Kịch bản quen thuộc: CEO tuyên bố chuyển đổi số bằng AI. Nhân sự giảm 15%. Lợi nhuận quý tăng vọt. Nhà phân tích nâng rating cổ phiếu. Sáu tháng sau, khiếu nại khách hàng tăng gấp ba, kiến thức tích lũy bốc hơi, và công ty thuê lại nhà thầu với giá gấp đôi để làm đúng thứ mà đám nhân viên bị sa thải vẫn làm miễn phí mỗi ngày. CEO gọi đây là “ma sát chuyển đổi”. Ba nhà kinh tế hàng đầu MIT (trong đó hai ông, Daron Acemoglu và Simon Johnson, vừa đoạt giải Nobel Kinh tế 2024) gọi bằng cái tên khác: tự động hóa tiêu tán.
Nghe hơi nặng. Nhưng thực ra khái niệm đơn giản lắm.
Acemoglu, cùng đồng nghiệp David Autor và Johnson, vừa công bố một nghiên cứu qua Viện Brookings, phân loại toàn bộ công nghệ ảnh hưởng tới người lao động thành đúng năm nhóm. Chỉ một trong năm nhóm đó thực sự tốt cho cả công ty lẫn nhân viên. Bốn nhóm còn lại? Nói nhẹ nhàng là “tùy”, nói thẳng là “coi chừng”.
Và phần lớn CEO đang mặc định chọn nhầm nhóm.
Bài test lương sáu chữ số
Trước khi vào phân loại, cần hiểu một nguyên tắc phũ phàng: giá trị lao động trên thị trường không phụ thuộc vào mức quan trọng của công việc. Nó phụ thuộc vào mức khan hiếm của chuyên môn.
Ví dụ kinh điển từ nghiên cứu: kiểm soát viên không lưu ở Mỹ kiếm trung bình 144.580 đô/năm (theo Cục Thống kê Lao động Mỹ, số liệu 2024). Nhân viên bảo vệ giao thông trường học, hướng dẫn trẻ em qua đường, kiếm khoảng 37.700 đô/năm. Cả hai đều làm công việc liên quan đến an toàn tính mạng. Nhưng chênh lệch gần bốn lần không phải vì kiểm soát viên “quan trọng hơn” (thử hỏi phụ huynh nào coi nhẹ chuyện con qua đường). Chênh lệch vì kỹ năng kiểm soát không lưu cực kỳ khan hiếm, phải đào tạo nhiều năm, không thể thay thế nhanh.
Đây là công thức mà ba tác giả dùng xuyên suốt bài nghiên cứu:
Giá trị chuyên môn = Mức khan hiếm × Giá trị kinh tế của hoạt động
AI đáng sợ vì nó tấn công đúng vào yếu tố “khan hiếm” trong phương trình. Khi AI làm được thứ trước đây chỉ chuyên gia làm được, chuyên môn của bạn vẫn “quan trọng” nhưng không còn “hiếm” nữa. Lương rớt. Vị thế rớt.
Năm loại công nghệ
Rồi, vào trọng tâm. Ba tác giả chia tất cả các loại công nghệ ảnh hưởng tới người lao động thành năm nhóm. Bảng dưới đây là phiên bản giản lược, dùng ví dụ nhân viên cửa hàng bán lẻ để dễ hình dung:
| Loại | Ví dụ (nhân viên cửa hàng) | Năng suất | Giá trị chuyên môn | Phần chia cho lao động | Tốt cho nhân viên? |
|---|---|---|---|---|---|
| 1. Tăng cường lao động | Máy quét mã vạch cầm tay | Tăng | Không đổi | Không đổi | Tùy |
| 2. Tăng cường vốn | Máy quét không dây, nhẹ hơn, pin lâu hơn | Tăng | Không đổi | Không đổi | Tùy |
| 3. Tự động hóa | Quầy tự thanh toán thay thu ngân | Tăng | Giảm | Giảm | Không |
| 4. Tạo việc mới | AI phân tích hành vi mua → nhân viên tự điều chỉnh trưng bày, đề xuất combo theo khu vực | Tăng | Tăng | Tăng | Có |
| 5. San bằng chuyên môn | App gợi ý planogram → nhân viên mới trưng bày được như dân có 5 năm kinh nghiệm | Tăng | Tùy | Tùy | Tùy |
Bảng năm hàng, đọc lần đầu hơi rối. Đi qua từng loại cho rõ:
Loại 1 (tăng cường lao động): Công nghệ giúp mỗi nhân viên làm được nhiều hơn trong cùng thời gian. Trước khi có máy quét, kiểm kho bằng tay mất cả buổi. Có máy quét, cùng một người làm xong trong hai giờ. Nhân viên năng suất hơn, nhưng kỹ năng cần thiết vẫn y nguyên (quét, đếm, ghi). Ai cũng học được trong một buổi. Nên lương không tăng, vị thế thương lượng không đổi.
Loại 2 (tăng cường vốn): Đây là phần dễ nhầm nhất. “Vốn” ở đây là máy móc, thiết bị, cơ sở hạ tầng của công ty. Loại này không nâng năng suất nhân viên, nó nâng năng suất thiết bị. Cùng một chiếc máy quét, phiên bản mới nhẹ hơn, pin lâu hơn, kết nối không dây, quét nhanh gấp đôi. Nhân viên không cần học thêm gì, chỉ cầm cái máy tốt hơn. Lợi ích chảy về phía công ty (đầu tư thiết bị hiệu quả hơn), không chảy về phía nhân viên. Loại 1 và loại 2 kết quả trông giống nhau (“làm nhanh hơn”), nhưng cơ chế khác: loại 1 nâng giá trị lao động, loại 2 nâng giá trị đồng vốn đầu tư.
Loại 3 (tự động hóa): Đơn giản nhất. Máy thay người. Quầy tự thanh toán thay thu ngân. Nhân viên mất việc, hoặc bị chuyển sang làm thứ giá trị thấp hơn.
Loại 4 (tạo việc mới): Đây mới là hàng đáng chú ý. Công nghệ tạo ra một công việc chưa từng tồn tại, đòi hỏi chuyên môn mới. AI phân tích dữ liệu hành vi mua hàng theo từng khu vực, nhưng bản thân AI không tự trưng bày hàng được. Nó cần nhân viên cửa hàng hiểu dữ liệu, ra quyết định trưng bày, đề xuất combo phù hợp từng cụm khách. Trước đây việc này không tồn tại (không ai có dữ liệu để làm). Giờ nó tồn tại, và người làm được cần chuyên môn mà chưa ai có sẵn. Khan hiếm. Giá trị cao.
Loại 5 (san bằng chuyên môn): Công nghệ cho phép người ít kinh nghiệm làm được việc của người nhiều kinh nghiệm. Nhân viên mới dùng app gợi ý planogram thì trưng bày được gần bằng dân cựu. Tốt cho nhân viên mới, nhưng dân cựu mất lợi thế. Có người thắng, có người thua, nên đánh giá “tùy”.
Mấu chốt nằm ở hàng số 4: công nghệ tạo việc mới. Đây là loại duy nhất mà cả ba chỉ số (năng suất, giá trị chuyên môn, phần chia cho lao động) đều đi lên. Tại sao? Vì nó tạo ra những công việc trước đây chưa tồn tại, đòi hỏi chuyên môn mới mà chưa ai có sẵn. Chuyên môn mới = khan hiếm = giá trị cao.
Nghề “nhà khoa học dữ liệu” (data scientist) là ví dụ sống. Cái tên này được đặt ra năm 2008. Tới 2024, Mỹ có 246.000 người làm nghề này với thu nhập trung vị 113.000 đô/năm. Trước đó nghề không tồn tại. Công nghệ (big data, thuật toán học máy) tạo ra nhu cầu mới, nhu cầu mới tạo ra nghề mới, nghề mới trả lương cao vì kỹ năng còn khan hiếm. Vòng tròn đẹp.
So sánh với loại 3, tự động hóa thuần túy: quầy tự thanh toán. Năng suất tăng, chắc chắn. Nhưng chuyên môn thu ngân bị xóa sổ, phần chia cho lao động giảm, và bất kỳ ai cũng bấm được màn hình. Nhân viên còn lại giá trị thấp hơn vì kỹ năng của họ không còn khan hiếm.
Sự khác biệt giữa loại 3 và loại 4 chính là sự khác biệt giữa “AI giúp công ty cần ít nhân viên hơn” và “AI giúp nhân viên làm được nhiều thứ hơn”. Nghe giống nhau. Hoàn toàn khác nhau.
Cái bẫy tự nguyện
Tới đây nhiều người sẽ hỏi: nếu loại 4 tốt cho cả công ty lẫn nhân viên, sao không ai chọn nó?
Câu trả lời phũ phàng: vì loại 3 cho phép ban lãnh đạo lấy phần lớn hơn từ một cái bánh nhỏ hơn.
Ba tác giả gọi hiện tượng này là “tự động hóa tiêu tán” (rent-dissipating automation). Cơ chế đại khái thế này: tổng năng suất có thể giảm sau khi tự động hóa (vì mất kiến thức ngầm, mất khả năng xử lý ngoại lệ, mất sáng tạo), nhưng vì nhân viên mất đòn bẩy thương lượng, phần lợi nhuận chảy về ban lãnh đạo và cổ đông lại tăng. Bánh nhỏ hơn, nhưng miếng của sếp to hơn.
Nghe quen không? Đúng, nó xảy ra hằng ngày.
Và đây là phần đau nhất: quyết định này hoàn toàn lý tính. Không ai ác ý. CEO nhìn bảng tính, thấy chi phí nhân sự giảm, lợi nhuận trên vốn tăng, KPI quý đạt. Hệ thống thưởng phạt khuyến khích đúng hành vi này. Kết quả là cả ngành đổ xô vào tự động hóa không phải vì nó tối ưu, mà vì nó dễ đo, dễ báo cáo, và dễ lấy bonus.
Mình gọi đây là hiệu ứng Rắn Hổ Mang phiên bản phòng họp. Chính sách thưởng CEO theo chỉ số tiết kiệm chi phí tạo ra phần thưởng sai lệch: càng sa thải nhiều, thưởng càng to, cho đến khi công ty phát hiện mình đã cắt luôn cái chân mà mình đang đứng.
Nhiều việc hơn hay việc mới?
Đoạn này quan trọng. Nhiều người bào chữa cho tự động hóa bằng lập luận “tự động hóa tạo việc làm mới”. Đúng, nhưng có một cái bẫy trong đó.
Amazon tạo ra khoảng 1,5 triệu việc làm logistics. Con số khổng lồ, đúng không? Nhưng ba tác giả chỉ ra: đó là “nhiều việc hơn” (more work), không phải “việc mới” (new work). Công việc kho bãi Amazon đòi hỏi rất ít chuyên môn đặc thù, trả lương tầm 18-19 đô/giờ khởi điểm, và (đây mới là phần hài hước đen) chính Amazon đang triển khai hơn 1 triệu robot để tự động hóa luôn đống việc mà họ vừa tạo ra.
Nghĩa là: đợt tuyển dụng khổng lồ đó thực chất là bước đệm trước khi tự động hóa. Nhân viên được thuê để lấp chỗ tạm thời cho đến khi robot sẵn sàng. Không có chuyên môn mới nào được tạo ra, không có kỹ năng nào tăng giá trị, không có ai khó thay thế hơn sau 3 năm làm việc so với ngày đầu tiên.
So sánh với nghề data scientist: sau 5 năm làm, kiến thức và kinh nghiệm tích lũy khiến bạn khó thay thế hơn, giá trị cao hơn, có đòn bẩy thương lượng mạnh hơn. Đó mới là “việc mới” thực sự.
Bài test đơn giản: sau khi triển khai AI, nhân viên có biết làm thêm thứ gì mà trước đây họ không làm được không? Nếu có, đó là loại 4. Nếu chỉ “làm nhanh hơn cái cũ”, đó là loại 1 hoặc 2. Nếu “không cần nhân viên nữa”, đó là loại 3.
Chỗ không ai ngờ tới
Phần gây bất ngờ nhất của nghiên cứu: AI “thân thiện với nhân viên” có tiềm năng lớn hơn ở công việc tay chân và dịch vụ so với công việc văn phòng.
Nghe ngược đời. Silicon Valley vẫn nghĩ AI sẽ “nâng tầm” dân văn phòng trước (viết email nhanh hơn, tóm tắt báo cáo, lên slide đẹp hơn). Nhưng ba tác giả lập luận: phần lớn ứng dụng AI cho dân văn phòng thực ra thuộc loại 1 hoặc 5. Loại 1 (làm nhanh hơn cái đang làm) hoặc loại 5 (junior giờ làm được việc của senior, san bằng chuyên môn). Cả hai đều không tạo “việc mới”.
Trong khi đó, ở lĩnh vực tay chân: một ví dụ từ bài tổng hợp của MIT Sloan, Schneider Electric phát triển công cụ AI cho kỹ thuật viên điện sửa chữa ngoài hiện trường. Công cụ kết hợp hình ảnh, thông tin phần cứng, và cơ sở dữ liệu sự cố để gợi ý bước xử lý tiếp theo. Kỹ thuật viên dùng nó giảm một nửa thời gian viết báo cáo bảo trì. Nhưng điểm then chốt không phải tiết kiệm thời gian. Điểm then chốt là kỹ thuật viên giờ có thể xử lý những lỗi phức tạp mà trước đây phải chờ chuyên gia từ trụ sở bay tới.
Đó là loại 4. Chuyên môn mới được tạo ra (chẩn đoán lỗi phức tạp tại chỗ), nhân viên giá trị hơn, khó thay thế hơn, và khách hàng được phục vụ tốt hơn. Cả ba tác giả rất thích cái ví dụ này vì nó chứng minh: “AI tốt cho nhân viên” không phải lý tưởng viển vông. Nó là chiến lược kinh doanh.
Câu hỏi thay cho kết luận
Nghiên cứu của Acemoglu, Autor, và Johnson dài 78 trang, đầy số liệu, và đề xuất 9 chính sách cấp quốc gia. Nhưng nếu bạn là người đang quyết định ngân sách AI cho tổ chức của mình, chỉ cần một câu hỏi.
Lấy danh sách mọi dự án AI đang chạy hoặc đang đề xuất. Với mỗi dự án, hỏi: “Sau khi triển khai, nhân viên sẽ biết làm thêm thứ gì mà hôm nay họ không biết làm?”
Nếu câu trả lời là “làm nhanh hơn cái cũ”, bạn đang ở loại 1 hoặc 2. Ổn, nhưng đừng gọi đó là “chuyển đổi”.
Nếu câu trả lời là “không cần nhân viên nữa”, bạn đang ở loại 3. Ổn, nhưng hãy kiểm tra xem bạn đang tối ưu tổng thể hay chỉ đang cắt chi phí để lấy bonus cuối năm rồi để người kế nhiệm dọn bãi.
Nếu câu trả lời là “nhân viên giờ có thể xử lý được X, Y, Z mà trước đây phải thuê chuyên gia bên ngoài hoặc đơn giản là bỏ qua”, xin chúc mừng. Bạn vừa tìm được thứ mà Acemoglu, Autor, và Johnson mất 78 trang để giải thích: công nghệ tạo việc mới. Thứ duy nhất tạo ra lợi thế cạnh tranh mà đối thủ không sao chép được, vì lợi thế đó sống trong đầu nhân viên, không nằm trong server.
Phần lớn CEO sẽ không hỏi câu này. Vì câu trả lời có thể buộc họ xé bỏ cái bảng tính mà ban giám đốc vừa duyệt.