Hook
Tuần này, một báo cáo từ Ramp Economics Lab đã làm dậy sóng giới phân tích. Con số gây sốc: các doanh nghiệp Mỹ áp dụng AI mạnh mẽ đã tăng 10% việc làm trong hai năm. Cụ thể hơn, việc làm đầu vào tăng vọt 12%. Nghe có vẻ như AI không những không cướp việc, mà còn là 'cỗ máy in' việc làm mới. Nhưng hãy khoan vội mừng. Tôi đã đọc báo cáo này với con mắt của một Narrative Hunter, và thấy một lỗ hổng lớn cần được bóc trần.
Context
Thị trường đang chao đảo giữa hai luồng narrative đối lập: một bên là 'AI sẽ thay thế hàng triệu việc làm', bên kia là 'AI là công cụ tăng năng suất vĩ đại'. Báo cáo của Ramp nghiêng hẳn về phe lạc quan. Họ khảo sát 21,559 doanh nghiệp Mỹ, phân loại 'người dùng AI nặng ký' và những người còn lại. Kết luận của họ là đòn giáng trực diện vào nỗi sợ thất nghiệp công nghệ. Nhưng, 'nặng ký' được định nghĩa thế nào? Đó là câu hỏi đầu tiên và cũng là then chốt.
Core Insight
Cả báo cáo và bài báo đều bỏ qua một chi tiết chết người: định nghĩa 'người dùng AI nặng ký'. Nếu không có định nghĩa này, con số 10% chỉ là một mảnh ghép vô hồn. Hãy nhìn vào cơ chế. Dùng phép cộng narrative: lấy utility, bỏ hype.
Trước hết, đây là hiện tượng 'tương quan không phải nhân quả' kinh điển. Những công ty dám đầu tư mạnh vào AI thường là các doanh nghiệp công nghệ, tài chính, hoặc dịch vụ chuyên nghiệp – vốn đang trong giai đoạn tăng trưởng nóng. Họ thuê thêm người vì họ đang mở rộng, không hẳn vì AI. AI chỉ là công cụ để họ tăng tốc nhanh hơn. Thử tưởng tượng, nếu nghiên cứu chỉ nhìn vào những 'quả táo chín mọng' mà bỏ qua những quả thối hoặc chưa chín, kết luận sẽ sai lệch hoàn toàn.
Thứ hai, cái bẫy 'việc làm đầu vào tăng 12%'. Dùng phép cộng narrative: lấy utility, bỏ hype.
Con số này nghe có vẻ rất 'nhân văn', nhưng nó che giấu một sự thật phũ phàng: 'đầu vào' bây giờ không còn là 'đầu vào' như 5 năm trước. Một 'junior data analyst' ngày nay phải biết viết prompt cho AI, biết kiểm tra đầu ra của mô hình. Công việc 'đầu vào' cổ điển như nhập liệu, trả lời email cơ bản đang bị AI thay thế hàng loạt. Những việc làm mới được tạo ra đòi hỏi kỹ năng cao hơn, và mức lương có thể thấp hơn. Đây không phải là 'tạo việc làm', mà là 'tái cấu trúc lao động'. Kết quả là tổng số việc làm tăng, nhưng chất lượng việc làm và mức độ an toàn cho người lao động phổ thông lại giảm.
Thứ ba, và cũng là điểm tôi nghi ngờ nhất: khoảng thời gian hai năm là quá ngắn. Nó giống như đánh giá hiệu quả của một loại thuốc chỉ sau liều đầu tiên. Tác động phụ và sự thay thế toàn diện chỉ thực sự xuất hiện sau 5-10 năm. Báo cáo này có thể đang phản ánh hiệu ứng 'sốc cầu' sau đại dịch, khi các công ty đồng loạt tuyển dụng để phục hồi, chứ không phải là tác động thuần túy từ AI.
Contrarian Angle
Đây là điểm tôi cho là nghịch lý nhất. Báo cáo này, thay vì giúp chúng ta hiểu rõ hơn về tương lai, lại đang làm cho bức tranh trở nên nguy hiểm hơn. Nó tạo ra một 'lốc xoáy' lạc quan giả tạo.
Dùng phép cộng narrative: lấy utility, bỏ hype.
Hãy nhìn vào động cơ của người làm ra nó. Ramp không phải là một viện nghiên cứu độc lập. Họ là một công ty Fintech chuyên bán giải pháp quản lý chi tiêu doanh nghiệp. Một báo cáo nói rằng 'AI giúp bạn giàu lên và thuê thêm người' là món quà PR vô giá cho họ. Nó giúp giảm bớt nỗi sợ hãi của các CFO – những người thường là người quyết định mua phần mềm quản lý chi tiêu. Đây là một sai lệch lợi ích rõ ràng.
Ngoài ra, còn một câu chuyện khác: 'Nếu AI tạo thêm 10% việc làm, thì chúng ta không cần chuẩn bị gì cho làn sóng thất nghiệp công nghệ'. Đây là một luận điểm vô cùng nguy hiểm. Nó làm tê liệt các nhà hoạch định chính sách, khiến họ trì hoãn việc xây dựng các mạng lưới an sinh xã hội, các chương trình đào tạo lại kỹ năng. Khi làn sóng thay thế thực sự ập đến (có thể là 5-10 năm nữa), chúng ta sẽ bị động hoàn toàn.
Takeaway
Báo cáo của Ramp Economics Lab giống như một tấm bản đồ chỉ dẫn đến một ốc đảo ảo. Nó vẽ ra một viễn cảnh tươi đẹp, nhưng lại bỏ qua những đầm lầy và bão cát thực sự. Câu hỏi thực sự không phải là 'AI có hủy diệt việc làm không?', mà là 'AI sẽ tái cấu trúc thị trường lao động như thế nào, và ai sẽ là người chịu tổn thương nặng nhất?'. Đã đến lúc ngừng ăn mừng những con số vĩ mô và bắt đầu nhìn vào những mảnh vỡ vi mô.