Một nghiên cứu mới tuyên bố AI giúp doanh nghiệp Mỹ tăng 10% nhân sự. Nhưng câu chuyện thực sự phức tạp hơn nhiều.
Hôm qua, Crypto Briefing đưa tin về một nghiên cứu từ Ramp Economics Lab: các doanh nghiệp Mỹ áp dụng AI "nặng" đã tăng 10,2% nhân sự trong hai năm, và quan trọng hơn, vị trí entry-level tăng 12%.
Nghe có vẻ như một tín hiệu tích cực. Một câu chuyện đẹp về công nghệ và con người cùng tiến lên.
Nhưng tôi đã dành 20 năm quan sát ngành này. Và tôi biết: những con số đẹp nhất thường che giấu những câu hỏi khó chịu nhất.
Hãy bắt đầu với điều hiển nhiên: Ramp Economics Lab là phòng nghiên cứu của Ramp — một công ty fintech cung cấp giải pháp quản lý chi tiêu doanh nghiệp.
Khi một công ty chuyên bán dịch vụ hỗ trợ chuyển đổi số công bố nghiên cứu về lợi ích của chuyển đổi số, tôi không thể không đặt câu hỏi về tính khách quan.
Đây không phải là cáo buộc gian lận. Đây là nhận thức về incentive structure.
Ramp muốn doanh nghiệp tin rằng áp dụng công nghệ mới (bao gồm AI) là an toàn và có lợi. Một nghiên cứu cho thấy AI tạo thêm việc làm — thay vì cắt giảm — là công cụ marketing đắc lực.
Nhưng vấn đề sâu hơn thế.
Bài báo không định nghĩa "heavy AI adopters" là gì. Đây là thiếu sót nghiêm trọng.
Nếu "heavy AI adoption" có nghĩa là triển khai AI trong toàn bộ quy trình R&D, sản xuất và hậu cần, thì nhóm doanh nghiệp này rất nhỏ và đặc thù — chủ yếu thuộc ngành công nghệ cao, tài chính, dịch vụ chuyên nghiệp.
Kết quả từ nhóm này không thể ngoại suy cho toàn bộ nền kinh tế.
Nếu "heavy AI adoption" chỉ đơn giản là sử dụng ChatGPT để viết email marketing, thì con số 10% tăng trưởng nhân sự có thể đến từ yếu tố khác — như chu kỳ kinh tế hậu COVID, chứ không phải AI.
Thiếu định nghĩa = thiếu khả năng kiểm chứng.
Tôi nhớ lại năm 2020, khi tôi làm tại một giao thức DeFi lớn. Chúng tôi thấy volume giao dịch tăng 300% sau khi ra mắt tính năng yield farming.
Mọi người vội vàng kết luận: "Yield farming tạo ra thanh khoản."
Nhưng khi phân tích sâu, chúng tôi phát hiện ra rằng 80% volume đó đến từ 5 quỹ đầu tư lớn — những người đã có sẵn thanh khoản. Yield farming chỉ là chất xúc tác, không phải nguyên nhân.
Correlation ≠ Causation.
Tương tự với nghiên cứu này: các doanh nghiệp "heavy AI adopter" có thể đã là những công ty tăng trưởng nhanh, có nguồn lực dồi dào để đầu tư vào cả AI lẫn tuyển dụng. AI là công cụ, không phải động lực.
Hãy nói về "entry-level jobs tăng 12%" — con số được nhấn mạnh như bằng chứng AI không phá hủy việc làm đầu vào.
Nhưng tôi đã chứng kiến điều này ở DeFi Summer 2020. Khi các giao thức tự động hóa quy trình, họ không cắt giảm nhân sự — họ tuyển thêm nhưng với yêu cầu kỹ năng hoàn toàn khác.
Những "entry-level jobs" năm 2020 trong DeFi không còn là công việc nhập liệu hay kiểm tra thủ công nữa. Chúng là những vị trí đòi hỏi hiểu biết về smart contract, quản lý thanh khoản và phân tích dữ liệu on-chain.
Tương tự, "entry-level jobs" trong kỷ nguyên AI có thể là những công việc như AI prompt engineer, data annotator, compliance analyst cho AI systems — những công việc tồn tại song song với sự biến mất của các vị trí nhập liệu truyền thống.
Tổng số việc làm tăng, nhưng cấu trúc thay đổi hoàn toàn. Người lao động ở phân khúc thấp nhất có thể không được hưởng lợi.
Có một tín hiệu tôi muốn bạn chú ý: bài báo được đăng trên Crypto Briefing — một trang tin về blockchain.
Tại sao một trang tin về crypto lại đăng nghiên cứu về AI và việc làm?
Bởi vì câu chuyện về "AI không gây thất nghiệp" ủng hộ trực tiếp cho narrative của crypto: công nghệ mới không phá hủy, nó kiến tạo.
Đây là sự giao thoa tinh tế giữa hai ngành — AI và blockchain — cùng chia sẻ một kẻ thù chung: nỗi sợ công nghệ thay thế con người.
Điểm mù lớn nhất của nghiên cứu này: nó không trả lời được câu hỏi về phân phối lợi ích.
Ngay cả khi tổng số việc làm tăng 10%, điều đó không có nghĩa là mọi người đều thắng.
Các nhà kinh tế học gọi đây là "skill-biased technological change" — thay đổi công nghệ thiên vị kỹ năng cao. Người có kỹ năng phù hợp với AI được hưởng lợi; người không có bị bỏ lại phía sau.
Nghiên cứu của MIT năm 2023 cho thấy AI tác động mạnh nhất đến những công việc có thu nhập trung bình — kế toán, thiết kế đồ họa, viết lách.
Đây là nhóm lao động đông đảo nhất. Và họ là những người dễ bị tổn thương nhất.
Giả định rủi ro nhất từ nghiên cứu này: nó có thể khiến chính phủ và doanh nghiệp trì hoãn việc xây dựng mạng lưới an toàn cho người lao động.
Nếu bạn tin rằng AI tạo thêm việc làm, bạn sẽ không đầu tư vào các chương trình đào tạo lại kỹ năng, không xây dựng hệ thống bảo hiểm thất nghiệp linh hoạt, không chuẩn bị cho kịch bản xấu nhất.
Đây là lý do tại sao tôi, với tư cách một người đã sống qua nhiều chu kỳ công nghệ, luôn giữ thái độ hoài nghi lành mạnh với những câu chuyện "hoàn toàn tốt đẹp".
Vậy chúng ta nên tin gì?
Tôi không nói nghiên cứu này sai. Tôi nói chúng ta đang thiếu quá nhiều thông tin để đưa ra kết luận.
Để nghiên cứu này có giá trị thực sự, chúng ta cần: 1. Định nghĩa rõ ràng về "heavy AI adoption" 2. Phân tích theo ngành — không phải mọi ngành đều giống nhau 3. So sánh với nhóm đối chứng — doanh nghiệp không áp dụng AI 4. Kiểm soát yếu tố kinh tế vĩ mô — tăng trưởng hậu COVID có thể là biến số gây nhiễu
Cho đến khi những điều này được công bố, nghiên cứu này chỉ nên được coi là một tín hiệu — không phải bằng chứng.
Bài học cho ngành blockchain và crypto:
Chúng ta cũng thường xuyên rơi vào bẫy tương tự. Những nghiên cứu về "crypto tạo ra X việc làm", "DeFi mang lại lợi nhuận Y% cho nhà đầu tư nhỏ lẻ" — tất cả đều cần được xem xét với cùng sự hoài nghi.
Tôi nhớ câu nói của một mentor cũ: "Trong thế giới công nghệ, câu chuyện đẹp nhất thường là câu chuyện được tài trợ bởi người có lợi ích nhất."
Khi đọc bất kỳ nghiên cứu nào — về AI, crypto, hay bất kỳ công nghệ nào — hãy luôn hỏi: - Ai tài trợ cho nghiên cứu này? - Họ được lợi gì từ kết luận? - Những con số nào đang bị bỏ qua?
Câu chuyện về AI và việc làm không phải là một câu chuyện đơn giản.
Đó là câu chuyện về sự dịch chuyển — từ công việc tay chân sang công việc trí óc, từ lao động phổ thông sang lao động kỹ năng cao, từ một cấu trúc việc làm cũ sang một cấu trúc mới chưa hoàn thiện.
Nghiên cứu của Ramp Economics Lab là một mảnh ghép. Nhưng bức tranh toàn cảnh còn rất nhiều mảnh ghép khác — và những mảnh ghép ấy có thể cho thấy một bức tranh không mấy dễ chịu.
Hãy nhìn vào dữ liệu. Hãy đặt câu hỏi. Và đừng bao giờ để một con số đẹp đánh lừa bạn.
Bởi trong thị trường tăng — cả AI lẫn crypto — những lời nói dối ngọt ngào nhất thường đến từ những người muốn bán cho bạn thứ gì đó.
Và lần này, thứ họ bán là niềm tin rằng công nghệ sẽ giải quyết mọi vấn đề — một niềm tin nguy hiểm nhất trong số tất cả.