Các tập đoàn lớn "ngựa bò", bị buộc phải sử dụng AI

这 cơn gió “nâng cao hiệu suất nhờ AI” vẫn thổi trúng cả những người đi làm tại các công ty đại quy mô.

Ban đầu, AI chỉ là đồ chơi của một số ít dân công nghệ “đam mê kỹ thuật” và những người sẵn sàng thử nghiệm. Có người tự bỏ tiền mua gói thành viên, có người trao đổi riêng các prompt, xem đó như một công cụ mới để nâng cao hiệu suất và quả thực đã nếm được chút ngọt ngào từ đó.

Nhưng bây giờ, tình hình đã khác. Các đại công ty Internet trong và ngoài nước ở Trung Quốc đã bước từ giai đoạn “khuyến khích sử dụng AI” sang giai đoạn “sử dụng AI theo cách cưỡng bức ngầm”. Có người bị thống kê mỗi ngày tiêu hao bao nhiêu Token, có người trong nhóm gắn việc sử dụng AI với thành tích, có người bị yêu cầu ưu tiên dùng các công cụ do công ty tự nghiên cứu, có người thì phải tách kinh nghiệm làm việc của bản thân thành quy trình, viết thành Skills, giao cho AI gọi đi gọi lại nhiều lần.

Khi việc “dùng AI” và “đốt Token” dần trở thành một hình thức đánh giá, một bộ yêu cầu, thậm chí là một mẫu công việc mới, thì những nhân viên tại các đại công ty bị cuốn vào làn sóng trí tuệ hóa này thực sự đang ở trong hoàn cảnh như thế nào?

Trong vài ngày này, chúng tôi đã trò chuyện với sáu người làm việc trong nhiều công ty và nhiều vị trí khác nhau. Nền tảng của họ trải từ CIO của các công ty niêm yết ở nước ngoài, kỹ sư phát triển cấp cao của các đại công ty đầu ngành trong nước, các lập trình viên mới (viết code), cho đến các vị trí phi kỹ thuật như vận hành và kinh doanh marketing.

Có người nhờ AI mà đạt hiệu suất gấp đôi, rút thời gian đầu ra của tài liệu yêu cầu sản phẩm từ vài tuần xuống còn một ngày, thậm chí một người tạo ra thành quả từng thuộc về cả một đội trước đây; cũng có người để đối phó với yêu cầu “đầu ra thông minh”, đã phải tự tay tinh chỉnh một bảng dashboard dữ liệu đơn giản tới 80 lần, biến AI thành “thực tập sinh sơ cấp” cần không ngừng “dọn hậu quả”.

Không khí làm việc ở các đại công ty cũng thay đổi một cách tinh tế. Khi những thứ vốn thuộc về kinh nghiệm cá nhân, thói quen công việc của từng người bị từng chút một tháo rời, sắp xếp, tải lên, rồi tái sử dụng, những người chăm chỉ viết code nghiêm túc thành “phần tử không hoạt động”; còn người thường xuyên tinh chỉnh prompt thì trở thành điển hình của “tích cực đón nhận công nghệ mới”. Sự lo lắng mới cũng dâng lên: rốt cuộc chúng ta đang dùng AI, hay đang cho AI làm “nhiên liệu”, từng bước biến bản thân thành một quy trình có thể bị thay thế?

Trong cuộc “thử nghiệm AI” đi từ trên xuống này, có người cảm thấy hưng phấn, có người cảm thấy mệt mỏi, và cũng có người vừa phối hợp vừa bất an. Nhưng gần như ai cũng nhận ra một điều: bánh răng của thời đại đã quay rồi; cho dù là chủ động ôm lấy hay bị động phối hợp, thì cái thời kỳ công việc chỉ dựa thuần vào sức người, cày thời gian, đang “lật sang trang mới”.

Để nộp một “thành quả nhờ AI”, tôi đã sửa dashboard dữ liệu 80 lần

Tốt Tốt | Vận hành của một đại công ty Internet đầu ngành trong nước

Ba tuần trước, lãnh đạo gửi thông báo trong nhóm, nói rằng sau này “khuyến khích mọi người dùng AI để nâng cao hiệu suất”, không có KPI, không gắn với đánh giá thành tích, nhưng trong cuộc họp, ông ấy nhấn mạnh rằng: mọi đầu ra công việc sau này đều có thể để AI tạo ra một phiên bản trước.

Lúc đó tôi hiểu ra: đây kỳ thực là một yêu cầu ngầm.

Cách đây hơn hai mươi ngày, chúng tôi được yêu cầu thống nhất dùng công cụ AI do công ty tự nghiên cứu, với lý do “an toàn dữ liệu”, nhưng vấn đề nhanh chóng xuất hiện.

Thứ nhất là giới hạn hạn mức. Công ty phát cho mỗi người số lượt gọi có hạn. Tôi vừa suy nghĩ làm sao để dùng AI hoàn thành công việc ở mức cao nhất, vừa phải tính toán thật kỹ để “tiết kiệm từng chút”.

Thứ hai là khả năng không ổn định. Viết nội dung văn bản thì còn ổn, nhưng hễ liên quan tới phân tích dữ liệu và logic phức tạp là bắt đầu sai.

Tuần trước, tôi dùng nó làm dashboard dữ liệu thì trực tiếp khiến tôi sụp đổ.

Nhiệm vụ này rất đơn giản, là một công cụ để phân tích dữ liệu khách hàng và bán hàng. Trước đây đó là việc của bộ phận kỹ thuật, giờ lại cần “ai cũng biết làm”. Trước đó tôi từng dùng Gemini để viết thành công một trò chơi nhỏ, nên ngây thơ cho rằng dựng một dashboard dữ liệu hẳn cũng không khó.

Lần 1, AI lập tức đưa cho tôi một mẫu để tải dữ liệu lên, trong đó có thêm bảy, tám trường mà căn bản không dùng được; tôi đành phải tự xóa và chỉnh sửa.

Chỉnh tới lần thứ 13, các chiều dữ liệu và tổng dữ liệu cuối cùng cũng khớp, nhưng phần hiển thị khu vực lại thiếu ba chỗ; nó còn giải thích rằng đó là “tự động lọc các khu vực giá trị thấp”.

Chỉnh tới lần thứ 40, định dạng dữ liệu bắt đầu rối loạn: có chỗ số thập phân giữ 0 chữ số, có chỗ lại giữ 4 chữ số.

Tôi gồng tới lần sửa thứ 60. Kết quả sau khi tải dữ liệu mới lên thì biểu đồ không thể cập nhật tự động; số cũ và số mới chồng lên nhau, khiến dữ liệu phình ra gần gấp đôi.

Gồng tới lần sửa thứ 80, cuối cùng cũng bước tới bước cuối cùng để xuất PDF thành công. Tôi nghĩ cuối cùng có thể thở phào, nhưng mở ra rồi thì tim lại chết lần nữa; tôi tốn cả một buổi chiều chỉ để thu về một đống ký tự rác.

Tôi tính kỹ. Dù là làm dashboard dữ liệu hay hoàn thành báo cáo công việc hằng ngày, thì thời gian tôi phải liên tục tinh chỉnh AI, chờ “rút thẻ”, đủ để làm bằng tay hai lần. Nhưng lãnh đạo muốn thấy “đầu ra từ AI”, nên tôi phải đồng hành với vị “nhân viên AI sơ cấp” này, liên tục thử-sai.

Với tôi, AI vừa là công cụ vừa là gánh nặng, đại khái nửa nửa. Nó quả thật tiếp quản một số việc lặp lại, nhưng thời gian cho việc tinh chỉnh, kiểm tra, làm lại lại bù vào phần tinh lực được tiết kiệm. Cảm nhận rõ ràng nhất của tôi là: nhiều việc tôi hoàn toàn có thể tự làm xong, nhưng lại bắt buộc phải vòng một lượt, “làm một lần” bằng AI.

Để đủ số lần dùng AI,

tôi đã xóa code đi để nó viết lại một lần

Kevin | Kỹ sư của một công ty thương mại điện tử ở Mỹ

Lượt sử dụng Kiro của công ty (trợ lý lập trình AI nội bộ) của tôi tuần này vẫn chưa đạt chuẩn. Để đủ, tôi đã xóa một đoạn code kiểm tra tham số, rồi quăng thẳng cho Kiro viết lại. Nó tạo ra nhìn cũng được đấy, nhưng đã xử lý thiếu một nhánh ngoại lệ; cuối cùng vẫn phải để tôi tự bổ sung.

Thực ra trước đây tôi dùng AI để viết code cũng khá chăm. Tôi đăng ký ChatGPT Plus, sau đó lại thử Claude. Gặp vài trường hợp bài test cơ bản rườm rà, hoặc cần tra nhanh một API không phổ biến, giao cho AI xử lý thì đúng là tiết kiệm được nhiều. Lúc đó tôi thật sự cảm thấy có thể nâng cao hiệu suất, và mọi người cũng trao đổi prompt với nhau.

Nhưng từ cuối năm ngoái, công ty định vị Kiro là công cụ phát triển AI “khuyến nghị” của công ty, đồng thời đặt ra chỉ tiêu: trước cuối năm, 80% kỹ sư mỗi tuần phải dùng Kiro.

Ban đầu họ nói là để mọi người thuận tay sử dụng công cụ đó trong dự án, nhưng chẳng bao lâu sau, nội bộ đã cho ra mắt một hệ thống theo dõi tần suất sử dụng AI của nhân viên. Ai đang dùng, ai dùng không nhiều, thì phía sau hậu trường đều thấy được.

Điều làm chúng tôi nhức đầu nhất là Kiro không mấy dùng được. Viết code mẫu, kiểm thử, thích ứng giao diện thì còn được; nhưng hễ liên quan tới chuỗi gọi, xử lý trạng thái hoặc các ràng buộc triển khai, thì code mà nó tạo ra thường chỉ là một phiên bản “nửa thành phẩm”. Vì vậy, nhiều kỹ sư yêu cầu chuyển sang dùng Claude Code, cho rằng Kiro không phù hợp với các phán đoán trình độ cao về độ phức tạp.

Việc mọi người không yên tâm với code do AI tạo ra là có lý do. Cuối năm ngoái, một nhóm trong công ty đã gặp một tai nạn không nhỏ vì chạy Kiro. Sau vụ đó, việc phê duyệt thay đổi code có sự tham gia của AI đã bị siết chặt rõ rệt.

Nhưng tôi vẫn thấy hơi bàng hoàng. Những người chăm chỉ nghiên cứu logic tầng dưới, tối ưu code nòng cốt bằng tay, lại không đủ “hoạt động” trên hệ thống theo dõi; ngược lại, những người thường xuyên tinh chỉnh prompt lại trở thành điển hình của “tích cực đón nhận công nghệ mới”.

Tôi từng nghĩ giá trị của kỹ sư là xử lý những vấn đề thật sự phức tạp. Nhưng bây giờ, nhiều lúc tôi phụ trách viết prompt, canh kết quả sinh ra, rồi vá những lỗ hổng do nó để lại. Điều tôi lo nhất không phải là cách làm việc đã đổi, mà là nếu cứ kéo dài như vậy, năng lực tự xây từ con số không và dò lỗi khi xử lý vấn đề phức tạp của bản thân sẽ dần dần bị suy thoái.

Cả công ty viết Skills, tương đương tự “giết” chính mình

Kelly | Backend R&D của một đại công ty Internet ở Bắc Kinh (theo chuỗi chức danh 8)

Là một lập trình viên backend, từ năm ngoái tôi đã dùng AI trong công việc với tần suất cao, chủ yếu là các công cụ lập trình không cần mã (no-code) nội bộ.

Trước và sau kỳ nghỉ Tết Nguyên đán năm nay, không khí ứng dụng AI của công ty bỗng trở nên cực kỳ quyết liệt. Hiện tại, toàn bộ nhân viên đều có thể xem trong hệ thống mình mỗi ngày tiêu hao bao nhiêu Token; câu nói mà cấp quản lý trực tiếp của tôi nói nhiều nhất là “Chuyện này có thể thử dùng AI.”

Hiện tại công ty chưa có tiêu chí đánh giá mức tiêu hao Token một cách rõ ràng, nhưng mỗi bộ phận có tiêu chuẩn đánh giá riêng.

Cụ thể với bộ phận tôi phụ trách, thời gian gần đây công ty khuyến khích toàn viên viết Skills, yêu cầu mọi người rà soát toàn diện kinh nghiệm làm việc hằng ngày, quy trình làm việc, chi tiết kỹ thuật và các vấn đề thường gặp, sau đó tài liệu hóa, biến thành Skills.

Leader chủ yếu xem hai chỉ số: lượng Token tiêu hao mỗi ngày khi dùng công cụ “tôm hùm” nội bộ của công ty, và sản lượng Skills; với chỉ số thứ hai, bộ phận còn có các chỉ tiêu đánh giá rất rõ ràng, mỗi tuần bắt buộc phải tạo đầu ra.

Không chỉ vậy, hiện tại 50% yêu cầu phát triển trong bộ phận đều bị bắt buộc tạo ra bởi Agent; điều này đồng nghĩa là các khâu sản phẩm, phát triển và kiểm thử bị bỏ qua trực tiếp, yêu cầu dùng “tôm hùm” để tạo đầu ra end-to-end.

Tỷ lệ50% nàytrongnăm cũng sẽ****tăng dần;mục tiêu là đếncuối năm 2026 cố gắng đạt toàn bộ tự động hóa.

Về chi phí sử dụng Token, chuỗi kỹ thuật của bộ phận tôi hiện có Token của Claude Opus “thoải mái”, không bắt buộc dùng công cụ nội bộ. Nhưng đa số bộ phận khác thì hạn mức Opus có giới hạn; phần vượt quá phải tự chi, còn Token của công cụ nội bộ và mô hình nhà mình thì không bị giới hạn.

Sau khi AI hóa toàn diện, thời lượng làm việc hằng ngày của tôi lại dài hơn**.** Không phải vì khối lượng công việc tăng lên, mà vì mọi người đều đang giành nhau để viết Skills, bạn cũng buộc phải giành nhau.

Ví dụ trong nhóm bộ phận của chúng tôi, sau 11 giờ tối vẫn có đồng nghiệp chia sẻ Skills đã viết xong. Có lúc thấy người cùng nhóm viết ra một Skills dùng khá hiệu quả, tôi lại cảm thấy lo lắng cực độ.

Sự lo lắng này một phần đến từ việc bộ phận có đánh giá về sản lượng Skills, và phần khác lại sợ AI Agent từng ngày thay thế công việc của con người.

Trên thực tế, khi giải quyết một vấn đề đơn lẻ, hiệu suất của AI chưa chắc cao hơn một backend nhiều kinh nghiệm. Vì Skill viết ra dưới dạng quy trình đơn giản thì không ổn định, cần tốn nhiều công sức để gỡ lỗi, sửa đổi; và lượng Token cũng rất lớn. Nhưng khi Skills càng sửa càng dùng tốt, AI sẽ dần vượt con người, đồng thời vận hành với chi phí rất thấp.

Với người đi làm như chúng tôi, ai cũng hiểu trong lòng: trong bối cảnh công ty khuyến khích mọi người viết Skills, che giấu cũng không thể viết ra Skills tốt được; nhưng biến toàn bộ kỹ năng và kinh nghiệm của mình thành SOP, Skills hóa**,**** thì thật ra cũng không còn xa ngày bị AI thay thế****.**

AI chắc chắn giúp tăng hiệu suất công việc, nhưng khi hiệu suất tăng lên thì cũng đồng nghĩa là không cần nhiều người đến vậy nữa. Kênh cấp “dòng tiền công việc” nội bộ của công ty đã dừng lại; tương lai sẽ xảy ra gì, các đại công ty công nghệ ở Thung lũng Silicon đã cho câu trả lời.

“Bị ép dùng AI”, nhưng tôi dựa vào nó để thắng người trong nhóm

Trần Vũ | Kỹ sư giao thức truyền thông của một công ty điện thoại trong nước

Nửa năm gần đây, công ty tôi đang “cuộn” theo AI. Từ tháng 10 năm ngoái, công cụ được mở cho dùng, hoàn tiền theo hạn mức, và khuyến khích mọi người dùng. Với ví dụ ở bộ phận của tôi, mỗi người đều có yêu cầu hạn mức sử dụng Cursor mỗi tháng. Không dùng hết sẽ bị coi là “lãng phí tài nguyên”,** tài khoản có thể bị thu hồi;**** dùng nhiều nhưng đầu ra không theo kịp thì sẽ bị đánh giá là lạm dụng****, và cũng sẽ bị nhắc nhở.**

Vì vậy, không dùng thì không được, dùng mà không tốt cũng không được. Trong xu hướng như thế này, chắc chắn áp lực là có. Trong nhóm đã có người bị tối ưu vì không muốn tốn thời gian học AI, cộng thêm trạng thái công việc không tốt.

Tôi hiểu “dùng AI” khác với nhiều người. Lạm dụng AI, tiêu hao quá nhiều Token, còn chẳng bằng dùng tiền mua game mà chơi. AI không phải dùng càng nhiều càng tốt, mà là dùng đúng. Tôi thường trích ra 1-2 ngày mỗi tuần, chuyên nghiên cứu cách để AI thích ứng tốt hơn với công việc của tôi, giúp tôi làm việc hiệu quả hơn.

Vị trí của tôi là kỹ sư giao thức truyền thông. Viết code chỉ chiếm một phần nhỏ; phần lớn thời gian là xử lý dữ liệu người dùng, phân tích log hệ thống, v.v. Trước đây, khi phân tích vấn đề người dùng bị đơ/lag do điện thoại, có lúc rõ ràng là do mạng của nhà mạng gây ra, mà vẫn phải để chúng tôi lần lượt truy xét, và rất nhiều tinh lực bị tiêu hao vào việc sàng lọc thông tin vô ích.

Bây giờ, AI có thể giúp tôi định vị nhanh và loại bỏ nhiễu không liên quan, để tôi tập trung vào những chỗ thực sự cần tối ưu. Trong suốt năm ngoái,** tổng đầu ra của tôi tăng rõ rệt, và thành tích được xếp khá cao trong nhóm.**

Nhưng nói thật, AI còn xa mới thay thế được con người. Độ chính xác khi phân tích log của nó chỉ khoảng 60%, buộc phải có người kiểm lại. Để nâng năng lực của AI, chúng tôi phải liên tục viết quy tắc, tối ưu logic. Vì vậy, khối lượng công việc nửa năm qua của tôi là tăng thêm. Nhưng bản thân quá trình đó chính là “dạy” AI, để nó phục vụ con người.

Trong hai năm nay, tôi cảm nhận rõ ràng số người công ty tuyển đang giảm dần. Tôi nghĩ chắc chắn có ảnh hưởng của AI ở đằng sau. Khi có bạn bè chuẩn bị đổi việc, tôi luôn khuyên họ nhất định phải bổ sung gấp năng lực liên quan tới AI. Cùng một trình độ kỹ thuật, việc có biết dùng AI hay không sẽ tạo ra khác biệt rõ rệt khi phỏng vấn và về lương. Hiện tại nền tảng ép bạn học cũng là giúp bạn tích lũy sớm năng lực cạnh tranh nghề nghiệp.

Tôi vẫn luôn cho rằng AI không phải để thay thế con người, mà chỉ là một công cụ cạnh tranh mới giữa con người với nhau.

Chúng tôikhôngsa thải, nhưng hiệu suất phải tăng lên gấp3 đến5 lần

Ming Lu | CIO của một công ty niêm yết** nào đó ở Úc

Với tư cách là CIO, có lẽ tôi là một trong những người đầu tiên trong công ty trở thành “người bản địa AI”.

Trước khi công ty chính thức xác lập chiến lược AI, tôi đã bắt đầu dùng công cụ AI với tần suất cao. Công ty do hợp tác lâu dài với Microsoft nên sớm tích hợp Copilot; sau đó lại tích hợp Copilot với Claude vào hệ thống làm việc nội bộ. Không quá lời khi nói rằng hiện gần như mọi công việc cốt lõi của tôi đều đã do AI thực hiện, hiệu suất tăng gấp đôi.

Nhưng giai đoạn đầu khi công ty triển khai công cụ AI trong nội bộ thì không suôn sẻ.

Ban đầu áp dụng chiến lược theo hướng khuyến khích: cấp cho tất cả bộ phận và nhân viên quyền sử dụng Copilot và hạn mức gần như vô hạn. Nhưng hiệu quả không rõ ràng, thậm chí tại bộ phận phát triển phần mềm và UX còn gặp lực cản.

Các nhóm này không hề bài xích công cụ AI và cũng sẵn sàng dùng AI làm công cụ hỗ trợ, ví dụ viết các đoạn code, tạo bản phác thảo thiết kế. Nhưng nhìn chung họ không muốn đi xa hơn, chẳng hạn để AI can thiệp vào quy trình SDLC (vòng đời phát triển phần mềm) cốt lõi. Cách nghĩ như vậy có thể hiểu được: người ta sẵn sàng để AI giúp đỡ, nhưng không muốn bị AI dẫn dắt.

Tuy nhiên, trong khuôn khổ chiến lược của công ty, chỉ xem AI như bộ kiểm tra cú pháp là chưa đủ; chúng tôi cần tái cấu trúc quy trình.

Vì vậy, đầu năm nay, tôi cùng CTO đã xây dựng chiến lược AI mới: yêu cầu các bộ phận nộp lộ trình AI trước cuối tháng tư và thiết lập cơ chế đánh giá nghiêm ngặt—mỗi quản lý phải nộp ba sáng kiến AI (AI Initiatives), và mỗi quý chấm điểm theo mức độ triển khai. Chúng tôi cũng bắt đầu giám sát lượng Token sử dụng, đánh giá tỷ lệ dùng AI, người có mức sử dụng kéo dài quá thấp có thể vào kế hoạch cải thiện hiệu suất (PIP).

Sau khi điều chỉnh, hiệu quả thấy ngay.

Thay đổi rõ rệt nhất là ở phát triển phần mềm. Trước đây, để hình thành một tài liệu yêu cầu sản phẩm (PRD), cần nhiều vòng trao đổi giữa quản lý sản phẩm và đội phát triển, kéo dài tới vài tuần hoặc thậm chí một hai tháng. Bây giờ, một quản lý dự án có thể tạo ra trong vòng một ngày: vừa có phần mô tả bằng Markdown, vừa kèm hình nguyên mẫu giao diện của PRD. Ở giai đoạn khởi động dự án, “vùng mơ hồ” tốn thời gian nhất đã bị rút ngắn đáng kể.

Hiện nay, trọng tâm công việc của tôi cũng đổi khác. Tôi mỗi ngày dành rất nhiều thời gian để họp với các quản lý ở nhiều bộ phận, thảo luận AI có thể tham gia vào những khâu nào; đồng thời tôi tự xây dựng một môi trường Claude nhiều tác nhân, trước tiên tốn rất nhiều công sức để cùng AI “brainstorm”, tách nhỏ mức độ chi tiết của phương án, rồi cuối cùng giao cho AI để triển khai.

Nhờ AI, tôi dành nhiều thời gian hơn cho việc “nghĩ rõ ràng vấn đề là gì”. Nếu tài liệu yêu cầu không đủ chắc, logic kinh doanh không đủ rõ ràng, thì việc thực thi của AI sẽ đi lệch hoàn toàn. Điều này cũng buộc chúng tôi phải suy nghĩ sâu hơn về bản chất của logic kinh doanh.

Tất nhiên, mặt trái của việc tăng hiệu suất là sự tàn nhẫn: có thể sẽ giảm vị trí. Dù ban giám đốc công ty quyết định tạm thời chưa sa thải, nhưng yêu cầu hiệu suất của mỗi nhân viên phải tăng gấp 3 đến 5 lần, đồng thời, chúng tôi đã dừng tuyển dụng người mới cho các mảng phân tích dữ liệu, phát triển chương trình và phân tích tài chính. Đây có thể cũng là điều mà mọi công ty sớm muộn gì cũng phải trải qua.

Tôi không thấy mình bị AI chi phối; ngược lại, tôi cảm nhận được cảm giác “nắm quyền” chưa từng có. Hiện tại thứ thật sự gây áp lực lại là những vị trí có nội dung công việc quá chuẩn hóa, cực dễ bị AI thay thế. Còn những người có năng lực phân tích nhu cầu mạnh mẽ và khả năng hoạch định cấp cao thì lại được hưởng lợi hơn.

Sau khi dùng AI, công việc của tôithậm chí****còn bận hơn

Vân Thiên | Nghiên cứu phát triển cấp cao của một đại công ty hàng đầu trong nước

Tôi thuộc nhóm những người dùng AI tự bỏ tiền từ khá sớm, chi tiêu hàng tháng cho các công cụ đủ loại gần 500 USD, từ GPT đến các mô hình chuyên ngành khác nhau; cái gì dùng tốt thì mua gói năm luôn, cái gì mang tính trải nghiệm thì thử gói tháng trước.

Hiện tại công ty tôi chưa có yêu cầu bắt buộc về lượng Token sử dụng; trong điều kiện tuân thủ, dùng cái nào thấy tốt thì dùng, đều do bộ phận tổng hợp cân nhắc và chọn cái họ cho là hữu ích nhất cho công việc. Lượng Token tiêu hao của tôi mỗi tháng vào khoảng 3 đến 4Bỷ.

Nhưng dù vậy, thời gian làm việc của tôi vẫn dài hơn.

Lý do rất đơn giản: dùng AI không chỉ là “bảo nó làm việc”, mà còn phải dựng sẵn hệ thống trước. Giống như xây một tòa nhà chọc trời phải dựng giàn giáo trước, chúng tôi phải xây dựng một hệ thống để chuẩn hóa ranh giới sử dụng AI, giảm tỷ lệ lỗi của nó; thậm chí khi AI gặp sự cố thì kịp thời “dọn hậu quả”, kiểm soát phạm vi ảnh hưởng của nó. Công việc này còn lặt vặt hơn nhiều so với việc chỉ “nâng hiệu suất bằng AI”; tương đương như một công việc làm hai phần việc. Việc thích nghi với yêu cầu mới này cũng tốn khá nhiều thời gian của tôi.

Đối với vấn đề mà thị trường hiện nay lo lắng phổ biến là “lượng Token tiêu hao đưa vào KPI”, tôi lại có quan điểm khác.

Từ những ông chủ hoặc người phụ trách kinh doanh mà tôi tiếp xúc, không ai là không để tâm tới AI; ai cũng sợ bỏ lỡ làn sóng này. Tôi biết hai đại công ty đầu ngành: họ sẽ yêu cầu nhân viên chỉ được dùng mô hình do nhà họ cung cấp, không cho dùng các công cụ khác như Claude, ChatGPT.

Thực ra tôi không hiểu vì sao có một số công ty muốn đưa lượng Token vào KPI. Đó là cách mà gánh nặng tâm trí của người quản lý là thấp nhất, nhưng nó không đo được phần cốt lõi của giá trị.

Nhưng từ một góc khác, tôi nghĩ việc đặt “ngưỡng dự phòng” là hợp lý. Nếu một nhân viên trong môi trường hiện tại hoàn toàn không đốt Token, kiên quyết không dùng AI, thì bản thân điều đó đã cho thấy anh ta thiếu ý thức cải tạo quy trình làm việc của chính mình.

Còn việc AI đưa vào có dẫn tới cắt giảm nhân sự diện rộng hay sa thải không, tôi cho rằng toàn bộ thị trường việc làm vốn dĩ tuân theo quy luật của cuộc cách mạng công nghiệp.

Logic tuyển dụng của các đại công ty không phải chỉ nhìn xem cần bao nhiêu người để làm việc, mà là xem lợi nhuận có chống đỡ được và chiến lược nhân tài. Tuyển người hiểu AI vào, dù tạm thời chưa dùng tới, cũng là để giành vị thế. Còn với doanh nghiệp vừa và nhỏ, AI làm giảm chi phí khởi nghiệp và nghiên cứu phát triển; trước đây 100 người làm được việc gì thì nay chỉ cần 10 người là hoàn thành.

Tôi quen một người khởi nghiệp không có nền tảng kỹ thuật. Anh ấy nhờ AI, chỉ một mình mà mất nửa năm để gõ ra một hệ thống giáo dục ToB hoàn chỉnh—điều trước đây ít nhất cần một đội hơn 100 người. Khi chi phí thử-sai của toàn xã hội đều đang giảm đi, trong ngắn hạn chắc chắn sẽ trải qua cơn đau điều chỉnh vị trí; nhưng xét dài hạn thì phần “bánh” của toàn thị trường sẽ được làm lớn hơn, sẽ xuất hiện thêm nhiều đội mới, nhiều cơ hội mới.

Những vị trí có mức độ tiêu chuẩn hóa cao, tính lặp lại cao chắc chắn sẽ bị tác động. Nhưng những vị trí cần tư duy sâu, lên kế hoạch sáng tạo và tích hợp nguồn lực thì ngược lại sẽ được AI làm cho hấp dẫn hơn. Bánh xe của thời đại không chờ ai; một số vị trí cũ bị loại bỏ là điều tất yếu, nhưng cánh cửa của thế giới mới cũng đang từ từ mở ra.

Nguồn bài viết: Định tiêu One

Cảnh báo rủi ro và điều khoản miễn trừ trách nhiệm

        Thị trường có rủi ro, đầu tư cần thận trọng. Bài viết này không cấu thành lời khuyên đầu tư cá nhân, cũng không xem xét đến mục tiêu đầu tư đặc biệt của từng người dùng, tình hình tài chính hoặc nhu cầu. Người dùng cần cân nhắc liệu mọi ý kiến, quan điểm hoặc kết luận trong bài viết này có phù hợp với tình hình cụ thể của mình hay không. Đầu tư theo đó, tự chịu trách nhiệm.