Mới đây, một chuyên viên ngân hàng kỳ cựu của chúng tôi hỏi: “Khi AI ngày càng giỏi với tốc độ phi thường, đâu là 10% công việc tôi nên tập trung, thứ mà AI không bao giờ làm được, để duy trì lợi thế cạnh tranh?”

Xét về nhiều mặt, đây là câu hỏi chính đáng. Vài năm qua, AI đã đi từ chỗ làm tốt những việc đơn giản và rất tệ những việc phức tạp, tới xuất sắc với việc đơn giản và khá tốt với việc phức tạp – nghĩa là nó thực sự hữu ích trong đời thực.

Một bài kiểm chuẩn của OpenAI mang tên GDPval so sánh hiệu suất của các mô hình tác nhân với con người trên 44 ngành nghề và 1.320 nhiệm vụ, thuộc 9 lĩnh vực đóng góp hàng đầu vào GDP Hoa Kỳ. Kết quả cho thấy các tác nhân dựa trên mô hình tiên tiến nhất (tại thời điểm viết) thực hiện tốt bằng hoặc hơn con người trong 80% trường hợp. Sáu tháng trước, con số này mới khoảng 50%. Nhìn về phía trước, tỷ lệ ấy dường như chỉ có tăng.

Điều này tạo ra vấn đề rõ ràng cho cả doanh nghiệp lẫn người lao động: nhiều kỹ năng ta dành cả sự nghiệp để phát triển sắp có thể bị các tác nhân AI thực thi. Trước sự bất định của tương lai, con người thường tìm kiếm điểm tựa quen thuộc và bám vào những thói quen đáng tin cậy nhất. Chính kinh nghiệm và chuyên môn đã giúp ta thăng tiến, nên viễn cảnh chúng biến mất sau một đêm quả thật đáng sợ.

Điều tôi nói với chuyên viên ngân hàng ấy khiến anh ngạc nhiên: Hãy buông bỏ 10% đó. Có dũng khí để những thói quen cũ chết đi, để rồi bạn hồi sinh chuyên môn trong một 100% mới, dù nó chẳng giống chút nào những gì bạn từng học.

Không phải mọi ngành nghề đều bị xáo trộn như nhau, hay cùng một lộ trình. Nhưng nếu bạn đang làm trong những lĩnh vực mà báo cáo GDPval chỉ ra có khả năng bị ảnh hưởng mạnh nhất – như nhà phát triển phần mềm, luật sư, quản lý bất động sản – thì câu hỏi thích nghi thế nào là cấp bách. Đây là lúc cần sự tò mò, tư duy cởi mở và sẵn sàng từ bỏ cả những thói quen nghề nghiệp thành công nhất, đồng thời giữ lại những phẩm chất không thay đổi của con người: bản năng, khả năng phán đoán, giá trị.

AI Đã Tiến Một Bước Rất Dài Trong Năm Qua
Trong năm vừa qua, AI tạo sinh đã tiến hóa từ những chatbot hữu dụng gần giống như tìm kiếm Google – tiết kiệm thời gian nhưng không thay đổi căn bản cách làm việc – thành công nghệ có thể mô phỏng suy luận của con người, lập kế hoạch và hành động. Việc giao nhiệm vụ cho các tác nhân AI với sự can thiệp tối thiểu của con người ngày càng khả thi: nghiên cứu cơ bản về một công ty, xây dựng mô hình dòng tiền chiết khấu, điền biểu mẫu hay giải quyết các yêu cầu hỗ trợ khách hàng đơn giản. Khi các tác nhân AI có được sức hút trong các tổ chức, rõ ràng chúng đang thay đổi cách con người làm việc.

Trong môi trường doanh nghiệp, các tác nhân này có thể cải thiện qua tương tác với con người cũng như phản hồi từ các tiêu chí đánh giá nội bộ. Chẳng hạn, tác nhân phân tích nghiên cứu sẽ biết đâu là nguồn thông tin đáng tin cậy nhất, cách cân nhắc chúng trong bối cảnh tổng thể, cách áp dụng các từ viết tắt và biệt ngữ nội bộ, và quan trọng nhất, cách tự đưa ra các quyết định vi mô dọc đường một cách độc lập khi có thông tin mâu thuẫn – giống hệt một nhân viên kỳ cựu.

Sự tiến hóa này đòi hỏi con người chuyển đổi tư duy. Nó yêu cầu họ tin tưởng các tác nhân và học cách, một cách có chọn lọc, trao quyền kiểm soát – chuyển từ vai trò người vận hành trực tiếp sang giám sát. Ở cấp độ căn bản nhất, điều này buộc chúng ta phải tư duy lại thói quen của chính mình một cách sâu sắc.

Trong bối cảnh đó, lời khuyên của tôi cho chuyên viên ngân hàng là hãy buông bỏ nhu cầu kiểm soát trực tiếp từng bước, kiểu như tự tay soạn từng dòng nội dung trong tài liệu thuyết trình. Giờ đây, nhiệm vụ của anh là tập trung đưa ra chỉ dẫn rõ ràng để các tác nhân vận hành hiệu quả hơn hướng tới mục tiêu, và đảm bảo các biện pháp kiểm soát phù hợp được áp dụng một cách hệ thống và nhất quán, nhờ đó anh có thể cho phép tác nhân thực thi nhiệm vụ thay mình một cách an toàn. Từ người đóng góp cá nhân trở thành người giám sát và cố vấn. Đó chính là 100% mới.

Vì Sao Bạn Nên Nghĩ Về Khả Năng Phán Đoán
Hãy xem xét câu hỏi nên giữ lại kỹ năng gì để tồn tại nghề nghiệp từ một góc nhìn khác: một kỵ sĩ dày dạn đang học lái ô tô. 10% kỹ năng cưỡi ngựa họ nên giữ lại để thành thạo lái xe là gì? Có lẽ là không. Vậy 100% kỹ năng họ cần thích nghi để thành tài xế giỏi là gì? Phản xạ và bản năng.

Giới ngân hàng vốn quen nhận rất nhiều câu hỏi từ khách hàng – thường cực kỳ phức tạp. Ví dụ: Các mức thuế vừa công bố ảnh hưởng thế nào tới các công ty trong danh mục của tôi, và tôi phòng ngừa rủi ro này ra sao? Để đưa ra câu trả lời có ý nghĩa, cần thu thập thông tin, kiểm chứng, vạch chiến lược rồi thảo luận với khách. Điều đó xảy ra vài giờ hoặc vài ngày sau khi khách hàng đặt câu hỏi – ở t+1 hay t+2, mượn cách nói trong thanh toán giao dịch.

Trong tương lai, khi các tác nhân làm việc ở phía sau, ta có thể trả lời câu hỏi từ t-1, trước khi khách hàng kịp hỏi. Hãy tưởng tượng buổi sáng chuyên viên ngân hàng nhận email tóm tắt: đây là những sự kiện quan trọng xảy ra trong đêm, đây là cách chúng có thể tác động đến các khách hàng sau, cùng một số chiến lược và điểm thảo luận khả thi. Giá trị gia tăng của chuyên viên lúc này là xem xét các gợi ý, áp dụng phán đoán, tranh luận với nhóm và tác nhân, rồi cuối cùng gọi điện cho khách hàng trước khi họ kịp tìm đến mình với câu hỏi. Điều hướng một tình huống khách hàng khó khăn giống như một tài xế lão luyện len qua cung đường núi lúc thời tiết xấu, tận dụng tối đa hệ thống kiểm soát lực kéo và phanh hỗ trợ.

Thực Tế Trông Như Thế Nào
Thách thức mới không chỉ là tối ưu hóa mà là tư duy lại vai trò và tổ chức. Đừng chỉ tái đào tạo kỹ năng, hãy tái hình dung kỹ năng và xây dựng thói quen mới. Hãy coi lực lượng lao động lai giữa tác nhân và con người là trạng thái bình thường mới, và tái cấu trúc doanh nghiệp quanh giả định đó.

Điều này cần một vài thành tố cơ bản:

Lãnh đạo
Từ bỏ thói quen cũ không tự nhiên mà có. Nó đòi hỏi sự lãnh đạo mạnh mẽ và cách tiếp cận từ trên xuống, buộc mọi người chịu trách nhiệm cho sự thay đổi.

Theo kinh nghiệm của tôi, đây là nhiệm vụ khó khăn nhất. Bạn đang khuyến khích một thay đổi căn bản – một cuộc biến thái. Áp AI để tinh gọn quy trình cũ, làm nhiều hơn và nhanh hơn, có thể đem lại sự nhẹ nhõm tạm thời, nhưng về lâu dài sẽ trượt mục tiêu rất xa. Trên thực tế, quản trị thay đổi ở tầm cỡ này đòi hỏi lãnh đạo cấp cao nhất cam kết một mức độ chuyển đổi không thể xảy ra nếu không cải cách triệt để cách làm việc. Nếu bạn muốn lập trình viên thay đổi thói quen, hãy yêu cầu họ năng suất gấp ba lần, không phải 20%. Nếu muốn tránh ứng viên gian lận phỏng vấn bằng AI, hãy ra bài kiểm tra khó tới mức chỉ có thể hoàn thành nhờ làm chủ AI. Ví dụ: tạo một bản sao Excel hoạt động được trong ba giờ. Nếu bạn muốn tinh giản quy trình mua hàng đến thanh toán, hãy nhắm tới cắt giảm 90% thao tác thủ công, không phải 20%. Nếu đạt được một nửa chặng đường, bạn sẽ biết đội ngũ của mình ít nhất đã trải qua các chuyển động của tư duy lại triệt để, chứ không chỉ đơn thuần là tối ưu.

Mục tiêu và kết quả rõ ràng
Nếu ta không biết thế nào là tốt, cả con người lẫn AI đều không biết bước đi đúng hướng tới thành công. Chúng ta phải ám ảnh với việc đánh giá và các bài kiểm chuẩn.

Hầu hết doanh nghiệp nghĩ về nhiệm vụ như một chuỗi hành động từng bước. Họ hệ thống hóa chúng trong quy trình vận hành chuẩn. Rồi họ dựng các biện pháp kiểm soát lên trên những quy trình đó. Trong đời thực, các quá trình và việc ra quyết định của tổ chức trông giống “Vấn đề Thùng Rác” hơn – ít nhiều hỗn loạn, tình cờ và phi tuyến tính.

Tại Goldman Sachs, khi ứng dụng AI vào những quy trình lâu đời toàn công ty như tiếp nhận khách hàng, chúng tôi trước tiên tập trung hệ thống hóa “thế nào là tốt”, dựa trên các chỉ số chất lượng quy trình và các quyết định của những người vận hành kỳ cựu, rồi tạo ra bộ đánh giá so sánh đầu ra của AI tác nhân với kết quả mong muốn. Với các vòng phản hồi phù hợp, AI tự cải thiện cho tới khi đầu ra khớp với kết quả kỳ vọng của bạn. Giống như cách bạn nói với ứng dụng Bản đồ tìm tuyến đường nhanh nhất tới đích, tránh cầu, thay vì chỉ dẫn rẽ trái mấy lần hay rẽ phải ra sao, và cung cấp phản hồi sau chuyến đi. Từ thực thi quy trình cứng nhắc từng bước dựa trên luật lệ, chuyển sang các hệ thống tác nhân định hướng kết quả, có thể tự ra các quyết định nhỏ, dưới sự giám sát của con người.

Làm chủ dữ liệu của chính bạn
Các tác nhân không thể vận hành nếu thiếu bối cảnh. Chúng quay trở lại thành chatbot. Dữ liệu là mạch máu của bối cảnh – sự thật nền tảng của tổ chức bạn – và là bản đồ cho những người lái, cả con người lẫn tự động. Không có sự thật nền tảng này, không thể có phương hướng rõ ràng.

Kinh nghiệm của tôi cho thấy chuyển đổi AI luôn đi sau chuyển đổi dữ liệu, chứ không phải ngược lại. Ở nhiều công ty, dữ liệu phân tán, được ánh xạ theo nhiều bản thể học không tương quan (hình dung sách trong thư viện được xếp theo tác giả, một số khác theo chủ đề, số khác theo mã ISBN, tất cả trộn lẫn ngẫu nhiên trên cùng giá), trùng lặp và lỗi thời. AI gặp đúng vấn đề “rác vào, rác ra” ở cấp độ cuối cùng, vì nó khiến đầu ra rác trông cũng có vẻ hợp lý.

Do đó, lãnh đạo có thể phải trì hoãn (một khái niệm rất không được ưa chuộng hiện nay) việc triển khai dự án AI ở quy mô lớn, cho tới khi dữ liệu vào khuôn khổ. Điều đó có thể mất hàng tháng, thậm chí hàng năm, và mức độ sẵn sàng của dữ liệu là đầu vào rất hữu ích để ưu tiên ca sử dụng nào cho chuyển đổi AI.

Điều này có ý nghĩa gì trong việc thay đổi thói quen?
Hãy chống lại cám dỗ chấp nhận đầu ra AI theo bề mặt. Kiểm tra nguồn, giám sát và xác minh đầu ra, hoặc học cách làm vậy nếu trước giờ bạn chỉ dựa vào thành quả từ chính công sức mình. Một tương lai tác nhân đòi hỏi mọi người trở thành một kiểu người quản lý.

Đó chính là bài học cốt lõi. Thay đổi cá nhân còn khó hơn. Có dũng khí để từ bỏ những thói quen đáng tin cậy của chính mình và đón nhận một bản sắc nghề nghiệp mới, trọn vẹn, nơi ta có thể phát triển, là một trong những thách thức lớn nhất đối với bất kỳ ai đang làm việc hôm nay.

Marco Argenti - Harvard Business Review, 6. 2026