LÀM SÓNG SA THẢI VÌ AI ĐANG ĐẢO CHIỀU. LÝ DO NẰM Ở MỘT CON SỐ RẤT NHỎ

Có một chi tiết trong câu chuyện của IBM đáng để suy ngẫm.  IBM thay chức năng nhân sự bằng AI. Hệ thống hoạt động rất tốt: xử lý được 94% các yêu cầu thường quy. 94% — con số mà bất cứ giám đốc nào nhìn vào cũng gật đầu hài lòng. Nhưng nó vấp ở 6% còn lại. Và trong 6% đó có những thứ như: các tình huống đạo đức.

Kết cục? IBM sau đó công bố kế hoạch tăng gấp ba tuyển dụng nhân viên entry-level tại Mỹ trong năm 2026. Sáu phần trăm. Đó là toàn bộ câu chuyện về tương lai công việc, gói gọn trong một con số nhỏ xíu.

Vì sao 6% lại quan trọng hơn 94%?

Một hệ thống nhân sự xử lý đúng 94 yêu cầu về ngày phép nhưng xử lý sai một vụ tố cáo quấy rối — thì công ty đó không tiết kiệm được gì cả. Họ vừa mua một quả bom hẹn giờ.

Một bot chăm sóc khách hàng trả lời tốt 94 câu hỏi thường gặp nhưng làm hỏng một tình huống khách hàng đang giận dữ — thì bạn vừa mất một khách hàng và có thể một cuộc khủng hoảng truyền thông.

Đây không phải giả định. Nó đã xảy ra tại Commonwealth Bank of Australia và họ đã phải đảo ngược quyết định sa thải nhân viên chăm sóc khách hàng sau khi bot giọng nói AI làm TĂNG chứ không giảm lượng cuộc gọi. Và Ford đang tuyển lại hàng trăm kỹ sư giàu kinh nghiệm sau khi hệ thống tự động không xử lý nổi các vấn đề chất lượng.

Trên diện rộng, con số còn thẳng thắn hơn: 39% lãnh đạo doanh nghiệp đã cho nhân viên nghỉ vì AI — nhưng 55% trong nhóm đó thừa nhận những quyết định sa thải ấy là SAI.

Kết luận đang dần hình thành trong giới nhân sự toàn cầu: mô hình chủ đạo là BỔ TRỢ, không phải THAY THẾ.

Vậy 6% đó thật sự gồm những gì?

Đây là phần bạn nên đọc kỹ nhất, vì nó chính là bản đồ nghề nghiệp của mười năm tới. Nhìn vào những gì các hệ thống AI vấp phải, chúng có chung một đặc điểm: đó là những tình huống không có tiền lệ rõ ràng, đòi hỏi phán đoán, và có ai đó phải chịu trách nhiệm.

Cụ thể:

• Ngoại lệ. AI học từ mẫu. Nó giỏi khi tình huống lặp lại. Nó lúng túng khi gặp trường hợp chưa từng có — mà trong đời thật, những ca quan trọng nhất thường chính là ca ngoại lệ.

• Phán đoán đạo đức. Đúng như IBM gặp phải. Khi một quyết định không có đáp án đúng, chỉ có các đánh đổi giữa những giá trị khác nhau — máy không quyết được. Vì nó không có hệ giá trị, và quan trọng hơn: nó không chịu hậu quả.

• Ngữ cảnh không được nói ra. Người trong nghề biết rằng khi khách hàng nói "cũng được" bằng một giọng nhất định thì nghĩa là "không được". AI đọc chữ. Con người đọc người.

• Trách nhiệm. Đây là điều căn bản nhất. Bạn không thể kiện một mô hình. Không thể sa thải một thuật toán. Mọi quyết định có rủi ro đều cần một con người ký tên vào đó.

Và đây là chỗ khớp với thị trường lao động

Điều cho thấy bức tranh này thuyết phục là: dữ liệu tuyển dụng đang nói y như vậy. Khảo sát Robert Half với hơn 2.000 nhà quản lý tuyển dụng cho thấy ba kỹ năng khó tìm nhất hiện nay là: kiến thức chuyên ngành, thành thạo phần mềm, và năng lực lãnh đạo.

Hãy nhìn kỹ danh sách đó. Không phải "biết code". Không phải "biết dùng công cụ X". Mà là hiểu sâu một ngành, vận hành được công cụ, và dẫn dắt được người khác. Và hậu quả của việc thiếu ba thứ đó rất nặng: 63% doanh nghiệp báo cáo dự án bị chậm đáng kể vì thiếu người, và 48% đã phải HỦY BỎ hẳn dự án vì không đủ nhân sự. Gần một nửa phải hủy dự án. Không phải vì thiếu AI. Vì thiếu người đủ năng lực phán đoán.

Ở Việt Nam, câu chuyện cũng không khác đi là mấy: 80% doanh nghiệp gặp khó khăn tìm ứng viên phù hợp, và 50,94% nhà tuyển dụng nói lý do cắt giảm nhân sự chủ yếu là do người lao động không đáp ứng yêu cầu năng lực.

Vậy bạn nên đầu tư vào đâu?

1. Đi sâu một ngành, đừng lướt qua nhiều ngành.

"Kiến thức chuyên ngành" đứng đầu danh sách khó tìm là có lý do: nó không học nhanh được. AI có thể tổng hợp thông tin về ngành bạn trong ba giây, nhưng nó không biết vì sao khách hàng lớn nhất của công ty năm ngoái suýt bỏ đi, hay quy định nào trên giấy tờ thì vậy nhưng thực tế cơ quan quản lý áp dụng khác. Đó là tri thức chỉ có từ việc ở trong ngành đủ lâu và đủ chú tâm.

2. Tìm cách bước vào những cuộc gọi khó.

Đây là lời khuyên rất cụ thể. Trong công ty bạn, ai là người xử lý khách hàng đang giận? Ai đi họp khi có sự cố? Ai ngồi trong phòng khi ra quyết định khó? Hãy tìm cách có mặt trong những tình huống đó — dù chỉ để ngồi nghe. Vì đó chính là 6%, và nó không học được qua khóa học, chỉ học được bằng cách chứng kiến & trải nghiệm. 

3. Luyện năng lực phán đoán, không chỉ năng lực thực thi.

Sự khác nhau giữa nhân viên và người dẫn dắt nằm ở đây: nhân viên hỏi "làm thế nào?", người dẫn dắt hỏi "có nên làm không?". Cái thứ nhất AI làm được. Cái thứ hai thì chưa. Mỗi khi nhận một việc, hãy tập thêm một bước: đưa ra đề xuất kèm lý do, thay vì chỉ hỏi ý kiến. Sai cũng không sao — bạn đang luyện cơ bắp phán đoán.

4. Học cách kiểm tra AI, không chỉ dùng AI.

Điều nghịch lý: người có giá trị nhất trong thời AI không phải người dùng nó nhiều nhất, mà là người biết khi nào nó sai. AI sai rất thuyết phục — trôi chảy, tự tin, có cấu trúc. Chỉ người có chuyên môn thật mới phát hiện được. Vậy nên chuyên môn của bạn không mất giá — nó vừa trở thành hệ thống kiểm soát chất lượng.

5. Nhận trách nhiệm, đừng né tránh. 

Trong một thế giới mà máy làm được phần thực thi, thứ hiếm còn lại là người dám ký tên vào một quyết định. Nhận làm chủ một dự án. Nhận đứng ra khi có vấn đề. Mỗi lần bạn chịu trách nhiệm cho một kết quả, bạn đang xây thứ mà không thuật toán nào thay được.

6. Đừng bỏ những việc "nhỏ" quá sớm nếu bạn còn mới.

Điều này mình muốn nói riêng với các bạn ở giai đoạn đầu sự nghiệp. Có một cám dỗ lớn: giao hết việc cơ bản cho AI để nhảy thẳng lên phần "chiến lược". Nhưng 94% việc thường quy chính là nơi bạn học ra được 6% ngoại lệ. Bạn không thể nhận ra một ca bất thường nếu chưa từng xử lý trăm ca bình thường. Hãy dùng AI để làm nhanh hơn — nhưng vẫn phải hiểu việc mình vừa làm.

Khi phần thực thi bị thu hẹp, giá trị của phần còn lại tăng lên. Cần ít người hơn, nhưng người đó có giá trị hơn. Đó là lý do chênh lệch lương cho kỹ năng AI đã nhảy từ 25% lên 56% chỉ trong một năm.

Và quan trọng hơn: khi máy làm hết phần dễ, áp lực dồn lên chất lượng phán đoán của con người. Bạn không còn được đánh giá qua khối lượng công việc làm ra. Bạn được đánh giá qua những quyết định bạn đưa ra khi không có đáp án sẵn. Đó vừa là cơ hội, vừa là một tiêu chuẩn khắc nghiệt hơn nhiều.

Cho nên nếu bạn đang lo lắng về tương lai nghề nghiệp của mình, câu hỏi không phải "AI làm được gì". Câu hỏi là: Trong công việc của bạn, đâu là 6% mà chỉ con người mới quyết định được? Và bạn đã đứng vào đó chưa? Đừng cạnh tranh với máy ở phần nó giỏi. Hãy đi đến chỗ máy không với tới được.