AI giúp việc tốt hơn nhưng 44% người dùng lại gánh khối lượng nặng hơn

Ngày 1/10/2026, PwC UK công bố kết quả khảo sát Hopes and Fears với 2.023 người lao động tại Anh: trong nhóm đã dùng AI, 70% cho biết chất lượng công việc được cải thiện, nhưng 44% nhận thấy khối lượng tăng và 45% thấy vai trò phức tạp hơn. Kết quả cho thấy AI có thể giúp tạo ra sản phẩm tốt hơn mà người sử dụng vẫn cảm thấy phải làm nhiều việc hơn.

Bài tường thuật ngày 1/10/2026 của TechRadar nêu khoảng cách sử dụng AI tại Anh: 85% lãnh đạo cấp cao và 73% người quản lý từng dùng công cụ này, so với 35% nhân viên không giữ chức vụ quản lý; bài viết cũng dẫn lời Claire Reid của PwC UK: “The real prize isn’t just doing more work; it’s redesigning work”. Khi mức tiếp cận khác nhau như vậy, trải nghiệm của người quản lý khó đại diện cho người trực tiếp xử lý phần lớn công việc hằng ngày.

Chất lượng tốt hơn không có nghĩa ngày làm việc nhẹ hơn

Chất lượng đầu ra, khối lượng việc và độ phức tạp là những thước đo khác nhau. Một báo cáo có thể rõ ràng hơn, một bản thiết kế có thể có thêm phương án hữu ích, trong khi người chịu trách nhiệm vẫn phải dành thời gian chọn lọc, sửa và hoàn thiện kết quả. Khối lượng tăng còn có thể đến từ việc nhận thêm yêu cầu mới, dù từng nhiệm vụ riêng lẻ được xử lý nhanh hơn.

Các tỷ lệ của PwC phản ánh câu trả lời cho những câu hỏi khác nhau trong cùng nhóm người dùng AI. Chúng không cho biết chính những người thấy chất lượng tăng có đồng thời báo việc nặng hơn hay không. Khảo sát cũng ghi nhận cảm nhận của người lao động, thay vì đo trực tiếp số giờ làm hoặc lượng đầu ra hoàn thành; vì thế không thể suy từ các tỷ lệ này rằng AI tự nó gây ra toàn bộ phần việc phát sinh.

Độ phức tạp lại khác với thời gian và số nhiệm vụ. Một người có thể làm xong trong thời gian tương tự nhưng phải cân nhắc nhiều lựa chọn hơn, phát hiện lỗi khó thấy hơn hoặc giải thích quyết định cho nhiều bên hơn. Nếu chỉ nhìn bản cuối và thời điểm bàn giao, phần sức lực dành cho các quyết định ấy dễ bị bỏ qua.

Phần việc tiết kiệm có thể chuyển sang khâu kiểm tra

Một cách giải thích có thể xảy ra là AI rút ngắn khâu tạo bản nháp nhưng làm tăng lượng nội dung cần rà soát. Chẳng hạn, trong một tình huống giả định, công cụ tạo nhiều phương án cho cùng một yêu cầu; người phụ trách vẫn phải kiểm tra dữ kiện, đối chiếu với yêu cầu ban đầu và chọn phương án được phép sử dụng. Đây là cơ chế cần được kiểm tra ở từng nơi làm việc, không phải nguyên nhân mà khảo sát PwC đã chứng minh.

Việc chuyển gánh nặng cũng có thể diễn ra giữa các vai trò. Người tạo nội dung hoàn thành phần của mình nhanh hơn, nhưng đồng nghiệp nhận kết quả phải sửa thêm lỗi hoặc người quản lý phải duyệt nhiều phiên bản hơn. Khi đó, năng suất của một khâu tăng mà tổng thời gian từ lúc giao việc đến khi được chấp nhận chưa chắc giảm. Đếm số lần dùng AI sẽ không cho thấy việc đã biến mất hay chỉ đổi người thực hiện.

Ngược lại, nhiều đầu việc hơn chưa tự động đồng nghĩa với áp lực lớn hơn nếu những bước tốn sức trước đây đã được loại bỏ. Muốn hiểu tác động thực tế, cần nhìn cùng một loại nhiệm vụ từ yêu cầu ban đầu qua tạo nội dung, kiểm tra, chỉnh sửa đến phê duyệt. Điểm quyết định là phần công việc của toàn bộ quá trình thay đổi ra sao, chứ không chỉ tốc độ tạo câu trả lời đầu tiên.

Khoảng cách sử dụng AI còn là khoảng cách trải nghiệm

Theo Resultsense, tỷ lệ nhân viên không quản lý tại Anh từng dùng AI tăng 11 điểm phần trăm lên 35% trong một năm, nhưng chỉ 28% nhóm này nói họ tự tin khi dùng AI, so với 36% ở nhóm tương ứng trên toàn cầu. Công cụ đang đến với nhiều nhân viên hơn, song mức sử dụng và cảm giác làm chủ công cụ vẫn không giống nhau giữa các nhóm lao động.

Sự khác biệt ấy quan trọng khi đánh giá khối lượng công việc. Người đặt mục tiêu có thể thấy đầu ra được cải thiện, còn người trực tiếp thực hiện biết rõ bước kiểm tra, sửa lỗi hoặc phối hợp nào đã xuất hiện thêm. Hai góc nhìn mô tả những phần khác nhau của cùng một quy trình; chỉ hỏi người quản lý về kết quả sẽ để sót chi phí lao động nằm sau bản cuối.

Khảo sát được thực hiện với người lao động tại Anh, nên các tỷ lệ của nó không đại diện cho Việt Nam. Điều có thể đối chiếu là cách đặt câu hỏi: lợi ích từ AI đến với ai, và phần việc mới rơi vào ai? Câu trả lời ở mỗi nhóm phụ thuộc vào loại nhiệm vụ, quyền quyết định và trách nhiệm đối với kết quả sau cùng.

Nhóm tại Việt Nam cần tách ba thước đo

Để nhận ra AI đang loại bỏ hay chỉ dịch chuyển việc, một nhóm có thể đối chiếu những nhiệm vụ cùng loại trước và sau khi đưa công cụ vào quy trình. Chất lượng nên được xét theo tiêu chí vốn dùng để chấp nhận kết quả; thời gian phải tính đến lúc kết quả được duyệt; tải nhận thức nằm ở số quyết định, ngoại lệ và lần phối hợp mà người làm phải xử lý. So sánh riêng tốc độ tạo bản nháp sẽ bỏ sót hai phần sau.

• Đầu ra cuối cùng có tốt hơn theo tiêu chí chất lượng đã thống nhất từ trước không?
• Bước nào thực sự không còn cần làm, và bước nào chỉ chuyển sang đồng nghiệp hoặc người quản lý?
• Tổng thời gian kiểm tra dữ kiện, sửa lỗi, làm lại và phê duyệt thay đổi thế nào?
• Người thực hiện phải cân nhắc thêm phương án hoặc ngoại lệ nào trước khi giao kết quả?
• Khi yêu cầu mới xuất hiện vì có thể tạo nội dung nhanh hơn, ai tiếp nhận và hoàn tất chúng?

Những câu hỏi này không biến khảo sát tại Anh thành dự báo cho người lao động Việt Nam. Chúng giúp phân biệt một cải thiện thật ở đầu ra với thay đổi trong cách phân chia lao động. Nếu bản cuối tốt hơn nhưng khâu rà soát kéo dài và trách nhiệm kiểm tra dồn sang người khác, lợi ích của AI cần được tính trên toàn bộ quy trình thay vì chỉ ở người bấm tạo bản nháp.

Đọc thêm:

• Claude tự động hóa nghiên cứu tốt hơn, nhưng chưa thể tự tạo hậu duệ
• GitHub Copilot đổi cách tính tiền ghế: xóa người dùng giữa kỳ vẫn chưa hết phí
• Claude bị dùng cho vũ khí và giám sát: con người vẫn chọn mục tiêu