Trong vài năm trở lại đây, trí tuệ nhân tạo (AI) ngày càng xuất hiện nhiều hơn trong môi trường doanh nghiệp. Từ các công cụ hỗ trợ viết nội dung, tổng hợp thông tin, phân tích dữ liệu cho đến AI agent có khả năng thực hiện một chuỗi tác vụ, AI đang dần trở thành một phần trong cách nhiều tổ chức vận hành công việc hằng ngày.
Cùng với xu hướng đó, một khái niệm thường xuyên được nhắc đến là AI Adoption – mức độ nhân viên hoặc doanh nghiệp sử dụng AI. Một tổ chức có tỷ lệ lớn nhân viên đăng nhập và sử dụng công cụ AI thường được xem là đang có mức độ ứng dụng AI tốt.
Tuy nhiên, liệu một con số như “80% nhân viên đã sử dụng AI” có thực sự cho chúng ta biết doanh nghiệp đang khai thác AI hiệu quả đến đâu?
Một bài viết có tiêu đề “AI Adoption is a Myth” của Vasuman đưa ra một góc nhìn khá đáng suy ngẫm: sử dụng AI và sử dụng AI hiệu quả là hai kỹ năng hoàn toàn khác nhau. Theo tác giả, trong nhiều doanh nghiệp, khoảng cách giữa một nhóm nhỏ người sử dụng AI thành thạo và phần đông nhân viên không chỉ tồn tại mà còn có xu hướng ngày càng lớn hơn khi công nghệ phát triển nhanh.
Từ góc nhìn của một nhân viên hành chính, tôi cho rằng đây không chỉ là câu chuyện dành cho các nhà quản lý công nghệ hay những người làm việc trong lĩnh vực kỹ thuật. Nó liên quan trực tiếp đến cách mỗi nhân viên sử dụng AI trong những công việc rất quen thuộc: soạn thảo văn bản, tổng hợp thông tin, chuẩn bị báo cáo, xử lý tài liệu, theo dõi công việc, giao tiếp nội bộ hay hỗ trợ các quy trình lặp đi lặp lại.
Điều quan trọng có lẽ không phải là “mình đã dùng AI hay chưa”, mà là AI đã thực sự giúp công việc của mình tốt hơn như thế nào.
AI Adoption: Dùng AI không đồng nghĩa với ứng dụng AI hiệu quả
Một trong những luận điểm đáng chú ý nhất của bài viết là sự khác biệt giữa adoption và skill.
Nếu doanh nghiệp chỉ hỏi một nhân viên rằng “Bạn có sử dụng AI không?”, câu trả lời thường chỉ có hai khả năng: có hoặc không. Nếu hệ thống thống kê số người đăng nhập công cụ AI mỗi tháng, doanh nghiệp có thể dễ dàng tạo ra một tỷ lệ adoption khá cao.
Nhưng con số đó không cho chúng ta biết nhân viên sử dụng AI để làm gì, sử dụng ở mức độ nào và kết quả cuối cùng có tạo ra giá trị hay không.
Ví dụ, hãy hình dung hai nhân viên cùng được cấp quyền sử dụng một công cụ AI.
Nhân viên thứ nhất sử dụng AI vài lần mỗi tuần để sửa một câu email, viết lại một đoạn văn hoặc chuyển một danh sách thông tin thành bảng. Công việc có thể nhanh hơn một chút, nhưng cách sử dụng vẫn khá đơn giản.
Nhân viên thứ hai cũng sử dụng chính công cụ đó, nhưng xây dựng cho mình một quy trình làm việc rõ ràng. Người này biết cách cung cấp bối cảnh, biết kiểm tra thông tin, biết lưu lại những hướng dẫn có thể tái sử dụng, biết khi nào cần yêu cầu AI hỗ trợ và khi nào nên tự xử lý. Họ thậm chí có thể kết hợp AI với những công cụ đang sử dụng hằng ngày để giảm nhiều bước thủ công.
Nếu chỉ nhìn vào dữ liệu “cả hai đều sử dụng AI”, doanh nghiệp sẽ không thấy sự khác biệt.
Nhưng về hiệu quả công việc, khoảng cách có thể rất lớn.
Bài viết gốc mô tả hiện tượng này bằng hình ảnh một “barbell” – hai đầu tương đối rõ rệt trong một tổ chức. Một nhóm nhỏ trở thành power user, sử dụng AI thường xuyên và khai thác nhiều tính năng hơn. Một bộ phận khác sử dụng AI ở mức hạn chế. Và một tỷ lệ lớn nhân viên gần như không sử dụng công cụ dù doanh nghiệp đã triển khai.
Điều này dẫn đến một nghịch lý: doanh nghiệp có thể báo cáo rằng AI đã được triển khai và tỷ lệ sử dụng khá cao, trong khi tốc độ xử lý công việc trên thực tế gần như chưa thay đổi.
Vì vậy, AI Adoption nếu chỉ được đo bằng số người sử dụng công cụ có thể là một chỉ số cần thiết, nhưng chưa đủ để đánh giá hiệu quả.
Khoảng cách giữa “biết dùng” và “dùng tốt”
Một điểm khác mà bài viết nhấn mạnh là sử dụng AI tốt cũng là một kỹ năng cần được rèn luyện.
Điều này có thể dễ dàng nhận thấy ngay cả trong những công việc văn phòng đơn giản.
Chẳng hạn, một nhân viên cần chuẩn bị thông báo nội bộ. Họ có thể đưa một vài ý chính vào AI và yêu cầu: “Viết giúp tôi một thông báo”.
AI hoàn toàn có thể tạo ra một văn bản tương đối hoàn chỉnh.
Nhưng để tạo ra một văn bản thực sự phù hợp, người sử dụng cần biết thêm nhiều điều: đối tượng nhận thông báo là ai, giọng điệu nên như thế nào, thông tin nào bắt buộc phải có, thông tin nào không được đưa vào, thời gian áp dụng ra sao, cần lưu ý điều gì và đâu là những nội dung cần kiểm tra lại trước khi gửi.
AI có thể hỗ trợ rất nhanh, nhưng chất lượng đầu ra vẫn phụ thuộc đáng kể vào khả năng xác định vấn đề và kiểm soát kết quả của người sử dụng.
Bài viết đưa ra một ví dụ trong lĩnh vực phát triển phần mềm để minh họa cho khoảng cách này. Hai kỹ sư có thể được giao cùng một nhiệm vụ và cùng sử dụng một công cụ AI, nhưng một người chỉ đưa yêu cầu vào rồi nhanh chóng chấp nhận kết quả, trong khi người còn lại xác định rõ phạm vi cần thay đổi, thiết lập những nguyên tắc trước khi thực hiện và đọc kỹ phần thay đổi do AI tạo ra trước khi chấp nhận.
Trong công việc hành chính, chúng ta có thể không làm việc với mã nguồn hay pull request, nhưng nguyên tắc hoàn toàn tương tự.
Một nhân viên có thể yêu cầu AI tổng hợp một tài liệu dài rồi gửi ngay kết quả cho đồng nghiệp. Một nhân viên khác sẽ kiểm tra lại các con số, ngày tháng, tên tài liệu, nội dung quan trọng và đối chiếu với nguồn ban đầu trước khi sử dụng.
Cả hai đều “dùng AI”.
Nhưng chỉ một người thực sự sử dụng AI như một công cụ hỗ trợ công việc có kiểm soát.
Đây là điểm mà tôi cho rằng mỗi nhân viên văn phòng cần đặc biệt lưu ý. AI không làm mất đi trách nhiệm của người thực hiện công việc. Ngược lại, khi sử dụng AI, người dùng càng cần có khả năng đánh giá kết quả.
AI có thể tạo ra nội dung nhanh, nhưng con người vẫn phải chịu trách nhiệm về kết quả
Một trong những rủi ro khi sử dụng AI trong công việc là tâm lý “AI đã làm rồi thì chắc là đúng”.
Thực tế không phải như vậy.
AI có thể giúp tạo văn bản nhanh hơn, tóm tắt tài liệu nhanh hơn hoặc đưa ra nhiều phương án trong thời gian ngắn. Tuy nhiên, người dùng vẫn cần xem xét liệu kết quả có phù hợp với mục đích ban đầu hay không.
Đối với công việc hành chính, điều này đặc biệt quan trọng.
Ví dụ, khi sử dụng AI để soạn một thông báo, người dùng cần kiểm tra:
- Ngày, giờ và thời hạn có chính xác không?
- Tên phòng ban hoặc chức danh có đúng không?
- Nội dung có phù hợp với chính sách hiện hành không?
- Có thông tin nội bộ nào không nên đưa vào không?
- Văn phong có phù hợp với người nhận không?
- Có câu nào do AI tự suy diễn nhưng không có trong thông tin ban đầu không?
Một văn bản có ngữ pháp hoàn hảo nhưng chứa sai ngày nghỉ vẫn là một văn bản không đạt yêu cầu.
Một bản tổng hợp rất mạch lạc nhưng sai một con số quan trọng cũng có thể gây ra vấn đề.
Vì vậy, một kỹ năng quan trọng khi sử dụng AI là kiểm tra đầu ra, chứ không chỉ biết cách tạo ra đầu ra.
Có thể nói, AI giúp giảm thời gian thực hiện một phần công việc, nhưng không nên được hiểu là công cụ thay thế hoàn toàn khả năng phán đoán của con người.
Vấn đề không chỉ nằm ở việc đào tạo cách viết prompt
Khi doanh nghiệp bắt đầu triển khai AI, một trong những hoạt động phổ biến là tổ chức đào tạo cách viết prompt.
Đây là một kỹ năng hữu ích. Biết cách đặt câu hỏi rõ ràng, cung cấp bối cảnh và yêu cầu định dạng đầu ra phù hợp chắc chắn giúp nâng cao chất lượng kết quả.
Tuy nhiên, bài viết cho rằng prompt chỉ là một phần nhỏ của câu chuyện. Quan trọng hơn là người sử dụng phải hiểu công việc nào nên dùng AI, công việc nào nên tự động hóa và công việc nào không nên đưa cho AI.
Đây là một quan điểm rất đáng chú ý.
Không phải cứ có một công cụ AI là chúng ta cần đưa tất cả công việc vào đó.
Ví dụ, nếu một nhân viên chỉ cần thực hiện một phép tính đơn giản và có sẵn công cụ tính toán đáng tin cậy, việc dùng AI có thể không cần thiết.
Nếu một quy trình có các bước hoàn toàn cố định, có thể xử lý bằng quy tắc rõ ràng, doanh nghiệp có thể cân nhắc tự động hóa bằng phần mềm thay vì yêu cầu nhân viên liên tục viết prompt.
Ngược lại, với những công việc cần tổng hợp nhiều nguồn thông tin, diễn đạt lại nội dung, phân loại tài liệu, tạo bản nháp hoặc hỗ trợ đưa ra các phương án, AI có thể phát huy nhiều giá trị hơn.
Nói cách khác, hiểu bản chất của công việc quan trọng không kém hiểu cách sử dụng công cụ.
Góc nhìn từ công việc hành chính: AI nên giúp chúng ta “bớt làm việc lặp lại”
Từ góc nhìn của một nhân viên hành chính, tôi cho rằng đây là phần thực tế nhất của câu chuyện.
Công việc hành chính thường bao gồm rất nhiều nhiệm vụ lặp lại. Có những việc không quá phức tạp nhưng tiêu tốn thời gian vì phải thực hiện thường xuyên.
Ví dụ:
- Tổng hợp thông tin từ nhiều email hoặc tài liệu.
- Chuẩn bị bản nháp thông báo.
- Chuyển đổi nội dung thành bảng theo dõi.
- Tóm tắt các cuộc họp hoặc tài liệu dài.
- Chuẩn hóa cách trình bày văn bản.
- Lập danh sách công việc cần theo dõi.
- Phân loại và sắp xếp thông tin.
- Chuẩn bị checklist cho một quy trình.
- Soạn các phiên bản khác nhau của cùng một nội dung dành cho những nhóm người nhận khác nhau.
- Hỗ trợ rà soát lỗi diễn đạt trong văn bản.
Đây đều là những khu vực mà AI có thể đóng vai trò như một “trợ lý”.
Tuy nhiên, điều đó không có nghĩa là nhân viên hành chính chỉ cần đưa toàn bộ công việc cho AI.
Cách tiếp cận phù hợp hơn là xác định phần nào trong quy trình có thể giao cho AI và phần nào vẫn cần con người kiểm soát.
Chẳng hạn, trong quá trình chuẩn bị một thông báo nội bộ, AI có thể hỗ trợ:
- Sắp xếp các ý chính.
- Đề xuất cấu trúc văn bản.
- Viết bản nháp.
- Điều chỉnh giọng văn.
- Tạo phiên bản ngắn gọn.
- Tạo phiên bản song ngữ nếu cần.
- Kiểm tra các lỗi diễn đạt.
Nhưng nhân viên vẫn là người:
- Xác nhận thông tin đầu vào.
- Kiểm tra tính chính xác.
- Đảm bảo không có thông tin bảo mật bị đưa vào.
- Xác định người nhận.
- Quyết định nội dung cuối cùng.
- Gửi hoặc công bố thông tin.
Đó chính là mô hình human-in-the-loop – AI thực hiện một phần công việc, còn con người giữ vai trò kiểm tra và ra quyết định ở những bước cần thiết.
Không nhất thiết mọi nhân viên đều phải trở thành “AI power user”
Một trong những ý tưởng đáng chú ý nhất trong bài viết là doanh nghiệp không nhất thiết phải biến toàn bộ nhân viên thành những người sử dụng AI ở trình độ cao.
Tác giả cho rằng ngay cả khi doanh nghiệp triển khai AI rất tốt, sự chênh lệch về mức độ sử dụng vẫn có thể tồn tại. Một nhóm nhỏ sẽ tự tìm hiểu sâu, thử nghiệm nhiều công cụ và trở thành power user. Trong khi đó, nhiều người khác có thể không có nhu cầu hoặc không có động lực để dành nhiều thời gian học cách khai thác AI.
Tôi cho rằng đây là một quan điểm khá thực tế.
Trong một doanh nghiệp, mỗi người có một chuyên môn và cách làm việc khác nhau. Một nhân viên hành chính không nhất thiết phải hiểu sâu về AI agent. Một nhân viên kế toán không nhất thiết phải biết xây dựng workflow AI. Một nhân viên kinh doanh cũng không cần trở thành chuyên gia về machine learning.
Điều quan trọng là AI phải giúp họ hoàn thành công việc tốt hơn.
Đây cũng là lý do bài viết đề xuất đưa AI “vào phía sau” những hệ thống mà nhân viên đã quen sử dụng, thay vì bắt mọi người phải thay đổi hoàn toàn cách làm việc.
Nếu một quy trình có thể tự động xử lý phần lớn tác vụ và chỉ yêu cầu nhân viên kiểm tra, phê duyệt hoặc xử lý ngoại lệ, đó có thể là cách tiếp cận thực tế hơn so với việc yêu cầu hàng nghìn nhân viên tự học cách xây dựng agent.
Một ví dụ đơn giản: từ người thực hiện sang người kiểm soát
Hãy lấy một công việc hành chính quen thuộc làm ví dụ.
Giả sử mỗi tháng cần tổng hợp một lượng lớn thông tin từ nhiều nguồn để lập báo cáo.
Cách làm truyền thống có thể là:
Nhận thông tin → đọc từng tài liệu → nhập dữ liệu → tổng hợp → định dạng → kiểm tra → gửi báo cáo.
Nếu áp dụng AI phù hợp, quy trình có thể chuyển thành:
AI tiếp nhận và phân loại thông tin → AI tạo bản tổng hợp ban đầu → nhân viên kiểm tra → nhân viên chỉnh sửa các điểm cần thiết → hoàn thiện báo cáo.
Trong trường hợp này, nhân viên không còn phải dành phần lớn thời gian cho việc sao chép, sắp xếp và định dạng.
Thay vào đó, họ dành nhiều thời gian hơn cho việc kiểm tra chất lượng và xử lý những trường hợp đặc biệt.
Đây là một sự thay đổi quan trọng về vai trò.
AI không nhất thiết phải “thay thế” nhân viên. Nó có thể thay đổi phần việc mà nhân viên dành thời gian cho.
Thay vì dành 80% thời gian cho các thao tác lặp lại và 20% cho việc kiểm tra, nhân viên có thể tiến gần hơn đến mô hình ngược lại: AI xử lý phần có tính lặp lại, con người tập trung vào những phần cần suy xét.
Đo lường AI bằng số người sử dụng có thể chưa đủ
Một trong những đề xuất mạnh nhất của bài viết là doanh nghiệp nên thay đổi cách đo lường AI.
Thay vì chỉ hỏi: “Có bao nhiêu nhân viên đang sử dụng AI?”
có thể đặt những câu hỏi khác thực tế hơn:
“Bao nhiêu phần công việc vẫn đang được thực hiện hoàn toàn thủ công?”; “Bao nhiêu phần có AI hỗ trợ nhưng vẫn cần con người kiểm tra?”; “Bao nhiêu phần quy trình đã được tự động hóa?”; “Bao nhiêu phần quy trình đã được tự động hóa?”; “AI giúp tiết kiệm bao nhiêu thời gian?”; “Chất lượng công việc có được cải thiện không?”; “Nhân viên có thể dành thời gian cho những nhiệm vụ có giá trị cao hơn không?”
Bài viết đề xuất tập trung vào tỷ lệ công việc manual – hybrid – fully automated, thay vì chỉ báo cáo tỷ lệ adoption.
Từ góc độ công việc hành chính, cách đo này có vẻ hữu ích hơn.
Ví dụ, giả sử 90% nhân viên trong một phòng ban đã sử dụng AI ít nhất một lần trong tháng. Đây là một con số đáng chú ý, nhưng chưa cho biết nhiều về hiệu quả.
Nếu sau khi triển khai AI, thời gian xử lý một quy trình giảm đáng kể, số lỗi giảm và nhân viên có thêm thời gian dành cho những nhiệm vụ quan trọng hơn, đó mới là bằng chứng rõ ràng hơn về giá trị của AI.
Nói cách khác:
AI Adoption cho biết AI đã được sử dụng.
AI Productivity cho biết AI đã tạo ra thay đổi gì.
Hai chỉ số này không nên được đánh đồng.
AI càng mạnh, kỹ năng sử dụng càng quan trọng
Một nghịch lý khác được bài viết đề cập là khi công nghệ AI phát triển, khoảng cách giữa người sử dụng thành thạo và người sử dụng cơ bản có thể tiếp tục mở rộng. Các công cụ ngày càng có nhiều khả năng, nhưng để khai thác được những khả năng đó, người dùng cũng cần hiểu cách làm việc với chúng.
Điều này có nghĩa là việc học AI không nên được hiểu là học một công cụ duy nhất.
Một công cụ hôm nay có thể thay đổi vào ngày mai. Một tính năng mới có thể khiến cách làm việc cũ trở nên không còn tối ưu.
Vì vậy, điều quan trọng hơn là hình thành tư duy làm việc cùng AI.
Đối với nhân viên hành chính, tư duy này có thể bắt đầu từ những câu hỏi rất đơn giản:
- Công việc nào tôi đang làm lặp đi lặp lại?
- Phần nào trong công việc đang tiêu tốn nhiều thời gian nhưng không cần quá nhiều phán đoán?
- AI có thể hỗ trợ phần nào?
- Tôi cần cung cấp thông tin gì để AI thực hiện tốt?
- Tôi cần kiểm tra những gì sau khi AI hoàn thành?
- Công việc nào không nên đưa dữ liệu vào AI?
- Có bước nào có thể tự động hóa thay vì chỉ dùng AI để hỗ trợ thủ công?
Chỉ cần thường xuyên đặt những câu hỏi này, cách sử dụng AI sẽ dần thay đổi.
AI không nên trở thành một “việc phải làm” khác
Một điều tôi đặc biệt đồng tình với bài viết là người lao động không nhất thiết muốn có thêm một công cụ để học và sử dụng. Điều họ thực sự cần là công việc được hoàn thành tốt hơn và thuận tiện hơn.
Nếu doanh nghiệp triển khai một công cụ AI nhưng nhân viên phải mở thêm một hệ thống, copy dữ liệu từ hệ thống cũ sang, viết prompt, kiểm tra kết quả rồi lại copy ngược về hệ thống cũ, đôi khi AI không làm quy trình đơn giản hơn mà chỉ tạo thêm một bước.
Vì vậy, câu hỏi nên đặt ra không phải: “Chúng ta có thể đưa AI vào công việc này không?”
mà là: “AI có giúp quy trình này tốt hơn không?”
Đây là một khác biệt nhỏ về cách đặt câu hỏi nhưng có thể dẫn đến cách triển khai hoàn toàn khác.
Một công cụ tốt không nhất thiết phải là công cụ có nhiều tính năng nhất. Trong môi trường doanh nghiệp, một công cụ tốt có thể đơn giản là công cụ giúp nhân viên hoàn thành công việc nhanh hơn, chính xác hơn và ít thao tác hơn.
Một số nguyên tắc tôi cho rằng nhân viên hành chính có thể áp dụng ngay
Từ những luận điểm trong bài viết, tôi cho rằng có thể rút ra một số nguyên tắc thực tế cho việc sử dụng AI trong công việc hằng ngày.
1. Đừng dùng AI chỉ để chứng minh rằng mình đang dùng AI
Không phải nhiệm vụ nào cũng cần AI.
Nếu một việc chỉ mất 30 giây để làm thủ công nhưng cần 2 phút để chuẩn bị dữ liệu cho AI, việc sử dụng AI có thể không mang lại lợi ích.
Hãy bắt đầu với những công việc có tính lặp lại, tiêu tốn thời gian hoặc cần xử lý nhiều thông tin.
2. Hãy coi AI là trợ lý, không phải người chịu trách nhiệm cuối cùng
AI có thể viết bản nháp, tổng hợp hoặc đề xuất. Người dùng vẫn cần kiểm tra.
Đặc biệt với những nội dung liên quan đến thời gian, số liệu, chính sách, quy định hoặc thông tin quan trọng, bước kiểm tra cuối cùng là cần thiết.
3. Không đưa dữ liệu bảo mật vào công cụ AI một cách tùy tiện
Đây là nguyên tắc đặc biệt quan trọng trong môi trường doanh nghiệp.
Nhân viên cần tuân thủ chính sách bảo mật và quy định nội bộ khi sử dụng AI. Không nên đưa thông tin khách hàng, thông tin dự án, dữ liệu cá nhân hoặc những nội dung được xác định là bảo mật vào công cụ AI nếu chưa được phép.
AI có thể rất hữu ích, nhưng sự tiện lợi không nên đánh đổi bằng rủi ro về bảo mật.
4. Lưu lại những cách làm hiệu quả
Nếu một cách sử dụng AI giúp tiết kiệm đáng kể thời gian, đừng chỉ giữ nó cho riêng mình.
Có thể biến kinh nghiệm đó thành một hướng dẫn nội bộ, checklist hoặc quy trình đơn giản để đồng nghiệp khác có thể áp dụng.
Điều này giúp giá trị từ một người sử dụng AI tốt có thể lan sang những người khác.
5. Đánh giá bằng kết quả công việc
Sau khi áp dụng AI, hãy thử so sánh:
- Mất bao nhiêu thời gian trước đây?
- Bây giờ mất bao nhiêu thời gian?
- Chất lượng có tốt hơn không?
- Có giảm lỗi không?
- Có giảm số bước thủ công không?
- Nhân viên có thời gian tập trung vào công việc quan trọng hơn không?
Nếu câu trả lời là có, đó mới là dấu hiệu AI đang tạo ra giá trị.
Khoảng cách AI không nhất thiết là vấn đề tiêu cực
Khái niệm “chasm” – khoảng cách lớn giữa nhóm người sử dụng AI thành thạo và phần đông người dùng còn lại – nghe có vẻ đáng lo ngại. Nhưng tôi cho rằng không nên nhìn nó hoàn toàn theo hướng tiêu cực.
Trong một tổ chức, luôn có những người thích thử nghiệm công nghệ mới. Họ thường là những người đầu tiên khám phá công cụ mới, tìm cách sử dụng chúng và chia sẻ kinh nghiệm.
Những người này có thể đóng vai trò như những người tiên phong.
Điều quan trọng là doanh nghiệp cần tìm cách biến kinh nghiệm cá nhân thành tri thức có thể chia sẻ, thay vì để lợi ích chỉ nằm ở một vài cá nhân.
Một nhân viên tìm ra cách tự động hóa một công việc không nên chỉ giúp chính họ tiết kiệm thời gian. Nếu cách làm đó có thể áp dụng cho nhiều người, doanh nghiệp có thể chuẩn hóa nó thành quy trình hoặc công cụ dùng chung.
Khi đó, AI không còn là lợi thế cá nhân mà trở thành năng lực của tổ chức.
AI trong công việc hành chính: mục tiêu cuối cùng không phải là “dùng nhiều hơn”
Sau khi đọc và suy ngẫm về bài viết, tôi cho rằng đây là điểm quan trọng nhất.
Mục tiêu của việc ứng dụng AI trong doanh nghiệp không nên đơn giản là làm cho số người sử dụng AI tăng lên.
Mục tiêu cuối cùng phải là làm cho công việc được thực hiện tốt hơn.
Một nhân viên có thể chỉ sử dụng AI vài lần mỗi ngày nhưng nếu AI giúp họ tiết kiệm hàng giờ mỗi tuần thì đó vẫn là một ứng dụng rất có giá trị.
Ngược lại, một nhân viên có thể gửi hàng chục prompt mỗi ngày nhưng nếu kết quả không được sử dụng, phải chỉnh sửa nhiều lần hoặc tạo thêm công việc kiểm tra, việc sử dụng nhiều chưa chắc đã đồng nghĩa với hiệu quả.
Đối với công việc hành chính, tôi cho rằng AI nên được nhìn nhận như một công cụ để giảm bớt những phần việc có tính lặp lại, hỗ trợ xử lý thông tin và giúp nhân viên có thêm thời gian dành cho những công việc cần giao tiếp, phối hợp, tổ chức và phán đoán.
Đó là những năng lực mà công nghệ khó có thể thay thế hoàn toàn.
Kết luận: Không cần chạy đua để trở thành người dùng AI giỏi nhất
Bài viết “AI Adoption is a Myth” đưa ra một góc nhìn đáng suy nghĩ về cách doanh nghiệp đang đánh giá việc ứng dụng AI. Một tỷ lệ adoption cao không nhất thiết đồng nghĩa với năng suất cao. Việc nhân viên đã mở công cụ AI hoặc sử dụng AI một vài lần cũng chưa thể cho biết họ có thực sự khai thác được công nghệ hay không.
Khoảng cách giữa “sử dụng AI” và “sử dụng AI tốt” là có thật.
Nhưng thay vì coi đây là lý do để tất cả nhân viên phải trở thành chuyên gia AI, chúng ta có thể tiếp cận vấn đề thực tế hơn.
Những người có hứng thú và khả năng sử dụng AI sâu có thể tiếp tục thử nghiệm, xây dựng những cách làm mới và chia sẻ kinh nghiệm với đồng nghiệp. Những nhân viên khác không nhất thiết phải trở thành power user. Nếu AI có thể được tích hợp vào quy trình và hệ thống mà họ đang sử dụng, họ vẫn có thể hưởng lợi từ AI mà không cần dành quá nhiều thời gian để học công nghệ.
Đối với cá nhân tôi, bài viết này cũng làm thay đổi cách nhìn về việc học AI trong công việc.
Trước đây, “biết sử dụng AI” có thể được hiểu đơn giản là biết viết prompt hoặc biết sử dụng một vài công cụ phổ biến. Nhưng nhìn rộng hơn, kỹ năng quan trọng hơn là biết xác định vấn đề, biết lựa chọn công cụ, biết phân chia phần việc giữa con người và AI, đồng thời biết kiểm tra kết quả.
Đặc biệt trong công việc hành chính, tôi cho rằng AI có thể mang lại giá trị lớn nhất không phải bằng cách khiến chúng ta “làm việc nhiều hơn”, mà bằng cách giúp chúng ta bớt dành thời gian cho những việc lặp lại để tập trung vào những việc thực sự cần con người.
Vì vậy, thay vì hỏi:
“Tôi đã sử dụng AI đủ nhiều chưa?”
có lẽ chúng ta nên hỏi:
“AI đã giúp công việc của tôi tốt hơn ở điểm nào?”
Và ở cấp độ doanh nghiệp, thay vì chỉ hỏi:
“Bao nhiêu phần trăm nhân viên đã sử dụng AI?”
có thể đặt câu hỏi quan trọng hơn:
“Bao nhiêu phần công việc của chúng ta đang được thực hiện thủ công, bao nhiêu phần đang có AI hỗ trợ và bao nhiêu phần đã có thể tự động hóa?”
Đó có thể là cách nhìn thực tế hơn về AI Adoption – không chỉ nhìn vào việc công nghệ đã được đưa vào doanh nghiệp, mà nhìn vào giá trị thực sự mà công nghệ tạo ra cho công việc và cho con người.
Nguồn tham khảo: Vasuman, “AI Adoption is a Myth”, X (Twitter), 2026. Nội dung bài viết được tham khảo, tổng hợp và diễn giải lại theo hướng độc lập.