Yêu cầu của người sếp bây giờ rất cao, vì chính người sếp cũng đang dùng AI rất nhiều và hiểu rằng kiến thức và khả năng của AI là vô cùng lớn với người biết dùng nó để hoàn thành công việc; vì thế người sếp muốn một người kiêm được nhiều chức năng hơn là một người ngồi thụ động trong một bảng mô tả công việc. Khi một hệ thống có thể soạn thảo văn bản hoặc phân tích dữ liệu phức tạp trong tích tắc, tôi đặt câu hỏi về giá trị của những bản mô tả công việc truyền thống vốn chỉ liệt kê các đầu việc rời rạc. Liệu bạn có nên tiếp tục chọn người dựa trên những tiêu chí cũ kỹ như bằng cấp hay số năm kinh nghiệm, trong khi thứ doanh nghiệp thực sự cần là sự chủ động kiêm nhiệm và khả năng làm chủ công nghệ? Quan điểm của tôi rất rõ ràng: Đặc biệt ở các doanh nghiệp nhỏ, tôi không tuyển người để lấp đầy danh sách đầu việc mà tuyển người biết dùng AI như một trợ thủ để chịu trách nhiệm cho kết quả và phạm vi chức năng. Tiêu chí chọn người hiện nay phải đo lường được năng lực hợp tác với công nghệ thay vì chỉ nhìn vào bảng thành tích trong quá khứ. Ngược lại, một nhóm đối lập vẫn tin vào sự chuyên môn hóa sâu, lo sợ nhân viên kiệt sức khi phải gánh vác quá nhiều chức năng và nghi ngờ tính chính xác của AI. Tôi ghi nhận những lo ngại này, nhưng bạn không thể đứng yên với cách quản trị cũ.
Xem nhanh bằng slide, nếu bạn chưa có thời gian đọc hết
Cần bản chỉnh sửa được để dùng lại trong nội bộ: tải file PowerPoint (.pptx).
Người thạo AI gánh được nhiều việc
Theo một khảo sát năm 2024, khoảng 36% người lao động tại Việt Nam đã chủ động đưa AI vào công việc hằng ngày, trong đó 70% người dùng AI tại Việt Nam đang dùng công cụ AI cá nhân của họ chứ không chờ công ty trang bị. Trên quy mô toàn cầu, 90% người dùng cho biết AI giúp họ tiết kiệm thời gian và 85% nói công cụ này giúp họ tập trung vào những phần việc quan trọng nhất. AI không còn là thứ xa xỉ mà đã trở thành trợ thủ giúp một cá nhân hoàn thành tốt các tác vụ ngoài chuyên môn chính như viết quy trình vận hành, tổng hợp số liệu, dịch thuật tài liệu hay hỗ trợ trả lời khách hàng một cách tự động.
Với các doanh nghiệp nhỏ luôn thiếu người cho từng chức năng, khoảng cách năng suất giữa một ứng viên thạo AI và một người làm việc thủ công là chênh lệch lớn nhất giữa hai ứng viên. Kết quả một thí nghiệm ở nước ngoài với 758 tư vấn viên cho thấy, với những việc nằm trong khả năng của AI, người dùng AI làm xong nhiều hơn 12,2% số việc, nhanh hơn 25,1% và chất lượng cao hơn hơn 40% so với người không dùng; trong đó người ở nửa dưới về năng lực tăng 43% điểm, còn người ở nửa trên tăng 17%. Tôi khuyên bạn nên đưa kỹ năng sử dụng AI vào yêu cầu tuyển dụng và kiểm tra bằng việc thật, chứ không đánh giá dựa trên lời tự khai của ứng viên.
Làm đúng đầu việc khiến nhân viên thụ động
Những bản mô tả công việc cũ kỹ với hàng chục đầu việc nhỏ nhặt đang trở nên lỗi thời nhanh chóng. Trên toàn cầu, người sử dụng lao động dự báo khoảng 39% kỹ năng cốt lõi của người lao động sẽ thay đổi vào năm 2030, điều này khiến các danh sách liệt kê nhiệm vụ cố định không còn đứng được lâu. Khi AI có thể xử lý phần lớn các tác vụ lặp đi lặp lại, việc liệt kê quá chi tiết vô tình tạo ra tâm lý thụ động cho nhân viên. Họ có xu hướng chỉ làm đúng những gì được viết trên giấy và từ chối xử lý các phần việc nằm ở ranh giới giữa các bộ phận, gây tắc nghẽn trong vận hành.
Cách quản trị dựa trên việc kiểm soát đầu việc làm mất đi tính linh hoạt cần thiết. Nhân sự sẽ bám vào danh sách để thoái thác trách nhiệm khi có sự cố phát sinh ngoài quy trình chính thức. Tôi cho rằng không cần phải loại bỏ hoàn toàn bản mô tả công việc, nhưng tôi sẽ thay đổi cách tiếp cận từ việc liệt kê việc cần làm sang mô tả kết quả cần đạt được. Điều này buộc nhân viên phải tư duy về mục tiêu thay vì chỉ hoàn thành số lượng nhiệm vụ.
Năm tiêu chí để đánh giá ứng viên
Để xây dựng đội ngũ gánh vác kết quả, tôi đề xuất năm tiêu chí tuyển dụng và đánh giá, xếp theo thứ tự quan trọng:
Năng lực nền đủ để biết AI sai ở đâu: Theo tôi, cần người có kiến thức chuyên môn gốc vững chắc để thẩm định và chỉnh sửa kết quả từ AI, tránh việc phụ thuộc hoàn toàn dẫn đến sai sót hệ thống. Khi tuyển, có thể kiểm tiêu chí này bằng cách đưa ứng viên một kết quả do AI làm có cài sẵn một lỗi nghề và hỏi xem họ thấy gì.
Kỹ năng dùng AI trong bài thử thực tế: Thay vì hỏi đáp lý thuyết, hãy cho ứng viên xử lý một tình huống thực tế có giới hạn thời gian bằng AI và yêu cầu họ giải trình cách kiểm soát chất lượng đầu ra.
Tư duy phản biện và khả năng phán đoán: Tôi sẽ chọn những người không chấp nhận ngay phương án đầu tiên mà AI đưa ra, mà luôn đặt câu hỏi và tinh chỉnh để tìm ra phương án tốt hơn. Khi phỏng vấn, tôi sẽ hỏi ứng viên lần gần nhất họ bỏ không dùng một kết quả AI là vì sao.
Khả năng tự học và thích nghi nhanh: Tiêu chí này thể hiện qua thói quen thử nghiệm các cách dùng AI mới và luôn tự hỏi liệu công nghệ có thể giúp xử lý tác vụ đang làm hay không. Khi tuyển, tôi sẽ hỏi ứng viên trong năm qua đã tự học dùng công cụ mới nào, học bằng cách nào, rồi đề nghị họ làm lại một bước ngay tại chỗ.
Chịu trách nhiệm cho kết quả cuối cùng: Tôi sẽ chọn người nhận trách nhiệm về mục tiêu chung và không bao giờ dùng lý do máy tính làm sai để biện minh cho sự kém hiệu quả của cá nhân. Khi tuyển, tôi sẽ hỏi về một lần ứng viên làm hỏng việc và nghe xem họ kể đó là lỗi của ai.
Dưới đây là bảng so sánh cách thay đổi tư duy khi xây dựng mô tả công việc:
| Phần trong mô tả công việc | Kiểu cũ | Theo tôi nên viết |
|---|---|---|
| Mục tiêu vị trí | Hoàn thành các nhiệm vụ được giao hằng ngày | Một đến ba kết quả vị trí chịu trách nhiệm, đo được theo tháng |
| Phạm vi | Một chuyên môn, ghi chung chung trong hợp đồng | Một chức năng chính và các chức năng phụ ghi rõ |
| Quyền quyết | Không ghi, việc gì cũng hỏi cấp trên | Ghi rõ việc gì được tự quyết, đến hạn mức nào |
| Yêu cầu ứng viên | Bằng cấp và số năm làm một việc | Năng lực nền nghề, dùng AI qua bài thử thực tế |
| Dùng AI | Không nhắc tới | Được dùng, dữ liệu nào không được đưa vào, ai kiểm trước khi gửi khách |
| Cách đo | Số đầu việc đã làm | Theo kết quả đã ghi ở dòng đầu |
Việc chuyển dịch từ tuyển người làm việc sang tuyển người gánh kết quả thể hiện qua việc, trong một khảo sát năm 2024, 78% lãnh đạo doanh nghiệp tại Việt Nam ưu tiên ứng viên ít kinh nghiệm nhưng có kỹ năng AI hơn ứng viên giàu kinh nghiệm mà thiếu kỹ năng đó, và 76% nói sẽ không tuyển người không có kỹ năng AI. Đây là yếu tố quyết định để duy trì sức cạnh tranh khi nguồn lực nhân sự luôn là thách thức vận hành lớn với các sếp nhỏ và vừa; tôi đồng ý với hướng đó, với điều kiện năng lực nền nghề vẫn đứng trước kỹ năng dùng AI.
Gộp nhiều chức năng dễ sinh ra rủi ro
Việc kỳ vọng một nhân sự có thể đa nhiệm nhờ AI không phải là không có những rủi ro hiện hữu đáng lo ngại. Đầu tiên là nguy cơ mất đi kiến thức ngầm vốn chỉ được hình thành qua quá trình thực hiện các công việc thủ công và lặp lại. Những đầu việc định kỳ chính là môi trường rèn luyện giúp nhân viên trẻ thấu hiểu bản chất của quy trình trước khi trở thành chuyên gia có khả năng phán đoán. Nếu AI làm thay hoàn toàn các bước sơ đẳng này, nhân sự sẽ mất đi gốc rễ tư duy và khả năng xử lý tình huống khi không có công nghệ hỗ trợ. Thêm vào đó, người dùng AI không biết mình đang ở phía nào của khả năng công cụ; trong thí nghiệm với tư vấn viên ở nước ngoài, với một việc nằm ngoài khả năng của AI, người dùng AI có tỷ lệ đưa ra lời giải đúng thấp hơn 19 điểm phần trăm so với người không dùng.
Hệ quả là doanh nghiệp có thể rơi vào một cuộc khủng hoảng năng lực dài hạn khi tiết kiệm được chi phí tiền lương hôm nay nhưng đánh mất thế hệ lãnh đạo tương lai. Những người không đi lên từ việc nhỏ sẽ khó có được sự nhạy bén cần thiết để đưa ra các quyết định chiến lược phức tạp. Điều này tạo ra một khoảng trống về kinh nghiệm đúc kết từ thực tế mà AI không bao giờ thay thế được. Chủ doanh nghiệp cần nhận thức rõ rằng việc cắt giảm vị trí sơ cấp có thể gây thiệt hại lớn cho sự bền vững của tổ chức sau này.
Tôi thấy áp lực kiệt sức cũng là một vấn đề thực tế khi một người phải quản trị cùng lúc nhiều quy trình vốn thuộc về các bộ phận khác nhau. Dù AI hỗ trợ tốc độ nhanh hơn, áp lực về việc phải đưa ra quyết định cho nhiều mảng chức năng vẫn có thể khiến nhân viên quá tải về mặt tinh thần. Ở Mỹ, Anh, Úc và Canada, 77% nhân viên dùng AI nói công cụ này làm khối lượng việc của họ tăng lên, và 71% nhân viên toàn thời gian bị kiệt sức; ở Việt Nam, 58% người lao động nói họ mệt mỏi. Tôi nhận định điều này có thể dẫn đến tỷ lệ nghỉ việc cao và sự bất ổn trong đội ngũ nhân sự vốn đã khó tuyển dụng. Việc ép một nhân sự gánh vác quá nhiều mà không có sự hỗ trợ tâm lý hay phân bổ thời gian hợp lý là một sai lầm trong quản trị, bởi khi đó kiêm nhiệm thực chất là trả một lương cho ba việc.
Về khía cạnh bảo mật, rủi ro lộ bí mật kinh doanh là rất lớn khi nhân viên đưa các dữ liệu nhạy cảm lên các công cụ AI công cộng. Việc xử lý dữ liệu cá nhân chịu sự điều chỉnh của Nghị định 13/2023/NĐ-CP. Tuy nhiên, rủi ro thường đến từ những thao tác rất bình thường: dán danh sách khách hàng để nhờ phân loại, tải bảng lương lên để nhờ tính thuế, hay dán hợp đồng chưa ký để nhờ tóm tắt. Khi dán dữ liệu vào tài khoản AI cá nhân, tuỳ cài đặt, thông tin có thể được nhà cung cấp dùng để cải thiện mô hình. Một khi dữ liệu đã rời khỏi hệ thống nội bộ, doanh nghiệp hoàn toàn mất quyền kiểm soát và đối mặt với nguy cơ rò rỉ bí mật kinh doanh.
Bên cạnh đó, tôi nhận thấy các rào cản về mặt pháp lý theo quy định của Bộ luật Lao động 2019 là rất rõ ràng khi hợp đồng lao động phải có nội dung công việc và địa điểm làm việc. Theo đó, người sử dụng lao động chỉ được tạm thời chuyển người lao động làm công việc khác so với hợp đồng khi có nhu cầu sản xuất, kinh doanh, phải quy định các trường hợp đó trong nội quy lao động, báo trước ít nhất 3 ngày làm việc và không quá 60 ngày làm việc cộng dồn trong một năm; quá 60 ngày thì phải được người lao động đồng ý bằng văn bản. Một mô tả công việc mơ hồ kiểu 'và các việc khác theo phân công' không vượt qua được giới hạn này, còn làm khó chính chủ doanh nghiệp khi cần đánh giá hay chấm dứt hợp đồng. Việc tự ý gộp quá nhiều chức năng mà không điều chỉnh văn bản pháp lý tương ứng có thể dẫn đến tranh chấp lao động kéo dài, đòi hỏi doanh nghiệp phải hết sức thận trọng khi yêu cầu nhân viên kiêm nhiệm mà không có sự đồng thuận rõ ràng bằng văn bản.
Giả sử một nhân viên trong công ty thi công của bạn, vì muốn làm nhanh báo giá, dùng AI xử lý dữ liệu mà không kiểm tra thực tế. Do AI không hiểu được sự biến động đột ngột của giá nguyên vật liệu tại địa phương, báo giá gửi đi thấp hơn nhiều so với giá vốn thực tế. Khi hợp đồng đã ký, doanh nghiệp buộc phải thi công trong cảnh thua lỗ hoặc chịu bồi thường vì lỗi dữ liệu. Nhân viên lúc này đổ lỗi cho công cụ, còn bạn thì mất đi một khách hàng chiến lược cùng khoản tài chính lớn vì sự chủ quan trong kiểm soát kết quả.
Tôi vẫn chọn tuyển người làm ra kết quả
Về rủi ro mai một kiến thức ngầm: Theo tôi, nên đặt nguyên tắc ưu tiên năng lực chuyên môn vững trước khi đánh giá kỹ năng AI, bởi nếu không có nền tảng kiến thức gốc thì công cụ AI không phát huy được hiệu quả thực tế. Tôi cho rằng người dùng AI phải giải trình được logic đằng sau mỗi kết quả do công cụ tạo ra trước khi gửi đi để đảm bảo họ thực sự hiểu vấn đề, đồng thời người mới vẫn nên tự làm một phần việc nhỏ để học nghề.
Về áp lực kiệt sức: Tôi cho rằng phía phản đối đúng một nửa khi nói kiêm nhiệm mà chỉ cộng thêm việc thì đúng là trả một lương cho ba việc. Theo tôi, việc gánh thêm chức năng phải đi kèm với quyền quyết định lớn hơn và chế độ đãi ngộ tương xứng, khi mà 83% nhà tuyển dụng ở Việt Nam sẵn sàng trả cao hơn cho ứng viên hiểu và dùng AI hiệu quả. Tôi cho rằng nên coi nhân viên là người quản trị các quy trình thay vì là lao động phổ thông làm việc nhanh hơn. Khi quyền lợi tài chính và quyền tự chủ được đảm bảo, nhân sự mới có động lực để nâng cấp năng lực thay vì cảm thấy bị bóc lột. Không trả thêm thì đừng đòi thêm.
Về quy định nội bộ và bảo mật: Tôi không cấm dùng AI, vì 70% người dùng AI tại Việt Nam đã dùng công cụ AI cá nhân của họ, cấm thì họ vẫn dùng, chỉ là dùng lén. Thay vào đó, tôi đề xuất thiết lập một quy định ngắn rõ ràng về việc dữ liệu nào không được đưa vào công cụ AI và phải ẩn danh dữ liệu trước khi hỏi. Mọi thông tin về danh tính khách hàng hay số liệu tài chính cụ thể phải được thay thế bằng ký hiệu giả định. Đồng thời, trách nhiệm kiểm định cuối cùng luôn thuộc về con người, con số sai thì người ký tên phải chịu trách nhiệm hoàn toàn, không có ngoại lệ cho lý do công cụ lỗi.
Về hợp đồng lao động: Để phù hợp với pháp lý, theo tôi nên ghi trong hợp đồng chức danh cùng chức năng chính và các chức năng phụ đã thoả thuận từ đầu, còn mô tả công việc theo kết quả sẽ để ở phụ lục, rà lại định kỳ và hai bên cùng ký. Khi đó, việc kiêm nhiệm là trách nhiệm đã thoả thuận từ đầu chứ không phải việc tạm thời chuyển sang bị giới hạn 60 ngày. Tuy nhiên, tôi vẫn giữ ngoại lệ là tuyển người chuyên môn sâu cho những vị trí đặc thù, nơi một sai sót nhỏ có thể gây thiệt hại lớn về tài chính hoặc pháp lý mà AI chưa thể thẩm định hết.
Tôi sẽ bỏ cách này nếu nó gây tác dụng ngược
Tôi sẽ thay đổi quan điểm này nếu dữ liệu vận hành thực tế trong tương lai chứng minh rằng những người kiêm nhiệm gây ra nhiều lỗi hệ thống hơn so với cách làm cũ. Nếu tỉ lệ nhân viên nghỉ việc tăng cao đột biến do áp lực đa nhiệm hoặc năng suất thực tế không bù đắp được chi phí rủi ro bảo mật, tôi sẽ quay lại với mô hình chuyên môn hóa truyền thống. Quản trị là sự điều chỉnh liên tục dựa trên hiệu quả thực tế chứ không phải dựa vào sự hưng phấn nhất thời của công nghệ.
Lời khuyên dứt khoát của tôi là: nếu bạn đang điều hành một công ty dưới năm mươi người và sắp tuyển một vị trí văn phòng, hãy viết lại mô tả công việc thành một kết quả, một chức năng chính và vài chức năng phụ, rồi chọn người bằng một bài thử thực tế được phép dùng AI, sau khi đã chắc họ có nền nghề. Hãy ưu tiên tuyển dụng những nhân sự biết dùng AI để gánh vác kết quả cuối cùng thay vì những người chỉ biết làm theo một danh sách đầu việc có sẵn, bởi tốc độ và sự đa năng sẽ quyết định hiệu quả.