We make services people love by the power of Gen AI.
Facebook-f Twitter Youtube Linkedin-in
Contact

Trong kỷ nguyên AI, người làm hành chính cần phát triển kỹ năng gì? Góc nhìn về con đường nghề nghiệp của tôi

Khi AI ngày càng làm được nhiều việc, con người cần trở nên giỏi hơn ở điều gì?

AI đang thay đổi cách chúng ta làm việc với tốc độ rất nhanh. Những công việc từng cần nhiều thời gian như tổng hợp thông tin, viết nội dung, xử lý dữ liệu, chuẩn bị tài liệu hay hỗ trợ nghiên cứu giờ đây có thể được thực hiện nhanh hơn đáng kể với sự hỗ trợ của AI.

Sự phát triển của AI agent còn khiến thay đổi này rõ ràng hơn. Nếu trước đây AI chủ yếu được xem như một công cụ hỗ trợ con người thực hiện từng nhiệm vụ, thì ngày càng có nhiều hệ thống có thể đảm nhận một chuỗi công việc phức tạp hơn với mức độ tự động hóa cao hơn.

Điều đó khiến tôi bắt đầu suy nghĩ về một câu hỏi khá đơn giản nhưng không dễ trả lời:

Nếu AI ngày càng có thể làm nhiều việc hơn, con người cần trở nên giỏi hơn ở điều gì?

Đây cũng là câu hỏi tôi nghĩ đến khi xem video “AIエージェントブーム後の世界。一流は頭をこう使う” trên kênh PIVOT. Video đưa ra một góc nhìn khá thú vị: khi AI ngày càng giúp con người nâng cao năng suất, lợi thế của việc đơn giản là “làm nhanh hơn” hoặc “làm được nhiều hơn” có thể dần giảm xuống. Khi đó, những năng lực như hiểu sâu vấn đề, có kiến thức chuyên môn, tạo ra insight, xác định điều gì thực sự quan trọng và đưa ra phán đoán có chất lượng sẽ trở nên đáng giá hơn.

Nguồn: PIVOT, AIエージェントブーム後の世界。一流は頭をこう使う, YouTube: https://www.youtube.com/watch?v=YWtlT2GviQY

Từ góc nhìn của một người làm công việc hành chính, tôi thấy đây không phải là câu chuyện chỉ dành cho lập trình viên hay những người làm trong ngành công nghệ.

Ngược lại, nó đặt ra một vấn đề rất gần với công việc của tôi:

Khi AI có thể hỗ trợ ngày càng nhiều nhiệm vụ hành chính, tôi cần phát triển bản thân như thế nào để công việc của mình không chỉ được thực hiện nhanh hơn mà còn tạo ra nhiều giá trị hơn?

1. Khi productivity không còn là lợi thế duy nhất

Trong công việc, chúng ta thường đánh giá hiệu quả dựa trên những tiêu chí khá trực quan: hoàn thành được bao nhiêu việc, mất bao nhiêu thời gian và có thể xử lý bao nhiêu yêu cầu trong một ngày.

Đó là điều hoàn toàn hợp lý.

Nhưng AI đang làm thay đổi cách chúng ta nhìn vào productivity.

Trước đây, nếu một người có thể hoàn thành một báo cáo trong hai giờ thay vì bốn giờ, đó rõ ràng là một lợi thế. Nhưng nếu AI có thể giúp rất nhiều người rút thời gian đó xuống còn vài chục phút thì việc “làm nhanh” sẽ không còn là lợi thế quá khác biệt.

Tương tự, nếu AI có thể giúp nhiều người cùng lúc viết email, tạo presentation, tổng hợp tài liệu hay phân tích dữ liệu, thì số lượng output mà một người có thể tạo ra cũng không còn là yếu tố duy nhất quyết định giá trị của họ.

Điều này khiến tôi nghĩ rằng trong tương lai, câu hỏi không chỉ còn là: “Tôi có thể làm được bao nhiêu việc?”

mà sẽ dần chuyển thành: “Những việc tôi đang làm có thực sự quan trọng không, và chất lượng của kết quả đó như thế nào?“

Đây là một thay đổi rất đáng chú ý.

AI có thể giúp tôi hoàn thành một công việc trong 30 phút thay vì hai tiếng. Nhưng nếu tôi dành 30 phút đó để làm một việc không quan trọng, thì năng suất tăng lên cũng không tạo ra nhiều giá trị.

Ngược lại, nếu AI giúp tôi tiết kiệm thời gian ở những công việc lặp lại và tôi dùng khoảng thời gian đó để tìm ra một vấn đề trong quy trình, cải thiện cách phối hợp giữa các bộ phận hoặc xây dựng một cách làm hiệu quả hơn, thì giá trị tạo ra sẽ lớn hơn nhiều.

Vì vậy, tôi bắt đầu nhìn productivity theo một cách khác:

Không phải cứ làm được nhiều hơn thì có nghĩa là đang làm việc tốt hơn. Quan trọng hơn là mình đang dành thời gian cho điều gì.

2. Từ “làm nhanh” sang “tạo ra insight”

Nếu AI ngày càng giỏi trong việc tạo ra output, vậy con người sẽ đóng góp điều gì?

Theo tôi, một phần câu trả lời nằm ở insight – khả năng nhìn thấy điều đáng chú ý bên trong một lượng thông tin hoặc một vấn đề tưởng như rất bình thường.

Ví dụ, AI có thể giúp tôi tổng hợp kết quả khảo sát nhân viên thành một bảng gồm rất nhiều con số.

Nhưng một bảng dữ liệu đẹp chưa phải là insight.

Insight có thể là việc nhận ra rằng một vấn đề nào đó xuất hiện lặp đi lặp lại ở nhiều nhóm nhân viên, rằng một quy trình đang tạo ra một điểm nghẽn hoặc rằng một vấn đề tưởng như nhỏ đang gây ra nhiều công việc phát sinh.

AI có thể giúp tôi xử lý dữ liệu nhanh hơn.

Nhưng để biến dữ liệu thành một nhận định có ý nghĩa, tôi vẫn cần hiểu bối cảnh.

Tương tự, AI có thể đưa ra một danh sách hàng chục ý tưởng cho một hoạt động nội bộ. Nhưng người hiểu nhân viên, hiểu văn hóa công ty, hiểu ngân sách và hiểu những hạn chế thực tế mới có thể xác định ý tưởng nào thực sự phù hợp.

Điều này khiến tôi nhận ra rằng chất lượng của câu hỏi và khả năng nhìn ra vấn đề có thể quan trọng không kém khả năng tạo ra câu trả lời.

Trong thời đại AI, có thể chúng ta sẽ không thiếu output.

Thứ chúng ta thiếu có thể là những output thực sự đáng giá.

3. “Understand” – đừng bỏ qua bước hiểu vấn đề

Một trong những ý tưởng tôi thấy đáng suy nghĩ nhất từ video là vai trò của việc understand – thực sự hiểu vấn đề.

AI có thể giúp chúng ta đi rất nhanh từ một câu hỏi đến một câu trả lời.

Nhưng chính tốc độ đó đôi khi cũng tạo ra một rủi ro: chúng ta có thể bỏ qua bước suy nghĩ và tìm hiểu vấn đề ban đầu.

Ví dụ, nếu tôi gặp một công việc mất nhiều thời gian, tôi có thể ngay lập tức hỏi AI: “Làm thế nào để tự động hóa công việc này?”

Nhưng trước khi nghĩ đến tự động hóa, tôi nên hỏi:

“Tại sao công việc này lại tồn tại?”

“Mục đích thực sự của nó là gì?”

“Ai sử dụng kết quả của công việc này?”

“Có bước nào đang được thực hiện chỉ vì trước đây chúng ta vẫn làm như vậy không?”

“Có vấn đề nào nằm ở quy trình chứ không nằm ở tốc độ thực hiện không?”

Đây là điểm tôi thấy đặc biệt phù hợp với công việc hành chính.

Bởi nhiều công việc hành chính được hình thành và phát triển qua thời gian. Một quy trình có thể có nhiều bước vì mỗi bước từng cần thiết ở một thời điểm nào đó. Nhưng sau vài năm, nhu cầu đã thay đổi trong khi quy trình cũ vẫn được giữ lại.

Nếu tôi chỉ dùng AI để làm từng bước nhanh hơn, tôi có thể vô tình tối ưu một quy trình vốn đã không còn phù hợp.

Trong khi đó, nếu tôi hiểu được vấn đề gốc, AI có thể giúp tôi suy nghĩ về một cách làm hoàn toàn khác.

Vì vậy, tôi muốn hình thành cho mình một thói quen:

Trước khi hỏi AI “làm thế nào?”, hãy tự hỏi “tại sao?”.

4. Kiến thức chuyên môn không mất giá khi có AI

Một suy nghĩ khác tôi rút ra là AI càng mạnh thì domain knowledge – kiến thức chuyên môn về lĩnh vực mình đang làm – có thể càng quan trọng.

Thoạt nghe, điều này có vẻ hơi ngược.

Nếu AI có thể tìm kiếm và tổng hợp rất nhiều thông tin, tại sao chúng ta còn cần phải hiểu sâu?

Nhưng trong thực tế, tôi nghĩ kiến thức chuyên môn giúp con người làm được ít nhất ba việc quan trọng.

Thứ nhất, biết mình cần hỏi AI điều gì.

Một người hiểu công việc sẽ biết thông tin nào còn thiếu và câu hỏi nào cần được đặt ra.

Thứ hai, biết AI đang trả lời đúng đến đâu.

Nếu không có kiến thức nền, rất khó nhận ra một câu trả lời có vẻ hợp lý nhưng thực tế lại không phù hợp.

Thứ ba, biết cách biến output của AI thành một kết quả có giá trị trong thực tế.

Ví dụ, AI có thể đề xuất một quy trình tổ chức sự kiện rất đầy đủ. Nhưng người trực tiếp làm công việc hành chính sẽ biết rằng thực tế còn có những yếu tố như quy trình phê duyệt, ngân sách, thời gian, người phụ trách, yêu cầu nội bộ và những vấn đề thường phát sinh mà AI không thể tự biết nếu không được cung cấp bối cảnh.

Đó chính là giá trị của domain knowledge.

AI có thể có rất nhiều kiến thức chung.

Nhưng người hiểu sâu công việc của mình mới biết kiến thức nào thực sự quan trọng trong bối cảnh cụ thể.

Điều này khiến tôi không muốn chạy theo mục tiêu trở thành người biết nhiều công cụ AI nhất.

Tôi muốn trở thành người hiểu công việc của mình đủ sâu để biết AI có thể hỗ trợ ở đâu và đâu là phần tôi cần trực tiếp suy nghĩ, đánh giá và quyết định.

5. Từ kinh nghiệm cá nhân thành knowledge asset

Nếu domain knowledge ngày càng quan trọng, một câu hỏi tiếp theo xuất hiện:

Làm thế nào để kiến thức đó không chỉ nằm trong đầu mình?

Trong công việc hằng ngày, mỗi người đều tích lũy rất nhiều kinh nghiệm.

Một nhân viên hành chính có thể biết:

    • một quy trình thường được thực hiện theo thứ tự nào;

    • những giấy tờ nào thường bị thiếu;

    • vấn đề nào thường phát sinh;

    • ai cần được phối hợp;

    • một loại yêu cầu nên được xử lý như thế nào;

    • hoặc một công việc tưởng đơn giản nhưng thực tế có những điểm cần lưu ý nào.

Phần lớn những kiến thức này đến từ kinh nghiệm.

Nhưng nếu chúng chỉ tồn tại trong đầu một người, khả năng sử dụng lại sẽ bị giới hạn.

Tôi muốn thay đổi điều này bằng cách biến kinh nghiệm thành những knowledge assets có thể sử dụng lại.

Ví dụ, thay vì chỉ “biết cách làm”, tôi có thể xây dựng:

    • checklist;

    • template;

    • quy trình;

    • FAQ;

    • hướng dẫn;

    • tiêu chí kiểm tra;

    • flowchart;

    • thư viện prompt;

    • hoặc những ghi chú về các tình huống thường gặp.

Khi kiến thức được chuẩn hóa và diễn đạt rõ ràng, nó trở nên hữu ích không chỉ cho bản thân tôi mà còn cho những người khác.

Quan trọng hơn, những knowledge assets đó có thể trở thành nền tảng để AI hỗ trợ công việc tốt hơn.

Tôi thấy đây là một thay đổi khá thú vị trong cách nhìn về công việc.

Trước đây, kinh nghiệm của một người có thể đơn giản được xem là “người đó làm lâu nên biết”.

Trong tương lai, tôi nghĩ một người có giá trị hơn khi họ có thể biến kinh nghiệm thành kiến thức có cấu trúc, có thể chia sẻ, cải thiện và sử dụng lại.

6. Khi AI giúp chúng ta làm nhiều việc hơn, biết việc gì quan trọng lại càng cần thiết

Một vấn đề khác tôi nghĩ đến khi sử dụng AI là: AI có thể giúp chúng ta làm rất nhiều việc, nhưng điều đó không có nghĩa là chúng ta nên làm tất cả.

Đây là lúc khả năng xác định ưu tiên trở nên quan trọng.

Trong một ngày làm việc, đặc biệt với công việc hành chính, có thể xuất hiện rất nhiều yêu cầu cùng lúc.

Một email cần trả lời.

Một tài liệu cần chuẩn bị.

Một cuộc họp cần sắp xếp.

Một báo cáo cần tổng hợp.

Một đồng nghiệp cần hỗ trợ.

Một quy trình cần follow-up.

Nếu có AI, tôi có thể xử lý những việc này nhanh hơn.

Nhưng nếu tôi cứ tiếp tục nhận thêm nhiều việc vì “AI làm nhanh được”, tôi có thể rơi vào một vấn đề khác: tạo ra nhiều output nhưng không dành đủ thời gian cho việc quan trọng nhất.

Đó là lý do tôi thấy tư duy về P0 – priority zero, việc quan trọng nhất cần tập trung rất đáng áp dụng.

Thay vì chỉ lập danh sách những việc cần làm, tôi muốn tập hỏi:

“Nếu hôm nay tôi chỉ có thể hoàn thành một việc thực sự quan trọng, đó sẽ là việc gì?”

Câu hỏi này có vẻ đơn giản nhưng có thể thay đổi cách tôi sử dụng AI.

AI có thể giúp tôi xử lý các công việc P1, P2 hoặc những nhiệm vụ lặp lại nhanh hơn.

Nhưng thời gian được tiết kiệm đó nên được dùng để tập trung vào P0.

Ví dụ, nếu một quy trình đang gây ra nhiều vấn đề cho các phòng ban, việc dành thời gian tìm hiểu nguyên nhân có thể quan trọng hơn việc tiếp tục xử lý từng yêu cầu phát sinh.

Nếu một dự án nội bộ đang gặp điểm nghẽn, việc tìm ra nguyên nhân có thể quan trọng hơn việc hoàn thành thêm một vài task nhỏ.

AI giúp tôi có thêm năng lực xử lý.

Nhưng tôi vẫn phải quyết định năng lực đó nên được dùng vào đâu.

Đây có lẽ là một trong những khác biệt lớn giữa “AI giúp tôi làm nhiều hơn” và “AI giúp tôi làm những việc có giá trị hơn”.

7. Điều này thay đổi cách tôi nhìn về con đường nghề nghiệp của mình

Sau khi suy nghĩ về những điều trên, tôi nhận ra rằng tôi không muốn nhìn AI chỉ như một công cụ giúp mình hoàn thành công việc hành chính nhanh hơn.

Tôi muốn xem nó như một cơ hội để phát triển cách mình làm việc.

Ở giai đoạn đầu, tôi cần sử dụng AI tốt để hỗ trợ những công việc hằng ngày và giảm thời gian dành cho những nhiệm vụ lặp lại.

Sau đó, tôi muốn tiến thêm một bước: thay vì chỉ thực hiện quy trình có sẵn, tôi muốn hiểu quy trình đó đủ sâu để nhận ra điểm nào có thể cải thiện.

Từ đó, vai trò của tôi có thể dần chuyển từ chỉ thực hiện công việc sang tham gia cải tiến cách công việc được thực hiện.

Ví dụ, thay vì chỉ chuẩn bị một báo cáo, tôi có thể tìm cách chuẩn hóa cách thu thập dữ liệu và tự động hóa một phần quá trình.

Thay vì chỉ xử lý từng yêu cầu riêng lẻ, tôi có thể nhìn vào những yêu cầu lặp lại để tìm ra nguyên nhân và xây dựng một cách xử lý hiệu quả hơn.

Thay vì chỉ lưu trữ tài liệu, tôi có thể tổ chức kiến thức thành một hệ thống dễ tìm kiếm và sử dụng lại.

Tôi nghĩ đây là hướng phát triển phù hợp với bản thân hơn là cố gắng trở thành một chuyên gia công nghệ.

Mục tiêu của tôi không phải là cạnh tranh với AI.

Mục tiêu là trở thành một người làm hành chính có khả năng sử dụng AI để hiểu công việc sâu hơn, cải thiện quy trình tốt hơn và tạo ra nhiều giá trị hơn.

8. Tôi cần phát triển khả năng kiểm chứng thay vì chỉ tin vào output của AI

Một kỹ năng khác tôi cho rằng ngày càng quan trọng là khả năng đánh giá chất lượng output.

AI có thể đưa ra câu trả lời rất nhanh và rất thuyết phục. Nhưng một câu trả lời được trình bày tốt không đồng nghĩa với một câu trả lời chính xác hoặc phù hợp với hoàn cảnh thực tế.

Điều này đặc biệt quan trọng trong công việc.

Nếu tôi sử dụng AI để viết lại một email, việc kiểm tra có thể tương đối đơn giản.

Nhưng nếu AI hỗ trợ tôi tổng hợp thông tin, xử lý dữ liệu, tính toán chi phí hoặc đề xuất một phương án vận hành, tôi cần kiểm tra kỹ hơn.

Tôi cần biết:

    • Thông tin này đến từ đâu?

    • Có dữ liệu nào bị bỏ sót không?

    • AI có đang tự đưa ra giả định nào không?

    • Có điểm nào mâu thuẫn với thực tế không?

    • Kết quả này có phù hợp với mục tiêu ban đầu không?

    • Tôi có đủ cơ sở để sử dụng kết quả này không?

Tôi muốn hình thành một nguyên tắc khá đơn giản:

AI có thể tạo ra bản nháp, nhưng con người phải chịu trách nhiệm về kết quả cuối cùng.

Điều này cũng giúp tôi tránh một suy nghĩ nguy hiểm: “AI đã làm nên chắc là đúng.”

Trong tương lai, có thể kỹ năng quan trọng không phải là biết cách khiến AI tạo ra output thật nhanh, mà là biết nhận ra output nào đáng tin và output nào cần được kiểm tra lại.

9. Tôi muốn học AI từ chính những vấn đề trong công việc

AI thay đổi nhanh đến mức nếu chỉ cố gắng chạy theo từng công cụ mới, chúng ta rất dễ bị cuốn vào việc học công cụ thay vì giải quyết vấn đề.

Hôm nay có một ứng dụng AI mới.

Ngày mai có một model mới.

Sau đó lại có một AI agent mới.

Nếu cứ cố học tất cả, tôi có thể dành rất nhiều thời gian để tìm hiểu công cụ nhưng chưa chắc công việc đã tốt hơn.

Vì vậy, tôi muốn thay đổi cách học.

Thay vì bắt đầu bằng câu hỏi: “Công cụ AI nào đang phổ biến?”

tôi muốn bắt đầu bằng:

“Trong công việc của mình, vấn đề nào đang tốn nhiều thời gian hoặc tạo ra nhiều công việc lặp lại?”

Sau đó mới tìm hiểu AI có thể giúp gì.

Ví dụ, nếu tôi thường xuyên phải tổng hợp thông tin, tôi có thể tìm cách sử dụng AI để hỗ trợ bước tổng hợp.

Nếu tôi thường xuyên chuẩn bị những tài liệu có cấu trúc giống nhau, tôi có thể xây dựng template.

Nếu tôi thường xuyên xử lý các câu hỏi tương tự, tôi có thể xây dựng FAQ hoặc knowledge base.

Nếu một quy trình có nhiều bước thủ công, tôi có thể xem xét bước nào có khả năng tự động hóa.

Cách tiếp cận này khiến AI trở thành một phần của quá trình cải tiến công việc, thay vì trở thành một mục tiêu phải học riêng biệt.

Tôi không cần biết mọi công cụ.

Tôi cần biết công cụ nào giải quyết được vấn đề nào và khi nào nên sử dụng nó.

10. Những kỹ năng tôi muốn tập trung phát triển

Sau khi liên hệ nội dung của video với công việc hiện tại, tôi nhận ra có một số nhóm năng lực mà mình muốn tập trung phát triển trong thời gian tới.

1. AI literacy – hiểu biết về AI

Tôi cần hiểu AI có thể làm gì, giới hạn ở đâu và cách sử dụng AI phù hợp với từng loại công việc.

Không nhất thiết phải trở thành chuyên gia kỹ thuật, nhưng cần đủ hiểu để sử dụng AI có mục đích.

2. Problem solving – giải quyết vấn đề

Tôi muốn tập trung vào nguyên nhân của vấn đề thay vì chỉ xử lý những công việc phát sinh từ vấn đề đó.

3. Critical thinking – tư duy phản biện

Tôi cần có khả năng đặt câu hỏi, kiểm tra thông tin và đánh giá output của AI thay vì mặc nhiên chấp nhận câu trả lời.

4. Domain knowledge – kiến thức chuyên môn

Tôi muốn hiểu sâu hơn về công việc và các quy trình mình phụ trách, bởi đây là cơ sở để tôi biết AI có thể hỗ trợ ở đâu và đâu là điểm cần con người quyết định.

5. Communication – giao tiếp

AI có thể hỗ trợ tôi soạn thảo và chuẩn bị thông tin, nhưng khả năng lắng nghe, phối hợp và truyền đạt với con người vẫn rất quan trọng.

6. Prioritization – khả năng xác định ưu tiên

Tôi muốn học cách phân biệt giữa việc “có thể làm” và việc “thực sự cần làm”, đặc biệt khi AI khiến việc hoàn thành nhiều task trở nên dễ dàng hơn.

7. Continuous learning – khả năng học liên tục

Thay vì cố gắng thành thạo một danh sách công cụ cố định, tôi muốn phát triển khả năng học và thích nghi với những thay đổi mới.

11. Tôi muốn áp dụng những điều này vào công việc hằng ngày như thế nào?

Từ những suy nghĩ trên, tôi muốn bắt đầu bằng những thay đổi tương đối nhỏ nhưng thực tế.

Thứ nhất, tôi muốn sử dụng AI cho những công việc lặp lại nhưng vẫn giữ vai trò kiểm tra và quyết định cuối cùng.

Thứ hai, khi gặp một công việc mất nhiều thời gian, tôi muốn không chỉ hỏi “làm thế nào để làm nhanh hơn?” mà còn hỏi “tại sao chúng ta phải làm việc này?” và “có cách nào đơn giản hóa toàn bộ quy trình không?”.

Thứ ba, tôi muốn ghi lại những vấn đề thường xuyên phát sinh. Nếu một vấn đề lặp lại nhiều lần, đó có thể là dấu hiệu cho thấy quy trình cần được cải thiện.

Thứ tư, tôi muốn biến những kinh nghiệm cá nhân thành tài liệu, checklist hoặc template có thể sử dụng lại.

Thứ năm, tôi muốn sử dụng AI như một công cụ để phản biện suy nghĩ của mình. Thay vì chỉ yêu cầu AI tạo câu trả lời, tôi có thể yêu cầu AI đưa ra những góc nhìn khác, tìm điểm yếu trong một kế hoạch hoặc đặt ra những câu hỏi mà tôi chưa nghĩ đến.

Cuối cùng, tôi muốn dành phần thời gian được tiết kiệm nhờ AI cho những vấn đề quan trọng hơn.

Đó có thể là cải tiến một quy trình, tìm ra nguyên nhân của một vấn đề lặp lại hoặc xây dựng một hệ thống giúp công việc của cả nhóm trở nên dễ dàng hơn.

Nếu làm được điều đó, AI không chỉ giúp tôi làm việc nhanh hơn.

Nó sẽ giúp tôi làm những công việc có giá trị hơn.

12. Điều tôi muốn thay đổi nhất: cách nhìn về giá trị của bản thân

Trước đây, khi nghĩ về năng lực nghề nghiệp, tôi thường có xu hướng nhìn vào những việc mình có thể làm.

Tôi có thể chuẩn bị tài liệu.

Tôi có thể tổng hợp thông tin.

Tôi có thể theo dõi công việc.

Tôi có thể hỗ trợ các phòng ban.

Tôi có thể xử lý những yêu cầu phát sinh.

Nhưng sự phát triển của AI khiến tôi nghĩ rằng cách đánh giá đó có thể chưa đủ.

Một câu hỏi quan trọng hơn là: “Tôi hiểu những công việc đó đến mức nào?”

Và: “Tôi có thể cải thiện cách thực hiện chúng như thế nào?”

Đây là sự khác biệt giữa việc chỉ hoàn thành một nhiệm vụ và việc thực sự tạo ra giá trị.

Nếu tôi chỉ biết cách thực hiện một công việc theo hướng dẫn, khả năng cao AI sẽ ngày càng có thể hỗ trợ phần lớn công việc đó.

Nhưng nếu tôi hiểu mục tiêu của công việc, hiểu các bên liên quan, hiểu những vấn đề thường phát sinh và có khả năng tìm ra cách cải thiện quy trình, thì giá trị tôi tạo ra sẽ nằm ở một tầng khác.

Vì vậy, tôi muốn dần chuyển từ tư duy:

“Tôi được giao việc gì và làm thế nào để hoàn thành?”

sang:

“Vấn đề thực sự cần giải quyết là gì và tôi có thể tạo ra giá trị gì?”

Tôi nghĩ đây sẽ là một thay đổi quan trọng trong con đường nghề nghiệp của mình.

Kết luận: Không phải làm việc thay AI, mà là làm việc tốt hơn cùng AI

Sau khi xem video và liên hệ những ý tưởng trong đó với công việc của mình, tôi không nghĩ tương lai nghề nghiệp nên được nhìn đơn giản như một cuộc cạnh tranh giữa con người và AI.

AI chắc chắn sẽ tiếp tục thay đổi nhiều công việc.

Một số nhiệm vụ sẽ được tự động hóa.

Một số công việc sẽ được thực hiện nhanh hơn.

Một số kỹ năng trước đây có giá trị có thể trở nên phổ biến hơn.

Nhưng điều đó không có nghĩa giá trị của con người sẽ biến mất.

Tôi nghĩ câu hỏi quan trọng hơn là:

Khi AI giúp chúng ta làm được nhiều hơn, chúng ta sẽ dùng khả năng đó để làm gì?

Nếu chỉ dùng AI để hoàn thành nhiều task hơn, chúng ta có thể trở nên năng suất hơn nhưng chưa chắc tạo ra nhiều giá trị hơn.

Nếu dùng AI để hiểu vấn đề sâu hơn, tìm ra insight, cải thiện quy trình, chuẩn hóa kiến thức và tập trung vào những việc quan trọng nhất, AI có thể trở thành một công cụ giúp chúng ta phát triển nghề nghiệp theo một hướng hoàn toàn khác.

Đối với tôi, điều này đặc biệt có ý nghĩa với công việc hành chính.

Tôi không cần phải trở thành một chuyên gia AI hay một lập trình viên để thích nghi với thời đại AI. Điều tôi cần làm là hiểu công việc của mình sâu hơn, hiểu các quy trình mình đang phụ trách, biết đâu là vấn đề thực sự cần giải quyết và học cách sử dụng AI để hỗ trợ những mục tiêu đó.

Tôi cũng muốn nhớ rằng productivity chỉ là một phần của giá trị.

AI có thể giúp tôi làm nhanh hơn.

Nhưng tôi cần quyết định việc gì đáng làm.

AI có thể giúp tôi tạo ra câu trả lời.

Nhưng tôi cần hiểu vấn đề trước khi đánh giá câu trả lời đó.

AI có thể cung cấp rất nhiều thông tin.

Nhưng tôi cần kiến thức chuyên môn để biết thông tin nào thực sự có ý nghĩa.

AI có thể giúp tôi xử lý những công việc lặp lại.

Nhưng tôi cần dùng thời gian được giải phóng để cải thiện những vấn đề lớn hơn.

Và có lẽ đây là điều tôi muốn mang theo khi suy nghĩ về con đường nghề nghiệp của mình trong thời đại AI:

Tôi không muốn chỉ trở thành một người làm công việc của mình nhanh hơn nhờ AI. Tôi muốn trở thành một người hiểu công việc của mình sâu hơn và có khả năng tạo ra nhiều giá trị hơn nhờ AI.

Bởi khi AI ngày càng có khả năng thực hiện nhiều nhiệm vụ, lợi thế của con người có thể không còn nằm ở việc làm được nhiều việc nhất.

Mà nằm ở khả năng hiểu điều gì đáng làm, tại sao nó quan trọng và làm thế nào để tạo ra một kết quả thực sự có giá trị.

Nguồn tham khảo

PIVOT, AIエージェントブーム後の世界。一流は頭をこう使う, YouTube.

https://www.youtube.com/watch?v=YWtlT2GviQY

Tags: