#AI-001: Khi AI có thể làm công việc của bạn, bạn sẽ làm gì tiếp theo?

Có lẽ điều đáng sợ không phải là AI ngày càng giỏi hơn. Điều đáng sợ hơn là chúng ta vẫn tiếp tục làm công việc của mình theo cách cũ. AI đang thay đổi thế giới nhanh đến mức đôi khi chúng ta chưa kịp hiểu chuyện gì đang xảy ra.

Một nhân viên văn phòng có thể dùng AI để viết một email trong vài giây. Một người làm marketing có thể tạo hàng chục ý tưởng quảng cáo trong vài phút. Một lập trình viên có thể yêu cầu AI viết code. Một sinh viên có thể nhờ AI tóm tắt cả một cuốn sách. Một người không biết ngoại ngữ có thể dịch một tài liệu gần như ngay lập tức.

Những công việc từng cần hàng giờ, thậm chí hàng ngày, giờ đây có thể hoàn thành trong vài phút. Ban đầu, điều đó thật tuyệt vời. Nhưng rồi một câu hỏi khó chịu xuất hiện:

Nếu AI có thể làm ngày càng nhiều công việc của tôi, một ngày nào đó tôi còn cần thiết nữa không?

Đó có lẽ là một trong những câu hỏi lớn nhất mà rất nhiều người sẽ phải đối mặt trong những năm tới. Nhưng tôi nghĩ có thể chúng ta đang đặt sai câu hỏi.

Quay lại quá khứ, khi một công cụ mới xuất hiện

Ngày xửa ngày xưa, người nông dân phải đào đất bằng cuốc và xẻng. Rồi máy xúc xuất hiện. Nếu người nông dân khi đó nhìn chiếc máy xúc và nghĩ:

“Mình phải học cách đào đất nhanh hơn.”

thì đó gần như chắc chắn là một cuộc cạnh tranh không thể thắng. Một chiếc máy có thể làm công việc đó trong vài giờ mà rất nhiều người phải làm trong nhiều ngày. Nhưng con người không biến mất khỏi công trường.

Công việc của họ thay đổi. Có người vận hành máy. Có người thiết kế công trình. Có người khảo sát địa chất. Có người lập kế hoạch. Có người tính toán chi phí. Có người quyết định phải xây cái gì và tại sao phải xây nó.

Máy móc không chỉ thay thế một số công việc. Nó đẩy con người sang những công việc khác. AI có thể đang tạo ra một sự dịch chuyển tương tự, chỉ khác một điều:

Lần này, chiếc máy không thay thế sức mạnh của đôi tay. Nó đang bắt đầu thay thế một phần công việc của bộ não. Và có lẽ vì thế chúng ta cảm thấy bất an hơn rất nhiều.

Chọn việc AI chưa làm được không phải là một chiến lược

Giả sử hôm nay công việc của bạn có 10 phần. AI làm được 2 phần. Bạn nghĩ: Không sao. Mình vẫn còn 8 phần. Một vài năm sau, AI làm được thêm 3 phần nữa. Bạn chuyển sang những phần còn lại. Nhưng nếu AI tiếp tục tiến bộ thì sao? Chúng ta sẽ tiếp tục chạy?

AI làm được A → Con người chuyển sang B
↓
AI làm được B → Con người chuyển sang C
↓
AI làm được C → ?

Nếu chiến lược của chúng ta là:

“Tôi sẽ tìm những việc AI chưa làm được.”

thì chúng ta đang đặt tương lai của mình vào một giả định rất nguy hiểm: AI sẽ dừng lại ở đâu đó. Không ai biết điều đó. Vì vậy, tôi muốn thử đặt một câu hỏi khác:

Thay vì tìm cách tách biệt với AI, liệu chúng ta có thể học cách tiến lên cùng AI không?

Có hai cách sử dụng AI

Hãy tưởng tượng hai người cùng làm một công việc.

Người thứ nhất:

Sử dụng AI để làm những gì mình vẫn làm trước đây, nhưng nhanh hơn. Trước đây viết một báo cáo mất 3 giờ → Bây giờ mất 30 phút. Trước đây làm một bài thuyết trình mất 1 ngày → Bây giờ mất 2 giờ. Đó là một bước tiến lớn. Nhưng có một vấn đề. Nếu giá trị duy nhất của người đó là tạo ra báo cáo, đến một lúc nào đó tổ chức có thể đặt câu hỏi:

Nếu AI đã làm gần hết báo cáo, tại sao chúng ta vẫn cần nhiều người làm việc này?

Người thứ hai:

Cũng sử dụng AI nhưng sau khi AI giúp anh ta hoàn thành báo cáo nhanh hơn, anh ta không dùng thời gian còn lại để tạo thêm 10 báo cáo. Anh ta hỏi:

Báo cáo này dùng để làm gì?

Rồi:

Người đọc thực sự cần biết điều gì?

Rồi:

Tại sao con số này đang giảm?

Rồi:

Nó có liên quan đến bộ phận khác không?

Rồi:

Nếu xu hướng này tiếp tục 6 tháng nữa thì chuyện gì xảy ra?

Và cuối cùng:

Có vấn đề nào lớn hơn mà chúng ta chưa nhìn thấy không?

Hai người đều dùng AI. Nhưng AI đang làm hai việc hoàn toàn khác nhau.

Với người thứ nhất:

AI giúp làm việc cũ nhanh hơn.

Với người thứ hai:

AI giải phóng thời gian để suy nghĩ về những vấn đề lớn hơn. Sự khác biệt này, theo tôi, sẽ ngày càng quan trọng.

Đừng chỉ hỏi “Làm thế nào?”

Phần lớn chúng ta được đào tạo để trả lời câu hỏi:

Làm thế nào?

Làm thế nào để hoàn thành công việc này?
Làm thế nào để bán sản phẩm này?
Làm thế nào để viết báo cáo này?
Làm thế nào để tăng doanh thu?
Làm thế nào để học ngoại ngữ?
Làm thế nào để kiếm nhiều tiền hơn?

Đây đều là những câu hỏi cần thiết. Nhưng AI đặc biệt giỏi với loại câu hỏi này. Hãy thử hỏi một AI bất kỳ:

“Làm thế nào để tôi học tiếng Anh?”

Trong vài giây, bạn có thể nhận được một kế hoạch khá chi tiết. Nhưng chúng ta quên những câu hỏi thiết yếu nằm trước câu hỏi “làm thế nào”. Ví dụ:

Tại sao tôi muốn học tiếng Anh?
Để thi chứng chỉ?
Để đi du lịch?
Để làm việc ở môi trường quốc tế?
Để đọc tài liệu chuyên môn?
Để giao tiếp?
Để thay đổi nghề nghiệp?

Mỗi câu trả lời tạo ra một kế hoạch học tập hoàn toàn khác nhau. Nếu chúng ta chưa hiểu câu hỏi đó mà đã lao vào hỏi:

“Làm thế nào để học tiếng Anh hiệu quả?”

có thể chúng ta sẽ nhận được một câu trả lời rất tốt... ...cho một câu hỏi sai.

AI làm cho việc đặt đúng câu hỏi quan trọng hơn trước

Trước đây, để có một câu trả lời là rất tốn kém.

Chúng ta phải tìm tài liệu.
Đọc sách.
Hỏi chuyên gia.
Thử nghiệm.
Sửa.
Làm lại.

Ngày nay, AI có thể tạo ra rất nhiều câu trả lời với chi phí cực thấp. Và điều đó tạo ra một nghịch lý: Khi câu trả lời trở nên rẻ hơn, câu hỏi trở nên giá trị hơn.

AI có thể giúp chúng ta giải rất nhanh:

“Làm thế nào để tăng số giờ làm việc hiệu quả?”

Nhưng có lẽ câu hỏi đúng lại là:

“Tại sao tôi phải làm việc nhiều đến vậy?”

AI có thể giúp:

“Làm thế nào để kiếm thêm tiền?”

Nhưng câu hỏi lớn hơn có thể là:

“Tôi thực sự cần bao nhiêu tiền và tôi phải đánh đổi điều gì để kiếm thêm tiền?”

AI có thể giúp:

“Làm thế nào để nhân viên làm việc năng suất hơn?”

Nhưng có thể vấn đề thực sự là:

“Tại sao tổ chức lại tạo ra quá nhiều công việc không cần thiết?”

AI có thể giúp một sinh viên hoàn thành bài tập. Nhưng câu hỏi quan trọng hơn có thể là:

“Sau khi AI làm bài tập này, tôi đã thực sự học được gì?”

AI có thể đưa ra câu trả lời cho tất cả những câu hỏi ấy. Nhưng con người phải nhận ra rằng câu hỏi đó có đúng vấn đề mà bạn muốn giải hay không.

Từ làm công việc đến hiểu công việc

Có lẽ trong nhiều năm, chúng ta đã quen nhìn công việc như một chuỗi nhiệm vụ.

Nhận việc → Làm việc → Hoàn thành
↓
Nhận việc tiếp theo → Làm việc → Hoàn thành
↓
...

AI đang làm cho rất nhiều bước trong vòng lặp này nhanh hơn. Và phản ứng tự nhiên của chúng ta là:

Tuyệt! Bây giờ mình có thể làm nhiều việc hơn. Nhưng đây cũng có thể là một cái bẫy. Nếu một công cụ giúp chúng ta làm việc nhanh gấp 5 lần và kết quả cuối cùng là chúng ta nhận nhiều việc hơn gấp 5 lần, thì có lẽ công nghệ đã tiến bộ nhưng cuộc sống của chúng ta chưa chắc đã tiến bộ.

Nhưng chúng ta có một lựa chọn khác. Phần thời gian AI giải phóng có thể được dùng để nhìn lại:

Công việc này tồn tại để làm gì?
Nó tạo ra giá trị cho ai?
Nếu bỏ nó đi thì chuyện gì xảy ra?
Nó ảnh hưởng đến những việc khác như thế nào?
Có cách nào giải quyết nguyên nhân thay vì liên tục xử lý hậu quả?
Và quan trọng nhất: chúng ta có đang giải đúng vấn đề không?

Đó là sự dịch chuyển từ:

Làm công việc

sang:

Hiểu công việc

Một người kế toán không chỉ là người nhập số liệu

Hãy lấy một nghề không liên quan đến công nghệ. Nếu AI ngày càng đọc hóa đơn tốt hơn, phân loại giao dịch tốt hơn, tổng hợp dữ liệu tốt hơn và tạo báo cáo nhanh hơn, một người kế toán có thể lo lắng:

Công việc của mình đang bị lấy đi.

Nhưng hãy nhìn rộng hơn. Doanh nghiệp không thực sự cần một người nhập số liệu. Doanh nghiệp cần biết:

Tiền đang đi đâu?
Tại sao chi phí tăng?
Dòng tiền có vấn đề gì?
Quyết định hôm nay sẽ ảnh hưởng đến tài chính 6 tháng sau ra sao?
Rủi ro nào đang hình thành mà chúng ta chưa nhìn thấy?

Việc nhập số liệu chỉ là một phần của hệ thống lớn hơn. Nếu AI đảm nhận được phần đó, người kế toán có một cơ hội để dịch chuyển từ:

Ghi lại những gì đã xảy ra

sang:

Giúp tổ chức hiểu điều gì đang xảy ra và tại sao.

Một giáo viên không chỉ là người truyền đạt kiến thức

AI có thể giải thích một định luật hàng trăm lần mà không mệt. Nó có thể:

Tạo bài tập.
Chấm bài.
Dịch.
Tóm tắt.
Điều chỉnh cách giải thích.

Nếu vai trò của giáo viên chỉ là: chuyển kiến thức từ sách sang đầu học sinh thì AI chắc chắn tạo ra một câu hỏi rất lớn về vai trò ấy. Nhưng có lẽ đó chưa bao giờ là phần quan trọng nhất của một người thầy.

Một người thầy còn phải nhận ra:

Tại sao học sinh này không muốn học?
Em ấy thực sự không hiểu hay chỉ sợ sai?
Nên đưa đáp án hay nên để em tự tìm?
Câu hỏi nào sẽ khiến em bắt đầu suy nghĩ?
Làm thế nào để một người trẻ dần có khả năng tự học mà không còn cần giáo viên?

Khi việc truyền đạt câu trả lời trở nên rẻ hơn, có lẽ vai trò giúp người khác học cách suy nghĩ lại trở nên quan trọng hơn.

Và chính chúng ta cũng vậy

AI không chỉ đặt lại câu hỏi về nghề nghiệp. Nó đặt lại câu hỏi về chính cách chúng ta học. Nếu mỗi khi gặp vấn đề chúng ta lập tức hỏi AI và lấy câu trả lời đầu tiên, chúng ta có thể làm được rất nhiều việc.

Nhưng có một nguy cơ:

AI càng thông minh, chúng ta càng ít phải suy nghĩ.

Nhưng cũng có một khả năng khác:

AI càng thông minh, chúng ta càng có thể suy nghĩ xa hơn.

Hai tương lai đó sử dụng cùng một công nghệ. Khác biệt nằm ở cách chúng ta sử dụng nó.

Tôi không muốn AI suy nghĩ thay mình. Tôi muốn AI giúp mình suy nghĩ tốt hơn. Tôi đưa ra một ý tưởng → AI phản biện. Tôi đưa thêm thông tin → AI đưa ra góc nhìn khác. Tôi phát hiện giả định của mình sai → Tôi thay đổi câu hỏi. Rồi lại bắt đầu. AI lúc đó không còn đơn thuần là một chiếc máy trả lời. Nó trở thành một tấm gương soi chiếu cho tư duy.

Nhưng chúng ta nên tiến về đâu?

Tôi không nghĩ câu trả lời là tất cả mọi người phải học lập trình. Cũng không phải tất cả phải trở thành chuyên gia AI. Và chắc chắn không phải tất cả phải trở thành quản lý. Tôi nghĩ sự dịch chuyển quan trọng hơn nằm ở cách nhìn vấn đề.

Từ:

Tôi phải hoàn thành việc gì?

sang:

Tại sao việc này tồn tại?

Từ:

Làm thế nào để tối ưu phần việc của tôi?

sang:

Phần việc của tôi ảnh hưởng đến những thứ khác như thế nào?

Từ:

Ai gây ra vấn đề này?

sang:

Điều gì trong cách hệ thống vận hành tạo ra vấn đề này?

Từ:

Đâu là giải pháp?

sang:

Đâu mới thực sự là vấn đề?

Từ:

AI có thể làm việc của tôi không?

sang:

AI có thể giúp tôi nhìn thấy những vấn đề lớn hơn mà trước đây tôi không có thời gian hoặc khả năng để nhìn thấy không?

Đây không còn là chuyện học thêm một công cụ. Đây là chuyện nâng cấp cách chúng ta suy nghĩ. Nhưng “nâng cấp cách suy nghĩ” thực sự có nghĩa là gì?

Có lẽ một trong những thay đổi quan trọng nhất là học cách bước ra khỏi chính công việc mình đang làm để nhìn thấy bức tranh lớn hơn mà nó thuộc về. Khi chỉ tập trung vào một nhiệm vụ, chúng ta thường nhìn thấy rất rõ thứ ở ngay trước mắt: việc cần hoàn thành, vấn đề cần xử lý, mục tiêu cần đạt được.

Nhưng rất hiếm khi vấn đề tồn tại một mình và độc lập. Một quyết định trong công việc có thể ảnh hưởng đến người khác. Một cách tối ưu chi phí hôm nay có thể tạo ra chi phí lớn hơn trong tương lai. Một giải pháp tốt cho một bộ phận có thể lại gây khó khăn cho cả tổ chức.

Thậm chí một lựa chọn tưởng như hoàn toàn cá nhân cũng có thể chịu ảnh hưởng bởi gia đình, tài chính, sức khỏe, môi trường và rất nhiều thứ khác. Chúng ta thường không nhìn thấy những mối quan hệ ấy, không phải vì chúng không tồn tại, mà bởi vì chúng ta đang ở bên trong chúng.

Và điều đó làm tôi nhớ đến hình ảnh một con cá sống trong nước.

Một con cá không nhìn thấy nước

Có một hình ảnh tôi rất thích:

Một con cá sống cả đời trong nước có thể không bao giờ nghĩ về nước. Nước đơn giản là môi trường mà nó tồn tại. Con người cũng vậy. Chúng ta sống trong môi trường mà bao quanh ta rất nhiều hệ thống mà ta không nhận ra chúng:

Gia đình là một hệ thống.
Công ty là một hệ thống.
Thị trường là một hệ thống.
Giáo dục là một hệ thống.
Tài chính cá nhân là một hệ thống.
Công việc của chúng ta là một phần của một hệ thống.

Và bản thân mỗi người cũng đang sống giữa những mối quan hệ chằng chịt:

Công việc ↔ Thời gian ↔ Thu nhập

↕ ↕

Sức khỏe ↔ Gia đình

↕ ↕

Học tập ↔ Lựa chọn tương lai

Nhưng chúng ta thường nhìn từng thứ riêng lẻ.

Muốn nhiều tiền hơn → làm việc nhiều hơn. Nhưng làm việc nhiều hơn → ít thời gian hơn. Ít thời gian → sức khỏe hoặc gia đình bị ảnh hưởng. Sức khỏe giảm → khả năng làm việc giảm.

Một giải pháp tốt cho một phần đôi khi lại tạo ra vấn đề cho toàn bộ.

Có lẽ muốn giải những bài toán ngày càng lớn hơn, chúng ta phải học cách nhìn thấy không chỉ từng mảnh ghép mà cả mối quan hệ giữa chúng. Nhưng đến đây lại xuất hiện một câu hỏi thú vị:

AI có thể giúp tôi làm điều đó không?

Nếu AI có thể giúp tôi viết nhanh hơn, tìm kiếm nhanh hơn, phân tích nhiều thông tin hơn, liệu nó cũng có thể giúp tôi nhìn rộng hơn và suy nghĩ tốt hơn?

Tôi nghĩ là có. Nhưng với một điều kiện. AI không nên chỉ được sử dụng như một cỗ máy đưa ra câu trả lời. Khi gặp một vấn đề, thay vì chỉ hỏi:

“Hãy cho tôi giải pháp.”

tôi có thể hỏi:

“Tôi đang bỏ sót điều gì?”

“Vấn đề này liên quan đến những yếu tố nào khác?”

“Nếu tôi thay đổi yếu tố này, điều gì có thể xảy ra tiếp theo?”

“Giải pháp này tốt cho tôi, nhưng liệu có tạo ra vấn đề cho người khác không?”

“Điều gì sẽ xảy ra sau một năm thay vì chỉ ngày mai?”

“Có phải tôi đang giải quyết triệu chứng thay vì nguyên nhân?”

AI có thể giúp tôi khám phá từng câu hỏi ấy. Nó có thể đưa ra một góc nhìn mà tôi chưa nghĩ tới. Tôi có thể phản biện lại. Nó đưa ra một khả năng khác. Tôi bổ sung thêm những gì nó chưa biết về hoàn cảnh thực tế. Và cứ như vậy, một vấn đề ban đầu tưởng như đơn giản dần hiện ra với nhiều mối quan hệ hơn.

Theo cách đó, AI không suy nghĩ thay tôi. Nó giúp tôi mở rộng phạm vi suy nghĩ của mình. Và có lẽ đây mới là cách sử dụng AI mà tôi muốn học:

Không chỉ dùng AI để làm nhanh hơn những việc tôi đã biết làm, mà dùng nó để giúp mình nhìn thấy những điều trước đây mình chưa nhìn thấy.

Đây là nơi hành trình của tôi bắt đầu

Tôi không biết AI sẽ đi xa đến đâu. Tôi cũng không biết 10 năm nữa những nghề nào sẽ biến mất, nghề nào sẽ thay đổi và những nghề mới nào sẽ xuất hiện. Vì vậy tôi không muốn đặt cược tương lai của mình vào việc tìm một kỹ năng mà AI mãi mãi không thể làm. Tôi muốn đặt cược vào một khả năng khác:

Khả năng liên tục học, liên tục đặt lại câu hỏi và liên tục nhìn vấn đề ở một tầng rộng hơn. Nếu AI giúp tôi làm một công việc mất 8 giờ chỉ trong 2 giờ, tôi không muốn dùng 6 giờ còn lại chỉ để làm thêm 3 công việc giống hệt. Tôi muốn dành ít nhất một phần trong 6 giờ ấy để hỏi:

Tại sao mình đang làm việc này?
Nó thuộc về bức tranh nào lớn hơn?
Có vấn đề nào phía sau vấn đề mình đang nhìn thấy không?
Có mối quan hệ nào mình đã bỏ sót không?
Và mình có đang giải đúng vấn đề không?

Có lẽ đây mới là “đề bài” của thời đại AI

Chúng ta thường hỏi:

AI có lấy mất việc của tôi không?

Tôi không biết. Có thể một phần công việc của chúng ta sẽ biến mất. Có thể nhiều nghề sẽ thay đổi rất mạnh. Và chắc chắn sẽ có những điều hôm nay chúng ta chưa thể dự đoán. Nhưng thay vì chỉ hỏi AI sẽ làm được gì, tôi muốn thử một câu hỏi khác:

Khi AI ngày càng đảm nhận nhiều phần trong công việc hiện tại, tôi có thể dùng nó để trở thành một con người có khả năng hiểu những vấn đề lớn hơn không?

Có lẽ chúng ta không cần chạy nhanh hơn AI. Có lẽ chúng ta cần đứng cao hơn để nhìn rộng hơn. Và muốn làm được điều đó, chúng ta phải học cách nhìn một vấn đề không còn như một sự kiện đơn lẻ, mà như một phần của một mạng lưới gồm nguyên nhân, kết quả, con người, thời gian và rất nhiều mối quan hệ tác động lẫn nhau.

Nhưng nhìn rộng hơn chỉ là bước đầu. Làm thế nào để biết những câu hỏi mình đặt ra có thực sự giúp mình hiểu đúng vấn đề?

Đó là điều tôi muốn tìm hiểu tiếp: AI có thể giúp chúng ta suy nghĩ tốt hơn không?

MakeBetter — A journal of Understanding, Building, and Becoming Better.