AI không làm bạn giỏi hơn, nó chỉ làm bạn nhanh hơn
AI chất lượng kết quả là câu chuyện về việc dùng công cụ tạo nội dung, mã nguồn hay báo cáo nhanh hơn, nhưng phải chủ động đánh giá output AI để đảm bảo thông tin vẫn đúng, có giá trị và phản ánh được hiểu biết của người dùng, thay vì chỉ dán dữp nguyên văn và coi đó là công việc đã hoàn thành. Khi bàn về tốc độ AI vs chất lượng, điều đầu tiên cần thừa nhận là: hầu hết chúng ta đã dùng AI khá nhiều, nhưng chưa chắc dùng nó tốt. 81% người làm việc tri thức ở Anh dùng AI hàng tuần, nhưng đó mới là mức độ “áp dụng”, không phải “chuyển đổi”. Trong hơn 1,4 triệu cuộc trao đổi công việc có AI được phân tích, chỉ khoảng 5% cách dùng giúp cải thiện chất lượng công việc. Phần còn lại chủ yếu là chạy nhanh hơn trên những quy trình vốn đã yếu.
Hiệu suất tăng, chất lượng giảm: cái giá của việc không đọc lại
Các tổ chức đang mắc một sai lầm giống nhau: “trải” AI lên những quy trình rời rạc rồi gọi đó là tiến bộ. AI không sửa quy trình tệ, nó chỉ tăng tốc chúng: nhiều email hơn, nhiều trang tài liệu hơn, nhiều dòng code hơn, nhưng không tự động tăng AI chất lượng kết quả. Kết quả là chi phí dùng AI tăng lên bất ngờ, 82% lãnh đạo CNTT ở Anh phải hấp thụ khoản chi này, trong khi 58% báo cáo mức áp dụng cao nhưng gần như không thấy cải thiện năng suất đo được. Ở cấp độ cá nhân, vấn đề còn rõ hơn: chúng ta gửi đi quá nhiều “AI slop” – nội dung trông có vẻ ổn, nhưng rỗng, lặp, thiếu bối cảnh. Khi tất cả cùng dùng AI mà không ai chịu đọc lại, người nhận ở đầu kia phải tốn thêm thời gian, trong khi độ tin cậy chung của công việc bị bào mòn từng chút một.
Khoảng cách nguy hiểm giữa “nhìn có vẻ ổn” và “thực sự đúng”
Vấn đề cốt lõi không phải là bản thân công cụ, mà là cách chúng ta dùng nó để né suy nghĩ. Có một khác biệt rõ ràng giữa việc dùng AI để hỗ trợ suy nghĩ và việc dùng nó để tránh suy nghĩ. Ở phiên bản tốt, AI giúp bạn đi nhanh hơn qua một vấn đề bạn hiểu, xử lý các thao tác lặp, để bạn tập trung vào quyết định. Ở phiên bản xấu, bạn bấm “generate”, lướt qua xem có gì sai rõ ràng rồi gửi đi. Bộ não rất dễ gắn nhãn “xong việc” cho mọi thứ “nhìn có vẻ ổn”, dù “nhìn có vẻ ổn” và “thực sự đúng” là hai chuyện khác nhau. Đánh giá output AI vì thế trở thành kỹ năng sống còn: nếu không kiểm tra, không đặt câu hỏi, không chỉnh sửa AI thủ công, khoảng trống giữa bề ngoài và sự thật sẽ là nơi niềm tin, chất lượng và hiểu biết chung chết dần.
Kỹ năng đánh giá: cơ bắp trí tuệ đang yếu đi vì AI
Các dữ liệu hiện có cho thấy một điều khó chịu: càng tin công cụ, con người càng ít kiểm tra kết quả. Những người bỏ ít công sức nhất để kiểm tra output AI lại là nhóm tin AI nhất, còn người bỏ nhiều công sức nhất lại là những người tin vào phán đoán của chính mình. Khi chúng ta để AI “khiêng hộ” phần nặng, cơ bắp tư duy – khả năng phân tích, hoài nghi, đối chiếu – yếu đi theo thời gian. Một nghiên cứu dùng EEG phát hiện người viết với mô hình ngôn ngữ có mức kết nối não thấp hơn tới 55%, và 83% không thể nhớ chính xác nội dung bài viết do AI hỗ trợ. Một cách diễn đạt mạnh mẽ cho hiện tượng này là “cognitive debt”: bạn vay năng lực suy nghĩ rẻ hôm nay và phải trả lại bằng chất lượng công việc kém, năng lực đánh giá suy giảm và niềm tin đồng nghiệp bị bào mòn về sau.
Tách biệt hiệu suất và chất lượng: học cách tranh luận với AI
Muốn dùng AI mà không tự phá hoại công việc, bạn cần tách bạch rạch ròi giữa hiệu suất và chất lượng: nhiều không đồng nghĩa với tốt. Phân tích 623 triệu dòng code cho thấy chúng ta đang viết code nhiều hơn, nhanh hơn, nhưng tệ hơn: tái cấu trúc giảm 70%, trùng lặp tăng 81%, các mẫu che lỗi tăng 47%, trong khi số lỗi và lỗ hổng bảo mật trong code sinh bởi AI cao hơn hẳn. Tốc độ AI vs chất lượng đang lệch hẳn về phía số lượng. Cách thoát không nằm ở việc cấm AI, mà là xây kỹ năng chỉnh sửa AI thủ công: coi AI như đồng nghiệp, giải thích mục tiêu, phản bác khi câu trả lời chung chung, hỏi “vì sao”, chỉ ra phần sai và lý do sai, rồi biên tập lại cho phù hợp. Ở cấp tổ chức, điều này đòi hỏi các quy trình mà ở đó có người chịu trách nhiệm cuối cùng về kết quả, chứ không phải chỉ về “số lượng đầu việc có AI”. Các hệ thống AI tác vụ tự động đang đến gần; những tổ chức xây được kỷ luật đánh giá, giám sát từ bây giờ sẽ là nhóm duy nhất có thể mở rộng AI mà không để quản trị chạy theo để dập cháy.
