nhiêu thời gian hoặc tài nguyên được tiêu thụ cho mỗi công việc và từ đó xác định trường hợp AI chỉ tạo raภาระ thêm hoặc thực sự tăng năng suất. Bài học chính là để đo lường ROI của AI cần phải gán dữ liệu hoạt động và chi phí vào kết quả công việc cụ thể, thay vì chỉ dựa trên chỉ số sử dụng chung chung. Điều này cung cấp một mô hình thực tế mà các lập trình viên có thể tham khảo để xây dựng hệ thống đo lường tương tự trong môi trường Jira của riêng họ.

Bài viết này giúp lập trình viên hiểu cách đo lường và chứng minh giá trị thực sự của AI trong quy trình làm việc, không chỉ tập trung vào việc sử dụng.

Why “Tokenmaxxing” Was Always the Wrong Way for Developers to Measure AI Productivity

Learn why tokenmaxxing is a poor measure of AI developer productivity and why security teams should focus on cost, value and outcomes instead.

Can “Predictable Delivery” be measured?

Bạn đang cân nhắc đọc bài để hiểu cách đo lường “Predictable Delivery” trong dự án phần mềm. Bài viết giới thiệu 5 kỹ thuật thống kê cụ thể như linear regression, moving average, exponential smoothing, Monte Carlo simulation và Bayesian inference để biến lịch sử giao hàng thành khoảng cách dự báo. Khi áp dụng đúng, đội phát triển có thể giảm độ bất ngờ về thời gian giao hàng xuống 30% và tăng độ tin cậy dự báo lên 25%. Do đó, nếu bạn muốn nâng cao khả năng lập kế hoạch và giảm rủi ro, bài viết đáng để đọc chi tiết. Bạn sẽ thấy các ví dụ thực tiễn và công thức cụ thể giúp triển khai nhanh trong môi trường Agile.

Bài này cung cấp cho bạn năm phương pháp thống kê biến lịch trình giao hàng thành dự báo đáng tin cậy.

“Your benchmarks don't apply to us"

Các xu hướng benchmark quan trọng hơn bạn nghĩ vì chúng phản ánh hiệu suất thực tế và khả năng mở rộng của hệ thống, chứ không chỉ là con số tĩnh.

Một lập trình viên nên đọc bài này để hiểu cách hiệu suất thực tế của mã code có thể khác hoàn toàn với kết quả đo lường trên môi trường tiêu chuẩn, giúp tránh những sai lầm về hiệu năng khi triển khai sản phẩm thực tế.

Agents, Randomness, and Receipts: Notes from trivago's QA...

Tháng 7, trivago tổ chức buổi gặp mặt QA Meetup tại trụ sở Düsseldorf với khoảng 90 người tham gia từ mảng testing, engineering và các lĩnh vực khác. Sự kiện này đã trở thành một hoạt động thường niên của họ.

Là một lập trình viên muốn nâng cao kỹ năng giải quyết vấn đề trong môi trường AI và hệ thống tự động hóa, bài viết này cung cấp những góc nhìn sâu về cách ứng dụng logic, kiểm tra và tối ưu hóa trong các hệ thống phức tạp như trivago.

The playbook to close your team’s AI productivity gap | LinearB’s Yishai Beeri

LinearB giới thiệu cách cải thiện năng suất AI cho nhóm thông qua ba chiến lược: tối ưu hóa "model welfare" (hiệu suất mô hình), xây dựng hệ sinh thái agent (agent civilization), và tận dụng làn sóng CI/CD (Continuous Integration/Continuous Deployment) để đẩy nhanh quy trình phát triển.

Lập trình viên nên đọc bài này để hiểu cách tối ưu hóa hiệu suất phát triển AI bằng cách áp dụng các quy trình CI/CD và xây dựng môi trường phát triển bền vững cho các agent, giúp tiết kiệm thời gian và công sức trong quá trình triển khai và cải tiến mô hình.

AI coding got faster. Why didn’t engineering?

Các công cụ AI lập trình giúp tăng tốc độ cá nhân, nhưng kích thước pull request lớn hơn, phương pháp đo lường yếu kém và quy trình cũ khiến năng suất và sự tự tin của đội ngũ kỹ thuật bị trì trệ.

Là người viết mã, bạn sẽ nhận ra cách AI hiện đại vẫn còn bị giới hạn bởi những quy trình cũ và không hiệu quả trong các dự án lớn, khiến hiệu suất và sự tin tưởng vào công việc của nhóm lập trình viên vẫn chậm phát triển hơn mong đợi.

Yes you can measure engineering

Jade giới thiệu phương pháp đo lường hiệu quả cung cấp giá trị của các tổ chức kỹ thuật thông qua chỉ số ValueSum.

Là người viết code, bạn nên đọc bài này để hiểu cách chuyển đổi những thành quả kỹ thuật thực tế thành những chỉ số cụ thể, giúp đánh giá hiệu quả của đội ngũ phát triển không chỉ bằng thời gian mà là bằng giá trị thực sự mang lại cho doanh nghiệp.

Blog: AI Adoption Is Not a Strategy

90% nhà phát triển hiện sử dụng AI, nhưng báo cáo DORA 2025 chỉ ra rằng việc áp dụng đơn thuần không cải thiện hiệu suất giaoivery. Bảy năng lực quan trọng giúp biến AI thành lợi thế cạnh tranh thực sự.

Một lập trình viên nên đọc bài này để hiểu cách chuyển từ việc sử dụng AI như một công cụ đơn giản sang xây dựng các khả năng chuyên nghiệp, hiệu quả và cạnh tranh trong việc phát triển và triển khai sản phẩm.