Tác động của trí tuệ nhân tạo đến công việc: Tiếp cận từ góc nhìn cơ hội và rủi ro

Trần Nguyễn Nhựt Thi

Trường Đại học Thủ Dầu Một

Email: [email protected]

Tóm tắt

Trí tuệ nhân tạo (AI), đặc biệt là AI tạo sinh, đang được tích hợp ngày càng sâu vào các hoạt động nghề nghiệp, từ xử lý thông tin, soạn thảo và phân tích dữ liệu đến hỗ trợ ra quyết định và quản trị nguồn nhân lực. Nghiên cứu tổng hợp các công trình học thuật và báo cáo chính sách có thể kiểm chứng, đồng thời vận dụng Lý thuyết hệ thống xã hội - kỹ thuật và nghịch lý tự động hóa - tăng cường để phân tích tác động 2 mặt của AI trong công việc. Kết quả tổng hợp cho thấy, AI tạo giá trị rõ nhất khi được sử dụng theo hướng tăng cường năng lực con người, đặc biệt là ở các nhiệm vụ có thể chuẩn hóa một phần nhưng vẫn cần xét đoán, bối cảnh và trách nhiệm của con người. Ngược lại, rủi ro tăng lên khi tổ chức chuyển giao quá mức quyền quyết định cho hệ thống AI, thiếu cơ chế kiểm chứng hoặc sử dụng AI như công cụ giám sát và thay thế lao động mà không đồng thời tái thiết kế công việc và phát triển kỹ năng. Từ đó, nghiên cứu đề xuất khung quản trị AI trong công việc dựa trên phân loại nhiệm vụ, mức độ rủi ro và nguyên tắc duy trì trách nhiệm của con người, qua đó cung cấp hàm ý cho doanh nghiệp, người lao động và cơ quan quản lý tại Việt Nam.

Từ khóa: AI, AI tạo sinh, công việc, năng suất, rủi ro

Abstract

Artificial intelligence (AI), particularly generative AI, is becoming increasingly integrated into professional activities, ranging from information processing, drafting, and data analysis to decision support and human resource management. The study reviews verifiable academic research and policy reports, while drawing on Sociotechnical Systems Theory and the automation–augmentation paradox to analyze the dual impacts of AI in the workplace. The findings indicate that AI creates the greatest value when used to augment human capabilities, particularly in tasks that can be partially standardized but still require human judgment, contextual understanding, and accountability. In contrast, risks increase when organizations transfer excessive decision-making authority to AI systems, lack verification mechanisms, or use AI as a tool for workforce surveillance and replacement without simultaneously redesigning jobs and developing employees' skills. Based on these findings, the study proposes a framework for AI governance in the workplace based on task classification, risk levels, and the principle of maintaining human accountability. The framework provides practical implications for businesses, workers, and regulatory authorities in Viet Nam.

Keywords: Artificial intelligence, generative AI, work, productivity, risks

GIỚI THIỆU

AI đang dịch chuyển từ vị trí một công nghệ chuyên biệt sang một hạ tầng hỗ trợ phổ biến cho nhiều loại công việc. Sự phổ biến của các mô hình ngôn ngữ lớn và AI tạo sinh (GenAI) càng làm quá trình này diễn ra nhanh hơn vì người lao động có thể tương tác với hệ thống thông qua ngôn ngữ tự nhiên, không nhất thiết phải có kỹ năng lập trình chuyên sâu. Vì vậy, tác động của AI đối với công việc không còn chỉ là vấn đề công nghệ mà đã trở thành vấn đề của thiết kế công việc, năng lực nghề nghiệp và quản trị tổ chức (Jarrahi, 2018; Lee và cộng sự, 2023). Các bằng chứng thực nghiệm gần đây cho thấy, AI có khả năng tạo ra cải thiện đáng kể về năng suất đối với một số nhóm nhiệm vụ. Ở môi trường doanh nghiệp thực tế, Brynjolfsson và cộng sự (2025) nghiên cứu 5.172 nhân viên hỗ trợ khách hàng và ghi nhận trợ lý GenAI làm tăng số vấn đề được giải quyết mỗi giờ trung bình 15%, với lợi ích tương đối lớn hơn đối với nhóm lao động ít kinh nghiệm. Những kết quả này củng cố lập luận rằng, AI có thể đóng vai trò công cụ tăng cường năng lực thay vì chỉ là công nghệ thay thế lao động. Tuy nhiên, hiệu quả năng suất không đồng nghĩa với một tác động tích cực đồng đều lên công việc. Trong lĩnh vực quản trị nhân sự, Tambe và cộng sự (2019) cũng lưu ý các vấn đề về tính phức tạp của hiện tượng con người, dữ liệu hạn chế, công bằng, trách nhiệm và phản ứng của nhân viên đối với quyết định dựa trên thuật toán.

Nghiên cứu này hướng đến 3 mục tiêu. Thứ nhất, hệ thống hóa các cơ hội chủ yếu của AI trong công việc ở cấp độ nhiệm vụ, người lao động và tổ chức. Thứ hai, nhận diện các nhóm rủi ro liên quan đến chất lượng đầu ra, kỹ năng, quyền riêng tư, công bằng, tính tự chủ, trách nhiệm và biến đổi việc làm. Thứ ba, trên cơ sở Lý thuyết hệ thống xã hội - kỹ thuật và nghịch lý tự động hóa - tăng cường, đề xuất một số hàm ý quản trị phù hợp với bối cảnh Việt Nam.

CƠ SỞ LÝ THUYẾT

AI trong bối cảnh công việc

AI được hiểu là nhóm hệ thống có khả năng thực hiện các nhiệm vụ thường đòi hỏi năng lực nhận thức của con người như nhận dạng mẫu, dự đoán, phân loại, xử lý ngôn ngữ và hỗ trợ ra quyết định. GenAI là một nhánh của AI có khả năng tạo nội dung mới như văn bản, hình ảnh, âm thanh hoặc mã lệnh dựa trên các mẫu học được từ dữ liệu. Sự khác biệt này có ý nghĩa đối với nghiên cứu về công việc bởi AI truyền thống thường được tích hợp vào quy trình cụ thể, trong khi GenAI có giao diện linh hoạt hơn và có thể được sử dụng bởi nhiều nhóm lao động cho các nhiệm vụ tri thức khác nhau. Trong tổ chức, AI có thể tham gia công việc theo ít nhất 3 vai trò: tự động hóa một phần nhiệm vụ; tăng cường năng lực người lao động; nâng cao hạ tầng quản trị khi được dùng để phân công, theo dõi và đánh giá lao động. Ba vai trò này tạo ra các tác động khác nhau về năng suất, quyền tự chủ, trách nhiệm và kỹ năng (Bankins và cộng sự, 2024; Kellogg và cộng sự, 2020).

Lý thuyết hệ thống xã hội - kỹ thuật

Lý thuyết hệ thống xã hội - kỹ thuật (STS) bắt nguồn từ nghiên cứu của Trist và Bamforth (1951), nhấn mạnh rằng, hiệu quả tổ chức không chỉ phụ thuộc vào công nghệ mà còn phụ thuộc vào sự phù hợp giữa hệ thống kỹ thuật và hệ thống xã hội. Yu và cộng sự (2023) vận dụng STS để giải thích các tiền đề và kết quả của việc áp dụng AI tại nơi làm việc, cho rằng kết quả tích cực chỉ xuất hiện khi yếu tố công nghệ và yếu tố xã hội được điều chỉnh đồng thời. Tương tự, tổng quan của Lee và cộng sự (2023) cho thấy, triển khai AI trong tổ chức chịu ảnh hưởng bởi các nhóm yếu tố công nghệ, hệ thống thông tin, tổ chức và con người; điều này củng cố quan điểm rằng, AI không thể được đánh giá tách rời khỏi bối cảnh triển khai. Từ góc nhìn STS, cơ hội của AI xuất hiện khi công nghệ bù đắp các giới hạn của con người và được tích hợp vào quy trình theo cách duy trì quyền xét đoán có ý nghĩa. Ngược lại, rủi ro gia tăng khi tổ chức tối ưu hóa năng suất kỹ thuật nhưng bỏ qua kỹ năng, sự công bằng, quyền riêng tư và chất lượng đời sống công việc.

Nghịch lý tự động hóa - tăng cường

Raisch và Krakowski (2021) phân biệt 2 logic chính của AI trong quản trị. Tự động hóa (automation) xảy ra khi máy móc thực hiện nhiệm vụ trước đây do con người đảm nhiệm; tăng cường (augmentation) xảy ra khi AI và con người phối hợp để tạo ra kết quả mà mỗi bên khó đạt được nếu hoạt động riêng lẻ. Trong thực tiễn, 2 logic này thường đan xen. Một công cụ có thể tự động hóa khâu soạn bản nháp nhưng đồng thời làm tăng nhu cầu về kiểm chứng, xét đoán và chịu trách nhiệm của người lao động ở khâu cuối. Ngược lại, tự động hóa một số tác vụ có thể giải phóng thời gian cho những nhiệm vụ phức tạp hơn, làm tăng giá trị của kỹ năng con người. Do đó, vấn đề quản trị không phải lựa chọn tuyệt đối giữa “AI thay người” và “AI hỗ trợ người”, mà là thiết kế sự phân bổ nhiệm vụ một cách động (Bảng).

Bảng: Khung phân tích cơ hội và rủi ro của AI trong công việc

Nguồn: Tác giả tổng hợp

PHƯƠNG PHÁP NGHIÊN CỨU

Nghiên cứu sử dụng phương pháp tổng hợp và phân tích tài liệu nhằm hệ thống hóa các nghiên cứu liên quan đến ứng dụng AI trong công việc. Nguồn tài liệu bao gồm các bài báo khoa học, nghiên cứu thực nghiệm, nghiên cứu tổng quan và báo cáo của các tổ chức có uy tín, tập trung vào các chủ đề như năng suất lao động, tự động hóa và tăng cường năng lực, thay đổi kỹ năng, quản trị thuật toán, rủi ro nghề nghiệp và tác động của AI đối với thị trường lao động. Các tài liệu được lựa chọn dựa trên mức độ phù hợp với mục tiêu nghiên cứu, tính tin cậy của nguồn và khả năng cung cấp bằng chứng trực tiếp về cơ hội và rủi ro của AI trong môi trường làm việc.

THẢO LUẬN

Cơ hội từ sử dụng AI trong công việc

Một là, cải thiện năng suất đối với các nhiệm vụ tri thức có cấu trúc tương đối rõ. Kết quả của Noy và Zhang (2023) và Brynjolfsson và cộng sự (2025) cho thấy, AI có thể giúp người lao động hoàn thành công việc nhanh hơn và nâng chất lượng đầu ra trong một số bối cảnh.

Hai là, mở rộng khả năng xử lý thông tin và hỗ trợ ra quyết định. Jarrahi (2018) lập luận rằng, máy có ưu thế về năng lực tính toán, xử lý lượng dữ liệu lớn và nhận diện mẫu; trong khi con người có lợi thế ở phán đoán bối cảnh, trực giác, xử lý mơ hồ và cân nhắc giá trị.

Ba là, hỗ trợ học tập tại nơi làm việc. GenAI cho phép nhân viên đặt câu hỏi theo ngôn ngữ tự nhiên, yêu cầu giải thích khái niệm, tạo ví dụ, mô phỏng tình huống hoặc nhận phản hồi sơ bộ. Ở những tổ chức có tài liệu nội bộ được quản trị tốt, trợ lý AI có thể trở thành giao diện truy cập tri thức, qua đó giảm chi phí tìm kiếm thông tin.

Bốn là, góp phần tái thiết kế công việc theo hướng chuyển thời gian khỏi các tác vụ lặp lại sang những hoạt động đòi hỏi tương tác, sáng tạo, giải quyết vấn đề và trách nhiệm.

Năm là, tạo năng lực tổ chức mới. Tổng quan của Haefner và cộng sự (2023) cho thấy, việc triển khai AI thành công không chỉ là bài toán thử nghiệm công nghệ mà còn liên quan đến khả năng đưa hệ thống vào vận hành và mở rộng ở cấp tổ chức. Khi được tích hợp tốt, AI có thể hỗ trợ chuẩn hóa một số quy trình, nâng tốc độ phản hồi, tạo sản phẩm hoặc dịch vụ mới và giúp doanh nghiệp nhỏ tiếp cận những năng lực trước đây cần nguồn lực chuyên môn lớn. Vì vậy, AI có thể làm thay đổi ranh giới giữa năng lực cá nhân và năng lực tổ chức.

Rủi ro đối với công việc và người lao động

Rủi ro thứ nhất liên quan đến dịch chuyển nhiệm vụ và bất bình đẳng chuyển đổi. Dữ liệu của Tổ chức Lao động quốc tế (ILO) không cho thấy, một kịch bản thay thế việc làm hàng loạt trong ngắn hạn, nhưng cho thấy mức độ phơi nhiễm rất khác nhau giữa nghề nghiệp và nhóm lao động. Ở Việt Nam, khoảng 20,8% việc làm có hơn mức phơi nhiễm tối thiểu với GenAI, trong khi dưới 2% thuộc nhóm phơi nhiễm cao nhất; lao động văn phòng hỗ trợ là nhóm có mức độ phơi nhiễm đặc biệt cao (Weidenkaff và Huynh, 2026).

Rủi ro thứ hai là phụ thuộc công nghệ và suy giảm kỹ năng. Khi AI thường xuyên tạo bản nháp, giải pháp hoặc câu trả lời, người lao động có thể giảm đầu tư vào quá trình hình thành kỹ năng nền tảng. Nếu các nhiệm vụ nền tảng bị tự động hóa quá sớm, tổ chức có thể đạt năng suất trước mắt nhưng làm suy yếu nguồn cung chuyên gia trong dài hạn.

Rủi ro thứ ba liên quan đến độ tin cậy của đầu ra. GenAI có thể tạo ra câu trả lời trôi chảy nhưng không chính xác, suy luận vượt quá dữ liệu hoặc cung cấp thông tin không thể kiểm chứng. Vì vậy, mức độ dễ sử dụng của GenAI có thể tạo ảo giác về độ tin cậy. Vấn đề quản trị không chỉ là “AI có sai không”, mà là tổ chức có thiết kế được quy trình phát hiện, kiểm chứng và xử lý sai lệch hay không.

Rủi ro thứ tư là thiên lệch và công bằng. Trong quản trị nhân sự, điều này có thể ảnh hưởng tới tuyển dụng, đánh giá hiệu suất, phân bổ cơ hội phát triển hoặc sàng lọc hồ sơ. Tambe và cộng sự (2019) lưu ý rằng, hiện tượng con người có tính phức tạp cao và dữ liệu nhân sự thường không đáp ứng giả định đơn giản của các mô hình dự đoán. Bankins và cộng sự (2024) cũng cho thấy, tác động của AI đối với nhân viên không chỉ phụ thuộc vào hiệu quả kỹ thuật mà còn vào cảm nhận công bằng, niềm tin và cách người lao động hiểu vai trò của hệ thống.

Rủi ro thứ năm là quyền riêng tư, bảo mật và sở hữu thông tin. Việc đưa dữ liệu khách hàng, tài liệu nội bộ, mã nguồn, bí mật thương mại hoặc thông tin cá nhân vào công cụ AI bên ngoài có thể tạo ra rủi ro rò rỉ hoặc sử dụng dữ liệu ngoài mục đích ban đầu.

Rủi ro thứ sáu xuất hiện khi AI trở thành công cụ quản trị và giám sát. Kellogg và cộng sự (2020) cho thấy, thuật toán có thể được dùng để hướng dẫn, ghi nhận, xếp hạng, thưởng và thay thế người lao động. Dữ liệu thời gian thực làm tăng năng lực quản trị nhưng cũng có thể làm giảm quyền tự chủ và tạo cảm giác bị theo dõi liên tục.

Rủi ro cuối cùng là sự mờ hóa trách nhiệm. Khi một quyết định có sự tham gia của AI, tổ chức dễ rơi vào tình trạng người sử dụng cho rằng mình chỉ làm theo hệ thống, trong khi nhà cung cấp công nghệ cho rằng quyết định cuối cùng thuộc về khách hàng.

KIẾN NGHỊ

Đối với doanh nghiệp và nhà quản trị

Doanh nghiệp cần quản trị AI theo nhiệm vụ thay vì theo tên công cụ. Cùng một công cụ GenAI có thể được sử dụng cho soạn thảo văn bản, phân tích dữ liệu hoặc ra quyết định nhân sự, nhưng mức độ rủi ro của các hoạt động này rất khác nhau. Đồng thời, cần ưu tiên thiết kế AI theo logic tăng cường trước khi theo logic thay thế. Việc xác định rõ phần việc AI làm tốt, phần việc con người cần giữ và điểm bàn giao giữa hai bên giúp giảm sai lệch trách nhiệm. Bên cạnh đó, doanh nghiệp cần thiết lập cơ chế trách nhiệm rõ ràng. Mỗi quy trình có AI cần xác định chủ thể chịu trách nhiệm đối với đầu vào, kiểm chứng đầu ra và quyết định cuối cùng. Với ứng dụng nhân sự, cần có kênh để người lao động yêu cầu giải thích hoặc rà soát quyết định có sử dụng AI. Tổ chức cần đồng thời theo dõi chất lượng, tỷ lệ sửa lỗi, thời gian kiểm chứng, mức độ phụ thuộc, trải nghiệm nhân viên, tính tự chủ và nhu cầu tái kỹ năng.

Đối với người lao động

Người lao động cần tiếp cận AI như một công cụ cộng tác có điều kiện. Bên cạnh kỹ năng AI, người lao động cần tiếp tục phát triển các năng lực có tính bổ trợ như tư duy phản biện, hiểu bối cảnh, giao tiếp, đạo đức nghề nghiệp, sáng tạo và khả năng chịu trách nhiệm. Khi AI làm giảm giá trị của một số thao tác kỹ thuật cơ bản, giá trị của con người có xu hướng chuyển sang khả năng đặt vấn đề đúng, kiểm tra chất lượng và xử lý các tình huống không chuẩn hóa. Vì vậy, chiến lược nghề nghiệp hợp lý không phải cạnh tranh với AI ở tốc độ tạo nội dung, mà phát triển năng lực chuyên môn đủ sâu để sử dụng và kiểm soát AI. Người lao động cũng cần chú ý tới quyền riêng tư và dấu vết số. Việc đưa tài liệu nội bộ hoặc dữ liệu cá nhân vào công cụ công cộng có thể tạo rủi ro cho cả cá nhân và tổ chức. Khi không rõ chính sách, lựa chọn thận trọng là không tải dữ liệu nhạy cảm lên hệ thống và sử dụng các môi trường được tổ chức phê duyệt.

Nhìn chung, câu hỏi phù hợp đối với tổ chức không phải là có nên dùng AI hay không mà là nhiệm vụ nào nên dùng AI, AI được trao quyền tới đâu và bằng chứng nào cho thấy việc sử dụng đó tạo giá trị mà không làm suy yếu trách nhiệm con người. Các nghiên cứu hiện có cho thấy, tiềm năng năng suất là có thật nhưng mang tính bối cảnh, trong khi rủi ro cũng không tự động xảy ra mà phụ thuộc vào thiết kế công việc và quản trị. Đối với Việt Nam, nơi khoảng 20% việc làm có nhiệm vụ tiềm năng chịu tác động của GenAI, trọng tâm nên là quản trị quá trình chuyển đổi hơn là dự báo một kịch bản thay thế lao động đồng loạt. Khi AI được triển khai như công cụ tăng cường, đi kèm tái kỹ năng, kiểm chứng, bảo vệ dữ liệu và cơ chế trách nhiệm rõ ràng, công nghệ có thể hỗ trợ nâng năng suất và chất lượng công việc. Ngược lại, nếu ứng dụng AI chủ yếu dựa trên mục tiêu cắt giảm chi phí hoặc giám sát mà không tái thiết kế hệ thống xã hội của công việc, tổ chức có thể chuyển rủi ro kỹ thuật thành rủi ro nhân sự và rủi ro quản trị.

Tài liệu tham khảo:

1. Bankins, S., Ocampo, A. C., Marrone, M., Restubog, S. L. D., & Woo, S. E. (2024). A multilevel review of artificial intelligence in organizations: Implications for organizational behavior research and practice. Journal of Organizational Behavior, 45(2), 159-182. https://doi.org/10.1002/job.2735

2. Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889-942. https://doi.org/10.1093/qje/qjae044

3. Haefner, N., Parida, V., Gassmann, O., & Wincent, J. (2023). Implementing and scaling artificial intelligence: A review, framework, and research agenda. Technological Forecasting and Social Change, 197, 122878. https://doi.org/10.1016/j.techfore.2023.122878

4. Jarrahi, M. H. (2018). Artificial intelligence and the future of work: Human–AI symbiosis in organizational decision making. Business Horizons, 61(4), 577-586. https://doi.org/10.1016/j.bushor.2018.03.007

5. Kellogg, K. C., Valentine, M. A., & Christin, A. (2020). Algorithms at work: The new contested terrain of control. Academy of Management Annals, 14(1), 366-410. https://doi.org/10.5465/annals.2018.0174

6. Lee, M. C. M., Scheepers, H., Lui, A. K. H., & Ngai, E. W. T. (2023). The implementation of artificial intelligence in organizations: A systematic literature review. Information & Management, 60(5), 103816. https://doi.org/10.1016/j.im.2023.103816

7. Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187-192. https://doi.org/10.1126/science.adh2586

8. Raisch, S., & Krakowski, S. (2021). Artificial intelligence and management: The automation–augmentation paradox. Academy of Management Review, 46(1), 192-210. https://doi.org/10.5465/amr.2018.0072

9. Tambe, P., Cappelli, P., & Yakubovich, V. (2019). Artificial intelligence in human resources management: Challenges and a path forward. California Management Review, 61(4), 15–42. https://doi.org/10.1177/0008125619867910

10. Trist, E. L., & Bamforth, K. W. (1951). Some social and psychological consequences of the longwall method of coal-getting: An examination of the psychological situation and defences of a work group in relation to the social structure and technological content of the work system. Human Relations, 4(1), 3-38. https://doi.org/10.1177/001872675100400101

11. Weidenkaff, F., & Huynh, P. (2026). Generative AI and jobs in Viet Nam: Labour market exposure and policy considerations. International Labour Organization. https://doi.org/10.54394/00034064

12. Yu, X., Xu, S., & Ashton, M. (2023). Antecedents and outcomes of artificial intelligence adoption and application in the workplace: The socio-technical system theory perspective. Information Technology & People, 36(1), 454-474. https://doi.org/10.1108/ITP-04-2021-0254