AI tăng năng suất cho ai và đang lấy đi việc làm của ai? - insight từ báo cáo AI Index 2026 của Viện Stanford HAI
Bài viết tổng hợp từ chương Kinh tế, báo cáo AI Index 2026 của Viện Stanford HAI (Institute for Human-Centered Artificial Intelligence), phát hành tháng 4/2026.
Có một sự thật khó chịu nằm ở giữa làn sóng lạc quan về AI năng suất: những người hưởng lợi nhiều nhất từ AI không phải là những người cần lo lắng về việc làm của mình. Và những người đang mất việc, hoặc sắp mất, thường không phải là những người mà chúng ta nghĩ đến đầu tiên khi nói về “tự động hóa thay thế con người.”
Báo cáo AI Index 2026 của Stanford HAI — tập hợp dữ liệu độc lập từ hơn chục nghiên cứu học thuật lớn — vẽ ra một bức tranh phức tạp hơn nhiều so với những gì các tiêu đề báo thường phản ánh. Không phải “AI đang thay thế tất cả mọi người.” Cũng không phải “AI chỉ là công cụ trợ giúp vô hại.” Sự thật nằm ở một nơi cụ thể hơn, tinh vi hơn, và vì vậy đáng lo hơn.
Năng suất tăng thật — nhưng chỉ trong một vùng địa hình nhất định
Trước hết, dữ liệu xác nhận những gì nhiều người đã cảm nhận: AI đang làm cho một số loại công việc nhanh hơn đáng kể.
Hỗ trợ khách hàng: Nhân viên support sử dụng trợ lý AI đàm thoại giải quyết nhiều hơn 14–15% vấn đề mỗi giờ (Brynjolfsson et al., 2025). Không phải nhờ làm việc chăm hơn — mà nhờ AI gợi ý câu trả lời phù hợp theo thời gian thực, giảm thời gian tìm kiếm và thời gian phản hồi.
Phát triển phần mềm: Lập trình viên dùng GitHub Copilot hoàn thành nhiều hơn 26% pull request (Cui et al., 2025). Đây là con số đo được trực tiếp trên đầu ra thực tế, không phải cảm nhận chủ quan.
Marketing và nội dung: Các nhóm marketing dùng AI đa phương thức (multimodal AI) cho sản xuất quảng cáo đạt mức tăng năng suất 50% tính theo đầu ra mỗi người lao động (Ju & Aral, 2025). Một nghiên cứu khác trên tác giả sách cho thấy số lượng đầu sách xuất bản tăng đến 200% — phần tăng trưởng này do người mới vào nghề thúc đẩy, trong khi tác giả trước đây vẫn duy trì chất lượng.
Kế toán: Kế toán viên ứng dụng AI trong hỗ trợ khách hàng đạt mức tăng thông lượng hàng tuần lên đến 55% (Choi & Xie, 2025).
Những con số này là thật. Nhưng chúng có một điểm chung quan trọng: tất cả đều đo lường công việc có cấu trúc cao, đầu ra rõ ràng, và vòng phản hồi nhanh. Giải quyết ticket hỗ trợ. Viết và merge code. Tạo banner quảng cáo. Xử lý hồ sơ kế toán. Đây là những công việc mà “làm đúng” và “làm sai” có thể nhìn thấy ngay, và AI phát huy tốt nhất khi ranh giới đó rõ ràng.
Vùng địa hình mà AI hoạt động hiệu quả — các nhà nghiên cứu mô tả là “structured, language-heavy tasks with clear feedback loops” — không bao phủ toàn bộ thị trường lao động. Và khi chúng ta bước ra ngoài vùng đó, bức tranh thay đổi hoàn toàn.
Khi AI làm chậm người dùng - và không ai nhận ra
Một trong những nghiên cứu gây tranh cãi nhất trong báo cáo đến từ Model Evaluation & Threat Research (METR). Nhóm này quan sát các lập trình viên mã nguồn mở có kinh nghiệm đang sử dụng AI hỗ trợ — và phát hiện ra rằng họ trở nên chậm hơn 19% so với khi không dùng AI (Becker et al., 2025).
Nhưng phần đáng chú ý hơn không phải là con số 19% đó. Mà là: những lập trình viên này tin rằng AI đang giúp ích cho họ. Có một khoảng cách đáng kể giữa hiệu suất thực tế và nhận thức chủ quan về hiệu suất. Khi bạn cảm thấy nhanh hơn nhưng thực ra chậm hơn, đó là một tình trạng rất khó tự nhận ra và điều chỉnh.
Lưu ý: nhóm METR chưa tái lập được kết quả này trong nghiên cứu tiếp theo — một phần vì đến cuối 2025, nhiều lập trình viên đã phụ thuộc vào AI đến mức không muốn thử nghiệm mà không có nó. Điều này tự nó cũng là một dữ liệu.
Một lo ngại dài hạn xuất hiện từ nghiên cứu của Shen và Tamkin (2025): các kỹ sư phần mềm sử dụng AI nhiều trong quá trình học công cụ mới không cho thấy cải thiện tốc độ có ý nghĩa thống kê — và đối mặt với điều các nhà nghiên cứu gọi là “learning penalties”: mất khả năng phát triển kỹ năng nền tảng theo thời gian. Ngoại lệ là những người dùng AI như công cụ để đặt câu hỏi khái niệm, thay vì để viết code trực tiếp — nhóm này (thường có điểm xuất phát từ 65%+ trở lên) hưởng lợi rõ rệt hơn.
Nói cách khác: cách bạn dùng AI quan trọng hơn việc bạn có dùng AI hay không. Và phần lớn người dùng đang dùng AI theo cách ít tối ưu hơn họ nghĩ.
Ai hưởng lợi nhiều nhất từ AI năng suất?
Câu trả lời từ dữ liệu khá nhất quán, và có phần bất ngờ: người ít kinh nghiệm hơn.
Trong hỗ trợ khách hàng, nhân viên ít kỹ năng hơn đạt mức tăng năng suất 30–35%, trong khi nhân viên giỏi sẵn đạt ít hơn đáng kể. Trong lập trình, lợi ích tập trung ở lập trình viên junior và cấp giữa. Trong marketing nội dung, người mới vào nghề tạo ra lượng sản phẩm lớn hơn nhiều so với trước đây.
Điều này có hai hàm ý trái chiều nhau:
Về mặt tích cực, AI có thể thu hẹp khoảng cách kỹ năng trong ngắn hạn. Một nhân viên mới vào có thể đạt chất lượng đầu ra gần với chuyên gia nhờ AI hỗ trợ. Điều này mở ra khả năng tiếp cận cơ hội cho nhiều người hơn.
Về mặt tiêu cực, nếu năng suất của người mới tăng mạnh nhờ AI, thì nhu cầu tuyển người mới vào vị trí đó giảm. Doanh nghiệp không cần thuê 10 nhân viên junior nếu 5 người dùng AI có thể làm được công việc của 10. Đây chính xác là cơ chế đang xảy ra trong thị trường lao động thực tế — và dữ liệu việc làm bắt đầu xác nhận điều đó.
Dữ liệu việc làm: Thế hệ trẻ đang chịu tác động đầu tiên
Đây là phần dữ liệu đáng chú ý nhất — và cũng là phần ít được nói đến nhất trong các cuộc thảo luận về AI và việc làm.
Nghiên cứu của Brynjolfsson et al. (2025) theo dõi xu hướng nhân lực theo nhóm tuổi trong hai ngành có mức độ phơi nhiễm AI cao nhất: lập trình phần mềm và hỗ trợ khách hàng. Kết quả rõ ràng đến mức gây khó chịu:
Nhóm tuổi 22–25 (early career 1): headcount đã giảm từ đỉnh năm 2022, và đến tháng 9/2025, số lập trình viên nhóm tuổi này giảm gần 20% so với 2022.
Nhóm tuổi 26–30 (early career 2): bắt đầu có dấu hiệu chững lại từ giữa 2024.
Nhóm 35 tuổi trở lên: headcount tiếp tục tăng trong cùng khoảng thời gian.
Khi nhóm các nghề theo mức độ phơi nhiễm với AI (AI exposure quintile), mẫu hình vẫn giữ nguyên: lao động trẻ 22–25 tuổi trong các nghề bị phơi nhiễm AI nhiều nhất chứng kiến mức giảm khoảng 16% so với nghề ít bị phơi nhiễm nhất — sau khi đã kiểm soát các yếu tố vĩ mô như lãi suất hay suy thoái theo ngành. Khoảng cách này bắt đầu nới rộng từ giữa năm 2024 và tiếp tục tăng đều đặn.
Các nhà nghiên cứu gọi đây là “seniority-biased technological change” — thay đổi công nghệ có độ lệch theo thâm niên. AI không thay thế lao động đồng đều. Nó thay thế chức năng mà lao động junior thực hiện — những việc có tính lặp lại, có thể kiểm tra, không đòi hỏi phán đoán bối cảnh — trong khi vẫn cần lao động kỳ cựu để đưa ra quyết định, dẫn dắt, và xử lý phức tạp.
Dữ liệu thất nghiệp mang lại một góc nhìn thêm lớp. Từ 2022 đến đầu 2025, tỷ lệ thất nghiệp tăng ở tất cả nhóm lao động bất kể mức độ phơi nhiễm AI. Nhưng đáng ngạc nhiên: nhóm ít bị phơi nhiễm AI lại có mức tăng thất nghiệp cao hơn (+0,94 điểm phần trăm) so với nhóm bị phơi nhiễm nhiều nhất (+0,30 điểm phần trăm). Điều này cho thấy phơi nhiễm AI không phải là nguyên nhân duy nhất — mà đang tương tác với các điều kiện kinh tế vĩ mô rộng hơn, tạo ra bức tranh phức tạp hơn bất kỳ câu chuyện đơn giản nào.
Nhưng kết luận chung vẫn rõ: lao động gia nhập thị trường — không phải lao động kỳ cựu — đang chịu áp lực trực tiếp nhất. Đây không phải làn sóng sa thải ồ ạt. Đây là sự thu hẹp âm thầm của cánh cửa vào nghề.
Tốc độ thay đổi cơ cấu nghề nghiệp: Nhanh hơn PC và internet cộng lại
Một nghiên cứu của Gimbel et al. (2025) đặt câu hỏi: so với các lần công nghệ lớn được giới thiệu trước đây — máy tính cá nhân, internet — thì tốc độ dịch chuyển cơ cấu nghề nghiệp lần này có gì khác không?
Câu trả lời: nhanh hơn. Trong khoảng thời gian tương đương kể từ khi giới thiệu, cơ cấu nghề nghiệp tại Mỹ đã dịch chuyển nhanh hơn so với khi máy tính hoặc internet được đưa vào thị trường lao động. Điều này không có nghĩa là tác động tiêu cực hơn — máy tính và internet cuối cùng tạo ra nhiều việc làm hơn số đã mất. Nhưng tốc độ dịch chuyển nhanh hơn đặt ra yêu cầu thích nghi nhanh hơn — và hệ thống giáo dục, đào tạo, và chính sách xã hội đang không theo kịp tốc độ đó.
Điều doanh nghiệp đang thực sự kỳ vọng
Khảo sát McKinsey năm 2025 trên các tổ chức toàn cầu đưa ra những con số đáng suy ngẫm:
Một phần ba (33%) tổ chức kỳ vọng giảm quy mô nhân lực trong năm tới như kết quả trực tiếp của AI. Con số này cao hơn ở các tổ chức lớn (35% với doanh thu trên 1 tỷ USD) so với nhỏ hơn (30%). 43% kỳ vọng ít hoặc không thay đổi. Chỉ thiểu số kỳ vọng tăng nhân sự.
Nhưng phần quan trọng hơn: khi so sánh giữa “giảm nhân sự đã xảy ra trong năm qua” và “giảm nhân sự kỳ vọng trong năm tới”, ở gần như tất cả chức năng, con số kỳ vọng đều lớn hơn con số đã xảy ra. Nói cách khác, tác động thực tế tính đến 2025 vẫn còn nhỏ hơn những gì doanh nghiệp dự đoán sẽ xảy ra tiếp theo.
Các chức năng có kỳ vọng cắt giảm cao nhất: vận hành dịch vụ, quản lý chuỗi cung ứng, bán hàng & marketing, và kỹ thuật phần mềm.
Đây là điều đáng chú ý: dữ liệu vĩ mô (tổng số việc làm trong nền kinh tế) vẫn chưa cho thấy tác động lớn. Nhưng dữ liệu vi mô (thay đổi cụ thể theo độ tuổi, theo ngành, theo chức năng) đang kể một câu chuyện khác. Hai nguồn dữ liệu này đang tạm thời mâu thuẫn nhau — và đây chính là lý do tại sao rất khó để kết luận dứt khoát.
Transform Organization with AI là khoá học chiến lược dành cho CEO, Founder và lãnh đạo cấp cao muốn hiểu đủ về AI để dẫn dắt doanh nghiệp chuyển đổi có hệ thống — từ việc xác định đúng bài toán, thiết kế dự án AI đến xây dựng lộ trình vận hành AI-First dài hạn.
Khoá học giúp bạn rà soát toàn bộ quy trình doanh nghiệp để tìm điểm AI tạo ra tác động thực, thiết kế dự án với KPI đo lường rõ ràng, tổ chức thử nghiệm có kiểm soát và quản trị sự thay đổi trong tổ chức — kể cả những rào cản con người mà 90% dự án AI thất bại vì bỏ qua.
Khác với các khoá học về công cụ AI, Transform Organization with AI tiếp cận từ góc nhìn lãnh đạo: bạn không cần biết code, nhưng cần biết cách chọn đúng bài toán, thiết kế đúng hệ thống và kéo cả tổ chức đi cùng một hướng — thay vì để AI mãi là thử nghiệm rời rạc của từng phòng ban.
Khoá học Transform Organization with AI nằm trong CEO Program được thiết kế bởi Tomorrow Marketers.
Công nhân muốn AI thay thế mình ở một số việc
Một phát hiện ít được trích dẫn nhưng quan trọng: không phải tất cả sự tự động hóa đều là điều không được hoan nghênh.
Khảo sát của Shao et al. (2026) trên 844 tác vụ nghề nghiệp cho thấy 46,1% người lao động chủ động muốn AI đảm nhận những tác vụ đó. Sự ủng hộ mạnh nhất ở những nơi người lao động tin rằng tự động hóa sẽ giải phóng thời gian cho công việc có giá trị cao hơn, giảm tính lặp lại, hoặc cải thiện chất lượng đầu ra.
Tuy nhiên, thực tế sử dụng AI không phản ánh đúng sở thích này. Các tác vụ có điểm số tự động hóa cao nhất — những thứ người dùng muốn AI làm nhất — chỉ chiếm 1,3% trong tổng lượng sử dụng thực tế của Claude.AI. Có một khoảng cách lớn giữa những gì người lao động muốn AI làm thay và những gì AI thực sự đang được dùng để làm.
Điều này gợi ý một hướng tư duy khác về tác động lao động: thay vì tự động hóa ở cấp độ nghề nghiệp (”AI thay thế lập trình viên”), tác động thực tế sẽ xảy ra ở cấp độ tác vụ (”AI đảm nhận phần X của công việc lập trình viên, và lập trình viên tập trung vào phần Y”). Quá trình tái thiết kế công việc đó sẽ diễn ra dần dần — và không phải lúc nào cũng theo cách mà các nhà hoạch định chính sách hay bản thân người lao động kỳ vọng.
Điều mà dữ liệu vĩ mô đang chưa nói được
Một tồn tại trí thức trung thực của báo cáo AI Index 2026: bằng chứng vĩ mô vẫn còn sớm và không kết luận được. Một khảo sát 6.000 giám đốc điều hành tại bốn quốc gia cho thấy mức độ áp dụng AI rộng rãi nhưng lợi ích năng suất thực tế tối thiểu — với dự báo giảm 0,7% việc làm trong ba năm tới (Yotzov et al., 2026). Mô hình Penn Wharton ước tính đóng góp của AI vào tổng năng suất nhân tố (TFP) chỉ là 0,01 điểm phần trăm — về cơ bản là không đáng kể. OECD dự báo mức tăng năng suất lao động hàng năm 0,4–1,3 điểm phần trăm cho Mỹ và Anh trong thập kỷ tới.
Tất cả những con số này nằm trong một dải rất rộng, và phụ thuộc nhiều vào giả định về tốc độ áp dụng, cơ cấu ngành, và chính sách thị trường lao động. Chúng ta chưa biết câu trả lời. Những gì chúng ta biết là: dữ liệu vi mô đang cho thấy tác động thực tế và cụ thể — trong khi dữ liệu vĩ mô vẫn chưa bắt kịp.
Đây chính xác là khoảnh khắc nguy hiểm nhất để đưa ra chính sách: khi bằng chứng đủ rõ để cảnh báo nhưng chưa đủ để định lượng.
Đọc bức tranh này từ góc độ cá nhân
Dữ liệu AI Index 2026 không phải là một bản án. Nó là một bản đồ địa hình. Và như mọi bản đồ, giá trị của nó nằm ở chỗ giúp bạn điều hướng — không phải để hoảng loạn, mà để chọn lộ trình.
Một số điều bức tranh này gợi ý khá rõ:
Kỹ năng phán đoán phức tạp vẫn là lớp phòng thủ tốt nhất. Tác động của AI mạnh nhất ở công việc có cấu trúc và dễ đo. Công việc đòi hỏi ngữ cảnh, đạo đức phán đoán, quan hệ con người, và tư duy hệ thống vẫn nằm ngoài vùng AI thay thế hiệu quả nhất.
Cách dùng AI quan trọng hơn việc dùng AI. Sự khác biệt giữa người hưởng lợi từ AI và người chịu “learning penalty” không nằm ở việc có dùng hay không, mà ở cách dùng. Dùng AI để đặt câu hỏi khái niệm và mở rộng tư duy khác hoàn toàn với dùng AI để tránh phải suy nghĩ.
Người trẻ mới vào nghề cần chiến lược khác. Khoảng thời gian học nghề truyền thống — những năm đầu làm các công việc nền tảng có tính lặp lại cao — đang bị thu hẹp. Điều này không có nghĩa là không vào được nghề, mà là cánh cửa vào đang hẹp hơn và đòi hỏi chiến lược rõ ràng hơn.
Những gì xảy ra ở Mỹ không phải là bản sao tương lai của mọi nơi. Tốc độ áp dụng AI, cơ cấu ngành, và chính sách thị trường lao động khác nhau đáng kể giữa các quốc gia. Dữ liệu lập trình viên trẻ Mỹ mất việc là tín hiệu sớm — không phải bản án phổ quát. Nhưng tín hiệu sớm là thứ đáng được đọc sớm.
Kết
Báo cáo AI Index 2026 đặt tên cho cái đang xảy ra với thị trường lao động là “seniority-biased technological change” — thay đổi công nghệ lệch về phía người có thâm niên. AI không phải là lực lượng san phẳng mà nhiều người tưởng. Nó đang phân tầng lại thị trường lao động theo một đường phân chia mới: không phải giữa “người có học” và “người không có học”, cũng không phải giữa “ngành bị ảnh hưởng” và “ngành an toàn” — mà là giữa người đã tích lũy đủ phán đoán không thể copy-paste và người chưa có cơ hội tích lũy đó.
Câu hỏi thực sự không phải là “AI có thay thế tôi không?” Câu hỏi là: “Trong công việc của tôi, phần nào đang trở thành phần AI có thể làm — và tôi đang xây dựng gì ở phần còn lại?”
Nếu đây là những câu hỏi mà bạn đang trăn trở cho doanh nghiệp của mình, hãy tìm kiếm câu trả lời tại chương trình CEO Program tại Tomorrow Marketers.
AI CEO Program là chương trình dành cho CEO, Founder và lãnh đạo cấp cao muốn dẫn dắt doanh nghiệp chuyển đổi trong kỷ nguyên AI — không phải bằng cách theo dõi công nghệ, mà bằng cách thiết kế đúng hệ thống để tăng trưởng có thể dự báo được.
Chương trình giúp bạn xác định đúng bài toán AI cần ưu tiên, thiết kế lộ trình chuyển đổi phù hợp với thực tế doanh nghiệp, và ra quyết định chiến lược chính xác hơn trong môi trường thay đổi nhanh.
Nguồn dữ liệu: AI Index 2026 Annual Report, Chapter 4 (Economy), Stanford HAI, tháng 4/2026. Các nghiên cứu được trích dẫn bao gồm: Brynjolfsson et al. (2025, 2026), Becker et al. (2025), Shen & Tamkin (2025), Cui et al. (2025), Ju & Aral (2025), Choi & Xie (2025), Yotzov et al. (2026), Gimbel et al. (2025), Shao et al. (2026), Hosseini Maasoum & Lichtinger (2025), McKinsey & Company Survey (2025).