AI chất lượng công việc: nhanh hơn không đồng nghĩa tốt hơn
AI chất lượng công việc là cách chúng ta dùng các mô hình sinh ngôn ngữ để tăng tốc độ xử lý nhiệm vụ, từ viết báo cáo, tóm tắt tài liệu đến soạn email, nhưng nếu không có quy trình kiểm tra kết quả AI chặt chẽ, năng suất sẽ tăng trong khi độ chính xác, khả năng chứng minh và mức độ hiểu sâu về công việc lại suy giảm một cách nguy hiểm. Các công cụ như Claude 3.5 Sonnet hay Copilot Pro giúp rút ngắn thời gian làm việc, khiến bản nháp, mã nguồn hay tóm tắt xuất hiện gần như tức thì. Vấn đề là, nhiều người đã bỏ qua khâu đọc lại. Cuộc tranh luận "có dùng AI không" đã kết thúc; câu hỏi đáng sợ hơn là: "Có ai đọc thứ này trước khi gửi đi không?" Một phân tích 1,4 triệu cuộc trao đổi thực tế về AI tại nơi làm việc cho thấy chỉ khoảng 5% người dùng thực sự cải thiện chất lượng sản phẩm, phần còn lại chủ yếu chỉ tăng tốc độ hiển thị kết quả mà thôi.
Năng suất vs độ chính xác: tốc độ cao đang tạo ra “AI slop”
AI đang khuếch đại năng suất vs độ chính xác theo hướng lệch: chúng ta tạo ra nhiều nội dung hơn, nhanh hơn, nhưng không tốt hơn. Có một khác biệt rõ ràng giữa việc dùng AI để hỗ trợ tư duy và dùng nó để né tránh tư duy: ở kịch bản thứ hai, người dùng bấm sinh, lướt qua xem có lỗi nào quá lộ liễu, rồi gửi đi mà không suy nghĩ thêm. Nghiên cứu CHI 2025 của một nhóm thuộc Microsoft khảo sát 319 lao động tri thức với 936 lần sử dụng AI tại nơi làm việc, và kết quả đáng lo: những người kiểm tra kết quả AI ít nhất lại là nhóm tin tưởng công cụ nhất, trong khi nhóm bỏ nhiều công sức thẩm định là người tin vào chính phán đoán nghề nghiệp của họ. "We’re producing more code, faster. We’re also producing worse code, faster" là mô tả chính xác về xu hướng hiện nay. 623 triệu dòng thay đổi mã cho thấy refactor giảm 70%, trùng lặp code tăng 81%, và các mẫu che giấu lỗi tăng 47%.
Viết CV và tóm tắt tài liệu: điểm rủi ro cao nhất của AI
Nếu phải chọn một nơi AI có thể phá hỏng sự nghiệp nhanh nhất, đó là hồ sơ ứng tuyển và tóm tắt tài liệu quan trọng. Trong viết CV, cách dùng an toàn là: ứng viên tự tổng hợp trải nghiệm, bằng chứng, phạm vi trách nhiệm rồi dùng AI để tái cấu trúc, nén và trau chuốt; sau đó kiểm tra từng câu, từng con số, từng kỹ năng, từng biên giới vai trò trước khi gửi đi. Khi để mô hình tự “bù” những thành tích thiếu vắng, nguy cơ nằm ở chỗ kết quả không thể chứng minh được. Ví dụ, nguyên bản chỉ là “tham gia vận hành fanpage câu lạc bộ, phụ trách chọn đề tài và lịch đăng”, nhưng AI biến thành “chủ trì chiến lược nội dung, đạt tăng trưởng người dùng 40%” với ba lần vượt giới hạn: đổi từ “tham gia” sang “chủ trì”, nâng “chọn đề tài” thành “chiến lược nội dung”, và thêm số 40% không có nguồn. Đến vòng phỏng vấn hoặc kiểm toán nội bộ, những lời hay ho này trở thành điểm khởi đầu cho sự mất niềm tin, chứ không phải lợi thế.
Bốn bước kiểm tra kết quả AI để giữ chuẩn nghề nghiệp
Muốn tránh “AI slop”, đội ngũ cần một quy trình kiểm tra kết quả AI giống như bảng kiểm. Một khung bốn bước hiệu quả là: (1) Xác nhận toàn bộ dữ liệu định lượng: các con số tăng trưởng, tỷ lệ, quy mô đều phải có nguồn nội bộ, báo cáo, log hệ thống hoặc tài liệu dự án; thiếu chứng cứ thì xóa hoặc hạ mức diễn đạt. (2) Đối chiếu kỹ năng với yêu cầu công việc: chỉ giữ lại kỹ năng có trải nghiệm thực sự, có thể mô tả chi tiết và bám sát mô tả vị trí, các khoảng trống được đánh dấu là đang học hoặc chưa đạt. (3) Kiểm tra phần đóng góp cá nhân: phân tách phát biểu theo động từ như “tham gia”, “hỗ trợ”, “chịu trách nhiệm”, “tự triển khai”, “chủ trì”, vì mỗi từ thể hiện biên độ đóng góp khác nhau; không nâng cấp vai trò chỉ để câu ấn tượng. (4) Thử nghiệm câu chữ trong tình huống thật: hỏi chính mình hoặc đồng nghiệp “Nếu được chất vấn, mình có thể giải thích, đưa ví dụ và dẫn chứng không?”; nếu câu trả lời là “không”, nội dung đó phải được sửa lại hoặc loại bỏ.
Giữ niềm tin tập thể: dùng AI làm nháp, không làm phán quyết
Hậu quả nặng nhất của việc bỏ qua kiểm tra kết quả AI không phải là vài lỗi nhỏ, mà là sự xói mòn niềm tin. Khi người đọc không biết người gửi có thực sự hiểu công việc mình làm hay không, họ sẽ phải rà soát kỹ hơn, đặt thêm câu hỏi, và nghi ngờ toàn bộ bức tranh. Thời gian reviewer bị “đánh cắp”: một mô tả pull request dùng AI để tóm tắt có thể giúp tác giả tiết kiệm vài phút, nhưng mỗi reviewer lại mất cả quý thời gian để lần ra điểm quan trọng, và tổ chức tiêu hao nhiều thời gian hơn tổng mức tiết kiệm đó. Nghiên cứu EEG cho thấy những người viết cùng AI có kết nối não giảm đến 55%, 83% không thể nhớ hoặc trích dẫn chính xác bài họ vừa tạo, nghĩa là họ đóng vai người bấm phím chứ không phải người suy nghĩ. Điều tốt nhất chúng ta có thể làm không phải là từ chối AI, mà là từ chối trao toàn quyền quyết định cho nó: coi AI là công cụ tạo bản nháp nhanh, sau đó dùng kỹ năng nghề nghiệp để chỉnh sửa, xác minh thông tin AI và chịu trách nhiệm cho phiên bản cuối cùng.
