Để thấu hiểu vai trò của công nghệ đột phá này trong môi trường làm việc và những đặc điểm khác biệt so với làn sóng tự động hóa trước đây, chúng ta cần thay đổi góc nhìn - không chỉ dừng lại ở việc AI có thể làm được gì, mà phải tiến xa hơn để xác định AI nên làm gì. Phần lớn các nghiên cứu về tác động của GenAI lên người lao động thường tập trung phân tích khả năng thực thi các công việc cụ thể của công nghệ này. Các nghiên cứu này thường phân tách một công việc thành nhiều nhiệm vụ nhỏ và đánh giá tỷ lệ các nhiệm vụ mà công nghệ có thể đảm nhận.

Chẳng hạn như với vị trí nhân viên tổng đài chăm sóc khách hàng, các nhiệm vụ điển hình bao gồm giao tiếp với khách hàng, ghi chép thông tin và xử lý hoặc chuyển tiếp các vấn đề phát sinh. GenAI hoàn toàn có thể đảm đương những nhiệm vụ này, cho thấy khả năng thay thế con người trong vị trí này. Tuy nhiên, hãy xem xét một nghề tưởng chừng tương đồng là điều phối viên tổng đài cấp cứu. Dù hai công việc này có nhiều điểm chung, liệu chúng có đối mặt với nguy cơ tự động hóa ngang nhau? Câu trả lời không đơn thuần chỉ nằm ở năng lực kỹ thuật. Bên cạnh những cân nhắc về mặt đạo đức, việc tự động hóa những vai trò này đòi hỏi sự cân bằng giữa các yếu tố về kinh tế, thiết kế quy trình và mối quan hệ phụ thuộc lẫn nhau trong vận hành.

Theo chúng tôi, các tổ chức cần đặc biệt cân nhắc bốn yếu tố then chốt khi cân nhắc tự động hóa. Trước hết, mức độ phức tạp của nhiệm vụ là gì? Độ phức tạp đóng vai trò quyết định trong việc tính toán chi phí cho cả nguồn nhân lực và giải pháp AI. Điều phối viên cấp cứu phải đối mặt với vô vàn tình huống đa dạng, với độ phức tạp vượt xa những tương tác mang tính lặp lại của nhân viên chăm sóc khách hàng thông thường. Nhìn chung, ở thời điểm hiện tại, nhiệm vụ càng phức tạp càng khó được tự động hóa, bởi con người vẫn đang thể hiện ưu thế vượt trội so với máy móc trong việc xử lý các tình huống phức hợp. Thứ hai, tần suất thực hiện nhiệm vụ ra sao? Một nhiệm vụ càng thường xuyên được thực hiện, khả năng được tự động hóa càng cao. Máy móc có lợi thế vượt trội trong việc duy trì hiệu suất ổn định trong thời gian dài. Đối với vị trí nhân viên chăm sóc khách hàng, tần suất tương tác cao với khách hàng chính là yếu tố then chốt củng cố tính khả thi về mặt kinh tế cho việc thay thế bằng AI.

Thứ ba, mức độ liên kết giữa các nhiệm vụ ra sao? Trong chuỗi giá trị tạo ra sản phẩm hay dịch vụ, thường tồn tại một mạng lưới nhiệm vụ đan xen, được thực hiện bởi sự phối hợp giữa con người và máy móc. Điểm mấu chốt thường bị bỏ qua chính là những gì diễn ra trong quá trình chuyển giao nhiệm vụ. Chi phí phân mảnh - những tổn thất phát sinh từ sự thiếu đồng bộ và sai sót trong quá trình bàn giao - là một ví dụ điển hình. Lấy trường hợp nhân viên chăm sóc khách hàng có nhiệm vụ khởi đầu là tương tác với khách hàng, còn đích đến cuối cùng là giải quyết vấn đề. Khi có nhiều tác nhân tham gia vào quy trình, việc chuyển giao thông tin có thể trở nên tốn kém. Nếu người xử lý khâu cuối không được tiếp xúc với khách hàng từ đầu, họ buộc phải dành thời gian nghiên cứu lại toàn bộ thông tin đã được ghi nhận. Chi phí phân mảnh cao này đặt ra một dấu hỏi lớn về tính khả thi của việc phân chia nhiệm vụ giữa con người và AI tạo sinh, bất kể điều này có khả thi về mặt kỹ thuật hay không. Ví dụ như việc tự động hóa cuộc gọi sàng lọc ban đầu trong dịch vụ cấp cứu có thể trông có vẻ tiết kiệm, nhưng những thông tin sinh tử có nguy cơ thất thoát trong quá trình chuyển giao từ AI sang điều phối viên. Thứ tư, cái giá phải trả cho một sai lầm là gì? Đối với điều phối viên cấp cứu, một sai sót nhỏ có thể dẫn đến hậu quả nghiêm trọng, đặc biệt trong những tình huống sống còn. Đáng chú ý là AI tạo sinh đôi khi còn kém chính xác hơn cả các hình thức tự động hóa truyền thống.

Bốn câu hỏi then chốt này sẽ là kim chỉ nam cho các doanh nghiệp đang cân nhắc áp dụng tự động hóa, đồng thời lý giải vì sao GenAI tác động mạnh mẽ đến một số nghề nghiệp hơn những nghề khác. Nghề lập trình viên là một minh chứng tiêu biểu. Kho tàng mã nguồn phong phú, được lưu trữ và tài liệu hóa kỹ lưỡng tạo điều kiện cho GenAI đưa ra những giải pháp hiệu quả, ngay cả với những bài toán phức tạp. Tần suất cao và tính lặp lại trong công việc lập trình tạo nên sự tương thích hoàn hảo với GenAI. Từ trước khi GenAI xuất hiện, các lập trình viên đã quen với việc phân chia dự án thành nhiều phần nhỏ, và những đổi mới như nền tảng phát triển phân tán cùng thiết kế mô-đun đã giúp tối ưu chi phí phân mảnh. Môi trường kiểm thử an toàn giúp giảm thiểu rủi ro, khi các lỗi trong mã nguồn do GenAI tạo ra có thể được phát hiện với chi phí không đáng kể. Trong khuôn khổ phân tích của chúng tôi, những đặc điểm này giải thích tại sao các lập trình viên - những người từng được hưởng lợi từ tự động hóa - giờ đây lại đang đối mặt với làn sóng thay đổi mạnh mẽ từ GenAI.

Bốn câu hỏi trên phác họa bức tranh toàn cảnh về tính độc đáo của AI tạo sinh trong lĩnh vực tự động hóa. Qua từng giai đoạn phát triển, GenAI đang chứng minh khả năng xử lý những nhiệm vụ phức tạp với tốc độ ấn tượng, thể hiện tính linh hoạt vượt trội so với tự động hóa truyền thống. Với giao diện mượt mà và khả năng xử lý ngôn ngữ tự nhiên, GenAI đang dần thu hẹp khoảng cách về chi phí phân mảnh so với các giải pháp tự động hóa thông thường. Tuy nhiên, tính bất định trong kết quả đầu ra của GenAI có thể làm gia tăng rủi ro thất bại trong quá trình thực hiện nhiệm vụ. AI tạo sinh là một bước đột phá công nghệ có tiềm năng định hình lại bản đồ thị trường lao động. Tác động sâu rộng và khả năng được ứng dụng rộng rãi của GenAI phụ thuộc vào cấu trúc nhiệm vụ trong từng ngành nghề cụ thể. Sự đan xen giữa độ phức tạp của nhiệm vụ, tần suất thực hiện, chi phí phân mảnh và cái giá của thất bại sẽ tạo nên điểm cân bằng giữa những lợi ích hiện hữu và chi phí tiềm ẩn.