Tác nhân AI, robot và chúng ta: Quan hệ đối tác công nghệ trong kỷ nguyên AI

• Công việc trong tương lai sẽ được tái cấu trúc thành mối quan hệ đối tác giữa con người, tác nhân và robot; với công nghệ hiện tại, khoảng 57% thời gian làm việc có thể được tự động hóa, nhưng đây chỉ là tiềm năng về mặt kỹ thuật chứ không phải dự báo việc làm sẽ sụt giảm
• Hơn 70% kỹ năng mà nhà tuyển dụng hiện nay yêu cầu được dùng cho cả công việc có thể và không thể tự động hóa, nên phần lớn kỹ năng vẫn còn giá trị, chỉ là cách áp dụng sẽ thay đổi
• Nhu cầu về AI fluency (khả năng sử dụng và quản lý công cụ AI) đã tăng gấp 7 lần trong 2 năm, trở thành kỹ năng tăng trưởng nhanh nhất trong các tin tuyển dụng
• Có thể tạo ra khoảng 2,9 nghìn tỷ USD giá trị kinh tế chỉ riêng tại Mỹ vào năm 2030, và để làm được điều đó cần tái thiết kế toàn bộ workflow thay vì từng tác vụ riêng lẻ
• Theo Skill Change Index, các kỹ năng số và xử lý thông tin sẽ trải qua thay đổi lớn nhất, trong khi các kỹ năng liên quan đến chăm sóc và hỗ trợ được dự báo thay đổi ít nhất

---

Tổng quan chính

• Công việc trong tương lai sẽ chuyển sang mối quan hệ đối tác giữa con người, tác nhân và robot dựa trên AI
• Với công nghệ hiện tại, khoảng 57% thời gian làm việc tại Mỹ về mặt lý thuyết có thể được tự động hóa, nhưng đây là tiềm năng kỹ thuật và việc áp dụng thực tế được dự báo sẽ mất hàng chục năm
• Một số vai trò sẽ thu hẹp, một số sẽ tăng trưởng hoặc thay đổi, và các vai trò mới sẽ xuất hiện
• Hơn 70% kỹ năng mà nhà tuyển dụng yêu cầu được dùng cho cả công việc có thể và không thể tự động hóa, nên phần lớn kỹ năng vẫn còn hiệu lực, nhưng bối cảnh áp dụng sẽ thay đổi
• Skill Change Index đo mức độ phơi nhiễm với tự động hóa của từng kỹ năng trong 5 năm tới; kỹ năng số và xử lý thông tin sẽ bị ảnh hưởng nhiều nhất, còn kỹ năng chăm sóc được dự báo thay đổi ít nhất
• Nhu cầu về AI fluency đã tăng gần 7 lần trong 2 năm, ghi nhận tốc độ tăng nhanh nhất trong các tin tuyển dụng tại Mỹ
• Có thể tạo ra khoảng 2,9 nghìn tỷ USD giá trị kinh tế tại Mỹ vào năm 2030, và để làm được điều đó, các tổ chức cần chuẩn bị lực lượng lao động và tái thiết kế toàn bộ workflow thay vì từng tác vụ riêng lẻ

AI đang định nghĩa lại ranh giới của công việc

• Tăng cường tính tự chủ và năng lực của tác nhân và robot

  • Trước đây, máy móc được thiết kế để tuân theo quy tắc nên chỉ vận hành theo những gì đã được xác định trước
  • Với sự xuất hiện của AI, tác nhân và robot thực hiện công việc nhận thức và công việc vật lý có thể học từ các bộ dữ liệu khổng lồ để sở hữu nhiều năng lực hơn
  • Chúng có thể phản hồi nhiều loại đầu vào khác nhau, bao gồm ngôn ngữ tự nhiên, và có thể thích ứng với ngữ cảnh thay vì chỉ dựa vào các quy tắc được thiết lập sẵn
  • Với công nghệ hiện tại, khoảng 57% thời gian làm việc tại Mỹ về mặt lý thuyết có thể được tự động hóa, nhưng việc áp dụng thực tế còn phụ thuộc vào chính sách, chi phí lao động, chi phí triển khai, thời gian phát triển và các yếu tố khác
  • Việc phổ cập điện đã mất hơn 30 năm, robot công nghiệp cũng đi theo lộ trình nhiều thập kỷ tương tự; và tính đến năm 2023, chỉ khoảng 1/5 doanh nghiệp vận hành phần lớn ứng dụng trên cloud

• AI ảnh hưởng đến mọi loại công việc

  • Công việc phi vật lý chiếm khoảng 2/3 thời gian làm việc tại Mỹ
  • Khoảng 1/3 công việc phi vật lý đòi hỏi kỹ năng xã hội và cảm xúc mà AI vẫn chưa đạt tới
  • Phần còn lại là các công việc phù hợp với tự động hóa như suy luận và xử lý thông tin, chiếm khoảng 40% tổng tiền lương tại Mỹ
  • Công việc vật lý chiếm khoảng 35% thời gian làm việc tại Mỹ; dù robot đã có tiến bộ, phần lớn công việc vật lý vẫn đòi hỏi kỹ năng vận động tinh, sự khéo léo và nhận thức tình huống mà công nghệ hiện chưa thể tái tạo một cách đáng tin cậy
  • Ở khoảng 40% lực lượng lao động Mỹ, công việc vật lý chiếm hơn một nửa thời gian làm việc (như tài xế, công nhân xây dựng, đầu bếp, trợ lý y tế...)
  • Sự phát triển của robot được dự báo sẽ làm thay đổi một số nghề, bao gồm cả các vai trò lương thấp trong sản xuất và chuẩn bị thực phẩm
  • Robot cũng sẽ tiếp tục đảm nhiệm những công việc nguy hiểm hoặc bất khả thi đối với con người như làm việc dưới nước, tìm kiếm cứu nạn và kiểm tra trong môi trường nguy hiểm

• Con người là không thể thay thế

  • Ở mức năng lực hiện tại, tác nhân có thể đảm nhiệm 44% thời gian làm việc tại Mỹ, còn robot là 13%
  • Để mở rộng tự động hóa hơn nữa, cần có các năng lực mà hiện chỉ con người mới làm được như diễn giải ý định và cảm xúc (đối với tác nhân), hay điều khiển vận động tinh (đối với robot)
  • Khi công nghệ phát triển, một số vai trò sẽ thu hẹp, những vai trò khác sẽ mở rộng hoặc thay đổi trọng tâm, và các vai trò mới sẽ được tạo ra
  • Trường hợp radiology: từ 2017 đến 2024, việc làm của bác sĩ chuyên khoa chẩn đoán hình ảnh vẫn tăng khoảng 3% mỗi năm bất chấp tiến bộ của AI, khi AI nâng cao độ chính xác và hiệu quả còn bác sĩ tập trung vào quyết định phức tạp và chăm sóc bệnh nhân
    • Mayo Clinic đã mở rộng nhân sự khoa chẩn đoán hình ảnh thêm hơn 50% kể từ năm 2016, đồng thời triển khai hàng trăm mô hình AI
  • AI đang tạo ra các loại công việc và vai trò mới (kỹ sư phần mềm tạo và cải tiến tác nhân, nhà thiết kế và nhà sáng tạo dùng công cụ tạo sinh để tạo nội dung mới...)

7 loại hình công việc

• Khoảng 800 nghề nghiệp được phân tích theo tiềm năng tự động hóa vật lý và phi vật lý để phân thành 7 loại hình
• Những nghề có tiềm năng tự động hóa thấp nhất được phân loại là lấy con người làm trung tâm (people-centric), còn những nghề có tỷ lệ công việc có thể tự động hóa cao được phân loại là lấy tác nhân làm trung tâm (agent-centric) hoặc lấy robot làm trung tâm (robot-centric)
• Các vai trò kết hợp cân bằng 2 đến 3 yếu tố được phân loại là dạng hỗn hợp hoặc hybrid

• Vai trò lấy con người làm trung tâm

  • Xuất hiện trong chăm sóc sức khỏe, tòa nhà và bảo trì, chiếm khoảng 1/3 việc làm tại Mỹ
  • Mức lương trung bình khoảng 71.000 USD mỗi năm
  • Các hoạt động thể chất hiện không thể sao chép bằng công nghệ chiếm khoảng một nửa thời gian làm việc

• Vai trò lấy tác nhân làm trung tâm và robot làm trung tâm

  • Đây là nhóm có tiềm năng tự động hóa cao nhất, chiếm khoảng 40% tổng số việc làm
  • Phần lớn là các vai trò lấy tác nhân làm trung tâm trong dịch vụ pháp lý và hành chính, với mức lương trung bình khoảng 70.000 USD, bao gồm khối lượng lớn công việc nhận thức như soạn thảo tài liệu mà hệ thống AI về mặt kỹ thuật có thể xử lý
  • Các vai trò lấy robot làm trung tâm (tài xế, người vận hành máy móc...) có yêu cầu thể chất cao, đôi khi nguy hiểm, với mức lương trung bình khoảng 42.000 USD
  • Vai trò tác nhân-robot chiếm khoảng 2% tổng số lao động, có mức lương trung bình khoảng 49.000 USD; công việc vật lý chiếm 53% thời gian làm việc và chủ yếu xuất hiện trong môi trường sản xuất như vận hành logistics và sản xuất tự động hóa, nơi trí tuệ phần mềm chỉ huy các hệ thống vật lý

• Vai trò hybrid

  • Bao gồm nhiều nghề kết hợp con người, tác nhân và robot, sử dụng khoảng 1/3 lực lượng lao động
  • Mức lương, cường độ thể chất và tiềm năng tự động hóa khác nhau đáng kể, nhưng trong mọi môi trường, con người vẫn là yếu tố thiết yếu
  • Vai trò con người-tác nhân: như giáo viên, kỹ sư và chuyên gia tài chính, nơi công việc có thể được cải thiện bằng công cụ số và AI; mức lương trung bình 74.000 USD, chiếm khoảng 1/5 lao động Mỹ
  • Vai trò con người-robot: xuất hiện trong bảo trì và xây dựng, nơi máy móc bổ sung sức mạnh và độ chính xác cho nỗ lực của con người; công việc vật lý chiếm khoảng 81% thời gian làm việc, mức lương trung bình 54.000 USD, chiếm dưới 1% lao động Mỹ
  • Vai trò con người-tác nhân-robot: xuất hiện trong vận tải, nông nghiệp và dịch vụ thực phẩm, nơi ba hình thức lao động được kết hợp gần như tương đương; công việc vật lý chiếm khoảng 43% thời gian làm việc, mức lương trung bình 60.000 USD, chiếm khoảng 5% lao động Mỹ

Sự thay đổi của yêu cầu kỹ năng

• Kết quả phân tích tin tuyển dụng cho thấy khoảng 6.800 kỹ năng được nhắc đến thường xuyên trong hơn 11 triệu tin tuyển dụng
• Ở gần như mọi nghề nghiệp, đến năm 2030 sẽ có ít nhất một kỹ năng thay đổi mạnh thuộc nhóm tứ phân vị cao nhất
• Ở 1/3 số nghề, dự kiến hơn 10% kỹ năng sẽ thay đổi lớn

• Cụ thể hóa và chuyên môn hóa yêu cầu kỹ năng

  • Số lượng kỹ năng riêng biệt gắn với mỗi nghề đã tăng từ mức trung bình 54 lên 64 trong 10 năm qua, cho thấy cách nhà tuyển dụng mô tả vai trò ngày càng cụ thể hơn
  • Các lĩnh vực lương cao có xu hướng đòi hỏi nhiều kỹ năng hơn và mức độ chuyên môn hóa lớn hơn
    • Tin tuyển dụng cho vị trí nhà khoa học dữ liệu và nhà kinh tế học liệt kê hơn 90 kỹ năng riêng biệt
    • Tài xế ô tô liệt kê ít hơn 10 kỹ năng
  • Các nghề lương cao nhấn mạnh kỹ năng quản lý, thông tin và kỹ thuật số
  • Các vai trò lương thấp tập trung vào công việc thực hành, vận hành thiết bị và cung cấp chăm sóc, hỗ trợ

• Kỹ năng có thể chuyển đổi và 8 kỹ năng tần suất cao

  • Mỗi làn sóng thay đổi kỹ năng đều đã làm thay đổi cách người lao động làm việc, nhưng điểm khác biệt hiện nay là tốc độ
  • Đến năm 2023, nhu cầu đối với kỹ năng liên quan đến AI tăng với tốc độ tương tự các kỹ năng số khác như điện toán đám mây và an ninh mạng
  • Sau khi AI tạo sinh trỗi dậy, tốc độ này tăng vọt: trong 2 năm qua, khoảng 600 kỹ năng mới đã xuất hiện trong tin tuyển dụng (xấp xỉ 1/3 tổng số được bổ sung trong 10 năm qua), và nhiều kỹ năng trong số đó gắn với AI và công nghệ liên quan
  • Sự thay đổi nhanh chóng làm tăng giá trị của kỹ năng có thể chuyển đổi
  • Dù mức độ chuyên môn hóa gia tăng, 8 kỹ năng tần suất cao (giao tiếp, quan hệ khách hàng, viết, giải quyết vấn đề, lãnh đạo, quản lý, vận hành và chú ý đến chi tiết) vẫn liên tục có giá trị trên nhiều ngành và mức lương khác nhau
  • Những kỹ năng này tạo thành mô liên kết của thị trường lao động và là cốt lõi của phát triển nhân lực
  • Nhiều kỹ năng khác cũng có thể chuyển đổi giữa các nghề: ví dụ, hơn một nửa số kỹ năng cần cho vị trí Account Executive cũng xuất hiện ở 175 nghề khác

• Nhu cầu về AI Fluency tăng trưởng bùng nổ

  • Nhu cầu về AI Fluency (khả năng sử dụng và quản lý công cụ AI) tăng gần 7 lần trong 2 năm tính đến giữa năm 2025
  • Hiện đã nổi lên như một yêu cầu trong các nghề có khoảng 7 triệu lao động đang làm việc
  • Nhu cầu với kỹ năng AI kỹ thuật (xây dựng và triển khai hệ thống AI) cũng đang tăng, nhưng với tốc độ chậm hơn
  • 75% nhu cầu về kỹ năng AI tập trung ở ba nhóm nghề: điện toán và toán học, quản lý, và kinh doanh - tài chính
  • Phần còn lại đến từ 10 nhóm nghề khác như kiến trúc - kỹ thuật, lắp đặt - bảo trì - sửa chữa, và giáo dục
  • Ở 9 nhóm nghề như xây dựng, vận tải và dịch vụ ăn uống (chiếm khoảng 40% lực lượng lao động, với thu nhập ở mức trung vị trở xuống), nhu cầu về kỹ năng liên quan đến AI còn hạn chế
  • Nhà tuyển dụng cũng đang gia tăng nhu cầu với các năng lực cận kề AI như tối ưu hóa quy trình, đảm bảo chất lượng và đào tạo
  • Trong khi đó, các đề cập trong tin tuyển dụng đối với những lĩnh vực mà máy móc đã làm tốt hoặc cải thiện đáng kể (nghiên cứu, viết, toán học đơn giản) đang giảm, dù những kỹ năng này vẫn thiết yếu với phần lớn lực lượng lao động

• Phần lớn kỹ năng của con người vẫn còn giá trị, nhưng cách sử dụng thay đổi

  • Khoảng 72% kỹ năng cần thiết cho cả những công việc AI có thể thực hiện và những công việc con người phải đảm nhiệm
  • Một số ít kỹ năng được dự báo vẫn là đậm tính con người một cách đặc thù, bắt nguồn từ sự đồng cảm, sáng tạo và khả năng hiểu ngữ cảnh, như giải quyết xung đột giữa người với người và tư duy thiết kế
  • Ở đầu đối diện của phổ này là những kỹ năng nhiều khả năng sẽ trở thành chủ yếu do AI dẫn dắt, như nhập dữ liệu, xử lý tài chính và điều khiển thiết bị
    • Trong khu vực này, con người sẽ rút khỏi phần tác nghiệp trực tiếp để tập trung vào thiết kế, kiểm chứng kết quả và xử lý ngoại lệ
  • Trong vùng trung gian rộng lớn giữa hai cực, con người và AI sẽ hợp tác song hành
    • Hình thành quan hệ đối tác công nghệ: máy móc xử lý công việc thường lệ, con người định hình vấn đề, đưa chỉ dẫn cho tác nhân AI và robot, diễn giải kết quả và đưa ra quyết định
    • Con người cung cấp khả năng phán đoán và hiểu ngữ cảnh mà máy móc vẫn còn thiếu, kết hợp cộng tác với giám sát

Skill Change Index (SCI)

• SCI là một chỉ số có trọng số theo thời gian đo mức độ phơi nhiễm tiềm năng trước tự động hóa của từng kỹ năng trong các kịch bản áp dụng khác nhau
• Trong 100 kỹ năng có nhu cầu cao nhất, tác động của AI khác biệt rất lớn
  • Các kỹ năng lấy con người làm trung tâm như coaching có mức phơi nhiễm với tự động hóa thấp nhất
  • Các kỹ năng thủ công, mang tính thường lệ như xử lý hóa đơn có mức phơi nhiễm cao nhất
  • Những kỹ năng như đảm bảo chất lượng nằm ở giữa phân bố, tức là vùng mà AI không thay thế kỹ năng mà làm thay đổi cách kỹ năng đó được sử dụng

• Mức độ phơi nhiễm của 7.000 kỹ năng

  • Kỹ năng số và xử lý thông tin xếp hạng cao nhất trong SCI, phản ánh năng lực xử lý và phân tích dữ liệu ngày càng mạnh của AI
  • Kỹ năng chăm sóc và hỗ trợ được dự báo thay đổi ít nhất

• Ba con đường tiến hóa của kỹ năng

  • Kỹ năng phơi nhiễm cao (tứ phân vị trên cùng): có khả năng cao giảm nhu cầu, chủ yếu là các kỹ năng chuyên môn mà AI đã thực hiện tốt như quy trình kế toán và lập trình bằng một số ngôn ngữ cụ thể
  • Kỹ năng thuộc tứ phân vị trung gian: nhiều khả năng bản chất và cách áp dụng sẽ tiến hóa hơn là nhu cầu tăng hay giảm, chủ yếu là các kỹ năng có thể chuyển đổi kết hợp phán đoán của con người với công cụ số; AI Fluency cũng nằm trong nhóm này; con người sẽ áp dụng các kỹ năng như viết và nghiên cứu theo những cách mới
  • Kỹ năng phơi nhiễm thấp (tứ phân vị dưới cùng): có khả năng duy trì cao, chủ yếu là các kỹ năng dựa trên kết nối con người và chăm sóc như lãnh đạo và kỹ năng y tế

Giá trị kinh tế và tái thiết kế workflow

• Tự động hóa dựa trên AI có thể tạo ra khoảng 2,9 nghìn tỷ USD giá trị kinh tế mỗi năm tại Mỹ vào năm 2030 theo kịch bản áp dụng trung bình
• Để hiện thực hóa những lợi ích này, cần tái thiết kế toàn bộ workflow thay vì chỉ tự động hóa từng tác vụ riêng lẻ, nhằm giúp con người, tác nhân và robot phối hợp hiệu quả

• Phần lớn doanh nghiệp vẫn chưa đạt được lợi ích thực chất

  • Khoảng 90% doanh nghiệp cho biết đã đầu tư vào AI, nhưng số doanh nghiệp báo cáo lợi ích có thể đo lường được là dưới 40%
  • Nguyên nhân của khoảng cách này: nhiều dự án vẫn đang ở giai đoạn pilot/thử nghiệm, hoặc tổ chức đang áp dụng AI vào từng tác vụ riêng lẻ thay vì tái thiết kế toàn bộ workflow
  • Ví dụ: sự khác biệt giữa việc ngân hàng cung cấp chatbot dùng tạm cho nhân viên và việc triển khai tác nhân tùy chỉnh trong một quy trình được tái hình dung cùng con người để phê duyệt, xử lý và quản lý khoản vay

• Phân bổ lợi ích năng suất

  • Phân tích 190 quy trình kinh doanh trên toàn bộ nền kinh tế Mỹ
  • Khoảng 60% lợi ích năng suất tiềm năng tập trung ở các workflow liên quan đến miền nghiệp vụ theo ngành (các hoạt động cốt lõi của từng ngành)
    • Sản xuất: quản lý chuỗi cung ứng
    • Y tế: chẩn đoán lâm sàng và chăm sóc bệnh nhân
    • Tài chính: tuân thủ quy định và quản lý rủi ro
  • Phần lợi ích bổ sung đến từ các chức năng liên phòng ban hỗ trợ mọi lĩnh vực như CNTT, tài chính và dịch vụ hành chính

Nghiên cứu trường hợp: workflow tích hợp AI

• Xem 80 trường hợp triển khai tái thiết kế quy trình làm việc xoay quanh AI
• Nhà quản lý và chuyên gia ngày càng chuyển từ vai trò người thực thi sang vai trò điều phối viên·người kiểm chứng
• Các chuyên gia theo lĩnh vực như nhà phân tích dữ liệu, chuyên viên thẩm định bảo hiểm, kỹ sư hợp tác với các tác nhân thực hiện phân tích ban đầu hoặc tạo bản nháp đầu tiên
• Những kỹ năng con người có giá trị nhất đang dịch chuyển sang mức độ thành thạo với AI, khả năng thích ứng, đánh giá phản biện đầu ra, giúp con người tập trung vào công việc có giá trị cao hơn

• Trường hợp bán hàng: tập đoàn công nghệ toàn cầu

  • Theo đuổi việc mở rộng phạm vi tiếp cận và làm sâu sắc hơn quan hệ khách hàng
  • Trong mô hình hiện có, đội ngũ bán hàng con người sử dụng các phương pháp ưu tiên không nhất quán, khả năng tiếp cận tùy chỉnh đối với hàng nghìn tài khoản nhỏ bị hạn chế, chỉ các khách hàng tiềm năng hàng đầu mới nhận được sự quan tâm mang tính cá nhân hóa
  • Triển khai nhiều tác nhân AI để tự động hóa giai đoạn đầu của quy trình bán hàng
    • Tác nhân ưu tiên: chấm điểm và xếp hạng tài khoản dựa trên dữ liệu công khai và độc quyền
    • Tác nhân tiếp cận: liên hệ khách hàng
    • Tác nhân phản hồi khách hàng: quản lý hoạt động theo dõi, phân loại lead thành quan tâm/không quan tâm/chưa chắc chắn
    • Tác nhân lập lịch: thiết lập cuộc gọi và lời nhắc cho các lead có tiềm năng cao
    • Tác nhân bàn giao: chuyển hồ sơ cho chuyên gia khi cần phán đoán của con người
  • Kết quả: doanh thu hằng năm được dự báo tăng 7~12% nhờ doanh thu mới, bán chéo và tăng tỷ lệ duy trì; tiết kiệm 30~50% thời gian trên toàn bộ các vai trò bán hàng
  • Chuyên gia phát triển kinh doanh có thể dành nhiều thời gian hơn cho sự tham gia mang tính chiến lược như viết đề xuất, đàm phán đối tác và xây dựng quan hệ
  • Trong tương lai có thể bổ sung tác nhân huấn luyện (phản hồi theo thời gian thực cho đội bán hàng), tác nhân quản trị (trợ lý xử lý công việc hành chính thường nhật)

• Trường hợp vận hành khách hàng: doanh nghiệp tiện ích quy mô lớn

  • Xử lý hơn 7 triệu cuộc gọi hỗ trợ mỗi năm dù đã có nhiều tùy chọn tự phục vụ trên ứng dụng và website
  • Hệ thống phản hồi giọng nói tương tác hiện có chỉ giải quyết khoảng 10% yêu cầu, phần còn lại được chuyển cho nhân viên dịch vụ khách hàng
  • Triển khai AI hội thoại dạng agentic cho toàn bộ cơ sở khách hàng
    • Tác nhân cuộc gọi đến: xác thực khách hàng
    • Tác nhân nhận diện ý định: xác định mục đích cuộc gọi
    • Tác nhân lập lịch cuộc gọi: quản lý lịch hẹn
    • Tác nhân tự phục vụ: tích hợp với các hệ thống backend
  • Kết quả: hiện xử lý khoảng 40% tổng số cuộc gọi và giải quyết hơn 80% trong số đó mà không cần con người can thiệp
    • Khi cần escalation, hệ thống sẽ chuyển cùng thông tin tài khoản đã được xác minh và lịch sử hội thoại để bảo đảm bàn giao liền mạch
    • Chi phí trung bình cho mỗi cuộc gọi giảm khoảng 50%
    • Điểm hài lòng của khách hàng tăng 6 điểm phần trăm nhờ thời gian chờ ngắn hơn, xử lý nhất quán hơn và giải quyết nhanh hơn
    • Nhân viên con người phụ trách các vấn đề phức tạp hơn, nhạy cảm về cảm xúc hơn và có giá trị cao hơn
  • Trong tương lai có thể bổ sung tác nhân nhận diện vấn đề khách hàng (giám sát gián đoạn dịch vụ và chủ động liên hệ khách hàng), tác nhân huấn luyện (cung cấp hướng dẫn theo thời gian thực cho nhân viên trong khi gọi)
  • Dự báo các tác nhân AI tiên tiến cuối cùng có thể xử lý 80~90% yêu cầu của khách hàng

• Trường hợp viết tài liệu y khoa: công ty dược sinh học toàn cầu

  • Theo đuổi việc cải thiện quy trình soạn báo cáo nghiên cứu lâm sàng để ghi lại dữ liệu về độ an toàn và hiệu quả của thuốc mới
  • Trong mô hình hiện có, người viết y khoa phải thu thập dữ liệu nghiên cứu thủ công, viết các báo cáo dài và điều phối nhiều vòng rà soát
  • Năng lực hạn chế và thời gian xử lý dài làm giới hạn khả năng đáp ứng nhu cầu nộp hồ sơ ngày càng tăng
  • Phát triển nền tảng AI tái cấu trúc quy trình làm việc để soạn báo cáo
    • Tổng hợp dữ liệu nghiên cứu có cấu trúc và phi cấu trúc, tạo bản nháp toàn diện trong vài phút, áp dụng mẫu phong cách và tuân thủ của công ty, tự rà soát lỗi
  • Vai trò của người viết y khoa chuyển từ soạn nháp thủ công sang hợp tác với hệ thống AI và áp dụng phán đoán lâm sàng
  • Kết quả: thời gian chạm cho bản nháp đầu tiên trước khi con người rà soát giảm khoảng 60%, lỗi giảm khoảng 50%
    • Khi kết hợp với các thay đổi khác về quy trình và công nghệ liên quan, nỗ lực đưa ra thị trường được rút ngắn vài tuần, và còn được kỳ vọng cải thiện thêm
  • Trong tương lai có thể sử dụng các tác nhân hỗ trợ những giai đoạn chính từ kế hoạch nghiên cứu lâm sàng đến nộp hồ sơ: tác nhân kế hoạch nghiên cứu lâm sàng (lắp ráp protocol thử nghiệm), tác nhân ánh xạ dữ liệu (phân tích và tổng hợp dữ liệu), tác nhân viết báo cáo (tạo toàn bộ bản nháp), tác nhân xác minh (kiểm tra tuân thủ), tác nhân rà soát (quét lỗi), tác nhân soạn thảo hồ sơ nộp (tạo tài liệu để nộp cho cơ quan quản lý)
  • Nếu áp dụng trên toàn bộ chu kỳ nghiên cứu, timeline có thể được rút ngắn vài tháng

• Trường hợp hiện đại hóa IT: ngân hàng khu vực

  • Sử dụng tác nhân AI để hiện đại hóa ứng dụng ngân hàng dành cho doanh nghiệp vừa và nhỏ
  • Mục tiêu là cập nhật nhiều ngôn ngữ lập trình khác nhau để tăng tốc độ phát triển nội bộ
  • Cách làm hiện có: tài liệu hóa thủ công, refactor mã và kiểm thử đối với hàng triệu dòng code đòi hỏi nhiều tháng làm việc, ngân sách lớn và năng lực kỹ thuật diện rộng
  • Bắt đầu pilot dùng tác nhân AI cho nhiều nhiệm vụ hiện đại hóa
    • Tác nhân đánh giá: quét codebase legacy để xác định các phụ thuộc
    • Tác nhân chức năng: tạo kiến trúc trạng thái mục tiêu
    • Tác nhân lập trình: di chuyển code sang framework mới và thực hiện kiểm thử tự động
  • Các nhà phát triển hợp tác với 15~20 tác nhân để xác minh và cải thiện đầu ra nhằm bảo đảm tính toàn vẹn kiến trúc, tuân thủ và độ chính xác chức năng
  • Trong quá trình hiện đại hóa, ứng dụng chuyển từ desktop sang mobile, từ on-premises sang cloud, từ kiến trúc monolithic sang microservices
  • Khi các tác nhân AI đảm nhận phần lớn việc thực thi lặp lại, trọng tâm công việc của con người chuyển sang lập kế hoạch, điều phối, kiểm thử
  • Kết quả ban đầu: độ chính xác code đạt tối đa 70%
  • Sau các mô-đun pilot, ngân hàng dự định mở rộng việc sử dụng tác nhân cho toàn bộ nỗ lực hiện đại hóa, ước tính giảm tối đa 50% thời gian con người cần bỏ ra
  • Trong tương lai có thể được hỗ trợ bởi tác nhân lập kế hoạch hiện đại hóa (điều phối quy trình), tác nhân đảm bảo chất lượng, tác nhân kiểm thử

• AI đang tái định hình công việc quản lý và kỹ năng

  • Khi AI đảm nhận nhiều hơn các công việc phân tích và hỗ trợ ra quyết định, bản chất của công việc quản lý chuyển từ giám sát con người sang điều phối hệ thống nơi con người·tác nhân AI·robot cùng hợp tác
  • Nhà quản lý có thể phân bổ lại thời gian cho các công việc giá trị cao hơn như tạo ảnh hưởng và cố vấn, đồng thời cũng được yêu cầu mức độ thành thạo kỹ thuật cao hơn
    • Ví dụ: quản lý bán hàng có thể dành nhiều thời gian hơn để huấn luyện đội ngũ sử dụng insight dựa trên AI và tăng cường quan hệ
    • Ví dụ: quản lý dịch vụ khách hàng có thể giám sát lực lượng lao động hybrid gồm con người và tác nhân AI, đồng thời đào tạo cả hệ thống AI lẫn nhân viên để cải thiện dịch vụ

Những câu hỏi cốt lõi dành cho lãnh đạo doanh nghiệp

• Tái hình dung doanh nghiệp để tạo ra giá trị trong tương lai

  • Những nỗ lực AI ban đầu thường tập trung vào việc cải thiện những gì đang có hơn là xem xét lại quy trình công việc
  • Lợi ích lớn hơn đến từ việc thiết kế lại toàn bộ quy trình
  • Để xây dựng giá trị cho tương lai, cần nhìn xa nhiều năm và làm việc ngược lại để xác định những vai trò, kỹ năng và cấu trúc nào cần thay đổi liên quan đến AI
  • Lãnh đạo cần lựa chọn nơi nên đầu tư vào các cuộc tái thiết kế lớn ngay từ bây giờ và nơi nên cải thiện mô hình hiện tại để đạt lợi ích ngắn hạn

• Dẫn dắt bằng AI như một chuyển đổi kinh doanh cốt lõi

  • AI ảnh hưởng đến gần như mọi chức năng
  • Lãnh đạo có thể tiếp cận như một dự án công nghệ hoặc một cuộc chuyển đổi kinh doanh rộng hơn
  • Khi giao trách nhiệm cho bộ phận IT, tốc độ triển khai có thể nhanh hơn, nhưng thay đổi bền vững và lợi thế chiến lược thực chất phụ thuộc vào cam kết rõ ràng từ lãnh đạo cấp cao và sự quan tâm liên tục đến tác động của AI đối với con người và hoạt động kinh doanh trên toàn tổ chức

• Xây dựng văn hóa thử nghiệm và học hỏi

  • Việc triển khai AI đi kèm với sự bất định, đặc biệt là trong giai đoạn đầu
  • Các tổ chức kiểm thử nhanh và thích nghi nhanh có xu hướng học nhanh nhất
  • Điều này phụ thuộc vào văn hóa hỗ trợ sự tò mò, chấp nhận rủi ro, học từ thất bại và hợp tác
  • Thay đổi văn hóa là điều khó khăn nhưng thiết yếu cho quy mô chuyển đổi mà AI nhiều khả năng sẽ đòi hỏi

• Xây dựng niềm tin và bảo đảm an toàn

  • AI thay đổi cách doanh nghiệp duy trì trách nhiệm và giám sát
  • Trọng tâm chuyển từ việc kiểm tra từng đầu ra riêng lẻ sang thiết lập chính sách rõ ràng, xác thực logic AI, xử lý ngoại lệ và xác định thời điểm cần có sự can thiệp của con người nhất
  • Thách thức là duy trì cân bằng phù hợp để giữ được mức giám sát đủ cho quản trị rủi ro và bảo đảm an toàn mà không hạn chế đổi mới và hiệu quả

• Trang bị cho quản lý năng lực dẫn dắt đội ngũ lai

  • AI đang định nghĩa lại ý nghĩa của quản lý
  • Khi việc giám sát thường nhật được tự động hóa, quản lý có thể tập trung vào huấn luyện, tạo ảnh hưởng và điều phối các đội ngũ lai gồm con người, tác nhân và robot
  • Quản lý cũng đóng vai trò then chốt trong kiểm tra thiên lệch, xác minh hiệu suất và duy trì tính toàn vẹn
  • Khi tự động hóa làm giảm mức độ kiểm soát trực tiếp, việc duy trì trách nhiệm đối với kết quả có thể trở nên khó khăn hơn
  • Cần có các chỉ số hiệu suất và hệ thống phản hồi mới để đánh giá đóng góp và tương tác giữa con người với máy móc

• Quyết định cách tận dụng năng lực được AI giải phóng

  • Doanh nghiệp cần quyết định sẽ sử dụng năng lực mà AI giải phóng như thế nào: tái đầu tư vào phát triển nhân lực và các công việc có giá trị cao hơn, hay tập trung vào hiệu quả lớn hơn và cắt giảm chi phí
  • Phần lớn sẽ thực hiện cả hai ở những mức độ nhất định
  • Quản lý sự chuyển dịch này đòi hỏi phải xác định vai trò nào có thể tiến hóa và cung cấp cho nhân viên lộ trình phát triển dựa trên kỹ năng rõ ràng
  • Với AI, việc học tập và đào tạo liên tục trở nên quan trọng hơn nữa đối với sức mạnh của tổ chức
  • Khi thay đổi nghề nghiệp và nhu cầu kỹ năng tiến hóa nhanh hơn, việc giúp người lao động hiểu kỹ năng của mình có thể chuyển sang các loại công việc mới như thế nào sẽ góp phần tăng cường khả năng chống chịu cho cả con người lẫn doanh nghiệp
  • Năng lực thành thạo AI cần được mở rộng ra mọi cấp độ trong tổ chức
  • Doanh nghiệp có thể xây dựng những kỹ năng này thông qua công cụ số, dự án thực hành và huấn luyện; đồng thời có thể mở rộng khả năng tiếp cận học tập và mở ra cơ hội mới thông qua quan hệ đối tác với các tổ chức và cơ quan khác

Những câu hỏi cốt lõi dành cho các tổ chức

• Sự tiến hóa của giáo dục và đào tạo

  • Khi nhu cầu kỹ năng thay đổi, giáo dục đóng vai trò then chốt
  • Cần phát triển từ bậc tiểu học những nền tảng của năng lực thành thạo AI — như tư duy phản biện, chất vấn kết quả, thách thức giả định, nhận diện thiên lệch và lỗi — để mọi người học cách sử dụng và định hướng các công nghệ này một cách hiệu quả
  • Có thể thiết kế lại chương trình học để kết hợp kiến thức kỹ thuật với các kỹ năng con người có thể chuyển đổi như khả năng thích ứng, tư duy phân tích và hợp tác
  • Các trường đại học có thể tích hợp AI trên toàn bộ các lĩnh vực học thuật, còn các trường nghề và community college có thể mở rộng đào tạo nghề lành nghề
  • AI có thể hỗ trợ việc học cá nhân hóa và liên tục hơn
  • Khi nhu cầu reskilling tăng lên, cần đầu tư vào học tập suốt đời
  • Hệ thống giáo dục và nhà tuyển dụng cần hợp tác chặt chẽ hơn thông qua các chương trình chung, mô hình linh hoạt, chương trình học việc có thu nhập song song và chứng nhận nhanh để hỗ trợ mọi người di chuyển giữa các nghề và ngành

• Hệ thống kết nối kỹ năng có thể chuyển đổi với cơ hội mới

  • Khi AI biến đổi công việc, nhiều người sẽ cần chuyển sang những nghề hoàn toàn mới
  • Kỹ năng có thể chuyển đổi là thiết yếu cho các chuyển dịch đó, nhưng chỉ có ý nghĩa khi thị trường lao động có thể nhận diện và tưởng thưởng cho chúng
  • Điều này có thể đạt được nhờ định nghĩa kỹ năng rõ ràng, các phương thức đáng tin cậy để chứng minh năng lực (kiểm tra hoặc chứng chỉ được xác thực) và các nền tảng ghép nối tốt hơn
  • Việc xây dựng kết nối giữa nhà tuyển dụng, trường học và các tổ chức cấp chứng chỉ có thể mở rộng khả năng tiếp cận việc làm và cơ hội

• Ứng phó của kinh tế địa phương và cộng đồng

  • Tác động của AI khác biệt rất lớn tùy theo ngành và khu vực
  • Hiểu những khác biệt này thông qua dữ liệu là bước đầu tiên để có hành động hiệu quả
  • Với bức tranh rõ ràng về nơi đang diễn ra thay đổi, các nhóm ngành, nhà giáo dục, cơ quan nhân lực và công đoàn có thể hợp tác xây dựng các chiến lược đào tạo và chuyển đổi nghề nghiệp phù hợp với nhu cầu địa phương

Định nghĩa thuật ngữ

• Adoption (triển khai áp dụng): Việc triển khai AI và công nghệ tự động hóa vào các hoạt động công việc và workflow thực tế trong bối cảnh tổ chức hoặc lực lượng lao động, quyết định mức độ, tốc độ và phạm vi nắm bắt tiềm năng tự động hóa
• Agents (tác nhân): Máy móc thực hiện các hoạt động công việc trong thế giới số, tăng cường hoặc thay thế các năng lực phi vật lý của con người như tạo ngôn ngữ tự nhiên, suy luận xã hội và cảm xúc, sáng tạo
• AI-powered agents (tác nhân được hỗ trợ bởi AI): Các tác nhân được tích hợp AI để hành động tự chủ hơn và có thể điều phối workflow; còn được gọi là agentic AI
• AI-powered robots (robot được hỗ trợ bởi AI): Các robot được tích hợp AI để hành động tự chủ hơn và có thể điều phối workflow
• Artificial Intelligence, AI (trí tuệ nhân tạo, AI): Khả năng của phần mềm trong việc thực hiện các công việc vốn truyền thống đòi hỏi trí tuệ con người, có khả năng tăng cường hoặc thay thế năng lực của con người
• Capabilities (năng lực): Các khả năng vật lý hoặc phi vật lý hỗ trợ việc ứng dụng công nghệ, được đánh giá dựa trên mức hiệu suất tương đương con người cần có để thực hiện hoạt động công việc; năng lực phi vật lý bao gồm năng lực nhận thức như ngôn ngữ tự nhiên, suy luận logic, sáng tạo, điều hướng và năng lực xã hội/cảm xúc
• Generative AI (AI tạo sinh): Ứng dụng AI nhận dữ liệu phi cấu trúc làm đầu vào và tạo ra dữ liệu phi cấu trúc thông qua foundation model, tức mạng nơ-ron nhân tạo quy mô lớn được huấn luyện trên lượng dữ liệu đa dạng khổng lồ
• Nonphysical work (công việc phi vật lý): Công việc liên quan đến năng lực nhận thức hoặc xã hội/cảm xúc thay vì chuyển động vật lý, như giải quyết vấn đề, xử lý thông tin, sáng tạo và hợp tác với người khác
• Occupations (nghề nghiệp): Tập hợp các công việc chia sẻ những nhiệm vụ hoặc hoạt động công việc tương tự, có thể được mô tả theo kỹ năng, bối cảnh công việc và các khía cạnh trình độ khác; tại Mỹ, hệ thống Standard Occupational Classification do Cục Thống kê Lao động duy trì được sử dụng
• Physical work (công việc vật lý): Công việc bao gồm tương tác trực tiếp với thế giới vật lý, đòi hỏi các năng lực dựa trên vận động như kỹ năng vận động thô, kỹ năng vận động tinh và khả năng di chuyển; thường bao gồm thao tác hoặc di chuyển vật thể, công cụ, máy móc, lắp ráp hoặc định vị vật liệu, hoặc thực hiện các động tác phụ thuộc vào sức người hay sự khéo léo của tay
• Robots (robot): Máy móc thực hiện các hoạt động công việc trong thế giới vật lý, tăng cường hoặc thay thế các năng lực vật lý của con người như kỹ năng vận động thô, kỹ năng vận động tinh và khả năng di chuyển
• Skills (kỹ năng): Kiến thức, năng lực và thuộc tính mà con người vận dụng để thực hiện hoạt động công việc, thường được tiếp thu thông qua giáo dục chính quy, đào tạo và kinh nghiệm làm việc; Lightcast và ESCO cung cấp hệ thống phân loại kỹ năng theo định hướng thị trường
• Technical automation potential (tiềm năng tự động hóa kỹ thuật): Tỷ lệ thời gian làm việc về mặt lý thuyết có thể được tự động hóa ở một mức năng lực công nghệ nhất định; tiềm năng tự động hóa kỹ thuật trên toàn nền kinh tế Mỹ được đánh giá thông qua phân tích chi tiết các hoạt động công việc của từng nghề; cơ sở dữ liệu do Cục Thống kê Lao động Mỹ và O*NET công bố được dùng để phân rã khoảng 800 nghề thành khoảng 2.000 hoạt động, rồi xác định năng lực cần thiết cho từng hoạt động dựa trên cách con người hiện đang thực hiện chúng tại nơi làm việc
• Work activities (hoạt động công việc): Các hành vi công việc có thể quan sát được thể hiện những gì con người làm để đạt được mục tiêu của một nghề; tại Mỹ, O*NET phân loại chính thức chúng là Detailed Work Activities (DWA)
• Workflows: Chuỗi hoạt động công việc có cấu trúc giúp công việc tiến triển một cách tập thể hướng tới mục tiêu xác định, được dẫn dắt bởi quy trình như quy tắc, phụ thuộc và luồng thông tin, đồng thời bao gồm cả con người và công nghệ