Bẫy "năng suất ảo": Khi AI giúp nhân viên trông chuyên nghiệp hơn thực tế

Định luật Parkinson từng khẳng định rằng công việc sẽ mở rộng để lấp đầy thời gian có sẵn để hoàn thành nó. Tuy nhiên, trong kỷ nguyên Trí tuệ nhân tạo (AI), công việc giờ đây có thể mở rộng vô hạn để lấp đầy bất cứ thứ gì mà một mô hình ngôn ngữ lớn (LLM) có thể tạo ra.

Trong hai năm qua, tôi đã chứng kiến một hiện tượng khó diễn tả trong nghề nghiệp của mình. Lần đầu tiên tôi nhận ra điều gì đó không ổn, khoảng hơn một năm trước, là khi một đồng nghiệp trả lời tôi bằng văn bản rõ ràng được tạo ra bởi AI (cụ thể là Claude). Dấu câu đã tố cáo anh ấy — những dấu gạch ngang (em dash) mà không ai gõ khi chat, cấu trúc nhịp điệu đều đặn, và sự tự tin khi nói về các công nghệ mà tôi biết chắc chắn anh ấy không hiểu. Tôi đã dành thời gian để sửa các lỗi cơ bản, nhưng cuối cùng tôi đã dừng lại. Trong mọi ý nghĩa thực sự, người đang trò chuyện với tôi không phải là đồng nghiệp đó, mà là một mô hình AI.

Sự ngắt kết nối giữa năng lực và đầu ra

AI tạo sinh có thể tạo ra những sản phẩm trông giống chuyên gia mà thực tế không phải vậy, và sự thất bại này xuất hiện dưới hai hình thức. Thứ nhất là khi người mới trong ngành có thể tạo ra công việc giống như người cấp trên làm, với tốc độ nhanh hơn khả năng phán xét của chính họ. Thứ hai là khi mọi người tạo ra các sản phẩm trong các lĩnh vực mà họ chưa từng được đào tạo. Hai hình thức này trông giống nhau từ xa nhưng hoàn toàn khác biệt. Nghiên cứu chủ yếu đo lường hình thức đầu tiên, nhưng hình thức thứ hai — làm việc ngoài chuyên môn — mới là rủi ro thực sự và nguy hiểm hơn.

Những người không biết viết code đang xây dựng phần mềm. Những người chưa từng thiết kế hệ thống dữ liệu lại đang đi thiết kế chúng. Phần lớn công việc này không bao giờ được đưa ra thị trường; nó được xây dựng, thường trong nhiều giờ, có thể được trình bày nội bộ với sự hào hứng, sử dụng âm thầm, và đôi khi được đưa cho khách hàng mà không có nhiều tiếng tăm. Có một số ít người thực hành sử dụng các công cụ AI tác nhân (agentic tools) để làm những việc phức tạp một cách chính xác, nhưng họ rất hiếm.

Nguy cơ từ việc "làm vượt quá chuyên môn"

Tôi có một đồng nghiệp, một người cẩn thận và thông minh trong một vai trò không phải là kỹ thuật, đã dành hai tháng đầu năm nay để xây dựng một hệ thống lẽ ra nên được thiết kế bởi người có đào tạo chính thức về kiến trúc dữ liệu. Anh ấy sử dụng các công cụ AI rất tốt theo các tiêu chuẩn hiện tại. Anh ấy tạo ra một lượng lớn mã nguồn, tài liệu và những thứ trông giống như tiến bộ đối với bất kỳ ai không biết phải tìm kiếm điều gì.

Tuy nhiên, khi được hỏi, anh ấy không thể giải thích cách bất kỳ phần nào trong số đó hoạt động thực tế. Công việc đó sai ngay từ ngày đầu tiên. Các lược đồ (schemas), và quan trọng hơn là các mục tiêu, đều sai theo một cách mà bất kỳ ai có hai năm kinh nghiệm trong lĩnh vực này đều có thể nhận ra ngay lập tức. Một vài chúng tôi đã biết điều đó. Khi ý kiến được đưa ra, thậm chí lên đến cấp Phó chủ tịch, anh ấy đã phản đối. Quản lý của anh ấy quá đầu tư vào vẻ bề ngoài của sự "động lực" để muốn làm phiền nó. Công việc này có thể sẽ tiếp tục cho đến khi nó được trình bày cho một bên liên quan và họ quyết định không đầu tư.

Công cụ AI đã không làm đồng nghiệp của tôi trở nên tệ hơn. Nó cho phép anh ấy mạo danh, trong nhiều tháng, một ngành nghề mà anh ấy chưa từng được đào tạo, và sự mạo danh đó đủ tốt để các động lực thể chế đều nghiêng về việc để anh ấy tiếp tục. Có lẽ đây là sự thất bại của quản lý, nhưng tôi thấy rằng quản lý quá háo hức đón nhận AI đến mức họ sẵn sàng chấp nhận rủi ro.

Vấn đề của "người trung chuyển"

Một lượng lớn các nghiên cứu gọi hiện tượng này là "sự ngắt kết nối giữa năng lực và đầu ra" (output-competence decoupling). Trong bất kỳ kỷ nguyên nào trước đây, chất lượng của một công việc là một tín hiệu đáng tin cậy về năng lực của người tạo ra nó. Một bài luận của người mới đọc giống như bài luận của người mới; mã của người mới sẽ bị lỗi theo cách của người mới. AI đã cắt đứt mối quan hệ đó. Một người mới bây giờ có thể tạo ra công việc không phản ánh sự thiếu kinh nghiệm của họ, vì năng lực mà công việc phản ánh không phải là năng lực của họ, mà là của hệ thống AI. Trong giao dịch đó, con người trở thành một loại "đường ống" (conduit), có khả năng chuyển tiếp đầu ra cho người nhận nhưng không thể đánh giá nó trên đường đi.

Kỹ năng tạo ra công việc và kỹ năng đánh giá nó vốn là khác biệt, nhưng việc thực hiện công việc trước đây dạy cho con người sự đánh giá đó. Kỹ năng đầu tiên giờ thuộc về máy móc. Kỹ năng thứ hai vẫn thuộc về chúng ta, dù ngày càng ít người bận tâm đến việc rèn luyện nó.

"Rác thải" nội bộ và sự bloat hóa tài liệu

Các tài liệu yêu cầu từng chỉ dài một trang giờ đây dài mười hai trang. Các bản cập nhật trạng thái từng chỉ ba câu bây giờ là các bản tóm tắt liệt kê dấu chấm tròn của các bản tóm tắt khác. Ghi chú hồi cứu, báo cáo sau sự cố, bản ghi nhớ thiết kế: mọi tạo phẩm có thể được kéo dài ra đều đang bị kéo dài bởi những người không đọc những gì họ tạo ra, dành cho những người đọc không đọc những gì họ nhận được.

Chi phí tạo ra một tài liệu đã giảm xuống gần bằng không; chi phí đọc một tài liệu thì không, và thực tế đang tăng lên, vì người đọc giờ phải sàng lọc bối cảnh tổng hợp để tìm ra nội dung thực sự của tài liệu. Mỗi quyết định cá nhân để kéo dài tài liệu có vẻ hợp lý, và mỗi quyết định đều được thưởng thức — người đọc tự tin hơn vào các giải thích dài do AI tạo ra bất kể chúng có đúng hay không. Tác động tập thể là tín hiệu trong bất kỳ nơi làm việc nào đều khó tìm hơn so với trước đây.

Đây là một hình thức "rác thải" (slop) mới, và nó đắt đỏ hơn loại rác thải công cộng, vì những người tạo ra nó đang được trả lương để làm việc đó. Nguồn cung của các chuyên gia trong tương lai đang cạn kiệt từ cả hai đầu. Công việc từng dạy sự phán xét giờ đây được thực hiện bởi công cụ, và các vai trò cấp nhập liệu nơi việc dạy học diễn ra đang bị cắt giảm với lý thuyết rằng công cụ có thể làm công việc đó.

Giải pháp và lợi thế cạnh tranh thực sự

Kỷ luật trong môi trường này trông có vẻ cũ kỹ và có thể rõ ràng với hầu hết các bạn, cho đến khi bạn cố gắng tránh nó. Hãy sử dụng công cụ ở những nơi bạn có thể kiểm chứng chính xác những gì nó tạo ra. Không bao giờ hỏi mô hình để xác nhận; công cụ đồng ý với tất cả mọi người, và sự đồng ý không tốn chi phí cho người đồng ý thì không có giá trị gì cả.

AI tạo sinh hoạt động tốt trong các nhiệm vụ mà phản hồi nhanh, việc gần đúng là đủ tốt, và con người vẫn là trọng tài cuối cùng. Soạn thảo bản ghi nhớ, tạo ví dụ, tóm tắt tài liệu mà người đọc có thể kiểm chứng nếu họ muốn. Trong mọi trường hợp sử dụng được đề xuất, con người cung cấp sự phán xét và công cụ cung cấp tốc độ xử lý.

Đối với các công ty, lợi thế cạnh tranh của một công ty có công việc đáng tin cậy không biến mất; nó, nếu có gì, thì được đánh giá cao hơn, bởi vì rất nhiều đối thủ của công ty đó đang âm thầm chuyển đổi mình thành các đường ống tạo nội dung và dựa vào việc khách hàng không nhận ra.

Điều này đang đến hồi kết. Deloitte đã phải hoàn lại một phần phí 440.000 USD cho một báo cáo của chính phủ bị AI "ảo giác". Sự thanh toán sẽ không tinh tế. Các công ty vẫn làm việc đúng cách sẽ có vị thế để tính phí cho việc đó. Các công ty đã làm rỗng chính mình sẽ phát hiện ra rằng điều họ đã làm rỗng chính là thứ mà khách hàng đang trả tiền.

Sự hiểu lầm và sử dụng sai AI tại nơi làm việc đang lan rộng. Ở nhiều phòng họp, chuyên môn đã được yêu cầu nhìn sang một bên: để giao hàng nhanh hơn, sản xuất nhiều hơn, tích hợp công cụ sâu hơn, và đừng cản đường những đồng nghiệp "đang hoàn thành việc". Các tạo phẩm đang tích tụ; công việc thì không. Và ở phía bên kia của tất cả những đầu ra đó, một khách hàng đang mở một sản phẩm giao, đọc một danh sách tóm tắt, và họ có thể chỉ chọn cách xem xét thủ công.