- Trong số các công ty thuộc S&P 500, có 374 công ty đã nhắc đến AI trong các buổi công bố kết quả kinh doanh, nhưng trong khảo sát với 6.000 lãnh đạo điều hành, khoảng 90% cho biết AI không tác động đến việc làm hay năng suất trong 3 năm qua
- Nghịch lý năng suất do người đoạt Nobel Kinh tế năm 1987 Robert Solow nêu ra đang tái hiện trong kỷ nguyên AI, khi tác động của AI vẫn chưa thể quan sát được trong dữ liệu kinh tế vĩ mô
- Thời gian sử dụng AI của các lãnh đạo chỉ ở mức khoảng 1,5 giờ mỗi tuần, và 25% người trả lời hoàn toàn không dùng AI tại nơi làm việc
- Trong khảo sát của ManpowerGroup, tỷ lệ sử dụng AI thường xuyên trong năm 2025 tăng 13%, nhưng mức độ tin tưởng vào công nghệ lại giảm 18%
- Từng có tiền lệ là làn sóng bùng nổ IT trong thập niên 1970~80 dẫn đến mức tăng vọt năng suất trong thập niên 1990, nên AI cũng có khả năng tăng trưởng sau một giai đoạn trễ theo đường cong chữ J
Nghịch lý năng suất của Solow và AI
- Năm 1987, nhà kinh tế học Robert Solow quan sát rằng ngay cả sau khi transistor, vi xử lý, mạch tích hợp và chip nhớ xuất hiện, tốc độ tăng năng suất vẫn giảm từ 2,9% giai đoạn 1948~1973 xuống còn 1,1% sau năm 1973
- Ông để lại câu nói nổi tiếng: “Kỷ nguyên máy tính có thể thấy ở khắp nơi, nhưng không thấy trong các thống kê năng suất”
- Khi đó, máy tính thậm chí còn tạo ra quá nhiều thông tin, in ra hàng loạt báo cáo quá chi tiết và làm giảm năng suất
Kết quả khảo sát CEO: tác động thực tế của AI vẫn rất hạn chế
- Từ tháng 9/2024 đến năm 2025, 374 công ty trong S&P 500 đã nhắc đến AI trong các buổi công bố kết quả kinh doanh và đánh giá tích cực việc triển khai
- Tuy nhiên, các chỉ số năng suất vĩ mô vẫn chưa phản ánh rõ rệt điều đó
- Trong nghiên cứu công bố tháng này, NBER (National Bureau of Economic Research) đã khảo sát 6.000 lãnh đạo điều hành tại Mỹ, Anh, Đức và Australia
- Khoảng hai phần ba cho biết có sử dụng AI, nhưng thời gian dùng chỉ ở mức khoảng 1,5 giờ mỗi tuần
- 25% số người trả lời hoàn toàn không dùng AI tại nơi làm việc
- Khoảng 90% doanh nghiệp cho biết AI không ảnh hưởng đến việc làm hay năng suất trong 3 năm qua
- Dù vậy, các lãnh đạo vẫn dự báo trong 3 năm tới AI sẽ tăng năng suất 1,4% và sản lượng 0,8%
- Doanh nghiệp dự đoán việc làm sẽ giảm 0,7%, nhưng người lao động cá nhân lại kỳ vọng việc làm tăng 0,5%
Kết quả trái chiều giữa các nghiên cứu học thuật
- Nghiên cứu của MIT năm 2023 cho rằng khi áp dụng AI, hiệu suất của người lao động có thể tăng tới 40%
- Tuy nhiên, dù đầu tư AI của doanh nghiệp đã tăng vọt lên hơn 250 tỷ USD vào năm 2024, mức tăng năng suất được hứa hẹn vẫn chưa trở thành hiện thực
- Torsten Slok, kinh tế trưởng của Apollo, cho biết “AI không xuất hiện trong dữ liệu việc làm, dữ liệu năng suất hay dữ liệu lạm phát”
- Ngoài Magnificent Seven, cũng không có dấu hiệu tác động của AI trong biên lợi nhuận hay triển vọng doanh thu
- Cục Dự trữ Liên bang St. Louis công bố rằng sau khi ChatGPT xuất hiện, tăng trưởng năng suất lũy kế đã tăng thêm hơn 1,9%
- Ngược lại, nghiên cứu MIT năm 2024 của nhà kinh tế đoạt Nobel Daron Acemoglu đưa ra con số thận trọng hơn là mức tăng năng suất 0,5% trong 10 năm tới
- Acemoglu đánh giá rằng “không nên xem nhẹ 0,5%, nhưng so với những gì ngành công nghiệp và truyền thông đã hứa hẹn thì đây là mức khá đáng thất vọng”
Niềm tin của người lao động suy giảm và phản ứng của doanh nghiệp
- Trong khảo sát 2026 Global Talent Barometer của ManpowerGroup với khoảng 14.000 lao động tại 19 quốc gia, tỷ lệ sử dụng AI thường xuyên trong năm 2025 tăng 13%, nhưng mức độ tin tưởng vào tính hữu ích của công nghệ lại giảm 18%
- CHRO của IBM, Nickle LaMoreaux, đã công bố vào tuần trước rằng sẽ tăng tuyển dụng nhân sự mới lên gấp 3
- Công ty cho rằng AI có thể tự động hóa một phần công việc, nhưng nếu thay thế nhân sự mới bằng AI thì về sau có thể dẫn tới thiếu hụt quản lý cấp trung và khủng hoảng đường ống lãnh đạo
Triển vọng tương lai của năng suất AI
- Từng có tiền lệ là làn sóng bùng nổ IT trong thập niên 1970~80, sau nhiều thập kỷ trì trệ, đã dẫn đến mức tăng 1,5% của tốc độ tăng năng suất trong giai đoạn 1995~2005
- Erik Brynjolfsson, giám đốc Viện Nghiên cứu Kinh tế Số của Stanford, cho rằng tăng trưởng GDP quý IV đạt 3,7%, trong khi số việc làm tăng thêm bị điều chỉnh giảm xuống 181.000, là tín hiệu của một cú nhảy vọt về năng suất
- Theo phân tích của ông, năng suất của Mỹ năm ngoái tăng 2,7%, và ông diễn giải đây là giai đoạn bắt đầu thu được lợi ích thực tế từ đầu tư AI
- Cựu CEO Pimco Mohamed El-Erian cũng cho biết việc áp dụng AI đang tạo ra sự tách rời giữa tăng trưởng việc làm và tăng trưởng GDP, hiện tượng tương tự thời kỳ tự động hóa văn phòng trong thập niên 1990
- Slok phân tích rằng tác động tương lai của AI có thể đi theo đường cong chữ J, tức chậm ở giai đoạn đầu rồi tăng vọt sau đó
- Tuy nhiên, khác với IT thập niên 1980, các công cụ AI hiện nay dễ tiếp cận hơn do cạnh tranh khốc liệt giữa các LLM khiến giá giảm
- Vì vậy, tương lai năng suất của AI không phụ thuộc vào giá trị của bản thân sản phẩm, mà phụ thuộc vào việc mỗi lĩnh vực trong nền kinh tế triển khai và tận dụng AI tạo sinh như thế nào
1 bình luận
Ý kiến trên Hacker News
Bài viết này không chỉ trích tranh cãi về năng suất của AI, mà giải thích đây là một hiện tượng được dự đoán trước theo nghịch lý năng suất của Solow (Productivity paradox)
Vào thập niên 1970~80, đầu tư vào CNTT cũng rất lớn nhưng lợi ích ròng cho toàn bộ nền kinh tế chỉ xuất hiện khá lâu sau đó, vào giai đoạn giữa đến cuối thập niên 1990
Lý do là ban đầu chi phí quá lớn và có quá nhiều thử-sai. AI cũng tương tự: hiện giờ tốn nhiều tiền và thời gian, nhưng khi việc tích hợp và tối ưu dần hoàn thiện thì năng suất sẽ tăng
Ngay cả trên Hacker News, nơi có nhiều người rành công nghệ, vẫn có nhiều người tin rằng “AI không thể viết code”
Ngay cả một người bạn từng làm ở Amazon cũng không biết rằng phải bật tính năng “thinking” của ChatGPT thì mới có kết quả chất lượng cao. Rất khó kỳ vọng tác động mang tính cách mạng trước khi mọi người quen với cách dùng
Liên kết PDF bản gốc
Ví dụ, phí đăng ký Claude chỉ khoảng 20 USD mỗi nhân viên mỗi tháng, tương đương với các công cụ như Slack
Khác với thời nhân viên văn phòng thập niên 1970 phải học dùng máy tính, quá trình onboarding giờ rất đơn giản, và một phần hiệu quả ngắn hạn cũng đã bắt đầu xuất hiện
Khi hàng triệu máy tính được nối mạng, tác động kinh tế thực sự mới xuất hiện
Có thể xem thêm phân tích liên quan trong bài của FT và bài của Apollo Academy
Tôi nhìn các tập đoàn lớn như một hệ thống phân tán chạy trên phần cứng lỗi (con người)
Mỗi cá nhân (CPU) thì nhanh, nhưng bị độ trễ lớn do họp hành, chờ phê duyệt, và các công việc không thể song song hóa
Trước khi nâng cấp, cần xác định đó là nút thắt I/O hay nút thắt CPU
Có quá nhiều dự án nên không thể tập trung, dẫn đến cả vấn đề caching, và cuối cùng nút thắt còn nặng hơn
Cần cho phép họ truy xuất nhanh ký ức của tổ chức. Nếu không có cache, việc giải quyết vấn đề sẽ rất lâu; còn nếu thông tin sai đi vào cache thì mọi người sẽ tin nó và đi sai hướng
Mức độ hoàn thiện có thể thấp hơn, nhưng linh hoạt hơn rất nhiều và hiệu quả chi phí hơn
Phần lớn công việc white-collar là suy nghĩ và nói chuyện
Với lập trình, phần triển khai chiếm tỷ trọng lớn hơn người ta tưởng, nhưng các nghề khác chủ yếu gồm họp, căn chỉnh, làm slide, định vị thị trường, v.v.
Những công cụ như Cowork có thể giúp duyệt file, sắp xếp ticket, viết công thức Excel, v.v.
Nhưng code là kết quả của các quyết định kinh doanh, nên nó là dạng phù hợp nhất để tự động hóa bằng LLM
Trong khi đó, các nghề khác có thể chỉ nhanh hơn đôi chút, còn tự động hóa hoàn toàn thì vẫn còn xa
Phần lớn công việc kỹ thuật rốt cuộc vẫn cần thỏa thuận và đồng bộ
Tôi phải suy nghĩ nhiều gấp đôi so với thời gian viết code thì mới tạo ra được code chất lượng tốt
Tiết kiệm được một tiếng không có nghĩa là sẽ làm được việc giá trị hơn tương ứng. Ngược lại còn có thể tạo ra slide sai, khiến người khác phải sửa và phát sinh tổn thất
Nhờ LLM, cùng một lượng suy nghĩ giờ có thể tạo ra nhiều code hơn mà thôi
Ví dụ, Hazel.ai đưa ra kế hoạch thuế và đầu tư tốt hơn 90% RIA ở Mỹ
Vì vậy, có người cho rằng phí của RIA sẽ giảm từ 1% xuống khoảng 0.1~0.2%
Với tư cách là một kỹ sư senior, tôi cảm thấy phần chậm không phải là viết code mà là quy trình review và phê duyệt
Review code, lấy ý kiến các bên liên quan, chậm trễ trong kiểm thử, tài liệu hóa, thuyết trình, v.v.
Những quy trình kiểm tra này cứ lặp đi lặp lại cả trong nội bộ và tạo ra nút thắt
Càng tiến gần tới singularity, thế giới càng trở nên hỗn loạn và khó đoán
Trong một thời kỳ thay đổi nhanh như vậy, mọi thứ đều giống như nhiễu
Có lẽ lúc này chỉ nên tự hỏi đơn giản rằng: “thế giới đang trở nên dễ dự đoán hơn hay khó dự đoán hơn?”
Nếu xem bài nghiên cứu gốc của NBER thì
có thể thấy tỷ lệ áp dụng AI theo ngành (A6), tác động đến việc làm (A11), và tác động đến năng suất (A12)
Những ngành có nhiều tiếp xúc với khách hàng hoặc tập trung vào sản phẩm vật lý (xây dựng, bán lẻ) có tác động từ AI thấp
Điều thú vị là ngành lưu trú và ăn uống lại đứng thứ 4 về tác động đến năng suất, khá bất ngờ
Công ty tôi vẫn triển khai AI rất chậm
Hôm nay tôi còn bị gây áp lực kiểu “nếu mức sử dụng AI quá thấp thì có thể sẽ không tốt”
Có lẽ 6 tháng đến 1 năm nữa sẽ đi đến kết luận rằng “đây đúng là phí tiền”
Chẳng khác gì bắt mọi người tự viết luôn phần tự đánh giá hiệu suất của mình
Nhìn vào các đợt thí điểm AI ở Fortune 500, bao gồm cả Microsoft Copilot,
vẫn thấy nhiều tập đoàn lớn không thực sự hiểu đúng khả năng của AI
Lãnh đạo cấp cao thậm chí còn không trực tiếp dùng thử vì quá lười
Viết email, làm slide, tìm kiếm, v.v. vốn đã đủ dễ rồi
Điểm mạnh thực sự là ở các tác vụ tầng thấp như ghi âm thành văn bản, dịch thuật, nhận diện hình ảnh, giải quyết vấn đề dựa trên API
Đây là đổi mới thật, nhưng không phải “máy tăng tốc vạn năng”
Việc thiếu đào tạo là nguyên nhân làm năng suất giảm
Đặc biệt, Microsoft Copilot là một trong những cách triển khai AI tệ nhất, nên gây thất vọng lớn
Vì thế gần như không ai thực sự cảm nhận được mức tăng năng suất rõ rệt
Từ góc nhìn nhân viên, LLM có thể giống như một chiêu gian lận để làm bài tập,
nhưng từ góc nhìn CEO, nó lại giống như sự bùng nổ nội dung cần phải duyệt (DDoS)
Khi nhận một tài liệu dài 155 trang qua WhatsApp, hoặc PR đổ về liên tục,
vấn đề nảy sinh là: “ai sẽ xem hết đống này?”
Cuối cùng thì AI là một bộ khuếch đại rủi ro
Hiện tại chúng ta đang mù quáng lao vào một sự kiện cấp độ nóng lên toàn cầu của thế giới điện toán