- Dữ liệu hiện tại chưa cho thấy sự sụt giảm việc làm quy mô lớn ở các nhóm nghề có mức độ tiếp xúc với AI cao, nhưng AI có thể đã góp phần phần nào vào tình trạng tuyển dụng yếu đối với sinh viên mới tốt nghiệp và nhân viên văn phòng trẻ
- Từ năm 2022, tỷ lệ thất nghiệp tăng 0,77 điểm phần trăm ở nhóm 20% nghề có mức độ tiếp xúc với AI cao nhất và 0,85 điểm phần trăm ở nhóm 20% thấp nhất, cho thấy đây giống sự chững lại của toàn bộ thị trường lao động hơn là mất việc do AI
- AI tạo sinh nhìn chung đã tăng tốc các công việc như hỗ trợ khách hàng, lập trình, viết lách và pháp lý, nhưng hiệu quả khác nhau tùy nhiệm vụ và trình độ kỹ năng; đồng thời cũng xuất hiện độ thiếu chính xác, lời khuyên sai và sự đồng nhất hóa tính sáng tạo
- Tỷ lệ doanh nghiệp áp dụng AI khác nhau tùy khảo sát, từ khoảng 20% đến hơn 80%, và đã tăng nhanh, nhưng phần lớn vẫn ở giai đoạn thử nghiệm/pilot cho một số chức năng, nên tác động đến việc làm hiện vẫn nhỏ
- Không thể kết luận tác động dài hạn của AI đến việc làm chỉ dựa trên bằng chứng ban đầu; tốc độ áp dụng và thời gian tái cấu trúc tổ chức sẽ quyết định quy mô cú sốc đối với thị trường lao động và dư địa phản ứng chính sách
Vẫn còn thiếu bằng chứng ủng hộ tình trạng mất việc quy mô lớn do AI
- Lo ngại ngày càng tăng rằng AI sẽ làm chao đảo mạnh thị trường lao động văn phòng trong tương lai gần; CEO Anthropic Dario Amodei dự đoán AI có thể xóa bỏ một nửa số việc làm văn phòng và đẩy tỷ lệ thất nghiệp lên 20%
- Dữ liệu tổng hợp hiện nay gần như không có bằng chứng cho thấy AI đã gây ra sự sụt giảm việc làm nghiêm trọng
- Từ năm 2022, tỷ lệ thất nghiệp tăng 0,77 điểm phần trăm ở nhóm 20% nghề có mức độ tiếp xúc với AI cao nhất, và 0,85 điểm phần trăm ở nhóm 20% nghề có mức độ tiếp xúc thấp nhất
- Điều này chỉ ra sự suy yếu của toàn bộ thị trường lao động hơn là cú sốc chỉ riêng ở các nghề tiếp xúc với AI
- Xu hướng việc làm ở các nghề có mức độ tiếp xúc với AI cao cũng tương đối ổn định
- Tăng trưởng việc làm ở các nghề có tỷ trọng lập trình cao đã chậm lại nhưng vẫn dương
- Không có bằng chứng cho thấy việc áp dụng AI đã khiến doanh nghiệp giảm tin tuyển dụng
- Tin tuyển dụng lập trình viên phần mềm đã tăng nhanh hơn các nghề khác trong năm gần đây
- Việc làm tại các công ty áp dụng AI doanh nghiệp đã tăng 10% trong hai năm sau đó, và mức tăng được dẫn dắt bởi các công ty có chi tiêu AI trên mỗi nhân viên cao nhất
- Các thông báo sa thải viện dẫn AI cũng có nguyên nhân thực tế khác nhau
- Một số đợt cắt giảm nhân sự hạn chế có thể liên quan đến tự động hóa bằng AI
- Các đợt cắt giảm khác dường như xuất phát từ việc giải phóng tiền mặt để đầu tư vào AI hoặc điều chỉnh tình trạng tuyển dụng quá mức trong đại dịch
- Các nhà quản trị nhân sự cho rằng tác động của AI rõ hơn ở việc hợp nhất vai trò và tránh tuyển mới cho các công việc có thể tự động hóa, hơn là ở các đợt sa thải trực tiếp
- Có thể tồn tại cú sốc đối với một số nhóm không thể hiện trong thống kê tổng hợp, đặc biệt có tín hiệu tiêu cực về nhu cầu đối với lao động văn phòng trẻ
Mối liên hệ giữa tuyển dụng sinh viên mới tốt nghiệp giảm và AI
- Tỷ lệ thất nghiệp của sinh viên mới tốt nghiệp đã tăng lên 5,6% vào đầu năm 2026, cao hơn 1,6 điểm phần trăm so với ba năm trước
- Các vị trí cấp đầu vào có nhiều công việc như nghiên cứu, phân tích và viết lách mang tính thường nhật mà AI có thể thực hiện phần đáng kể, khiến nhu cầu tuyển mới có thể yếu đi
- Trong nghiên cứu của Brynjolfsson, Chandar và Chen, sau khi ChatGPT ra mắt năm 2022, việc làm của lao động mới vào nghề trong các nghề tiếp xúc với AI như lập trình viên phần mềm và nhân viên dịch vụ khách hàng đã giảm rõ rệt
- Việc làm của lao động lớn tuổi hơn trong cùng nghề tương đối ổn định hoặc tiếp tục tăng
- Nhóm nghiên cứu ví lao động trẻ như “chim hoàng yến trong mỏ than” chịu cú sốc thị trường lao động do AI trước tiên
- Các nghiên cứu tiếp theo ở Mỹ và Anh cũng xác nhận tác động tiêu cực tương tự lên tuyển dụng lao động trẻ tiếp xúc với AI kể từ năm 2022
- Tuy nhiên, thời điểm sụt giảm khó có thể giải thích chỉ bằng AI
- Vào năm 2022, năng lực của các mô hình AI còn rất hạn chế
- Cục Dự trữ Liên bang Mỹ đã tăng lãi suất mạnh để ứng phó lạm phát từ tháng 3/2022, vài tháng trước khi ChatGPT được công bố
- Hai nghiên cứu phân tích rằng tuyển dụng ở các nghề tiếp xúc với AI bắt đầu giảm sau khi chính sách tiền tệ chuyển hướng và trước khi ChatGPT ra mắt
- Việc tuyển dụng quá mức trong đại dịch và mở rộng làm việc từ xa cũng có thể ảnh hưởng
- Làm việc từ xa có thể làm chậm quá trình học hỏi tại chỗ, làm giảm giá trị của việc tuyển lao động trẻ; sau đại dịch, tuyển dụng ở các nghề thân thiện với làm việc từ xa bắt đầu nghiêng về lao động có kinh nghiệm
- Trong phân tích bổ sung có kiểm soát các yếu tố gây nhiễu, sự suy giảm việc làm của lao động cấp đầu vào trở nên rõ rệt từ năm 2024
- Sự suy giảm quanh năm 2022 có thể chịu tác động của các yếu tố ngoài AI
- Đến năm 2024, việc áp dụng AI và năng lực mô hình đã tiến bộ đáng kể, làm tăng khả năng có tác động trực tiếp từ AI
- Việc tuyển dụng ở các nghề cấp đầu vào tiếp xúc với AI giảm mạnh vào khoảng năm 2022 là rõ ràng, nhưng vấn đề tách tác động nhân quả của AI khỏi cú sốc kinh tế vĩ mô vẫn chưa được giải quyết
Năng suất nhìn chung đã cải thiện, nhưng hiệu quả không đồng đều
- Trong các thí nghiệm, chatbot và công cụ lập trình thường làm tăng hiệu suất công việc tương đối nhiều hơn cho lao động có ít kinh nghiệm và thành tích thấp
- Trợ lý AI tạo sinh tại một tổng đài lớn đã cải thiện 15% năng suất tổng thể
- Số vấn đề được nhân viên tư vấn mới vào nghề/kỹ năng thấp giải quyết mỗi giờ tăng 30%
- Với nhân viên tư vấn kỹ năng cao, không có cải thiện hiệu suất và chất lượng phản hồi giảm nhẹ
- Trong thí nghiệm GitHub Copilot, tác vụ phát triển phần mềm nhanh hơn 56%, và mức cải thiện tập trung ở các lập trình viên ít kinh nghiệm
- Một thí nghiệm hiện trường riêng tại doanh nghiệp cho thấy tác động đến năng suất phát triển dao động 10–30% tùy công ty
- ChatGPT giảm thời gian viết ở mọi nhóm kỹ năng, đồng thời nâng chất lượng đầu ra của lao động có năng lực viết thấp
- Tốc độ cũng được quan sát là tăng trong công việc pháp lý như soạn hợp đồng của luật sư trẻ và trong việc lập hồ sơ y tế
- Hiệu quả của công cụ ghi chép AI y tế còn nhỏ, và do đôi khi có sai sót nên cần sự giám sát của bác sĩ
- Mỗi nghiên cứu khác nhau về loại công việc và thời gian, một số không phải thí nghiệm ngẫu nhiên, nên khó so sánh trực tiếp quy mô hiệu quả
Năng lực và chi phí phán đoán thay đổi theo từng công việc
- Hiệu năng AI thể hiện ranh giới gồ ghề (jagged frontier), có thể rất tích cực hoặc tiêu cực tùy công việc áp dụng
- Trong nơi làm việc thực tế, nhân viên phải quyết định khi nào và sử dụng AI như thế nào, đồng thời phán đoán liệu kết quả có hữu ích hay cần chỉnh sửa thêm
- Trong thí nghiệm với các doanh nhân Kenya, những doanh nhân kỹ năng thấp dùng AI có doanh thu và lợi nhuận thấp hơn nhóm phát triển doanh nghiệp mà không dùng AI
- Người kỹ năng thấp có khả năng cao làm theo lời khuyên AI chung chung, không phù hợp với hoàn cảnh của mình
- Doanh nhân có hiệu suất tốt trích xuất được các đề xuất phù hợp hơn với nhu cầu kinh doanh
- AI có thể nâng chất lượng đầu ra của cá nhân nhưng làm giảm sự đa dạng ý tưởng của tập thể
- Trong viết sáng tạo, chất lượng truyện của người kỹ năng thấp được cải thiện, nhưng các câu chuyện dùng AI giống nhau hơn nhiều so với truyện do con người viết
- Các nhà khoa học áp dụng công cụ AI công bố nhiều bài báo hơn, nhưng tổng số chủ đề được nghiên cứu và giao lưu giữa các nhà khoa học giảm
Vì sao cải thiện ở từng công việc không chuyển thành năng suất toàn nền kinh tế
- Tỷ trọng các công việc mà AI có thể rút ngắn một cách có lợi nhuận có thể hiện vẫn nhỏ trong toàn nền kinh tế
- Nút thắt cổ chai ở các quy trình mà AI không hỗ trợ được có thể giới hạn cải thiện năng suất tổng thể
- Khi doanh nghiệp áp dụng công nghệ mới, họ phải tái cấu trúc chức năng công việc và đầu tư bổ trợ, nên năng suất đo lường được ban đầu thậm chí có thể giảm
- Các hiệu quả được xác nhận trong thí nghiệm phần lớn nhắm vào công việc cụ thể và thời gian ngắn, nên không giống tác động năng suất dài hạn của toàn nền kinh tế
- AI cuối cùng có khả năng nâng năng suất, nhưng với tốc độ áp dụng hiện tại của doanh nghiệp, điều đó có thể chưa xuất hiện trong thống kê năng suất tổng hợp
Doanh nghiệp áp dụng nhanh nhưng không đồng đều
- Việc chuyển đổi AI diễn ra trong 3 năm hay 20 năm sẽ làm thay đổi lớn vấn đề chính sách
- Chuyển đổi đột ngột có thể đẩy nhiều lao động ra ngoài cùng lúc
- Chuyển đổi chậm cho lao động và nhà hoạch định chính sách thời gian thích nghi
- Các khảo sát doanh nghiệp đều cho rằng việc sử dụng AI đang tăng nhanh, nhưng ước tính tỷ lệ áp dụng rất khác nhau
- BTOS, khảo sát đại diện toàn quốc của Cục Điều tra Dân số Mỹ, ước tính khoảng 20% doanh nghiệp sử dụng AI
- Trong khảo sát các lãnh đạo doanh nghiệp Mỹ, hơn 80% nhân viên sử dụng AI trong công việc
- Hơn 50% khách hàng của Ramp chi tiền cho công cụ hoặc nhà cung cấp AI
- Trong khảo sát hộ gia đình đại diện toàn quốc, hơn 40% người trả lời đang có việc làm sử dụng AI tại nơi làm việc
- Chênh lệch số liệu bắt nguồn từ phương pháp khảo sát và cấu trúc mẫu
- Doanh nghiệp lớn có tỷ lệ áp dụng AI cao, nên tỷ lệ có trọng số theo quy mô việc làm cao hơn tỷ lệ tính đơn thuần theo số doanh nghiệp
- Mẫu của Ramp không đại diện cho toàn bộ doanh nghiệp và thiên về các công ty công nghệ có tỷ lệ áp dụng AI cao
- Nghiên cứu của Cục Dự trữ Liên bang cho rằng có cơ sở để ưu tiên ước tính thấp hơn của Cục Điều tra Dân số dùng mẫu toàn quốc, và khi áp dụng trọng số việc làm thì khác biệt giữa các khảo sát giảm đáng kể
- Việc áp dụng AI tập trung ở doanh nghiệp công nghệ và các ngành thâm dụng thông tin như tài chính
- Các lĩnh vực ứng dụng phổ biến nhất là bán hàng/marketing, IT, chiến lược, tài chính và kế toán
- Ngay cả doanh nghiệp đã áp dụng cũng thường giới hạn ở một hoặc hai chức năng công việc, hoặc dùng với tần suất thấp trong nhiều tác vụ
- Tích hợp AI toàn diện là ngoại lệ; khảo sát của McKinsey cho thấy phần lớn vẫn ở giai đoạn thử nghiệm/pilot và chỉ một số ít tập đoàn lớn dẫn dắt triển khai mở rộng
- Tác động của việc doanh nghiệp áp dụng AI đến việc làm hiện còn nhỏ
- Trong dữ liệu của Cục Điều tra Dân số, 5% doanh nghiệp trả lời rằng có tác động đến việc làm, và số câu trả lời tăng/giảm là bằng nhau
- 80% lãnh đạo trong khảo sát của Atlanta Fed cho biết đầu tư AI chưa làm thay đổi số nhân viên hoặc năng suất
- Nghiên cứu tại Đan Mạch cho thấy AI đã tái cấu trúc công việc và phân bổ thời gian của người lao động, nhưng chưa ảnh hưởng đến việc làm, giờ làm hay thu nhập
- Cũng có kết quả nghiên cứu cho thấy việc làm tại các doanh nghiệp áp dụng AI tăng 10% trong hai năm sau đó
Bằng chứng ban đầu không quyết định tương lai dài hạn
- Các đổi mới công nghệ trong quá khứ mất nhiều năm đến nhiều thập kỷ để làm thay đổi doanh nghiệp và thị trường lao động
- Robert Solow năm 1987 từng nói: “Có thể thấy thời đại máy tính ở mọi nơi, trừ trong thống kê năng suất”
- Trong thập niên 1980, doanh nghiệp đầu tư lớn vào PC, nhưng để thu được hiệu quả còn cần thêm phần mềm doanh nghiệp, đào tạo lại lao động và tái cấu trúc tổ chức
- Do những ma sát khi áp dụng này, thành quả kinh tế có thể đo lường được của cuộc cách mạng máy tính chỉ xuất hiện vào cuối thập niên 1990
- Các triển vọng về AI phân hóa mạnh
- Bên xem AI là công nghệ bình thường (normal technology) cho rằng AI sẽ mang tính chuyển đổi như các công nghệ trước đây nhưng lan tỏa dần dần
- Bên khác dự báo tác động làm thay đổi thế giới có thể xuất hiện sớm nhất vào năm 2027
- Cơ sở mạnh mẽ ủng hộ triển vọng công nghệ bình thường là lịch sử cho thấy các cuộc cách mạng công nghệ trước đây vừa xóa bỏ hoặc giảm nhu cầu lao động ở một số nghề, vừa tạo ra việc làm và ngành mới
- Bản chất của công việc và nền kinh tế thay đổi, nhưng tổng việc làm tăng
- Bên cho rằng AI khác trước dựa vào tốc độ áp dụng nhanh, tác động bất cân xứng lên lao động nhận thức, và đặc tính trải rộng trên nhiều nhóm nghề văn phòng thay vì chỉ một nghề
- Dù triển vọng nào đúng, cách mạng công nghệ vẫn có thể gây cú sốc lớn cho cá nhân, vì vậy cần nhanh chóng nắm bắt thay đổi của thị trường lao động và chuẩn bị các phản ứng chính sách khả thi
1 bình luận
Ý kiến từ Hacker News
Vừa mở thảo luận ra thì hai bình luận đứng đầu đã hoàn toàn trái ngược nhau. Một bên nói AI làm tăng mạnh năng suất của những người vốn đã có hiệu suất cao, biến 80:20 thành 99:1, còn bên kia nói LLM kéo nhóm dưới trung bình lên nhưng lại cản trở người lành nghề, khiến mọi thứ hội tụ về mức trung bình
Khi việc dễ đã xong thì chỉ còn việc khó, và junior có thể không thể tiến xa hơn. Các công ty quan liêu tạo ra rất nhiều việc dễ, nên nếu đo năng suất bằng số vé Jira xử lý được thì mức tăng năng suất nhờ AI của junior sẽ trông lớn hơn nhiều
Giờ tôi nghĩ một dự án lớn vốn gồm tôi, 2 lập trình viên frontend, một lập trình viên gần như full-stack, một tester, 2 người phụ trách sản phẩm và một PM có thể được thực hiện hiệu quả hơn chỉ với tôi và tester. Dù 20 năm rồi mới viết lại SQL, tôi vẫn không bị chậm đi, và còn có thể tự xử nhanh CSS, tính năng và kiểm thử.
Tổ chức của tôi vốn nhỏ, mỗi dự án chỉ 1–2 lập trình viên, nên vận hành dự án lớn rất lộn xộn và 80% công sức bị lãng phí vào giao tiếp. Ở giai đoạn đầu, đội sản phẩm hữu ích cho phạm vi và các mẫu UI/UX, nhưng sau đó chỉ cần giao cho họ các yêu cầu thiết kế cụ thể; chỉ cần một tester kỹ lưỡng bắt được các điều kiện biên kỳ lạ là đủ.
Không phải tôi là thiên tài, chỉ là khá có năng lực ở nhiều mảng; vậy mà việc một lập trình viên full-stack giàu kinh nghiệm có thêm cảm quan UX và khả năng quản lý các bên liên quan dùng công cụ này có thể làm được thật đáng sợ
Kết quả cho rằng cải thiện tập trung ở junior cũng có thể do khác biệt trong cách phân việc. Nếu senior làm việc của junior thì có thể nhanh hơn 1.000%, nhưng trên thực tế việc khó lại dồn về senior, và giờ những việc không dễ xử bằng Claude tự thân đã bị xếp vào loại việc khó
Những người hiệu suất cao hoàn thành việc rất nhanh, tập trung vào chất lượng và quy trình, tạo ra phần mềm được gọt giũa tốt; nhưng PM nhận ra điều đó và bắt đầu liên tục nhét thêm việc vào sprint, khiến mọi thứ xấu đi.
Điều đáng ngạc nhiên hơn là giờ không còn cần phải là chuyên gia theo lĩnh vực (SME) nữa. Một đội nhỏ hoàn toàn không có kinh nghiệm Android đã phát hành một tính năng sản phẩm khó port chỉ trong vài tháng với gần như không có lỗi; nếu không có AI thì ít nhất cũng phải mất hơn nửa năm. Mức độ là hôm trước còn nói “tôi còn chẳng hiểu nó có nghĩa là gì”, hôm sau đã làm xong
Điểm khó của các nghiên cứu kiểu này là các tác tử lập trình như Claude Code và OpenAI Codex chỉ thực sự bắt đầu hoạt động tử tế vào cuối tháng 11, và vì kỳ nghỉ tháng 12 nên nhiều người phải tới đầu tháng 1 mới thật sự dùng chúng. Các tác tử đa dụng như OpenClaw, Anthropic Copilot, ChatGPT “Work” còn muộn hơn.
Tác động của chúng tới công việc có thể lớn hơn rất nhiều so với các hệ thống hội thoại giai đoạn 2022~2025, nên các nghiên cứu chỉ xét đến cuối năm 2025 có thể đã bỏ lỡ bước nhảy hiệu năng thực chất
Tôi dùng Claude, nhưng hầu như không thấy kiểu cuồng tín AI như tôi từng thấy ở nơi khác, và đó cũng là một bộ lọc quan trọng khi tìm việc. Câu chuyện về việc làm sụt giảm đã bị thổi phồng quá mức và gần với marketing tận thế của Anthropic, OpenAI cùng những người phát ngôn của họ hơn
Năm ngoái là bầu không khí “làm cùng một phần mềm với ít người hơn”, còn bây giờ các startup đang tăng trưởng trong kỳ vọng “làm ra phần mềm khác loại hoặc theo cách khác”. Nhưng điều đó không đảm bảo quy mô nhân sự tương lai hay thành công sau này.
Ở các công ty không phải startup, vẫn có áp lực dùng công cụ AI và mối đe dọa sa thải, và vẫn còn nhiều ý kiến trái chiều về việc các tác tử chạy lâu có thực sự hiệu quả trên code legacy mà không hỏng hóc, nếu thiếu giám sát cẩn thận, hay không
Dù phát triển phần mềm đã thay đổi hoàn toàn, có vẻ không nhiều người tin rằng đến năm 2027 sẽ không còn cần lập trình viên nữa hoặc số lượng sẽ giảm 50%
Năng suất tuân theo phân phối Pareto, và AI đã là một công cụ sắc bén giúp những người vốn đã năng suất trở nên năng suất hơn theo tỷ lệ. Khi trí tuệ AI tăng lên, 80:20 có thể chuyển thành 90:10, 95:5, 99:1
Bộ máy quan liêu của doanh nghiệp thay đổi chậm, nhưng nếu những người có thành tích cao nhất tách ra lập đối thủ nhỏ hơn thì sự thay thế doanh nghiệp vừa và lớn bằng doanh nghiệp nhỏ có thể diễn ra nhanh chóng. Cạnh tranh hiệu quả giữa các doanh nghiệp có thể vừa làm tăng thặng dư tiêu dùng, vừa gây ra sự dịch chuyển kinh tế quy mô lớn và sự sụp đổ của nền tảng thu thuế
AI mới chỉ đạt mức tốt như hiện nay trong thời gian gần đây, và việc lập công ty cạnh tranh cũng cần thời gian nên có lẽ vẫn chưa thể hiện trong các chỉ báo trễ. Bản thân tôi cũng đang tiến hành hàng hóa hóa để kiếm nhiều tiền bằng cách cung cấp gần như miễn phí một sản phẩm tốt hơn phần mềm cao cấp trong một ngành ngách, và không có lý do gì để nói điều này cho đối thủ biết. Nếu điều tương tự xảy ra ở nhiều ngành, thế giới có thể thay đổi hoàn toàn
Cần có những robot cực kỳ thông minh để xử lý bộ máy quan liêu, từ triển khai đa đám mây, đa khu vực cho tới quy định địa phương, kế toán, thuế và pháp lý; hiện nay các công ty như SAP đang đảm nhiệm vai trò đó. Nếu kiểu tự động hóa đó trở nên khả thi, chúng ta sẽ tiến gần đến tình huống bản thân công ty cũng không còn cần thiết như chúng ta vẫn biết
Tôi thắc mắc vì sao biểu đồ tỷ lệ thất nghiệp lại tăng dần một cách nhẹ nhàng trong hơn 1 năm trước khi COVID bùng phát. Dữ liệu BLS tăng vọt đột ngột vào tháng 3/2020 (dữ liệu)
Ngoài ra, cũng không rõ “mức độ phơi nhiễm với AI” của năm 2015 là gì. Khi đó chưa có LLM, và cách chia ngũ phân vị trong bài báo được trích dẫn thực chất gần với mức độ sử dụng máy tính hơn là AI. Cần phân biệt AI chơi cờ với LLM thực hiện công việc thực tế; loại sau có lẽ mới chỉ xuất hiện khoảng 1 năm nay
Gần đây tôi thử kiểm tra tư cách của mình trên thị trường tuyển dụng, và dù nghĩ rằng với vai trò lập trình viên đơn độc trong tổ chức suốt 18 tháng qua tôi đã theo kịp xu hướng mới khá tốt, kết quả vẫn rất khắc nghiệt. Các công ty đang đòi hỏi 4 năm kinh nghiệm AI dạng agent
Rốt cuộc ai cũng đang bịa nội dung, tin vào cơn cường điệu mà không hiểu nguyên lý cơ bản, rồi dựng ra một tiêu chuẩn không ai có thể vượt qua. Dù có xây dựng năng lực AI-native thì vẫn bị xem là không đủ điều kiện cho các vị trí AI-native
Dù vậy, vẫn có giá trị khi trải nghiệm các mô hình cũ hoặc các mô hình nhỏ hiện đại có ràng buộc tương tự. Những thói quen như quản lý ngữ cảnh tỉ mỉ và ví dụ được thiết kế tốt vẫn phát huy với các mô hình mới nhất, giúp tăng hiệu năng và giảm chi phí. Nếu có thể thì nên cho thấy thay vì chỉ giải thích bằng lời
Thật đáng tiếc khi các mô hình nền tảng/mô hình văn bản rất thú vị và vui nhộn đó đã biến mất
“X năm kinh nghiệm” cũng là chỉ dấu thay thế cho mức độ thành thạo hơn là khoảng thời gian theo nghĩa đen. Nếu bạn làm việc đó giỏi ngang một người trung bình đã làm X năm và có thể chứng minh điều đó thì là đủ
Có hai điểm cốt lõi cần lưu ý. Thứ nhất, phần lớn các nghiên cứu năng suất trong biểu đồ 3 là dữ liệu 2023~2024 nên Copilot ghi nhận con số cao; khi đó nó mới ở mức tự động hoàn thành mạnh mẽ và còn trước khi coding agent bùng nổ phổ biến
Thứ hai, dù hơn 50% người Mỹ tự báo cáo rằng họ dùng AI hằng tuần, mức sử dụng thực tế chỉ là 6% thời gian làm việc, tức là dạng “sử dụng rộng nhưng nông” như nghiên cứu của Google mô tả
Cũng trong khảo sát đó, thời gian tiết kiệm được là 2% thời gian làm việc, nghĩa là mức tăng năng suất theo mỗi giờ dùng AI vượt 30%, và điều này cũng phù hợp với nhiều ngành cùng các nghiên cứu có đối chứng. Một số nhà kinh tế cho rằng chỉ với mức độ áp dụng thấp như vậy cũng đã có thể thấy tác động trong thống kê năng suất lao động ở cấp quốc gia
6% là rất thấp, nên tác động tới việc làm có thể mới chỉ bắt đầu. Khi tính hữu ích đã được xác nhận qua tự báo cáo cũng như các số liệu vi mô và vĩ mô, cả số người dùng lẫn phạm vi công việc đều sẽ tăng, và điều đáng sợ là tác động có thể tiến triển chậm rãi rồi đột ngột bùng nổ
Tài liệu theo dõi mức độ áp dụng, nghiên cứu của Google (thảo luận), tài liệu của St. Louis Fed, phân tích năng suất
Có một manh mối lớn rằng mức tăng năng suất chủ yếu tập trung ở các kỹ sư ít kinh nghiệm, còn ở người nhiều kinh nghiệm thì biến mất hoặc thậm chí thành âm. Điều này khớp với cảm nhận rằng LLM kéo đường cơ sở về mức trung bình, nên giúp những người dưới trung bình nhưng lại cản trở những người trên trung bình
Ngoài ra, công việc làm bằng LLM ít đọng lại trong trí nhớ hơn so với tự làm trực tiếp. Nếu vậy thì kỹ sư ít kinh nghiệm thực chất không tích lũy được kinh nghiệm thật. Có thể các CEO công nghệ đang muốn lao động kỹ năng thấp vì có thể trả lương thấp hơn
Ngược lại, ở các công ty nơi phần mềm chỉ là thành phần không cốt lõi hoặc hệ thống IT nội bộ, họ xem lập trình viên không phải tài sản tạo doanh thu mà là chi phí cần tối thiểu hóa. Họ tìm nhân lực rẻ nhất và ít kinh nghiệm nhất, và cố tránh tuyển lập trình viên giỏi bằng cách thuê ngoài hoặc dùng LLM
Dù công việc thực tế có khó và cần người lành nghề, miễn là công ty xem đó là chi phí thì họ vẫn sẽ cố xử lý bằng lao động rẻ nhất. Nếu có thể, hãy tránh công việc sản phẩm hoặc hệ thống IT mà mối liên hệ giữa chất lượng phần mềm và khả năng sinh lời không rõ ràng với ban lãnh đạo
Tác động lớn nhất của AI ở nơi làm việc là các trình tạo mã LLM cho lập trình viên, nhưng đó mới chỉ là mức chạm nhẹ vào bề mặt những gì doanh nghiệp có thể làm. Công ty chúng tôi không có định hướng, ý chí hay năng lực kỹ thuật để tận dụng sức mạnh thực sự của AI cho mục tiêu kinh doanh, nên chỉ mua các giải pháp package từ bên ngoài và không thể tích hợp một lớp trí tuệ vào môi trường
Có lẽ những công ty như vậy không hề hiếm. Chatbot thì hữu ích, nhưng để AI thay đổi công việc sẽ mất nhiều năm, thậm chí có thể hàng chục năm, và đời sống hằng ngày có thể còn lâu hơn. Dù công nghệ có sâu rộng đến đâu cũng phải đối đầu với ma sát của thực tế mới có thể lan rộng
Nhưng AI đang thấm vào phạm vi rộng hơn nhiều so với website, và vì mọi người đều đã dùng điện thoại nên ma sát cũng thấp hơn tưởng tượng. Nếu MS Copilot trở nên đủ tốt, cả người dùng không chuyên kỹ thuật cũng sẽ giao việc cho AI
Ông chủ một công ty HVAC có thể chỉ đạo rằng: “Bob’s Burgers ở Brentwood đang có một tình huống khẩn cấp lớn, hãy cử hai nhân viên đến nhanh nhất có thể và nếu cần thì đổi lịch các lần ghé thăm khác.” Những việc như vậy sẽ không cần lượng token khổng lồ nên sẽ trở nên rẻ, và các lệnh văn phòng thông thường như “lên lịch” hay “liên hệ với X về Y” nhiều khả năng sẽ rất thực tế trong 3–5 năm tới. Nút thắt chính là làm sao để agent có thể truy cập dữ liệu phù hợp
Xung quanh tôi thực sự đã có người mất việc, nhưng may là tôi vẫn chưa bị ảnh hưởng trực tiếp. Khi SaaS, iPaaS và serverless được chọn làm công nghệ cung cấp chính, công việc của agency đã được các nhóm nhỏ hơn thực hiện so với 10 năm trước
Nhờ AI, có thể làm được nhiều việc hơn với ít người hơn, nhưng nhu cầu dự án không đủ để giữ cho mọi người luôn bận rộn
CEO Anthropic Dario Amodei dự đoán AI có thể xóa sổ một nửa việc làm văn phòng và đẩy tỷ lệ thất nghiệp lên 20%, đồng thời lại nói rằng một số mô hình nhất định quá nguy hiểm để phát hành