Dân văn phòng mất 20 ngày mỗi năm chỉ để sửa lỗi và viết lại prompt AI

Trong thông cáo ngày 1/9 của BambooHR, công ty công bố khảo sát 1.608 lao động bàn giấy toàn thời gian, hưởng lương tại Mỹ: người tham gia tự báo cáo dành 42% thời gian dùng AI để xử lý lỗi và chỉnh prompt, so với 35% cho công việc trực tiếp tạo ra kết quả. Phần khắc phục sự cố được quy đổi thành khoảng 20 ngày làm việc tám giờ mỗi năm.

Sau công bố ngày 1/9, bản tin ngày 2/9 của HR Dive cũng tường thuật mức sử dụng AI khoảng 47 ngày mỗi năm, trong đó gần 20 ngày dành cho lỗi và việc lặp lại prompt. Kết quả cho thấy một khoản thời gian đáng kể đang bị tiêu tốn trong quá trình vận hành AI, nhưng chưa chứng minh người lao động mất ròng 20 ngày năng suất.

Phép quy đổi 20 ngày dựa trên thời gian tự báo cáo

BambooHR đưa ra tổng thời gian dùng AI là 22.526 phút trong một năm làm việc. Chia cho 480 phút của một ngày tám giờ cho kết quả 46,9 ngày, được làm tròn thành 47 ngày.

Lấy 42% của 22.526 phút cho phần xử lý lỗi và điều chỉnh prompt sẽ được khoảng 9.461 phút. Chia tiếp cho 480 phút mỗi ngày cho kết quả 19,7 ngày, vì vậy con số 20 ngày trong tiêu đề là phép làm tròn có thể tái tạo từ dữ liệu công bố.

Phần được người trả lời xếp vào công việc trực tiếp tạo ra kết quả chiếm 35%, tương đương khoảng 7.884 phút hay 16,4 ngày. Khoảng 23% còn lại — gần 10,8 ngày — không thuộc một trong hai nhóm này. Vì thế, so sánh 42% với 35% chỉ mô tả cách phân bổ thời gian dùng AI, không phải phép cân đối toàn bộ thời gian AI làm lãng phí và tiết kiệm.

Báo cáo đồng thời nêu mức trung bình 87 phút dùng AI và 36 phút khắc phục sự cố mỗi ngày. Nếu nhân trực tiếp 87 với 42%, kết quả là 36,5 phút; chênh lệch này cho thấy các số theo ngày và tỷ lệ phần trăm đã được làm tròn. Mốc gần 20 ngày khớp với tổng 22.526 phút và tỷ lệ 42%, nhưng dữ liệu công bố không cho phép tái dựng chính xác hơn từ các giá trị chưa làm tròn.

“Mất 20 ngày” chưa đồng nghĩa với giảm ròng 20 ngày năng suất

Khảo sát đo cách người lao động phân bổ thời gian, không đo chênh lệch năng suất giữa hai quy trình. Nghiên cứu không cho cùng một nhóm hoàn thành nhiệm vụ tương đương khi có và không có AI, cũng không đối chiếu thời gian hoàn thành, số đầu ra đạt chuẩn hoặc chất lượng của chúng.

Việc sửa prompt có thể là lãng phí nếu công cụ liên tục hiểu sai yêu cầu hoặc tạo ra lỗi. Tuy nhiên, với một số nhiệm vụ, chỉnh prompt và biên tập bản nháp cũng có thể là một phần của quy trình tạo ra sản phẩm cuối cùng, tương tự việc sửa tài liệu do con người soạn. Dữ liệu tự báo cáo không phân biệt được từng phút chỉnh sửa thuộc trường hợp nào.

Con số đáng chú ý nhất vì vậy là tỷ lệ ma sát: người tham gia tự xếp nhiều thời gian dùng AI vào sửa lỗi và lặp lại yêu cầu hơn vào hoạt động trực tiếp tạo tiến triển cho công việc. Phát hiện này làm suy yếu cách đánh giá hiệu quả chỉ dựa trên số tài khoản, lượt dùng hoặc tổng thời gian tương tác với công cụ, nhưng vẫn chưa đủ để trả lời AI làm tăng hay giảm năng suất ròng.

Mẫu khảo sát có phạm vi hẹp và không dùng nhật ký phần mềm

Theo phần phương pháp của báo cáo gốc, dữ liệu được thu thập trực tuyến từ ngày 26/6 đến 15/7/2026 trên 1.608 người từ 18 tuổi tại Mỹ, đang làm công việc bàn giấy toàn thời gian và hưởng lương; mẫu gồm một nhóm phụ 520 chuyên gia nhân sự từ cấp quản lý trở lên. Người làm theo giờ, lao động tuyến đầu, người làm tự do và nhân viên ngoài Mỹ không thuộc tổng thể được khảo sát.

Các con số là ước tính của người trả lời, không phải dữ liệu từ nhật ký sử dụng AI, bảng chấm công hay quan sát độc lập. Người tham gia phải nhớ lại thời lượng, tự xác định khi nào việc tinh chỉnh trở thành xử lý lỗi và phân loại hoạt động nào trực tiếp tạo ra kết quả. Sai số ghi nhớ và khác biệt trong cách hiểu câu hỏi có thể ảnh hưởng đến tỷ lệ.

Với doanh nghiệp tại Việt Nam, kết quả là tín hiệu tham khảo về ma sát trong công việc bàn giấy, không phải hệ số có thể áp thẳng cho lực lượng lao động trong nước. Ngôn ngữ, loại công cụ, quy định dữ liệu, kỹ năng người dùng và cấu trúc nhiệm vụ đều có thể làm thay đổi thời gian kiểm tra hoặc sửa đầu ra.

Phép đo trước–sau mới cho biết lợi ích ròng

Để xác định AI có thực sự cải thiện năng suất, đơn vị sử dụng cần so sánh cùng một loại nhiệm vụ trước và sau khi đưa AI vào quy trình. Hai nhóm công việc phải có độ khó và tiêu chuẩn nghiệm thu tương đương; nếu không, chênh lệch thời gian không thể được quy cho AI.

Phép đo cần theo dõi đồng thời bốn nhóm dữ liệu:

• tổng thời gian từ lúc nhận nhiệm vụ đến khi đầu ra được chấp nhận;
• thời gian nhập yêu cầu, chờ phản hồi, kiểm tra, sửa lỗi và làm lại;
• chất lượng theo tiêu chí cố định, gồm độ chính xác và tỷ lệ đầu ra bị trả lại;
• chi phí công cụ, đào tạo, giám sát và xử lý sự cố.

Nếu AI rút ngắn thời gian tạo bản nháp nhưng làm thời gian kiểm tra tăng tương ứng, lợi ích thời gian ròng có thể bằng không. Ngược lại, một quy trình cần nhiều vòng prompt vẫn có thể tạo giá trị nếu nâng chất lượng hoặc tăng số đầu ra đạt chuẩn trong cùng khoảng thời gian. Đơn vị đo phù hợp là thời gian và chi phí trên mỗi đầu ra được chấp nhận, không phải số prompt hay số phút sử dụng AI.

Dữ liệu hiện có chỉ xác nhận mức độ ma sát

Khảo sát BambooHR xác nhận rằng nhóm lao động bàn giấy hưởng lương tại Mỹ được hỏi đã tự báo cáo dành khoảng 42% thời gian dùng AI cho sửa lỗi và điều chỉnh prompt, tương đương gần 20 ngày tám giờ mỗi năm theo phép quy đổi của báo cáo. Tỷ lệ này cao hơn mức 35% mà họ phân loại là công việc trực tiếp tạo ra kết quả.

Điều vẫn chưa biết là quá trình đó thay thế bao nhiêu thời gian lao động thủ công, ảnh hưởng thế nào đến chất lượng và có tạo ra lợi ích ròng hay không. Cho tới khi có dữ liệu quan sát theo nhiệm vụ và so sánh trước–sau, “20 ngày” nên được hiểu là thước đo ma sát tự báo cáo trong quá trình dùng AI, không phải kết luận cuối cùng về số ngày năng suất bị mất.

Đọc thêm:

• Claude sửa 10 lỗi căn chỉnh: kết quả tốt nhưng benchmark vẫn là giới hạn
• Claude tự sửa 10 lỗi căn chỉnh: Kết quả tốt nhưng vẫn biết “lách điểm”
• Hơn 100 hãng AI cảnh báo: Hạ tầng thiết yếu chỉ còn vài tháng để phòng thủ