48% nhân viên phóng đại kỹ năng AI: chỉ số sử dụng có thể đang đánh lừa sếp

Ngày 23/9/2026, thông cáo của Visier công bố khảo sát 1.000 lao động toàn thời gian tại Mỹ, trong đó 48% nói họ từng phóng đại mức sử dụng hoặc hiểu biết về AI với đồng nghiệp hay cấp quản lý. Câu hỏi khảo sát gộp hai khả năng ấy, nên tỷ lệ này không thể được hiểu là tỷ lệ riêng của những người khai cao kỹ năng. Nó cũng không chứng minh cấp quản lý đã bị lừa trong từng trường hợp.

Trong tường thuật của Fast Company, người tham gia khảo sát đến từ nhiều lĩnh vực, gồm y tế, tài chính và nhân sự. Vấn đề đặt ra cho doanh nghiệp là một lời tự khai về AI, hoặc một con số cho thấy công cụ được dùng thường xuyên, có thể bị nhầm với năng lực tạo ra kết quả tốt. Để phân biệt, cần nhìn vào chất lượng đầu ra, khả năng giải thích, cách xử lý ngoại lệ và việc tuân thủ quy định dữ liệu.

Áp lực sử dụng AI có thể tạo ra màn trình diễn

Trong phân tích gốc của Visier, 45% người trả lời nói họ chịu áp lực dùng AI dù chưa tự tin sử dụng hiệu quả; 59% không tin hoặc không chắc doanh nghiệp có kế hoạch rõ ràng về tác động của AI đối với việc làm. Hai câu trả lời mô tả môi trường mà nhân viên có thể muốn tỏ ra đã theo kịp kỳ vọng. Chúng không chứng minh áp lực là nguyên nhân trực tiếp khiến mọi người khai cao.

“AI trình diễn” là tên gọi cho cách thể hiện rằng mình đang dùng công cụ hoặc thành thạo nó nhằm đáp ứng kỳ vọng tại nơi làm việc. Việc ấy có thể chỉ nằm trong cách kể về một nhiệm vụ: nhân viên nhấn mạnh phần có AI hỗ trợ nhưng không nói rõ phần nào đã bị bỏ đi, sửa lại hoặc kiểm tra thủ công. Khái niệm giúp nhận diện một rủi ro trong giao tiếp và đo lường, chứ không phải kết luận rằng mọi người dùng AI đều thiếu trung thực.

Khoảng trống giữa yêu cầu và hỗ trợ làm rủi ro này dễ hiểu hơn. Nếu nhân viên được thúc giục dùng AI nhưng chưa biết công cụ phù hợp với việc nào, họ có thể chú ý nhiều đến việc chứng tỏ đã sử dụng nó hơn là mô tả chính xác hiệu quả. Đây là một cách diễn giải từ các câu trả lời khảo sát, không phải quan sát trực tiếp hành vi của từng người. Một người khai cao cũng có thể đang đánh giá sai trình độ của chính mình; dữ liệu công bố không tách được các động cơ ấy.

Lời tự khai không phải thước đo chất lượng

Điểm quan trọng của phát hiện là cụm “đã từng”. Người trả lời xác nhận có lúc họ phóng đại việc dùng AI hoặc hiểu biết về nó; khảo sát không cho biết mức phóng đại, số lần xảy ra hay nhiệm vụ liên quan. Nó cũng không chấm sản phẩm công việc của từng người. Vì vậy, không thể suy từ lời tự khai ra tỷ lệ đầu ra sai, tỷ lệ vi phạm quy định hoặc mức thiệt hại cho doanh nghiệp.

Ngay cả khi doanh nghiệp có số lượt truy cập công cụ, chỉ số đó vẫn đo hoạt động trước khi đo năng lực. Một lượt dùng có thể giúp hoàn thành nhiệm vụ, tạo ra nội dung phải sửa nhiều hoặc không tạo ra kết quả được sử dụng. Số lượt cũng không cho biết người làm việc đã phát hiện thông tin sai, đối chiếu dữ kiện quan trọng hay quyết định dừng dùng AI khi công cụ không phù hợp. Ngược lại, ít dùng AI không tự động có nghĩa là làm việc kém.

Vì thế, nguy cơ “đánh lừa sếp” trong tiêu đề là nguy cơ đọc sai tín hiệu, không phải một kết quả mà khảo sát đã đo trực tiếp ở cấp quản lý. Nếu mục tiêu là biết công cụ đã được tiếp cận đến đâu, tần suất sử dụng có ích. Nếu mục tiêu là đánh giá kỹ năng hoặc hiệu quả, cùng con số ấy cần được đặt cạnh kết quả công việc và những quyết định của con người trong quá trình tạo ra kết quả.

Những dấu hiệu cho thấy năng lực thực tế

Trước hết là chất lượng đầu ra theo tiêu chuẩn vốn áp dụng cho nhiệm vụ. Với một bản phân tích, đó có thể là dữ kiện chính xác, lập luận nhất quán và phần kết luận trả lời đúng câu hỏi; với một quy trình nội bộ, đó là kết quả đủ rõ để người tiếp nhận sử dụng. Đây là những ví dụ về tiêu chí đánh giá, không phải kết quả thử nghiệm trong khảo sát. Chỉ khi đầu ra được xem xét, việc dùng AI mới có thể được đặt trong quan hệ với giá trị nó tạo ra.

Dấu hiệu tiếp theo là khả năng giải thích phần đóng góp của công cụ. Người thực hiện có nói được AI đã hỗ trợ khâu nào, thông tin nào đã được đối chiếu và vì sao một gợi ý được giữ lại hoặc bác bỏ hay không? Một lời giải thích cụ thể cho phép người khác tiếp nhận và kiểm tra công việc. Câu trả lời chung rằng “đã dùng AI” không cho biết liệu người làm có hiểu nội dung cuối cùng hay chỉ chuyển tiếp nó.

Khả năng xử lý ngoại lệ bộc lộ rõ hơn khi kết quả ban đầu có vấn đề. Nếu dữ liệu đầu vào thiếu, các nguồn mâu thuẫn hoặc yêu cầu vượt quá phạm vi công cụ, người làm có nhận ra điều đó và chọn cách xử lý phù hợp không? Có trường hợp cần hỏi lại, chuyển việc cho người có thẩm quyền hoặc làm lại bằng cách khác. Đánh giá những quyết định ấy cho thấy năng lực kiểm soát công việc, thay vì chỉ ghi nhận AI đã xuất hiện trong quy trình.

Cuối cùng là việc tuân thủ quy định dữ liệu của chính doanh nghiệp: thông tin nào được phép đưa vào công cụ, ai được xem kết quả và dữ liệu nào phải loại bỏ trước khi xử lý. Một đầu ra có vẻ tốt vẫn không đạt yêu cầu nếu quá trình tạo ra nó vượt quá quyền truy cập được phép. Các dấu hiệu về chất lượng, giải thích, ngoại lệ và dữ liệu là khung đánh giá đề xuất từ vấn đề khảo sát nêu ra; chúng chưa được nghiên cứu này kiểm nghiệm như một bộ chỉ số. Có thể xem xét chúng qua sản phẩm và quá trình bàn giao công việc mà không cần theo dõi liên tục từng thao tác của nhân viên.

Kết quả tại Mỹ nói được gì với doanh nghiệp Việt Nam?

Mẫu khảo sát gồm lao động toàn thời gian tại Mỹ, nên không thể chuyển nguyên tỷ lệ trong tiêu đề sang người lao động Việt Nam hoặc một doanh nghiệp cụ thể. Các trang công bố kết quả cũng không đưa ra phép đối chiếu giữa lời tự khai của từng người và chất lượng đầu ra của họ. Nghiên cứu vì thế nêu một cảnh báo về cách hiểu số liệu sử dụng AI, nhưng chưa xác định quy mô sai lệch trong đánh giá nhân sự.

Với doanh nghiệp Việt Nam, câu hỏi có thể tham khảo là chỉ số hiện có đang trả lời điều gì. Số lượt dùng giúp biết công cụ có được tiếp cận; sản phẩm hoàn thành và cách người làm xử lý sai lệch mới cho thêm căn cứ về năng lực. Tiêu chuẩn cụ thể phải phụ thuộc vào nhiệm vụ và quy định dữ liệu của từng nơi. Khảo sát hiện chưa cho biết cách kết hợp các dấu hiệu ấy có cải thiện hiệu quả công việc hay không, cũng chưa đo hiện tượng tương tự tại Việt Nam.

Đọc thêm:

• 40% lao động Hàn Quốc nói nhà tuyển dụng ưu tiên ứng viên có kỹ năng AI
• Zero Data Retention không có nghĩa mọi tính năng AI đều ngừng lưu dữ liệu
• OpenAI dành 1 tỷ USD cho phòng thủ mạng: tín dụng không thay thế nhân lực