Bằng chứng cho thấy AI đang phá hủy việc làm của người trẻ

• Một bài nghiên cứu gần đây do nhóm Stanford công bố cho thấy việc làm của lao động trẻ 22–25 tuổi trong các nghề nghiệp có mức độ tiếp xúc cao với AI đã giảm khoảng 13%
• Nghiên cứu này dựa trên dữ liệu bảng lương ADP và phân tích sau khi đã kiểm soát nhiều giả thuyết khác nhau như COVID, làm việc từ xa, chu kỳ kinh tế...
• Chỉ ở các nghề có tác động tự động hóa lớn từ AI (như phát triển phần mềm, dịch vụ khách hàng...), việc làm của người trẻ mới giảm rõ rệt
• Ở các công việc nơi AI chủ yếu đóng vai trò tăng cường (hỗ trợ, bổ sung), mức giảm việc làm của người trẻ lại không rõ ràng, thậm chí không nổi bật
• Đây được đánh giá là bằng chứng thực nghiệm mạnh mẽ cho thấy AI đã và đang tạo ra thay đổi mang tính cấu trúc trên thị trường lao động của giới trẻ ngay ở thời điểm hiện tại

---

Xu hướng nghiên cứu mới nhất về sự sụt giảm việc làm của thanh niên Mỹ và tác động của AI

Bối cảnh tranh luận

• Nhiều tranh luận khác nhau vẫn đang tiếp diễn về tình hình kinh tế Mỹ và tác động của AI
• Với câu hỏi "AI đã thực sự lấy mất việc làm của người trẻ hay chưa?", hiện có ba quan điểm chính
  • Có khả năng: ban đầu đã xuất hiện các phân tích cho rằng hiện tượng tuyển dụng suy yếu của sinh viên mới tốt nghiệp gần đây có thể là ảnh hưởng của AI
  • Chắc chắn là có: các hãng truyền thông lớn như New York Times, Axios... cho rằng AI đang lấy đi việc làm của nhân sự mới vào nghề, còn CEO Anthropic dự đoán trong 5 năm tới, một nửa số vị trí khởi đầu trong khối văn phòng có thể biến mất
  • Gần như không: các tổ chức phân tích kinh tế chuyên sâu công bố dữ liệu cho thấy tác động việc làm của AI chưa rõ rệt, và ở phần lớn doanh nghiệp, hiệu ứng ròng của AI lên nhân sự gần như bằng không

Bài nghiên cứu của Stanford và các phát hiện thực nghiệm

• Gần đây, nhóm nghiên cứu Stanford đã sử dụng hàng triệu bản ghi bảng lương của ADP để quan sát xu hướng việc làm đến giữa năm 2025
• Họ xác nhận rằng việc làm của nhóm 22–25 tuổi trong các nghề có mức độ tiếp xúc với AI rất cao (ví dụ: lập trình viên phần mềm, công việc dịch vụ khách hàng) đã giảm 13% kể từ sau khi ChatGPT ra mắt
• Trong khi đó, ở các nghề có mức độ tiếp xúc thấp (như chăm sóc sức khỏe tại nhà...) và ở nhóm lao động lớn tuổi hơn, việc làm lại được duy trì hoặc thậm chí tăng lên
• Nhóm nghiên cứu cũng tiếp tục kiểm soát nhiều yếu tố ngoại sinh như COVID, làm việc từ xa, tăng trưởng chậm..., nhưng kết quả không thay đổi đáng kể
• Đây không phải là thí nghiệm để xác lập quan hệ nhân quả mà là phân tích quan sát. Dù vậy, hiện tượng suy giảm việc làm của người trẻ trong các công việc phơi nhiễm cao là rất rõ ràng

Phân tích theo biểu đồ và trường hợp cụ thể

• Biểu đồ 1: cho thấy xu hướng sụt giảm tuyển dụng mới rất rõ ở nhóm kỹ sư phần mềm trẻ và các nghề dịch vụ khách hàng
  • Trong khi nhóm lớn tuổi hơn vẫn giữ được việc làm hoặc còn tăng lên, thì chỉ riêng nhóm trẻ trong cùng công việc lại giảm mạnh
• Biểu đồ 2: với các công việc có mức độ tiếp xúc với AI rất thấp như chăm sóc sức khỏe tại nhà, việc làm của người trẻ đang tăng nhanh
  • Điều này cho thấy sự suy giảm việc làm của người trẻ do AI chỉ giới hạn ở một số công việc nhất định
• Các công việc có mức độ tiếp xúc trung bình với AI như marketing cũng ghi nhận sự sụt giảm rõ rệt trong việc làm của người trẻ

Vì sao nghiên cứu này khác với các nghiên cứu trước?

• Các nghiên cứu trước đây (như CPS...) có quy mô mẫu nhỏ nên bị hạn chế khi phân tích các nhóm chi tiết như độ tuổi 22–25
• Nhờ dữ liệu ADP, giờ đây có thể đưa ra ước lượng đáng tin cậy ngay cả với các nhóm con chi tiết theo độ tuổi và nghề nghiệp

Khác biệt giữa tác động tự động hóa và tăng cường của AI

• Nghiên cứu tách riêng hai trường hợp theo từng công việc: AI thay thế công việc của con người theo hướng tự động hóa và AI tăng cường/bổ trợ công việc của con người
  • Nghề có tính tự động hóa cao (kỹ sư phần mềm, kiểm toán kế toán...): việc làm của người trẻ giảm rõ rệt
  • Nghề có tính tăng cường cao (các vai trò phức tạp hoặc đòi hỏi tính chiến lược): mức giảm việc làm của người trẻ không rõ rệt
• Nhóm nghiên cứu cũng tham chiếu các chỉ số bên ngoài như Anthropic Economic Index để phân loại và phân tích đặc tính tác động của AI theo từng nghề
• Biểu đồ 6, 7: các nghề dễ tự động hóa cho thấy việc làm của người trẻ giảm rõ rệt, trong khi các nghề mang tính tăng cường lại có xu hướng tăng việc làm

Khác biệt về tác động tuyển dụng giữa các bộ phận trong cùng một công ty

• Ngay trong cùng một doanh nghiệp, các bộ phận có mức độ tiếp xúc cao và dễ tự động hóa như pháp lý/kế toán ghi nhận việc làm của người trẻ giảm, còn các bộ phận khác lại được duy trì hoặc tăng lên nhờ tác động tăng cường
• Tách biệt với các yếu tố chu kỳ ở cấp doanh nghiệp (như lãi suất...), vẫn tồn tại khác biệt rất rõ theo mức độ tiếp xúc của từng công việc

Khả năng bị AI thay thế và đặc tính của lực lượng lao động

• LLM (mô hình ngôn ngữ lớn) học rất tốt từ tri thức được ghi chép và chuẩn hóa. Điều này chồng lấn nhiều với phần tri thức chính quy mà người trẻ mới tích lũy
• Trong khi đó, sự chồng lấn với tri thức ngầm của lao động lớn tuổi và giàu kinh nghiệm (những bí quyết chi tiết chỉ có thể biết qua thực tế hiện trường) lại ít hơn
• Các công việc ngắn hạn, lặp đi lặp lại và dễ đánh giá thì dễ bị AI thay thế hơn. Ngược lại, các công việc chiến lược dài hạn, phức tạp thì AI khó thay thế hơn

Hướng thích ứng của giáo dục đại học

• Năng lực chủ động sử dụng AI như một công cụ ngày càng trở nên quan trọng
  • Điều khá bất ngờ là các lập trình viên senior lại thành thạo khai thác AI hơn. Điều này đặt ra nhu cầu cải tổ chương trình đào tạo đại học
• Những giới hạn của LLM (lao động mang tính vật lý, tương tác giữa con người với con người...) và tầm quan trọng của các năng lực nghề nghiệp mới cũng được nhấn mạnh

Kết luận và triển vọng

• Thay vì chỉ bàn về thành quả hay mối đe dọa trong tương lai của AI, cần nhìn thẳng vào thực tế rằng AI đã và đang tác động thực chất đến nền kinh tế hiện tại và thị trường lao động của người trẻ
• Nhấn mạnh sự cần thiết của dữ liệu thời gian thực và việc kiểm chứng lặp lại trong việc phân tích mối quan hệ giữa việc làm của người trẻ và AI
• Thông điệp được đưa ra là: thay vì chỉ dự báo tương lai, điều quan trọng hơn là chẩn đoán chính xác tình hình hiện tại

[kimjoin2]

Mọi tiến bộ công nghệ đều đang làm biến mất những công việc hiện có, nhưng chỉ riêng AI là đang câu tương tác rất tốt.

[GN⁺]

Ý kiến Hacker News

• Tôi thắc mắc vì sao hiện tượng tuyển dụng giảm ở các vị trí thiên về NLP như Customer Service Rep đã xuất hiện từ tháng 1/2023, trong khi theo tôi biết phần lớn các tập đoàn lớn chỉ bắt đầu pilot LLM/NLP vào nửa cuối năm 2023, nên thật khó giải thích việc tuyển dụng giảm trước cả triển khai công nghệ thực tế hơn 1 năm như vậy. Việc tuyển SWE giảm đã bắt đầu từ giữa năm 2022 và gần như trùng khớp với đợt tăng lãi suất, còn LLM và Copilot thì đến 1 năm sau mới phổ biến rộng rãi. Bài nghiên cứu có nói đã hiệu chỉnh cho việc ZIRP kết thúc, nhưng tôi không rõ mức hiệu chỉnh đó đã đủ hay chưa. Các khảo sát không chính thức quanh tôi cũng cho thấy việc triển khai LLM Copilot một cách nghiêm túc chủ yếu là từ cuối 2023 đến giữa 2024. Khi đó nó vẫn chưa lan rộng đến mức này.

  • Việc tuyển SWE (software engineer) giảm là do thay đổi luật thuế năm 2017. Một phần ưu đãi thuế liên quan đến nghiên cứu và phát triển (R&D) đã biến mất từ năm 2022, khiến chi phí nhân công cho các vai trò R&D (ví dụ: kỹ sư, nhà khoa học) tăng mạnh. Các tập đoàn lớn có tỷ trọng R&D cao bị ảnh hưởng sớm nhất. Còn việc tuyển Customer Service giảm là vì doanh nghiệp vốn không thực sự quan tâm đến dịch vụ khách hàng. Suốt nhiều thập kỷ, họ vẫn dùng hệ thống điện thoại tự động, call center thuê ngoài, website làm dở tệ... mà chất lượng dịch vụ thấp cũng chẳng sao. Nếu còn có thể nói với nhà đầu tư rằng “chúng tôi áp dụng AI để cắt giảm thêm nhân sự” thì thậm chí còn được hoan nghênh. Không bị thị trường hay quy định ngăn lại, nên kể cả khi họ cố tình làm dịch vụ tệ đi thì cũng chẳng có hy vọng gì nó sẽ được sửa chữa.

  • Tôi làm tư vấn, và bầu không khí đã thay đổi rất mạnh vào khoảng tháng 11/2022. Trước đó tôi còn phải xoay sở với rất nhiều khách hàng tiềm năng, rồi đột nhiên công việc rơi tự do. Khách hàng tôi tiếp xúc cũng chỉ là startup hoặc doanh nghiệp tầm trung, không phải nơi có thông tin nội bộ hay chạy theo xu hướng công nghệ tối tân. Tôi chưa từng thấy ai bàn chuyện dùng GPT để giảm chi phí nhân sự. Theo cảm nhận của tôi, nguyên nhân chính là ZIRP kết thúc và làn sóng sa thải bắt đầu (các dự án được lấp đầy ngay lập tức).

  • Tôi cũng nghĩ giống tác giả bài viết. Các tín hiệu suy yếu của thị trường lao động đã rất rõ từ trước khi LLM và AI thực sự được bàn luận rầm rộ. Tôi cho rằng nguyên nhân chính của hiện tượng co hẹp tuyển dụng không phải là LLM, mà chỉ là tương quan. Sâu xa hơn, cấu trúc kinh tế đang rạn nứt không chỉ ở Mỹ mà trên toàn thế giới, nên khó khăn việc làm của người trẻ đang lan rộng. Nguyên nhân đến từ tổ hợp nhiều yếu tố như tác dụng phụ của chính sách tiền tệ/tài khóa, bất bình đẳng tài sản, thuế quan, địa chính trị, v.v.

  • Bài nghiên cứu có nhắc đến việc hiệu chỉnh tác động của việc ZIRP kết thúc, nhưng tôi vẫn nghi ngờ mức độ đầy đủ của nó. Trong bài nghiên cứu (Equation 4.1, p.15), họ phân loại hiệu ứng riêng theo từng công ty, mức độ phơi nhiễm AI và thời điểm: log(y_{c,q,t}) ~ a_{c,q} + b_{c,t} + g_{q,t}. Các tác động kéo dài trên toàn chuỗi thời gian (ZIRP, Section 174, v.v.) lẽ ra phải được hấp thụ vào b. g được hiệu chỉnh theo tháng 10/2022 và mức phơi nhiễm 1, còn Figure 9 (p.20) có đồ thị theo độ tuổi và mức phơi nhiễm. Chỉ nhóm trẻ với mức phơi nhiễm 3, 4, 5 mới giảm từ giữa 2024. Biểu đồ trong bài báo và Figure 9 của nghiên cứu cho cảm giác khác nhau, và tôi cho rằng tác động của ZIRP là rất lớn. Tuy nhiên, với cách làm hiện tại, các vị trí junior có mức phơi nhiễm AI cao (như SWE) bị Section 174 đánh trực tiếp lại không được hiệu chỉnh thẳng vào b, mà bị phản ánh vào g, nên trên thực tế có thể bị hiểu nhầm là tác động của AI. Nếu loại các nghề thuộc diện chịu Section 174 như SWE ra rồi phân tích lại thì có lẽ sẽ ý nghĩa hơn. Bản gốc bài nghiên cứu

  • Công ty tôi cũng đẩy mạnh outsourcing từ năm 2023. Chúng tôi cũng khởi động các dự án AI, nhưng kết quả khá kém, trong khi outsourcing thì tiến rất nhanh.

• Tôi đã làm một mô hình đơn giản: nếu đến năm 2021 việc tuyển dụng ở mọi nhóm (độ tuổi) đều tăng nhẹ, rồi sau đó giảm dần, thì sẽ cho ra mẫu hình khá giống biểu đồ trong bài nghiên cứu. Lý do là các kỹ sư được tuyển ồ ạt quanh thời điểm đạt đỉnh sẽ dịch chuyển theo các nhóm tuổi. Khi bài nghiên cứu chuẩn hóa đồ thị theo mốc năm 2022, thực tế là sự thay đổi trong tỷ lệ tuyển dụng gần như không còn lộ ra nữa. Chia sẻ Google Spreadsheet

  • Kết quả này khá thú vị. Thực ra ngay cả khi mức tuyển dụng giống hệt nhau ở mọi độ tuổi, cấu trúc dữ liệu (ví dụ: nhóm trẻ dần già đi theo thời gian) vẫn có thể khiến ta hiểu nhầm rằng chỉ riêng người trẻ đang mất việc một cách đặc biệt.

  • Tôi hơi bối rối. Trong mô hình giải thích này, nhóm tuổi 20-24 và 25-29 đạt đỉnh vào các năm khác nhau (2022 so với 2024). Nếu cấu trúc là như nhau, tôi tưởng tất cả phải cùng tăng giảm và đạt đỉnh ở cùng một thời điểm, nên tôi muốn hỏi liệu điều đó có bình thường không.

• Sự sụt giảm tuyển junior là một “bi kịch tài sản chung”. Nó đã bắt đầu từ thời COVID, trước cả cơn sốt AI, và cũng không phải chỉ riêng ở Mỹ. Vì ZIRP, các công ty tuyển người không ngừng nghỉ, rồi còn tranh giành nhân tài từ đối thủ, đến mức ngay cả thực tập sinh có 2 năm kinh nghiệm cũng được đối xử như senior; tôi biết nhiều người chỉ học bootcamp cũng đã được trả lương. Cuối cùng, khi junior vừa được tuyển đã nhanh chóng nhảy sang công ty khác với vai senior, doanh nghiệp bắt đầu ngại tuyển junior.

  • Cơn sốt quá mức quanh AI đang hút vốn khỏi hoạt động tuyển dụng truyền thống.

• Thứ mà giờ chúng ta gọi là “AI” đã trở thành một dịch vụ thuê bao chứ không còn là công nghệ nữa. Công nghệ thì được đưa vào toolchain để tăng cường năng lực cho tôi; còn công ty bán thuê bao thì chỉ nhận ủy thác gánh nặng nhận thức chừng nào tôi còn trả phí. Việc CEO của Anthropic nói rằng việc làm white-collar sẽ biến mất cũng chỉ là một phát ngôn marketing từ góc độ người đang bán gói AI doanh nghiệp, nhằm khiến các công ty tin rằng họ sẽ trở thành người mua tất yếu.

  • AI sắp bước vào giai đoạn commoditization. Các mô hình mã nguồn mở dù chậm hơn mô hình tư nhân/độc quyền một thế hệ thì với gần như mọi người dùng vẫn đã đủ tốt. Vì dựa trên ngôn ngữ tự nhiên nên LLM của công ty nào cũng có thể thay thế nhau khá dễ dàng. Những công ty muốn bán dịch vụ ngoài chuyện hosting AI có thể sẽ thất vọng lớn. Chỉ vendor lock-in mới có thể ngăn commoditization, nhưng điều đó có vẻ không dễ về mặt kỹ thuật.

• Dữ liệu kinh tế giai đoạn 2020~2025 nên bị loại bỏ vì vô nghĩa. Đây là thời kỳ của quá nhiều biến số như đại dịch, lạm phát tăng vọt, bất định lãi suất, tác động thuế quan... nên không thể biết ảnh hưởng thực sự của AI là gì. Phải chờ đến cuộc suy thoái tiếp theo và sau khi các biến số lắng xuống, rồi nhìn vào tình hình việc làm khi đó, mới có thể đánh giá đúng tác động của AI lên việc làm.

  • Và 20 năm trước đó cũng là dữ liệu rác vì khủng hoảng nhà ở toàn cầu, khủng hoảng nợ công. Hai mươi năm trước nữa thì đầy những yếu tố dị biệt như bong bóng dot-com, 9/11. Dữ liệu kinh tế lúc nào cũng nhiễu, và đây là lĩnh vực không thể có thí nghiệm trong điều kiện vô trùng. Vì vậy nên nó đôi khi bị gọi là một ngành học cay đắng. Dù vậy, tôi tuyệt đối không cho rằng dữ liệu vì thế mà vô dụng.

• Có thể tồn tại nhiều nguyên nhân khác chưa được giải thích. Trong thời đại bất định, doanh nghiệp sẽ không tuyển nếu nhân sự đó không thực sự cần thiết. Tuyển junior hay nhân viên tổng đài có thể dễ dàng trì hoãn, nhưng các công việc thiết yếu như chăm sóc thì không có nhiều lựa chọn. Thuế quan hiện là nguồn bất định kinh doanh số một, còn bất định lãi suất cũng rất lớn.

• Tôi cũng vào đại học năm 2004 (ở Úc), ngay sau dư chấn của bong bóng dot-com. Khi ấy người đăng ký CS ít, mọi người né tránh vì lo ngại khó xin việc. Vì thế đã xảy ra tình trạng thiếu nhân lực mới nghiêm trọng, và từ khoảng năm 2004 các công ty bắt đầu tuyển dụng trở lại. Đến khi tôi tốt nghiệp (năm 2008), tôi có việc ngay và từ đó chưa từng phải lo thiếu việc làm. Nếu khuyên các học sinh trung học năm 2025, tôi sẽ nói đây chính là thời điểm hoàn hảo để học CS. Năm năm nữa, cơn sốt AI sẽ nguội và thị trường sẽ lại thiếu người mới.

  • Tôi muốn biết cơ sở cho nhận định đó là gì. Bạn có thực sự chắc AI chỉ là hype không?

  • một góc nhìn khác: lần này có thể hype AI là thật, AI thực sự sẽ thay thế việc làm và 5 năm nữa tất cả đều thất nghiệp. Nhưng cũng có thể 5 năm nữa, làn sóng nghỉ hưu đầu tiên của baby boomer và GenX sẽ diễn ra ồ ạt, khiến bản thân thị trường lao động ở hầu hết lĩnh vực lại mở toang.

  • Lần này có thể khác. Giờ là thời đại có thể orchestration LLM và agent để phát triển phần mềm. Vai trò của software engineer cũng bị thu hẹp còn kiểm soát chất lượng, compliance, software architecture, và xử lý các tình huống đặc biệt mà LLM làm chưa tốt. Nhưng rồi ngay cả những phần đó cũng có thể bị AI tiến bộ giải quyết. Cuối cùng, số công việc có thể làm bằng những kỹ năng mà sinh viên tốt nghiệp CS học được có lẽ sẽ ngày càng ít đi. Sau này, điều quan trọng hơn sẽ là khả năng thiết kế trừu tượng nhu cầu khách hàng, giao phán đoán và chỉ dẫn cho AI, rồi đánh giá kết quả AI như kiểu thưởng thức một tác phẩm nghệ thuật.

• Xu hướng cần thời gian. Sau khi “AI” bị nhét vào để khuấy đảo một vòng, nhiều khi còn chưa xác định được AI có thật sự có “Intelligence” hay không. Chỉ cần cấp trên ra lệnh áp dụng AI, HR có thể dùng những căn cứ đáng ngờ để tiến hành cắt giảm quy mô lớn chỉ trong vài tháng, còn tuyển lại thì rất chậm. LLM tuy hữu ích nhưng không phải là công cụ để sa thải hàng loạt. Từ góc nhìn ban điều hành, tối ưu chi phí rất hấp dẫn, nhưng trong thực tế AI không lập tức trở thành “I” như kỳ vọng. Với trải nghiệm trực tiếp của tôi, LLM giống một chiếc slide rule tuyệt vời hơn là một công cụ mang tính cách mạng. Cái slide rule của tôi thì lúc nào cũng hoạt động, không cần Internet hay điện; còn LLM thì không.

• Việc tuyển người trẻ còn chịu tác động của nhiều yếu tố ngoài tri thức và năng lực. Ngay trong IT cũng có rất nhiều việc lặt vặt mang tính blue-collar, và phần lớn được giao cho lao động thuê ngoài hoặc hợp đồng ngắn hạn (thường là người trẻ). Ví dụ như IT support, maintenance và các công việc lặp đi lặp lại phần lớn được thực hiện bên ngoài phương Tây. AI hiện chưa có vẻ sẽ thay thế ngay lĩnh vực đó. Một số việc lặt vặt còn được giao cho người trẻ vì mục đích phân tán trách nhiệm, phân tán rủi ro. Tôi không nghĩ AI có thể chịu trách nhiệm như con người. Người trẻ còn được ưa chuộng nhờ tốc độ, sự linh hoạt, sức lao động mạnh, lương thấp, và sẵn sàng làm thêm giờ mà không quá bám chấp. Theo kinh nghiệm của tôi, họ cũng làm việc nhóm tốt hơn. Nếu chỉ giải thích hiện tượng hiện nay từ góc độ năng lực thì sẽ bỏ lỡ toàn bộ bức tranh.

• Software engineering đã bước vào giai đoạn điều chỉnh từ năm 2022, còn AI chỉ là cái cớ cho các đợt sa thải hàng loạt. Zuck đã hô hào “năm của hiệu quả” suốt mấy năm nay.