AI tăng năng suất nhưng tạo “nghịch lý năng suất” cho quản lý
Hiện tượng AI tăng năng suất là tình trạng nhân viên dùng công cụ trí tuệ nhân tạo để tạo ra khối lượng sản phẩm lớn với tốc độ cao, nhưng chất lượng không ổn định, buộc cấp quản lý phải dành thêm thời gian kiểm soát, sửa lỗi và đối chiếu dữ liệu, dẫn đến một nghịch lý: công nghệ giúp tiết kiệm giờ làm cho người này nhưng lại chất thêm gánh nặng công việc và áp lực tinh thần cho người khác trong cùng tổ chức. Người lao động tại Việt Nam có thể tiết kiệm 11-13 giờ mỗi tuần nhờ AI, nhưng đồng thời phải mất thêm 6,4 giờ để chuẩn bị dữ liệu, điều chỉnh và kiểm tra kết quả. Về bản chất, AI không tự giải quyết bài toán chất lượng, nó chỉ dịch chuyển gánh nặng từ khâu sản xuất nội dung sang khâu kiểm soát và phê duyệt.
Từ 10 lên 40 bản thảo mỗi ngày: quản lý ôm hết phần “dọn rác AI”
Câu chuyện của chị Thùy Dung ở một công ty truyền thông cho thấy mặt tối của AI tăng năng suất. Hơn một năm trước, công ty đưa AI vào vận hành và cắt giảm một nửa nhân sự. Đội ngũ mỏng đi nhưng lượng bài vở tăng gấp bốn lần, mỗi ngày chị nhận tới 40 bản thảo từ nửa số nhân viên còn lại. Về bề ngoài, các bài viết do AI hỗ trợ có văn phong trơn tru, nhưng ẩn chứa vô số rủi ro về số liệu, luận điểm và thông tin kỹ thuật. Cuối năm 2025, một nhân viên dùng AI viết quảng cáo đã gộp nhầm thông số của hai dòng ôtô, khiến công ty phải bồi thường và mất 30% giá trị hợp đồng. Sau sự cố, chị Dung buộc phải cấm AI, rồi lại gỡ lệnh vì tiến độ đình trệ, và tự mình ôm thêm khối lượng kiểm soát chất lượng khổng lồ.
Để kiểm soát chất lượng AI, mỗi bản thảo gửi lên khiến chị mất thêm 5-10 phút rà soát từng luận điểm, đối chiếu số liệu gốc. Từ chỗ chỉ duyệt khoảng 10 bài mỗi ngày và có thời gian gặp khách hàng, nay chị phải xử lý 40 bài, mất thêm 3-4 tiếng, tối nào cũng mang việc về nhà. Cảm giác của chị được tóm gọn trong câu nói đầy chua chát: “Công ty giảm được chi phí nhân sự nhờ AI, còn tôi phải gánh thêm việc”. AI tăng năng suất ở tuyến dưới, nhưng biến cấp quản lý thành người “đi dọn rác cho lính”, đối mặt kiệt sức, mất tập trung vào chiến lược và suy giảm niềm tin nội bộ.
Workslop và babysitting AI: năng suất ảo, chi phí thật
Không chỉ ở truyền thông, các doanh nghiệp xuất nhập khẩu, ngân hàng hay startup đều đang đối mặt với “workslop” – rác công việc do AI tạo ra. Đây là những sản phẩm có hình thức hoàn chỉnh nhưng thiếu nội dung thực chất hoặc sai sự thật. Tại một công ty xuất nhập khẩu 30 người, từ ngày dùng công nghệ, doanh nghiệp không cần thuê biên dịch ngoài, thời gian làm báo cáo thị trường rút từ hàng tháng xuống vài ngày. Nhưng tốc độ nhanh đi kèm lỗ hổng: tài liệu tóm tắt bằng Gemini làm mất nội dung cốt lõi, báo cáo thị trường chứa số liệu giả định do ChatGPT tự thêm vì “câu chữ mạch lạc”. Khâu kiểm chứng tưởng nhỏ nhưng lại ngốn rất nhiều thời gian, buộc giám đốc phải trực tiếp đọc tài liệu gốc, đối chiếu từng con số và nguồn trích dẫn.
Dữ liệu tại một sự kiện về năng suất AI ở TP HCM cho thấy người lao động tiết kiệm 11-13 giờ mỗi tuần nhờ AI, nhưng phải tốn thêm 6,4 giờ để chuẩn bị dữ liệu, điều chỉnh và kiểm tra kết quả. Trong nhiều trường hợp, điều này tạo ra “nghịch lý năng suất”: thời gian giám sát và sửa lỗi cho máy lớn hơn thời gian sử dụng công cụ. Phần việc phát sinh được gọi là babysitting AI – con người liên tục hướng dẫn, giám sát và sửa đầu ra của AI. Vấn đề không chỉ nằm ở kỹ năng viết câu lệnh hay việc dùng bản miễn phí, mà còn ở tâm lý đối phó: nhân viên lười biếng hoặc quá tải chọn nộp thẳng sản phẩm do AI tạo ra, không kiểm tra, khiến doanh nghiệp phải trả giá bằng chi phí sửa sai, rủi ro pháp lý và rò rỉ dữ liệu.
Khi người kiểm soát chất lượng AI bị thay thế bởi chính AI
Nếu ở Việt Nam quản lý đang kiệt sức vì kiểm soát chất lượng AI, thì tại Trung Quốc, một số người làm đúng công việc đó lại bị sa thải nhân danh công nghệ. Zhou, 35 tuổi, gia nhập một công ty công nghệ ở Hàng Châu từ tháng 11/2022 với vai trò giám sát kiểm soát chất lượng đầu ra của các mô hình ngôn ngữ lớn dùng trong sản phẩm AI. Công việc của anh là đánh giá câu trả lời hệ thống tạo ra, đối chiếu nội dung với câu hỏi người dùng và phát hiện thông tin không chính xác hoặc có nguy cơ vi phạm quy định. Khi công nghệ phát triển, doanh nghiệp cho rằng các mô hình AI đã có thể đảm nhận phần việc trước đây do Zhou phụ trách. Họ đề xuất chuyển anh xuống vị trí thấp hơn, giảm lương mạnh, và khi anh không chấp nhận, công ty chấm dứt hợp đồng với lý do tái cơ cấu tổ chức và nhu cầu nhân sự thay đổi.
Vụ việc trở thành bài học khi Zhou kiện công ty và cơ quan chức năng xác định rằng việc đưa AI vào hoạt động không tự động trở thành căn cứ hợp lý để sa thải nhân viên. Tòa cho rằng doanh nghiệp chưa chứng minh được thay đổi công nghệ khiến hợp đồng lao động không thể tiếp tục thực hiện, và đề xuất chuyển Zhou sang vị trí thấp hơn với mức lương giảm đáng kể không phải phương án điều chuyển hợp lý. Kết quả, công ty phải bồi thường tương đương 10 tháng tiền lương cho Zhou. Câu chuyện này phơi bày nghịch lý khác của thời AI tăng năng suất: những vị trí liên quan đến kiểm tra nội dung, xử lý dữ liệu, tuân thủ quy trình – vốn là tuyến phòng thủ cuối cùng trước rác AI – lại bị xem là có thể thay thế, trong khi rủi ro chất lượng vẫn chưa hề biến mất.
AI không thay thế trách nhiệm quản lý: cần tái thiết luật chơi
Nhìn từ các câu chuyện trên, điều đáng lo không phải là AI tăng năng suất, mà là cách doanh nghiệp phân bổ lại trách nhiệm và rủi ro. AI giúp tăng tốc sản xuất nội dung, dịch thuật, báo cáo, nhưng không tự kiểm soát được chất lượng; nó chỉ dịch chuyển gánh nặng sang quản lý – những người phải thức đêm rà lỗi, đối chiếu số liệu, chịu áp lực hợp đồng và danh tiếng. Trong khi đó, ở nơi khác, người làm kiểm soát chất lượng AI lại bị xem là dư thừa và bị sa thải, rồi phải đi kiện để đòi lại quyền lợi. AI tăng năng suất, nhưng nếu luật chơi không thay đổi, chúng ta chỉ tạo ra một vòng xoáy công việc mới: cấp dưới sản xuất rác AI để chạy KPI, cấp trên dọn rác đến kiệt sức, và khi có sự cố, người lao động trở thành “vật tế thần” cho quyết định cắt giảm chi phí.
Điều các tổ chức cần làm không phải là cấm triệt để AI – một biện pháp được đánh giá là ít hiệu quả vì nhân viên vẫn có thể dùng mạng di động cá nhân hoặc sử dụng tại nhà – mà là tái thiết luật chơi quanh AI tăng năng suất. Thứ nhất, phải thừa nhận kiểm soát chất lượng AI là một công việc thực thụ, có giá trị, cần nguồn lực và quy trình rõ ràng, thay vì âm thầm đẩy hết cho quản lý. Thứ hai, cần đặt ra chuẩn mực trách nhiệm: ai chịu trách nhiệm khi rác AI gây thiệt hại, và quyền lợi của người bị ảnh hưởng được bảo vệ thế nào. Thứ ba, phải đầu tư đào tạo kỹ năng dùng AI, thay vì để nhân viên đối phó. Chỉ khi coi AI là công cụ trong một hệ thống quản trị trưởng thành, chúng ta mới thoát khỏi nghịch lý năng suất và dùng công nghệ để nâng chất lượng, không phải để che giấu sự quá tải.
