AI đã đi vào nơi làm việc nhanh hơn khả năng các doanh nghiệp hình dung cách sử dụng nó. Ở nhiều ngành, công cụ này đã vượt qua giai đoạn thử nghiệm để tham gia vào những công việc cụ thể như tìm kiếm dữ liệu, chuẩn bị tài liệu, phân tích hồ sơ, lập mô hình tài chính hay hỗ trợ nghiên cứu thuốc. Tác động dễ nhận thấy nhất hiện nay nằm ở tốc độ xử lý, còn ảnh hưởng đến cơ cấu nhân sự và kỹ năng nghề nghiệp vẫn đang hình thành.

Tại các công ty tư vấn, luật và ngân hàng, những công việc trước đây thường được giao cho nhân viên cấp thấp đang được AI xử lý ngày càng nhiều. Trong ngành dầu khí, hệ thống có thể phân tích dữ liệu kỹ thuật và đưa ra dự báo bảo trì. Với dược phẩm, AI được kỳ vọng rút ngắn đáng kể thời gian sàng lọc và phát triển thuốc. Mỗi ngành có một cách ứng dụng khác nhau, nhưng điểm chung là doanh nghiệp đang thử đưa AI vào những khâu có lượng dữ liệu lớn và quy trình tương đối rõ ràng.

Điều đáng chú ý nằm ở khoảng cách giữa hình dung về AI và cách công nghệ này thực sự được sử dụng. Những công việc gây chú ý nhất thường là viết văn bản, tạo hình ảnh hay làm bài thuyết trình. Trong thực tế doanh nghiệp, phần giá trị lớn hơn lại có thể nằm ở khả năng giúp nhân viên tiếp cận thông tin nhanh hơn, tìm kiếm kiến thức nội bộ và xử lý khối lượng dữ liệu mà con người khó làm thủ công.

AI đã trở thành trợ lý cho nhiều ngành nhiều nghề

Ngành tư vấn là một ví dụ rõ. Việc làm PowerPoint đã nhanh hơn khi AI có thể hỗ trợ sắp xếp nội dung, chỉnh sửa văn bản và đồ họa. Nhưng các công ty tư vấn lớn đang tập trung nhiều hơn vào việc đưa AI vào khâu chuẩn bị dự án, nơi nhân viên phải nhanh chóng tìm hiểu một thị trường, khách hàng hoặc vấn đề kinh doanh mới.

Các hệ thống nội bộ như Lilli của McKinsey, Sage của Bain & Company hay ChatPwC của PwC cho phép nhân viên tìm kiếm trong kho tài liệu mà doanh nghiệp tích lũy qua nhiều năm. Đây có thể là các bài thuyết trình cũ, dữ liệu thị trường độc quyền hoặc kinh nghiệm từ những dự án trước. Một nhân viên được giao nghiên cứu ngành mới có thể tìm thấy phần lớn thông tin nền trong thời gian ngắn hơn nhiều so với cách đọc từng tài liệu.

Một số công ty còn biến kết quả tìm kiếm thành nội dung âm thanh. Nhân viên McKinsey có thể nghe bản tin podcast được tạo riêng, dừng lại hoặc đặt câu hỏi trong quá trình nghe. Công nghệ vì thế bắt đầu xuất hiện ở những khoảng thời gian trước đây không được tính là thời gian nghiên cứu, chẳng hạn lúc nhân viên di chuyển.

Tuy nhiên, việc sử dụng AI cũng tạo ra một kiểu áp lực mới. Một số công ty tư vấn từng khuyến khích nhân viên dùng các công cụ AI và đưa việc ứng dụng công nghệ vào đánh giá hiệu suất. Sau đó, chi phí tính theo token của một số mô hình khiến doanh nghiệp bắt đầu quan tâm đến mức độ sử dụng. Có nơi phải hạn chế những trường hợp nhân viên sử dụng AI quá thường xuyên.

Áp lực này đôi khi dẫn đến những hành vi khó tin. Một cố vấn kể rằng quản lý theo dõi mức sử dụng AI và muốn nhân viên dùng công cụ thường xuyên hơn. Người này thậm chí đặt những câu hỏi không thực sự cần thiết chỉ để tạo ra dữ liệu sử dụng và tránh bị đánh giá là chưa tận dụng AI.

AI cũng bắt đầu can thiệp vào những quyết định vốn thuộc về quản lý con người. McKinsey được cho là đang xem xét việc dùng AI để hỗ trợ ghép đội ngũ dự án dựa trên kỹ năng, chuyên môn và mức độ phù hợp giữa các thành viên. Một đội ngũ chưa đạt mức tối ưu hôm nay có thể được giữ lại hoặc điều chỉnh nếu hệ thống dự báo một nhóm phù hợp hơn sẽ hình thành vào tuần sau.

Trong ngân hàng, lợi ích trước mắt cũng nằm ở tốc độ chuẩn bị. Một chuyên viên có thể dùng AI kết hợp dữ liệu nội bộ để tổng hợp nhanh lịch sử trao đổi với khách hàng, những vấn đề họ quan tâm và các mục tiêu thâu tóm tiềm năng trước một cuộc họp. Những công việc như tạo bản đầu tiên của mô hình tài chính hay bài thuyết trình cũng đang được tự động hóa. Với những người có tuần làm việc kéo dài tới 80 giờ, vài giờ tiết kiệm được mỗi tuần có giá trị đáng kể.

Nhưng chính quá trình này đang làm dấy lên lo ngại trong ngành ngân hàng. Những kỹ năng từng được hình thành qua hàng nghìn giờ làm việc thủ công như cảm nhận con số, xử lý dữ liệu và xây dựng bài trình bày có thể ít được rèn luyện hơn. Một số nhân viên lâu năm cũng nhận ra khá dễ khi một email được tạo bởi AI nhưng chưa được chỉnh sửa đủ kỹ.

Ngành nào tối ưu được?

Ở dầu khí, AI được đưa thẳng vào những quy trình có giá trị kinh tế cao. Shell mỗi năm xử lý gần 5.000 thỏa thuận bảo mật thông tin. Theo CEO Wael Sawan, khoảng 90% công việc mang tính thủ tục trong số này có thể được AI hỗ trợ, giúp luật sư tập trung vào những tài liệu phức tạp hơn.

Các hệ thống dashboard cũng ngày càng phổ biến. Lãnh đạo doanh nghiệp có thể theo dõi dữ liệu cần thiết cho quyết định đầu tư trên một màn hình. Kỹ sư vận hành đường ống hoặc bể chứa có thể theo dõi lưu lượng, áp suất và nhận dự báo về thời điểm cần bảo trì.

Trong thăm dò dầu khí, AI được dùng để phân tích hình ảnh địa chấn và tính toán phương án khoan. BP từng mất nhiều tuần hoặc nhiều tháng để tìm đường khoan tối ưu qua các lớp đất đá. Nay các kỹ sư có thể xử lý hàng trăm phương án trong một ngày.

Hiệu quả này cũng đặt ra một nghịch lý. Khi kỹ sư có thể làm nhiều việc hơn với cùng lượng nhân lực, sản lượng và tốc độ khai thác có thể tăng. Với những tập đoàn đang cam kết đạt phát thải ròng bằng 0, năng suất cao hơn chưa chắc đồng nghĩa với lượng khí thải thấp hơn. Một nghiên cứu được dẫn trong tài liệu cho rằng việc tăng năng suất có thể khiến phát thải tăng đáng kể.

AI còn xuất hiện ở những nơi ít được chú ý hơn. BP sử dụng công nghệ này để quản lý hàng tồn kho tại các cửa hàng tiện lợi, dựa trên thời tiết, lịch sử bán hàng và thị hiếu từng khu vực. Một hệ thống dự báo tốt có thể giúp doanh nghiệp biết mặt hàng nào cần bổ sung trước khi nhu cầu thực sự xuất hiện.

Ngành luật cho thấy rõ hơn giới hạn của AI. Việc đọc hàng trăm tài liệu, rà soát hợp đồng và tìm kiếm điểm tranh luận vốn tiêu tốn rất nhiều giờ làm việc. AI có thể rút ngắn quá trình này, giúp luật sư dành thêm thời gian cho phân tích và thẩm định. Một luật sư cấp thấp trước đây có thể phải thức tới nửa đêm để đọc hàng chục điều khoản, nay có thể nhận được bản phân tích ban đầu trong thời gian ngắn.

Rủi ro nằm ở độ chính xác. Một số công ty luật đã bị phát hiện sử dụng tài liệu có trích dẫn pháp lý sai do hiện tượng AI tạo ra thông tin không có thật. Sullivan & Cromwell trong năm nay phải xin lỗi một thẩm định viên phá sản liên bang tại New York sau khi hồ sơ có trích dẫn sai mã phá sản và án lệDữ liệu nhạy cảm lại tạo thêm một lớp rủi ro. Một số khách hàng lo ngại thông tin của họ bị đưa vào các mô hình ngôn ngữ lớn nên áp dụng biện pháp hạn chế việc luật sư tải xuống hoặc in tài liệu. Trong vài trường hợp, những quy định này khiến các hãng luật phải bố trí thêm người và xử lý hồ sơ kém hiệu quả hơn trước.

Dược phẩm có lẽ là lĩnh vực cho thấy rõ nhất tiềm năng của AI đối với tốc độ nghiên cứu. Công nghệ cho phép các nhà nghiên cứu xử lý lượng dữ liệu khổng lồ được tạo ra trong quá trình phát triển thuốc. Một trong những hướng quan trọng là xác định biomarker, qua đó dự đoán bệnh nhân nào có khả năng phản ứng với một phương pháp điều trị nhất định. GSK xem đây là một trong những ứng dụng đáng chú ý nhất của AI trong khoa học sự sống hiện nay.

Dù tốc độ nghiên cứu có thể tăng mạnh, dược phẩm vẫn chịu ràng buộc lớn từ yêu cầu an toàn và quản lý. WHO cảnh báo AI có thể lặp lại những thiên kiến tồn tại trong dữ liệu do con người thu thập. Các kết quả dương tính giả hoặc âm tính giả nếu không được kiểm chứng kỹ có thể ảnh hưởng trực tiếp đến an toàn bệnh nhân.

Thậm chí, một số nhà khoa học Mỹ đã dùng AI để tạo ra những loại virus chưa từng tồn tại, làm dấy lên lo ngại về an ninh sinh học. Ở một góc khác, các nhà nghiên cứu Đức lại phát hiện một hiện tượng thú vị: những “ảo giác” do mô hình ngôn ngữ tạo ra trong một số điều kiện có thể được kết hợp để nâng hiệu suất của mô hình phục vụ khám phá thuốc.

Những ví dụ này cho thấy AI đang bước vào doanh nghiệp qua rất nhiều cửa. Công nghệ có thể giúp một chuyên viên ngân hàng chuẩn bị cuộc họp trong 30 phút, giúp kỹ sư dầu khí xử lý hàng trăm phương án khoan trong một ngày hoặc rút ngắn đáng kể khâu sàng lọc thuốc. Song song với năng suất là yêu cầu kiểm soát chi phí, dữ liệu, độ chính xác và năng lực con người.

Bài toán của doanh nghiệp hiện nay vì thế đã chuyển sang một giai đoạn thực tế hơn: tìm ra phần việc nào nên giao cho AI, phần việc nào cần con người kiểm tra và những kỹ năng nào vẫn phải được rèn luyện bằng chính công việc thủ công. AI có thể làm cho một nhân viên nhanh hơn, nhưng cách doanh nghiệp tổ chức lại công việc mới quyết định năng suất tăng thêm đó có trở thành giá trị kinh tế thực sự hay không.