Trong bối cảnh hàng loạt công ty đã triển khai các công cụ AI như GitHub Copilot, ChatGPT Enterprise hay Claude, một nghịch lý đang nổi lên: nhân viên trở nên hiệu quả hơn rõ rệt, nhưng tổ chức lại gần như không thu được tri thức nào từ những cải thiện đó. Theo Ethan Mollick, giáo sư tại Wharton và là chuyên gia hàng đầu về AI trong tổ chức, đây chính là giai đoạn "messy middle" (khoảng giữa lộn xộn) của quá trình áp dụng AI.
Hiệu suất cá nhân tăng vọt, lợi ích tập thể vẫn bằng không
Mollick chỉ ra rằng, khi mỗi nhân viên có một AI "riêng" để viết code, phân tích dữ liệu hay tự động hóa quy trình, thì công ty đang đầu tư vào license (giấy phép) chứ không đầu tư vào quy trình học tập của tổ chức. Một kỹ sư có thể dùng Claude Code để phân tích nguyên nhân gốc rễ trong một giờ thay vì hai tuần, nhưng kiến thức đó ở lại trong đầu người đó, không lan ra team. Một nhóm support âm thầm chuyển các ticket định kỳ thành quy trình tự động, nhưng bộ phận Center of Excellence (Trung tâm Xuất sắc) chưa bao giờ đặt đúng câu hỏi.
Khoảng cách giữa phát hiện và học tập có hệ thống
Không giống như các đợt triển khai công nghệ trước đây (như ERP hay CRM), AI cho phép mỗi cá nhân tìm ra cách sử dụng riêng biệt và khép kín. Mollick đề xuất mô hình "Leadership, Lab, and Crowd" để giải quyết vấn đề này: Lãnh đạo cần định hướng và cho phép, nhóm Lab (phòng thí nghiệm) thử nghiệm có chủ đích, còn Crowd (đám đông) khám phá các use case. Điều thiếu hiện nay là cơ chế để chuyển những phát hiện từ một người thành năng lực của toàn đội ngũ.
Điều này có ý nghĩa gì với người dùng thường?
Nếu công ty của bạn có Copilot mà bạn không cảm thấy đồng nghiệp xung quanh cùng tiến bộ, đó không phải lỗi của AI. Đó là vì tổ chức chưa thiết kế quy trình để "học" từ AI. Trong tương lai, các startup hoặc giải pháp công nghệ tập trung vào việc kết nối các phát hiện cá nhân thành tri thức tập thể sẽ là chìa khóa. Đây cũng là cơ hội cho Việt Nam: với đội ngũ kỹ sư trẻ và nhanh nhạy, việc xây dựng văn hóa học tập từ AI có thể trở thành lợi thế cạnh tranh.
