Đầu tháng này, các kỹ sư hàng đầu của Amazon đã họp thường kỳ để chuẩn bị trả lời một câu hỏi khó chịu: Vì sao trang web của hãng liên tục gặp sự cố? Một lần gián đoạn gần đây kéo dài tới sáu giờ khiến khách hàng không thể thanh toán. Không ai biết có bao nhiêu giỏ hàng đã bị bỏ lại.

Theo Financial Times, nguyên nhân có thể đến từ chính mô hình AI của Amazon, khi các sự cố “liên quan đến việc sử dụng công cụ lập trình bằng AI”.

Amazon bác bỏ cách lý giải này và cho rằng AI không phải yếu tố chính. Tuy vậy, các công cụ AI đã nhiều lần gây rắc rối ở nơi khác. Tháng 7.2025, trợ lý lập trình của Replit đã xóa toàn bộ cơ sở dữ liệu vận hành dù nhận chỉ thị rõ ràng là không được làm vậy. Đến tháng 2, một nhà nghiên cứu bảo mật AI tại Meta phải lao về máy tính như đang gỡ bom khi một tác nhân AI bắt đầu xóa toàn bộ hộp thư của cô.

Những sự cố này dẫn tới một câu hỏi khác: Nếu ngay cả chuyên gia bảo mật AI cũng không thể dùng các công cụ này một cách ổn định, vì sao nhiều lãnh đạo doanh nghiệp lại yêu cầu nhân viên phải sử dụng chúng đến vậy?

Các sự cố trên phản ánh cái gọi là “khoảng cách giữa năng lực và độ tin cậy”. AI gây ấn tượng ở những gì nó có thể làm, nhưng không phải lúc nào cũng hoạt động ổn định. Tháng 2, các nhà nghiên cứu Princeton công bố kết quả nghiên cứu kéo dài 18 tháng trên 14 mô hình AI. Họ nhận thấy năng lực tăng mạnh nhưng độ tin cậy gần như không cải thiện. Độ nhất quán chỉ dao động từ 30% đến 75%. Phần lớn mô hình cũng không phân biệt được đâu là câu trả lời đúng và sai. Các nhà nghiên cứu kết luận mức độ tự tin chỉ phản ánh quá trình chạy có trơn tru hay không, chứ không phản ánh độ chính xác.

Đây là vấn đề cốt lõi của AI. Khả năng diễn đạt trôi chảy không đồng nghĩa với việc câu trả lời là đúng. Vấn đề này sẽ ngày càng rõ hơn theo thời gian. Một nghiên cứu khác xây dựng phép thử đầu tiên để xem liệu các tác nhân AI có thể duy trì một hệ thống mã trong dài hạn hay không. Ngay cả những mô hình tốt nhất cũng gặp khó khi các thay đổi bị dồn lại. Mỗi lần chỉnh sửa có vẻ ổn, nhưng khi tích lũy đủ nhiều, lỗi bắt đầu xuất hiện.

Để làm rõ hơn, các nhà nghiên cứu Princeton đã mượn khung đánh giá độ tin cậy từ ngành hạt nhân và hàng không. Đây là những lĩnh vực từ lâu đã phân biệt rõ giữa hiệu suất trung bình và độ tin cậy. Một động cơ máy bay hoạt động xuất sắc 80% thời gian sẽ không bao giờ được chứng nhận an toàn.

Sự khác biệt này không chỉ nằm trong kỹ thuật mà còn giúp lý giải một nghịch lý khiến nhiều lãnh đạo bối rối: Vì sao nhân viên lại kém hào hứng với AI hơn cấp trên? Một khảo sát tháng 8.2025 với 1.400 lao động tại Mỹ cho thấy 76% lãnh đạo tin rằng nhân viên sẽ thích sử dụng AI. Trên thực tế, chỉ 31% nhân viên cảm thấy như vậy.

Nguyên nhân không nằm ở sự chống đối. Có một khoảng cách lớn giữa việc thử dùng AI và phụ thuộc vào nó. Nếu bạn xây dựng một ứng dụng chạy được ngay từ lần sửa đầu tiên, bạn có thể nghĩ đó là phép màu. Nhưng khi phải dùng nó hàng giờ mỗi ngày, bạn sẽ gặp đủ loại lỗi. Một khảo sát cho thấy chính những người dùng ChatGPT hàng ngày cho mục đích cá nhân lại đánh giá AI thiếu tin cậy khi áp dụng trong hệ thống doanh nghiệp.

Trong khi đó, lãnh đạo thường chỉ thấy AI ở trạng thái tốt nhất. Họ tiếp cận các bản trình diễn trau chuốt, tình huống sử dụng được chọn lọc và các thước đo chỉ phản ánh năng lực, không phản ánh độ tin cậy. Khi AI trả lời sai, thông tin đó hiếm khi đến được bàn làm việc của họ.

Khoảng cách nhận thức này đã dẫn tới làn sóng áp dụng AI theo mệnh lệnh. CEO của Shopify yêu cầu nhân viên phải chứng minh AI không đủ năng lực trước khi đề xuất tuyển thêm người. Meta gắn đánh giá hiệu suất với việc sử dụng AI. Microsoft tuyên bố việc dùng AI đã không còn là một lựa chọn.

Tuy nhiên, bằng chứng cho thấy đây là vấn đề kỹ thuật chứ không phải vấn đề động lực. Mệnh lệnh không thể khắc phục những hạn chế của công nghệ.

Việc lãnh đạo trực tiếp tham gia vào công việc với AI là cần thiết và có thể cải thiện thái độ của nhân viên. Những người khuyến khích thử nghiệm công nghệ này không sai. Nhưng khuyến khích khác với ép buộc. Khi bị ép buộc, nhân viên sử dụng công cụ không phải vì giá trị của nó mà vì yêu cầu từ cấp trên. Điều này dễ dẫn đến phản ứng ngược.

Eric von Hippel, giáo sư quản trị tại MIT, chỉ ra một thực tế khiến nhiều lãnh đạo bất ngờ: Chính người dùng, không phải nhà sản xuất, mới thường là nguồn đổi mới thực sự. Những người trực tiếp làm việc hiểu rõ nhu cầu của mình hơn bất kỳ ai. Sự bất định xoay quanh AI càng khiến nguyên tắc này trở nên quan trọng. Chưa ai thực sự làm chủ AI. Đây là lúc đổi mới từ người dùng phát huy rõ nhất. Khi hàng ngàn nhân viên cùng sử dụng AI, họ tạo ra một hệ thống học hỏi mà không mệnh lệnh nào có thể thay thế.

Amazon cho biết chỉ một sự cố gần đây liên quan đến AI và lỗi người dùng đã khiến ảnh hưởng lan rộng hơn dự kiến. Dù vậy, bài học rất rõ ràng: Không thể áp dụng AI bằng mệnh lệnh. Doanh nghiệp cần học cách sử dụng thông qua thử nghiệm, chấp nhận sai sót và điều chỉnh dần. Khi lãnh đạo ép buộc dùng AI, họ đang ra lệnh thay vì dẫn dắt.

Gautam Mukunda viết về quản trị doanh nghiệp và đổi mới. Ông giảng dạy về lãnh đạo tại Trường Quản lý Yale và là tác giả cuốn Indispensable: When Leaders Really Matter.