Bàn về xu hướng TỰ ĐỘNG HÓA 4.0: Tôi e rằng chúng ta đang tự động hóa công việc này mà không thực sự hiểu rõ về nó
Last updated: July 04, 2025 Xem trên toàn màn hình



- 04 Mar 2020
Kinh nghiệm lập dự toán chi phí dự án phần mềm theo phương pháp Man-Month 2188
- 26 Jul 2024
"Khổ tận cam lai" - Làm thế nào để chuyển hóa từ khổ thành sướng? 1924
- 12 Nov 2024
"Nhân tình thế thái" là gì? "Thời thế" là gì? 859
- 01 Jul 2023
Phương pháp Shuhari - Làm sao học ít hiểu nhiều? 629
- 01 Aug 2022
"Sponsored Content" là gì? Khác nhau giữa Sponsored Content và Native Advertising? 545
- 01 Feb 2022
Thách thức với doanh nghiệp chuyển đổi số trong thời đại VUCA 526
- 15 Apr 2023
Nghịch lý từ câu chuyện “một chén gạo dưỡng ơn, một đấu gạo gây thù” 459
- 01 Sep 2022
Thiên kiến xác nhận (Confirmation Bias) có phải là một dạng bảo thủ? 414
- 09 Aug 2022
Hiệu ứng “rắn hổ mang” (Cobra effect): Khi giải pháp trở thành vấn đề, tưởng vui lại hóa xui 377
- 15 Apr 2020
Phần mềm BPM là gì? So sánh với ERP và các phần mềm Workflows 348
- 03 Feb 2020
Sản phẩm OEM và ODM là gì? 339
- 18 Jul 2020
Lợi ích cận biên (Marginal Utility) là gì? Qui luật lợi ích cận biên giảm dần 336
- 04 Oct 2023
Authority bias (Thiên kiến uy quyền) là gì? 329
- 04 Sep 2020
IQ, EQ hay LQ quan trọng nhất trong thời đại 4.0? 324
- 01 Aug 2022
Đỉnh cao ứng xử của kẻ trí tuệ: Nhìn thấu không nói, biết người không bình, hiểu lý không tranh 292
- 12 May 2021
Các yêu cầu thay đổi (Change Requests) - nỗi ám ảnh của team dự án phần mềm 282
- 01 Mar 2024
Google thử nghiệm Search AI (Search Generative Experience - SGE) 281
- 01 Aug 2024
Infomercial - Chiến thuật "cô đọng" điều gì đó trong đầu người dùng 276
- 14 Aug 2022
Khác biệt giữa tiêu chí hoàn thành DOD (Definition of Done) với tiêu chí nghiệm thu (Acceptance Criteria) 276
- 08 Dec 2023
Giải mã bí mật của trò chơi vô hạn và hữu hạn 275
- 22 May 2022
Tư duy ngoài hộp (Thinking out of box) là gì? Tại sao quan trọng với sự phát triển của doanh nghiệp? 268
- 04 Jan 2023
Đánh giá nhân sự theo chuẩn người Nhật 236
- 08 Dec 2023
Hiệu ứng Barnum là gì? Hiệu ứng Barnum tốt hay xấu? 232
- 04 May 2024
Hiệu ứng FOMO trong phát triển phần mềm 210
- 17 Aug 2020
Mục tiêu dự án là gì? Làm thế nào để xác định mục tiêu? 186
- 01 Sep 2023
Định luật Goodhart và định luật Campbell - Nghịch lý về thành tích 170
- 03 Sep 2020
Hiệu ứng rắn hổ mang, Luật Goodhart, Campbell & Chuyện thi cử 166
- 14 May 2024
Chiến lược răng lược là gì? Làm thế nào để tận dụng chiến lược răng lược trong kinh doanh? 155
- 10 Sep 2024
Tại sao những thứ chúng ta muốn lại ít khi có được? 154
- 08 Mar 2022
Mô hình nguồn mở hoạt động ra sao? 153
- 02 Oct 2023
Ngôi Chùa Trăm Năm và Viên Gạch Vỡ: Bài Học Thấm Thía Về Lỗi Nhỏ Trong Bức Tranh Lớn 151
- 08 Mar 2020
Vì sao doanh nghiệp cần phải tạo Web bán hàng? 143
- 01 Sep 2020
Co-founder là gì? Vai trò của các Co-Founder khi lập nghiệp. 134
- 01 Apr 2022
Chi phí nhà thầu phụ chiếm bao nhiêu phần trăm gói thầu? 133
- 01 May 2023
[Tư vấn CNTT] Quản lý ngân sách CNTT cho doanh nghiệp 133
- 19 Jun 2024
Giải mã AI, ML và DL: Chìa khóa nắm bắt xu hướng chuyển đổi số 131
- 23 Aug 2024
Nghịch lý toán học chứng minh giới hạn của AI 131
- 19 Aug 2020
Lift & Shift - Phương pháp tối ưu dịch chuyển hệ thống phần mềm qua đám mây 130
- 16 Feb 2024
Nghịch lý của sự hoàn hảo: AI có thể quá tốt để sử dụng? 121
- 09 Jan 2025
10 Nghịch Lý Cuộc Sống Từ Phim Upstream (nghịch hành nhân sinh): Đối Mặt Rủi Ro Trong Thời Đại VUCA 121
- 17 Feb 2018
Hệ luỵ khi sử dụng Web Hosting từ nhà cung cấp kém chất lượng 118
- 11 Sep 2020
Nghịch lý kinh doanh tại Mỹ: Chăm sóc khách hàng không tốt, nhưng công ty lại lãi lớn 117
- 03 May 2024
AI Đàm Thoại (Conversational AI) – Cuộc Cách Mạng Công Nghệ Đầy Hứa Hẹn 113
- 18 Mar 2018
Dịch vụ Hosting cho Website là gì? Các lời khuyên chọn Hosting tốt nhất 110
- 21 Mar 2024
12 triết lý sống tối giản bạn nên biết 107
- 09 Feb 2021
Tầm nhìn là gì? Tí dụ minh họa cụ thể về tầm nhìn 104
- 15 Mar 2024
Tê liệt vì suy nghĩ quá nhiều (Analysis Paralysis) là gì? 103
- 03 Oct 2021
Khác biệt giữa thiết kế phần mềm và thiết kế công trình xây dựng 99
- 02 Aug 2024
Tổng hợp các câu nói động lực - chất xúc tác cho sự phát triển bản thân 91
- 27 Nov 2024
Ứng dụng AI theo dõi thu chi gây sốt vì 'mắng' người tiêu tiền 89
- 25 Apr 2018
Bảo hộ bản quyền phần mềm dưới khía cạnh sở hữu trí tuệ như thế nào? 87
- 09 Apr 2025
10 bẫy thao túng bạn có thể chưa biết 85
- 23 Apr 2025
Multimodal Agent AI – Cuộc cách mạng trong tương tác người – máy 58
- 03 Jul 2025
20 "NGHỊCH LÝ" NHƯNG "THUẬN LÝ" TRONG CUỘC SỐNG 5
- 02 Jul 2025
Doanh nghiệp đối diện CHI PHÍ ẨN khi không áp dụng "AI Agents": Lộ diện nguy cơ tụt hậu 2
Trí tuệ nhân tạo (AI) đang ngày càng xâm nhập sâu vào mọi lĩnh vực công việc, từ dịch vụ khách hàng đến y tế – thậm chí là những công cụ pop-up tự động khi bạn sao chép văn bản. Dù đôi khi hữu ích, nhưng AI cũng đang làm xói mòn cái gọi là “lao động kết nối” (connective labor) – một dạng công việc đòi hỏi sự thấu cảm, hiểu biết và hiện diện thực sự giữa con người với nhau. Giáo sư xã hội học Allison J. Pugh từ Đại học Johns Hopkins gọi đây là “công việc nhân văn cuối cùng” trong cuốn sách The Last Human Job.
Connective labor là loại lao động đòi hỏi sự hiện diện cảm xúc, sự thấu hiểu và phản hồi giữa người với người. Nó xuất hiện trong hàng triệu công việc: từ y tế, tư vấn, giáo dục cho đến luật, quảng cáo, quản lý, du lịch, thậm chí là an ninh. Khi chúng ta tự động hóa mà không hiểu rõ bản chất công việc này, chúng ta đang đe dọa nhân tính trong lao động.
- Lập luận phổ biến rằng AI sẽ “giải phóng” con người khỏi công việc tẻ nhạt để làm việc có ý nghĩa hơn là quá ngây thơ, đặc biệt trong môi trường xã hội và kinh tế thị trường hiện nay, nơi các doanh nghiệp có xu hướng cắt giảm nhân sự hơn là nâng cao chất lượng công việc.
- Lao động mang tính kết nối như giáo viên, bác sĩ, chuyên viên tư vấn… đang bị buộc phải thu thập dữ liệu thay vì tập trung vào con người, làm giảm giá trị của sự tương tác thật.
- Một ví dụ điển hình là một ứng dụng trị liệu dùng AI, trong đó “coach” không được đào tạo bài bản nhưng vẫn phải tiếp xúc với những chia sẻ sâu sắc từ người dùng, dẫn đến khủng hoảng cảm xúc và cảm giác bị “vô hình hóa”.
- Việc áp đặt yêu cầu thu thập dữ liệu khiến con người mất đi khả năng hiện diện thực sự. Ví dụ, một "chaplain" (mục sư bệnh viện) phải ghi chép tương tác với bệnh nhân vào ba hệ thống khác nhau, dù công việc chính của bà là kết nối cảm xúc chứ không phải ghi chép.
- Có những chatbot AI trả lời người mắc trầm cảm bằng câu “maybe the weather is affecting you” (có thể thời tiết đang ảnh hưởng đến bạn), hay đưa ra mẹo giảm cân cho người bị rối loạn ăn uống.
- Một trường hợp khác: một “coach” trong ứng dụng trị liệu CBT (Cognitive Behavioral Therapy) được trả lương thấp, không có bằng cấp chuyên môn, nhưng lại được khách hàng tin tưởng như một nhà trị liệu thật sự. Cô bị yêu cầu không thực hiện "counseling" (tư vấn), nhưng vẫn tiếp xúc thường xuyên với những câu chuyện đau thương mà không có công cụ hỗ trợ tâm lý.
-
Deskilling – phân nhỏ công việc chuyên môn rồi thuê lao động giá rẻ thực hiện.
-
Invisible labor – công việc cảm xúc bị vô hình hóa, không được công nhận.
-
Phải chứng minh mình là con người trong môi trường khách hàng quen với việc tương tác với máy móc.
- Công nghệ không trung lập, nó phản ánh văn hóa doanh nghiệp. Do đó, lãnh đạo cần đặt ra câu hỏi: Công nghệ có thúc đẩy hay làm suy yếu kết nối giữa con người với nhau?
- Hãy áp dụng “tiêu chí kết nối” (connection criteria) trước khi triển khai bất kỳ công nghệ nào: Liệu nó có giúp cải thiện sự gắn kết giữa nhân viên và khách hàng hay không?
- Những nhà lãnh đạo hiệu quả là người vẫn cố gắng đưa công nghệ vào tổ chức nhưng ưu tiên các mối quan hệ con người và tạo điều kiện cho nhân viên thực hành “lao động kết nối”.
- Mô hình phân loại (Triage model): AI xử lý những tình huống đơn giản, còn con người xử lý việc khó – nhưng dễ dẫn đến sự mệt mỏi.
- Mô hình bất bình đẳng (Inequality model): Người giàu được chăm sóc bởi con người, người nghèo phải tương tác với chatbot – gia tăng phân hóa xã hội.
- Mô hình nhị phân (Binary model): Cảm xúc thuộc về con người, lý trí giao cho máy – một sự phân chia không thực tế và có thể làm giảm chất lượng quyết định.
Chúng ta cần bảo vệ connective labor khỏi bị tự động hóa và xuống cấp do các chiến dịch "tối ưu hóa hiệu suất". AI nên được ứng dụng vào các lĩnh vực như nghiên cứu y học, dịch mã ngôn ngữ động vật, dự đoán thiên tai..., nhưng nên “giữ ranh giới”, tách khỏi các công việc đòi hỏi kết nối con người. Chúng ta không nên tự động hóa những công việc mà bản chất của nó là sự thấu cảm, lắng nghe và hiểu biết – những điều làm nên con người.