Con số 3% sau hàng trăm giờ sử dụng không phải là cách mạng công nghệ. Đó là một công cụ đang bị sử dụng sai cách.

Bài viết này phân tích nguyên nhân cốt lõi của khoảng cách đó, và giới thiệu một phương pháp tiếp cận khác đang mang lại hiệu suất cao hơn rõ rệt: chuyển từ hỏi AI sang giao việc cho AI.

Hiện trạng: Chatbot giải quyết được gì, và không giải quyết được gì?

Với hầu hết người dùng phổ thông hiện nay, AI đồng nghĩa với chatbot: ChatGPT, Gemini, Copilot. Cách sử dụng phổ biến nhất là mở cửa sổ chat, gõ một câu hỏi, nhận câu trả lời, rồi tự tay xử lý tiếp.

Mô hình này hoạt động tốt cho hai việc: tra cứu thông tin và soạn thảo nháp. Nhưng nó có ba giới hạn cấu trúc rõ ràng:

1. Không có trí nhớ xuyên suốt: Mỗi cuộc hội thoại là một phiên làm việc riêng biệt mà chatbot quên sạch sau khi đóng. Điều này buộc người dùng phải lặp lại ngữ cảnh, giải thích lại yêu cầu, và dán lại tài liệu mỗi lần mở chat mới.

2. Không thể thao tác với phần mềm khác: Chatbot trả lời bằng văn bản. Nhưng phần lớn công việc thực tế không dừng ở văn bản mà đòi hỏi thao tác: tạo file, gửi email, cập nhật bảng tính, quản lý tệp tin. Chatbot không làm được những việc này.

3. Không xử lý được quy trình nhiều bước: Một tác vụ như “đọc 3 báo cáo → tổng hợp so sánh → tạo bảng biểu → xuất file PDF có mục lục” đòi hỏi 4-5 bước liên tiếp. Chatbot chỉ xử lý được từng bước một, mỗi bước đều cần con người can thiệp thủ công để nối kết quả.

Kết quả: Người dùng vẫn phải tự làm phần nặng nhọc nhất. AI chỉ hỗ trợ ở khâu soạn thảo ban đầu. Đó là lý do con số 3% xuất hiện.

AI Agent: Từ trả lời câu hỏi sang thực thi công việc

Sự khác biệt giữa chatbot và AI Agent không phải là về mức độ thông minh mà là về phạm vi hành động.

Nghiên cứu đối chiếu từ nhiều tổ chức (IDC, PwC, Microsoft) trong giai đoạn 2025-2026 cho thấy: khi AI được triển khai dưới dạng Agent - có khả năng kết nối với phần mềm, tự thực thi nhiều bước, và duy trì ngữ cảnh xuyên suốt - mức tăng năng suất nhảy từ 3% lên 40-60% trong các lĩnh vực như marketing, hành chính, và quản lý dự án.

Nói cách khác: Chatbot giống tra cứu từ điển. AI Agent giống giao việc cho một trợ lý biết dùng máy tính.

Ví dụ với Google Antigravity — AI Agent chạy trên máy tính cá nhân

Google Antigravity là một trong những AI Agent hoàn chỉnh nhất hiện tại, được thiết kế để người dùng có thể giao việc trực tiếp trên máy tính thay vì chỉ chat.

Dưới đây là ba kịch bản ứng dụng cụ thể, so sánh giữa cách làm cũ (chatbot) và cách làm mới (AI Agent):

Ví dụ 1: Tổng hợp báo cáo

• Dùng Chatbot (30 phút): Bạn mở file PDF báo cáo dài 50 trang, copy từng đoạn, dán vào ChatGPT nhờ tóm tắt. Sau đó copy kết quả, mở Word, dán vào, tự căn chỉnh tiêu đề, lưu tên file.

• Dùng Antigravity ( 3 phút): Bạn gõ lệnh duy nhất: “Đọc file PDF ‘Báo cáo Q1’ trên Desktop, lọc ra 5 số liệu tài chính quan trọng nhất, xuất thành một file Word có kèm bảng biểu, đặt tên là ‘TongHop_Q1’ và lưu vào ổ D.” Antigravity tự động mở file, đọc, tạo bản Word, kẻ bảng và lưu đúng vị trí. Bạn hoàn toàn rảnh tay đi làm việc khác.

Ví dụ 2: Quy trình lặp lại hàng tuần

• Dùng Chatbot: Tuần nào bạn cũng phải lặp lại lệnh: “Dựa vào 3 bảng số liệu này, viết email báo cáo tuần”. Tuần nào cũng phải tự copy số, tự dán email, tự gửi sếp.

• Dùng Antigravity: Bạn cài đặt một quy trình tự động (Workflow) một lần duy nhất: “Cứ chiều thứ Sáu, tự đọc 3 file Excel mới nhất trong thư mục Dự Án, tính tổng doanh thu, viết email báo cáo và lưu vào thư mục Nháp trong Gmail.” Từ tuần sau, bạn chỉ cần gõ 1 phím khởi động, AI Agent tự làm 100% các bước.

Vì sao phần lớn người dùng vẫn chưa chuyển đổi?

Dữ liệu từ Harvard Business Review (đầu 2026) chỉ ra hai rào cản chính:

Rào cản 1: Tư duy sử dụng chưa thay đổi: Phần lớn người dùng vẫn tiếp cận AI theo mô hình hỏi-đáp giống cách dùng Google Search. Đặt câu hỏi, nhận câu trả lời, tự xử lý tiếp. Tư duy này giới hạn AI ở vai trò công cụ tra cứu, trong khi tiềm năng thực sự nằm ở khả năng ủy thác quy trình.

Rào cản 2: Thiếu kỹ năng thiết kế công việc cho AI: Giao việc cho AI Agent không giống giao việc cho con người. Cần biết cách: định nghĩa mục tiêu rõ ràng, chia nhỏ quy trình thành các bước logic, cung cấp đủ ngữ cảnh, và thiết lập cơ chế kiểm soát (review trước khi AI thực thi bước tiếp theo).

Đây không phải là kỹ năng kỹ thuật mà là kỹ năng quản lý công việc.

4 nguyên tắc để giao việc cho AI Agent hiệu quả

Dựa trên các case study và nghiên cứu đã trích dẫn, có thể đúc kết 4 nguyên tắc cốt lõi:

1. Cụ thể hóa đầu ra, không chỉ mô tả đầu vào

• ❌ “Giúp tóm tắt cái này”

• ✅ “Tóm tắt thành 5 bullet points, mỗi bullet không quá 2 dòng, tập trung vào số liệu tài chính, xuất file Word”

2. Cung cấp ngữ cảnh đầy đủ thay vì giả định AI tự hiểu

• Ai là người đọc kết quả? Mục đích sử dụng là gì? Có tài liệu tham khảo nào không? Giọng điệu mong muốn?

3. Chia quy trình thành chuỗi bước có thể kiểm soát

• Không nên yêu cầu một khối lớn: “Giúp làm báo cáo tháng”

• Nên chia ra: Bước 1 → Thu thập. Bước 2 → Phân tích. Bước 3 → Trình bày. Mỗi bước có thể review trước khi tiếp.

4. Thiết lập Rules để AI không quên bạn là ai

• Viết sẵn ngữ cảnh cá nhân: ngành nghề, phong cách làm việc, định dạng ưa thích. AI Agent sẽ áp dụng cho mọi cuộc hội thoại tiếp theo mà không cần nhắc lại.

Kết luận

Khảo sát của Indeed (2025) cho thấy hơn 80% người dùng AI thường xuyên tiết kiệm được ít nhất 1 giờ mỗi ngày. Nghiên cứu của Harvard Business School ghi nhận mức tăng tốc độ hoàn thành công việc lên đến 25% kèm theo chất lượng đầu ra cao hơn.

Nhưng những con số này chỉ xảy ra ở nhóm người dùng đã chuyển từ mô hình hỏi-đáp sang mô hình ủy thác. Sự khác biệt không nằm ở công cụ nào được sử dụng, mà nằm ở cách thiết kế lại quy trình làm việc để tận dụng khả năng tự thực thi của AI.

Đó cũng là lý do Google Antigravity đáng được tìm hiểu nghiêm túc: không phải vì nó là chatbot mạnh hơn, mà vì nó là công cụ đầu tiên cho phép người dùng phổ thông trải nghiệm mô hình AI Agent ngay trên máy tính cá nhân miễn phí.

Nếu muốn trải nghiệm thực tế cách chuyển đổi này, từ hỏi-đáp sang ủy thác, từng bước một, mời bạn tham gia Workshop miễn phí về:

WORKSHOP ANTINOISE #1 – GOOGLE ANTIGRAVITY VỠ LÒNG

Chương trình học và thực hành dành cho người không chuyên kỹ thuật. Demo và giải đáp trực tiếp.

📅 20:00 | Thứ Bảy, 04/04/2026 | Online qua Zoom

👉 Đăng ký: https://forms.gle/gBBwEmofUNLUxEtY9

Nguồn tham khảo: McKinsey Global Institute (2025), Harvard Business School — “Navigating the Jagged Technological Frontier” (2024-2025), Indeed Hiring Lab (2025), IDC FutureScape (2026), PwC AI Business Survey (2025).

1. Sự tiến hóa từ Chatbot sang Agent (Tác vụ tự hành)

Sự thay đổi quan trọng nhất không nằm ở việc nhân viên đặt câu hỏi cho AI, mà nằm ở công cụ Claude Code. Đây không phải là một cửa sổ chat đơn thuần, mà là một thực thể có khả năng can thiệp trực tiếp vào hệ thống.

• Khả năng tự xử lý chuỗi: Phân tích 200.000 nhật ký làm việc (transcripts) cho thấy số lần Claude tự thực hiện các bước liên tiếp mà không cần con người can thiệp đã tăng từ 9,8 lên 21,2 lần chỉ trong 6 tháng.

• AI tự xây dựng công cụ: Sản phẩm Claude Cowork (dành cho nhân viên khối văn phòng) được xây dựng phần lớn bởi Claude Code. Điều này minh chứng cho một chu kỳ: AI tạo ra công cụ để giúp con người quản lý AI tốt hơn.

2. Dữ liệu thực nghiệm về năng suất

Nghiên cứu nội bộ trên 132 kỹ sư và nhà nghiên cứu đã đưa ra những con số cụ thể về sự thay đổi hiệu suất:

Phát hiện quan trọng: 27% các tác vụ hiện nay do AI đảm nhiệm là những việc “trước đây chưa từng được làm”. Đó là những dự án tối ưu hóa hạ tầng, xây dựng bảng biểu theo dõi hoặc thử nghiệm các giả thuyết nhỏ mà trước đây nhân viên buộc phải bỏ qua vì không đủ thời gian. AI đã biến “chi phí thực hiện” các việc này về mức gần bằng không.

Khái niệm “Dogfooding” (tự dùng sản phẩm của mình) tại Anthropic được nâng cấp thành “Antfooding”. Đây không chỉ là việc sử dụng thông thường, mà là một quy trình tự cải tiến đệ quy (recursive self-improvement).

Theo báo cáo nội bộ tháng 3/2026, Claude hiện đang tự viết từ 70% đến 90% mã nguồn để tạo ra phiên bản nâng cấp của chính nó. Tốc độ này giúp rút ngắn chu kỳ nghiên cứu từ vài tháng xuống còn vài tuần.

Không chỉ giới hạn ở kỹ thuật, AI đã thâm nhập vào mọi phòng ban. Nhân viên tài chính dùng AI để truy vấn dữ liệu phức tạp; đội ngũ pháp lý dùng AI để rà soát hợp đồng; và các nhà thiết kế dùng AI để tạo ra các prototype chạy được ngay lập tức.

3. Những biến đổi về bản chất lao động

Sự xuất hiện của AI ở mật độ cao đã làm nảy sinh những vấn đề mà các báo cáo tài chính thường không nhắc tới:

Sự thay đổi vai trò: Từ người viết sang người duyệt

Nhiều kỹ sư cấp cao tại Anthropic cho biết hơn 70% thời gian làm việc của họ hiện nay là kiểm tra và chỉnh sửa (review & revise) thay vì trực tiếp tạo mới.

• Trách nhiệm mới: Một nhân sự hiện nay không còn quản lý đầu việc của chính mình, mà phải chịu trách nhiệm cho sản lượng của “1, 5 hoặc 100 phiên bản Claude” đang chạy song song.

• Kỹ năng Full-stack: AI giúp một người bình thường có thể làm được việc của nhiều phòng ban khác nhau (kỹ thuật, pháp lý, tài chính).

Nguy cơ rút ngắn thang học nghề

Đây là điểm đáng lo ngại nhất được ghi lại trong báo cáo của Anthropic.

• Thoái hóa kỹ năng: Khi kết quả được tạo ra quá nhanh và chính xác, con người mất dần nhu cầu tìm hiểu nguyên lý sâu xa bên dưới.

• Mất ma sát tư duy: Các kỹ sư trẻ có xu hướng hỏi Claude thay vì hỏi đồng nghiệp giàu kinh nghiệm. Điều này cắt đứt sợi dây truyền thụ tri thức trực tiếp và khiến các bậc thang thấp nhất trong quá trình đào tạo nhân tài bị lung lay.

Khoảng cách tư duy (The Thinking Divide)

Anthropic nhận diện một khoảng cách ngày càng rộng giữa:

1. Tổ chức nhúng AI sâu: Tích lũy lợi thế về tốc độ và dữ liệu thực nghiệm mỗi ngày.

2. Tổ chức dùng AI bề mặt: Chỉ coi AI là công cụ hỗ trợ lẻ tẻ, không thay đổi quy trình cốt lõi.

4. Bài học cho doanh nghiệp và tổ chức khác

Anthropic không chỉ tạo ra AI. Họ đang chứng minh một cách tiếp cận và từ đó có những bài học mà bất kỳ tổ chức nào cũng có thể rút ra.

Bài học 1: Năng suất tăng không đến từ việc dùng AI cho mọi thứ.

Nhân viên Anthropic phát triển trực giác rõ ràng về việc nên giao gì cho AI và nên giữ lại gì. Họ ưu tiên giao những việc dễ kiểm tra kết quả, rủi ro thấp, hoặc đơn giản là nhàm chán. Những việc đòi hỏi phán đoán, bối cảnh sâu, hay cảm quan thẩm mỹ và định hướng họ vẫn tự làm. Ranh giới đó không cố định; nó được liên tục điều chỉnh khi AI ngày càng mạnh hơn.

Bài học 2: Dữ liệu thực quan trọng hơn cảm nhận.

Anthropic không chỉ tin vào khảo sát tự báo cáo. Họ kéo thêm 200.000 transcript thực tế để đối chiếu.

Kết quả: tự báo cáo và dữ liệu thực nhìn chung khớp nhau nhưng có những sai lệch quan trọng mà chỉ dữ liệu thực mới phát hiện được.

Bài học cho doanh nghiệp: đừng chỉ hỏi nhân viên “AI có giúp ích không?”, hãy đo bằng số liệu thực.

Bài học 3: Tốc độ thay đổi đang tăng và Khoảng cách giữa người dùng và người không dùng cũng vậy.

Anthropic gọi đây là “the thinking divide” — khoảng cách ngày càng rộng giữa tổ chức nhúng AI vào mọi tầng lớp hoạt động và tổ chức chỉ dùng AI như một công cụ riêng lẻ. Những tổ chức ở phía đúng của khoảng cách đó sẽ tích lũy lợi thế theo thời gian. Những tổ chức còn lại sẽ tụt xa hơn mỗi tháng.

Lời kết 

Theo American Enterprise Institute, những gì đang diễn ra bên trong Anthropic có thể là bức tranh sơ thảo cho những gì mọi lao động tri thức sẽ đối mặt trong những năm tới: giá trị dịch chuyển từ thực thi sang phán đoán, kiến trúc, và điều phối.

Không phải AI thay thế người. Mà là người dần trở thành người đặt câu hỏi đúng, người quyết định cái gì đáng được làm, người chịu trách nhiệm cho kết quả mà cả người lẫn máy cùng tạo ra.

Những gì diễn ra tại Anthropic là bằng chứng cho thấy giá trị của chúng ta đang dịch chuyển. Khi việc “làm” trở nên quá dễ dàng, thì việc “biết cái gì đáng để làm” trở thành năng lực đắt giá nhất.

Link đăng ký tư vấn lộ trình cá nhân hoá học AI Ứng Dụng cho lãnh đạo, quản lý cấp trung: coach.ai.vn

Link đăng ký nhận học bổng Luyện AI (33 ngày): đăng ký

Trong phần lớn quãng đời làm việc của mình, tôi luôn quan tâm đến cách trí óc hoạt động: làm thế nào con người hiểu nhau, vì sao họ không thể hiểu nhau, và do đâu trí tuệ đôi khi không chỉ nảy sinh bên trong một cá nhân. Trí tuệ nhân tạo đã khiến cho câu hỏi cũ này trở nên thiết thực hơn bao giờ hết.

Càng làm việc nhiều với các hệ thống AI, tôi càng không mấy quan tâm chúng thông minh đến mức nào, và càng quan tâm hơn đến điều gì xảy ra khi con người và AI bắt đầu suy nghĩ cùng nhau. Tôi không cho rằng AI có ý thức theo bất cứ tiêu chuẩn nào của con người. Ý tôi đơn giản và thực tế hơn: những hệ thống này giờ đây có thể tham gia vào các cuộc trao đổi định hình cách chúng ta suy luận, học hỏi, ra quyết định và đặt niềm tin.

Điều đó quan trọng vì AI không chỉ còn trong các phòng thí nghiệm hay công ty công nghệ. Nó đang đi vào trường học, văn phòng, bệnh viện, studio thiết kế, trung tâm chăm sóc khách hàng, và đời sống trực tuyến. Ngày càng thường xuyên hơn, con người không chỉ dùng AI để tìm kiếm thông tin, mà còn để hỗ trợ soạn thảo, so sánh, giải thích, tóm tắt, đặt câu hỏi và khám phá. Khi đó, vấn đề trung tâm không còn chỉ là bản thân cỗ máy, mà là sự tương tác.

Công nghệ trước đây đã mở rộng năng lực của con người theo những cách quen thuộc. Kính thiên văn mở rộng tầm nhìn. Động cơ mở rộng sức mạnh cơ bắp. Máy tính mở rộng khả năng tính toán. Nhưng AI thì khác, bởi vì nó hoạt động bằng ngôn ngữ. Nó trả lời câu hỏi, định hình lại ý tưởng, đưa ra lựa chọn thay thế và giải thích vấn đề. Vì thế, nó bắt đầu giống một cộng sự hơn là một công cụ thụ động.

Thay đổi này rất quan trọng. Khi một công nghệ bước vào lãnh địa ngôn ngữ, nó cũng bước vào thế giới xã hội của diễn giải, hiểu lầm, thuyết phục và niềm tin.

“Càng làm việc nhiều với các hệ thống AI, tôi càng ít quan tâm chúng thông minh đến mức nào, và càng quan tâm hơn điều gì xảy ra khi con người và AI bắt đầu suy nghĩ cùng nhau.”

— GS John Rust, Trung tâm Nghiên cứu Tương lai của Trí tuệ Nhân tạo, Đại học Cambridge

Theo tôi, niềm tin mới là vấn đề cốt lõi. Các cuộc tranh luận công khai về AI thường bắt đầu từ những vấn đề khác. Người ta nói về hiệu suất, cơ chế tự động hóa, khả năng cạnh tranh kinh tế hoặc liệu máy móc có thay thế con người. Tất cả đều là những câu hỏi hợp lý.

Nhưng bên dưới chúng là một câu hỏi căn bản hơn: lúc nào con người nên tin AI, và vì sao? Nếu chúng ta đặt niềm tin sai chỗ thì ngay cả những hệ thống mạnh mẽ nhất cũng thành ra lợi bất cập hại. Còn nếu đặt đúng, AI có thể trở nên một người đồng hành hữu ích trong suy nghĩ, học tập và giải quyết vấn đề.

AI là đối tác cùng suy nghĩ

Chúng ta thường nói về niềm tin như thể đó là một thuộc tính cố định, như thể một hệ thống luôn hoặc là đáng tin, hoặc là không. Nhưng trong đời sống hằng ngày, niềm tin hiếm khi vận hành như vậy. Niềm tin phát triển thông qua tương tác. Nó mạnh lên khi các câu trả lời phù hợp, chừng mực và đủ thận trọng. Nó yếu đi khi sự chắc chắn vượt quá độ tin cậy. Nó trở nên có chọn lọc hơn khi con người không chỉ đơn thuần chấp nhận câu trả lời mà còn biết đánh giá chúng. Nói cách khác, sự tin tưởng không chỉ là đánh giá của người dùng về cỗ máy, mà là mối quan hệ dần hình thành giữa họ và hệ thống theo thời gian.

Điều này đặc biệt quan trọng với AI vì sự trôi chảy trong diễn đạt có thể gây hiểu lầm. Một hệ thống có thể tỏ ra rất thuyết phục ngay cả khi nó đưa thông tin sai. Nó có thể trả lời duyên dáng nhưng sai, hoặc đưa ra bản tóm tắt cuốn hút nhưng bỏ sót điều cốt yếu. Mối nguy hiểm không đơn giản nằm ở sai sót. Con người vốn đã quen với sai sót. Nguy hiểm nằm ở sự tự tin đặt sai chỗ - cảm giác rằng ta đã hiểu, trong khi thực tế chỉ là thứ chúng ta nhận về đã được đơn giản hóa quá mức.

Bởi vậy, phân biệt AI như một công cụ hay như một đối thủ là quá đơn giản hóa vấn đề.

Trên thực tế, AI ngày càng trở thành một đối tác trong suy nghĩ. Sinh viên có thể yêu cầu một cách giải thích khác và nhờ đó hiểu ra điều mà sách giáo khoa chưa làm rõ. Giảng viên có thể tạo ra các ví dụ ở các trình độ khác nhau rồi điều chỉnh chúng cho phù hợp với nhu cầu học tập của sinh viên. Bác sĩ có thể sử dụng trí tuệ nhân tạo để phân loại các khả năng, dù vẫn dựa vào phán đoán chuyên môn của mình. Doanh nghiệp nhỏ có thể dùng AI để soạn thảo tài liệu, so sánh các phương án, hay tiết kiệm thời gian ở những công việc viết lách lặp đi lặp lại.

Trong tất cả những trường hợp nêu trên, giá trị không chỉ nằm ở kết quả, mà ở chất lượng của sự trao đổi.

“Tương lai của AI không chỉ phụ thuộc vào các mô hình mạnh hơn, mà còn vào những hình thức hợp tác tốt hơn.”

— John Rust

Trí tuệ con người phát triển nhờ tương tác

Tại điểm này, một sự thật sâu xa hơn về trí tuệ trở nên rõ ràng. Chúng ta thường nghĩ trí tuệ nằm hoàn toàn trong một cá nhân. Nhưng phần lớn trí tuệ con người luôn mang tính quan hệ. Một cuộc trò chuyện chất lượng có thể khiến chúng ta suy nghĩ sáng rõ hơn so với khi một mình. Một người thầy giỏi có thể khơi gợi một hiểu biết mà trước đó chỉ tồn tại mơ hồ. Hai đồng nghiệp suy nghĩ nghiêm túc cùng nhau có thể đi đến một ý tưởng mà không ai đạt được một mình. Trong những khoảnh khắc như vậy, trí tuệ không nằm trọn ở một nơi. Nó xuất hiện thông qua tương tác.

Giờ đây, điều tương tự có thể đang diễn ra qua sự tương tác giữa con người và AI. Chất lượng của kết quả trả về cho người dùng không chỉ phụ thuộc vào năng lực bên trong của hệ thống AI. Nó còn phụ thuộc vào cách đặt câu hỏi, cung cấp bối cảnh, chuỗi trao đổi tiếp theo và sự sắc sảo của người đưa ra các câu lệnh, cũng như cách hệ thống thể hiện sự chắc chắn hay không chắc chắn. Những khác biệt nhỏ trong các yếu tố này có thể dẫn đến các kết quả rất khác nhau. Một cuộc trao đổi trở nên rõ ràng, mạch lạc và hữu ích. Một cuộc khác thành ra hời hợt, tự tin thái quá hoặc gây hiểu nhầm. Sự khác biệt thường không chỉ nằm ở việc máy “biết” gì, mà ở quá trình diễn ra tương tác.

Sử dụng AI có phương pháp

Nếu điều đó đúng thì tương lai của AI không chỉ phụ thuộc vào các mô hình mạnh hơn, mà còn vào những hình thức hợp tác tốt hơn. Chúng ta cần học cách suy nghĩ cùng với những hệ thống này mà không phó thác hoàn toàn cho chúng quyền đánh giá, ra quyết định.

Để làm được như vậy, tất cả chúng ta đều cần thay đổi. Với cá nhân, nó đòi hỏi một dạng học vấn mới. Con người cần biết cách đặt câu hỏi tốt hơn, kiểm tra câu trả lời, nhận ra sự không chắc chắn, và phát hiện khi máy tạo ra những điều nghe có vẻ hợp lý nhưng thực chất vô nghĩa. Việc sử dụng AI hiệu quả không dựa trên lòng tin ngây thơ hay sự hoài nghi tuyệt đối, mà cần tuân thủ các nguyên tắc hoặc phương pháp rõ ràng.

Với trường phổ thông và đại học, điều đó có nghĩa là không chỉ dạy sinh viên cách sử dụng mà cả cách phản biện AI. Sinh viên cần học cách so sánh câu trả lời của AI với các nguồn khác, đặt câu hỏi về những nội dung còn thiếu, nhận ra khi một bản tóm tắt quá trơn tru, và hiểu rằng một câu trả lời trôi chảy không đồng nghĩa với hiểu biết sâu sắc. Mục tiêu không phải để loại bỏ các công cụ hỗ trợ suy nghĩ, mà nhằm xây dựng những thói quen tư duy mạnh mẽ hơn khi sử dụng chúng.

Với các ngành nghề, cần xây dựng các chuẩn mực về kiểm chứng và trách nhiệm. Trong lĩnh vực y học, luật pháp, khoa học và báo chí, AI có thể hữu ích, nhưng không được phép trở thành một nguồn thẩm quyền không được kiểm soát. Ở những nơi có rủi ro cao, trách nhiệm vẫn thuộc về con người. Nguyên tắc này cần được làm rõ.

Với các nhà thiết kế và công ty AI, họ cần nhận ra rằng vấn đề không chỉ nằm ở chỗ làm cho hệ thống mạnh hơn, mà còn là làm cho chúng đáng tin cậy hơn. AI cần thể hiện sự không chắc chắn một cách trung thực. Nó cần giúp người dùng thấy được cơ sở của câu trả lời, những điểm còn mơ hồ và cần thận trọng. Một hệ thống có vẻ kém ấn tượng hơn nhưng minh bạch hơn có thể tốt hơn cho xã hội so với một hệ thống gây choáng ngợp nhưng âm thầm khuyến khích sự tin tưởng quá mức.

Với chính phủ và các định chế công, cần xem niềm tin như một vấn đề xã hội. Khi mỗi ngày có hàng triệu người tìm đến AI để hỗ trợ suy nghĩ, giải thích vấn đề và ra quyết định thì không thể để chất lượng của mối quan hệ này phát triển một cách ngẫu nhiên. Chính sách công cần chú trọng không chỉ đến đổi mới và cạnh tranh, mà còn cả tác động của AI đối với giáo dục, tư duy cộng đồng và sự phân bổ niềm tin trong xã hội.

Một văn hóa AI được thiết kế kém có thể khiến con người trở nên thụ động, dễ bị thao túng và phụ thuộc. Ngược lại, nếu được thiết kế tốt, nó có thể mở rộng khả năng tiếp cận tri thức và giúp nhiều người tương tác hiệu quả hơn với AI.

Chúng ta thực sự đang đứng trước các lựa chọn. Chúng ta có thể xem AI như một đối thủ và sống trong nỗi lo sẽ bị nó thay thế. Hoặc chúng ta có thể xem nó như một ngôi đền thiêng và dần trở nên phụ thuộc. Nhưng cả hai cách nhìn này đều khuyết thiếu.

Con đường tốt hơn là coi AI như một thành phần mạnh nhưng không hoàn hảo trong đời sống nhận thức của con người: thứ mà trong những điều kiện phù hợp có thể hỗ trợ hiểu biết nhưng không thay thế trách nhiệm.

Nếu đi theo con đường đó thì niềm tin không còn mù quáng hay vô cớ. Vì vậy, tương lai của AI có thể phụ thuộc ít hơn vào việc các cỗ máy trở nên ấn tượng đến mức nào khi đứng riêng lẻ, và nhiều hơn vào việc con người có gây dựng được những mối quan hệ thông minh với chúng hay không.

Đó là lý do tôi tin rằng câu hỏi quan trọng nhất về AI không còn đơn giản là “Máy móc thông minh đến mức nào?” mà là: “Những kiểu dạng suy nghĩ nào trở nên khả thi khi con người và AI làm việc cùng nhau - và niềm tin nào sẽ khiến mối hợp tác đó trở nên khôn ngoan chứ không nguy hiểm?” Nếu chúng ta có thể trả lời tốt câu hỏi này, AI không chỉ trở nên mạnh hơn, mà còn thực sự hữu ích hơn đối với đời sống con người.

Bài viết do GS John Rust gửi sau khi ông đọc và thảo luận với Tia Sáng về bài viết ‘Loài AI’ hiểu gì về loài người? của Trần Hữu Nhân. Ông tự dịch bài viết của mình sang tiếng Việt bằng AI. Tia Sáng đã kiểm tra và hiệu đính dựa trên bản gốc tiếng Anh.

Link đăng ký tư vấn lộ trình cá nhân hoá học AI Ứng Dụng cho lãnh đạo, quản lý cấp trung: coach.ai.vn

Link đăng ký nhận học bổng Luyện AI (33 ngày): đăng ký

Tháng 12 năm ngoái, thay vì gửi một bảng câu hỏi nhàm chán, công ty Anthropic (nhà sáng tạo ra AI Claude) đã làm một việc đặc biệt: Họ cho AI phỏng vấn trực tiếp 81.000 người dùng trên toàn cầu, bằng 70 ngôn ngữ khác nhau. Câu hỏi chủ lõi rất ngắn gọn: Người dùng thực sự mong muốn và sợ AI điều gì?

Kết quả của cuộc “trưng cầu dân ý” lớn chưa từng có này đã vẽ ra một bức tranh không ngờ về tâm lý con người. Hóa ra, đằng sau những câu lệnh (prompt) có vẻ khô khan, chúng ta đang giấu những khao khát và nỗi sợ rất đời thường.

Chúng ta không thực sự khao khát “năng suất”

Khi mới được hỏi, câu trả lời quen thuộc nhất là: muốn làm việc nhanh hơn, viết báo cáo lẹ hơn. Ai cũng tỏ ra mình là một nhân viên chăm chỉ.

Nhưng khi AI hỏi vặn lại: “Bạn làm nhanh mọi thứ để làm gì?” thì sự thật mới lộ ra.

Đích đến cuối cùng không phải là làm được nhiều việc hơn cho sếp. Đích đến là thời gian để sống.

Nhìn biểu đồ trên, nếu cộng gộp lại, khoảng 35% mọi người muốn dùng AI để thoát khỏi guồng quay bận rộn. Họ muốn giao lại những việc vặt, nhớ lịch trình, hay kiếm tiền tự động cho máy móc, để bản thân có thời gian đón con, nấu ăn, hoặc đơn giản là được ngồi yên không làm gì cả.

Nơi con người vắng mặt, AI bước vào

Chi tiết gây ám ảnh nhất trong khảo sát này là 6% người dùng tìm đến AI để được hỗ trợ cảm xúc. Nghe có vẻ ít, nhưng câu chuyện của họ lại nặng nề nhất.

Đó là một người bệnh phải chịu cơn đau hằng đêm mà bác sĩ cũng bó tay.

Đó là những người dân Ukraine đang bơ vơ giữa vùng chiến sự.

Là một người phụ nữ vừa mất mẹ, không ai đủ kiên nhẫn để nghe bà khóc mỗi đêm.

Tại sao họ lại ôm một cỗ máy thay vì ôm một con người? Câu trả lời rất cay đắng: Khi mạng lưới quan hệ xã hội của chúng ta ngày càng đứt gãy và mọi người đều quá bận rộn với nỗi đau riêng, AI lại có đúng 3 thứ con người đang thiếu: Không bao giờ bận, không bao giờ mất kiên nhẫn, và không bao giờ phán xét.

Con người thà tâm sự với một đoạn mã vô cảm, còn hơn nếm trải cảm giác bị đám đông bỏ rơi.

Nỗi sợ “mất miếng cơm” lớn hơn mọi nỗi sợ viễn tưởng

Người ta vẫn hay làm phim về cảnh AI nổi dậy tiêu diệt trái đất. Nhưng 81.000 người này cực kỳ thực tế. Tỷ lệ sợ “AI hủy diệt nhân loại” nằm chót bảng (5%).

Thứ họ sợ nhất, đơn giản và trực tiếp nhất: mất chén cơm của mình.

Thống kê chỉ ra rằng (chiếm 22%), nỗi sợ AI cướp đi công việc chính là thứ quyết định thái độ của một người: Tại sao người ta lại thù ghét AI? Dễ hiểu thôi: Cả đời bạn mài giũa một kỹ năng, tự nhiên sau một đêm có cái máy làm tốt hơn bạn gấp trăm lần, gần như miễn phí.

Ai cũng rùng mình khi nghĩ đến câu nói của một người Mỹ tham gia khảo sát: “Trước đây, ô tô ra đời thay cho xe ngựa, còn bây giờ, con người sợ chính họ đang là những con ngựa.”

Bên cạnh đó, nỗi sợ mất đi chất riêng cũng rất lớn (22%). Khi mọi ý tưởng đều do máy tổng hợp lại, con người sợ kỹ năng cứng cáp của mình cuối cùng chỉ còn lại một màu xam xám, hao hao giống nhau, mờ nhạt đến vô nghĩa.

Nghịch lý: Vừa yêu, vừa sợ

Sự thật là, ai trong chúng ta cũng đang bị giằng xé. Một nửa muốn dùng AI, một nửa lại sợ nó.

Cứ nhìn vào bản thân bạn mà xem:

• Dùng AI để học: Bạn học rất nhanh (33%), nhưng dần dần bạn sợ vì thấy não mình lười suy nghĩ hẳn đi (17%).

• Hỏi AI để ra quyết định: AI gợi ý rất hay (22%), nhưng hễ tin nó lỡ nó trả lời sai một cái là hậu quả khó lường (37%). Đây là mục duy nhất mà tác hại lấn át luôn lợi ích, đặc biệt đúng với dân luật sư hay tài chính.

• Tiết kiệm thời gian: Dùng AI giúp bạn làm xong việc nhanh gấp đôi (50%). Kết quả? Công ty giao thêm gấp đôi việc cho bạn, và bạn chỉ thấy bận thêm chứ không thấy rảnh ra phút nào (19%).

Sử dụng AI như một cuộc giao dịch tốn kém. Nó cho chúng ta đúng thứ ta cần, nhưng chúng ta luôn phải đánh đổi bằng một phần sự sắc bén của trí não.

Trớ trêu nhất là các bạn Freelancer (Lao động tự do): Họ là nhóm được hưởng lợi nhiều nhất nhờ dùng AI làm thay nguyên một đội ngũ mười người. Nhưng cũng chính họ là nhóm lúc nào cũng nơm nớp lo làm sao chống lại các bạn Freelancer xài AI khác. Vừa là cần câu cơm, vừa là đối thủ.

5. Nước nghèo coi AI là “thang máy”, nước giàu coi AI là “camera an ninh”

Khi nhìn vào bản đồ của khảo sát, một thực tế thú vị hiện ra: Ai càng có nhiều thứ để mất, người đó càng sợ AI.

Ở các nước phương Tây phát triển (Mỹ, Châu Âu), mọi người rất đa nghi. Họ sợ bị kiểm soát quyền riêng tư, sợ công nghệ độc quyền, lo một cấu trúc “phong kiến dữ liệu” nơi vài siêu tập đoàn nắm hết mọi quyền lực tri thức.

Nhưng nếu mang ánh mắt u ám đó sang các nước đang phát triển (Châu Phi, Mỹ Latinh, một phần Châu Á), bạn sẽ thấy sự lạc quan đến ngỡ ngàng (~80%).

Ở những nơi giáo dục và các cơ hội làm giàu còn xa xỉ, AI không bị xem là kẻ trộm. Trái lại, AI được xem như một “chiếc thang máy” giúp họ nhảy cóc. Một doanh nhân nghèo có thể mở hệ thống kinh doanh mà chẳng cần qua trường lớp đắt đỏ nào. Quyền lực tri thức, nhờ AI, bỗng nhiên trở nên miễn phí và chia đều cho tất cả.

Với họ, thà bị máy móc thay thế còn hơn là không bao giờ có cơ hội nào.

Để không bị nuốt chửng

Cuộc trò chuyện giữa 81.000 người và AI đã khép lại, nhưng nó mở ra một chân lý cho chúng ta.

AI bản chất chỉ là tấm gương phản chiếu lại khao khát thoát khỏi sự mệt mỏi, và cả nỗi sợ trở nên thừa thãi của chính giống loài chúng ta.

Khi tất cả các bài viết, các bức ảnh trên Internet dần trở nên hoàn hảo (do AI viết ra xong tự AI lại lấy cái đó đi học tiếp), mọi thứ sẽ trở nên nhẵn thín, đẹp đẽ nhưng rỗng tuếch. Giá trị thật sự của con người lúc đó không nằm ở chỗ ai viết ra đoạn văn mượt mà hơn.

Giá trị nằm ở chỗ bạn dám không hoàn hảo. Nó nằm ở sự nhọn hoắt của tính cách cá nhân, ở vết trầy xước của kinh nghiệm sống thật, những thứ mà “con rắn đang tự ăn đuôi” mang tên AI sẽ vĩnh viễn không bao giờ có được bởi nó không đủ nhiều để biến thành một thuật toán trung bình.

Để không bị hòa tan, thay vì cố gồng mình tranh sức với tốc độ của máy tính, có lẽ đôi lúc chúng ta phải học cách tự vấp ngã theo cách của riêng mình.

Xem đầy đủ bài viết tại: What 81,000 People Want from AI

Link đăng ký tư vấn lộ trình cá nhân hoá học AI Ứng Dụng cho lãnh đạo, quản lý cấp trung: https://coach.ai.vn

Link đăng ký nhận học bổng Luyện AI (33 ngày): https://forms.gle/ybyiTTGjXgZP8jb79

Khi công nghệ phản chiếu bất bình đẳng

Chúng ta đang sống trong khoảnh khắc lịch sử khi AI không còn là công nghệ xa vời mà đã len lỏi vào từng khía cạnh của đời sống và công việc. Tuy nhiên, đằng sau những lời hứa hẹn về năng suất vượt trội, một thực tế đáng báo động đang diễn ra: AI đang vô tình khuếch đại những bất bình đẳng giới tồn tại từ hàng thế kỷ, biến cuộc cách mạng công nghệ thành một thách thức bất đối xứng đối với phụ nữ.

Nghịch lý của tự động hóa

Một nghịch lý đau đớn đang hiện hữu, chính những ngành nghề mà phụ nữ chiếm ưu thế lại là những ngành dễ bị AI thay thế nhất. Theo báo cáo của Tổ chức Lao động Quốc tế (ILO, 2025), có tới 9,6% công việc của phụ nữ đối mặt với nguy cơ bị chuyển đổi hoàn toàn bởi AI, trong khi con số này ở nam giới chỉ là 3,5%.

Nguyên nhân nằm ở phân bố lao động theo giới: phụ nữ tập trung đông ở các vị trí văn thư, trợ lý hành chính, kế toán cơ bản và dịch vụ khách hàng – những công việc có tính chất lặp lại và dễ bị lập trình hóa.
Ngược lại, nam giới chiếm tỷ lệ cao hơn trong các ngành nghề thủ công, xây dựng và vận hành máy móc phức tạp – những lĩnh vực mà AI hiện tại khó có thể thay thế hoàn toàn.

Điều này không phải sự trùng hợp ngẫu nhiên mà là hậu quả của một cấu trúc lao động bất bình đẳng lâu đời. Và giờ đây, AI đang biến những rào cản vô hình thành những bức tường thực sự, đe dọa đẩy lùi những tiến bộ về vị thế kinh tế mà phụ nữ đã đạt được trong nhiều thập kỷ qua.

Bậc thang đứt gãy trong kỷ nguyên số

Bất bình đẳng không chỉ biểu hiện qua nguy cơ mất việc, mà còn thấm đẫm trong toàn bộ lộ trình thăng tiến nghề nghiệp. Nghiên cứu của McKinsey (2024) chỉ ra một rào cản then chốt ngay từ bước đầu tiên: với mỗi 100 nam giới được thăng chức từ nhân viên lên quản lý, chỉ có 81 phụ nữ đạt được điều tương tự.

Hiện tượng này còn trầm trọng hơn ở các cấp lãnh đạo cao. Năm 2024, phụ nữ chỉ chiếm 12,2% các vị trí điều hành cấp cao trong lĩnh vực STEM và chuyển đổi số – chính là những ngành định hình tương lai của AI. Sự vắng bóng này tạo ra một vòng luẩn quẩn nguy hiểm: khi phụ nữ ít có tiếng nói trong việc thiết kế và quản trị AI, các hệ thống này sẽ dễ dàng mang theo những thiên kiến giới tính không chủ ý, từ đó đưa ra các quyết định sai lệch trong tuyển dụng, cấp tín dụng và chẩn đoán y tế.

Lợi thế hóa rào cản

Một nghiên cứu của NINEby9 tiết lộ một khía cạnh tâm lý đáng chú ý: 59% phụ nữ chọn cách chờ đợi các chính sách chính thức từ tổ chức trước khi bắt đầu sử dụng công nghệ AI. Con số này phản ánh một đặc điểm văn hóa sâu sắc là phụ nữ thường được xã hội kỳ vọng phải cẩn trọng, chính xác và tránh sai sót.

Trong môi trường công nghệ truyền thống, những phẩm chất này là lợi thế. Nhưng trong kỷ nguyên AI, luật chơi đã thay đổi: phần thưởng thường thuộc về những người dám thử nghiệm, chấp nhận thất bại và học hỏi nhanh chóng. Tâm lý chờ đợi sự hoàn hảo vô tình khiến nhiều phụ nữ bỏ lỡ cơ hội làm chủ công cụ mới, dần tụt hậu trong cuộc đua năng lực số.

Đây không phải lỗi của cá nhân phụ nữ, mà là hệ quả của những kỳ vọng giới tính được xây dựng qua nhiều thế hệ – kỳ vọng mà giờ đây đang trở thành gánh nặng trong thời đại mới.

Đâu là nơi phụ nữ còn thế mạnh?

Để không bị AI thay thế, phụ nữ cần tập trung phát triển những năng lực mà công nghệ khó có thể nhân bản được. Nhà khoa học máy tính Kai-Fu Lee gọi đây là vùng an toàn của con người – những khả năng gắn liền với trải nghiệm sống, cảm xúc và bản chất xã hội của chúng ta.

1. Thấu cảm có chiến lược

Trong y tế, tư vấn tâm lý hay dịch vụ khách hàng cấp cao, AI có thể cung cấp dữ liệu và phân tích, nhưng chỉ con người mới có thể mang lại sự ấm áp thực sự, hiểu được những nhu cầu ngầm định và tạo dựng lòng tin. Phụ nữ, với khả năng đồng cảm được xã hội nuôi dưỡng, có lợi thế tự nhiên trong lĩnh vực này – miễn là họ học cách định giá đúng năng lực của mình.

2. Tư duy phản biện và sáng tạo nhân văn

AI có thể sinh ra văn bản và hình ảnh, nhưng nó không có ký ức, không có nỗi đau, không có niềm vui thực sự. Phụ nữ cần học cách trở thành người định hướng thẩm mỹ và ý nghĩa, biến những sản phẩm của AI thành những câu chuyện có hồn, có chiều sâu nhân văn. Đây là kỹ năng biên tập, quản trị nội dung và xây dựng thương hiệu, những lĩnh vực mà sự tinh tế trong cảm nhận có giá trị vô cùng lớn.

3. Lãnh đạo liên chức năng

Trong tổ chức ngày càng phức tạp, khả năng kết nối các nhóm đa dạng, điều phối giữa con người và máy móc, và nâng tầm ảnh hưởng thông qua giao tiếp thuyết phục sẽ là chìa khóa của lãnh đạo thời đại mới. Đây không phải năng lực kỹ thuật thuần túy mà AI có thể thay thế, mà là nghệ thuật quản trị con người, một lĩnh vực mà phụ nữ có thể tỏa sáng nếu được trao cơ hội.

4. Trách nhiệm tập thể

Việc thu hẹp khoảng cách giới trong thời đại AI không thể chỉ đặt lên vai từng người phụ nữ. Đây là trách nhiệm của toàn xã hội, đặc biệt là các tổ chức và doanh nghiệp.

Các tổ chức cần coi bình đẳng giới là một chỉ số hiệu suất chiến lược (KPI), không chỉ là khẩu hiệu. Điều này có nghĩa là chủ động đào tạo lại kỹ năng cho nhóm lao động nữ dễ bị ảnh hưởng bởi tự động hóa, thay vì đơn giản sa thải và tuyển người mới. Đầu tư vào con người hiện có không chỉ nhân văn mà còn hiệu quả về kinh tế, vì họ đã hiểu văn hóa tổ chức và có những kiến thức ngầm định quý giá.

Hơn nữa, các nhà hoạch định chính sách cần đảm bảo rằng phụ nữ có tiếng nói trong việc thiết kế, phát triển và quản trị AI. Không có sự đa dạng trong phòng họp, chúng ta sẽ chỉ tạo ra những công nghệ phản ánh và khuếch đại định kiến của nhóm thiểu số nam giới trong ngành.

Lời kết: Từ thách thức đến cơ hội

AI có thể là một công cụ giải phóng hoặc một rào cản mới. Điều này phụ thuộc vào cách chúng ta định hình nó. Phụ nữ, với sự tỉ mỉ, kiên trì và khả năng thấu cảm tự nhiên, hoàn toàn có tiềm năng trở thành những người kiến tạo tương lai. Nhưng điều này chỉ xảy ra khi họ dám bước ra khỏi vùng an toàn của sự cầu toàn, mạnh dạn thử nghiệm và học hỏi từ thất bại.

Đồng thời, xã hội cần tháo gỡ những rào cản cấu trúc – từ định kiến trong tuyển dụng đến sự thiếu vắng chính sách hỗ trợ đào tạo lại kỹ năng. Chỉ khi cả cá nhân và hệ thống cùng thay đổi, cuộc cách mạng AI mới thực sự trở thành cơ hội cho tất cả mọi người, bất kể giới tính.

Tài liệu tham khảo

1. Chu Cẩm Thơ (2026). Những ngành học mà nữ sinh nên chọn trong kỷ nguyên AI. VietNamNet.

2. International Labour Organization (2025). Gen AI, occupational segregation and gender equality in the world of work. ILO.

3. Viện Nghiên cứu Chính sách và Phát triển Truyền thông (2025). Chính sách về trí tuệ nhân tạo ở Việt Nam: Cân bằng giữa thúc đẩy phát triển và quản trị rủi ro. IPS.

4. McKinsey & Company (2024). Women in the Workplace Report 2024.

5. Trần Thị Nguyệt Oanh (2026). AI: Công cụ giải phóng hay rào cản mới cho phụ nữ nơi công sở?. Tạp chí Thị trường Tài chính Tiền tệ.

6. World Economic Forum (2024). Global Gender Gap Report 2024.

Phát hiện quan trọng nhất:

- AI có thể làm 94% công việc trong ngành IT, nhưng thực tế mới chỉ bao phủ 33%

- Khoảng cách giữa “có thể” và “đang làm” còn rất lớn

- Nghĩa là: cuộc chơi mới chỉ bắt đầu

Top nghề bị ảnh hưởng nhiều nhất:

- Lập trình viên: 75% công việc AI đã bao phủ

- Nhân viên chăm sóc khách hàng: 70%

- Nhân viên nhập liệu: 67%

- Chuyên viên hồ sơ y tế: 67%

- Phân tích nghiên cứu thị trường: 65%

- Phân tích tài chính: 57%

Nghề AI gần như chưa chạm tới:

- Đầu bếp, thợ sửa xe, nhân viên cứu hộ, bartender

- Nói chung là nghề cần lao động vật lý

Điểm bất ngờ:

Nhóm bị AI ảnh hưởng nhiều nhất không phải lao động phổ thông. Mà là lao động tri thức - thu nhập cao hơn 47%, trình độ sau đại học gấp 4 lần nhóm không bị ảnh hưởng.

Và tín hiệu đáng lo nhất:

Chưa thấy AI gây thất nghiệp hàng loạt. Nhưng tuyển dụng lao động trẻ 22-25 tuổi vào các nghề AI đang thay thế đã giảm 14% so với 2022.

Doanh nghiệp không sa thải. Nhưng cũng không tuyển mới.

Nghĩ thử xem: bạn là sinh viên IT mới ra trường. Trước đây công ty tuyển 5 fresher, giờ chỉ tuyển 3 vì AI cover được phần còn lại.

=> Ai đang sợ AI thay thế: đừng sợ mất việc. Hãy sợ không được tuyển.

=> Ai đang điều hành doanh nghiệp: đây là lúc xem lại cơ cấu team, không phải sa thải, mà là nâng cấp năng lực AI cho đội ngũ hiện tại.

(Bản gốc 17 trang, mình đã dịch sang tiếng Việt theo cách đọc dễ hiểu nhất, để link ở ĐÂY)

*BÀI GỐC TỪ TÁC GIẢ BÙI TẤN VIỆT SEPAY (LINK)

Từ Trợ lý tới Cộng sự

Năm 2025 chứng kiến một bước ngoặt lớn: AI không còn chỉ là công cụ gợi ý code nữa mà có thể đảm nhận toàn bộ một workflow triển khai - viết test, debug lỗi, tạo tài liệu, và điều hướng trong các codebase phức tạp.
Năm 2026, Anthropic dự đoán bước chuyển hóa này sẽ đi xa hơn rất nhiều.

Theo báo cáo, trong khi các developer sử dụng AI trong khoảng 60% công việc của họ, họ chỉ có thể giao phó hoàn toàn từ 0–20% nhiệm vụ. Điều này không được coi là giới hạn mà là bản chất của sự cộng tác: AI xử lý phần thực thi, con người giữ lại phán đoán chiến lược.

3 Nhóm xu hướng chính

Báo cáo phân loại 8 xu hướng thành ba nhóm: Nền tảng (thay đổi cách phát triển xảy ra), Năng lực (những gì agent có thể làm), và Tác động (ảnh hưởng đến kinh doanh và tổ chức).

Nhóm 1 - Nền tảng: Sự chuyển dịch kiến tạo

Xu hướng 1: Vòng đời phát triển phần mềm thay đổi căn bản

Mỗi thế hệ công nghệ đều thu hẹp khoảng cách giữa tư duy con người và máy móc: từ mã máy, lắp rắp, cho đến ngôn ngữ cấp cao. Bước tiếp theo là hội thoại tự nhiên với AI.

Năm 2026, vòng đời phát triển phần mềm truyền thống (SDLC) vẫn giữ nguyên các giai đoạn, nhưng agent sẽ rút ngắn chu kỳ từ tuần xuống còn giờ nhờ tự động hóa việc triển khai, kiểm thử, và tài liệu hóa.

Những thay đổi cụ thể được dự đoán:

• Kỹ sư chuyển từ “người viết code” thành “người điều phối agent”, tập trung vào kiến trúc hệ thống và quyết định chiến lược.

• Onboarding vào codebase mới rút ngắn từ nhiều tuần xuống còn vài giờ.

• Các tổ chức có thể điều phối nhân lực theo đợt sóng (surge staffing), là đưa chuyên gia vào dự án theo nhu cầu, không bị ràng buộc bởi đường cong học tập dài.

Một khách hàng của Augment Code (powered by Claude) hoàn thành dự án mà CTO ước tính cần 4–8 tháng chỉ trong vòng hai tuần.

Nhóm 2 - Năng lực: Agent có thể làm gì

Xu hướng 2: Từ Agent đơn lẻ đến đội nhóm phối hợp

Thay vì một agent xử lý tuần tự từng bước, các tổ chức năm 2026 sẽ triển khai hệ thống đa agent: một người điều phối (orchestrator) điều phối các agent chuyên biệt làm việc song song, mỗi agent có context riêng, sau đó tổng hợp kết quả.

Điều này đòi hỏi kỹ năng mới: phân rã nhiệm vụ, chuyên môn hóa agent, và giao thức phối hợp.

Fountain (nền tảng quản lý lực lượng lao động tuyến đầu) đạt tốc độ sàng lọc ứng viên nhanh hơn 50%, onboarding nhanh hơn 40%, và tỷ lệ chuyển đổi ứng viên tăng gấp đôi. Một khách hàng logistics rút ngắn thời gian tuyển dụng đủ nhân sự cho trung tâm phân phối mới từ hơn một tuần xuống dưới 72 giờ.

Xu hướng 3: Agent chạy dài hạn, xây hệ thống hoàn chỉnh

Trước đây, agent chỉ xử lý tác vụ vài phút. Cuối 2025, chúng đã có thể làm việc nhiều giờ. Năm 2026, agent sẽ chạy liên tục trong nhiều ngày, xây dựng toàn bộ ứng dụng với sự giám sát định kỳ từ con người.

Điều này mở ra cơ hội xử lý technical debt tích lũy nhiều năm, khởi nghiệp đi từ ý tưởng đến sản phẩm deployed trong vài ngày thay vì vài tháng.

Tại Rakuten, Claude Code được giao triển khai một phương pháp trích xuất vector kích hoạt phức tạp trong thư viện vLLM — một codebase 12,5 triệu dòng code. Kết quả: hoàn thành trong 7 giờ với độ chính xác số học đạt 99,9%.

Xu hướng 4: Giám sát con người được nhân rộng nhờ cộng tác thông minh

Thách thức lớn nhất của AI là biết khi nào cần hỏi người, thay vì cứ thực hiện tất cả mọi thứ. Năm 2026, các agent tinh vi sẽ nhận ra tình huống cần phán đoán của con người, đánh dấu các điểm không chắc chắn và leo thang quyết định có tác động kinh doanh.

Kết quả: đội nhóm duy trì chất lượng và tốc độ đồng thời, thay vì phải đánh đổi giữa hai yếu tố này. Con người chuyển từ “xem xét tất cả mọi thứ” sang “xem xét những gì thực sự quan trọng”.

CRED, nền tảng fintech phục vụ hơn 15 triệu người dùng tại Ấn Độ, tăng gấp đôi tốc độ thực thi nhờ chuyển dịch developer về phía công việc có giá trị cao hơn.

Xu hướng 5: Lập trình Agentic mở rộng sang bề mặt và người dùng mới

Agentic coding không còn chỉ dành cho kỹ sư phần mềm chuyên nghiệp. Năm 2026, nó mở rộng sang:

• Các ngôn ngữ cũ và ít phổ biến như COBOL, Fortran - giúp bảo trì hệ thống legacy.

• Người dùng phi kỹ thuật: đội bảo mật, nghiên cứu viên, nhà thiết kế, nhà phân tích dữ liệu.

Rào cản giữa “người biết code” và “người không biết code” đang dần biến mất.

Legora, nền tảng pháp lý AI, dùng Claude Code để cung cấp khả năng agentic cho các luật sư — những người cần tạo automations phức tạp mà không cần kiến thức kỹ thuật.

Nhóm 3 - Tác dộng: Những gì Agent có thể thay đổi

Xu hướng 6: Lợi ích năng suất định hình lại kinh tế phát triển phần mềm

Ba yếu tố nhân lên nhau: năng lực agent, cải tiến orchestration, và kinh nghiệm sử dụng của con người. Kết hợp lại tạo ra bước nhảy vọt theo cấp số nhân, không phải tuyến tính.

Điểm thú vị: AI không chỉ giúp làm nhanh hơn, mà còn giúp làm nhiều hơn. Khoảng 27% công việc có hỗ trợ AI là các tác vụ vốn sẽ không được thực hiện — những dự án bị trì hoãn mãi, công cụ “nice-to-have”, công việc khám phá không khả thi về mặt chi phí nếu làm thủ công.

Minh chứng: TELUS tạo ra hơn 13.000 giải pháp AI tùy chỉnh, vận chuyển code nhanh hơn 30%, tiết kiệm hơn 500.000 giờ làm việc với trung bình 40 phút tiết kiệm mỗi lần tương tác AI.

Xu hướng 7: Ứng dụng phi kỹ thuật lan rộng toàn tổ chức

Năm 2026, đội ngũ kinh doanh - sales, marketing, pháp lý, vận hành - sẽ tự xây dựng công cụ và tự động hóa quy trình của họ mà không cần chờ đội kỹ thuật.

Điều này loại bỏ bottleneck kinh điển: tạo ticket → chờ đợi → lên lịch → phát triển → triển khai. Người hiểu vấn đề nhất sẽ là người giải quyết nó.

Tại Anthropic, đội pháp lý đã rút ngắn thời gian xem xét marketing từ 2–3 ngày xuống còn 24 giờ. Một luật sư không có kinh nghiệm lập trình đã tự xây công cụ tự phục vụ bằng Claude Code.

Tại Zapier: 89% toàn bộ tổ chức sử dụng AI, với hơn 800 agent được triển khai nội bộ. Đội thiết kế dùng Claude artifacts để prototype trực tiếp trong buổi phỏng vấn khách hàng — thứ trước đây cần vài tuần để phát triển.

Xu hướng 8: Rủi ro kép — Bảo Mật phải là kiến trúc, không phải bổ sung

Agentic coding là con dao hai lưỡi về bảo mật:

Mặt tốt: Bất kỳ kỹ sư nào cũng có thể thực hiện security review, hardening, và monitoring ở mức độ trước đây chỉ chuyên gia mới làm được.

Mặt nguy hiểm: Những khả năng giúp người phòng thủ cũng giúp kẻ tấn công - tăng tốc trinh sát và phát triển exploit.

Kết luận: các tổ chức chuẩn bị tốt sẽ có lợi thế. Bảo mật phải được tích hợp ngay từ giai đoạn thiết kế đầu tiên, không phải thêm vào sau.

Những ưu tiên cho năm 2026

Báo cáo đề xuất bốn lĩnh vực cần hành động ngay:

1. Nắm vững điều phối đa agent để xử lý độ phức tạp mà hệ thống đơn agent không thể đáp ứng.

2. Nhân rộng giám sát con người thông qua AI review tự động: tập trung sự chú ý của con người vào nơi thực sự cần.

3. Mở rộng agentic coding ra ngoài kỹ thuật bằng việc trao quyền cho chuyên gia nghiệp vụ trên toàn tổ chức.

4. Nhúng kiến trúc bảo mật từ sớm nhất: không thể bổ sung bảo mật như một tầng riêng sau này.

Lời kết: Con người vẫn là trung tâm

Thông điệp cốt lõi của báo cáo không phải là AI thay thế developer.
Mà là: AI thay đổi nơi giá trị của con người được tạo ra.

Kỹ sư giỏi nhất trong kỷ nguyên này không phải người viết code nhanh nhất mà là người biết định nghĩa đúng vấn đề cần giải quyết, kiến trúc hệ thống đúng, và điều phối agent hiệu quả. Đó là những kỹ năng mà AI khuếch đại, không phải thay thế.

Nguồn: 2026 Agentic Coding Trends Report — Anthropic (tháng 1/2026)

1. OpenAI mở rộng quảng cáo ChatGPT với AI-generated ads

OpenAI chính thức triển khai tính năng quảng cáo do AI tự tạo ngay trong giao diện ChatGPT nhằm tối ưu hóa doanh thu. Hệ thống cho phép các thương hiệu tải lên bản tóm tắt yêu cầu (brief), sau đó AI sẽ tự động sản xuất nội dung văn bản, hình ảnh và video cá nhân hóa dựa trên hành vi của từng người dùng cụ thể. Với lượng người dùng hàng tuần đạt mốc 850 triệu, các tập đoàn lớn như Google và Microsoft đã nhanh chóng chi hàng triệu USD để sở hữu quyền truy cập sớm. Mục tiêu của OpenAI là đạt doanh thu quảng cáo 2 tỷ USD vào năm 2026 nhằm giảm bớt sự phụ thuộc vào nguồn thu từ phí đăng ký thuê bao hàng tháng.

Sự thay đổi này đánh dấu cột mốc quan trọng trong việc thương mại hóa các giao diện hội thoại AI. Trải nghiệm người dùng sẽ thay đổi từ việc tìm kiếm thông tin thuần túy sang tiếp nhận các gợi ý mua sắm được cá nhân hóa sâu theo ngữ cảnh trò chuyện. Đối với các đơn vị quảng cáo tại Việt Nam, khả năng sử dụng công cụ AI để tạo ra hàng nghìn mẫu quảng cáo khác nhau với chi phí thấp sẽ trở thành năng lực cạnh tranh cốt lõi trên thị trường quốc tế.

Nguồn: TechCrunch AI

2. Anthropic ra mắt Claude Enterprise Suite với cam kết bảo mật cao

Anthropic vừa giới thiệu bộ giải pháp Claude Enterprise Suite tập trung tối đa vào bảo mật và quản trị dữ liệu cho khối doanh nghiệp lớn. Sản phẩm cam kết không lưu giữ dữ liệu (zero-data-retention), hỗ trợ triển khai trên đám mây riêng (VPC) và đạt các tiêu chuẩn tuân thủ nghiêm ngặt như SOC2 Type II. Bộ công cụ bao gồm SDK dành cho Claude Agents, các cổng kết nối trực tiếp với PowerPoint, Excel cùng các mẫu thiết kế chuyên biệt cho ngành y tế và tài chính. Với định giá công ty lên tới 380 tỷ USD, Anthropic đang nỗ lực cạnh tranh trực tiếp với Microsoft Copilot trong các ngành công nghiệp có quy định pháp lý khắt khe.

Việc ra mắt gói doanh nghiệp với các cam kết bảo mật cao giúp xóa bỏ rào cản lớn nhất đối với việc ứng dụng AI trong các lĩnh vực nhạy cảm. Tại Việt Nam, các tổ chức như ngân hàng hoặc bệnh viện hiện đã có thể tiếp cận hạ tầng AI tuân thủ luật chủ quyền dữ liệu năm 2026. Xu hướng này tạo ra tiêu chuẩn mới về lưu trú dữ liệu và khả năng kiểm chứng hoạt động của AI trong môi trường làm việc chuyên nghiệp, thúc đẩy tiến trình chuyển đổi số an toàn.

Nguồn: Anthropic Newsroom

3. Google Gemini 3 Deep Think vượt mốc 45% trên benchmark ARC-AGI

Google DeepMind công bố mô hình Gemini 3 Deep Think với khả năng tư duy vượt trội, đạt 45% trên thang đo ARC-AGI, cao gấp đôi so với thế hệ GPT-4o. Mô hình tích hợp quy trình xác minh chuỗi (chain-of-verification) giúp giảm tỷ lệ phản hồi sai lệch (hallucination) đến 60%. Với cửa sổ ngữ cảnh hỗ trợ 2 triệu token và khả năng tích hợp giao thức MCP (Model Context Protocol) của Data Commons, Gemini 3 có thể thực hiện các lập luận dựa trên dữ liệu thực tế phức tạp. Đây được xem là bước tiến lớn nhất trong khả năng tư duy trừu tượng của trí tuệ nhân tạo kể từ khi mô hình PaLM 2 ra mắt.

Sự ra đời của Deep Think chuyển dịch trọng tâm từ việc dự đoán từ ngữ theo khuôn mẫu sang khả năng lập luận thực sự. Các nhà nghiên cứu và chuyên gia phân tích dữ liệu giờ đây sở hữu công cụ mạnh mẽ hơn để xử lý các báo cáo dài và phức tạp. Đối với cộng đồng công nghệ, việc định hình lại các tiêu chuẩn thông minh cho AI agent dựa trên khả năng giải quyết vấn đề thực tế thay vì chỉ trả lời câu hỏi sẽ trở nên phổ biến hơn trong thời gian tới.

Nguồn: Google DeepMind Blog

4. Goldman Sachs công bố lợi nhuận gấp 8 lần từ AI agent

Ngân hàng Goldman Sachs vừa tiết lộ kết quả triển khai các AI agent từ Anthropic với tỷ suất lợi nhuận (ROI) đạt gấp 8,2 lần chỉ sau 90 ngày. Hệ thống đã tự động hóa thành công 67% các quy trình vận hành hậu cần bao gồm định danh khách hàng (KYC), kiểm tra tuân thủ pháp lý và lập báo cáo tài chính. Nhiều tập đoàn trong danh sách Fortune 500 khác như JPMorgan, Uber và Cisco cũng xác nhận đạt được những con số tăng trưởng tương đương. Việc chuyển đổi từ các dự án thử nghiệm sang sản xuất thực tế quy mô lớn đang thiết lập một tiêu chuẩn kinh tế rõ ràng cho việc ứng dụng AI.

Con số ROI 8,2 lần cung cấp bằng chứng thuyết phục để các doanh nghiệp Việt Nam xây dựng bài toán kinh tế khi đầu tư vào công nghệ mới. Nhân sự trong ngành tài chính sẽ đối mặt với áp lực tự động hóa ngày càng tăng, đòi hỏi sự chuyển dịch sang kỹ năng điều phối AI agent (agent orchestration). Thị trường dự kiến sẽ chứng kiến làn sóng chi tiêu mạnh mẽ cho AI doanh nghiệp trong giai đoạn 2026-2028 nhờ vào những hiệu quả kinh tế đã được chứng minh cụ thể.

Nguồn: Lazarev Agency AI Weekly

5. DeepSeek V4 vượt qua Claude trong thử nghiệm lập trình

Mô hình DeepSeek V4 chính thức ra mắt và gây bất ngờ khi vượt qua Claude Opus 4.6 về khả năng lập trình với hiệu suất cao hơn 17% trên SWE-bench và 22% trên HumanEval. Mô hình hỗ trợ cửa sổ ngữ cảnh lên tới 4 triệu token nhưng có mức giá chỉ 0,15 USD cho mỗi 1 triệu token, rẻ hơn 70% so với GPT-4o. Đặc biệt, DeepSeek đã mở mã nguồn cho 50% trọng số mô hình, thu hút hơn 2 triệu lượt tải xuống chỉ trong vòng 48 giờ. Đây là lần đầu tiên một mô hình từ Trung Quốc vươn lên dẫn đầu các bảng xếp hạng lập trình toàn cầu.

Sự xuất hiện của DeepSeek V4 tạo ra cuộc cạnh tranh khốc liệt về hiệu suất và giá cả giữa các quốc gia công nghệ. Các lập trình viên tự do tại Việt Nam có cơ hội tiếp cận công cụ hỗ trợ viết mã ở đẳng cấp cao với chi phí vận hành thấp. Điều này giúp các công ty gia công phần mềm trong nước giảm đáng kể chi phí nhân sự và tăng khả năng cạnh tranh quốc tế. Tuy nhiên, việc sử dụng các mô hình mở cũng đặt ra những thách thức mới về quản lý chủ quyền dữ liệu.

Nguồn: Reuters, Hugging Face leaderboards

6. Liên minh Châu Âu ban hành án phạt đầu tiên theo Đạo luật AI

Liên minh Châu Âu (EU) vừa ban hành quyết định xử phạt đầu tiên theo Đạo luật AI (AI Act) với số tiền 28 triệu Euro dành cho một công ty nhận diện khuôn mặt. Lý do xử phạt là đơn vị này đã không thực hiện nộp báo cáo đánh giá rủi ro theo quy định. Theo luật mới, các hệ thống AI thuộc nhóm rủi ro cao như nhận dạng sinh trắc học và chấm điểm tín dụng bắt buộc phải trải qua quy trình kiểm toán từ quý 2 năm 2026. Hiện có hơn 200 công ty đã chủ động nộp lộ trình tuân thủ để tránh các rắc rối pháp lý trong tương lai.

Hiệu ứng từ Đạo luật AI đang lan rộng và thiết lập các tiêu chuẩn tuân thủ mới cho khu vực châu Á - Thái Bình Dương. Các doanh nghiệp Việt Nam khi xuất khẩu dịch vụ công nghệ sang thị trường quốc tế cần chuẩn bị sẵn sàng các quy trình đánh giá rủi ro và minh bạch thuật toán. Ở góc độ cá nhân, người dùng sẽ được bảo vệ tốt hơn trước tình trạng giám sát bằng AI có thiên kiến hoặc các hệ thống đánh giá tự động thiếu công bằng.

Nguồn: MIT Technology Review

AI Việt Nam tuần này

7. Viettel và G42 vận hành cụm AI chủ quyền đầu tiên tại Việt Nam

Viettel phối hợp cùng tập đoàn G42 đã hoàn thành giai đoạn 1 của cụm siêu máy tính AI chủ quyền (sovereign AI cluster) với hệ thống 300 chip đồ họa NVIDIA DGX B200. Hạ tầng này được sử dụng để huấn luyện mô hình ViGPT-7B chuyên biệt cho tiếng Việt, đạt kết quả 92% trên bộ tiêu chuẩn Vietnamese GLUE. Hệ thống dự kiến sẽ phục vụ khoảng 50 triệu người dùng tại Việt Nam bắt đầu từ quý 2 năm 2026, đánh dấu việc Việt Nam gia nhập nhóm 10 quốc gia sở hữu hạ tầng AI chủ quyền.

Việc sở hữu hạ tầng và mô hình ngôn ngữ riêng giúp giảm độ trễ xử lý dữ liệu tới 80% so với việc sử dụng máy chủ tại nước ngoài. Người dân có thể tiếp cận các công cụ hỗ trợ tiếng Việt chính xác và miễn phí cho các tác vụ hàng ngày. Đối với doanh nghiệp, việc sử dụng mô hình nội địa giúp đảm bảo tính tuân thủ về bảo mật dữ liệu quốc gia và tạo ra các ứng dụng mang tính đặc thù văn hóa cao, phù hợp với người dùng Việt.

Nguồn: VnExpress Số hóa

8. Việt Nam đẩy nhanh lộ trình xây dựng khung pháp lý về trí tuệ nhân tạo

Dựa trên những chuyển động từ Đạo luật AI của EU, Việt Nam đang tích cực đẩy nhanh quá trình xây dựng khung pháp lý cho trí tuệ nhân tạo theo mô hình quản lý dựa trên rủi ro. Các cơ quan chức năng đang nghiên cứu việc bắt buộc đánh giá rủi ro cho các hệ thống AI trong lĩnh vực tài chính, y tế và định danh điện tử. Mục tiêu là tạo ra hành lang pháp lý an toàn cho doanh nghiệp phát triển công nghệ trong khi vẫn đảm bảo bảo vệ quyền lợi và sự riêng tư của người tiêu dùng trước các thuật toán tự động.

Việc sớm hoàn thiện khung pháp lý giúp doanh nghiệp công nghệ trong nước dễ dàng tích hợp với các tiêu chuẩn quốc tế khi cung cấp dịch vụ ra toàn cầu. Các chuyên gia pháp chế và kỹ sư AI cần chú trọng hơn đến các quy trình kiểm soát thiên kiến và tính giải trình của mô hình ngay từ giai đoạn phát triển. Điều này không chỉ là yêu cầu pháp lý bắt buộc mà còn là yếu tố then chốt để xây dựng lòng tin lâu dài cho người dùng tại thị trường nội địa.

Nguồn: Vietnam.AI

Thế giới công nghệ trong tuần qua đã dịch chuyển từ những cuộc chạy đua về thông số kỹ thuật sang việc chứng minh giá trị kinh tế thực tế và tính tuân thủ pháp lý nghiêm ngặt. Sự vươn lên của các mô hình giá rẻ nhưng hiệu suất cao, kết hợp với các hạ tầng AI chủ quyền như của Viettel, đang mở ra cơ hội lớn cho các thị trường đang phát triển. Ranh giới giữa AI hỗ trợ và AI hành động đang dần xóa nhòa, thiết lập nên một kỷ nguyên máy tính mới dựa trên lập luận sâu.

Điều đó đặt ra câu hỏi: ai/cái gì quyết định chất lượng đầu ra của văn bản do AI tạo ra; và khi các AI, với khả năng tiếp tục nhân bản văn bản chóng mặt, thao túng internet bằng nội dung nó tạo ra gấp nhiều lần dữ liệu của con người, thì điều gì sẽ xảy ra?

Con rắn tự ăn đuôi hay “dữ liệu cận huyết”

Các AI phổ thông do mô hình ngôn ngữ lớn tạo ra (như ChatGPT, Gemini,...) truy cập Internet rồi trả về một văn bản – thứ được tổng hợp từ nhiều văn bản đã có dựa trên phương pháp xác suất. Nhưng AI đã dần được huấn luyện bằng chính những dữ liệu nó từng tạo ra [1]. Lý do là, Internet không còn cung cấp nguồn dữ liệu thuần con người và việc lọc sạch nội dung AI trong quá trình thu thập dữ liệu mới là điều không thể. Ngoài ra, giải pháp rẻ nhất để đáp ứng nhu cầu dữ liệu liên tục của các mô hình AI chính là tái sử dụng dữ liệu do nó tạo ra.

Thực tế này làm phát sinh hiện tượng “cận huyết” dữ liệu. Và giống như sinh học, nó báo trước sự sụp đổ từ bên trong.

Nghiên cứu AI models collapse when trained on recursively generated data (Ilia Shumailov, Đại học Oxford, tác giả chính) [2] trên tạp chí Nature khẳng định, về cơ bản, khi một mô hình AI “ăn thịt” dữ liệu do AI tạo ra, kết quả đầu ra của nó trở nên ngày càng kỳ lạ, méo mó và vô nghĩa - trái ngược với dữ liệu chất lượng cao do con người tạo ra ban đầu.

Một mặt, phát hiện từ nghiên cứu này cung cấp bằng chứng định lượng cho trực giác thông thường là các mô hình AI đặc biệt nhạy cảm với nguồn dữ liệu được dùng để huấn luyện; và việc để mô hình AI thâm nhập vào dữ liệu do chính nó tạo ra có thể dẫn tới tình trạng ô nhiễm nội dung nghiêm trọng đối với cả hệ thống AI lẫn các tập đoàn trị giá hàng tỷ đô đang phát triển chúng.

Mặt khác, kết quả này cho thấy “cơn khát” dữ liệu chất lượng cao do con người tạo ra – một nguồn tài nguyên đang dần trở nên khan hiếm và vì thế ngày càng có giá trị, thậm chí có thể trở thành yếu tố kìm hãm đà phát triển của AI tạo sinh.

Nhóm tác giả bài báo đã sử dụng một mô hình LLM được huấn luyện trước, rồi hiệu chỉnh nó bằng tập dữ liệu chứa các mục nhập trên Wikipedia. Sau đó, họ cho mô hình trải qua một loạt vòng thử nghiệm; ở mỗi vòng, kết quả do mô hình tạo ra ở vòng trước được bổ sung vào tập dữ liệu huấn luyện của vòng tiếp theo.
Kết quả thật đáng kinh ngạc.

Ví dụ, với câu hỏi về các tòa nhà ở Somerset, Anh - có dữ liệu đầu vào là đoạn văn lấy từ trang Wikipedia nhân tạo chuyên biệt cho thử nghiệm này - ban đầu AI đưa ra phản hồi tương đối bình thường, dù vẫn còn lỗi. Nhưng đến vòng lặp thứ chín, phản hồi của mô hình hoàn toàn vô nghĩa.

“Kiến trúc,” AI ‘viết’ một cách khó hiểu, “ngoài việc là nơi sinh sống của một số quần thể thỏ rừng đuôi đen, thỏ rừng đuôi trắng, thỏ rừng đuôi xanh, thỏ rừng đuôi đỏ, thỏ rừng đuôi vàng lớn nhất thế giới...”

Một mô hình AI được huấn luyện bằng nội dung do AI tạo ra về cơ bản trở thành một “đột biến cận huyết”, và giống như sinh học, nó báo trước sự sụp đổ từ bên trong.

Lang Minh

Dù kết quả có kỳ lạ đến đâu, quá trình sụp đổ của mô hình thực chất khá đơn giản. Một hệ thống AI chỉ có quyền truy cập vào dữ liệu được cung cấp; dữ liệu gốc do con người tạo ra thường giúp hệ thống AI tạo sinh hoạt động tốt hơn nhờ sự đa dạng.

Ngược lại, việc cung cấp cho mô hình các nội dung do AI tạo ra sẽ hạn chế sự đa dạng không chỉ về nội dung mà cả từ vựng, ngữ pháp, văn phong, cấu trúc... Mô hình sẽ tích lũy lỗi của chính nó, lờ đi một số từ và hiện vật ít xuất hiện trong quá trình huấn luyện, và cuối cùng tự sụp đổ do nhân bội sự lặp lại cái đa số.

Nghiên cứu trên không phải là đầu tiên bởi từ năm 2022, khi AI bắt đầu phổ biến đại chúng, nhà nghiên cứu Jathan Sadowski đã đặt tên cho quá trình tự hủy này là “AI Habsburg”, trong đó một mô hình AI được cung cấp nội dung do AI tạo ra về cơ bản trở thành một “đột biến cận huyết”. Đó là ẩn dụ về gia tộc Habsburg nổi tiếng với các cuộc hôn nhân cận huyết, dẫn đến vô sinh và suy tàn.

Nói một cách hình tượng như Ted Chiang trên The New Yorker [3] các mô hình LLM như một thuật toán nén dữ liệu có mất mát (lossy compression). Khi AI bắt đầu học từ chính những nội dung “mờ nhòe” do nó tạo ra trước đó, hiện tượng này giống như việc chụp lại một bản sao từ một bản sao: các chi tiết then chốt nhưng không sắc nét trên bề mặt có thể nhòe đến tan biến, trong khi một vài chi tiết ít ý nghĩa có thể vô tình được phóng đậm lên, và cuối cùng chỉ còn lại một kết quả mông lung.

Cái còn lại chỉ là những kết quả rỗng, nghe rất hợp lý nhưng bị tách ra khỏi bối cảnh làm cho nó hợp lý. Sau vô số lần lặp đi lặp lại nhờ sức mạnh bất tận của cơ giới; chiều sâu lịch sử, ngữ cảnh văn hóa hay những trải nghiệm hiện hữu ẩn sau dữ liệu vật lý bị tước bỏ hoàn toàn, chỉ còn lại các thực thể thống kê trên bề mặt văn bản.

Những dữ liệu dị hợm như nghiên cứu của Shumailov đề cập bắt đầu xuất hiện, nhưng đáng lo ngại là cái ngày nay ta thấy dị hợm, liệu ngày mai có thể được chấp nhận bởi sức mạnh của cơ giới hóa tự động tạo nội dung trên Internet?

Chân lý thuộc về cái trung bình

Sự sụp đổ mô hình nêu trên không đơn thuần là lỗi kỹ thuật, mà là dấu hiệu của một cuộc chuyển giao quyền lực tri thức đáng quan ngại.

Trong thời kỳ “tiền AI”, tri thức mang tính quyền lực được kiến tạo qua diễn ngôn (discourses), nơi các chủ thể con người tranh đấu, thương lượng, và thỏa hiệp để cùng nhau xác lập ý nghĩa. Tuy nhiên, trong lý thuyết của Foucault (như Archeology of Knowledge), mạng lưới diễn ngôn này luôn có sự tham gia của chủ thể con người và vì thế không bao giờ khép kín hoàn toàn. Chính từ những kẽ hở nằm sâu trong cấu trúc quyền lực - những điểm mà diễn ngôn chưa kịp khép lại, nơi con người còn có thể nói khác, hiểu lệch - mà cái mới có cơ hội nảy sinh.

Trái lại, trật tự tri thức trong thời đại AI báo trước sự thống trị của cái đa số đang được diễn đạt ở quy mô cơ giới hóa tự động, với tốc độ chóng mặt: trên Internet, AI dùng chưa đầy 5 năm để tạo ra nội dung bằng toàn thể nhân loại trong gần 30 năm.

Trật tự tri thức trong thời đại AI báo trước sự thống trị của cái đa số đang được diễn đạt ở quy mô cơ giới hóa tự động, với tốc độ chóng mặt.

Lang Minh

Trật tự này dẫn đến hai sự đổi khác cơ bản với cơ chế tạo nghĩa cũ:

• Sự biến mất của chủ thể: Quyền lực tri thức không còn nằm ở việc “ai” tranh đấu để duy trì quyền/cách được nói, mà nằm ở việc “xác suất nào chọn cái gì để lặp lại”. Xác suất này, đến lượt mình, lại nằm trọn trong máy chủ của các đế chế công nghệ.

• Độc tài thống kê: Chân lý không còn được xác lập qua logic hay đạo đức, mà qua tần suất xuất hiện. Nếu một điều được AI lặp lại đủ nhiều, nó trở thành “trung vị” của tri thức. Nếu tri thức có tính quyền lực kiểu Foucault vẫn cho phép sự tồn tại của “cái dị biệt” để định nghĩa “cái chuẩn mực”, thì AI có xu hướng xóa sổ luôn cái dị biệt vì nó không đủ trọng số thống kê.

Tóm lại, quyền lực tri thức giờ đây trở thành một vòng lặp kín (closed loop). AI tạo ra nội dung → Con người đọc và tin → AI lại học từ nội dung đó. Đây là một dạng “thống soát của cái trung bình” được thực thi bằng máy móc.

Nó khiến sự khác biệt, điều đem lại sự đổi mới, thậm chí đột phá trong xã hội, biến mất vì không đủ trọng số thống kê để được AI ghi nhớ.

Và về phía con người, một là chủ thể sẽ biến mất: tri thức được tạo ra bởi “hư không” (máy móc) dựa trên “dữ liệu cũ”. Và hai là sự sụp đổ của phê phán: khi những văn bản quá mượt ở bề mặt xuất hiện áp đảo, khả năng truy vấn “lớp nền ẩn sau” của con người bị cùn mòn đi. Chúng ta bắt đầu chấp nhận cái “trung bình” của AI như là chân lý duy nhất.

Nguy cơ “chế độ phong kiến dữ liệu”

Nếu tương lai được vẽ ra đáng sợ như vậy, giải pháp là gì?

Nghiên cứu của Shumailov cho rằng các công ty AI phải đánh dấu các nội dung do AI tạo và nội dung do người tạo ra để làm màng lọc dữ liệu đầu vào. Đã qua hai năm, có vẻ giải pháp đó vẫn chưa được thực hiện dù một số liên minh về xác thực dữ liệu đã được thành lập. Các công ty vẫn chưa vượt ra qua rào cản kỹ thuật cơ bản nhất: làm thế nào để phát hiện nội dung do máy tạo ra trên quy mô lớn và có độ chính xác cao.

“Nếu sự suy thoái nội tại của các mô hình AI tiếp tục bị bỏ qua, trong khi quyền kiểm soát dữ liệu và hạ tầng tri thức ngày càng tập trung, xã hội có nguy cơ trượt vào một dạng phân tầng mới của cái gọi là “chế độ phong kiến dữ liệu”.

Lang Minh

Tờ The Atlantic [4] nhắc đến làn sóng nghiên cứu mới nhất về trí tuệ nhân tạo tự cải tiến chỉ sử dụng một lượng nhỏ dữ liệu tổng hợp, được hướng dẫn bởi một nhà phát triển phần mềm là con người. Cách tiếp cận này dựa vào một số loại kiểm tra bên ngoài, tách biệt với chính AI, để đảm bảo chất lượng phản hồi - có thể là các định luật vật lý, nguyên tắc đạo đức, hoặc một số tiêu chí độc lập khác đã được coi là đúng. Các nguyên lý nguồn này được gọi là “hiến pháp AI”, làm nền cho mọi suy luận trả kết quả đằng sau.

Nhưng tựu trung, phản hồi do máy tính tạo ra, dù con người có thể điều chỉnh nó theo nhiều cách, vẫn có thể mang lại “cảm giác sai trái về kiểm soát”, Dylan Hadfield-Menell, một nhà khoa học máy tính tại MIT, đã nói với tờ The Atlantic. Tức là ở đâu có kiểm soát cứng nhắc và áp đặt từ bên ngoài, ở đó tiềm tàng những bước tư duy sai lầm về sau.

Vậy nên, những đột phá trong huấn luyện học tăng cường cho AI đến nay vẫn chủ yếu dựa vào sự kết hợp và kiểm soát của con người; và phiên bản tích cực ấy vẫn còn nhiều khiếm khuyết, chứ chưa cần bàn đến viễn cảnh các AI huấn luyện lẫn nhau.

Do đó, chúng ta đang đứng trước một thế nan giải về kinh tế và triết lý. Một mặt, các công ty Big Tech đang chạy đua để chứng minh “AI có thể làm hết mọi thứ”. Mặt khác, chính mô hình kinh doanh này đang triệt tiêu nguồn sống của AI: dữ liệu từ con người.

Khi những nội dung có kinh phí gần như bằng không do máy móc tạo ra tràn ngập Internet, những bài phân tích sâu sắc do con người thực hiện có nguy cơ không được trả thù lao xứng đáng bởi “lạm phát nội dung”. Hệ quả là mức độ công nhận dành cho các nội dung “hand-made” giảm đi, những người sáng tạo thực thụ sẽ dần rời bỏ cuộc đua không cân sức.

Còn các công ty AI có thực sự muốn khuyến khích nội dung con người, dù nó cần thiết để huấn luyện AI chất lượng cao? Có lẽ là không. Việc lọc dữ liệu chất lượng cao gây tốn kém về chi phí và làm chậm cuộc đua mở rộng mô hình. Họ sẽ có xu hướng chấp nhận một hệ sinh thái “đóng” nơi AI tự học từ AI để tối ưu hóa tốc độ và quy mô, tức là tối đa hóa lợi nhuận, bất chấp việc điều đó dẫn đến sự suy thoái lâu dài của tri thức cho toàn thể.

Gần đây, OpenAI hay Google bắt đầu có động thái trả tiền cho các tổ chức tạo nội dung (News Corp, Reddit). Nhưng đây có thể là động thái mua “bảo hiểm pháp lý” (tránh kiện tụng bản quyền) nhiều hơn là thực lòng muốn duy trì sự đa dạng tri thức của nhân loại. Một phản ví dụ là các hệ thống trí tuệ nhân tạo đang khai thác triệt để Wikipedia mà không hề đóng góp lại bất kỳ cái gì.

Nếu sự suy thoái nội tại của các mô hình AI tiếp tục bị bỏ qua, trong khi quyền kiểm soát dữ liệu và hạ tầng tri thức ngày càng tập trung, xã hội có nguy cơ trượt vào một dạng phân tầng mới của cái gọi là “chế độ phong kiến dữ liệu”.

Trong đó, tầng lớp quý tộc là những người có đủ nguồn lực để tiếp cận nguồn tri thức từ tài liệu nhân tạo gốc, thảo luận trực tiếp giữa người với người và tiêu thụ các nội dung “hand-made” đắt đỏ.

Tầng lớp phổ thông tiêu thụ những nội dung rác do AI tạo ra (AI Slop) miễn phí hoặc với giá rẻ, sống trong một mạng lưới nghĩa được lập trình sẵn và dần mất đi khả năng truy vấn “lớp nền ẩn sau” của văn bản.

Hẳn là không ai trong chúng ta trông đợi viễn cảnh như thế.

---

Tài liệu tham khảo:

[1] More than half of new articles on the internet are being written by AI – is human writing headed for extinction? The Conversation, 24/11/2025. https://theconversation.com/more-than-half-of-new-articles-on-the-internet-are-being-written-by-ai-is-human-writing-headed-for-extinction-268354

[2] AI models collapse when trained on recursively generated data. Nature, 24/7/2024. https://www.nature.com/articles/s41586-024-07566-y

[3] ChatGPT Is a Blurry JPEG of the Web. The New Yorker, 9/2/2023. https://www.newyorker.com/tech/annals-of-technology/chatgpt-is-a-blurry-jpeg-of-the-web

[4] Things Get Strange When AI Starts Training Itself. The Atlantic, 16/2/2024. https://www.theatlantic.com/technology/archive/2024/02/artificial-intelligence-self-learning/677484/

[5] The academic community failed Wikipedia for 25 years — now it might fail us. Nature, 13/1/2026. https://www.nature.com/articles/d41586-026-00075-0

Tôi nghĩ về một năm vừa qua, năm mà AI không còn là thứ tới từ tương lai nữa, mà đã trở thành người bạn đồng hành hằng ngày của rất nhiều người trong chúng ta.

Nhìn lại một năm “phi nước đại”

Năm vừa rồi, thế giới AI thay đổi nhanh đến chóng mặt:

Agentic AI – trí tuệ nhân tạo có thể tự đặt mục tiêu, tự lên kế hoạch, tự thực thi. Nó đã xuất hiện trong công cụ chúng ta dùng hàng ngày. AI giờ đây không chỉ trả lời câu hỏi, mà có thể tự hoàn thành cả một chuỗi công việc mà trước đây cần nhiều bước thủ công.

Self-learning AI – AI tự học liên tục, không dừng lại sau khi được huấn luyện ban đầu đang dần trở thành tiêu chuẩn mới. Mô hình ngày càng giỏi hơn theo từng ngày, không cần ai can thiệp.

Và đó chính là câu hỏi mà tôi muốn chia sẻ trong đêm Giao thừa này:

Khi AI ngày càng giỏi tự học, thì con người – chúng ta – có còn cần “tự học” không?

Câu trả lời từ một năm cùng AI

Sau gần một năm viết blog Tự học cùng AI, dùng AI mỗi ngày để đọc, viết, nghiên cứu, và sáng tạo, tôi nhận ra một điều tưởng đơn giản nhưng rất sâu:

AI học các mẫu hình. Con người học ý nghĩa.

AI có thể đọc 10.000 bài báo trong 10 giây, nhưng nó không biết bài nào thực sự quan trọng với bạn. AI có thể viết một bài luận hoàn hảo về kỹ năng lãnh đạo, nhưng nó chưa bao giờ run tay khi đứng trước đám đông lần đầu.

Cuối tháng 11, tôi thử một thí nghiệm đơn giản: mỗi ngày trước khi hỏi AI bất kỳ điều gì, tôi dành ba phút ngồi yên và viết tay một câu hỏi vào sổ: “tôi thực sự muốn hiểu điều gì?”

Kết quả là tôi hỏi AI ít hơn nhưng chất lượng câu trả lời cao hơn rõ rệt. Không phải vì AI thay đổi mà vì tôi đã biết mình cần gì trước khi gõ phím.

Không phải AI giúp tư duy rõ hơn mà là việc dừng lại trước khi hỏi AI mới là lúc tư duy thực sự bắt đầu.

Tự học không phải là tích lũy kiến thức - thứ mà AI làm giỏi hơn chúng ta gấp triệu lần. Tự học là rèn luyện cách nghĩ, cách hỏi, cách nhìn thế giới bằng đôi mắt của chính mình.

Ba điều AI dạy tôi về việc tự học

Một. Sai lầm vẫn là học, nếu bạn không bỏ qua nó.

Trong một năm học cùng AI, tôi thấy nhiều người bỏ cuộc không phải vì quá khó, mà vì quá sợ làm sai. Nhưng không có prompt hoàn hảo nào được viết ra ngay từ lần đầu. Không có kỹ năng nào xuất hiện không qua lần vấp váp. Nếu bạn đã sai trong năm qua bạn đang đi đúng đường.

Hai. Công cụ thay đổi, nhưng nền tảng thì không.

ChatGPT, Gemini, Claude… sẽ còn thay đổi, nâng cấp, có thể bị thay thế. Nhưng khả năng tư duy phản biện, khả năng đặt câu hỏi tốt, và sự kiên nhẫn với quá trình - những thứ đó là của bạn, không ai lấy đi được. Học AI tốt nhất là khi bạn học được điều gì đó về chính mình.

Ba. Nếu bạn không biết mình muốn gì, AI cũng bó tay

Prompt engineering (kỹ thuật viết câu lệnh cho AI) thực chất là bài tập tự thấu hiểu. Bạn phải biết mình muốn gì, cần gì, ở trình độ nào, thì mới có thể yêu cầu AI giúp đúng chỗ. AI không dạy bạn điều này. Chính bạn phải tự học.

Lời chúc Giao thừa

Năm Ngọ, tôi chúc bạn cưỡi ngựa mà không cần roi.

Hãy để AI là con ngựa chiến mạnh mẽ dưới yên. Còn bạn, hãy là kỵ sĩ biết đường đi, biết lúc phi nước đại, và biết lúc dừng chân ngắm trăng.

Tự học không phải là cuộc đua. Tự học là hành trình.

Và hành trình đó, dù có AI bên cạnh hay không, vẫn luôn bắt đầu từ một câu hỏi bạn tự đặt ra cho chính mình.

Chúc mừng năm mới Bính Ngọ 2026. 🐴

Chúc bạn học chậm mà chắc, thất bại mà không bỏ cuộc, và tìm thấy trong AI không chỉ một công cụ, mà một người bạn đồng hành thú vị trên con đường hiểu bản thân.

Hẹn gặp lại bạn ở những bài viết đầu tiên của năm mới.

Với sự trân trọng,
Blog Tự học cùng AI

1. OpenAI bắt đầu triển khai quảng cáo trong ChatGPT

Từ ngày 9/2, OpenAI triển khai thử nghiệm quảng cáo trong ChatGPT cho các nhóm người dùng sử dụng gói Miễn phí và Go. Động thái này khai thác lượng người dùng lên tới 800 triệu mỗi tuần, tập trung vào mô hình gắn quảng cáo với ứng dụng và hệ sinh thái agent thay vì các biểu ngữ truyền thống. Đây là bước chuẩn bị quan trọng khi OpenAI hướng tới mức định giá 1.000 tỷ USD và tìm cách đa dạng hóa nguồn thu nhằm giảm sự phụ thuộc vào doanh thu từ API. Mô hình quảng cáo mới được thiết kế theo triết lý ưu tiên các nhà phát triển công cụ thay vì các robot gửi tin nhắn rác.

Việc bật tính năng quảng cáo cho thấy áp lực duy trì chi phí vận hành khổng lồ của các mô hình ngôn ngữ lớn khi quy mô người dùng đạt mức kỷ lục. Đối với người dùng, trải nghiệm hội thoại sẽ bắt đầu bị thương mại hóa, nhưng đồng thời mở ra cơ hội tiếp cận nhiều công cụ được tài trợ chất lượng cao. Các nhà phát triển có thêm kênh tiếp cận khách hàng tiềm năng thông qua việc tài trợ ứng dụng, tạo ra một thị trường tiếp thị mới dựa trên bối cảnh hội thoại trực tiếp thay vì chỉ dựa vào từ khóa tìm kiếm đơn thuần.

Nguồn: Kernel Weekly, UniFuncs

2. Anthropic xác lập nguyên tắc đạo đức trong quảng cáo AI

Ngược lại với chiến lược của OpenAI, Anthropic vừa công bố lập trường hạn chế tối đa các dạng quảng cáo có nguy cơ thao túng hoặc làm suy giảm chất lượng trải nghiệm trí tuệ. Công ty nhấn mạnh triết lý AI Hiến pháp (Constitutional AI) và ưu tiên thu lợi nhuận từ khách hàng doanh nghiệp và các mô hình chuyên biệt hơn là khai thác dữ liệu người dùng cho mục đích tiếp thị. Động thái này diễn ra trong bối cảnh Anthropic chuẩn bị hoàn tất vòng gọi vốn mới, có thể đưa định giá công ty lên mức 380 tỷ USD để cạnh tranh trực tiếp với các đối thủ lớn.

Chiến lược của Anthropic nhắm vào nhóm người dùng và tổ chức coi trọng sự tin cậy và tính tách bạch trong kết quả phản hồi của AI, đặc biệt là trong các lĩnh vực nhạy cảm như y tế và pháp lý. Sự đối lập về mô hình kinh doanh giữa các phòng lab hàng đầu tạo ra sự phân hóa rõ rệt trên thị trường: một bên là siêu nền tảng đại chúng và một bên là hạ tầng chuyên sâu cho công việc chuyên môn. Điều này giúp các doanh nghiệp có thêm lựa chọn hạ tầng phù hợp với tiêu chuẩn đạo đức và yêu cầu về tính minh bạch của dữ liệu nội bộ.

Nguồn: UniFuncs, AI News Digest

3. Google ra mắt Data Commons MCP cho AI agent

Google chính thức giới thiệu Data Commons MCP vào ngày 9/2, một máy chủ giao thức ngữ cảnh mô hình (Model Context Protocol) cho phép AI agent truy cập tập trung vào kho dữ liệu công cộng khổng lồ. Công cụ này cung cấp số liệu chuẩn hóa về kinh tế, dân số và khoa học mà không yêu cầu người dùng phải tự tải lên hoặc xử lý dữ liệu thô. Đây là một phần trong chiến lược củng cố Gemini như một trợ lý phân tích dữ liệu thế giới thực, giúp giảm thiểu tình trạng AI đưa ra thông tin sai lệch do thiếu nguồn dẫn chứng chính thống từ các tổ chức quốc tế.

Việc chuẩn hóa cách thức mô hình truy cập dữ liệu công cộng giúp nâng cao đáng kể độ chính xác cho các báo cáo nghiên cứu và phân tích thị trường. Các nhà nghiên cứu độc lập và sinh viên có thể rút ngắn thời gian tìm kiếm số liệu thô để tập trung vào phần nhận định chuyên sâu. Xu hướng này thúc đẩy việc hình thành các hệ sinh thái agent có khả năng làm việc với số liệu thực thay vì chỉ xử lý ngôn ngữ, góp phần chuyên nghiệp hóa các trợ lý trí tuệ nhân tạo trong môi trường học thuật và kinh doanh.

Nguồn: UniFuncs

4. DeepSeek chuẩn bị ra mắt mô hình V4 chuyên dụng cho lập trình

Phòng lab AI DeepSeek tại Trung Quốc thông báo kế hoạch ra mắt mô hình DeepSeek-V4 trong tháng 2 với trọng tâm là khả năng lập trình phần mềm. Theo các báo cáo nội bộ, mô hình mới cam kết vượt qua các đối thủ từ Mỹ trên các bài kiểm tra coding nhờ khả năng xử lý prompt dài và tối ưu hóa cho các bài toán kiến trúc phức tạp. DeepSeek-V4 cũng được thiết kế để có mức chi phí vận hành thấp hơn, hướng tới việc phổ cập công nghệ lập trình hỗ trợ bởi AI cho cộng đồng mã nguồn mở và các nhà phát triển tự do trên toàn thế giới.

Sự xuất hiện của một mô hình lập trình mạnh mẽ ngoài khu vực Mỹ làm gia tăng tính đa cực trong cuộc đua công nghệ toàn cầu, góp phần kéo mặt bằng chi phí dịch vụ AI xuống thấp hơn. Các lập trình viên có thêm lựa chọn công cụ hiệu quả để tối ưu hóa năng suất làm việc mà không đòi hỏi ngân sách đầu tư quá lớn. Tuy nhiên, việc ứng dụng rộng rãi các mô hình này trong môi trường doanh nghiệp vẫn đặt ra những yêu cầu khắt khe về việc kiểm soát dòng dữ liệu xuyên biên giới và đảm bảo an ninh mạng cho các dự án phần mềm quan trọng.

Nguồn: Reuters, UniFuncs

5. Các tập đoàn lớn bắt đầu vận hành AI agent trong quy trình lõi

Goldman Sachs hiện đang hợp tác với Anthropic để thử nghiệm các AI agent tự động xử lý các quy trình back-office nặng nề như rà soát tài liệu tuân thủ và chuẩn bị báo cáo tài chính. Song song đó, các tập đoàn như Uber, HP, Oracle và T-Mobile cũng bắt đầu đưa agent vào quy trình vận hành thực tế trong mảng logistics và dịch vụ khách hàng thay vì chỉ dừng lại ở các phiên bản thử nghiệm. Những dự án này đánh dấu giai đoạn AI bắt đầu gánh vác các chuỗi công việc lặp lại có quy mô lớn và yêu cầu độ chính xác tuyệt đối trong môi trường doanh nghiệp.

Việc các tổ chức tài chính và công nghệ hàng đầu triển khai agent thực tế cho thấy sự dịch chuyển trọng tâm từ AI trò chuyện sang AI hành động (Action-oriented AI). Kỹ năng quản trị và giám sát các tác vụ tự trị của AI trở nên quan trọng hơn đối với nhân sự văn phòng trong bối cảnh máy móc đảm nhận các phần việc thủ tục. Sự thay đổi này buộc các doanh nghiệp phải thiết lập các tiêu chuẩn mới về quản trị rủi ro, kiểm toán hệ thống và bảo mật để kiểm soát các hành động thực thi tự động bên trong hệ thống kinh doanh cốt lõi.

Nguồn: Lazarev.agency

6. Giá trị thị trường của các công ty AI ghi nhận biến động mạnh

Định giá của Anthropic hiện đạt mức khoảng 380 tỷ USD nhờ các khoản đầu tư chiến lược từ Amazon và Google, tạo áp lực cạnh tranh trực tiếp lên vị thế dẫn đầu của OpenAI. Các bản tin tài chính ghi nhận Anthropic sắp hoàn tất vòng gọi vốn mới để mở rộng mảng plugin và agent chuyên biệt cho các lĩnh vực như tài chính, pháp lý và y tế. Cuộc đua giữa các “siêu kỳ lân” AI không còn chỉ nằm ở việc nâng cấp thông số mô hình mà đã chuyển sang khả năng thu hút khách hàng doanh nghiệp và xây dựng hệ sinh thái ứng dụng có khả năng sinh lời bền vững.

Định giá khổng lồ của các thực thể AI cho thấy sự kỳ vọng cực lớn từ giới đầu tư vào khả năng thay đổi cấu trúc nền kinh tế của công nghệ trí tuệ nhân tạo. Sự cạnh tranh đa cực giúp người dùng cá nhân và doanh nghiệp nhỏ hưởng lợi từ việc giá dịch vụ linh hoạt hơn và các tính năng mới được cập nhật liên tục để chiếm lĩnh thị phần. Tuy nhiên, bối cảnh này cũng đặt ra những câu hỏi về tính ổn định của thị trường chứng khoán phần mềm và nguy cơ hình thành bong bóng công nghệ khi chi phí hạ tầng tính toán vẫn duy trì ở mức rất cao.

Nguồn: Lao Động, AI News Digest

AI Việt Nam tuần này

7. Doanh nghiệp nước ngoài đánh giá cao tiềm năng AI tại Việt Nam

Tại một tọa đàm công nghệ tổ chức ở TP.HCM, lãnh đạo nhiều doanh nghiệp quốc tế ghi nhận tốc độ ứng dụng trí tuệ nhân tạo nhanh chóng của lực lượng lao động Việt Nam. Các chuyên gia đánh giá Việt Nam có tiềm năng lớn trong việc trở thành mắt xích quan trọng của chuỗi cung ứng bán dẫn và hạ tầng trung tâm dữ liệu tại khu vực Đông Nam Á. Các đại diện nước ngoài nhấn mạnh sự tăng trưởng của đội ngũ nhân sự công nghệ trẻ và các chính sách linh hoạt trong việc xây dựng khung pháp lý cho AI là những yếu tố then chốt thu hút dòng vốn đầu tư quốc tế vào các dự án đổi mới sáng tạo trong nước.

Những nhận xét tích cực từ giới đầu tư quốc tế tạo ra tín hiệu khả quan về nhu cầu nhân lực và cơ hội việc làm cho người học AI tại Việt Nam. Để khai thác hiệu quả cơ hội này, các doanh nghiệp và lập trình viên trong nước cần chủ động nâng cấp năng lực quản trị dữ liệu và tiêu chuẩn bảo mật theo chuẩn toàn cầu. Sự công nhận về tốc độ thích ứng cũng góp phần thúc đẩy lộ trình hoàn thiện các quy định pháp luật về trí tuệ nhân tạo, dự kiến sẽ có những tác động rõ rệt khi các bộ luật liên quan chính thức có hiệu lực vào tháng 3/2026.

Nguồn: Tuổi Trẻ Online

8. Tác động của các mô hình coding giá rẻ đến thị trường outsourcing Việt Nam

Sự xuất hiện của các mô hình chuyên dụng cho lập trình như DeepSeek-V4 với chi phí thấp đang tác động trực tiếp đến chiến lược vận hành của các công ty gia công phần mềm tại Việt Nam. Nhiều doanh nghiệp outsourcing bắt đầu thử nghiệm tích hợp các mô hình này vào quy trình sản xuất để tối ưu hóa giá thành dịch vụ so với các giải pháp từ các đối thủ quốc tế. Việc sử dụng AI để hỗ trợ viết mã giúp các nhà phát triển Việt Nam tăng năng suất lập trình đối với các dự án có cấu trúc phức tạp, từ đó duy trì sức cạnh tranh về chi phí và chất lượng trên thị trường phần mềm toàn cầu.

Khả năng tiếp cận các hạ tầng trí tuệ nhân tạo giá rẻ giúp các startup công nghệ Việt Nam giảm bớt rào cản tài chính trong giai đoạn đầu phát triển sản phẩm. Tuy nhiên, sự phụ thuộc vào các mô hình xuyên biên giới đòi hỏi các nhà phát triển trong nước phải xây dựng chiến lược đa dạng hóa công cụ để tránh rủi ro gián đoạn dịch vụ hoặc thay đổi chính sách từ nhà cung cấp. Việc làm chủ các kỹ năng tùy biến mô hình và đảm bảo tính bảo mật cho mã nguồn của khách hàng sẽ là yếu tố quyết định năng lực cạnh tranh bền vững của nhân sự công nghệ Việt trong tương lai.

Nguồn: Phân tích dựa trên xu hướng thị trường

Kết luận

Tuần qua chứng kiến sự chuyển dịch từ các cuộc đua thông số thuần túy sang các chiến lược thương mại hóa thực dụng và ứng dụng sâu vào quy trình kinh doanh. Từ việc OpenAI triển khai quảng cáo đến việc các tập đoàn tài chính đưa agent vào vận hành, ngành trí tuệ nhân tạo đang xác lập một nền tảng giá trị kinh tế rõ nét hơn. Những chuyển động này cho thấy nửa đầu năm 2026 sẽ là giai đoạn các tiêu chuẩn về đạo đức, quản trị rủi ro và hiệu quả chi phí AI được đặt lên hàng đầu.

Các nhà kinh tế gọi đó là “nền kinh tế hình chữ K”, và 2-3 năm tới sẽ quyết định bạn nằm trên nhánh nào.

• Tầng lớp trên: sử dụng AI như một đòn bẩy để tạo ra sự giàu có, tự động hóa thu nhập, và ra quyết định với tốc độ mà con người đơn lẻ không thể cạnh tranh.

• Tầng lớp dưới: bị AI quản lý.

Điều này không chỉ là “sắp xảy ra”. Nó đang diễn ra ngay bây giờ.

Một vài thống kê gây choáng:

• Người lao động có kỹ năng AI kiếm nhiều hơn 56% so với cùng công việc nhưng không có kỹ năng đó. Mức chênh lệch này đã tăng gấp đôi chỉ trong một năm.

• Các ngành áp dụng AI đang chứng kiến tăng trưởng doanh thu trên mỗi nhân viên gấp 3 lần.

• Trong khi đó, 90% người lao động chưa dành nổi một giờ để học AI.

• Goldman Sachs ước tính 300 triệu việc làm sẽ bị ảnh hưởng bởi AI vào năm 2028, tức chỉ còn 24 tháng nữa.

Nếu bạn đang đọc điều này mà chưa xây dựng hệ thống với AI, chưa tự động hóa một quy trình nào, chưa dùng nó để tạo ra thứ gì mang lại tiền bạc hoặc khiến bạn không thể thay thế, thì hiện tại bạn đang ở nhánh bất lợi.

Đây không phải là lời xúc phạm. Bạn có quyền chủ động thay đổi quỹ đạo của mình ngay lúc này.

Nhưng sáu tháng nữa, khoảng cách sẽ rộng gấp đôi. Và một năm nữa, có thể sẽ không thể vượt qua được”.

Thuật ngữ

- “Nền kinh tế hình chữ K” (K-shaped economy): Đây là thuật ngữ kinh tế dùng để mô tả tình trạng một số nhóm người/ ngành nghề tăng trưởng mạnh trong khi số khác suy giảm. Nó thường được nhắc đến trong bối cảnh COVID-19 và hiện nay gắn với tác động của AI.

Nguồn: Miles Deutscher

Bài gốc: Facebook Hoàng Dũng AI

Đầu tiên, nhiều công ty công nghệ đã sa thải nhân viên trong năm qua. Dù một số CEO nói lý do là vì AI đã làm thay việc của con người, thực tế là AI hiện tại vẫn chưa giỏi đến mức đó. Đa số các đợt sa thải là để sửa lỗi do tuyển dụng quá mức trong đại dịch, hoặc để cắt giảm chi phí và tái cấu trúc. Ngoài một số ít vị trí đặc thù, rất hiếm trường hợp bị đuổi việc hoàn toàn do AI tự động hóa.

Tất nhiên, điều này có thể tăng lên trong tương lai. Những ngành như nhân viên tổng đài, biên dịch viên, hay diễn viên lồng tiếng có thể sẽ gặp khó khăn khi tìm việc hoặc bị giảm lương. Nhưng sự mất việc trên diện rộng vẫn là lời đồn thổi quá đà.

Thay vào đó, có một câu nói rất đúng: AI không thay thế con người, nhưng những người biết dùng AI sẽ thay thế những người không biết. Ví dụ: các công cụ lập trình AI giúp lập trình viên làm việc hiệu quả hơn nhiều, nên những người biết dùng chúng đang được săn đón hơn bao giờ hết.

Vì vậy, AI gây mất việc theo một cách tinh vi: Các doanh nghiệp đang thay thế những nhân viên không chịu thích nghi bằng những người biết dùng AI. Xu hướng này rất rõ trong ngành phần mềm và bắt đầu lan sang cả các mảng phi kỹ thuật như marketing, tuyển dụng hay phân tích. Những người này nếu biết dùng AI để hỗ trợ công việc sẽ có năng suất cao hơn hẳn. Tôi tin rằng xu hướng này sẽ còn nhanh hơn nữa.

Mặt khác, khi các công ty xây dựng đội ngũ mới dựa trên nền tảng AI ngay từ đầu, quy mô nhóm thường nhỏ hơn. AI giúp mỗi cá nhân làm việc hiệu quả hơn, nên không cần quá nhiều người. Một dự án trước đây cần 8 kỹ sư và 1 quản lý (PM), giờ có thể chỉ cần 2 kỹ sư và 1 PM, hoặc thậm chí là 1 người giỏi cả hai kỹ năng.

Tin tốt là hầu hết các doanh nghiệp đều có rất nhiều việc nhưng lại thiếu người giỏi. Những ai có kỹ năng AI sẽ có cơ hội thăng tiến và xử lý được những ý tưởng tồn đọng bấy lâu. Cơ hội đang có rất nhiều!

Tôi biết những thay đổi này gây áp lực. Tôi đồng cảm với những gia đình bị ảnh hưởng bởi sa thải và những người đang lo lắng về tương lai. May mắn là vẫn còn thời gian để học hỏi. Về AI, hầu hết mọi người đều đang ở vạch xuất phát. Đây là thời điểm tuyệt vời để học tập và nắm bắt cơ hội!

Tin tức nổi bật trong tuần

1. OpenClaw: Cơn sốt trợ lý AI tự chủ

Dự án mã nguồn mở OpenClaw vừa tạo nên một cơn địa chấn. Đây là một trợ lý AI cá nhân có thể tự thực hiện các nhiệm vụ như quản lý lịch trình, tóm tắt email và gửi lời nhắc.

• Sự bùng nổ: Chỉ trong vài ngày, dự án thu hút 2 triệu lượt truy cập. Người dùng hào hứng đến mức máy tính Mac Mini (dùng để chạy AI 24/7 tại nhà) cháy hàng.

• Khả năng: Nó có thể tự đăng bài lên web, thậm chí có người dùng kể rằng AI của họ đã tự đăng ký số điện thoại và gọi điện đánh thức chủ nhân vào buổi sáng.

• Vấn đề: Do tính chất mở và mới, OpenClaw còn nhiều lỗ hổng bảo mật, làm lộ thông tin cá nhân hoặc tốn kém chi phí API nếu không kiểm soát kỹ.

• Tầm quan trọng: Nó cho thấy một tương lai nơi các “đại lý AI” (agents) có thể tự làm việc mà ít cần con người can thiệp.

2. Kimi K2.5: AI có khả năng tự tạo “đội ngũ nhân viên”

Moonshot AI vừa ra mắt Kimi K2.5, một mô hình có khả năng nhìn (thị giác) và đặc biệt là biết tự tạo ra các “AI cấp dưới” (subagents) để làm việc nhóm.

• Cách hoạt động: Thay vì tự làm mọi thứ một mình, Kimi K2.5 đóng vai trò “quản lý”. Khi gặp việc khó, nó sẽ tạo ra các AI phụ để tìm kiếm thông tin, kiểm tra dữ liệu rồi tổng hợp lại.

• Hiệu suất: Cách làm việc nhóm này giúp nó nhanh hơn từ 3 đến 4,5 lần và vượt mặt nhiều đối thủ lớn từ Google hay OpenAI trong một số bài kiểm tra.

3. Wikipedia hợp tác với các ông lớn AI

Vào dịp kỷ niệm 25 năm, Wikipedia đã ký thỏa thuận với Amazon, Meta, Microsoft... để các công ty này truy cập dữ liệu đào tạo AI một cách nhanh chóng và chính thống hơn.

• Lý do: Các robot quét dữ liệu của công ty AI làm Wikipedia tốn quá nhiều chi phí máy chủ. Thay vì để họ tự quét “chui”, Wikipedia bán quyền truy cập API để có nguồn thu duy trì quỹ.

• Lợi ích: Đây là mối quan hệ đôi bên cùng có lợi: Wikipedia có tiền để sống sót, còn các công ty AI có nguồn dữ liệu sạch và chất lượng để đào tạo mô hình.

4. Công thức tạo ra các mô hình AI nhỏ nhưng võ nghệ cao

Mistral AI vừa ra mắt dòng mô hình Ministral 3 (gồm các bản 3B, 8B và 14B) với kích thước nhỏ nhưng hiệu năng cực kỳ ấn tượng.

• Bí quyết: Họ dùng phương pháp “chắt lọc” (distillation). Họ lấy một mô hình lớn (người cha), cắt tỉa những phần không quan trọng và dạy cho mô hình nhỏ (người con) cách bắt chước tư duy của mô hình lớn.

• Kết quả: Những mô hình này nhỏ tới mức có thể chạy mượt mà ngay trên laptop hoặc điện thoại cá nhân nhưng vẫn thông minh tương đương các hệ thống khổng lồ. Điều này giúp AI trở nên riêng tư và rẻ hơn cho người dùng.

Nguồn bài

Phần 1: Điểm tin nổi bật

1. Anthropic ra mắt Claude Opus 4.6: Mô hình mới tích hợp tính năng “agent teams”, cho phép các tác nhân AI tự phối hợp để xử lý các nhiệm vụ phức tạp như soạn thảo

   tài liệu đa bước. Điều này cho thấy một xu hướng chuyển dịch mạnh mẽ từ AI đơn lẻ sang hệ thống cộng tác tự hành. (Nguồn: VietnamPlus)

2. OpenAI đáp trả bằng nền tảng Frontier: Ngay sau Anthropic, OpenAI tung ra công cụ quản lý Agent cho doanh nghiệp và mô hình chuyên biệt cho lập trình. (Nguồn: TechCrunch)

3. Anthropic quảng cáo tại Super Bowl: Công ty chi triệu USD để cam kết không đưa quảng cáo vào trải nghiệm người dùng trên Claude, đối lập hoàn toàn với chiến lược của OpenAI.

   Trải nghiệm người dùng sạch trở thành một giá trị cạnh tranh cốt lõi trong phân khúc khách hàng cao cấp. (Nguồn: VTC News)

4. Viettel vận hành siêu máy tính DGX B200: Đây là hệ thống tính toán hiệu năng cao đầu tiên tại Việt Nam sử dụng chip thế hệ mới của Nvidia, phục vụ huấn luyện các mô hình AI nội địa. Insight: Tín hiệu về nỗ lực làm chủ hạ tầng và giảm phụ thuộc vào các nền tảng đám mây quốc tế. (Nguồn: Tuổi Trẻ)

5. Resolve AI đạt giá trị unicorn: Startup này huy động 125 triệu USD để phát triển AI tự động hóa vận hành hệ thống (SRE), đạt định giá 1 tỷ USD chỉ sau 2 năm. Insight: Tự động hóa các tác vụ hạ tầng kỹ thuật (Ops) đang là mỏ vàng mới của các nhà đầu tư. (Nguồn: TechCrunch)

6. Google tăng chi tiêu AI lên 185 tỷ USD: Tập đoàn công bố mức đầu tư kỷ lục cho năm 2026 nhằm củng cố năng lực tính toán cho Gemini và các dịch vụ đám mây. Insight: Quy mô chi tiêu cho AI hiện tương đương với các chương trình chinh phục không gian trong lịch sử. (Nguồn: WSJ)

7. New York đề xuất tạm dừng xây trung tâm dữ liệu: Các nhà hoạch định chính sách xem xét lệnh hoãn 3 năm do lo ngại áp lực quá tải lên lưới điện quốc gia từ các dự án AI. Insight: Giới hạn vật lý về năng lượng bắt đầu trở thành lực cản trực tiếp đối với tốc độ phát triển phần mềm. (Nguồn: TechCrunch)

Phần 2: Phân tích chuyên sâu

Cuộc chiến Agent: Từ hỗ trợ trả lời sang thực thi quy trình

Sự xuất hiện đồng thời của Claude Opus 4.6 và OpenAI Frontier đánh dấu bước ngoặt lớn trong cách con người tương tác với máy tính. Thay vì chỉ phản hồi các câu lệnh đơn lẻ, AI hiện nay đã tiến hóa thành các Agent có khả năng tự chia nhỏ nhiệm vụ, sử dụng công cụ bên ngoài và giám sát lẫn nhau thông qua cơ chế làm việc nhóm.

Sự thay đổi này tác động trực tiếp đến lực lượng lao động tri thức, đặc biệt là lập trình viên và chuyên viên phân tích dữ liệu. Khi các Agent có thể tự động hóa các quy trình từ viết code đến debug và triển khai (DevOps), giá trị của việc thực thi thủ công giảm xuống. Thay vào đó, năng lực thiết kế quy trình (Workflow Design) và khả năng quản lý các hệ thống AI cộng tác trở thành kỹ năng cốt yếu. Tuy nhiên, rủi ro về lỗi dây chuyền (propagation error) khi các Agent tự tương tác với nhau mà không có sự kiểm soát của con người vẫn là một bài toán chưa có lời giải hoàn chỉnh.

Bức tường năng lượng và nghịch lý hạ tầng

Báo cáo tài chính của Google cho thấy một nghịch lý: các doanh nghiệp sẵn sàng chi hàng trăm tỷ USD cho hạ tầng AI, nhưng các nguồn lực vật lý như đất đai và điện năng đang chạm ngưỡng giới hạn. Đề xuất tạm dừng xây dựng trung tâm dữ liệu tại New York là một tín hiệu cảnh báo cho toàn ngành công nghiệp.

Việc chi phí hạ tầng tăng cao có thể dẫn đến hai xu hướng lớn. Thứ nhất, các dịch vụ Cloud AI sẽ trở nên đắt đỏ hơn, buộc các doanh nghiệp nhỏ phải tìm kiếm những phương thức tối ưu hóa mô hình hoặc sử dụng các AI mã nguồn mở chạy trực tiếp trên thiết bị (Local AI). Thứ hai, cuộc đua AI không còn chỉ là cuộc đua về thuật toán mà đã trở thành cuộc đua về hiệu suất năng lượng. Những mô hình có khả năng xử lý thông minh với lượng điện tiêu thụ thấp sẽ chiếm ưu thế trong dài hạn.

AI Việt Nam tuần này

Viettel khánh thành siêu máy tính AI mạnh nhất Việt Nam:

Việc vận hành hệ thống Nvidia DGX B200 giúp các nhà nghiên cứu trong nước có khả năng huấn luyện các mô hình ngôn ngữ lớn (LLM) bằng dữ liệu thuần Việt một cách nhanh chóng. Điều này góp phần hiện thực hóa chiến lược chủ quyền dữ liệu và thúc đẩy phát triển AI cho các lĩnh vực đặc thù như hành chính công hay quân sự.

Thách thức và cơ hội cho lập trình viên nội địa:

Trước sự trỗi dậy của các mô hình chuyên biệt cho coding như Opus 4.6 hay Codex mới, cộng đồng 500.000 lập trình viên Việt Nam đang đứng trước áp lực phải thay đổi phương thức làm việc. Việc tận dụng AI để tăng năng suất là bắt buộc, nhưng rủi ro phụ thuộc quá mức vào công cụ quốc tế có thể làm giảm khả năng sáng tạo các kiến trúc phần mềm lõi.

Kết luận

Tuần qua đã phác họa một bức tranh AI phân hóa rõ rệt: trong khi các mô hình ngày càng thông minh và có tính tự hành cao hơn, thì hạ tầng vật lý lại đang chịu áp lực nặng nề. Thế giới đang tiến gần đến ngưỡng mà AI không chỉ là một ứng dụng phần mềm, mà là một thành phần cơ bản của hạ tầng quốc gia cần được quản trị về cả năng lượng lẫn đạo đức.

Liệu các rào cản vật lý sẽ kìm hãm trí tuệ nhân tạo, hay đây sẽ là động lực cho những đột phá mới về hiệu suất tính toán?

1. Lời Mở Đầu: Cơn Địa Chấn 18 Phút Tại Thung Lũng Silicon

Thung lũng Silicon vừa trải qua một cơn địa chấn thực sự, không phải bằng những con số tài chính, mà bằng tốc độ ra mắt sản phẩm kinh hoàng. Ngay khi Anthropic vừa trình làng Opus 4.6 – “quái vật” mới nhất của mình, Sam Altman đã đáp trả bằng một dòng tweet vỏn vẹn 18 phút sau đó để công bố GPT 5.3 Codex.

Đây không đơn thuần là cuộc đua vũ trang về số lượng tham số hay sức mạnh tính toán thô. Đây là điểm khởi đầu của một sự phân hóa sâu sắc trong triết lý công nghệ: Một bên muốn trở thành người cộng sự ăn ý ngồi ngay sát bên bạn, một bên muốn trở thành một đội ngũ chuyên gia tự trị làm việc thay bạn. Cuộc chiến này sẽ định nghĩa lại khái niệm “lập trình viên” trong kỷ nguyên AI.

2. Sự Phân Hóa Triết Lý: Cộng Tác Viên Tương Tác hay Đặc Phái Viên Tự Trị?

Dựa trên những trải nghiệm thực tế từ các chuyên gia hàng đầu như Morgan Linton (CTO của Bold Metrics), chúng ta đang thấy hai con đường rõ rệt:

• GPT 5.3 Codex – “Interactive Collaborator”: Triết lý của OpenAI là giữ con người ở trung tâm vòng lặp (human-in-the-loop). GPT 5.3 được tối ưu cho khả năng “điều hướng ngay khi đang thực thi” (steer mid-execution). Nó giống như một người bạn cùng lập trình (pair-programming), cho phép bạn ngắt lời, đặt câu hỏi và thay đổi hướng đi ngay khi nó đang viết từng dòng code.

• Opus 4.6 – “Autonomous Agent”: Anthropic chọn cách tiếp cận ngược lại. Opus 4.6 tập trung vào khả năng tự trị cao, lập kế hoạch sâu, chạy lâu hơn và ít đòi hỏi con người can thiệp. Bạn đưa ra yêu cầu, và nó sẽ âm thầm xây dựng cả một hệ thống.

Sự chia rẽ này phản ánh đúng thực tế trong các tổ chức kỹ thuật: Một bên là văn hóa “YOLO” – ưu tiên tốc độ, thực thi nhanh và lặp lại liên tục; một bên là văn hóa “Staff Engineer” – ưu tiên cấu trúc, tính ổn định và sự chặt chẽ về mặt kiến trúc.

3. Vũ Khí Bí Mật Của Opus 4.6: “Biệt Đội Tác Chiến” (Agent Teams)

Tính năng “ăn tiền” nhất của Opus 4.6 chính là Agent Teams. Thay vì một mô hình đơn lẻ, Opus có thể huy động một đội ngũ đại lý chuyên biệt để cùng xử lý dự án.

“Gia vị kỹ thuật” (Tactical Sauce) để kích hoạt: Để không bị lạc hậu, hãy đảm bảo bạn đang chạy phiên bản mới nhất. Sử dụng lệnh npm update hoặc claude update và kiểm tra xem phiên bản có phải là 2.1.32 hay không. Sau đó, hãy truy cập vào file cấu hình tại đường dẫn ~/.claude/settings.json và thêm dòng mã thực nghiệm: "claude code experimental agent teams": 1

Khi kích hoạt, Opus sẽ tự động phân vai: một agent nghiên cứu kiến trúc, một nghiên cứu thị trường, một thiết kế UX và một chuyên gia viết test. Tuy nhiên, sự “sang chảnh” này đi kèm với cái giá về tài nguyên: Mỗi agent tiêu tốn hơn 25.000 token chỉ để nghiên cứu. Một dự án xây dựng ứng dụng phức tạp có thể “ngốn” từ 100.000 đến 250.000 token. Nhưng như Morgan Linton nhận định: “Nó chỉ bằng giá của một ly cocktail ở Miami ($20) – cái giá quá rẻ để đổi lấy một đội ngũ kỹ sư chuyên nghiệp làm việc cho bạn.”

4. Hiệu Suất Thực Tế: “Signal Market” vs. “Forecast”

Trong bài thử nghiệm tái tạo Poly Market (ứng dụng dự đoán tỷ đô), kết quả đã minh chứng cho hai phong cách làm việc đối lập:

• GPT 5.3 (Signal Market): Hoàn thành cực nhanh trong 3 phút 47 giây. Với phong cách “Founding Engineer”, nó tập trung vào việc đưa sản phẩm ra thị trường nhanh nhất có thể. Kết quả là một ứng dụng tối giản, monochrome (đơn sắc) theo phong cách Jack Dorsey. GPT 5.3 cho phép người dùng can thiệp trực tiếp: bạn có thể ngắt lời AI để hỏi về triết lý thiết kế của Jack Dorsey và nó sẽ phản hồi rồi tiếp tục công việc ngay lập tức. Tuy nhiên, rủi ro là nó dễ trở nên “quá tự tin” và mắc kẹt vào những giả định sai lầm ngay từ đầu nếu không được giám sát.

• Opus 4.6 (Forecast): Mất nhiều thời gian hơn vì phải huy động các agent nghiên cứu song song. Nhưng kết quả là một hệ thống mang tên “Forecast” với UI cực kỳ sạch sẽ, có sẵn bảng xếp hạng (leaderboard), danh mục đầu tư (portfolio) và các nút bấm xanh/đỏ chuyên nghiệp. Trong khi GPT chỉ tạo ra 10 bài kiểm tra (tests), Opus đã xây dựng tới 96 bài test chi tiết. Opus có xu hướng “nghĩ nhiều hơn làm”, đôi khi sẽ do dự hoặc đặt câu hỏi ngược lại cho người dùng nếu yêu cầu quá mơ hồ để đảm bảo hệ thống không bị lỗi kiến trúc về lâu dài.

5. Phân Tích Kỹ Thuật: Cửa Sổ Ngữ Cảnh Và Tư Duy Linh Hoạt

Sự khác biệt về thông số cũng nói lên mục đích sử dụng của từng mô hình:

• Context Window: Opus 4.6 sở hữu cửa sổ ngữ cảnh lên tới 1 triệu token, cho phép bạn “ném” toàn bộ repo mã nguồn vào và yêu cầu nó lý giải toàn bộ hệ thống. Trong khi đó, GPT 5.3 dừng lại ở 200.000 token – một con số mà các chuyên gia đánh giá là “không quá ấn tượng” ở thời điểm hiện tại, vì OpenAI ưu tiên khả năng truy xuất linh hoạt thay vì ghi nhớ toàn diện.

• Adaptive Thinking (API-only): Đây là tính năng chỉ có trên API của Opus 4.6. Bằng cách thiết lập mức độ nỗ lực (effort level) lên mức max, Claude sẽ tư duy không giới hạn về độ sâu để giải quyết các vấn đề hóc búa nhất. Nếu bạn áp dụng cài đặt này trên các mô hình cũ hơn, hệ thống sẽ báo lỗi ngay lập tức.

6. Kết Luận: Tương Lai Của “Vibe Coding”

Cuộc đối đầu này không tìm ra người chiến thắng, mà tìm ra sự lựa chọn phù hợp.

• Nếu bạn cần sự tốc độ, muốn trực tiếp cầm lái và tinh chỉnh từng chi tiết nhỏ theo phong cách “Founding Engineer”, GPT 5.3 Codex là người cộng sự không thể thay thế. Nó là hiện thân của văn hóa “Ship fast” – đưa sản phẩm ra thị trường trước, hoàn thiện sau.

• Nếu bạn muốn đóng vai trò kiến trúc sư trưởng, người đưa ra tầm nhìn và để một “Senior Staff Engineer” tự quản lý một đội ngũ để xây dựng những hệ thống vững chắc, Opus 4.6 là câu trả lời.

Trong kỷ nguyên của “Vibe Coding”, kỹ năng quan trọng nhất không còn là viết code, mà là khả năng điều phối. Bạn muốn một người bạn đồng hành luôn sẵn sàng nghe lệnh để cùng tạo ra những cú bứt phá nhanh chóng, hay một đội ngũ chuyên gia tự trị giúp bạn xây dựng cả một đế chế vững chắc trong khi bạn đang ngủ? Lựa chọn đó nằm ở phong cách của chính bạn.

Với áp lực như vậy, AI sẽ là cứu cánh hay là mối đe dọa cho nghề giáo?

Giáo viên đang thực sự làm những gì?

Để hiểu liệu AI có thể thay thế giáo viên, trước tiên phải hiểu công việc của giáo viên bao gồm những gì. Theo hệ thống phân loại nghề nghiệp O*NET của Mỹ, công việc giáo viên gồm 7 trách nhiệm cốt lõi:

1. Giảng dạy và truyền tải bài học

2. Lập kế hoạch và phát triển chương trình

3. Đánh giá học sinh

4. Quản lý lớp học

5. Giao tiếp và hỗ trợ

6. Hợp tác chuyên môn

7. Ghi chép hồ sơ

Phân tích cho thấy một xu hướng rõ ràng: AI hỗ trợ hiệu quả nhất ở những công việc có cấu trúc, mang tính chuẩn bị và lặp lại - chứ không phải những công việc đòi hỏi phán đoán tức thời, mối quan hệ con người hay trí tuệ cảm xúc.

Nghiên cứu từ Scotland năm 2024 với hơn 1.800 giáo viên cho thấy ba hoạt động chiếm nhiều thời gian nhất ngoài giờ làm việc là: lập kế hoạch và chuẩn bị bài giảng, chuẩn bị tài liệu, và chấm bài cùng phản hồi cho học sinh. Đây chính là những lĩnh vực AI có thể hỗ trợ mạnh mẽ.

AI dạy học có hiệu quả?

Câu trả lời từ các nghiên cứu khoa học là: Có

nhưng...

Một thử nghiệm ngẫu nhiên có đối chứng năm 2025 tại Harvard so sánh sinh viên học qua Gia sư AI với học sinh học qua lớp học phương pháp tích cực.
Kết quả: sinh viên học được nhiều hơn đáng kể trong thời gian ngắn hơn khi sử dụng Gia sư AI so với học tích cực trong lớp. Các sinh viên cũng cảm thấy gắn kết và có động lực hơn.

Một nghiên cứu khác từ Anh với 165 học sinh 13-15 tuổi cho thấy học sinh sử dụng Gia sư AI được giám sát bởi giáo viên thực đạt kết quả tốt hơn: 66,2% giải quyết thành công các loại bài toán mới, so với 60,7% với chỉ giáo viên người.

Nhưng có một điều kiện quan trọng: Những hệ thống AI này phải được thiết kế dựa trên các nguyên tắc sư phạm tốt nhất: học tập tích cực, quản lý tải nhận thức, thúc đẩy tư duy phát triển, và cá nhân hóa sâu.

Điều AI không thể làm

Nghiên cứu về trí tuệ cảm xúc của giáo viên cho thấy một bức tranh rõ ràng rằng Giáo viên có trí tuệ cảm xúc cao hơn dự đoán đáng kể chất lượng mối quan hệ giáo viên-học sinh tốt hơn.

Nghiên cứu ở Bangladesh phát hiện biến thiên đáng kể trong động lực học tập của học sinh có thể bị ảnh hưởng bởi sự biến thiên trong trí tuệ cảm xúc của giáo viên.
Khi giáo viên hiểu trạng thái cảm xúc của chính mình, họ có thể quản lý động lực lớp học tốt hơn và gián tiếp khuyến khích học sinh tham gia nhiều hơn vào việc học.

Giáo viên có trí tuệ cảm xúc cao hơn có xu hướng tạo ra môi trường học tập hỗ trợ và hòa nhập, quản lý hành vi học sinh hiệu quả và đáp ứng đồng cảm với nhu cầu cảm xúc của học sinh.

Đối với trẻ nhỏ, điều này càng quan trọng hơn. Trẻ em có trí tuệ cảm xúc cao hơn có khả năng chú ý tốt hơn, gắn kết hơn với trường học, có mối quan hệ tích cực hơn và đồng cảm hơn.

AI không có, và có lẽ không bao giờ có, khả năng này.

Ba lý do AI không thể thay thế hoàn toàn

1. Dạy học không phải một công việc, mà là nhiều vai trò

Giáo viên vừa là người truyền đạt kiến thức, vừa là người giám sát, tư vấn tâm lý, thực thi kỷ luật, ra quyết định đạo đức, và kết nối xã hội.

Hệ thống giáo dục công lập yêu cầu phải có người chịu trách nhiệm về: an toàn học sinh, tranh chấp điểm số, kế hoạch giáo dục cá nhân, kỷ luật, giao tiếp phụ huynh, báo cáo tình trạng phúc lợi trẻ em.

2. Học sinh không phải robot

Trẻ em cần được nhìn thấy, được lắng nghe, được quan tâm. Chúng cần mô hình để noi theo, cần ranh giới rõ ràng, cần lòng tin được xây dựng theo thời gian.

3. Chính trị và xã hội

Công đoàn giáo viên Mỹ (AFT) năm 2024 rất rõ ràng: AFT ủng hộ nguyên tắc đổi mới có sự tham gia, vận động cho sự tham gia có ý nghĩa của người lao động vào việc thiết kế, phát triển, mua sắm và ứng dụng công nghệ AI để đảm bảo các công cụ AI tăng cường chứ không thay thế chuyên môn, phán đoán và tương tác giữa con người UNESCO.

Đây không chỉ là quan điểm một tổ chức. Đây là tiếng nói của hàng triệu phụ huynh, giáo viên, nhà quản lý giáo dục.

Tương lai thực sự

Điều sẽ xảy ra không phải là AI thay thế giáo viên mà là AI giải phóng giáo viên.

Giải phóng họ khỏi những công việc hành chính tốn thời gian như:

• Tự động chấm bài trắc nghiệm

• Tạo đề kiểm tra đa dạng

• Phân tích dữ liệu học sinh

• Soạn thảo giáo án cơ bản

• Dịch tài liệu

Để giáo viên tập trung vào:

• Xây dựng mối quan hệ với học sinh

• Thiết kế trải nghiệm học tập sâu

• Hướng dẫn tư duy phê phán

• Truyền cảm hứng và động lực

• Phát triển kỹ năng xã hội-cảm xúc cho học sinh

Kết luận

Trở lại câu hỏi ban đầu: AI có thay thế được giáo viên không?

Câu trả lời là: Không.

Nhưng không phải vì giáo viên không thể thay thế theo nghĩa lãng mạn mà vì khi phân tích kỹ, ta thấy:

AI đe dọa các nhiệm vụ (tasks), không phải nghề nghiệp (profession).

Những nhiệm vụ máy móc, lặp đi lặp lại chắc chắn AI làm tốt hơn con người.

Những nhiệm vụ cần phán đoán, cảm xúc, kết nối thì con người vẫn không thể thay thế.

Và khi AI đảm nhận phần cơ học, những gì còn lại chính là phần khó nhất, quan trọng nhất, mang tính con người nhất của nghề dạy học.

Phần đó không thể mở rộng quy mô theo kiểu công nghệ bởi vì bạn không thể tự động hóa sự quan tâm, không thể số hóa lòng tin, không thể thuật toán hóa tình thương.

Và đó chính là lý do giáo viên vẫn ở đây, và sẽ còn ở đây rất lâu.

Tài liệu tham khảo:

• RAND Corporation (2024). Teacher Well-Being and Intentions to Leave

• Pew Research Center (2024). How K-12 Teachers Manage Their Workload

• University of the West of Scotland (2024). Teacher Workload Research Report

• Scientific Reports (2025). AI tutoring outperforms in-class active learning

• Psychology in the Schools (2025). Teachers’ Emotional Intelligence and Teacher-Student Relationship

• Nature Communications (2023). Developing emotional intelligence in student teachers

• Educational Psychology Review (2025). Teacher Emotional Competence

• Artificial intelligence in teaching and teacher professional development: A systematic review (2025).

Những công nhân đầu tiên của thời đại số

Gần sáu giờ trời tháng Chạp mù sương chưa rõ mặt người, Nguyễn Văn Giáp đẩy chiếc xe tay ga cũ ra khỏi dãy trọ ở Đông Anh. Trời bên ngoài 12 độ, nên khoác chiếc áo đồng phục xanh quen thuộc xong anh bịt mũ trùm kín tai, đeo khẩu trang dày, găng tay len, bật ứng dụng. Điện thoại “nổ” cuốc đầu tiên.

30 phút, 8km từ chân Cầu Thăng Long vào Cầu Giấy, nhận về gần 50 nghìn do giờ cao điểm, Giáp bắt đầu ngày làm việc trên yên xe. “Em cũng không hình dung một ngày chạy bao nhiêu vòng Hà Nội nữa”. Giáp, giống như hơn 700 nghìn tài xế xe công nghệ khác ở Việt Nam, hối hả xuôi ngược các cung đường mỗi ngày. Họ là tầng lớp cần lao mới của thời đại công nghệ số, làm việc không hợp đồng lao động, không người chủ lao động hữu hình, liên tục dưới sự kiểm soát chặt chẽ của thuật toán.

“Lúc đầu em cứ nghĩ giống như mình chạy 20 - 30km cũng nhẹ”. Nhưng về sau Giáp mới thấy ngày ngày ngồi ròng rã 12 tiếng trên yên xe là một cực hình. Khi căng mắt liên tục để nhìn đường, giữ tay ga, chống chân liên tục vì tắc đường và lúc nào cũng nơm nớp lo an toàn cho người sau lưng, nhiều người nghe tiếng còi xe to quá giật mình cũng đã nguy hiểm. Chưa kể, “vào giờ cao điểm buổi sáng mọi người còn hay giục chạy nhanh nữa”, Giáp kể.

Ai cũng cười không hiểu chạy xe cực nhọc tới mức nào mà thanh niên 32 tuổi 8h tối gà vừa lên chuồng đã đi ngủ “nhưng em mệt quá! mùa hè nhiều hôm về nhà trọ em không thiết ăn, lăn xuống ngủ không biết gì nữa”. “Thế nên em 32 chưa vợ”, giọng Giáp nhỏ dần xuống, mong mỏi ổn định cuộc sống chìm trong tiếng gió ù ù, tiếng còi ầm ĩ khi vào gần trung tâm thành phố.

Ít ai biết hầu hết tài xế xe ôm công nghệ như Giáp làm ngày làm đêm không dám nghỉ, ăn ngủ trên xe mới đủ mưu sinh. Nếu chỉ làm trong giờ tiêu chuẩn (48 giờ/tuần), thu nhập của tài xế thua xa mức lương đủ sống trung bình ở thành phố lớn (6,2 triệu, so với 7,5 triệu, tức là thấp hơn 17%).

Để đủ sống tài xế phải chạy xe trung bình liên tục hơn 11 giờ mỗi ngày và hơn 28 ngày mỗi tháng, thậm chí có người chạy 12 - 14 tiếng. Cường độ làm việc ròng rã tới mức xe máy còn rệu rã nói gì xương thịt con người. Tổng thời gian làm thêm hơn 103 giờ mỗi tháng, gấp hơn hai lần rưỡi so với quy định của luật.

Tính ra thời gian làm thêm bằng hai tuần lao động tiêu chuẩn mỗi tháng, nghĩa là tài xế đang gánh thêm gần một nửa khối lượng của một công việc toàn thời gian khác. Cộng cả năm thì mức này đang gấp gần 6,2 lần mức trần làm thêm giờ, và gấp hơn 4,2 lần trần ngoại lệ cho các nhóm đặc thù cần giải quyết việc cấp bách hoặc đòi hỏi chuyên môn cao.

“Người lao động làm việc ở một mức khủng khiếp!”, TS Đỗ Hải Hà (trường Luật đại học Melburne) người chủ trì báo cáo “Đằng sau huyền thoại về ‘đối tác kinh doanh’: Các tài xế xe ôm công nghệ dễ tổn thương ở Việt Nam đang rất cần được pháp luật bảo vệ”, thốt lên nhiều lần trong suốt buổi trả lời phỏng vấn. Một chuyên gia về lao động lâu năm như ông cũng không hình dung hết mức lao động khắc nghiệt của tài xế và sự bào mòn cơ thể sau nhiều năm.

Giáp không tính giờ làm theo cách đó. Anh chỉ biết rằng mỗi ngày mình chạy khoảng 200–250 km. Quãng đường ấy, nếu tính gộp, tương đương quãng đường từ Hà Nội vào Thanh Hóa quê anh - nhưng được lặp lại mỗi ngày trong dòng xe đông nghịt, đèn đỏ dày đặc, và áp lực phải tập trung liên tục. Trong một tháng, quãng đường Giáp đi được có thể lên tới 6.000–6.500 km – quãng đường bánh xe lăn trong một tháng dài gấp ba rưỡi chiều dài trục quốc lộ Bắc - Nam.

Làm việc dưới những dòng lệnh của thuật toán, nhận chấm điểm, xếp thứ hạng, “app nổ cuốc xa hay gần cũng phải nhận”, hầu như rất ít khi dám hủy cuốc vì sợ xếp hạng kém bị app “bắn” cuốc xa lắc, Giáp mới là thế hệ công nhân đầu tiên của nền kinh tế số. Điểm khác giữa Giáp và những công nhân mặc đồng phục trong các dây chuyền ngăn nắp sáng bóng ở phía bên kia cầu Thăng Long là: không hợp đồng lao động, không nhà máy, không ông chủ hữu hình, không công đoàn, và không được gọi tên là “công nhân”. Giáp cũng không gọi mình là người lao động của nền tảng số.

“Không giống công nhân đâu chị”, Giáp nói. “Công nhân có chế độ, còn bọn em thì không có gì cả.” Dù lực lượng xe ôm công nghệ rất đông đảo, từ manh nha vào 2015 nay tăng vọt lên bằng một nửa số công nhân ngành có lịch sử lâu đời và đang sử dụng công nhân nhiều thứ hai ở Việt Nam như da giày.

Hầu hết người ngoài, kể cả đã từng đi xe ôm công nghệ cũng không thể hình dung được cuộc mưu sinh giữa những dòng lệnh từ 0 đến 1 của thuật toán như thế nào. Bởi trong lịch sử lao động, trước tài xế xe công nghệ chưa từng có nhóm lao động nào không hề tiếp xúc với chủ doanh nghiệp, chỉ có “ông chủ” thuật toán vô hình ra lệnh “nổ” cuốc, chỉ có “đi” và “đến”, “xa” và gần”, “bật” và “tắt”...

Theo TS Đỗ Hải Hà, một điểm mấu chốt khiến tài xế rơi vào vòng xoáy làm việc quá sức là cách thức kiểm soát của thuật toán. Các nền tảng sử dụng thuật toán như một “nhà quản lý ảo tự động”: theo dõi lộ trình, ghi nhận thời gian hoạt động, áp đặt tỷ lệ chấp nhận hoặc hủy chuyến, và áp dụng các hình thức xử phạt gần như ngay lập tức, trong khi tài xế hầu như không có cơ hội giải trình trực tiếp với con người.

Chạy xe từ COVID-19, trước đó nhiều năm theo phụ việc các xe tải nông sản đường dài, không tìm được việc khác phải tìm đến xe ôm công nghệ, có lẽ Giáp là chân dung điển hình cho nhóm lao động phi chính thức, chiếm gần nửa lao động có việc nhưng rất bấp bênh ở các thành phố.

Câu cửa miệng “thất nghiệp thì xách xe ra chạy grab” nói về tình trạng công nhân bị đào thải lấy chạy xe làm phương án mưu sinh cuối cùng, đúng với Giáp hay bất kỳ tài xế xe công nghệ nào. “Không có nghề nghiệp gì khác thì phải chịu thôi”, ban đầu Giáp tưởng chỉ làm tạm thời nhưng rút cuộc phải gắn bó đến tận bây giờ.

Giọng Giáp kể đều đều, như một điều bình thường đã thành nhịp, như tiếng lăn bánh ro ro trên đường. Nhưng chỉ vài năm trước, bầu không khí không trầm xuống như thế.

Ở thế yếu

Cuối năm 2020, đầu 2021, trên nhiều hội nhóm Facebook của hàng vạn tài xế xe công nghệ ở Hà Nội và TP.HCM sôi sục, đồng loạt kêu gọi cùng phản đối các chính sách mới của các hãng xe công nghệ, đặc biệt là việc áp thuế và thay đổi cơ chế chiết khấu.

Ở TP.HCM, Vũ đã tham gia các đợt tắt app đó. Khi chính sách của hãng thay đổi, thu nhập giảm mạnh “lên đến một phần ba” như Vũ kể, lại còn trúng dịp COVID ít việc, chi phí sinh hoạt không ngừng tăng, anh cùng nhiều tài xế khác buộc phải “lên tiếng” bằng một hình thức nào đó.

Không có công đoàn, không có đại diện chính thức, các tài xế chỉ có cách cùng đứng, bật còi, giăng băng rôn... để thu hút sự chú ý. Nhiều người sợ va chạm không dám đi vào dòng đồng phục áo xanh đông đảo chạy xe máy diễu hành , lặng lẽ tắt app nằm nhà để phản đối như Vũ.

Nếu trong nhà máy, những hình thức này được gọi tên là “đình công”, “lãn công”. Nhưng với một hình thức lao động không biết đối thoại với ai, các tài xế chỉ gọi chung chung là “tắt app” – cắt đứt mạch những dòng lệnh nổ cuốc và mình phải chạy xe với giá rẻ mạt.

Trước đó, năm 2018, rất đông tài xế GrabBike tập trung trước trụ sở Grab tại TP.HCM để đấu tranh việc nền tảng bất ngờ tăng chiết khấu từ 20% lên 23,6%. “Như vậy chạy cuốc 13.000 đồng chắc tài xế chỉ nhận được 8.000 đồng, tăng giá cước như này là quá bất công”, như lời nhiều tài xế mô tả trên báo chí thời điểm đó. Sau Grab, gần 1.000 tài xế GoViet (sau là Gojek) tập trung trước trụ sở hãng phản đối việc thay đổi đột ngột chính sách thưởng, khi số điểm cần đạt để nhận thưởng phải tăng gấp gần ba lần.

Đây là những lần ít ỏi xã hội biết đến mâu thuẫn giữa tài xế và nền tảng. Khi đó khái niệm “tài xế xe công nghệ” hay “lao động nền tảng số” vẫn còn quá mới mẻ. Lúc đó, xe ôm công nghệ đang là lối thoát cho khoảng 200.000 lao động tự do, chủ yếu ở hai thành phố lớn Hà Nội, TP HCM (để so sánh, số lượng này tương đương với quy mô dân số ở một quận của Hà Nội).

Những cuộc phản đối tập thể ấy khiến chính quyền lo ngại nguy cơ xung đột xã hội tăng cao - không chỉ vì quy mô phản kháng đông hàng trăm người, nếu cứ tụ lại mà không được đối thoại có thể tập hợp cả ngàn người, mà vì đây là một nhóm lao động đông đảo nhưng lại phân tán, không có thiết chế trung gian để “xì van” bất mãn.

PGS.TS Nguyễn Đức Lộc, viện trưởng Viện Nghiên cứu xã hội Social life - người tham gia nghiên cứu trong đề tài do Ban Dân vận thuộc Thành ủy TP.HCM chủ trì giai đoạn đó - nhận xét rằng các nhóm lao động yếu thế chỉ bùng phát phản ứng khi đời sống bị chạm đến “ngưỡng sinh tồn”. Khi còn đủ sống, họ chấp nhận im lặng. Khi ngưỡng này bị đe dọa, phản ứng là điều gần như tất yếu.

Theo các lý thuyết xã hội học, nhân học kinh điển, “vũ khí của kẻ yếu” thường là những hình thức phản kháng âm thầm khó nhìn thấy, chỉ khi đến ngưỡng sinh tồn, nhóm yếu thế mới lựa chọn cách cuối cùng là cùng xuất diện tập thể để được chú ý, để được lắng nghe.

Phản đối của tài xế chỉ buộc các nền tảng phải đối thoại và điều chỉnh chính sách trong ngắn hạn, trước khi các cơ chế chiết khấu và thưởng - phạt mới lại xuất hiện dưới những hình thức khác. Đơn cử, cuộc biểu tình của các tài xế xe máy Grab vào năm 2018 là trường hợp hiếm hoi gây được áp lực buộc nền tảng phải thu hồi quyết định tăng chiết khấu. Tuy nhiên, thành công này chỉ tồn tại trong thời gian ngắn. Sau đó, Grab đã tăng tỷ lệ lên 27,2% vào năm 2020, bất chấp các cuộc phản đối của các tài xế.

Ngược lại, các nền tảng cũng có nhiều biện pháp cô lập, mua chuộc, vô hiệu hoá, đe doạ và trừng phạt những tài xế tham gia tranh đấu, đặc biệt là những “thủ lĩnh” không chính thức của họ. Các nền tảng còn theo dõi sát sao nhóm Facebook của các tài xế, mặt khác không ngừng tuyển dụng tài xế mới để duy trì một lực lượng tài xế đủ lớn nhờ vào đó giảm tác động của biện pháp tắt app của tài xế... Báo cáo “Đằng sau huyền thoại về ‘đối tác kinh doanh’” cho thấy, tất cả các điều khoản hợp tác của bốn nền tảng số được khảo sát đều có điều khoản cho phép dễ dàng trừng phạt các tài xế tham gia phản đối tập thể.

Cuộc đua xuống đáy

Các cuộc phản đối gay gắt của tài xế xe công nghệ tắt dần.

Không phải vì các vấn đề cốt lõi trong mối quan hệ của tài xế với nền tảng số được giải quyết Không có một thỏa thuận tập thể nào được ký kết, cũng không có một khung bảo vệ mới được hình thành. Không phải vì được đối thoại, không phải vì được đảm bảo thêm quyền lợi.

Phụ thuộc nặng nề về tài chính vào nền tảng, những người lao động rớt xuống làm xe ôm công nghệ thường không còn lựa chọn khác. Nhóm gắn bó lâu dài từ ba năm trở lên chủ yếu là lao động lớn tuổi, cứ bốn tài xế gắn bó lâu dài thì ba người 45 tuổi trở lên - cho thấy đây đang trở thành sinh kế “bám trụ” của những người bị loại khỏi thị trường lao động chính thức. Và trái với hình dung phổ biến rằng tài xế xe ôm công nghệ chủ yếu là lao động ít học, một phần tư có bằng cao đẳng, đại học hoặc sau đại học, một nửa tốt nghiệp từ THPT trở lên.

Ở chiều ngược lại, lực lượng mới gia nhập nghề lại ngày càng trẻ hóa: gần một nửa số người làm dưới một năm nằm trong độ tuổi 18–25, cho thấy xe ôm công nghệ đang tiếp tục hút thêm những lao động trẻ không tìm được việc làm khác.

Ở cả hai phía - người bám trụ lẫn người mới vào - áp lực mưu sinh đều đẩy tài xế vào một vòng xoáy giống nhau. Tài xế quay lại chạy xe miệt mài hơn, nhưng công việc khắc nghiệt hơn, chạy nhiều giờ hơn thu nhập còn giảm đi. “Mình chỉ có thua thôi. Ngày nào cũng có xế mới đăng ký. Mình cần việc hơn”, Giáp kể. Anh ước lượng ở Hà Nội và TP. HCM có cả triệu tài xế xe ôm công nghệ.

Khảo sát 400 tài xế xe công nghệ tại TP. HCM của nhóm PGS.TS Nguyễn Đức Lộc cho thấy, tài xế tự nói ra rằng đang đối mặt với 5 nhóm rủi ro chính. Lớn nhất là rủi ro về sức khỏe, thân thể và tính mạng, với 48% tài xế cho biết thường xuyên gặp phải. Tiếp theo là mức chiết khấu cao nhưng thiếu các khoản trợ cấp, phụ cấp cần thiết (32%). Bên cạnh đó, 25% tài xế cho biết họ không có quyền đàm phán các điều khoản hợp đồng, và 24% cho rằng không được bảo vệ quyền lợi đầy đủ trước khách hàng.

“Chạy thế này hại người lắm,” Giáp nói. “Mùa này còn đỡ chứ mùa hè nắng phả vào mặt. Vải đồng phục giống miếng nilon, áo bên bên trong một lúc đã ướt đầm. Ướt xong chạy gió khô rồi lại ướt. Về đến nhà em bải hoải, người lả không ăn nổi cơm”. Thi thoảng các báo lại đăng những trường hợp tài xế ngất xỉu trên xe.

Nhiệt độ ngoài trời 39 – 40°C không phản ánh hết mức độ cực nhọc mà tài xế phải chịu. Ở mức nhiệt không khí 39°C, việc cả ngày đứng trực tiếp dưới nắng mùa hè khiến cơ thể phải gánh “áp lực nhiệt” cực cao, vượt xa cảm nhận thông thường về “39 độ”, do bức xạ mặt trời chiếu thẳng lên cơ thể.

Các nghiên cứu từ hàng nghìn lao động ngoài trời cho thấy nắng nóng khiến cơ thể rất nhanh kiệt sức, tim đập nhanh hơn, người lao động yếu đi thấy rõ. Đáng chú ý, hơn hai phần ba sự suy giảm thể lực của người lao động ngoài trời là do làm việc dưới nắng nóng gây ra.

Có cách nào để điều kiện lao động bớt khắc nghiệt hơn không?

“Đối tác tự do”

Nhìn từ trên xuống, thị trường gọi xe, một ngành non trẻ mới vài năm đã đạt tỷ đô, dự kiến tăng gấp đôi chỉ trong vòng 3 năm nữa. Nhưng nhìn từ dưới lên, từ thân phận nhọc nhằn của những tài xế xe ôm - công nhân đầu tiên của nền kinh tế số, những mao mạch âm thầm làm nên đế chế tỉ đô, làm nên kỳ lân công nghệ đầu tiên và lớn nhất Đông Nam Á chạm đến cuộc sống hàng chục triệu người Việt Nam, đã có cơ chế nào bảo vệ họ?

Những lao động giá rẻ, dù đang xiết từng con ốc nhỏ bé, ráp từng chiếc màn hình tạo nên chiếc điện thoại, trái tim của nền công nghệ số cho đến những người chạy xe ngoài đường, đều phải chấp nhận đồng lương tính đến từng nghìn đồng cho mỗi giờ làm việc. Nếu như đó là quy luật chung phải chấp nhận của một nền lao động gia công, thì không có lý nào những người lao động mưu sinh dưới những dòng lệnh thuật toán lại không được gọi là “người lao động”, là “công nhân”.

“Trong bảng khảo sát của nhóm mình thì khi có câu hỏi là tài xế có muốn có tổ chức đại diện không? thì đa số họ chọn có”, TS Đỗ Hải Hà cho biết.

Nhưng cũng chính tài xế, đã thẩm thấu ngược cái diễn ngôn của các nền tảng số về việc sử dụng app để “cung cấp dịch vụ vận tải”, rằng “không phát sinh bất kỳ quan hệ lao động nào”, rằng luôn tự nhận mình là “đối tác tự do”.

Những bản điều khoản dài dặc, những thông báo, cộng lại cả chục nghìn từ vô cùng chặt chẽ về pháp lý, nhưng không hề nhắc tới “tai nạn lao động của tài xế”, “kiệt sức, bệnh nghề nghiệp”, “nắng nóng, thời tiết khắc nghiệt”, “nghĩa vụ bảo vệ sức khỏe người cung cấp dịch vụ”.

Các khái niệm “sức khỏe”, “tính mạng” chỉ xuất hiện khi gắn với trách nhiệm bồi thường của tài xế đối với hành khách hoặc bên thứ ba. “Đối tác tự chịu trách nhiệm”, nền tảng “không chịu bất kỳ trách nhiệm hay nghĩa vụ pháp lý nào”, “không phát sinh nghĩa vụ bồi thường”, “giải trừ trách nhiệm của nền tảng”, “ngoài phạm vi dịch vụ của nền tảng” được nhắc lại nhiều lần.

Theo logic đó, việc không có bảo hiểm, không có giờ làm tối đa, không có bảo vệ về sức khỏe nghề nghiệp không phải là thiếu sót, mà là hệ quả tất yếu của một thỏa thuận tự nguyện giữa các bên độc lập.

Nhìn vào mối quan hệ này, “giữa ba bên – tư bản, lao động và nhà nước – thì rõ ràng là phía tư bản ít có động lực để phá vỡ nguyên trạng. Phía lao động thì chưa tạo được tiếng nói đủ mạnh để thay đổi”. TS Đỗ Hải Hà nói. Chính ở đây cần nhà nước chủ động can thiệp.

Điều lẽ ra là một cuộc thảo luận về triển vọng tương lai đã biến thành một cuộc thảo luận rộng lớn, không bị kiểm duyệt, với việc Musk tiết lộ những quan điểm mang tính cách mạng như lộ trình của Trí tuệ Nhân tạo Tổng quát (AGI), cuộc cạnh tranh AI giữa Mỹ và Trung Quốc, và thậm chí cả những tuyên bố như “đừng tiết kiệm cho hưu trí” và “bác sĩ robot sẽ hoàn toàn vượt trội so với con người trong ba năm nữa, khiến việc học y trở nên vô nghĩa.” Tôi đã dành cả buổi sáng để xem video và muốn chia sẻ một số điểm chính nổi bật nhất:

1. Trí tuệ Nhân tạo đang tiến bộ nhanh hơn tưởng tượng; nó sẽ vượt qua tổng số trí tuệ của toàn nhân loại cộng lại vào năm 2030.

Ở đầu cuộc phỏng vấn, người dẫn chương trình Peter đã hỏi Musk, “Tại sao anh lại lạc quan như vậy?” Musk không trả lời trực tiếp mà thay vào đó đưa ra một nhận xét thậm chí còn ấn tượng hơn: “Chúng ta không đang hướng tới điểm xuất phát; chúng ta đã sống ở điểm xuất phát rồi.”

Anh giải thích rằng tốc độ tiến bộ của AI nhanh đến mức anh kinh ngạc nhiều lần mỗi tuần—cứ khi anh nghĩ rằng một bước đột phá nào đó là đáng kinh ngạc, thì một bước đột phá đáng kinh ngạc khác lại xuất hiện hai ngày sau đó; đây là sức mạnh của sự tăng trưởng theo cấp số nhân. Musk dự đoán rằng Trí tuệ Nhân tạo Tổng quát (AGI) sẽ đạt được vào năm 2026, và đến năm 2030, trí tuệ của AI sẽ vượt qua tổng trí tuệ của toàn nhân loại. Đúng vậy, không phải vượt qua bất kỳ cá nhân nào, mà là vượt qua tổng trí tuệ của toàn nhân loại; con người cuối cùng sẽ không còn là loài thông minh nhất trên Trái đất nữa.

2. Bác sĩ robot sẽ vượt trội hơn các bác sĩ phẫu thuật hàng đầu trong 3 năm tới, khiến việc học y trở nên vô nghĩa

Điều đáng kinh ngạc hơn nữa là dự đoán từ lĩnh vực y tế: trong vòng ba năm, robot Optimus sẽ trở thành bác sĩ phẫu thuật giỏi hơn bất kỳ con người nào—lưu ý, không phải chỉ “gần bằng” hay “đủ gần”, mà là vượt trội hơn các bác sĩ phẫu thuật hàng đầu. “Trong tương lai, mọi người sẽ được tiếp cận với các dịch vụ y tế tốt hơn so với những người siêu giàu hiện nay,” Musk tuyên bố.

Tại sao lại nhanh như vậy? Bởi vì bác sĩ robot có lợi thế tăng trưởng theo cấp số nhân gấp ba lần: thứ nhất, tăng trưởng theo cấp số nhân về khả năng trí tuệ nhân tạo; thứ hai, tăng trưởng theo cấp số nhân về hiệu năng chip; và thứ ba, tăng trưởng theo cấp số nhân về sự khéo léo của các thiết bị điện cơ. Nhân ba đường cong cấp số nhân này lại với nhau sẽ tạo ra tốc độ tăng trưởng bùng nổ như tên lửa.

Musk nói thêm rằng, điều quan trọng hơn là kinh nghiệm của robot có thể được tích lũy, với tất cả các robot cùng chia sẻ một cơ sở kiến ​​thức: 10.000 robot phẫu thuật sẽ sở hữu kinh nghiệm của 10.000 robot. Chúng có thể nắm bắt chính xác mọi chi tiết của các bệnh nhân khác nhau, các trường hợp cấp cứu khác nhau, các biến chứng khác nhau, và thậm chí cả trong toàn bộ phổ ánh sáng, bao gồm cả tia hồng ngoại, tia cực tím và tia X; hơn nữa, chúng sẽ không bị phân tâm bởi những cuộc tranh cãi với người thân vào đêm trước, cũng như sẽ không mắc lỗi do mỏi tay sau bốn giờ phẫu thuật liên tục.

Cuối cùng, Musk thậm chí còn thẳng thắn tuyên bố, “Việc học trường y bây giờ là vô nghĩa.”

3. Cuộc cạnh tranh AI Mỹ-Trung: Sức mạnh tính toán của Trung Quốc sẽ vượt xa các khu vực khác, ba lợi thế cốt lõi áp đảo

Nói về cuộc cạnh tranh AI Mỹ-Trung, Musk đã nói ra một sự thật mà nhiều người không dám nói: Dựa trên xu hướng hiện tại, Trung Quốc sẽ vượt xa các khu vực khác về sức mạnh tính toán AI. Anh đưa ra ba lý do chính:

Lợi thế điện năng vượt trội

Đến năm 2026, sản lượng điện của Trung Quốc sẽ đạt gấp ba lần so với Hoa Kỳ. Trung Quốc đã bổ sung 500 terawatt-giờ điện vào năm ngoái, trong đó 70% đến từ năng lượng mặt trời. Musk không khỏi phàn nàn, “Cứ như thể họ đã nghe hết những gì tôi nói rồi lập tức thực hiện vậy.”

Khoảng cách thế hệ chip đang thu hẹp; Định luật Moore đã lỗi thời.

Từ 3nm xuống 2nm, hiệu năng chip chỉ cải thiện 10%, nghĩa là Định luật Moore đã lỗi thời, và lợi thế về chip của Mỹ đang giảm dần, tạo điều kiện thuận lợi hơn cho Trung Quốc bắt kịp.

Khả năng thực thi vượt trội

Musk thẳng thắn tuyên bố: “Tôi đã chứng kiến ​​quá nhiều kỹ sư Trung Quốc; khi nhu cầu rõ ràng, tốc độ và quy mô thực thi của họ là không thể tưởng tượng nổi.”

Anh dự đoán rằng cuộc cạnh tranh AI cuối cùng sẽ diễn ra giữa XAI, Google và Trung Quốc.

4. Đừng tiết kiệm cho hưu trí! Tiền bạc có thể không còn quan trọng trong 10-20 năm nữa

Đây là tuyên bố gây sốc nhất trong cuộc phỏng vấn: “Đừng tiết kiệm cho hưu trí.”

Musk giải thích rằng trong 10-20 năm nữa, hoặc tất cả chúng ta sẽ không còn tồn tại, hoặc tiền bạc sẽ không còn quan trọng nữa. Nhiều người lo lắng rằng AI sẽ gây ra nạn thất nghiệp, nhưng Musk đã đề xuất một khái niệm mới - “thu nhập cao phổ quát” (không phải lỗi chính tả của “u hi”). Đây không phải là “thu nhập cơ bản phổ quát” do chính phủ ban hành, mà là một sự thay đổi cơ bản hơn trong logic kinh tế: khi tốc độ tăng trưởng sản lượng hàng hóa và dịch vụ vượt quá tốc độ tăng trưởng cung tiền, nó sẽ dẫn đến sự sụp đổ giá cả. Nói một cách đơn giản, trí tuệ nhân tạo và robot sẽ đưa chi phí sản xuất xuống gần bằng không, làm cho mọi thứ trở nên cực kỳ rẻ và cho phép mọi người dễ dàng có được hàng hóa và dịch vụ mà họ muốn.

Tuy nhiên, anh cũng cảnh báo rằng 3-7 năm tới sẽ rất hỗn loạn: chúng ta sẽ đồng thời trải qua những thay đổi triệt để, biến động xã hội và sự thịnh vượng to lớn—một giai đoạn chuyển tiếp không thể tránh khỏi. Nếu không điều nào trong số này xảy ra, điều đó cho thấy chúng ta phải đối mặt với những vấn đề lớn hơn nữa—chẳng hạn như sự phát triển trí tuệ nhân tạo trì trệ hoặc sự sụp đổ của nền văn minh.

5. Năng lượng mặt trời là câu trả lời duy nhất! Ba bước để đạt được tự do năng lượng cho con người

Về năng lượng, lập trường của Musk vô cùng kiên định: “Mặt trời chiếm 99,8% khối lượng của hệ mặt trời. Việc tiến hành phản ứng tổng hợp hạt nhân trên Trái đất giống như tạo ra băng ở Nam Cực—chúng ta có một lò phản ứng hạt nhân khổng lồ miễn phí cách mặt đất 930.000 dặm, tại sao lại phải xây dựng một cái nhỏ hơn trên Trái đất?”

Anh đã vạch ra kế hoạch ba bước để sử dụng năng lượng mặt trời:

Bước 1: Tăng gấp đôi hiệu suất của lưới điện hiện có

Các nhà máy điện có một lượng lớn công suất nhàn rỗi vào ban đêm, nhưng lại không đủ điện năng trong giờ cao điểm ban ngày. Giải pháp là sử dụng pin Mega Pack của Tesla để lưu trữ điện năng dư thừa vào ban đêm và giải phóng nó vào giờ cao điểm ban ngày, trực tiếp tăng gấp đôi sản lượng năng lượng mà không cần xây dựng bất kỳ nhà máy điện mới nào.

Bước 2: Phóng các vệ tinh AI chạy bằng năng lượng mặt trời vào không gian

Không gian giống như ban ngày suốt 24/7, khiến việc sử dụng năng lượng mặt trời hiệu quả nhất. Sẽ cần khoảng 8.000 lần phóng, mỗi giờ một lần, để hoàn thành việc triển khai trong vòng một năm.

Bước thứ ba: Xây dựng nhà máy sản xuất vệ tinh trên Mặt Trăng

Để thu năng lượng mặt trời trên quy mô lớn, việc phóng từ Trái Đất là không đủ. Giải pháp tối ưu của Musk là xây dựng một nhà máy trên Mặt Trăng, sử dụng vật liệu có sẵn để sản xuất vệ tinh, và sau đó phóng chúng trực tiếp vào quỹ đạo từ Mặt Trăng.

Musk khẳng định một cách chân thành: “Đây là sự nâng cấp thực sự của nền văn minh nhân loại.”

Kết luận cuối cùng: Tiền tệ của tương lai về cơ bản là năng lượng.

Kết thúc cuộc phỏng vấn, Musk đã đưa ra một tuyên bố đáng nhớ: “Tiền tệ của tương lai về cơ bản là năng lượng - với năng lượng, bạn có thể điều khiển trí tuệ nhân tạo, bạn có thể tạo ra bất cứ thứ gì và thay đổi thế giới vật chất.”

Anh cũng thừa nhận rằng mình từng rất bi quan, thậm chí đã đề xuất làm chậm quá trình phát triển trí tuệ nhân tạo trong một số trường hợp, nhưng cuối cùng nhận ra: thay vì là một người ngoài cuộc bi quan, tốt hơn hết là nên là một người tham gia lạc quan. Đây là điều mà tôi đã nghiêm túc nỗ lực thực hiện – với hy vọng giúp nhiều người hơn nữa bắt kịp thời đại.’

Nguồn bài viết: Peter Pho.

Người xem không khỏi sốc khi chứng kiến nàng Lâm Đại Ngọc yếu đuối, mong manh trong Hồng Lâu Mộng bỗng chốc cơ bắp cuồn cuộn, đeo găng tay quyền anh và thượng đài đấm nhau túi bụi với Giả Bảo Ngọc. Ở một diễn biến khác, Đường Tăng trong Tây Du Ký không còn một lòng hướng Phật mà lại có những cảnh quay thân mật, tình tứ với các nữ yêu tinh, Tiểu Long Nữ yêu lão ngoan đồng Chu Bá Thông trong Thần Điêu Đại Hiệp, Dung Ma Ma tra tấn Hạ Tử Vi trong Hoàn Châu Cách Cách bằng xúc xích thối. Thậm chí, bầu không khí cung đấu thâm trầm của Chân Hoàn Truyện cũng bị phá nát khi nhân vật Chân Hoàn ngồi ăn hamburger ngon lành, cưỡi mô tô phân khối lớn hoặc cầm súng tiểu liên xả đạn vào hoàng thượng.

Trước thực trạng bát nháo này, Tổng cục Quảng bá Phát thanh Truyền hình Quốc gia Trung Quốc (NRTA) không thể ngồi yên. Cơ quan này tuyên bố sẽ mở một chiến dịch đặc biệt kéo dài một tháng, bắt đầu ngay từ ngày đầu năm mới 1/1/2026, nhằm thanh lọc toàn diện các nội dung “AI ma cải”.

Theo đó, NRTA xác định rõ các đối tượng và hành vi vi phạm sẽ bị xử lý nghiêm, tập trung vào các video sử dụng tư liệu từ “Tứ đại danh tác” ( Tam Quốc Diễn Nghĩa, Thủy Hử, Tây Du Ký, Hồng Lâu Mộng), các đề tài lịch sử, cách mạng và hình tượng anh hùng, liệt sĩ.

Để chiến dịch đạt hiệu quả, NRTA yêu cầu các nền tảng mạng xã hội và chia sẻ video (như Douyin, Kuaishou, Bilibili...) phải thực hiện nghiêm túc trách nhiệm chủ thể. Các nền tảng này buộc phải nâng cấp hệ thống kiểm duyệt nội dung, chủ động rà soát và gỡ bỏ các video vi phạm, đồng thời có chế tài xử phạt mạnh tay đối với các tài khoản cố tình đăng tải nội dung “AI ma cải” độc hại.

Mục tiêu của chiến dịch không chỉ là dọn dẹp rác mạng trong ngắn hạn mà còn hướng tới việc xây dựng cơ chế quản lý lâu dài, thường xuyên đối với các nội dung do AI tạo ra.

Theo Góc Nhìn Mới

Tài liệu AI cho Thế hệ Dịch vụ Công tiếp theo của UNDP đã mang tới những hiểu biết quan trọng về việc trí tuệ nhân tạo đang tái định hình bộ máy hành chính công, đồng thời cảnh báo về nguy cơ tạo ra một hố sâu bất bình đẳng mới giữa các quốc gia và các nhóm cộng đồng.

Dưới đây là tổng hợp những insight sâu sắc nhất từ các nguồn tài liệu:

1. Bước nhảy vọt về hiệu suất và sự cá nhân hóa

Tại khu vực châu Á - Thái Bình Dương, AI đang chứng minh khả năng giải phóng bộ máy hành chính khỏi các tác vụ lặp đi lặp lại.

• Tối ưu hóa thời gian: Điển hình là nền tảng Moments of Life của Singapore, giúp tích hợp 15 dịch vụ liên cơ quan. Cha mẹ mới sinh con chỉ mất 15 phút để hoàn thành các thủ tục vốn trước đây tiêu tốn tới hai giờ đồng hồ, cắt giảm 70% thời gian hành chính.

• Khả năng đáp ứng 24/7: Chatbot OneService xử lý hơn 500.000 truy vấn mỗi năm, cải thiện 50% hiệu quả giải quyết khiếu nại với 90% trường hợp được xử lý trong vòng 48 giờ.

• Quản trị tiên đoán: AI cho phép chính phủ chuyển từ trạng thái phản ứng sang chủ động. Tại Thâm Quyến, hệ thống cảnh báo sớm dựa trên AI đã giảm 25% thời gian phản hồi trung bình đối với các thảm họa đô thị kể từ năm 2021.

2. Những góc khuất của thuật toán và hiện tượng hộp đen

Dù mang lại hiệu quả, việc phụ thuộc quá mức vào thuật toán mà thiếu đi sự giám sát của con người đã dẫn đến những thất bại thảm khốc.

• Hệ quả của sự thiếu minh bạch: Hiện tượng hộp đen xảy ra khi các quy trình ra quyết định của AI trở nên quá phức tạp đến mức chính những người phát triển hay công chức cũng không thể giải thích được. Điều này dẫn đến sự xói mòn niềm tin khi công dân không thể hiểu hoặc khiếu nại các quyết định ảnh hưởng trực tiếp đến đời sống của họ.

• Thảm họa hành chính: Chương trình Robodebt tại Australia là một ví dụ đau xót, khi một mô hình thuật toán sai sót trong việc truy thu nợ an sinh xã hội đã ảnh hưởng đến 500.000 người, dẫn đến một cuộc khủng hoảng niềm tin và pháp lý nghiêm trọng.

• Vật trang trí kỹ thuật số: Một rủi ro khác là tình trạng các quan chức chạy theo xu hướng công nghệ nhưng lại bỏ qua sự thay đổi thực chất trong quy trình, biến các hệ thống AI đắt tiền thành những vật trang trí kỹ thuật số kém hiệu quả, thậm chí làm tăng gánh nặng giấy tờ cho nhân viên tuyến đầu.

3. Sự phân cực và những đối tượng bị bỏ lại phía sau

AI không vận hành trong một môi trường phẳng mà diễn ra trên một bối cảnh xã hội đầy rẫy những bất cập về hạ tầng và trình độ dân trí kỹ thuật số.

• Khoảng cách đô thị - nông thôn: Tại Trung Quốc, trong khi các thành phố lớn như Thượng Hải có tốc độ băng thông trên 220 Mbps, thì các tỉnh miền Tây như Cam Túc hay Vân Nam vẫn phụ thuộc vào các phương pháp chẩn đoán truyền thống do hạ tầng yếu kém.

• Định kiến giới và sắc tộc: Các hệ thống AI được huấn luyện trên dữ liệu lịch sử thường mang theo những thành kiến sẵn có. Tại Việt Nam, các hệ thống kết nối việc làm AI có xu hướng đề xuất các vai trò kỹ thuật cho nam giới và hướng phụ nữ vào các công việc lương thấp truyền thống. Tại Ấn Độ, việc xác thực quyền lợi thường dựa trên thông tin của chủ hộ (thường là nam giới), làm giảm khả năng tiếp cận dịch vụ của phụ nữ.

• Thế hệ bị lãng quên: Người cao tuổi thường gặp rào cản lớn về kỹ năng và sự tự tin khi tương tác với giao diện số. Tại Nhật Bản và Hàn Quốc, dù công nghệ robot và y tế từ xa rất phát triển, nhiều người già vẫn bị lỡ các đợt khám bệnh hoặc nhận lương hưu chậm do không thể sử dụng ứng dụng.

4. Lộ trình hướng tới một tương lai bao trùm

Để AI thực sự trở thành công cụ thúc đẩy sự công bằng, UNDP đề xuất khung chính sách 6 trụ cột:

1. Hạ tầng: Đưa kết nối số đến các vùng sâu vùng xa, coi đó là quyền cơ bản.

2. Quản trị dữ liệu: Thiết lập các cơ chế bảo mật và trao quyền cho công dân kiểm soát dữ liệu của chính mình.

3. Đạo đức thuật toán: Thực hiện đánh giá đạo đức trong cả ba giai đoạn: trước, trong và sau khi triển khai hệ thống.

4. Tối ưu hóa ứng dụng: Cải thiện trải nghiệm người dùng với các giao diện dễ tiếp cận (cỡ chữ lớn, giọng nói theo phương ngữ).

5. Nâng cao năng lực số: Đào tạo kỹ năng cụ thể cho phụ nữ, người già và nhóm thu nhập thấp.

6. Hợp tác quốc tế: Xây dựng các chương trình kết nghĩa công chức và chia sẻ nguồn lực tài chính khu vực để thu hẹp khoảng cách giữa các quốc gia.

Lời kết

Sử dụng AI trong dịch vụ công cũng giống như việc điều khiển một con tàu hiện đại trên biển cả dữ liệu. Nó có thể đưa chúng ta đến đích nhanh hơn, nhưng nếu thuyền trưởng không quan tâm đến những người ở tầng hầm hoặc bỏ qua các tín hiệu từ môi trường, con tàu đó sẽ chỉ làm tăng thêm sự hỗn loạn. Thách thức lớn nhất không nằm ở kỹ thuật, mà là sự lựa chọn chính trị để đảm bảo rằng trí tuệ nhân tạo luôn được dẫn dắt bởi trí tuệ nhân văn.

Liên hệ để được huấn luyện chuyên sâu về tư duy tự học cùng AI (cá nhân) hoặc tư vấn chiến lược ứng dụng AI cho doanh nghiệp (cho lãnh đạo, quản lý):
NHẮN VỀ TẠI ĐÂY (Ms. Ngọc Bích).

Nếu thấy những nội dung từ Tự Học cùng AI hữu ích và muốn ủng hộ để cộng đồng tiếp tục có thêm những kiến thức chọn lọc và chất lượng về AI Ứng Dụng cho Công việc dưới góc độ Tư Duy Hệ Thống, bạn có thể gửi sự đóng góp của mình về:
- Ngân hàng TPBank | STK: 0868355261 | Chủ TK: Le Ngoc Bich
- Nội dung: Họ tên của bạn + Ung Ho THCAI