Thời gian cá nhân tiết kiệm được thông qua AI vẫn chưa cộng hưởng thành năng suất tổng thể ở cấp độ doanh nghiệp.
Tác giả: David Treat Giám đốc Công nghệ (CTO), Pearson
Bài viết này là một phần của: Hội nghị Thường niên Diễn đàn Kinh tế Thế giới
Trong khi việc áp dụng AI đang phát triển nhanh chóng, những lợi ích về năng suất có thể chứng minh được ở cấp độ doanh nghiệp vẫn còn chưa chắc chắn. Nghiên cứu mới cho thấy các tổ chức phải thu hẹp khoảng cách học tập quan trọng để kết hợp một cách có ý nghĩa khả năng của con người và AI trên mọi phương diện. Khung DEEP tích hợp việc học vào các quy trình công việc để cải thiện liên tục, thay vì thỉnh thoảng lôi kéo nhân viên vào các đợt đào tạo rời rạc.
Các nhà lãnh đạo trong doanh nghiệp, chính phủ và xã hội dân sự đều chia sẻ sự hào hứng thực sự về tiềm năng của AI. Các phân tích liên tục dự báo một sự thúc đẩy trị giá hàng nghìn tỷ đô la. Diễn đàn Kinh tế Thế giới ước tính AI có thể đóng góp tới 14% GDP toàn cầu vào năm 2030, tương đương khoảng 15,7 nghìn tỷ đô la. Tuy nhiên, ngay cả khi các công cụ AI lan rộng khắp các doanh nghiệp, hiệu quả về năng suất vẫn còn xa vời: Xu hướng năng suất lao động của Vương quốc Anh đã giảm sút, và tăng trưởng năng suất của Mỹ không ổn định và đang giảm so với mức cao của đầu những năm 2000. Nghịch lý hiện rõ: Nhiều nhân viên báo cáo “tiết kiệm được thời gian” thông qua các công cụ AI, nhưng các tổ chức và nền kinh tế lại không thấy được những lợi ích bền vững ở cấp độ doanh nghiệp.
Với tư cách là Giám đốc Công nghệ tại Pearson, kết luận của tôi là trong khi đầu tư vào AI đang tăng tốc, năng suất doanh nghiệp vẫn không đồng đều vì chưa có đủ sự tập trung vào toàn bộ hệ thống làm việc: Con người + công nghệ làm việc cùng nhau. Cần phải nhấn mạnh hơn vào việc chúng ta tái hình dung lại toàn bộ quy trình làm việc một cách mới mẻ, vượt ra ngoài khái niệm triển khai công nghệ trước, rồi đào tạo con người sau. Thay vào đó, chúng ta cần một phương pháp tiếp cận tích hợp hơn, đặt việc học hỏi không ngừng của cả con người và các tác nhân AI vào trọng tâm của sự chuyển đổi.
Việc hiện thực hóa tiềm năng của AI đòi hỏi nhiều hơn là việc mở rộng quy mô công nghệ; nó đòi hỏi một sự hợp tác giữa con người và công nghệ, nơi việc học tập và thích ứng được lồng ghép vào mọi giai đoạn. Dựa trên kinh nghiệm sâu sắc trong khoa học học tập, chúng tôi biết rằng việc định hướng sự thay đổi mang tính hệ thống này đồng nghĩa với việc trao quyền cho các cá nhân và đội ngũ để phát triển; không chỉ thông qua các công cụ công nghệ, mà thông qua sự phát triển và cộng tác liên tục để làm cho những công cụ đó thực sự có giá trị. Cách tiếp cận này đảm bảo rằng AI đóng vai trò như một lực lượng vì mục đích tốt đẹp, nâng cao kết quả cho cả con người và tổ chức.
Giải thưởng thực sự là xây dựng một lực lượng lao động được tăng cường, nơi chuyên môn của con người được thúc đẩy và khuếch đại bởi AI trong dòng chảy công việc hàng ngày, được gắn chặt trong bối cảnh thực tế về kỹ năng của mỗi cá nhân, và điều phối các sự kết hợp phù hợp trên toàn bộ quy trình làm việc.
Khoảng cách học tập quan trọng
Tự động hóa mang lại những hiệu quả nhanh chóng, có thể đo lường được; lực lượng lao động được tăng cường bởi AI tái thiết lập cách thức tạo ra giá trị. Nghiên cứu mới của Pearson cho thấy mức tăng năng suất lớn nhất đến khi AI được sử dụng để mã hóa kiến thức, điều phối công việc đa tác nhân và tích hợp việc học hỏi nhanh chóng, liên tục để con người chuyển từ việc “thực hiện” sang sự nhạy bén và sáng tạo. Nói cách khác, AI không nên thay thế sự phán đoán; nó nên nâng cao giới hạn của những gì sự phán đoán của con người có thể đạt được.
Trở ngại lớn nhất để khai phá tiềm năng này là khoảng cách học tập ngày càng nới rộng: Trong khi khả năng của AI đang tiến bộ theo cấp số nhân, sự thích ứng của lực lượng lao động vẫn còn rời rạc và hời hợt. Nghiên cứu của chúng tôi cho thấy các tổ chức thường chỉ “đánh dấu cho có” vào các sáng kiến đào tạo AI, nhưng thất bại trong việc thiết kế lại các nhiệm vụ, vai trò và kỹ năng xoay quanh sự cộng tác giữa con người và AI. Khoảng cách này giải thích tại sao “thời gian tiết kiệm được” của cá nhân không cộng dồn thành năng suất doanh nghiệp – và hiện là rủi ro chính đối với việc hiện thực hóa sự chuyển đổi việc làm mà Diễn đàn Kinh tế Thế giới dự đoán.
Nếu chúng ta thu hẹp khoảng cách học tập và mở rộng quy mô tăng cường (augmentation), tiềm năng kinh tế là rất lớn. Mô hình của chúng tôi trên hơn 300 ngành nghề thâm dụng tri thức cho thấy việc tăng cường sức mạnh bởi AI có thể đóng góp thêm từ 4,8 nghìn tỷ đến 6,6 nghìn tỷ đô la cho nền kinh tế Mỹ vào năm 2034 (khoảng 15% quy mô hiện tại), tùy thuộc vào việc áp dụng tăng cường rộng rãi. Kết hợp với triển vọng toàn cầu của Diễn đàn, thông điệp là nhất quán: khai phá các nguồn tăng trưởng mới bằng cách đầu tư vào con người.
Một khung hành động để nâng cao kỹ năng
Để thu hẹp khoảng cách học tập, chúng ta cần một phương pháp tiếp cận nâng cao kỹ năng cơ bản khác biệt; một phương pháp vượt xa các mô hình đào tạo kế thừa để hướng tới việc học tập lấy con người làm trung tâm, được hỗ trợ bởi AI. Điều này có nghĩa là tích hợp việc học trực tiếp vào quy trình làm việc, thay vì tách nhân viên ra khỏi công việc để tham gia các buổi đào tạo chung chung.
Để thúc đẩy sự chuyển đổi này, nghiên cứu của chúng tôi xác định bốn trụ cột chính cốt lõi của một khung mà chúng tôi gọi là DEEP:
- Chẩn đoán (Diagnose): Các tổ chức phải thực hiện phân tích dựa trên nhiệm vụ để hiểu AI sẽ định hình lại các vai trò cụ thể như thế nào, tận dụng cả “những chuyên gia đam mê” và “các đội nhóm tăng cường” để xác định, thiết kế và triển khai các trường hợp sử dụng thực tế cũng như đào tạo để tăng cường AI hiệu quả.
- Tích hợp (Embed): Việc học phải diễn ra trong dòng chảy công việc, tận dụng AI để cung cấp sự huấn luyện và phản hồi cá nhân hóa, đúng lúc. Điều này được thực hiện bằng cách tạo ra các văn hóa học tập tôn vinh sự thử nghiệm, thúc đẩy chia sẻ kiến thức và nhấn mạnh các kỹ năng bền vững như tư duy phản biện và sáng tạo, cũng như khả năng “học cách học”.
- Đánh giá (Evaluate): Các tổ chức và cá nhân cần hạ tầng dữ liệu kỹ năng mạnh mẽ để tạo điều kiện cho các đề xuất nâng cao kỹ năng thông minh hơn, các phương pháp đánh giá môi trường sử dụng AI để suy luận khả năng từ hành vi và các sản phẩm công việc, và họ cần tận dụng AI để liên tục đo lường, cải thiện và cá nhân hóa việc học tập.
- Ưu tiên (Prioritize): Các bộ phận Học tập và Phát triển (L&D) phải chuyển đổi từ người phân phối nội dung thành những kiến trúc sư năng lực bằng cách theo dõi và đo lường các kỹ năng đang phát triển của lực lượng lao động với sự hỗ trợ mạnh mẽ từ ban lãnh đạo cấp cao. Các tổ chức cần các kế hoạch học tập dựa trên kỹ năng và một hệ sinh thái kỹ năng có thể đo lường được, bao gồm cả ví kỹ thuật số ghi lại hồ sơ kỹ năng của các cá nhân trong suốt hành trình cá nhân và nghề nghiệp của họ, cho dù đó là bằng cấp, chứng chỉ kỹ năng, giấy phép lái xe di động hay các chứng chỉ xác thực khác. Họ phải thực hiện điều này đồng thời tái thiết lập hệ thống khuyến khích và đầu tư vào nguồn lực để thúc đẩy nhân viên tăng trưởng liên tục.
Đây là cách mà sự chuyển đổi và phản hồi trở thành nhịp điệu bình thường của một chiến lược kinh doanh; không phải là một chương trình thí điểm, mà là một năng lực bền bỉ vừa chuẩn bị cho người lao động trước những thay đổi trong tương lai, vừa làm cho các quá trình chuyển đổi nhanh chóng và thành công hơn.
Khép lại con đường dẫn đến một tương lai được tăng cường
Để hiện thực hóa cam kết 15 nghìn tỷ đô la của AI, các nhà lãnh đạo phải ủng hộ một yêu cầu học tập mới lấy con người làm trung tâm, mang tính lặp lại và dựa trên bằng chứng. Đầu tư vào AI và học tập phải đi đôi với nhau; không cái nào có thể mang lại tác động bền vững nếu đứng riêng lẻ. Điều này đòi hỏi phải vượt qua sự lựa chọn sai lầm giữa tự động hóa và người lao động để chấp nhận việc tăng cường lực lượng lao động như con đường dẫn đến tăng trưởng năng suất bền vững.
Các ban lãnh đạo cấp cao phải đầu tư vào việc học tập ở quy mô lớn bằng cách hình dung lại công việc xoay quanh sự hợp tác giữa con người và AI, xây dựng dữ liệu kỹ năng đáng tin cậy, năng lực cấp chứng chỉ và trao quyền cho các nhà lãnh đạo Học tập và Phát triển để định nghĩa tương lai của công việc. Tương lai này phụ thuộc vào các hệ thống học tập có thể mở rộng, hệ sinh thái kỹ năng có thể đo lường và dữ liệu đáng tin cậy để đảm bảo rằng sự tăng cường sẽ củng cố, chứ không làm xói mòn, năng lực của con người.
