“Bẫy năng suất AI”: Khi công nghệ thông minh tạo ra áp lực vô tận

Tóm tắt: Bài viết phân tích về trí tuệ nhân tạo (AI), hiện tượng “bẫy năng suất AI”; sử dụng nghịch lý Jevons để giải thích: Khi AI giảm chi phí thực hiện nhiệm vụ tri thức, nhu cầu xử lý thông tin tăng, dẫn đến quá tải nhận thức và áp lực tâm lý. Tác động bao gồm tăng tỉ lệ kiệt sức, mất tự tin, phụ thuộc vào công nghệ và giảm kỹ năng xã hội. Ở cấp tổ chức, doanh nghiệp đối mặt với áp lực cạnh tranh, triển khai AI vội vàng gây lãng phí nguồn lực và khó khăn trong đo lường hiệu quả. Tại Việt Nam, AI mang đến cơ hội thúc đẩy kinh tế số, hỗ trợ thoát "bẫy thu nhập trung bình", nhưng gặp thách thức về thiếu nhân lực chuyên môn, hạ tầng số không đồng đều và văn hóa làm việc áp lực cao. Bài viết cũng đề xuất một số giải pháp bao gồm xây dựng chiến lược AI rõ ràng, tập trung vào nhu cầu thực tế, đào tạo nhân viên, thiết lập các chỉ số đo lường hiệu quả phù hợp và phát triển khung pháp lý để sử dụng AI bền vững, đảm bảo cân bằng giữa lợi ích công nghệ và sức khỏe người lao động.

Từ khóa: AI, bẫy năng suất AI.

“AI PRODUCTIVITY TRAP”: WHEN INTELLIGENT TECHNOLOGIES GENERATE RELENTLESS PRESSURE

Abstract: The article analyzes artificial intelligence (AI) and the “AI productivity trap” phenomenon; using Jevons paradox to explain: When AI reduces the cost of performing cognitive tasks, the demand for information processing increases, leading to cognitive overload and psychological pressure. The impacts include a rising rate of burnout, loss of self-confidence, overreliance on technology, and a decline in social skills. At the organizational level, businesses face competitive pressure, while the hasty AI application may cause resource waste and challenges in measuring effectiveness. In Vietnam, AI presents opportunities to accelerate the digital economy, support the country’s efforts to escape the “middle-income trap”. However, challenges remain due to a shortage of skilled professionals, uneven digital infrastructure, and a high-pressure work culture. The article also proposes some solutions, including developing a clear and realistic AI strategy, focusing on practical needs, employee training, establishing appropriate performance metrics, building a legal framework for the sustainable use of AI, ensuring a balance between technological benefits and workers’ well-being.

Keywords: AI, AI productivity trap.

1. Giới thiệu

Trong bối cảnh hiện nay, khi các doanh nghiệp đang đổ dồn nguồn lực vào việc ứng dụng AI để tối ưu hóa quy trình và nâng cao năng suất, một nghịch lý đáng lo ngại đang dần hiện rõ. Mặc dù AI được kỳ vọng là công cụ giúp giảm tải công việc cho con người, tiết kiệm thời gian và gia tăng hiệu quả công việc, nhưng ngày càng có nhiều nhân viên phản ánh rằng, họ cảm thấy căng thẳng và kiệt sức hơn bao giờ hết. Điều này không chỉ xuất hiện ở một số công ty hay ngành nghề, mà là vấn đề chung đang ảnh hưởng đến nhiều tổ chức, từ các tập đoàn đa quốc gia cho đến các startup công nghệ, và thậm chí ở các doanh nghiệp truyền thống. Theo Walther (2025), hiện tượng này là một phần của “bẫy năng suất AI”, nơi công nghệ vốn được kỳ vọng giảm tải lại tạo ra áp lực lớn hơn đối với nhân viên.

Một thực tế dễ nhận thấy là mặc dù AI đã làm cho nhiều công việc trở nên dễ dàng và nhanh chóng hơn, nhưng sự kỳ vọng vào hiệu suất công việc lại ngày càng cao. Các doanh nghiệp yêu cầu nhân viên làm việc nhanh hơn, chính xác hơn và với khối lượng công việc nhiều hơn. Thay vì giảm bớt áp lực, AI vô tình đã đẩy mạnh yêu cầu về năng suất, khiến nhân viên cảm thấy không bao giờ có thể đáp ứng đủ. Điều này tạo ra một “bẫy năng suất AI” - một hiện tượng mà con người trở thành nạn nhân của chính công nghệ được kỳ vọng sẽ giúp đỡ họ (Walther, 2025).

“Bẫy năng suất AI” không chỉ là một vấn đề công nghệ hay quản lý thông thường, mà là một mâu thuẫn sâu sắc trong cách chúng ta hiểu và áp dụng công nghệ trong môi trường làm việc hiện đại. Khi AI ngày càng mạnh mẽ và dễ tiếp cận, nó không chỉ thay đổi cách thức làm việc mà còn điều chỉnh những kỳ vọng về hiệu suất, tốc độ và chất lượng công việc. Các công cụ AI mang lại hiệu quả trong công việc, nhưng lại khiến người lao động phải chịu đựng một mức độ áp lực năng suất cao hơn, đôi khi đến mức họ không còn thời gian hoặc sức lực để nghỉ ngơi và phục hồi. Theo nghiên cứu của McKinsey (2025), AI có thể làm tăng hiệu suất lao động, nhưng cũng dễ dàng dẫn đến áp lực vô hình mà nhân viên không thể nhận diện được ngay.

Tại Việt Nam, nơi nền kinh tế đang chuyển mình mạnh mẽ với việc thúc đẩy chuyển đổi số và áp dụng công nghệ mới, vấn đề này càng trở nên quan trọng hơn. Các doanh nghiệp không chỉ phải đối mặt với thách thức trong việc ứng dụng công nghệ mới, mà còn phải điều chỉnh lại văn hóa làm việc đặc thù - nơi mà yêu cầu về năng suất và cạnh tranh luôn được đặt lên hàng đầu. Ứng dụng AI trong các lĩnh vực nhằm phát triển kinh tế số đang được thúc đẩy mạnh mẽ thông qua việc Thủ tướng Chính phủ ban hành Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng AI đến năm 2030 (theo Quyết định số 127/QĐ-TTg ngày 26/01/2021), nhưng điều này cũng đặt ra câu hỏi về sự chuẩn bị và sự chấp nhận của người lao động trong môi trường làm việc mới.

Bài viết này sẽ phân tích chi tiết “bẫy năng suất AI”, từ cơ chế hoạt động và các biểu hiện thực tế trong môi trường doanh nghiệp đến những tác động tâm lý và xã hội mà nó gây ra. Mục tiêu là làm rõ lý do tại sao một công nghệ được thiết kế để giảm tải công việc lại có thể tạo ra những áp lực mới đối với người lao động, và tại sao nhận thức về nghịch lý này lại quan trọng đối với tương lai công việc trong thời đại AI. Ngoài ra, bài viết cũng sẽ đưa ra các giải pháp cụ thể và khuyến nghị thiết thực để doanh nghiệp, nhà quản lý và cá nhân có thể vượt qua bẫy này, đồng thời khai thác tiềm năng thực sự của AI một cách bền vững và có trách nhiệm.

2. Tổng quan về “bẫy năng suất AI”

2.1. Định nghĩa và bản chất của “bẫy năng suất AI”

Để hiểu rõ “bẫy năng suất AI”, cần bắt đầu từ định nghĩa chính xác về hiện tượng này. Theo nghiên cứu của Đại học Wharton, “bẫy hiệu quả AI” là một chu trình trong đó các công cụ năng suất, thay vì giảm tải công việc, lại tạo ra áp lực liên tục và gia tăng kỳ vọng hiệu suất, không thực sự giải phóng thời gian và năng lượng cho con người (Walther, 2025). Bẫy này diễn ra qua bốn giai đoạn:

Giai đoạn đầu tiên là triển khai và tăng hiệu quả ban đầu, khi AI mang lại những cải thiện về tốc độ và chất lượng công việc. Nhân viên có thể hoàn thành nhiệm vụ nhanh hơn và cảm thấy hài lòng với sự hỗ trợ của công nghệ. Giai đoạn tiếp theo là điều chỉnh kỳ vọng, khi hiệu suất ban đầu trở thành tiêu chuẩn mới và các nhà quản lý bắt đầu kỳ vọng mức hiệu suất cao hơn. Tiếp theo là gia tăng khối lượng công việc, khi khả năng xử lý công việc nhanh hơn sẽ dẫn đến việc nhân viên phải hoàn thành nhiều nhiệm vụ hơn trong cùng thời gian, thay vì có thêm thời gian rảnh. Cuối cùng là áp lực liên tục và phụ thuộc, khi nhân viên trở nên phụ thuộc vào AI để duy trì mức hiệu suất kỳ vọng, dẫn đến căng thẳng mãn tính và sự mất quyền tự chủ trong công việc.

“Bẫy năng suất AI” không phải là hiện tượng mới trong lịch sử công nghệ. Trước đây, chúng ta cũng đã chứng kiến mô hình tương tự với sự ra đời của email, điện thoại di động và internet. Tuy nhiên, AI có những đặc điểm riêng biệt khiến bẫy này trở nên phức tạp hơn. Khác với các công nghệ trước, AI không chỉ tự động hóa các nhiệm vụ vật lý mà còn có khả năng tự động hóa các chức năng nhận thức, như tư duy, phân tích và sáng tạo. Điều này tạo ra một động lực tâm lý mới: Khi máy móc có thể thực hiện những nhiệm vụ mà trước đây chỉ con người mới làm được, chúng ta không chỉ thay đổi cách làm việc mà còn thay đổi cách nhìn nhận về giá trị và vai trò của mình trong công việc. Con người cảm thấy phải chứng minh giá trị của mình bằng cách làm việc nhanh hơn, nhiều hơn và hiệu quả hơn.

2.2. Nghịch lý Jevons trong thời đại AI

Để hiểu cơ chế hoạt động của “bẫy năng suất AI”, cần xem xét nghịch lý Jevons, một khái niệm kinh tế học cổ điển được mô tả lần đầu bởi William Stanley Jevons trong cuốn The Coal Question (1865). Nghịch lý này chỉ ra rằng, khi công nghệ giúp sử dụng một nguồn tài nguyên (như than đá) hiệu quả hơn, tổng lượng tiêu thụ tài nguyên đó lại tăng lên thay vì giảm. Jevons lập luận rằng, việc tiết kiệm nhiên liệu không đồng nghĩa với giảm tiêu thụ, mà ngược lại, chi phí sử dụng giảm sẽ làm tăng nhu cầu và dẫn đến tổng tiêu thụ tăng (Jevons, 1865).

Trong bối cảnh AI, nghịch lý Jevons xuất hiện rõ rệt. Khi các công cụ AI trở nên mạnh mẽ và dễ tiếp cận hơn, chi phí thực hiện các nhiệm vụ tri thức giảm, làm cho các nhiệm vụ trở nên “rẻ” hơn và mở ra khả năng thực hiện những công việc trước đây được coi là không khả thi. Quan điểm này thể hiện sự hiểu biết sâu sắc về động lực kinh tế của AI. Khi AI trở nên rẻ và hiệu quả hơn, nó không chỉ thay thế các phương pháp làm việc hiện tại mà còn tạo ra nhu cầu mới. Doanh nghiệp bắt đầu áp dụng AI vào những nhiệm vụ trước đây chưa được khai thác, như phân tích dữ liệu khách hàng hoặc tạo nội dung cá nhân hóa.

Tuy nhiên, nghịch lý Jevons trong AI có những khác biệt quan trọng so với các ví dụ lịch sử. Khác với than đá hay dầu mỏ, AI không phải là tài nguyên hữu hạn. Thay vào đó, tài nguyên bị tiêu thụ trong bối cảnh này là thời gian, sự chú ý và năng lực nhận thức của con người. Khi AI làm cho việc xử lý thông tin dễ dàng hơn, chúng ta có xu hướng xử lý nhiều thông tin hơn, ra nhiều quyết định hơn và tham gia vào nhiều hoạt động hơn, dẫn đến một hiện tượng “lạm phát nhận thức” - khả năng xử lý thông tin tăng lên nhưng khối lượng thông tin cần xử lý lại tăng nhanh hơn. Kết quả là, dù có công cụ mạnh mẽ hơn, con người vẫn cảm thấy quá tải và căng thẳng, phản ánh cốt lõi của “bẫy năng suất AI”, nơi công nghệ được thiết kế vốn để giảm tải lại tạo ra thêm áp lực (Rosalsky, 2025).

2.3. Các biểu hiện cụ thể của “bẫy năng suất AI”

“Bẫy năng suất AI” thể hiện qua nhiều biểu hiện khác nhau trong môi trường làm việc hiện đại, mỗi biểu hiện có tác động riêng. Áp lực năng suất liên tục là biểu hiện rõ nhất, khi AI cho phép xử lý công việc 24/7, tạo ra kỳ vọng rằng con người cũng phải duy trì hiệu suất cao không ngừng nghỉ. Nghiên cứu của Wharton chỉ ra rằng nhân viên trong các tổ chức sử dụng AI mạnh mẽ cảm thấy "không bao giờ được nghỉ ngơi thực sự" (Walther, 2025). Họ luôn cảm thấy áp lực phải suy nghĩ về cách cải thiện hiệu suất, học các công cụ mới hoặc lo lắng về việc bị tụt lại phía sau so với đồng nghiệp.

Sự xói mòn quyền tự chủ cũng là một dấu hiệu của “bẫy năng suất AI”. Các nghiên cứu cho thấy khi nhân viên phụ thuộc vào AI, nhận thức về quyền tự chủ cá nhân của họ giảm đi. Dần dần, họ mất khả năng ra quyết định độc lập, ngay cả trong những công việc mà họ từng có chuyên môn sâu (Kim và Lee, 2024). Điều này dẫn đến vòng lặp phụ thuộc, trong đó sự phụ thuộc vào AI làm giảm tự tin và khiến việc sử dụng AI trở nên cần thiết hơn. Vòng lặp phụ thuộc công nghệ càng làm tăng sự cần thiết của AI trong công việc. Khi nhân viên sử dụng AI để hoàn thành công việc nhanh hơn, họ thường được giao thêm nhiều nhiệm vụ, khiến AI trở thành công cụ không thể thiếu. Điều này có thể làm giảm các kỹ năng truyền thống của nhân viên, vì họ ít sử dụng chúng do đã phụ thuộc vào công nghệ (Pawel, 2025). Ngoài ra, hiện tượng “sự bất lực đã học được” (Learned helplessness) xảy ra khi nhân viên tin rằng họ không thể hoàn thành công việc hiệu quả mà không có sự hỗ trợ của AI, bất chấp khả năng thực tế của họ, từ đó ảnh hưởng tiêu cực đến hiệu suất và sự tự tin nghề nghiệp của nhân viên. Nghiên cứu của Wharton cho thấy hiện tượng này đặc biệt phổ biến trong các ngành nghề tri thức, nơi AI hỗ trợ trong phân tích, viết lách và ra quyết định, khiến nhiều chuyên gia cảm thấy không thể làm việc mà không có sự hỗ trợ của AI (Walther, 2025).

Tất cả những biểu hiện này vẽ nên một bức tranh phức tạp về tác động của AI đối với môi trường làm việc hiện đại. Chúng không chỉ là vấn đề công nghệ mà còn phản ánh những thách thức tâm lý và xã hội sâu sắc, đòi hỏi sự chú ý và ứng phó cẩn trọng từ các nhà quản lý, các nhà hoạch định chính sách và chính bản thân người lao động.

3. Tác động của “bẫy năng suất AI” tới con người

Trong bối cảnh công nghệ ngày càng phát triển mạnh mẽ, AI không chỉ làm thay đổi cách thức làm việc mà còn tác động sâu sắc đến sức khỏe tinh thần và cảm nhận quyền tự chủ của người lao động. Mặc dù AI được kỳ vọng sẽ giải phóng con người khỏi công việc tẻ nhạt và nâng cao hiệu quả công việc, nhưng thực tế cho thấy công nghệ này lại tạo ra những hậu quả tâm lý và xã hội phức tạp. Các nghiên cứu gần đây đã chỉ ra rằng, sự phụ thuộc vào AI có thể dẫn đến các vấn đề nghiêm trọng, làm ảnh hưởng đến cả hiệu suất công việc và chất lượng cuộc sống. Các biểu hiện này không chỉ xuất hiện trong công việc mà còn lan rộng ra cuộc sống cá nhân, tạo ra những thách thức cần được nhận diện và giải quyết kịp thời.

Thứ nhất, “bẫy năng suất AI” đang dẫn đến một hậu quả nghiêm trọng là sự gia tăng tình trạng kiệt sức (burnout) trong môi trường làm việc hiện đại. Nghiên cứu của Forbes (tháng 6/2024) chỉ ra rằng, nhân viên sử dụng AI thường xuyên có tỉ lệ kiệt sức cao hơn 45% so với những người không sử dụng hoặc sử dụng ít (Robinson, 2024). Điều này phản ánh sự gia tăng căng thẳng do áp lực không ngừng nghỉ mà AI tạo ra. Mặc dù công cụ AI giúp nâng cao hiệu suất, nhưng áp lực để duy trì hiệu quả cao và không ngừng tối ưu hóa công việc lại khiến nhiều nhân viên cảm thấy kiệt quệ. Các yếu tố như lo âu về hiệu suất và khả năng làm việc mà không có sự hỗ trợ của AI đang làm gia tăng tình trạng kiệt sức, đặc biệt khi AI không chỉ thay thế công việc mà còn tạo ra kỳ vọng về năng suất cao hơn. Một nghiên cứu gần đây cho thấy mức độ kiệt sức giảm đi khi nhân viên có sự tự tin cao trong việc sử dụng AI, cho thấy sự quan trọng của việc trang bị kỹ năng và tâm lý vững vàng (Robinson, 2024).

Thứ hai, “bẫy năng suất AI” không chỉ ảnh hưởng đến hiệu suất công việc mà còn làm suy giảm quyền tự chủ cá nhân. Nghiên cứu của Đại học Wharton cho thấy, mối quan hệ giữa sự phụ thuộc vào AI và sự giảm sút nhận thức về quyền tự chủ cá nhân (Walther, 2025). Khi nhân viên phụ thuộc vào AI, họ bắt đầu mất dần khả năng tự quyết trong công việc, từ những quyết định đơn giản đến các quyết định phức tạp mà trước đây họ có thể tự tin thực hiện. Ví dụ, trong ngành tài chính, nhiều chuyên gia bắt đầu dựa vào AI để đưa ra quyết định đầu tư, thay vì sử dụng kỹ năng phân tích của bản thân. Sự suy giảm quyền tự chủ này tạo ra một vòng lặp phản hồi tiêu cực, khi phụ thuộc vào AI lại làm giảm tự tin và tiếp tục củng cố sự phụ thuộc vào công nghệ. Quá trình này diễn ra từ từ và nhân viên có thể không nhận ra họ đã mất đi khả năng tự chủ cho đến khi không thể hoàn thành công việc mà không có sự hỗ trợ của AI.

Thứ ba, phụ thuộc vào AI đang trở thành vấn đề lớn đối với sức khỏe tinh thần của người lao động. Một nghiên cứu gần đây đã phát triển “Thang đo phụ thuộc AI” (DIA), cho thấy sự phụ thuộc vào AI có mối liên hệ chặt chẽ với các vấn đề sức khỏe tinh thần, giống như những vấn đề do phụ thuộc công nghệ nói chung (Walther, 2025). Phụ thuộc AI biểu hiện qua những dấu hiệu như lo lắng khi không có AI, mất khả năng tự quyết và tránh né công việc mà không có sự hỗ trợ của công nghệ. Sự phụ thuộc này không chỉ ảnh hưởng đến năng lực cá nhân mà còn làm giảm kỹ năng xã hội, khi người dùng quá quen với việc tương tác với AI thay vì con người, dẫn đến khó khăn trong các tương tác xã hội phức tạp. Nghiên cứu cũng chỉ ra rằng phụ thuộc vào AI làm gia tăng lo âu và áp lực khi phải ra quyết định mà không có sự hỗ trợ từ công nghệ, điều này có thể làm giảm chất lượng cuộc sống và sức khỏe tinh thần của người lao động (Pawel, 2025). Những tác động này không chỉ ảnh hưởng đến công việc mà còn lan rộng ra cuộc sống cá nhân, khiến khả năng tự chủ và sự tự tin bị suy giảm.

4. Tác động của “bẫy năng suất AI” tới tổ chức và doanh nghiệp

Bên cạnh những tác động sâu rộng đối với sức khỏe tâm lý và quyền tự chủ cá nhân, “bẫy năng suất AI” còn có những ảnh hưởng đáng kể đối với doanh nghiệp, đặc biệt là ở cấp độ tổ chức. Khi các công ty đổ xô áp dụng AI mà không có chiến lược rõ ràng, họ dễ dàng sa lầy vào các vấn đề liên quan đến áp lực cạnh tranh, sự thiếu phối hợp giữa các bộ phận và khó khăn trong việc đo lường hiệu quả công nghệ. Những yếu tố này không chỉ làm giảm hiệu quả triển khai AI mà còn tạo ra gánh nặng quản lý, lãng phí nguồn lực và gây ra những thất bại đáng tiếc trong quá trình áp dụng công nghệ.

Thứ nhất, hội chứng sợ bị bỏ lỡ (Fear of Missing Out - FOMO) là một trong những yếu tố nổi bật của “bẫy năng suất AI” ở cấp độ tổ chức. Theo nghiên cứu của Pawel, động lực áp dụng AI trong nhiều doanh nghiệp không phải đến từ nhu cầu thực tế mà chủ yếu xuất phát từ áp lực cạnh tranh và lo sợ bị bỏ lại phía sau (Pawel, 2025). Khi thấy đối thủ triển khai các công nghệ mới, nhiều lãnh đạo cảm thấy phải hành động ngay lập tức mà không thực sự đánh giá nhu cầu của tổ chức mình, từ đó đưa ra các quyết định vội vàng, thiếu phân tích và dẫn tới những lãng phí không đáng có.

Thứ hai, hành động tập thể trong việc áp dụng AI, mà các nhà lý thuyết trò chơi gọi là "cuộc đua vũ trang năng suất". Khi một công ty đạt được cải thiện hiệu quả nhờ AI, điều này nhanh chóng trở thành mặt bằng mới mà tất cả các công ty khác phải chạy theo, dẫn đến một cuộc đua không ngừng nghỉ, nơi cải thiện hiệu quả bị cạnh tranh mất đi rất nhanh (Wharton, 2025). Điều này không chỉ làm tăng kỳ vọng hiệu suất mà không mang lại cải thiện thực sự về điều kiện làm việc hay lương bổng cho nhân viên. Một nghiên cứu của McKinsey chỉ ra rằng, mặc dù gần như tất cả các công ty đều đầu tư vào AI, song chỉ 1% trong số họ tự nhận thấy mình đạt được mức độ trưởng thành trong việc triển khai (McKinsey, 2025). Khoảng cách lớn giữa mức độ đầu tư và mức độ trưởng thành này phản ánh sự lãng phí nguồn lực và hiệu quả thấp trong toàn ngành.

Cuối cùng, một trong những thách thức lớn mà doanh nghiệp gặp phải khi triển khai AI là vấn đề đo lường và quản lý hiệu quả. Theo Pawel, việc tăng năng suất rất khó theo dõi, đặc biệt đối với công việc tri thức (Pawel, 2025). Khi AI được áp dụng, các chỉ số thông thường như số dòng code hay số lượng ticket đóng không còn phản ánh đúng hiệu quả công việc. Điều này tạo ra một tình trạng lúng túng khi cố gắng đánh giá tác động thực sự của AI đối với năng suất. Các công ty thường áp dụng các chỉ số không phù hợp, như số lượng nhân viên sử dụng AI, nhưng lại không đo lường được chất lượng hay giá trị thực tế mà AI mang lại. Ngoài ra, thiếu sự phối hợp giữa các bộ phận cũng làm cho doanh nghiệp không thể tận dụng tối đa những lợi ích từ AI, dẫn đến tình trạng công việc trùng lặp và công cụ không tương thích, khiến quá trình triển khai trở nên kém hiệu quả.

5. Quan điểm đối lập: Superagency và tiềm năng tích cực

Trong khi nhiều nghiên cứu tập trung vào các tác động tiêu cực của “bẫy năng suất AI”, một số quan điểm lại chỉ ra tiềm năng tích cực của AI khi được triển khai đúng cách. McKinsey đưa ra khái niệm "AI Superagency" để mô tả trạng thái lý tưởng, trong đó con người và AI phối hợp chặt chẽ để tăng cường năng suất và sức sáng tạo, trong khi con người vẫn giữ vai trò quyết định cuối cùng. Các yếu tố phi công nghệ, bao gồm con người, quy trình và quản trị, đóng vai trò quan trọng trong việc triển khai AI hiệu quả và bền vững trong môi trường làm việc.

Theo đó, McKinsey khẳng định rằng AI Superagency không phải là việc thay thế con người mà là kết hợp sức mạnh của cả con người và máy móc để tối ưu hóa năng suất và sáng tạo. AI có thể xử lý dữ liệu tốc độ cao, phân tích mẫu hình phức tạp và thực hiện nhiệm vụ lặp đi lặp lại với độ chính xác cao, trong khi con người giữ vai trò phán đoán, sáng tạo và hiểu bối cảnh. McKinsey cho rằng, AI có tiềm năng thay đổi tương tự như động cơ hơi nước trong Cách mạng công nghiệp, không chỉ tự động hóa nhiệm vụ mà còn dân chủ hóa việc tiếp cận kiến thức và kỹ năng, tạo cơ hội cho nhiều người tham gia vào các công việc trí thức phức tạp. Quan trọng hơn, McKinsey nhấn mạnh rằng AI Superagency phải giữ "con người trong vòng lặp", đảm bảo con người vẫn có quyền quyết định cuối cùng trong khi AI đóng vai trò hỗ trợ (McKinsey và Company, 2025).

Một phát hiện thú vị từ nghiên cứu của McKinsey là thái độ tích cực của người lao động đối với AI, điều này trái ngược với những lo ngại của lãnh đạo: Nhân viên sẵn sàng chấp nhận và học hỏi AI hơn so với tưởng tượng của các nhà lãnh đạo. Họ chủ động tìm hiểu và áp dụng các công cụ AI vào công việc, thay vì chống lại công nghệ. Nhiều nhân viên cảm thấy rằng AI có thể giúp họ làm việc hiệu quả hơn và mong muốn được đào tạo để sử dụng AI một cách tối ưu. Thái độ này phản ánh sự trưởng thành trong nhận thức của người lao động về công nghệ và sẵn sàng thích ứng với sự thay đổi thay vì sợ hãi (McKinsey và Company, 2025).

McKinsey cũng nhấn mạnh: Để đạt được AI Superagency trong môi trường làm việc, yếu tố phi công nghệ đóng vai trò không thể thiếu. Họ chỉ ra rằng việc đào tạo con người, phát triển quy trình và đảm bảo quản trị phù hợp là chìa khóa để triển khai AI thành công. Đào tạo nhân viên về AI, tạo quy trình làm việc linh hoạt và xây dựng chính sách quản trị minh bạch giúp đảm bảo AI được sử dụng có trách nhiệm và hiệu quả. McKinsey cũng nhấn mạnh vai trò của các chuyên gia chủ đề (SMEs), những người hiểu sâu về công việc và nhu cầu thực tế của tổ chức, trong việc phát triển giải pháp AI phù hợp với thực tiễn. Việc kết hợp chuyên môn của SMEs với khả năng của AI giúp giải quyết đúng vấn đề và tạo ra giá trị thực sự cho doanh nghiệp.

6. Bối cảnh Việt Nam: Thách thức và cơ hội

Trong bối cảnh chuyển đổi số mạnh mẽ, Việt Nam đang đứng trước những cơ hội và thách thức lớn khi áp dụng AI vào các ngành nghề. Mặc dù AI được xác định là động lực phát triển kinh tế trong tương lai, quá trình triển khai công nghệ này tại Việt Nam vẫn còn gặp nhiều khó khăn, từ thiếu hụt nhân lực chuyên môn cho đến không đồng bộ về cơ sở hạ tầng. Tuy nhiên, nếu được triển khai đúng đắn, AI có thể giúp Việt Nam thoát khỏi "bẫy thu nhập trung bình" và vươn tới một nền kinh tế phát triển bền vững.

Việt Nam hiện đang tích cực áp dụng AI với mục tiêu trở thành một trong những quốc gia dẫn đầu khu vực về công nghệ này vào năm 2030. Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng AI đến năm 2030 đặt ra mục tiêu đẩy mạnh nghiên cứu, phát triển và ứng dụng AI, đưa lĩnh vực này trở thành lĩnh vực công nghệ quan trọng của Việt Nam trong cuộc Cách mạng công nghiệp lần thứ tư. Đến năm 2030, Việt Nam trở thành trung tâm đổi mới sáng tạo, phát triển các giải pháp và ứng dụng AI trong khu vực ASEAN và trên thế giới. Tuy nhiên, thực tế triển khai AI tại Việt Nam vẫn còn khá phân tán. Khảo sát gần đây của McKinsey cũng phần nào cho thấy sự phân hóa rõ rệt trong khả năng tận dụng AI tại Việt Nam khi có tới khoảng 70% doanh nghiệp từng thử nghiệm công nghệ này, nhưng chỉ 23% trong số đó triển khai một cách hiệu quả. Ngành ngân hàng và tài chính dẫn đầu trong việc ứng dụng AI với các hệ thống chatbot và phân tích rủi ro, tuy nhiên vẫn gặp phải những khó khăn về văn hóa tổ chức và đào tạo nhân lực. Ngành thương mại điện tử cũng đã áp dụng AI mạnh mẽ cho hệ thống gợi ý sản phẩm và tối ưu hóa logistics, nhưng chất lượng dữ liệu và hạ tầng xử lý dữ liệu vẫn là những thách thức lớn. Trong ngành sản xuất, nhiều doanh nghiệp đã bắt đầu sử dụng AI cho bảo trì dự đoán và tối ưu hóa chuỗi cung ứng, nhưng việc triển khai AI vẫn gặp khó khăn do thiếu vốn và nguồn lực.

Bên cạnh những thách thức chung, Việt Nam còn phải đối mặt với một số rủi ro đặc thù khi áp dụng AI.

Đầu tiên, thiếu hụt nhân lực chuyên môn về AI là một vấn đề lớn. Mặc dù Chương trình “Phát triển nguồn nhân lực ngành công nghiệp bán dẫn đến năm 2030, định hướng đến năm 2050” (theo Quyết định số 1017/QĐ-TTg ngày 21/9/2024 của Thủ tướng Chính phủ) đặt ra mục tiêu đến năm 2030 đào tạo ít nhất 5.000 nhân lực có chuyên môn sâu về AI phục vụ ngành công nghiệp bán dẫn, nhưng để giải quyết vấn đề nhân sự trong lĩnh vực AI từ nay tới năm 2030 vẫn là một bài toán nan giải. Theo số liệu của Tổ chức Sở hữu Trí tuệ thế giới (WIPO), nước ta hiện có khoảng 700 người làm việc chuyên sâu trong lĩnh vực AI, trong đó chỉ có 300 chuyên gia - con số rất nhỏ so với nhu cầu rất lớn của doanh nghiệp Việt Nam. Điều này khiến nhiều doanh nghiệp phải phụ thuộc vào các giải pháp AI "hộp đen" từ nước ngoài, làm tăng nguy cơ phụ thuộc công nghệ và thiếu khả năng điều chỉnh giải pháp cho phù hợp với bối cảnh Việt Nam.

Thứ hai, sự chênh lệch về hạ tầng số giữa các vùng miền cũng tạo ra bất bình đẳng trong việc tiếp cận AI, đặc biệt là ở các khu vực nông thôn và miền núi. Các thành phố lớn như Hà Nội và Thành phố Hồ Chí Minh có hạ tầng tốt, nhưng nhiều khu vực khác thiếu điều kiện tiếp cận công nghệ, dẫn đến sự phân hóa trong lợi ích của AI.

Cuối cùng, văn hóa làm việc ở Việt Nam, với giờ làm việc dài và áp lực hiệu suất cao, có thể khiến AI trở thành công cụ tăng cường thêm áp lực thay vì giảm bớt căng thẳng, như đã phân tích trong các bẫy năng suất.

Mặc dù có nhiều thách thức, AI cũng mang đến cơ hội lớn cho Việt Nam trong việc thoát khỏi "bẫy thu nhập trung bình". Theo đó, AI có thể là chìa khóa để tăng cường năng suất và giá trị kinh tế, đặc biệt là khi kết hợp với công nghệ điện toán đám mây. AI giúp các doanh nghiệp tăng năng suất, rút ngắn thời gian ra quyết định và nâng cao doanh thu, ngay cả đối với các doanh nghiệp nhỏ. Việt Nam đang có lợi thế từ cơ cấu dân số vàng, với gần 70% lao động dưới 40 tuổi, thuận lợi cho việc tiếp thu những kiến thức khoa học, công nghệ, kỹ thuật mới. Các doanh nghiệp Việt có thể tận dụng lực lượng lao động này để triển khai AI một cách nhanh chóng và hiệu quả. Tuy nhiên, để đạt được thành công lâu dài, Việt Nam cần một chiến lược phát triển AI bền vững, bao gồm đầu tư vào giáo dục, đào tạo nhân lực, phát triển hạ tầng công nghệ và xây dựng khung pháp lý phù hợp. Khi được triển khai hiệu quả, AI có thể giúp Việt Nam nâng cao chất lượng công việc và chuyển đổi mô hình tăng trưởng từ lao động giá rẻ sang nền kinh tế tri thức và công nghệ.

7. Giải pháp và khuyến nghị

Để giúp doanh nghiệp thoát khỏi “bẫy năng suất AI”, cần một chiến lược rõ ràng và toàn diện. Về góc độ các doanh nghiệp, việc triển khai AI không thể chỉ dựa vào áp lực cạnh tranh hay sự hối hả chạy theo xu hướng. Thay vào đó, doanh nghiệp cần một kế hoạch dài hạn, chú trọng vào việc áp dụng AI một cách có mục tiêu và có kiểm soát. Thứ nhất, doanh nghiệp cần tránh hội chứng FOMO và xây dựng chiến lược AI rõ ràng. Lãnh đạo phải kiềm chế chạy theo các xu hướng ngay lập tức và thay vào đó đánh giá nhu cầu thực tế của tổ chức. Việc này bao gồm rà soát quy trình hiện tại và xác định các điểm nghẽn thực sự mà AI có thể giải quyết. Thứ hai, doanh nghiệp nên bắt đầu áp dụng AI cho các nhiệm vụ “không hấp dẫn”, những công việc tốn thời gian nhưng ít giá trị gia tăng như kiểm thử tự động trong phát triển phần mềm hay tự động hóa báo cáo trong tài chính. AI có thể giải phóng thời gian của nhân viên mà không gặp phản kháng, đồng thời cải thiện hiệu quả công việc rõ rệt. Thứ ba, xây dựng các chỉ số đo lường hiệu quả (KPI) thực tế và có ý nghĩa là điều quan trọng. Thay vì những chỉ số vô nghĩa như “số dòng mã tạo ra”, doanh nghiệp cần tập trung vào những KPI có thể đo lường được sự cải thiện thực sự, như “giảm thời gian cho các nhiệm vụ lặp lại”. Cuối cùng, sử dụng mô hình ngôn ngữ lớn làm “thẩm phán” để đánh giá chất lượng đầu ra của AI có thể giúp doanh nghiệp theo dõi chất lượng công việc thay vì chỉ nhìn vào số lượng, từ đó cải thiện hiệu quả sử dụng AI trong công việc.

Để ngăn ngừa hiện tượng kiệt sức và giúp nhân viên thích nghi với AI, thứ nhất, doanh nghiệp cần áp dụng các biện pháp phòng ngừa rõ ràng. Lãnh đạo cần thường xuyên lắng nghe nhân viên thông qua khảo sát và các cuộc trò chuyện để phát hiện sớm dấu hiệu căng thẳng. Họ cũng cần giúp nhân viên xác định và tập trung vào các mục tiêu quan trọng, tránh giao cho họ quá nhiều công việc chỉ vì AI có thể giúp hoàn thành nhanh chóng. Thứ hai, doanh nghiệp nên xây dựng văn hóa học hỏi suốt đời, khuyến khích nhân viên thử nghiệm và học hỏi về AI, thay vì né tránh công nghệ. Đặc biệt, việc đào tạo nhân viên không chỉ về cách sử dụng AI mà còn về cách tích hợp công nghệ này vào quy trình làm việc hiệu quả là rất quan trọng. Thứ ba, trong việc điều chỉnh khối lượng công việc, lãnh đạo cần bảo đảm rằng, AI không làm tăng áp lực công việc mà phải giúp nhân viên có thêm thời gian cho các nhiệm vụ có giá trị cao hơn. Điều này đồng nghĩa với việc chia sẻ lợi ích từ AI, chẳng hạn như thưởng năng suất khi công việc hiệu quả hơn nhờ công nghệ.

Ở cấp độ vĩ mô, Chính phủ đóng vai trò quan trọng trong việc điều tiết và hỗ trợ triển khai AI một cách bền vững. Cần có các chính sách rõ ràng về bảo vệ quyền riêng tư, an toàn dữ liệu và đảm bảo rằng AI không tạo ra áp lực không hợp lý đối với người lao động. Chính phủ cũng cần thiết lập các tiêu chuẩn và khung đạo đức về AI, bao gồm minh bạch trong việc ra quyết định, công bằng và trách nhiệm giải trình. Các quy định cần đặc biệt chú trọng vào việc bảo vệ quyền riêng tư của người lao động, như đảm bảo rằng dữ liệu thu thập từ AI sẽ chỉ được sử dụng cho mục đích chính đáng và không xâm phạm quyền lợi cá nhân. Việt Nam cũng cần chú trọng xây dựng khung pháp lý bảo vệ người lao động khỏi việc AI làm gia tăng căng thẳng, đặc biệt là trong các ngành, nghề yêu cầu quyết định nhanh và chính xác. Để đạt được điều này, việc kết hợp chính sách công với các chiến lược doanh nghiệp sẽ giúp tối ưu hóa lợi ích mà AI mang lại mà không làm gia tăng sự bất bình đẳng trong xã hội.

Tài liệu tham khảo:

1. Kim, B. J., & Lee, J. (2024), The mental health implications of artificial intelligence adoption: The crucial role of self-efficacy. Humanities and Social Sciences Communications, 11(1), pages 1 - 15.

2. McKinsey & Company (2025), “Superagency in the workplace: Empowering people to unlock AI’s full potential at work”. https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/superagency-in-the-workplace-empowering-people-to-unlock-ais-full-potential-at-work

3. Pawel. (2025), “The Generative AI Productivity Trap: Why Your Company Is Failing and How to Fix It”. Medium. https://medium.com/@meshuggah22/the-generative-ai-productivity-trap-why-your-company-is-failing-and-how-to-fix-it-41694536991f

4. Robinson, B. (2024), “45% Greater Burnout Among Frequent AI Users, Study Shows”. Forbes. https://www.forbes.com/sites/bryanrobinson/2024/06/12/45-greater-burnout-among-frequent-ai-users-study-shows/

5. Rosalsky, G. (2025), “Why the AI world is suddenly obsessed with Jevons paradox”. Planet Money, NPR. https://www.npr.org/sections/planet-money/2025/02/04/g-s1-46018/ai-deepseek-economics-jevons-paradox

6. Walther, C. (2025), The AI efficiency trap: When productivity tools create perpetual pressure. Knowledge at Wharton. https://knowledge.wharton.upenn.edu/