Dũng Virgo
AI đang được đưa vào ngày càng nhiều công đoạn trong doanh nghiệp, từ viết email, nghiên cứu tài liệu đến lập trình và phân tích dữ liệu. Tuy nhiên, tốc độ tạo ra sản phẩm không đồng nghĩa với việc toàn bộ quy trình đã trở nên hiệu quả hơn.
Tại Shopify, CEO Tobi Lütke dùng cụm từ “lựu đạn rác” để mô tả những email, đoạn mã hoặc tài liệu được tạo bằng AI nhưng chưa được kiểm tra kỹ trước khi chuyển cho người khác. Người gửi có thể hoàn thành phần việc nhanh hơn, trong khi người nhận phải dành thêm thời gian đọc, xác minh, sửa lỗi hoặc làm lại.
Đây là một nghịch lý đáng chú ý của kỷ nguyên AI: công nghệ có thể giúp tăng số lượng đầu ra, nhưng đồng thời cũng làm phát sinh một lớp công việc hậu kiểm mà doanh nghiệp dễ bỏ qua khi đo năng suất.
Từ công cụ hỗ trợ thành yêu cầu trong công việc
Tháng 4/2025, Tobi Lütke gửi nhân viên Shopify một bản ghi nhớ với thông điệp rằng sử dụng AI đã trở thành yêu cầu cơ bản. Theo định hướng này, nhân sự không chỉ nên xem AI là công cụ đưa ra gợi ý, mà còn phải tìm cách để công nghệ trực tiếp đảm nhận một phần nhiệm vụ.
Bản thân Lütke cho biết ông sử dụng AI trong nhiều vai trò khác nhau, chẳng hạn như đối tác tư duy, trợ lý nghiên cứu, cố vấn, người phản biện và lập trình viên cộng tác. Ông cũng từng dùng các tác tử AI để chuẩn bị bài phát biểu và khuyến khích nhân viên thử nghiệm công nghệ trong công việc hằng ngày.
Quan điểm của CEO Shopify là năng lực sử dụng AI cần được rèn luyện liên tục. Công nghệ có thể giúp một nhân viên xử lý những nhiệm vụ trước đây nằm ngoài phạm vi quen thuộc, qua đó mở rộng năng lực cá nhân và tăng quy mô công việc có thể đảm nhận.
Shopify thậm chí yêu cầu các nhóm giải thích vì sao một nhiệm vụ không thể được hoàn thành bằng AI trước khi đề xuất bổ sung nhân sự hoặc nguồn lực. Cách tiếp cận này cho thấy AI không còn chỉ là một lựa chọn thử nghiệm, mà đã trở thành yếu tố được tính đến trong quản lý và phân bổ công việc.
“Lựu đạn rác” xuất hiện như thế nào?
Sau hơn một năm thúc đẩy ứng dụng AI, Lütke thừa nhận công nghệ này cũng tạo ra những tác động ngoài dự kiến. Nếu trước đây sự trì trệ có thể biểu hiện ở việc một người không tạo ra sản phẩm, thì nay vấn đề đôi khi chuyển thành việc tạo ra quá nhiều sản phẩm nhưng không chịu trách nhiệm đến cùng.
Một email dài dòng, một tài liệu thiếu kiểm chứng hay một đoạn mã chưa được rà soát có thể khiến người gửi cảm thấy mình đã hoàn thành nhiệm vụ. Thế nhưng, công việc chưa thực sự kết thúc. Người tiếp nhận vẫn phải xác định nội dung nào đáng tin, tìm lỗi, bổ sung thông tin và đánh giá xem sản phẩm có thể sử dụng hay không.
AI có thể thực hiện công việc thay con người ở nhiều bước, nhưng không thể chịu trách nhiệm thay người tạo ra sản phẩm cuối cùng.
Vì vậy, Lütke cho rằng nếu một nhân viên chỉ yêu cầu AI làm việc rồi chuyển kết quả cho đồng nghiệp mà không kiểm tra, người đó thực chất chỉ đang đẩy phần khó hơn sang người khác.
Shopify dùng AI sâu đến đâu?
Shopify là một ví dụ đáng chú ý về doanh nghiệp đưa AI vào hoạt động phát triển phần mềm. Theo chia sẻ cá nhân của Lütke, số kỹ sư tự viết mã hoàn toàn thủ công tại công ty hiện còn rất ít, trong khi nhiều người sử dụng đồng thời nhiều tác tử AI.
Trợ lý AI nội bộ có tên River có thể tham gia các cuộc thảo luận nhóm, tổng hợp nhu cầu, nghiên cứu tài liệu, tạo bản mẫu và đề xuất chỉnh sửa mã nguồn. Công cụ này cũng giúp nhân viên quan sát cách đồng nghiệp sử dụng AI, từ đó học hỏi và thúc đẩy công việc ngay trong môi trường cộng tác.
Lütke ước tính khoảng một nửa số yêu cầu thay đổi mã nguồn tại Shopify bắt nguồn từ các cuộc thảo luận trong phòng chat chung. Tuy nhiên, ông nhấn mạnh đây là ước tính cá nhân, không phải số liệu thống kê chính thức của công ty.
Việc AI có thể tạo mã nhanh hơn mang lại lợi ích rõ ràng, nhưng cũng làm tăng nguy cơ bỏ qua bước kiểm tra. Trong một trường hợp được Lütke kể lại, một nhân viên yêu cầu River tạo mã nguồn rồi nhanh chóng tuyên bố có thể gửi đi. Khi đồng nghiệp rà soát, họ phát hiện vấn đề trong phần kết quả.
Trường hợp này cho thấy tốc độ tạo mã không thể được dùng làm thước đo duy nhất. Một thay đổi có thể được sinh ra trong thời gian ngắn, nhưng giá trị thực tế chỉ xuất hiện sau khi mã được kiểm tra, giải thích và chứng minh là không gây ảnh hưởng ngoài dự kiến.
Không chỉ mã nguồn, email cũng có thể thành “rác công việc”
Email là ví dụ gần gũi hơn về mặt trái của việc dùng AI thiếu kiểm soát. Một nội dung vốn chỉ cần vài dòng có thể bị biến thành văn bản dài, nhiều ý phụ và thiếu trọng tâm. Người nhận sau đó phải đọc lại toàn bộ hoặc nhờ một mô hình ngôn ngữ khác tóm tắt.
Trong môi trường doanh nghiệp, vấn đề này không chỉ gây khó chịu. Nó làm tăng thời gian xử lý, khiến thông tin quan trọng dễ bị bỏ sót và làm cho việc phối hợp giữa các nhóm trở nên nặng nề hơn.
Một chuyên gia viết quảng cáo tên Ken cho biết công ty an ninh mạng nơi anh làm việc tại Miami đã cắt giảm một số nhân sự, đồng thời yêu cầu những người còn lại sử dụng công cụ trò chuyện AI. AI giúp tạo bản nháp nhanh, nhưng Ken và đồng nghiệp phải dành thêm thời gian viết lại, sửa lỗi và xử lý các nội dung mâu thuẫn giữa những công cụ khác nhau.
Theo chia sẻ này, chất lượng nội dung giảm trong khi thời gian hoàn thiện kéo dài. Tác động không chỉ nằm ở hiệu suất, mà còn ảnh hưởng đến tinh thần làm việc của đội ngũ khi nhân viên phải liên tục xử lý các sản phẩm chưa đạt yêu cầu.
Trong lĩnh vực y tế, một nghiên cứu tại các phòng khám chăm sóc sức khỏe ban đầu cũng ghi nhận nhân viên vẫn phải chỉnh sửa email do AI soạn trước khi gửi cho bệnh nhân. Họ lo ngại câu trả lời sai có thể bị chuyển đi nếu không có người kiểm tra.
Giới nghiên cứu dùng thuật ngữ “workslop” để chỉ những sản phẩm trông có vẻ hoàn chỉnh nhưng thiếu thông tin đáng tin cậy, thiếu phán đoán hoặc chưa đủ chất lượng để người khác sử dụng ngay. Đây chính là phần việc bị che khuất khi doanh nghiệp chỉ nhìn vào số lượng nội dung được tạo ra.
Khoảng cách giữa cảm nhận của lãnh đạo và nhân viên
Một khảo sát đối với người lao động tại Mỹ cho thấy 40% nhân viên không giữ vị trí quản lý cho biết AI không giúp họ tiết kiệm thời gian. Trong khi đó, 92% lãnh đạo cấp cao nhận định AI đã nâng cao hiệu suất của chính họ.
Hai tỷ lệ này phản ánh trải nghiệm chủ quan của những nhóm công việc khác nhau, vì vậy không thể dùng trực tiếp để kết luận mức chênh lệch năng suất. Dù vậy, kết quả vẫn gợi ra một câu hỏi quan trọng: ai đang phải trả thời gian cho việc kiểm tra, tiếp nhận và sửa lại sản phẩm do AI tạo ra?
Lãnh đạo có thể nhìn thấy số lượng nhiệm vụ đã được xử lý hoặc tốc độ hoàn thành tăng lên. Nhân viên ở tuyến thực thi lại có thể phải gánh phần hậu kiểm, đặc biệt khi sản phẩm được bàn giao với thông điệp ngầm rằng công việc đã hoàn tất.
Đối với các doanh nghiệp đang xây dựng hạ tầng cho hệ sinh thái Cloud, Data, AI và Security, bài toán này càng cần được tính đến ngay từ khâu triển khai. Đầu tư công nghệ chỉ tạo ra hiệu quả bền vững khi quy trình vận hành và trách nhiệm của con người được thiết kế đồng bộ.
Đo năng suất AI bằng chất lượng bàn giao
AI có thể giúp doanh nghiệp tạo nhiều email, báo cáo, bản mẫu hoặc đoạn mã hơn trong cùng một khoảng thời gian. Nhưng nếu mỗi sản phẩm đều buộc người khác phải kiểm tra từ đầu, tổng thời gian của cả tập thể chưa chắc đã giảm.
Do đó, tiêu chí “đã tạo ra sản phẩm” không nên được xem là dấu mốc cuối cùng. Một email chỉ hoàn tất khi thông tin chính xác, ngắn gọn và người nhận biết rõ mình cần làm gì tiếp theo. Một đoạn mã chỉ thực sự sẵn sàng khi mục đích thay đổi, phạm vi ảnh hưởng và các luồng xử lý quan trọng đã được kiểm tra.
Người sử dụng AI nên chịu trách nhiệm đầu tiên về chất lượng sản phẩm trước khi bàn giao. Với email, điều đó bao gồm xác minh dữ liệu, kiểm tra liên kết, loại bỏ phần lan man và nêu rõ vấn đề cần đồng nghiệp phản hồi. Với mã nguồn, người gửi cần mô tả mục tiêu, kiểm tra các trường hợp chính và cung cấp đủ bối cảnh để người tiếp nhận đánh giá.
Doanh nghiệp cũng cần theo dõi những chỉ số rộng hơn tỷ lệ nhân viên sử dụng AI. Thời gian hậu kiểm, số lần phải sửa lại, tỷ lệ sản phẩm bị trả về và mức độ hài lòng của người nhận đều có thể phản ánh chính xác hơn hiệu quả của công nghệ.
AI không thay thế trách nhiệm
Tranh luận xung quanh “lựu đạn rác” không có nghĩa AI không hữu ích. Vấn đề nằm ở cách doanh nghiệp định nghĩa việc hoàn thành công việc và phân bổ trách nhiệm sau khi sản phẩm được tạo ra.
Công nghệ có thể hỗ trợ thu thập thông tin, phân tích dữ liệu, viết nội dung, lập trình và nghiên cứu. Tuy nhiên, AI không thể thay con người chịu trách nhiệm về tính chính xác, mức độ phù hợp hay hậu quả của kết quả cuối cùng.
Nếu chỉ nhìn vào số lượng đầu ra, doanh nghiệp có thể ghi nhận năng suất tăng trong khi cả tập thể vẫn phải dành nhiều thời gian hơn cho việc sửa lỗi và làm lại. Ngược lại, khi chất lượng bàn giao được đặt ngang với tốc độ tạo sản phẩm, AI mới có cơ hội trở thành công cụ nâng hiệu quả toàn quy trình thay vì chỉ chuyển gánh nặng từ người này sang người khác.
Character.AI phá sản dù có 12 triệu người dùng: Vì sao?
REA giúp AI khám phá logic bên trong phần mềm
Trump yêu cầu dùng “SI” thay cho “AI”, Musk hưởng ứng
AI ngân hàng giao dịch lớn sẽ chịu quản lý rủi ro cao từ 15/11
Anthropic siết quy tắc dùng Claude với hành vi lạm dụng AI
AI khiến dân văn phòng Trung Quốc phải làm việc bằng 3
TP.HCM đề xuất vốn đối ứng để thúc đẩy AI
