CHLB ĐỨC – Các nhà nghiên cứu trên khắp thế giới, tiêu biểu là Giáo sư, Tiến sĩ Jin Gerlach từ đại học Passau, đã tập trung vào một chủ đề mang tính cấp thiết đối với nền công nghiệp: Chuyện gì sẽ xảy ra với tài sản tri thức của doanh nghiệp khi công nghệ trí tuệ nhân tạo ngày càng đảm nhiệm nhiều tác vụ đòi hỏi hàm lượng tri thức cao?

Tiến sĩ Jin Gerlach

Giáo sư Gerlach, hiện là Trưởng bộ môn tin học kinh doanh về quản lý dữ liệu và thông tin tại đại học Passau, đặt các nghiên cứu của mình tại điểm giao thoa giữa tạo dựng giá trị dựa trên dữ liệu, số hóa và chuyển đổi tổ chức. Bài viết của ông, được xuất bản cùng Giáo sư Donald Lange vào đầu tháng 2 năm 2026 trên tạp chí Academy of Management Review, đã chỉ ra rằng công nghệ trí tuệ nhân tạo (AI) trong các tổ chức không chỉ mang lại hiệu quả mà còn có thể làm xói mòn giá trị chuyên môn của con người.

Vấn đề mang tính chiến lược cốt lõi: Các mô hình rồi sẽ lỗi thời, quy trình thay đổi và dữ liệu bị sai lệch; Khi cần đổi mới hệ thống, chính những năng lực chuyên môn từng bị mai một do quá trình tự động hóa trước đó, sẽ rất cần thiết.

Một vấn đề quản trị có tầm ảnh hưởng kinh tế tức thời
Đối với ngành công nghiệp, đây không còn là một lý thuyết trừu tượng mà là một vấn đề quản trị có tác động kinh tế trực tiếp. Khi các công việc như kiểm soát chất lượng, chẩn đoán, lập kế hoạch, dự báo và phân tích lỗi ngày càng được hệ thống AI đảm nhiệm, nhu cầu áp dụng kiến thức chuyên môn một cách chủ động trong nhiều vị trí công việc dần giảm bớt. Những gì tưởng chừng là sự gia tăng năng suất trong ngắn hạn có thể trở thành một “bẫy tri thức” trong trung hạn: nhân viên mất đi các kỹ năng thực hành thường nhật, đội ngũ kế cận không còn tiếp thu đầy đủ một số kỹ năng nhất định, và các chuyên gia dày dạn kinh nghiệm rời đi mà không kịp truyền thụ lại đầy đủ các kiến thức. Do đó, luận điểm của Giáo sưu Gerlach đã chuyển hướng cuộc tranh luận từ tư duy tự động hóa thuần túy sang câu hỏi: Làm thế nào các doanh nghiệp có thể đảm bảo năng lực học tập, kiểm soát và đổi mới trong dài hạn?

Chú trọng vào cấu trúc năng lực của doanh nghiệp
Góc nhìn này hiện đang nhận được sự ủng hộ mạnh mẽ từ các hướng nghiên cứu hiện đại khác. Đáng chú ý là một nghiên cứu do bộ phận Microsoft Research (thuộc tập đoàn Microsoft) công bố vào năm 2025 và được trình bày tại hội nghị CHI (hội nghị quốc tế trong lĩnh vực tương tác người – máy). Các nhà nghiên cứu đã phân tích hơn 300 nhân sự tri thức (knowledge worker) và gần 900 kịch bản sử dụng genAI (generative AI) (*) cụ thể. Kết quả cho thấy: Niềm tin vào genAI càng lớn thì mức độ tư duy phản biện được ghi nhận có xu hướng càng thấp; ngược lại, sự tự tin của khách hàng càng cao thì khả năng duy trì sự kiểm chứng khắt khe càng lớn. Ngoài ra, các tác giả cũng mô tả một sự chuyển dịch vai trò từ việc giải quyết vấn đề độc lập sang việc xác minh, tích hợp và giám sát. Đây là một điểm đáng lưu ý đối với các tổ chức công nghiệp vì nó củng cố bằng thực nghiệm cho ý tưởng cốt lõi của Giáo sư Gerlach: Khi nhân viên ngày càng ít tự mình giải quyết các vấn đề kỹ thuật mà chủ yếu chỉ xác nhận kết quả từ AI, thì không chỉ quy trình thay đổi mà ngay cả cấu trúc năng lực cốt lõi của doanh nghiệp cũng bị biến đổi.
(*) GenAI: là một nhánh của AI có khả năng tự động tạo ra nội dung mới hoàn toàn (văn bản, hình ảnh, âm thanh, mã lập trình) dựa trên dữ liệu đã học, thay vì chỉ phân tích dữ liệu có sẵn như AI truyền thống. Nó hoạt động dựa trên các mô hình ngôn ngữ lớn (LLM) và học sâu, nổi bật với khả năng sáng tạo và xử lý ngôn ngữ tự nhiên, ví dụ như chatGPT.

Công nghệ AI có thể vừa là thiết bị tăng tốc hiệu suất, vừa là rào cản học tập
Vấn đề này càng trở nên rõ nét hơn trong các nghiên cứu về giáo dục hiện nay. Một nghiên cứu của Hamsa Bastani và các cộng sự được công bố trên tạp chí PNAS vào năm 2025 cho thấy: genAI thực sự có thể giúp người học đạt năng suất cao hơn trong quá trình sử dụng, nhưng sự phát triển năng lực cá nhân sẽ bị ảnh hưởng nếu hệ thống được triển khai mà thiếu đi các biện pháp bảo vệ phù hợp. Phát hiện đáng chú ý nhất là khi ngắt quyền truy cập vào AI, hiệu suất làm việc của nhóm này đã giảm xuống thấp hơn cả mức của nhóm đối chứng (nhóm chưa từng được tiếp cận công cụ). Đây là một bài học quan trọng cho sự phát triển của ngành công nghiệp: không được nhầm lẫn các con số sản lượng cao trong ngắn hạn với việc xây dựng năng lực bền vững. Do đó, AI có thể vừa là “thiết bị tăng tốc” hiệu suất, vừa là “phanh hãm” việc học hỏi, điều này hoàn toàn củng cố cho lời cảnh báo của Giáo sư Gerlach về tình trạng xói mòn giá trị tri thức đang âm thầm diễn ra trong các doanh nghiệp.

Tái đánh giá giá trị của đội ngũ chuyên gia
Các cuộc hội thảo về việc ủy thác nhiệm vụ cho các tác nhân AI (agent AI) cũng chỉ ra cùng một hướng đi. Những nghiên cứu mới nhất năm 2026 nhấn mạnh rằng việc ủy thác chỉ vận hành ổn định ở những khâu mà kết quả có thể được xác minh một cách dễ dàng và tiết kiệm chi phí. Đối với các tác vụ khó kiểm chứng, có tính mở hoặc phụ thuộc cao vào ngữ cảnh, chuyên môn của con người vẫn đóng vai trò không thể thay thế; bởi nếu không, các sai sót sẽ bị phát hiện quá muộn hoặc phải tốn chi phí rất lớn để khắc phục. Đối với ngành công nghiệp, điều này ngụ ý rằng giá trị của các chuyên gia không hề giảm đi mà cần được định hướng lại, chuyển dịch từ việc chỉ xử lý các quy trình chuẩn hóa sang việc đưa ra phán quyết, xác thực, xử lý các trường hợp ngoại lệ và đổi mới hệ thống. Đây chính là lý do tại sao sự thất thoát tri thức lại nguy hiểm đến vậy. Nó không chỉ làm suy yếu lực lượng lao động vận hành doanh nghiệp mà còn ảnh hưởng đến khả năng vận hành AI một cách an toàn và kinh tế của doanh nghiệp trong dài hạn.

Doanh nghiệp cần các cấu hình tương tác giữa người và AI có tính linh hoạt cao
Các khung pháp lý và thực tiễn cũng chứng minh rằng góc nhìn này không chỉ dừng lại ở sự thận trọng mang tính học thuật. Ví dụ, quy định về quản lý rủi ro AI (AI risk management framework) của viện tiêu chuẩn và công nghệ quốc gia Mỹ (NIST – U.S. National institute of standards and technology), đã nhấn mạnh rõ ràng rằng các rủi ro từ AI phải được đo lường, giám sát và quản lý dưới trách nhiệm của con người trong suốt vòng đời của hệ thống. Chính vì bối cảnh triển khai, các tập dữ liệu và các dạng lỗi không bao giờ đứng yên, các doanh nghiệp cần những cấu hình tương tác giữa người và AI một cách vững chắc, đi kèm với trách nhiệm rõ ràng và một văn hóa truy vấn phản biện. Do đó, khía cạnh quản trị cũng gián tiếp xác nhận giả định cơ bản của Giáo sư Gerlach: Những đơn vị cắt giảm chuyên môn của con người quá mức sẽ không chỉ đánh mất bí quyết công nghệ, mà còn mất đi khả năng phát hiện kịp thời các hiện tượng sai lệch, mất cân đối và suy giảm chất lượng trong các hệ thống AI.

Bảo tồn kiến thức kinh nghiệm, năng lực chẩn đoán và cơ hội học tập
Công trình hiện tại của Giáo sư Jin Gerlach không hề đơn độc mà đang nằm tại điểm giao thoa nghiên cứu trọng yếu của quá trình chuyển đổi AI. Luận điểm của ông được củng cố bởi các phát hiện thực nghiệm về sự suy giảm tư duy phản biện, bởi các nghiên cứu học tập về sự xói mòn năng lực khi sử dụng AI, và bởi các khung quản trị về sự cần thiết của việc giám sát từ con người. Đối với các nhà điều hành trong ngành công nghiệp, điều này dẫn đến một kết luận rõ ràng: Các sáng kiến về AI không được đánh giá chỉ dựa trên mức độ tự động hóa và hiệu suất, mà phải xem xét đến toàn bộ cán cân tri thức. Những doanh nghiệp vừa gia tăng năng suất, vừa bảo tồn được kiến thức kinh nghiệm, năng lực chẩn đoán và các cơ hội học tập sẽ tạo dựng được khả năng phục hồi và thích ứng bền vững. Ngược lại, những doanh nghiệp chỉ đơn thuần thực hiện sự thay thế sẽ đối mặt với rủi ro mất đi những năng lực cốt lõi trong trung hạn, vốn giúp hệ thống AI của họ có thể vận hành hiệu quả trong tương lai.

Để xem các tin bài khác về “Trí tuệ nhân tạo”, hãy nhấn vào đây.

 

Nguồn: Hannover Messe