Trí tuệ nhân tạo (AI) hứa hẹn mang lại tốc độ. Điểm mấu chốt là phải hiểu rõ mình đang đẩy nhanh tiến độ điều gì. Trong một nghiên cứu được Polytechnique Insights công bố vào năm 2025, những người sử dụng ChatGPT để viết bài luận hoàn thành công việc nhanh hơn 60%, nhưng cũng cho thấy mức độ nỗ lực nhận thức liên quan giảm 32%; hơn nữa, 83% trong số họ không thể nhớ lại một đoạn văn vừa viết, theo phân tích do Polytechnique Insights công bố. Đối với một doanh nghiệp, đây không phải là một chi tiết mang tính học thuật. Đây là một tín hiệu hoạt động.
Khi một nhóm sử dụng trí tuệ nhân tạo (AI) để tạo báo cáo, tóm tắt, dự báo hoặc giải thích, hiệu quả có thể tăng lên nhanh chóng. Nhưng nếu việc sử dụng trở nên thụ động, công việc tư duy không biến mất. Nó chỉ chuyển sang hướng khác. Mọi người sẽ ít tự phân tích, ít kiểm tra và ít xây dựng lập luận của riêng mình hơn. Rủi ro không phải là “trở nên kém thông minh hơn”. Rủi ro là mất đi khả năng rèn luyện chính những kỹ năng cần thiết khi kết quả tự động mơ hồ, không đầy đủ hoặc đơn giản là sai.
Chính vì vậy, vấn đề “sự suy giảm kỹ năng tư duy phản biện do AI” đặc biệt thu hút sự quan tâm của các doanh nghiệp vừa và nhỏ (SME), các nhóm phân tích dữ liệu, ngành bán lẻ, tài chính và các bộ phận vận hành. Không cần phải từ bỏ AI. Điều cần thiết là thiết kế các quy trình làm việc giúp duy trì khả năng phán đoán của con người. Đó chính là nơi tạo ra lợi thế cạnh tranh thực sự.
Việc áp dụng trí tuệ nhân tạo (AI) trong doanh nghiệp thường được mô tả như một câu chuyện đơn thuần về năng suất: nhanh hơn, ít công việc thủ công hơn, tự động hóa nhiều hơn. Điều này chỉ đúng một phần. Vấn đề quan trọng hơn nằm ở chỗ khác: nếu AI đảm nhận các công việc trí óc thay cho đội ngũ, thì thực sự còn lại điều gì trong tổ chức?
Đối với một doanh nghiệp vừa và nhỏ (SME) của Ý, câu hỏi này có ý nghĩa quan trọng hơn vẻ bề ngoài. Các hoạt động như lập báo cáo, dự báo, phân loại, hỗ trợ ra quyết định và phân tích tổng hợp ngày càng được giao phó cho các hệ thống tạo sinh. Trong ngắn hạn, kết quả có vẻ tích cực. Tuy nhiên, trong trung hạn, một chi phí ít được nhận thấy có thể xuất hiện: đó là sự mất đi khả năng tự chủ trong việc hiểu rõ, kiểm chứng và bảo vệ một quyết định.
Chủ đềvề sự suy giảm kỹ năng tư duy phản biện do AI gây ra cần được hiểu như sau: không phải là một cuộc thập tự chinh chống lại công nghệ, mà là một thách thức về thiết kế tổ chức. Những doanh nghiệp thành công nhất sẽ không phải là những doanh nghiệp tự động hóa mọi thứ, mà là những doanh nghiệp có thể phân biệt rõ ràng giữa việc sử dụng AI để nâng cao năng lực và việc sử dụng AI để thay thế năng lực đó.
Một phần rủi ro liên quan đến trí tuệ nhân tạo (AI) không xuất phát từ những sai lầm nghiêm trọng. Nó xuất phát từ những quy trình hoạt động đủ tốt đến mức không còn bị đặt câu hỏi nữa.
Sự suy giảm khả năng tư duy phản biện do trí tuệ nhân tạo (AI) gây ra chính là điều này: sự suy yếu có chọn lọc của những kỹ năng chỉ có thể duy trì được nếu được rèn luyện liên tục. Chúng ta không nói đến sự suy giảm chung về trí thông minh. Chúng ta đang nói đến những khả năng rất cụ thể, có vai trò quyết định trong công việc quản lý và phân tích: đưa ra giả thuyết, so sánh các giải thích thay thế, kiểm tra những điểm mâu thuẫn, và bảo vệ một kết luận khi dữ liệu còn thiếu sót hoặc mơ hồ.
Đối với một doanh nghiệp vừa và nhỏ, câu hỏi quan trọng không phải là liệu trí tuệ nhân tạo (AI) có giúp tiết kiệm thời gian hay không. Câu hỏi quan trọng mang tính thực tiễn hơn: thời gian tiết kiệm được có được tái đầu tư vào việc ra quyết định sáng suốt hơn hay là quá trình ra quyết định đó bị loại bỏ hoàn toàn?
Đây chính là ranh giới thực sự quan trọng đối với hoạt động kinh doanh. Một đội ngũ tài chính sử dụng AI để làm sạch dữ liệu, sắp xếp lại các danh mục hoặc tóm tắt biên bản đang cắt giảm các công việc có giá trị trí tuệ thấp. Ngược lại, một đội ngũ yêu cầu AI phân tích các bất thường, đánh giá rủi ro và đề xuất quyết định cuối cùng lại đang chuyển giao cho máy móc phần công việc giúp xây dựng năng lực nội bộ.
Do đó, sự phân biệt có ý nghĩa ở đây không phải là “có hay không có AI”. Mà là việc sử dụng AI để hỗ trợ so với việc sử dụng AI để thay thế.
Sự khác biệt này chỉ có vẻ nhỏ nhặt trên giấy tờ. Trong thực tế, điều thay đổi chính là những gì tổ chức có thể tự mình thực hiện.
Sự suy giảm kỹ năng không bắt đầu khi một đội thường xuyên sử dụng AI. Nó bắt đầu khi họ ngừng thực hiện các bước suy luận trung gian.
Nếu mọi phân tích đều được trình bày sẵn theo thứ tự, kèm theo bình luận và được sắp xếp theo mức độ ưu tiên, người ta sẽ chỉ nhìn thấy kết quả mà ít khi thực hành quá trình dẫn đến kết quả đó. Theo thời gian, một số kỹ năng cần thiết để đưa ra đánh giá đáng tin cậy sẽ ít được rèn luyện hơn: phân tích vấn đề thành các phần nhỏ, phân biệt tín hiệu và nhiễu, tìm kiếm bằng chứng phản bác, và đánh giá sự đánh đổi giữa các lựa chọn không hoàn hảo.
Do đó, rủi ro không nằm ở chính việc trả lời tự động. Rủi ro nằm ở quy trình làm việc khiến đội ngũ quen với việc phê duyệt mà không xem xét lại lý do đằng sau quyết định đó.
Câu hỏi đúng đắn dành cho nhà quản lý rất đơn giản: Trong quy trình này, ai vẫn phải đưa ra đánh giá độc lập trước khi phê duyệt kết quả?
Việc sử dụng AI một cách thụ động không ảnh hưởng đến tất cả các kỹ năng như nhau. Những kỹ năng đầu tiên bị suy giảm là những kỹ năng đòi hỏi sự ma sát nhận thức, tức là quá trình tư duy chậm rãi, so sánh và có thể kiểm chứng.
Vấn đề không phải là loại bỏ trí tuệ nhân tạo. Vấn đề là không để nó thay thế chính phần công việc mà đội ngũ cần phải nghi ngờ, so sánh và kiểm chứng.
Các nghiên cứu hữu ích nhất hiện nay không nhằm mục đích ủng hộ quan điểm đơn giản hóa rằng trí tuệ nhân tạo (AI) “khiến con người trở nên ngu ngốc”. Chúng nhằm làm rõ một rủi ro cụ thể hơn đối với những người quản lý nhân sự và quy trình: khi tự động hóa nhận thức ngày càng phát triển, một bộ phận người dùng có xu hướng giao phó cho hệ thống không chỉ việc thực thi mà cả việc kiểm soát chất lượng.
Một ví dụ thường được nhắc đến trong cuộc tranh luận này là bài nghiên cứu của Microsoft Research về mối quan hệ giữa GenAI và tư duy phản biện, trong đó phân tích việc sử dụng thường xuyên các công cụ tạo sinh có liên quan như thế nào đến sự suy giảm khả năng đánh giá phản biện trong một số hoạt động đòi hỏi nhiều kiến thức chuyên sâu. Điều thú vị đối với một nhà quản lý không phải là công thức thống kê bản thân nó, mà là cơ chế tổ chức được bộc lộ qua đó: hệ thống càng tạo ra câu trả lời có vẻ hợp lý, thì càng dễ nhầm lẫn giữa tính hợp lý với tính đáng tin cậy.
Điều này làm thay đổi bản chất của các kỹ năng cần thiết. Giá trị không còn nằm ở những người tạo ra kết quả nhanh hơn, mà ở những người biết cách kiểm tra các giả định, giới hạn và điều kiện sử dụng. Đối với doanh nghiệp, vấn đề quan trọng nhất lại nằm ở chỗ khác. Việc áp dụng trí tuệ nhân tạo (AI) có thể giúp tăng năng suất trong ngắn hạn nhưng lại làm giảm khả năng chẩn đoán trong trung hạn, nếu quy trình làm việc không duy trì các bước kiểm tra rõ ràng.
Chính vì vậy, cuộc tranh luận có ý nghĩa nhất không chỉ xoay quanh sức mạnh của mô hình, mà còn về ảo tưởng về khả năng suy luận trong thế giới trí tuệ nhân tạo. Một kết quả thuyết phục có thể trông giống như suy nghĩ. Trong nhiều trường hợp, đó chỉ là sự tổng hợp ngôn ngữ khéo léo của những mẫu đã từng xuất hiện trước đó.
Một quy trình có xu hướng củng cố năng lực khi AI đưa ra kết quả, nhưng người dùng vẫn phải làm rõ các giả định, kiểm tra các trường hợp ngoại lệ có liên quan, so sánh ít nhất một phương án thay thế và giải thích lý do cho lựa chọn cuối cùng.
Một quy trình thường tiêu tốn nhiều thời gian và công sức khi người thực hiện phải đọc, chỉnh sửa và phê duyệt.
Sự khác biệt nằm ở chỗ đó. Không phải ở công cụ, mà là ở cách thiết kế công việc.
Một doanh nghiệp vừa và nhỏ được thiết kế tốt sẽ sử dụng trí tuệ nhân tạo (AI) để nâng cao chất lượng phán đoán, chứ không phải để loại bỏ hoàn toàn phán đoán đó.
Đối với một doanh nghiệp vừa và nhỏ, rủi ro hiếm khi chỉ là một vấn đề mang tính lý thuyết. Nó thường thể hiện dưới hình thức một quyết định được thông qua quá vội vàng, một dự báo mà không ai thực sự xem xét kỹ lưỡng, hay một bảng điều khiển định hướng ngân sách mà không có cuộc thảo luận thực sự về các trường hợp ngoại lệ. Chi phí phải trả không chỉ là một sai lầm đơn lẻ. Đó là sự suy giảm dần dần khả năng của đội ngũ trong việc nhận ra tại sao một quyết định lại đúng đắn, mong manh hay sai lầm.
Điểm mấu chốt nằm ở chỗ này. Trí tuệ nhân tạo (AI) không làm suy giảm các kỹ năng một cách đồng đều. Nó củng cố các kỹ năng đó khi đẩy nhanh quá trình phân tích đồng thời vẫn giữ cho các giả thuyết, giới hạn và phương án thay thế được hiển thị rõ ràng. Ngược lại, nó làm suy giảm các kỹ năng khi đưa ra kết luận sẵn có, khiến công việc của con người chỉ còn giới hạn ở việc phê duyệt, hoàn thiện và chuyển tiếp.
Một người phụ trách thương mại điện tử nhận được dự báo doanh số do hệ thống trí tuệ nhân tạo (AI) tạo ra. Con số cuối cùng có vẻ phù hợp với xu hướng gần đây, nên được sử dụng để lập kế hoạch đặt hàng lại, các chương trình khuyến mãi và phân bổ ngân sách quảng cáo. Vấn đề chỉ bộc lộ sau đó. Mô hình này có thể đã tính đến một đợt tăng đột biến tạm thời do một chiến dịch không thể lặp lại, hoặc đã phân tích sai lệch về sự kết hợp giữa các kênh, tỷ suất lợi nhuận và tốc độ luân chuyển hàng hóa của một số danh mục sản phẩm.
Trong những trường hợp này, đội ngũ không thất bại vì thiếu sự chuẩn bị. Họ thất bại vì quy trình này coi trọng tốc độ phê duyệt hơn là chất lượng của quá trình thẩm định.
Hậu quả về mặt hoạt động là ngay lập tức:
Đối với một doanh nghiệp lớn, những sai lầm này có thể được khắc phục. Đối với một doanh nghiệp vừa và nhỏ, chúng có thể làm suy giảm dòng tiền, lợi nhuận và khả năng ứng phó chỉ trong vòng một quý.
Trong lĩnh vực tài chính và báo cáo rủi ro, vấn đề phức tạp hơn. Một nhà phân tích sử dụng báo cáo được hỗ trợ bởi trí tuệ nhân tạo (AI) để chuẩn bị cho một cuộc kiểm tra tuân thủ hoặc bản tóm tắt rủi ro. Tài liệu này chỉ ra các mẫu, các trường hợp ngoại lệ và các ưu tiên. Nhà phân tích nhanh chóng kiểm tra cấu trúc, từ vựng và tính nhất quán bề ngoài, sau đó chuyển tài liệu cho người phụ trách.
Rủi ro không chỉ liên quan đến độ chính xác của dữ liệu. Nó còn liên quan đến thứ tự ưu tiên trong việc chú ý. Nếu kết quả đầu ra của mô hình đã quyết định trước điều gì là quan trọng, người đọc sẽ có xu hướng chú ý kỹ hơn đến những phần được làm nổi bật và ít chú ý hơn đến những phần bị bỏ qua. Trong nhiều quy trình, những trường hợp ngoại lệ gây tốn kém nhất chính là những trường hợp nằm ngoài mô hình chủ đạo.
Một phân tíchdo Trung tâm Sức khỏe và Hạnh phúc (IE Center for Health and Well-being) công bốvề tác động nhận thức của trí tuệ nhân tạo (AI) đã nêu lên một điểm đáng lưu ý trong bối cảnh doanh nghiệp: việc sử dụng AI thường xuyên mà thiếu bối cảnh và sự giám sát có thể làm giảm khả năng tư duy phản biện và gia tăng sự phụ thuộc vào các lối tắt nhận thức như thiên lệch tự động hóa (automation bias) và việc chấp nhận một cách thụ động các kết quả đầu ra. Vì vậy, trong các quy trình có tác động lớn, cần có các bước kiểm tra thủ công kỹ lưỡng và các giao diện giúp hiển thị nguồn thông tin, mức độ tin cậy và các lĩnh vực không chắc chắn.
Khi hệ thống đưa ra các lập luận một cách có hệ thống, nhóm có thể ngừng tìm kiếm những thông tin không xuất hiện.
Các nhà quản lý có thể nhận ra vấn đề trước khi nó trở thành vấn đề mang tính hệ thống. Những dấu hiệu hữu ích nhất không phải là về mặt kỹ thuật, mà là về mặt hành vi.
Đây là yếu tố quyết định phần lớn khả năng cạnh tranh của các doanh nghiệp vừa và nhỏ. Việc áp dụng AI một cách chín chắn không phải là tự động hóa càng nhiều bước càng tốt. Mà là phân biệt những bước mà máy móc có thể đẩy nhanh quá trình phân tích với những bước mà con người phải chịu trách nhiệm về việc đánh giá, diễn giải và ra quyết định. Một tài liệu tham khảo hữu ích về mặt tổ chức là bài viết của ELECTE về việc xây dựng các đội ngũ làm việc hiệu quả với các quy trình làm việc được hỗ trợ bởi trí tuệ nhân tạo.
Việc giảm thiểu rủi ro hiệu quả bắt đầu từ một quyết định về thiết kế quản lý. Mục tiêu không phải là tăng số lượng nhiệm vụ giao cho AI, mà là bảo vệ những khâu trong quy trình nơi diễn ra quá trình ra quyết định. Đối với các doanh nghiệp vừa và nhỏ, rủi ro thực sự không phải là việc sử dụng AI quá nhiều, mà là sử dụng nó ở những giai đoạn không phù hợp, đến mức biến những nhân viên có năng lực thành những người chỉ đơn thuần xác nhận kết quả đầu ra.
Do đó, một chiến lược hữu ích là phân biệt hai cách sử dụng hoàn toàn khác nhau. Cách thứ nhất giúp tăng tốc độ mà không làm giảm chất lượng của quá trình suy luận. Cách thứ hai giúp giảm bớt gánh nặng nhận thức trong ngắn hạn, nhưng lại làm suy yếu khả năng của đội ngũ trong việc phân tích các trường hợp mơ hồ, các trường hợp ngoại lệ và các sự đánh đổi. Chính vì vậy, câu hỏi đúng không phải là “chúng ta có thể tự động hóa ở đâu?”. Mà là “ở những bước nào thì tự động hóa có thể cải thiện công việc mà không làm mất đi giá trị chuyên môn?”.
Trụ cột thứ nhất: Chính sách sử dụng có trách nhiệm
Một chính sách nghiêm túc phải quy định rõ ràng các trách nhiệm cụ thể. Chính sách này cần làm rõ những quyết định nào có thể được AI hỗ trợ, những quyết định nào cần được xem xét kỹ lưỡng và những quyết định nào tuyệt đối không được ủy quyền. Ngoài ra, cũng cần xác định các yêu cầu tối thiểu về tính minh bạch: các giả định được sử dụng, dữ liệu thiếu sót, quá trình kiểm tra đã thực hiện và tên của người chịu trách nhiệm về quyết định cuối cùng. Nhờ đó, việc giám sát sẽ không còn mang tính ngầm định.
Trụ cột thứ hai: Tái thiết kế quy trình làm việc
Đây chính là lúc quyết định xem AI sẽ củng cố hay làm suy yếu đội ngũ. Một quy trình làm việc được thiết kế tốt sẽ tận dụng hệ thống để tạo ra các phương án, phát hiện các bất thường, mô phỏng các kịch bản và kiểm chứng các giả định ban đầu. Ngược lại, một quy trình làm việc kém hiệu quả lại trực tiếp yêu cầu một kết luận sẵn có. Sự khác biệt về mặt vận hành là rất rõ ràng: trong trường hợp đầu tiên, nhân viên phải phân tích và đánh giá; trong trường hợp thứ hai, họ chỉ cần phê duyệt.
Trụ cột thứ ba: Đào tạo định hướng phân tích
Chỉ đào tạo cách sử dụng công cụ là chưa đủ. Cần huấn luyện đội ngũ để kiểm tra các điều kiện hợp lệ, giới hạn của mô hình, mâu thuẫn với dữ liệu nội bộ và các giải thích thay thế. Điều này càng đúng hơn đối với các vị trí cấp dưới. Một phương pháp hữu ích là lồng ghép các hoạt động học tập thông qua khám phá vào quy trình làm việc, trong đó người học tự mình thực hiện phân tích ban đầu trước khi đối chiếu với hệ thống.
Trụ cột thứ tư: Theo dõi quá trình ra quyết định
Chỉ riêng các chỉ số năng suất là chưa đủ. Nếu một nhóm hoàn thành công việc nhanh hơn nhưng lại đưa ra ít giả thuyết độc lập hơn, thì sự cải thiện đó chỉ mang tính bề ngoài. Các nhà quản lý nên chú ý đến các chỉ số cụ thể: số lượng kịch bản thay thế được thảo luận, chất lượng của các giải thích, tần suất phản biện có căn cứ đối với kết quả do AI đưa ra, cũng như khả năng nhận diện các trường hợp ngoại lệ mà không cần sự hỗ trợ.
Vấn đề nhạy cảm nhất liên quan đến những người vẫn đang xây dựng phương pháp làm việc của mình. Đối với một chuyên gia cấp cao, trí tuệ nhân tạo (AI) thường được tích hợp vào các cấu trúc nhận thức đã được hình thành sẵn. Trong khi đó, đối với một nhân viên mới vào nghề, AI có thể chiếm lĩnh không gian đó ngay cả trước khi các tiêu chí cá nhân của họ được củng cố.
Điều này thay đổi cách thức mà các doanh nghiệp vừa và nhỏ (SME) nên tổ chức quá trình tiếp nhận nhân viên mới, hướng dẫn và đánh giá. Nếu nhân viên mới sử dụng trí tuệ nhân tạo (AI) để đưa ra câu trả lời quá sớm, người quản lý sẽ thấy tốc độ thực hiện nhanh chóng nhưng lại mất đi khả năng nắm bắt quá trình tư duy đằng sau đó. Đây là một rủi ro về mặt vận hành, không chỉ đơn thuần là vấn đề đào tạo. Sau vài tháng, đội ngũ có thể phải đối mặt với tình huống nhân viên chỉ có thể cung cấp kết quả chấp nhận được trong các tình huống tiêu chuẩn, nhưng lại gặp khó khăn ngay khi vấn đề vượt ra ngoài kịch bản đã định sẵn.
Để giảm thiểu rủi ro này, nên áp dụng các quy tắc đơn giản và có thể kiểm chứng:
Một tổ chức trưởng thành không chỉ đánh giá mức độ nhanh chóng mà một nhân viên mới hoàn thành công việc. Họ đánh giá xem người đó có đang xây dựng những năng lực sẽ vẫn hữu ích ngay cả khi kết quả tự động bị sai sót, thiếu sót hoặc gây hiểu lầm hay không.
Chất lượng của một quy trình làm việc tích hợp AI phụ thuộc vào một lựa chọn thiết kế: sử dụng hệ thống để đưa ra kết quả cuối cùng hay để nâng cao chất lượng đánh giá của con người. Đối với một doanh nghiệp vừa và nhỏ, sự khác biệt này quan trọng hơn cả công cụ được lựa chọn, bởi nó quyết định liệu đội ngũ sẽ tích lũy được kinh nghiệm đánh giá hay trở nên phụ thuộc vào hệ thống.
Trong cuộc tranh luận về trí tuệ nhân tạo (AI), khía cạnh thường ít được hiểu nhất chính là khía cạnh vận hành. Rủi ro không xuất phát từ việc tự động hóa bản thân. Nó nảy sinh từ thời điểm một người ngừng đưa ra giả thuyết, so sánh các phương án thay thế và kiểm chứng các giả định, bởi vì hệ thống đã đưa ra kết luận sẵn. Bài viết của ANSI về mối quan hệ giữa AI và tư duy phản biện đã nhấn mạnh chính điểm mấu chốt này: tác động của AI thay đổi tùy thuộc vào cách nó được tích hợp vào quá trình ra quyết định.
Vì vậy, tiêu chí hữu ích để thiết kế các luồng công việc một cách hiệu quả không phải là “có AI” hay “không có AI”. Mà là “sử dụng có sự hỗ trợ” so với “sử dụng thay thế”.
| Hoạt động | Quy trình làm việc tiềm ẩn rủi ro (sử dụng thay thế) | Quy trình làm việc nâng cao (có hướng dẫn) |
|---|---|---|
| Phân tích tiếp thị | Trí tuệ nhân tạo (AI) soạn thảo báo cáo cuối cùng của chiến dịch, còn chuyên viên tiếp thị chỉ cần rà soát lại giọng điệu và hình thức | Trí tuệ nhân tạo (AI) phát hiện các bất thường, các cụm dữ liệu bất ngờ và đưa ra các giả thuyết khả thi. Chuyên viên tiếp thị sẽ kiểm tra, phân tích và đưa ra kết luận. |
| Dự báo chuỗi cung ứng | Hệ thống tạo ra một đề xuất sắp xếp lại sẵn sàng để phê duyệt | Hệ thống mô phỏng các kịch bản khác nhau. Người quản lý so sánh chi phí, các hạn chế và khả năng hết hàng |
| Báo cáo quản lý | Trí tuệ nhân tạo (AI) tổng hợp một báo cáo kết luận dành cho ban lãnh đạo | Bộ phận AI soạn thảo một bản nháp, trong đó nêu rõ các giả định và những điểm chưa rõ ràng. Người quản lý sẽ xác nhận, điều chỉnh hoặc từ chối |
| Giải quyết vấn đề trong thực tiễn | Người dùng đang tìm kiếm giải pháp tốt nhất | Người dùng yêu cầu các phương án, sự đánh đổi, các trường hợp ngoại lệ và các bước kiểm tra cần thực hiện trước khi đưa ra quyết định |
Sự khác biệt có vẻ rất nhỏ. Nhưng xét về mặt năng lực, thì không phải vậy.
Một nhà phân tích tiếp thị nhận được báo cáo gần như hoàn chỉnh từ AI sẽ làm việc nhanh hơn, nhưng lại ít rèn luyện được kỹ năng tạo ra giá trị lâu dài: đó là khả năng xác định liệu sự sụt giảm tỷ lệ chuyển đổi có phải do chiến lược nhắm mục tiêu, nội dung sáng tạo, yếu tố mùa vụ hay chất lượng khách hàng tiềm năng hay không. Ngược lại, nếu sử dụng AI để phát hiện các mẫu bất thường, các phân khúc cần tập trung và dữ liệu còn thiếu, hệ thống sẽ trở thành công cụ thúc đẩy quá trình phân tích, chứ không phải là sự thay thế cho tư duy phân tích.
Điều này cũng áp dụng trong chuỗi cung ứng. Một nhà quản lý phê duyệt một đề xuất đặt hàng lại có vẻ hợp lý nhưng thiếu minh bạch có thể sẽ nhận ra quá muộn rằng mô hình đó đã không tính đến một hạn chế thực tế, chẳng hạn như thời gian giao hàng không ổn định hoặc một chương trình khuyến mãi sắp diễn ra. Một quy trình được thiết kế tốt sẽ sử dụng trí tuệ nhân tạo (AI) để tạo ra các kịch bản, chứ không phải để đưa ra quyết định cuối cùng. Công việc của con người tập trung vào việc xác định ưu tiên, xử lý các trường hợp ngoại lệ và quản lý rủi ro vận hành.
Ở đây, một tiêu chí quản lý ít được đề cập đến đã nổi lên. Một quy trình làm việc hiệu quả không chỉ giúp rút ngắn thời gian thực hiện. Nó còn giúp làm rõ điểm khởi đầu của quá trình ra quyết định.
Có ba nguyên tắc giúp xây dựng các quy trình như vậy:
Đối với các đội ngũ mong muốn phát triển mà không biến AI thành một lối tắt nhận thức, việc quay trở lại các nguyên tắccủa học tập qua khám phá là điều đáng làm. Khi áp dụng vào các quy trình làm việc trong doanh nghiệp, điều này có nghĩa là thiết kế các tương tác sao cho hệ thống mở rộng phạm vi các câu hỏi và kiểm tra, thay vì giới hạn chúng quá sớm.
Đến đây, hướng đi đã rõ ràng. Bạn không cần phải lựa chọn giữa năng suất và khả năng suy luận. Bạn cần thiết kế một hệ thống mà trong đó năng suất không âm thầm làm suy giảm khả năng phán đoán nội tại.
Xác định những nhiệm vụ mà đội ngũ giao phó quá sớm
Xem báo cáo, dự báo, tóm tắt và phân loại. Hãy tự hỏi xem ở đâu AI đã đưa ra câu trả lời cuối cùng và ở đâu nó vẫn chỉ hỗ trợ quá trình suy luận.
Phân loại các quy trình làm việc theo mức độ ảnh hưởng đến quyết định
Các hoạt động có tác động lớn phải có sự kiểm tra rõ ràng của con người, so sánh với các tiêu chuẩn nội bộ và lưu lại các giả định.
Thiết kế lại các lời nhắc và yêu cầu ch
. Thay vì hỏi “cho tôi kết luận”, hãy hỏi “hãy đưa ra ba giả thuyết”, “chỉ ra những điểm bất thường”, “chỉ ra những gì còn thiếu”, “đề xuất các kịch bản thay thế”.
Hãy huấn luyện đội ngũ để họ có thể giải thích lý do tại sao
Mọi kết quả quan trọng đều phải được người trình bày bảo vệ bằng lời nói. Nếu điều này không xảy ra, quy trình đó đang tạo ra sự phụ thuộc.
Bảo vệ lộ trình phát triển của các học viên trẻ
Đối với các em nhỏ, việc sử dụng trí tuệ nhân tạo (AI) cần có cấu trúc rõ ràng hơn. Hạn chế việc thay thế trực tiếp, thay vào đó tăng cường các bài tập có hướng dẫn nhằm kiểm tra, so sánh và lập luận.
Hãy khen thưởng những nghi ngờ có cơ sở
Nếu một tổ chức chỉ khuyến khích tốc độ và tiến độ hoàn thành, đội ngũ sẽ sử dụng trí tuệ nhân tạo (AI) để hoàn tất công việc. Nếu tổ chức đó cũng khen thưởng chất lượng phân tích, những hành vi hoàn toàn khác biệt sẽ xuất hiện.
Một doanh nghiệp biết tận dụng trí tuệ nhân tạo (AI) một cách hiệu quả sẽ không tạo ra sự phụ thuộc. Thay vào đó, nó giúp con người suy luận tốt hơn, nhanh hơn và có cái nhìn toàn diện hơn. Đó chính là sự khác biệt giữa tự động hóa dễ bị tổn thương và lợi thế cạnh tranh bền vững.
Nếu bạn muốn sử dụng trí tuệ nhân tạo (AI) để đẩy nhanh quá trình ra quyết định mà vẫn đảm bảo tính minh bạch và khả năng phân tích, hãy tìm hiểu cách ELECTE – một nền tảng phân tích dữ liệu dựa trên AI dành cho các doanh nghiệp vừa và nhỏ – hỗ trợ các đội ngũ biến dữ liệu thô thành những thông tin dễ hiểu, có thể kiểm chứng và mang tính ứng dụng cao. Đối với những ai mong muốn phát triển mà không để máy móc thay thế khả năng phán đoán của con người, đây là một điểm khởi đầu lý tưởng.
.svg)
.svg)
.svg)
