Bản nháp nhanh hơn chưa đồng nghĩa với năng suất cao hơn
Nghịch lý năng suất của AI là công cụ có thể rút ngắn thời gian tạo bản nháp, nhưng tổng công sức để biến bản nháp ấy thành sản phẩm dùng được vẫn có thể tăng vì phải kiểm tra và sửa lại. Ngày 19/10, công ty AI Use.AI công bố khảo sát 8.316 người trưởng thành dùng AI trong công việc tại Mỹ, Anh, EU, Canada, Australia và Mỹ Latin. Kết quả cho thấy 62% người tham gia nhờ AI tạo được tài liệu, bài thuyết trình hoặc mã nguồn mà trước đây họ thường bỏ qua vì mất quá nhiều thời gian. Đó là lợi ích rõ ràng ở khâu khởi tạo. Nhưng số lượng bản nháp tăng không tự động biến thành năng suất công việc cao hơn: nếu đầu ra thiếu chính xác, không phù hợp hoặc thiếu ngữ cảnh, phần việc tiết kiệm được lúc viết sẽ quay lại dưới dạng rà soát, chỉnh sửa và làm lại.
Thời gian tiết kiệm được chuyển sang khâu kiểm tra
Dữ liệu khảo sát cho thấy phần hậu kiểm không phải chuyện lặt vặt. Có 39% người được hỏi từng mất nhiều thời gian xem xét đầu ra AI hơn so với tự làm, còn 41% cho biết thời gian rà soát hoặc kiểm chứng đã tăng sau khi đưa công cụ vào quy trình. Thêm vào đó, 48% từng nhận nội dung có AI hỗ trợ nhưng vẫn phải chỉnh sửa, 43% phải làm lại từ đầu vì kết quả không phù hợp, và 37% nói lỗi đầu ra từng làm chậm quyết định. Đáng lo hơn, 34% thừa nhận đã gửi nội dung AI tạo hoặc hỗ trợ mà chưa đọc kỹ toàn bộ. Đây là vòng luẩn quẩn: giao việc nhanh hơn nhưng người nhận phải gánh phần kiểm tra chỉnh sửa AI, đôi khi không biết đầu ra đã được xác minh đến đâu. Nếu doanh nghiệp chỉ đếm số tài liệu tạo ra, họ sẽ nhầm tốc độ sinh nội dung với hiệu quả thực tế.
Tri thức nội bộ chỉ hữu ích khi tìm được đúng câu trả lời
Một phần nghẽn khác nằm trước cả khâu viết: tìm thông tin để làm đúng việc. Dù dữ liệu nội bộ dồi dào, nhân viên vẫn mất thời gian tra cứu quy trình và chính sách vì tài liệu nằm rải rác trên nhiều hệ thống, khó tìm bằng từ khóa hoặc không rõ phiên bản nào còn hiệu lực. Trong thực tế, họ có thể phải tìm qua nhiều nguồn, hỏi đồng nghiệp hoặc chờ bộ phận chuyên môn phản hồi. Tìm kiếm ngữ nghĩa và RAG giúp nhân viên hỏi bằng ngôn ngữ tự nhiên để AI truy xuất tài liệu nội bộ rồi tạo câu trả lời dựa trên nguồn được cung cấp. Nhưng AI không thể biến thông tin lỗi thời, mâu thuẫn hay thiếu cập nhật thành tri thức đáng tin cậy. Vì vậy, công cụ chỉ mở ra lối tiếp cận mới; hiệu quả khai thác tri thức nội bộ vẫn phụ thuộc vào chất lượng dữ liệu, cách tổ chức và trách nhiệm cập nhật.
Đo hiệu quả bằng việc đã hoàn thành, không phải số bản nháp
Doanh nghiệp cần tính cả thời gian tạo, kiểm chứng, sửa và bàn giao đầu ra khi đánh giá AI. Khảo sát ghi nhận 58% người tham gia làm việc tại nơi không có quy tắc cụ thể về nội dung cần kiểm tra trước khi chia sẻ sản phẩm có AI hỗ trợ. Khi trách nhiệm và tiêu chuẩn rà soát không rõ, tốc độ của một người có thể tạo thêm việc cho người khác. Dù vậy, khảo sát này phản ánh trải nghiệm người lao động, không xác định mức tăng giảm ròng của năng suất toàn tổ chức hay chứng minh AI trực tiếp làm tăng việc sửa lại. Một ví dụ triển khai riêng do Viettel Customer Service cung cấp ghi nhận một số quy trình giảm 24% đến 40% thời gian xử lý và năng suất lao động tổng thể tăng khoảng 7,1%. Những con số ấy cho thấy kết quả khả quan có thể đạt được, nhưng không nên xem là mặc định cho mọi doanh nghiệp. Kết luận thẳng thắn: AI xử lý tài liệu nhanh chỉ có giá trị khi quy trình kiểm soát và dữ liệu đủ tốt để giảm việc phát sinh, thay vì chuyển nó sang khâu kiểm tra.
