Tác động của việc sử dụng công cụ AI hỗ trợ công việc đến sự gắn kết và ý định gắn bó của nhân viên tại các doanh nghiệp nhỏ và vừa ở TP. Hồ Chí Minh

Nguyễn Thị Trân Châu

Email: [email protected]

Phan Thị Bảo Trâm

Email: [email protected]

Trường Cao đẳng FPT Polytechnic TP. Hồ Chí Minh

Tóm tắt

Nghiên cứu phân tích tác động của việc sử dụng công cụ trí tuệ nhân tạo (AI) hỗ trợ công việc đến sự gắn kết và ý định gắn bó của nhân viên trong doanh nghiệp nhỏ và vừa (SMEs) tại TP. Hồ Chí Minh. Dựa trên lý thuyết nhu cầu - nguồn lực công việc, mô hình chấp nhận công nghệ và lý thuyết trao đổi xã hội, nghiên cứu đề xuất mô hình 7 biến: mức độ sử dụng AI, nhận thức hữu ích, năng lực tự tin AI, hỗ trợ tổ chức, sự an tâm khi sử dụng AI, sự gắn kết công việc và ý định gắn bó. Dữ liệu thu thập từ với 513 quan sát, thang đo Likert 5 mức và phân tích bằng mô hình cấu trúc tuyến tính SEM. Kết quả cho thấy hỗ trợ tổ chức, nhận thức hữu ích và năng lực tự tin AI, sự an tâm khi sử dụng AI có tác động tích cực đến sự gắn kết; sự gắn kết tác động mạnh đến ý định gắn bó. Nghiên cứu gợi ý doanh nghiệp nhỏ và vừa nên triển khai AI như nguồn lực nâng năng lực, đi kèm đào tạo, quy tắc dữ liệu và cơ chế giảm áp lực công nghệ.

Từ khóa: Công cụ AI, sự gắn kết nhân viên, ý định gắn bó

Abstract

This study examines the impact of using artificial intelligence (AI) tools for work-related tasks on employee engagement and retention intention among employees in small and medium-sized enterprises (SMEs) in Ho Chi Minh City, Viet Nam. Drawing on the Job Demands–Resources (JD–R) theory, the Technology Acceptance Model (TAM), and Social Exchange Theory (SET), the study proposes a conceptual framework comprising seven constructs: AI usage, perceived usefulness, AI self-efficacy, organizational support, psychological safety in AI use, work engagement, and retention intention. Data were collected from 513 respondents using a five-point Likert scale and analyzed through Structural Equation Modeling (SEM). The findings indicate that organizational support, perceived usefulness, AI self-efficacy, and psychological safety in AI use positively influence work engagement. Furthermore, work engagement has a strong positive effect on employees’ retention intention. The study suggests that SMEs should implement AI as a capability-enhancing resource, accompanied by employee training, clear data governance policies, and mechanisms to mitigate technology-related stress.

Keywords: AI tools, employee engagement, retention intention

ĐẶT VẤN ĐỀ

Pereira và cộng sự (2023) cho thấy, AI trong tổ chức có thể ảnh hưởng đến kết quả ở cấp cá nhân, nhóm và tổ chức thông qua cách doanh nghiệp thiết kế công việc, đào tạo và quản trị quá trình triển khai. Vì vậy, nghiên cứu về AI tại nơi làm việc không nên chỉ đo mức độ sử dụng công cụ, mà cần xem xét cảm nhận hữu ích, năng lực tự tin, hỗ trợ tổ chức, sự an tâm khi sử dụng AI, sự gắn kết và ý định gắn bó của nhân viên.

Ở góc độ chấp nhận công nghệ, nhân viên thường sẵn sàng sử dụng công cụ mới khi họ tin công cụ đó giúp cải thiện hiệu quả và không làm tăng chi phí học tập quá mức (Davis, 1989). Dưới góc độ nhu cầu - nguồn lực công việc, AI có thể được xem là nguồn lực khi giúp tiết kiệm thời gian, nâng chất lượng đầu ra, tăng cảm giác làm chủ và làm cho công việc có ý nghĩa hơn (Bakker & Demerouti, 2017). Các nghiên cứu về căng thẳng do công nghệ cho thấy tình trạng quá tải, sự mơ hồ và tính phức tạp của công nghệ là những vấn đề cần được quản trị hiệu quả trong tổ chức (Tarafdar và cộng sự, 2007). Vì vậy, bài viết xem xét tác động của việc sử dụng AI hỗ trợ công việc đến ý định gắn bó của nhân viên thông qua biến sự an tâm khi sử dụng AI: mức độ nhân viên cảm thấy công cụ, quy định và trách nhiệm sử dụng AI rõ ràng, kiểm soát được và an toàn.

Saks (2006) cho thấy gắn kết nhân viên là cơ chế quan trọng liên kết các điều kiện công việc với thái độ và hành vi của nhân viên. Từ khoảng trống đó, bài viết xây dựng mô hình định lượng gồm 7 biến để giải thích tác động của công cụ AI hỗ trợ công việc đến sự gắn kết và ý định gắn bó của nhân viên DNNVV tại TP. Hồ Chí Minh.

CƠ SỞ LÝ THUYẾT VÀ GIẢ THUYẾT NGHIÊN CỨU

Theo lý thuyết nhu cầu - nguồn lực công việc, các nguồn lực giúp nhân viên đạt mục tiêu, giảm áp lực tâm lý và thúc đẩy sự phát triển, từ đó gia tăng mức độ đầu tư năng lượng vào công việc (Bakker & Demerouti, 2017). Trong bối cảnh này, AI được xem là một nguồn lực khi hỗ trợ xử lý thông tin, tạo ý tưởng, kiểm tra lỗi và nâng cao hiệu quả công việc. Quan điểm này phù hợp với Pereira và cộng sự (2023), cho rằng tác động của AI đến kết quả nơi làm việc cần được xem xét thông qua các tiền đề triển khai, quá trình sử dụng và hệ quả đối với người lao động. Do đó, nghiên cứu giả định các yếu tố AI tác động tích cực đến sự gắn kết công việc.

Sự gắn kết công việc là trạng thái tích cực khi nhân viên đầu tư năng lượng, sự chú ý và nỗ lực vào công việc. Theo Saks (2006), sự gắn kết hình thành khi nhân viên cảm nhận được sự hỗ trợ và ý nghĩa trong công việc. Vì vậy, nhân viên có mức độ gắn kết cao thường có xu hướng duy trì làm việc lâu dài hơn với tổ chức.

Theo mô hình chấp nhận công nghệ, nhận thức hữu ích và sự dễ sử dụng là những yếu tố quan trọng quyết định hành vi sử dụng công nghệ (Davis, 1989). Trong nghiên cứu này, nhận thức hữu ích và năng lực tự tin AI được xem là những tiền đề quan trọng của sự gắn kết, bởi chúng phản ánh niềm tin của nhân viên vào khả năng ứng dụng AI trong công việc (Pereira và cộng sự, 2023). Bên cạnh đó, hỗ trợ tổ chức trong triển khai AI đóng vai trò là nguồn lực giúp giảm rủi ro tâm lý và khuyến khích sử dụng công nghệ mới (Bakker & Demerouti, 2017). Sự an tâm khi sử dụng AI phản ánh cảm nhận của nhân viên về tính rõ ràng, an toàn và khả năng kiểm soát trong quá trình sử dụng AI, góp phần hạn chế các vấn đề căng thẳng công nghệ đã được Tarafdar và cộng sự (2007) đề cập.

Từ các lập luận trên, nghiên cứu đề xuất các giả thuyết H1-H7, theo đó mức độ sử dụng AI, nhận thức hữu ích, năng lực tự tin AI, hỗ trợ tổ chức và sự an tâm khi sử dụng AI tác động tích cực đến sự gắn kết; sự gắn kết tác động tích cực đến ý định gắn bó và đóng vai trò trung gian giữa các yếu tố AI và ý định gắn bó của nhân viên.

Hình 1: Mô hình nghiên cứu đề xuất

Nguồn: Nhóm tác giả đề xuất

PHƯƠNG PHÁP NGHIÊN CỨU

Dữ liệu được thu thập chính thức từ 513 nhân viên đang làm tại DNNVV ở TP. Hồ Chí Minh trong thương mại - dịch vụ, công nghệ, logistics, sản xuất nhẹ, giáo dục và chăm sóc khách hàng. Người trả lời đã sử dụng ít nhất một công cụ AI như ChatGPT, Gemini, Copilot, chatbot nội bộ hoặc công cụ tự động hóa tác vụ trong ba tháng gần nhất.

Thang đo sử dụng Likert 5 mức, từ 1 “hoàn toàn không đồng ý” đến 5 “hoàn toàn đồng ý”. Mức độ sử dụng AI có 4 biến quan sát; nhận thức hữu ích có 4 biến được điều chỉnh theo tinh thần mô hình chấp nhận công nghệ của Davis (1989); năng lực tự tin AI có 4 biến; hỗ trợ tổ chức có 5 biến; sự an tâm khi sử dụng AI có 4 biến được xây dựng theo hướng quản trị tích cực các vấn đề technostress của Tarafdar và cộng sự (2007); sự gắn kết công việc có 3 biến và ý định gắn bó có 4 biến được phát triển theo hướng tiếp cận gắn kết nhân viên của Saks (2006) và khung nguồn lực công việc của Bakker & Demerouti (2017). Dữ liệu được xử lý bằng phần mềm SPSS và AMOS vì mô hình định hướng dự báo, gồm nhiều cấu trúc tiềm ẩn và phù hợp với mục tiêu kiểm định đồng thời mô hình đo lường và mô hình cấu trúc. Độ tin cậy được đánh giá bằng Cronbach’s Alpha và độ tin cậy tổng hợp; giá trị hội tụ bằng AVE. Mô hình cấu trúc được kiểm định bằng bootstrapping 5.000 mẫu lặp.

KẾT QUẢ NGHIÊN CỨU

Mẫu điều tra có 513 quan sát trong đó 52,1% nữ và 47,9% nam; 63,5% thuộc nhóm 22-35 tuổi; 58,0% có thâm niên dưới ba năm. Về ngành, thương mại - dịch vụ chiếm 31,6%, công nghệ và truyền thông 22,4%, logistics 14,7%, sản xuất nhẹ 16,3% và nhóm khác 15,0%. Khoảng 41,7% người trả lời dùng AI hằng ngày, 38,0% dùng vài lần mỗi tuần và 20,3% dùng ít hơn. Cấu trúc này phản ánh nhóm nhân viên có khả năng tiếp xúc AI cao trong DNNVV đô thị, phù hợp mục tiêu khám phá cơ chế tâm lý của AI tại nơi làm việc.

Kết quả đo lường cho thấy các thang đo đạt yêu cầu. Cronbach’s Alpha dao động từ 0,828 đến 0,919; độ tin cậy tổng hợp từ 0,837 đến 0,920; AVE từ 0,585 đến 0,743. Tất cả hệ số tải ngoài đều lớn hơn 0,70. Mô hình đo lường có độ tin cậy, giá trị hội tụ và giá trị phân biệt phù hợp.

Bảng 1: Độ tin cậy và giá trị hội tụ của thang đo

Nguồn: Nhóm tác giả tổng hợp

Mô hình cấu trúc giải thích 36% biến thiên của sự gắn kết công việc và 26% biến thiên của ý định gắn bó. Mức độ sử dụng AI có tác động tích cực đáng kể đến sự gắn kết (β = 0,47; p < 0,000), yếu tố tác động tích cực mạnh thứ hai là Năng lực tự tin AI (β = 0,23; p < 0,000). Hỗ trợ tổ chức cũng tác động tích cực (β = 0,21; p = 0,000). Nhận thức sự hữu ích tác động tích cực nhưng vừa phải (β = 0,19; p = 0,000), tác động tích cực thấp nhất là sự an tâm khi sử dụng AI (β = 0,10; p < 0,019). Cuối cùng, sự gắn kết ảnh hưởng mạnh đến ý định gắn bó (β = 0,51; p < 0,000).

Bảng 2. Kết quả kiểm định giả thuyết bằng mô hình SEM

Nguồn: Nhóm tác giả tổng hợp

Phân tích trung gian cho thấy sự gắn kết truyền dẫn đáng kể tác động của nhận thức hữu ích đến ý định gắn bó (β = 0,24; p < 0,000), tác động của sự an tâm khi sử dụng AI đến ý định gắn bó (β = 0,12; p < 0,000), hỗ trợ tổ chức đến ý định gắn bó (β = 0,11; p = 0,000), của mức độ sử dụng AI đến ý định gắn bó (β = 0,10; p < 0,001) và của năng lực tự tin AI đến ý định gắn bó (β = 0,05; p < 0,014). Kết quả này ủng hộ H1-H7. Nói cách khác, AI không trực tiếp “giữ chân” nhân viên theo nghĩa đơn giản; AI ảnh hưởng đến ý định ở lại thông qua việc làm cho nhân viên cảm thấy công việc có ý nghĩa hơn, kiểm soát tốt hơn và được tổ chức hỗ trợ tốt hơn.

THẢO LUẬN

Kết quả phù hợp với JD-R khi chứng minh AI có thể đóng vai trò nguồn lực công việc nếu được thiết kế và triển khai theo hướng hỗ trợ nhân viên (Bakker & Demerouti, 2017). Khi AI được cảm nhận là hữu ích, dễ làm chủ, có chính sách rõ và tạo sự an tâm, nhân viên có thêm nguồn lực để hoàn thành nhiệm vụ và đầu tư năng lượng vào công việc. Điều này bổ sung cho tổng quan của Pereira và cộng sự (2023) ở chỗ tác động của AI tại nơi làm việc không chỉ đến từ bản thân công nghệ, mà đến từ tổ hợp giữa công cụ, năng lực người dùng và điều kiện tổ chức. Kết quả cũng củng cố lập luận của Davis (1989): nhận thức hữu ích vẫn là nhân tố trung tâm trong chấp nhận công nghệ, kể cả khi công nghệ đó là AI tạo sinh.

Vai trò tích cực của sự an tâm khi sử dụng AI cho thấy DNNVV cần biến quản trị rủi ro công nghệ thành một nguồn lực tâm lý cho nhân viên. Nghiên cứu về căng thẳng do công nghệ của Tarafdar và cộng sự (2007) gợi ý rằng sự quá tải, phức tạp và mơ hồ công nghệ có thể gây khó khăn cho người dùng; trong mô hình này, khi doanh nghiệp làm rõ quy định dữ liệu, cách kiểm chứng kết quả, trách nhiệm cuối cùng và giới hạn sử dụng AI, nhân viên sẽ an tâm hơn và gắn kết hơn. Ý định gắn bó chỉ tăng khi nhân viên thấy AI giúp việc bớt rườm rà, nâng kỹ năng và được tổ chức công nhận, phù hợp với quan điểm của Saks (2006) rằng gắn kết là cầu nối giữa điều kiện công việc và kết quả thái độ của nhân viên.

HÀM Ý QUẢN TRỊ

Với các kết quả nghiên cứu nêu trên, nghiên cứu này đề xuất các hàm ý quản trị cho các DNNVV bao gồm:

Thứ nhất, DNNVV nên bắt đầu từ bản đồ tác vụ thay vì tên công cụ. Doanh nghiệp cần xác định nhóm việc AI có thể hỗ trợ an toàn như tóm tắt văn bản, soạn nháp, phân loại phản hồi khách hàng, lập báo cáo sơ bộ và gợi ý kịch bản bán hàng. Những tác vụ có rủi ro pháp lý, dữ liệu cá nhân hoặc quyết định nhân sự cần có kiểm soát của con người.

Thứ hai, đào tạo AI nên tập trung vào năng lực làm chủ công cụ: viết yêu cầu rõ, kiểm tra nguồn, phát hiện sai lệch, bảo vệ dữ liệu và biết khi nào không nên dùng AI. Đào tạo ngắn, lặp lại theo tình huống thực tế sẽ phù hợp hơn với DNNVV so với khóa học dài và nặng lý thuyết. Nhà quản lý trực tiếp cũng cần cho phép thử nghiệm, chia sẻ mẫu lệnh hiệu quả, giải thích ranh giới sử dụng và công nhận đóng góp của nhân viên khi họ cải tiến quy trình bằng AI.

Thứ ba, doanh nghiệp cần chủ động nuôi dưỡng sự an tâm khi sử dụng AI như một chỉ số nhân sự tích cực. DNNVV nên quy định rõ trách nhiệm cuối cùng, tạo kênh hỏi đáp nội bộ, hướng dẫn cách kiểm chứng đầu ra và ưu tiên ít công cụ nhưng dùng sâu. Khi nhân viên biết dữ liệu nào được nhập vào AI, kết quả nào cần kiểm tra lại và ai chịu trách nhiệm ra quyết định, họ sẽ cảm thấy kiểm soát tốt hơn. AI cũng nên được liên kết với lộ trình nghề nghiệp để nhân viên thấy kỹ năng mới giúp họ phát triển vai trò mới, thay vì chỉ phục vụ mục tiêu giảm chi phí.

Tài liệu tham khảo:

1. Bakker, A. B., & Demerouti, E. (2017). Job demands-resources theory: Taking stock and looking forward. Journal of Occupational Health Psychology, 22(3), 273-285.

2. Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340.

3. Pereira, V., Hadjielias, E., Christofi, M., & Vrontis, D. (2023). A systematic literature review on the impact of artificial intelligence on workplace outcomes: A multi-process perspective. Human Resource Management Review, 33(1), 100857.

4. Saks, A. M. (2006). Antecedents and consequences of employee engagement. Journal of Managerial Psychology, 21(7), 600-619.

5. Tarafdar, M., Tu, Q., Ragu-Nathan, B. S., & Ragu-Nathan, T. S. (2007). The impact of technostress on role stress and productivity. Journal of Management Information Systems, 24(1), 301-328.