Brian Eastwood
Ngày 3 tháng 2 năm 2025
Sự kết hợp giữa AI và người lao động mang lại nhiều triển vọng nhất đối với những công việc mà con người hiện vẫn làm tốt hơn AI, cũng như những công việc liên quan đến sáng tạo nội dung.
Một trong những lập luận phổ biến nhất cho việc đưa trí tuệ nhân tạo vào doanh nghiệp là tiềm năng để AI hỗ trợ con người bằng cách bổ sung cho công việc của họ. Tuy nhiên, trước tiên các nhà lãnh đạo cần hiểu rõ liệu và khi nào AI và con người có thể làm việc cùng nhau tốt hơn so với khi mỗi bên hoạt động riêng lẻ.
AI trong công việc
Một nghiên cứu gần đây từ các nhà nghiên cứu tại Trung tâm Trí tuệ Tập thể (Center for Collective Intelligence – CCI) của MIT cho thấy rằng, trung bình, sự kết hợp giữa AI và con người không vượt trội hơn hệ thống tốt nhất khi chỉ có con người hoặc chỉ có AI.
“Đây là phát hiện gây bất ngờ nhất của chúng tôi,” giáo sư Thomas W. Malone tại MIT Sloan, giám đốc CCI, cho biết. “Một số ứng dụng quan trọng và thú vị nhất của AI liên quan đến sự kết hợp giữa con người và máy tính. Nhiều người sẽ nghĩ rằng sự kết hợp này sẽ tốt hơn đáng kể, nhưng về mặt thống kê, nó lại kém hơn một cách rõ rệt.”
Bài nghiên cứu, dựa trên việc tổng hợp hơn 100 nghiên cứu về hợp tác giữa con người và AI, đã được công bố trên tạp chí Nature Human Behaviour. Nghiên cứu này làm rõ những trường hợp mà sự kết hợp giữa AI và con người có khả năng thành công cao nhất — chẳng hạn như các nhiệm vụ mà con người vượt trội hơn AI, các nhiệm vụ liên quan đến sáng tạo nội dung, và các nhiệm vụ sáng tạo có sử dụng AI tạo sinh.
Sự kết hợp hiệu quả khi mỗi bên làm tốt phần việc của mình
Malone và các đồng tác giả — trợ lý giáo sư Abdullah Almaatouq và nghiên cứu sinh tiến sĩ Michelle Vaccaro — đã phân tích 370 chỉ số hiệu ứng từ 106 thí nghiệm, đánh giá hiệu suất của con người riêng lẻ, AI riêng lẻ, và sự kết hợp giữa hai bên. Các nghiên cứu được công bố trong khoảng từ tháng 1/2020 đến tháng 7/2023. (Chỉ số hiệu ứng là mức độ khác biệt giữa các biến trong một nghiên cứu.)
Các nhà nghiên cứu phát hiện rằng, trung bình, sự kết hợp giữa con người và AI tốt hơn so với con người đơn lẻ, nhưng không tốt hơn so với AI đơn lẻ. Đáng chú ý, điểm hiệu suất trung bình của sự kết hợp này thấp hơn hệ thống tốt nhất (dù là người hay AI).
Ví dụ, AI đơn lẻ đạt hiệu quả cao nhất trong việc phát hiện các đánh giá khách sạn giả, với độ chính xác 73%, so với 69% khi kết hợp người và AI, và 55% khi chỉ có con người. Các nhà nghiên cứu cho rằng do con người vốn kém chính xác hơn AI trong nhiệm vụ này, họ cũng không giỏi trong việc quyết định khi nào nên tin vào thuật toán và khi nào nên tin vào phán đoán của mình. Điều này dẫn đến hiệu suất của sự kết hợp thấp hơn so với AI đơn lẻ.
“Con người và AI làm việc cùng nhau hiệu quả nhất khi mỗi bên đảm nhiệm phần việc mà mình làm tốt hơn bên còn lại,” Malone nói.
Các ví dụ khác mà AI vượt trội hơn con người và cả sự kết hợp giữa hai bên bao gồm dự báo nhu cầu và chẩn đoán y khoa.
Trong các trường hợp mà con người làm tốt hơn, sự kết hợp giữa con người và AI lại vượt trội hơn từng bên riêng lẻ. Ví dụ, trong việc phân loại hình ảnh chim — một nhiệm vụ đòi hỏi chuyên môn cao — con người đạt độ chính xác 81%, AI đạt 73%, nhưng khi kết hợp thì đạt tới 90%.
“Nếu con người làm tốt hơn khi đứng một mình, thì nhiều khả năng họ cũng giỏi hơn AI trong việc biết khi nào nên tin vào AI và khi nào nên tin vào con người,” Malone cho biết.
Thiết kế lại quy trình tốt hơn là chỉ phân chia lại công việc
Các nhà nghiên cứu cho biết hợp tác giữa con người và AI có thể diễn ra dưới hai hình thức:
- Augmentation (tăng cường): khi hệ thống người–AI trung bình tốt hơn con người đơn lẻ
- Synergy (hiệp lực): khi kết quả người–AI vượt trội cả con người và AI riêng lẻ
Để đạt được synergy là điều khó khăn do nhiều thách thức.
Thứ nhất là xác định khi nào nên dùng con người, AI, hay kết hợp cả hai. Nhiều tổ chức gặp khó khăn vì họ thường đánh giá quá cao hiệu quả của hệ thống hiện tại. Các thử nghiệm ngẫu nhiên (như A/B testing) có thể cung cấp dữ liệu khách quan để giải quyết vấn đề này.
Thứ hai là áp dụng kết quả thử nghiệm vào thực tế. Theo Malone, vấn đề không nằm ở việc chia nhỏ công việc giữa người và AI, mà là thiết kế lại toàn bộ quy trình làm việc của họ. Ví dụ, một công ty muốn tự động hóa sản xuất đồ nội thất không chỉ cần tự động hóa các bước lắp ráp mà còn phải xem xét cả việc vận chuyển sản phẩm trong nhà máy.
“Chúng tôi nhận thấy con người vượt trội trong các nhiệm vụ đòi hỏi hiểu ngữ cảnh và trí tuệ cảm xúc, trong khi AI vượt trội ở các nhiệm vụ lặp lại, khối lượng lớn hoặc dựa trên dữ liệu,” Vaccaro cho biết.
Sau khi xác định chiến lược, doanh nghiệp nên áp dụng mô hình cải tiến liên tục:
“Bắt đầu với quy trình cơ bản, theo dõi hiệu suất, và điều chỉnh dựa trên kết quả và phản hồi người dùng.”
AI tạo sinh cho thấy sức mạnh của hợp tác
Một lĩnh vực có nhiều tiềm năng về sự hiệp lực giữa con người và máy móc là AI tạo sinh.
Các nhà nghiên cứu phát hiện rằng sự kết hợp giữa người và AI hoạt động kém hơn trong các nhiệm vụ ra quyết định, nhưng lại tốt hơn trong các nhiệm vụ sáng tạo nội dung. Trong giai đoạn nghiên cứu, chỉ khoảng 10% các bài nghiên cứu đề cập đến sáng tạo nội dung. Tuy nhiên, trong những trường hợp này, hiệu ứng hiệp lực là dương và cao hơn đáng kể so với các nhiệm vụ ra quyết định (thường có hiệu ứng âm).
Trong một nghiên cứu trước đó, Malone và các cộng sự đã chỉ ra rằng AI tạo sinh có thể truyền cảm hứng cho người sáng tạo bằng cách tạo ra hàng loạt hình ảnh từ một mô tả văn bản chỉ trong vài giây. Dù một số kết quả có thể không phù hợp, quá trình này vẫn nhanh hơn rất nhiều so với việc phác thảo thủ công và có thể giúp hình thành các ý tưởng phức tạp hơn cần sự tinh chỉnh của con người.
Vaccaro cho rằng vòng lặp tương tác liên tục mà AI tạo sinh mang lại khiến nó phù hợp hơn cho hợp tác với con người so với các hệ thống AI trước đây.
“Hệ thống AI tạo sinh cho phép một quy trình mang tính lặp lại và tương tác nhiều hơn. Con người có thể làm việc cùng AI trong một chu trình soạn thảo, chỉnh sửa và hoàn thiện văn bản, hình ảnh, âm nhạc hoặc video. AI có thể thích nghi với phản hồi của con người theo thời gian thực, giúp con người cải thiện kết quả một cách linh hoạt.”
Kết luận
Kết luận rằng sự kết hợp giữa con người và AI không phải lúc nào cũng vượt trội hơn từng bên riêng lẻ có thể khiến doanh nghiệp do dự trong việc triển khai hợp tác này. Tuy nhiên, Malone cho rằng đó là cách hiểu sai, đặc biệt khi xét đến tiềm năng của AI tạo sinh.
“Điều chúng tôi muốn nói là chúng ta cần trở nên tinh vi và hiểu biết hơn về những gì hiệu quả và không hiệu quả trong hợp tác giữa con người và AI.”
Nguồn: MIT Sloan Management Review
AI như một công cụ tăng cường trong tư duy tự động hóa
Tác giả: Tiến sĩ John H. Howar
Từ góc nhìn của lịch sử kinh tế, lịch sử công nghệ, lý thuyết tổ chức và kinh tế chính trị, các cuộc tranh luận hiện nay về trí tuệ nhân tạo đang thiếu bối cảnh lịch sử về cách các xã hội đã thành công trong việc tích hợp các công nghệ mang tính chuyển đổi — và cả những nơi họ đã thất bại. Việc hiểu các mô hình này cung cấp những hiểu biết quan trọng cho các quyết định chính sách liên quan đến việc áp dụng và triển khai AI.
Kết quả là các cuộc thảo luận về AI ngày càng trở nên dễ đoán một cách đáng thất vọng. Một bên là những dự đoán đầy kịch tính rằng AI sẽ khiến con người trở nên lỗi thời; bên còn lại là những lời hứa hẹn không kém phần khoa trương về năng suất không giới hạn và tăng trưởng vô tận. Cả hai cách nhìn này đều bỏ qua một điểm cốt lõi: sự khác biệt then chốt giữa AI thay thế năng lực con người và AI khuếch đại năng lực đó.
Sự phân biệt giữa tự động hóa (automation) và tăng cường (augmentation) này định hình mọi thứ, từ cách chúng ta thiết kế hệ thống kinh tế và quy trình kinh doanh cho đến cách tổ chức các tổ chức và xã hội. Đối với Australia, điều này quyết định liệu quốc gia này sẽ xây dựng một nền kinh tế dựa trên sáng tạo và chuyên môn con người, hay một nền kinh tế làm xói mòn dần các yếu tố đó.
Tiền lệ lịch sử
AI như một công cụ tăng cường kể lại một câu chuyện quen thuộc. Trong suốt lịch sử, những công nghệ mang tính chuyển đổi mạnh mẽ nhất của chúng ta thường đóng vai trò như bộ khuếch đại trí tuệ chứ không phải là sự thay thế.
Máy in không loại bỏ người kể chuyện và học giả; nó dân chủ hóa việc tiếp cận tri thức và mở ra những cách tư duy mới.
Những người chỉ trích cho rằng AI là một bước đứt gãy hoàn toàn so với các công nghệ trước đây. Nhưng khi xem xét kỹ các lo ngại cụ thể của họ, ta thấy nhiều sự liên tục hơn là gián đoạn. AI xử lý thông tin ở quy mô và tốc độ chưa từng có — nhưng máy in cũng từng làm điều đó so với việc chép tay. AI là công nghệ đa dụng — nhưng hơi nước và điện cũng vậy. AI có thể học và cải thiện — nhưng các quy trình công nghiệp và quản trị luôn có đường cong học tập và cải tiến liên tục.
Ba mươi năm trước, chúng ta đã quen với khái niệm tái cấu trúc quy trình kinh doanh (business process re-engineering). Một số người xem đó là cắt giảm chi phí, số khác coi đó là cải thiện chất lượng, còn một số khác nhìn nó như đổi mới tạo giá trị. Điều khác biệt hiện nay là AI xuất hiện vừa như công cụ tự động hóa, vừa là yếu tố thúc đẩy.
Sự khác biệt thực sự giữa quá khứ và hiện tại có thể nằm ở tốc độ và phạm vi, hơn là bản chất. Điều này khiến lựa chọn tăng cường (augmentation) trở nên quan trọng hơn, không phải kém đi. Công nghệ càng triển khai nhanh và rộng, hậu quả của việc làm suy giảm năng lực con người càng tích lũy nhanh hơn.
Tạo ra những khả năng mới
Trí tuệ tăng cường có thể mở ra những dạng giá trị kinh tế và xã hội hoàn toàn mới mà trước đây không thể có.
Các nhà khoa học khí hậu hiện kết hợp dữ liệu quan sát nhiều thập kỷ với AI để xây dựng các mô hình thời tiết và dự báo khí hậu chính xác hơn, tạo ra các ngành công nghiệp mới như đánh giá rủi ro khí hậu và tối ưu năng lượng tái tạo.
Các nhà nghiên cứu dược phẩm sử dụng AI để phân tích tương tác phân tử trên hàng triệu hợp chất, mở ra các phương pháp điều trị mà trước đây có thể mất hàng thế kỷ.
Các nhà vật lý lượng tử dùng AI để mô phỏng hành vi lượng tử và dự đoán tính chất vật liệu — điều không thể làm bằng phương pháp truyền thống.
Khoa học vật liệu, nông nghiệp chính xác, định giá động trong du lịch và giải trí… tất cả đều đang được biến đổi bởi AI.
Điểm chung của các ví dụ này là:
- giữ lại chuyên môn con người,
- đồng thời mở rộng khả năng phân tích và ra quyết định ở quy mô mới,
- từ đó tạo ra giá trị mà neither automation thuần túy nor con người đơn lẻ có thể đạt được.
Tạo tri thức mới thông qua “học thuật tích hợp”
Khoa học xã hội cung cấp những ví dụ thuyết phục về việc AI tạo ra tri thức mới thông qua cái mà Ernest Boyer gọi là “Scholarship of Integration” — nghiên cứu liên ngành tạo ra hiểu biết mới.
AI cho phép các nhà nghiên cứu kết hợp dữ liệu kinh tế, phân tích xã hội học, khoa học chính trị và lý thuyết tổ chức để hiểu cách xã hội thích ứng với thay đổi công nghệ.
Sự tích hợp này giúp phát hiện những mô hình mà một ngành đơn lẻ không thể thấy — ví dụ: cách các động lực kinh tế, cấu trúc xã hội, hệ thống quản trị và năng lực tổ chức tương tác để quyết định việc xã hội chọn augmentation hay automation.
Trong nghiên cứu hệ sinh thái đổi mới, AI giúp phân tích mạng lưới giữa đại học, doanh nghiệp, chính phủ và tài chính, theo dõi dòng bằng sáng chế, dòng vốn và lan tỏa tri thức.
Trong nghiên cứu về “đại học khởi nghiệp”, AI cho phép phân tích dữ liệu lớn về bằng sáng chế, spin-off, hợp tác công nghiệp để hiểu vai trò của đại học trong đổi mới.
Trong chính sách khoa học, AI giúp xử lý dữ liệu về công bố nghiên cứu, tài trợ và mạng lưới hợp tác để đưa ra quyết định chính sách dựa trên bằng chứng.
AI tăng cường không thay thế khả năng tư duy lý thuyết của con người, mà mở rộng khả năng làm việc liên ngành ở quy mô chưa từng có.
Cuộc cách mạng vô hình
Giống như vi xử lý trước đây, AI đang trở thành hạ tầng ẩn. Nó không còn là công nghệ “nhìn thấy được”, mà là trí tuệ tích hợp trong mọi hệ thống.
Thách thức lớn là đảm bảo sự giám sát của con người vẫn là thực chất, không chỉ mang tính hình thức.
Nhiều hệ thống ban đầu thiết kế để hợp tác người–AI nhưng dần trượt sang tự động hóa do áp lực thời gian, chi phí, hoặc đơn giản là sự tiện lợi.
Quá trình này diễn ra qua hàng nghìn quyết định nhỏ:
- AI nhanh hơn
- thường đúng
- con người bận
Kết quả là sự xói mòn dần năng lực con người và tạo ra hệ thống không thể xử lý ngoại lệ.
Nơi lựa chọn trở nên quan trọng
Sự lựa chọn giữa automation và augmentation đang diễn ra trong mọi lĩnh vực:
- Chính phủ: xét duyệt trợ cấp, thuế
- Y tế: chẩn đoán, theo dõi bệnh
- Tài chính: chấm điểm tín dụng, phát hiện gian lận
- Hạ tầng đô thị: giao thông, quy hoạch
Mô hình automation thuần túy tăng tốc độ nhưng kém linh hoạt.
Mô hình augmentation đòi hỏi cân bằng giữa hiệu quả, công bằng và đạo đức.
Hệ quả tổ chức
Các công ty theo đuổi automation mạnh mẽ thường:
- đạt hiệu quả ngắn hạn
- nhưng mất tri thức tổ chức
- làm giảm kỹ năng nhân sự
- giảm khả năng đổi mới
Ngược lại, các tổ chức theo augmentation:
- khó triển khai hơn
- nhưng tạo ra nhân lực chất lượng cao
- ra quyết định tốt hơn
- xử lý tình huống bất thường tốt hơn
Bài học từ triển khai CNTT những năm 1980–1990 vẫn còn nguyên giá trị:
- chỉ “lắp công nghệ” → hiệu quả thấp
- tái thiết kế tổ chức → lợi thế bền vững
Hàm ý chính sách (Australia)
AI không chỉ là vấn đề kỹ thuật mà là vấn đề chiến lược quốc gia.
Automation có thể mua → triển khai nhanh
Augmentation đòi hỏi:
- đầu tư vào con người
- quy trình
- văn hóa tổ chức
Chính sách nên:
- ưu tiên dự án tăng cường năng lực con người
- đầu tư đào tạo (tư duy phản biện, đạo đức, kỹ năng số)
- yêu cầu human oversight trong các lĩnh vực nhạy cảm
Thách thức sâu hơn: lựa chọn xã hội
Câu hỏi cốt lõi:
- Chúng ta có muốn hiệu quả tối đa nhưng mất đi sáng tạo và ý nghĩa?
- Hay muốn hợp tác với công nghệ để khuếch đại giá trị con người?
AI không nhất thiết làm mất trí tuệ con người — nhưng khác với công nghệ trước, nó đòi hỏi giám sát liên tục, không chỉ thiết kế ban đầu tốt.
Kết luận
Lời hứa thực sự của AI không nằm ở việc tự động hóa mọi thứ, mà ở việc tăng cường năng lực con người.
Nhưng điều đó chỉ đạt được nếu chúng ta chủ động lựa chọn:
- thiết kế hệ thống
- văn hóa tổ chức
- thể chế
để tránh sự xói mòn dần năng lực con người.
Nguồn: Acton Institute
