Quyết định cắt giảm nhân sự vì AI thường được tính trên bảng tính: số giờ AI làm thay chia cho số giờ làm của một người, ra số người có thể cho nghỉ. Khoản tiết kiệm ấy là thật, nhưng mới là phần đếm được. Bảng tính không có dòng nào cho câu hỏi ai sẽ xử lý mức giá ngoài bảng giá, đơn hàng vượt hạn mức công nợ, ngày giao trùng chuyến, trong khi đó lại chính là phần việc những người sắp bị cắt giảm vẫn đang làm.
Người làm phần việc lặp lại thường cũng là người xử lý ngoại lệ, kiểm tra kết quả và biết cần gọi cho ai. Những phần đó không nằm trong số giờ AI tiết kiệm được. Vì thế, nếu quyết định cắt người đến trước khi có ai xem phần còn lại do ai làm, chi phí không mất đi mà chỉ chuyển chỗ: quản lý gánh các ngoại lệ, sai sót đến tay khách hàng, và kinh nghiệm ra đi cùng người nắm giữ nó.
Giảm chi phí là mục tiêu chính đáng, giữ việc làm cũng vậy. Bài viết tách chuyện "giảm người" thành ba quyết định khác nhau, chỉ ra những chi phí đến muộn, cách tìm điểm hòa vốn thực sự và bốn việc nên làm trước khi quyết định.
"Giảm người" thực ra là ba quyết định khác nhau
Khi AI giúp tiết kiệm thời gian, doanh nghiệp có thể giảm nhu cầu nhân sự theo ba cách. Mỗi cách khác nhau về tốc độ tiết kiệm, mức độ rủi ro và những gì doanh nghiệp giữ lại được.
| Con đường | Cách làm | Doanh nghiệp giữ được gì | Rủi ro chính |
|---|---|---|---|
| Giảm tuyển mới | Không tuyển thay người nghỉ; sản lượng tăng cũng không tuyển thêm | Người có kinh nghiệm và những gì họ biết | Tiết kiệm đến chậm; ít người trẻ được học việc nên về sau thiếu người giỏi kế cận |
| Tái bố trí | Chuyển người từ việc lặp lại sang việc cần phán đoán, tiếp xúc khách hàng hoặc kiểm tra kết quả của AI | Kinh nghiệm và các mối quan hệ, trong một vai trò mới | Tốn chi phí đào tạo lại; không phải ai cũng phù hợp với vai trò mới |
| Giảm nhân sự hiện có | Chấm dứt hợp đồng ở những vị trí AI đã làm thay | Chỉ những gì đã kịp ghi lại trước khi người lao động nghỉ việc | Tiết kiệm nhanh nhất, nhưng ngoại lệ và kinh nghiệm cũng ra đi; có nghĩa vụ pháp lý và trợ cấp |
Tiết kiệm càng nhanh thì kinh nghiệm ra đi theo càng nhiều.
Dữ liệu hiện có cho thấy doanh nghiệp chủ yếu điều chỉnh theo con đường thứ nhất. Một nhóm nghiên cứu của Đại học Stanford, dựa trên dữ liệu bảng lương của hàng triệu người lao động Mỹ, ghi nhận số người 22-25 tuổi có việc làm ở những nghề chịu tác động mạnh nhất của AI thấp hơn 19% so với mức lẽ ra đạt được nếu đi cùng nhịp với các nghề ít chịu tác động, trong khi ở người có kinh nghiệm không có khoảng chênh tương tự. Khoảng chênh này chủ yếu đến từ việc tuyển ít người trẻ hơn, chứ không phải từ việc cho nghỉ nhiều hơn. Chính các tác giả cũng coi đây là tín hiệu sớm, chưa phải bằng chứng nhân quả.
Trường hợp được nhắc đến nhiều nhất cũng cho thấy xu hướng tương tự. Theo CNBC tháng 5/2025, Klarna, một công ty thanh toán của Thụy Điển, đã giảm khoảng 40% nhân sự, từ khoảng 5.000 xuống gần 3.000 người theo lời CEO, chủ yếu nhờ ngừng tuyển và để người nghỉ tự nhiên; AI chỉ là một trong nhiều yếu tố.
Tuy nhiên, giảm tuyển mới không phải lúc nào cũng làm được. Nếu sức mua đang giảm hoặc mỗi năm rất ít người nghỉ, giảm nhân sự hiện có có thể là quyết định đúng, miễn đó là lựa chọn có cân nhắc, không phải mặc định.
Việc chuẩn dễ tự động hóa, còn ngoại lệ, phán đoán và quan hệ thì không
AI làm thay từng nhiệm vụ, không làm thay cả một vị trí. Phần lớn vị trí văn phòng có hai phần: việc chuẩn, chạy theo quy tắc và lặp lại hằng ngày; và phần ngoại lệ, phán đoán, quan hệ, tức là làm gì khi một trường hợp không khớp quy tắc và gọi ai để tháo gỡ.
Dấu hiệu thường gặp: khi AI đã đọc đơn hàng, kiểm tra tồn kho và tạo lệnh giao hàng, phần lớn đơn không cần ai động tay, và việc cắt bộ phận xử lý đơn hàng trông như một khoản tiết kiệm dễ dàng. Rồi các ngoại lệ xuất hiện: một mức giá không có trong bảng giá, một đơn hàng khiến khách vượt hạn mức công nợ, một ngày giao trùng với chuyến hàng khác. Nếu người biết cách xử lý đã nghỉ, CEO bỏ được một khoản chi phí cố định, nhưng trưởng phòng kinh doanh và kế toán trưởng lại phải nhận thêm phần việc ngoài kế hoạch, còn người ở lại thì xem đó là tín hiệu cho điều sắp tới. Quyết định ấy mới chỉ dựa trên phần việc chuẩn.
Các ngoại lệ về giá, công nợ và giao hàng vẫn cần người hiểu khách hàng.
Còn một lý do nữa để thận trọng: AI thường học được những câu trả lời tốt từ chính những người giỏi nhất. Một nghiên cứu trên 5.179 nhân viên chăm sóc khách hàng tại một công ty cho thấy trợ lý AI giúp tăng số yêu cầu được giải quyết mỗi giờ thêm 14% tính bình quân, và thêm 34% ở nhân viên mới hoặc tay nghề còn thấp, trong khi gần như không tạo khác biệt ở người giỏi nhất. Theo các tác giả, AI lan tỏa cách làm của người giỏi sang những người còn lại. Nếu cho người giỏi nghỉ, AI vẫn giữ được những gì đã học, nhưng mất đi nguồn học cho các trường hợp mới.
Lập luận này yếu đi khi ngoại lệ hiếm gặp, sai cũng không tốn kém và dễ chuyển thành quy tắc. Với loại việc như vậy, giảm người có thể an toàn. Điều cần xem không phải AI làm được bao nhiêu phần việc, mà là ai xử lý phần AI không làm được, và với chi phí bao nhiêu.
Luồng việc chuẩn chạy nhanh hơn, còn ngoại lệ dồn về những người quản lý không có trong kế hoạch.
Chi phí ẩn khi cắt giảm nhân sự vì AI: tiết kiệm thấy ngay, chi phí đến sau
Khoản tiết kiệm hiện ra ngay trên bảng lương tháng sau. Còn phần lớn chi phí lại nằm ở ngân sách khác và đến muộn hơn, nên rất dễ bị bỏ sót. Có năm khoản đáng chú ý nhất:
Kiểm tra kết quả của AI
Cần có người kiểm tra kết quả của AI, ít nhất trong giai đoạn đầu. Thời gian đó thường lấy từ người có kinh nghiệm, nhóm có giờ công đắt nhất.
Sai sót
Một mức giá sai hay một lời hẹn giao mà kho không đáp ứng được sẽ tốn tiền và mất lòng tin. Chi phí rơi vào phòng kinh doanh và chăm sóc khách hàng, chứ không nằm trong ngân sách AI.
Gián đoạn
Trong thời gian cách cũ và cách mới chạy song song, công việc dồn ứ và đội còn lại phải gồng mình.
Đào tạo
Người ở lại phải học cách làm việc cùng AI và nhận thêm phần ngoại lệ. Người tuyển sau này cũng học việc lâu hơn, vì không còn người từng kèm cặp.
Phụ thuộc vào nhà cung cấp
Khi người từng làm việc đó đã nghỉ, doanh nghiệp phụ thuộc vào giá, chất lượng và điều khoản của nhà cung cấp AI. Lúc ấy, muốn quay lại sẽ tốn kém hơn là chưa từng rời đi.
Trường hợp Klarna cho thấy điều này có thể diễn ra như thế nào. Năm 2024, công ty cho biết trợ lý AI đảm nhận khối lượng việc tương đương 700 nhân viên chăm sóc khách hàng. Đến tháng 5/2025, CEO của Klarna nói với Bloomberg rằng chi phí "dường như đã là yếu tố được đặt nặng quá mức" khi đánh giá, và kết quả là "chất lượng thấp hơn". Sau đó, công ty tuyển lại nhân viên chăm sóc khách hàng theo hình thức linh hoạt. Klarna cho biết họ vẫn ưu tiên AI và không xem đây là bước lùi trong việc cắt giảm nhân sự vì AI. Một trường hợp đơn lẻ không chứng minh được quy luật chung, nhưng cho thấy chi phí về chất lượng có thể quay lại nhiều tháng sau khi khoản tiết kiệm đã được ghi nhận.
Việc kiểm tra kết quả của AI lấy đi thời gian của chính những người giàu kinh nghiệm nhất.
Cắt giảm nhân sự vì AI làm mất kinh nghiệm chưa được ghi lại, khiến doanh nghiệp yếu đi khi có sự cố
Doanh nghiệp nào cũng có những kinh nghiệm chưa từng được ghi thành văn bản: khách nào luôn trả chậm nhưng chưa bao giờ quỵt nợ, nhà cung cấp nào cần gọi trước khi gửi đơn, phải làm gì khi hệ thống trục trặc đúng ngày chốt sổ cuối tháng. Loại kinh nghiệm này chỉ có được qua công việc thực tế, và sẽ ra đi cùng người nắm giữ nó.
Một bài nghiên cứu kinh điển năm 1983 về tự động hóa trong nhà máy gọi cái bẫy này là "nghịch lý của tự động hóa" (ironies of automation): khi máy móc làm thay phần việc lặp lại, con người chỉ còn việc theo dõi hệ thống và can thiệp khi có trục trặc, cũng là những việc khó nhất. Thế nhưng kỹ năng không được dùng sẽ mai một, nên người chỉ đứng theo dõi dần mất kinh nghiệm. Kết luận của bài: tự động hóa càng nhiều thì càng cần người vận hành giỏi hơn, chứ không phải kém đi.
Ở văn phòng cũng vậy. Sau khi cắt giảm nhân sự vì AI, những người ở lại ít gặp các trường hợp thông thường hơn, nên cũng ít có dịp rèn luyện cho các tình huống bất thường. Đến khi sự cố thật xảy ra, chẳng hạn một vụ tranh chấp với khách hàng lớn, một nhà cung cấp đột ngột không giao được hàng hay một đợt thanh tra thuế, doanh nghiệp mới nhận ra mình còn rất ít người biết phải làm gì.
Kinh nghiệm xử lý trường hợp bất thường được truyền lại qua việc làm cùng nhau.
Còn một tổn thất thứ hai: ngay cả những người không bị cắt giảm cũng có thể rời đi. Một nghiên cứu năm 2008 trên các công ty Mỹ thuộc nhiều ngành cho thấy cắt giảm nhân sự là dấu hiệu báo trước tỷ lệ tự nghỉ việc cao hơn sau đó, vì người ở lại kém gắn bó hơn. Ảnh hưởng này yếu hơn ở những nơi có cách làm nhân sự khiến người lao động thấy quá trình diễn ra công bằng. Nhận định riêng của chúng tôi, nghiên cứu chưa kiểm chứng: người rời đi đầu tiên thường là người có nhiều lựa chọn nhất, mà đó hay là những người giàu kinh nghiệm nhất.
Nếu kinh nghiệm đã được ghi lại, kiểm tra và nhiều người cùng dùng, tổn thất sẽ nhỏ hơn. Để được như vậy cần có sự chuẩn bị, và đó là chủ đề của bài tiếp theo.
Kịch bản cắt giảm nhân sự vì AI và điểm hòa vốn thực sự
Một bảng tính chỉ có phần lương tiết kiệm được là bảng tính một kịch bản. Để ra quyết định, cần ít nhất ba kịch bản, so sánh trên cùng các khoản:
| Khoản so sánh | Cắt người ngay | Giảm tuyển mới và tái bố trí | Giữ đội ngũ, tăng sản lượng |
|---|---|---|---|
| Bắt đầu tiết kiệm từ khi nào | Ngay tháng sau | Dần dần, theo số người nghỉ việc | Không giảm chi phí; cái được là sản lượng trên mỗi người tăng lên |
| Chi phí một lần | Trợ cấp, chi phí chuyển đổi, kinh nghiệm mất đi | Đào tạo lại | Đào tạo để làm việc cùng AI |
| Chi phí thường xuyên | Kiểm tra kết quả AI; người có kinh nghiệm gánh phần ngoại lệ | Người có kinh nghiệm kiểm tra kết quả AI | Kiểm tra kết quả AI |
| Rủi ro về chất lượng và khi có sự cố | Cao trong giai đoạn đầu | Thấp | Thấp |
| Phù hợp khi | Sức mua giảm và vị trí đó thực sự không còn cần | Mỗi năm đều có người nghỉ việc và kinh doanh ổn định | Sức mua đang tăng |
Điểm hòa vốn thực sự của việc cắt giảm nhân sự vì AI là tháng mà tổng lương tiết kiệm cộng dồn vượt qua toàn bộ các khoản chi phí kể trên, kể cả sai sót và khách hàng bị mất. Rất ít doanh nghiệp tính trước được chính xác con số này, và cũng không bảng tính nào bảo đảm được nó. Điều doanh nghiệp có thể làm là đo: cho AI chạy song song với đội ngũ hiện tại trong hai, ba tháng, ghi lại với từng trường hợp mất bao lâu, qua tay ai, có phải ngoại lệ không và có sai sót không.
Lương tiết kiệm cộng dồn theo tháng, còn chi phí kiểm tra, sai sót và chuyển đổi đến sau nên dễ bị bỏ sót.
Thời gian tiết kiệm được không tự chuyển thành tiền. Một nghiên cứu tại Đan Mạch, kết hợp kết quả khảo sát với dữ liệu lao động chính thức, cho thấy hai năm sau khi ChatGPT ra đời, phần lớn doanh nghiệp trong các nghề chịu tác động đã dùng trợ lý AI và người lao động cho biết năng suất có tăng, nhưng thu nhập và số giờ làm gần như không đổi: mức thay đổi trên 2% đã bị loại trừ. Doanh nghiệp còn giao thêm việc mới, chẳng hạn kiểm tra kết quả của AI. Vài phút tiết kiệm rải rác ở nhiều người vẫn chưa phải là một suất lương tiết kiệm được.
Đạo đức và minh bạch khi tái cơ cấu: cách cắt giảm quyết định ai ở lại
Cách doanh nghiệp tiến hành cắt giảm nhân sự vì AI ảnh hưởng đến người ở lại không kém gì người ra đi. Nhân viên sẽ để ý xem tiêu chí có rõ ràng không, người bị ảnh hưởng có được báo sớm không và có nhận được hỗ trợ thực chất không. Đây cũng chính là những yếu tố mà nghiên cứu năm 2008 nêu trên cho thấy giúp giảm làn sóng nghỉ việc sau đó.
Ở Việt Nam, một phần trong số này là nghĩa vụ pháp lý chứ không phải tùy chọn. Theo Bộ luật Lao động 2019, thay đổi quy trình, công nghệ, máy móc được coi là thay đổi cơ cấu, công nghệ (Điều 42). Khi việc đó ảnh hưởng đến việc làm của nhiều người lao động, người sử dụng lao động phải xây dựng và thực hiện phương án sử dụng lao động (Điều 44), ưu tiên đào tạo lại nếu có chỗ làm việc mới, trao đổi ý kiến với tổ chức đại diện người lao động, thông báo trước 30 ngày cho Ủy ban nhân dân cấp tỉnh và cho người lao động, và trả trợ cấp mất việc làm, cứ mỗi năm làm việc trả một tháng tiền lương, ít nhất bằng hai tháng tiền lương (Điều 47). Doanh nghiệp nên kiểm tra văn bản đang có hiệu lực và hỏi ý kiến luật sư trước khi thực hiện.
Ngoài luật, có ba cách làm giúp phân biệt một cuộc tái cơ cấu công bằng với một cuộc tái cơ cấu gây hại:
- Nói sớm AI sẽ thay đổi gì và không thay đổi gì, trước khi tin đồn kịp nói thay.
- Dùng tiêu chí mà ai cũng nhìn thấy được: nhiệm vụ nào không còn, chứ không phải ai được lòng ai.
- Đưa ra lối đi thực chất trước: đào tạo lại, vai trò mới, hoặc hỗ trợ tìm việc khác.
Đào tạo lại vừa là ưu tiên theo luật Việt Nam, vừa là cách ít tốn kém nhất để giữ kinh nghiệm.
Bốn việc cần làm trước khi quyết định cắt giảm nhân sự vì AI
Xác định nhiệm vụ trước, rồi mới xét đến vị trí
Liệt kê nhiệm vụ của từng vị trí. Đánh dấu việc nào AI tự làm được, việc nào cần người kiểm tra, việc nào cần chuyên gia. Chỉ sau bước đó mới bàn đến vị trí.
Thử nghiệm có kiểm soát, đo chất lượng và ngoại lệ
Cho AI chạy song song với đội ngũ hiện tại. Đo sai sót, tỷ lệ ngoại lệ, thời gian kiểm tra và phản ánh của khách hàng. Thống nhất từ trước kết quả thế nào là đủ tốt.
Xác định những năng lực cần giữ lại
Với từng mảng như giá, công nợ, giao hàng, khách hàng lớn, cần chỉ rõ sau này ai xử lý ngoại lệ và ai dự phòng. Nếu câu trả lời là chưa có ai, doanh nghiệp chưa sẵn sàng để cắt giảm.
Lập kế hoạch chuyển đổi, đào tạo lại và hỗ trợ nhân sự
Chọn lối đi cho từng người: giữ vị trí, chuyển chỗ, đào tạo lại, hay nghỉ việc kèm hỗ trợ. Giữ người có kinh nghiệm cho đến khi kinh nghiệm của họ đã được ghi lại và kiểm tra xong.
Quyết định theo nhiệm vụ trước; quyết định về vị trí sẽ dựa trên ma trận này.
Những điểm cần thận trọng
Cắt giảm không phải lúc nào cũng sai. Khi công việc thực sự không còn, một quyết định rõ ràng và công bằng có thể tốt cho tất cả các bên hơn là duy trì những vị trí không có tương lai.
AI không phải lúc nào cũng làm giảm nhân sự. Theo dữ liệu tại Đan Mạch, AI đã được dùng rộng rãi nhưng thu nhập và giờ làm vẫn không đổi. Quỹ Tiền tệ Quốc tế (IMF) ước tính gần 40% việc làm trên thế giới chịu tác động của AI; ở các nền kinh tế phát triển, khoảng một nửa số việc chịu tác động có thể được AI hỗ trợ thay vì bị thay thế. Kết quả phụ thuộc vào cách doanh nghiệp sử dụng thời gian tiết kiệm được.
Bằng chứng còn có giới hạn. Các nghiên cứu được dẫn trong bài đến từ Mỹ, Đan Mạch và bộ phận chăm sóc khách hàng của một công ty, còn Klarna là một trường hợp đơn lẻ do báo chí đưa tin. Chưa nghiên cứu nào đo tại Việt Nam. Vì vậy, nên xem đây là dấu hiệu của một xu hướng, không phải dự báo cho doanh nghiệp của bạn.
Tách mục tiêu khỏi cách thực hiện. Phần lớn thiệt hại khi cắt giảm nhân sự vì AI được nêu trong bài đến từ tốc độ và thứ tự các bước, chứ không đến từ mục tiêu giảm chi phí.
Hướng Viindoo chọn
Khi AI đảm nhận khâu xử lý đơn hàng, phần lớn đơn đều được xử lý tốt. Điều làm kế hoạch đổ vỡ là ba ngoại lệ rất thường gặp: mức giá ngoài bảng giá, đơn hàng vượt hạn mức công nợ và ngày giao trùng chuyến khác. Chúng chưa bao giờ có mặt trên bảng tính dùng để quyết định cắt giảm nhân sự vì AI, vì chúng nằm trong đầu những người sắp bị cắt giảm.
Với Viindoo, đây là bài toán nhìn thấy công việc trước khi là bài toán chi phí. Doanh nghiệp chỉ quyết đúng về con người khi đã thấy rõ công việc: việc nào theo chuẩn, việc nào lệch quy trình, ai đang gánh. Vì vậy, Viindoo xây dựng nền tảng quản trị doanh nghiệp Agentic AI xoay quanh việc đưa đơn hàng, phê duyệt và ngoại lệ về cùng một hệ thống ghi lại từng bước, và bắt đầu từ đúng chỗ đang vướng nhất, từng mảng một.
AI lo phần đơn hàng theo chuẩn; chính các ngoại lệ cho thấy doanh nghiệp cần giữ những ai.
Cách làm này hỗ trợ bốn việc bài khuyên làm trước khi cắt giảm nhân sự vì AI. Danh sách nhiệm vụ được dựng từ cách đơn hàng thực sự đã chạy, kể cả ngoại lệ, chứ không từ chức danh. Một đợt thử nghiệm có kiểm soát ở một mảng đo được chất lượng và ngoại lệ bằng số liệu thật. Năng lực cần giữ cũng hiện rõ: những người quyết giá ngoài bảng, hạn mức công nợ, lịch giao trùng, vì AI gợi ý và cảnh báo, còn con người quyết định và chịu trách nhiệm.
AI cũng phải dễ dùng với những người ở lại sau bất kỳ đợt cắt giảm nhân sự vì AI nào: họ không cần trở thành chuyên gia công nghệ mới làm việc được cùng AI. Phần phức tạp, gồm dữ liệu, quyền hạn, phê duyệt và lịch sử, do nền tảng phía dưới đảm nhận. Viindoo đóng vai trò xương sống đó, để việc đưa AI vào không làm xáo trộn vận hành hằng ngày.
Nền tảng không tính thay toàn bộ chi phí tái cơ cấu và không quyết định thay chuyện nhân sự. Nó chỉ giúp mọi quyết định cắt giảm nhân sự vì AI được đưa ra khi các ngoại lệ đã hiện rõ trước mắt, chứ không phải sau khi người hiểu chúng đã rời đi.
Bốn câu hỏi để doanh nghiệp tự đánh giá
- Doanh nghiệp đang cắt người, hay giảm tuyển mới khi có người nghỉ việc, và vì sao lại chọn hướng đó?
- Sau khi tự động hóa, ai xử lý các ngoại lệ về giá, công nợ, giao hàng, và người đó đã biết mình nhận việc này chưa?
- Chi phí kiểm tra, sai sót, chuyển đổi và trợ cấp đã được tính đến chưa, hay mới chỉ tính phần lương tiết kiệm được?
- Doanh nghiệp bắt buộc phải giữ lại năng lực nào, và hiện có nhiều hơn một người nắm giữ năng lực đó không?
Câu hỏi thường gặp
Không. Khi nhiệm vụ thực sự không còn, đó có thể là quyết định đúng. Nó chỉ trở nên tốn kém khi cắt người trước lúc biết ai sẽ xử lý ngoại lệ, hoặc làm mà không có quy trình rõ ràng, công bằng, đúng luật.
Không thể trả lời theo chức danh. Điều này phụ thuộc vào tỷ trọng việc chuẩn trong từng vị trí và mức độ thường xuyên của những ngoại lệ gây tốn kém. Hai, ba tháng thử nghiệm có ghi lại từng trường hợp sẽ cho câu trả lời tốt hơn nhiều so với mọi ước tính chung.
Giảm tuyển mới giữ được kinh nghiệm và không tốn trợ cấp, nhưng tiết kiệm chậm và lâu dần sẽ ít người trẻ được học việc. Cho nghỉ việc tiết kiệm nhanh hơn nhưng rủi ro chất lượng cũng cao hơn. Lựa chọn tùy thuộc vào sức mua và số người nghỉ mỗi năm.
Theo Bộ luật Lao động 2019, khi thay đổi công nghệ ảnh hưởng tới nhiều người lao động, doanh nghiệp phải có phương án sử dụng lao động, ưu tiên đào tạo lại, trao đổi với tổ chức đại diện người lao động, báo trước 30 ngày cho Ủy ban nhân dân cấp tỉnh và người lao động, và trả trợ cấp mất việc làm. Nên cùng luật sư kiểm tra văn bản đang có hiệu lực.
Bài tiếp theo trong loạt: nếu doanh nghiệp giữ lại người giỏi, hoặc muốn giữ kinh nghiệm của họ ngay cả khi họ đã nghỉ, liệu AI có thể học hết các quy trình không? AI học hết quy trình rồi, doanh nghiệp còn cần người giỏi?
Nguồn tham khảo
- Brynjolfsson, E., Chandar, B., & Chen, R. (2025, bản sửa 08/2026). Chim hoàng yến trong mỏ hơn? Sáu sự thật về hoạt động gần đây của trí tuệ nhân tạo đến công việc. Phòng thí nghiệm Kỹ thuật số Stanford.
- Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889-942. NBER Working Paper 31161.
- Humlum, A., & Vestergaard, E. (2025, bản sửa 03/2026). Mặt nước tĩnh lặng, dòng hấp dẫn: Sự chuyển đổi đầu tiên của thị trường lao động dưới hoạt động trí tuệ nhân tạo sinh học. Tài liệu nghiên cứu số 33777 của NBER.
- Trevor, C. O., & Nyberg, A. J. (2008). Keeping Your Headcount When All About You Are Losing Theirs: Downsizing, Voluntary Turnover Rates, and the Moderating Role of HR Practices. Academy of Management Journal, 51(2).
- Bainbridge, L. (1983). Tự động hóa kích thước thích hợp. Tự động, 19(6), 775-779.
- Palmer, A. (14/05/2025). CEO của Klarna cho biết trí tuệ nhân tạo đã giúp công ty giảm 40% năng lượng lao động.. CNBC. Ivanova, I. (09/05/2025). Klarna có kế hoạch tuyển dụng nhân viên.. Fortune, dẫn Bloomberg.
- Georgieva, K. (14/01/2024). Trí tuệ nhân tạo sẽ làm thay đổi nền kinh tế toàn cầu. Hãy chắc chắn rằng nó mang lại lợi ích cho nhân loại.. Blog IMF.
- Quốc hội (2019). Bộ luật Lao động số 45/2019/QH14, Điều 42, 44, 47.
