Theo Mindverse, Giáo sư Jin Gerlach từ Đại học Passau và Đại học Arizona State đã cảnh báo về một "mối nguy kép" về việc khi nhân viên bị thay thế bởi tự động hóa, doanh nghiệp không chỉ mất lực lượng lao động mà còn mất cả kiến thức chuyên môn, kinh nghiệm tích lũy qua nhiều năm của họ.
Tri thức này có thể mất đi vĩnh viễn do nhân sự nghỉ việc, chuyển công tác hoặc bị lãng quên vì các nhiệm vụ không còn do chính họ thực hiện nữa.
Đồng thời, tri thức được mô hình hóa trong chính hệ thống AI thông qua học máy cũng có thể bị mất đi. Điều này xảy ra khi dữ liệu huấn luyện không đầy đủ, bị lỗi hoặc không được cập nhật kịp thời.
Điều này đe dọa nghiêm trọng đến khả năng đổi mới và phục hồi của doanh nghiệp. Điển hình như các gã khổng lồ công nghệ Amazon và SAP, việc tuyên bố sa thải hàng loạt như một "biện pháp tối ưu hóa liên tục", minh họa cho xu hướng thay thế lao động bằng AI mà không cân nhắc thấu đáo hậu quả dài hạn đối với tri thức tổ chức.
Bên cạnh đó, các nhà kinh tế học Brett Hemenway Falk (Trường Wharton) và Gerry Tsoukalas (Đại học Boston) trong nghiên cứu "The AI Layoff Trap" (Cạm bẫy sa thải bằng AI) đã đưa ra bằng chứng toán học về một vòng xoáy ác tính việc làm tiềm ẩn.
Doanh nghiệp thay thế nhân viên bằng AI để tiết kiệm chi phí ngắn hạn, người lao động bị sa thải mất đi thu nhập, làm hạn chế mức tiêu dùng, sức mua giảm dẫn đến sự sụt giảm nhu cầu tiêu dùng trên thị trường hay nhu cầu sụt giảm ngược lại làm giảm doanh thu của các doanh nghiệp.
Điểm mấu chốt là ban đầu, các doanh nghiệp đều hành động một cách lý trí vì mỗi công ty riêng lẻ đều tiết kiệm được chi phí và tăng hiệu suất tạm thời.
Tuy nhiên, thiệt hại kinh tế vĩ mô do nhu cầu sụt giảm lại phân bổ lên tất cả các bên tham gia thị trường, khiến từng chủ thể đánh giá thấp chi phí thực tế từ quyết định của mình.
Cơ chế này trong trường hợp cực đoan có thể dẫn đến việc các doanh nghiệp tự động hóa hướng tới "năng suất vô hạn, nhưng đồng thời nhu cầu bằng không".
Sự cạnh tranh gay gắt càng làm trầm trọng thêm động lực này, khi doanh nghiệp áp dụng tự động hóa quyết liệt hơn để giành thị phần. Các hệ thống AI mạnh mẽ hơn sẽ đẩy nhanh quá trình đó.
Theo các nhà kinh tế học, các giải pháp chính sách kinh tế cổ điển như thu nhập cơ bản vô điều kiện hoặc đào tạo nâng cao không giải quyết được tận gốc vấn đề, vì chúng không thay đổi căn bản động lực tự động hóa của doanh nghiệp.
Lối thoát hiệu quả duy nhất là đánh thuế có mục tiêu vào tự động hóa để đưa chi phí kinh tế vĩ mô của việc mất nhu cầu vào các quyết định của doanh nghiệp.
Kỳ vọng năng suất thực tế và hiểm họa từ các vòng lặp ảo giác
Bất chấp sự cường điệu xung quanh AI, những bước nhảy vọt về năng suất được kỳ vọng trong thực tế thường chưa xuất hiện.
Nghiên cứu của Cục Nghiên cứu Kinh tế Quốc gia Hoa Kỳ (NBER) khảo sát hơn 6.000 nhà quản lý cho thấy 90% không nhận thấy bất kỳ tác động đáng kể nào của AI lên hiệu quả và năng suất trong ba năm qua.
Oliver Bendel, Giáo sư Hệ thống Thông tin Doanh nghiệp, nhấn mạnh rằng năng suất không chỉ được tạo ra bởi hệ thống mạnh mẽ mà còn bởi sự tích hợp của chúng vào các quy trình, cấu trúc quyết định và hồ sơ năng lực. Nhiều doanh nghiệp ban đầu thử nghiệm với AI tạo sinh mà không tái thiết kế căn bản các quy trình của họ.
Barbara Engels từ Viện Kinh tế Đức (IW) chỉ ra rằng kỳ vọng đặt vào AI không quá cao nhưng lại quá tham vọng về mặt thời gian. Công nghệ mới thường làm giảm năng suất đo lường được trong giai đoạn đầu, vì doanh nghiệp phải đầu tư lớn vào việc tái cơ cấu quy trình và cấu trúc, mà hiệu quả chỉ có thể nhìn thấy sau đó.
Tại Đức, hiện chỉ có 37% doanh nghiệp sử dụng AI, thường chỉ trong một số ít lĩnh vực và bằng các công cụ đơn giản. Engels cảnh báo nước Đức có thể bị tụt hậu nếu Hoa Kỳ đã bước vào "giai đoạn gặt hái" từ các khoản đầu tư AI của họ, trong khi các doanh nghiệp châu Âu vẫn đang thử nghiệm.
"Tình hình rất khẩn cấp", cần có sự hỗ trợ tài chính cụ thể, giáo dục về AI và trên hết là tốc độ để không làm nới rộng thêm khoảng cách với Hoa Kỳ.
Một hiện tượng cực kỳ quan trọng khác ảnh hưởng đến độ tin cậy của AI là ảo giác và các vòng lặp phản hồi. Các hệ thống được huấn luyện bằng dữ liệu đầu ra của các mô hình AI khác có thể sao chép và thậm chí phóng đại các lỗi sai, dẫn đến "vòng lặp lỗi" nghiêm trọng như đưa ra thông tin bịa đặt cho người dùng.
Nguyên nhân thường nằm ở chất lượng dữ liệu huấn luyện bị lỗi, thiếu hụt hoặc thiên vị. Hiện tượng "Overfitting" (quá khớp), khi mô hình điều chỉnh quá mức theo các mẫu cụ thể trong dữ liệu huấn luyện, cũng dẫn đến kết quả không chính xác.
Trong các lĩnh vực quan trọng như y tế hoặc tài chính, những lỗi như vậy có thể dẫn đến chẩn đoán sai, tổn thất tài chính hoặc thiệt hại về uy tín. Nguy cơ ở đây là các mô hình AI trong một hệ thống khép kín sẽ tự khuếch đại các lỗi của chính mình bằng việc tin vào những "lời nói dối" của các cỗ máy khác.
Sự kiểm soát của con người
Các chuyên gia đã đưa ra một số cách để phá vỡ vòng xoáy tiêu cực của việc tối ưu hóa AI và khai thác tiềm năng của công nghệ một cách bền vững, các điều chỉnh chiến lược và sự thay đổi mô hình trong văn hóa doanh nghiệp là cần thiết.
Đầu tiên, doanh nghiệp phải đảm bảo mô hình AI được huấn luyện bằng dữ liệu đa dạng, chất lượng cao và không bị thiên vị nhằm giảm thiểu ảo giác và sự sai lệch.
Tiếp theo, việc tích hợp kiểm soát của con người là vô cùng quan trọng. Các chuyên gia nên kiểm tra kết quả do AI tạo ra trước khi chúng được sử dụng tiếp hoặc dùng để huấn luyện các mô hình mới, đặc biệt trong các ngành có rủi ro cao.
Ngoài ra, việc giám sát và đánh giá liên tục các hệ thống AI giúp phát hiện và sửa chữa lỗi sớm trước khi chúng phát triển thành các vấn đề lớn hơn.
Thay vì mù quáng thay thế lao động con người, doanh nghiệp nên đầu tư vào đào tạo nâng cao cho nhân viên. AI nên được sử dụng như một công cụ hỗ trợ và cải thiện năng lực của con người, không phải để thay thế hoàn toàn.
Cần có một văn hóa doanh nghiệp thúc đẩy giải quyết vấn đề sâu sắc, tư duy phản biện và xây dựng kiến thức chuyên môn, thay vì chỉ tôn vinh hiệu suất hờiợt và tốc độ bằng mọi giá.
Cuối cùng, hệ thống AI phải được tích hợp một cách chiến lược vào các quy trình và cấu trúc quyết định hiện có. Việc chỉ đơn thuần sử dụng công cụ mạnh mẽ mà không điều chỉnh các điều kiện khung mang tính tổ chức sẽ không đem lại hiệu ứng năng suất như kỳ vọng.
Trí tuệ nhân tạo chắc chắn mang lại những cơ hội to lớn, nhưng việc tích hợp nó đòi hỏi phải cân nhắc kỹ lưỡng các rủi ro. Một cơn cuồng tối ưu hóa thiếu phản biện, phớt lờ tác động dài hạn đối với tri thức con người, nền kinh tế và độ tin cậy của AI có thể biến thành một chiếc boomerang gây tác dụng ngược.
Thách thức nằm ở việc nhìn nhận AI như một đối tác thông minh giúp bổ sung và mở rộng năng lực của con người, thay vị phá hoại chúng. Chỉ bằng cách đó, một sự chuyển dịch bền vững và tích cực thông qua AI mới có thể được thực hiện mà không rơi vào một vòng xoáy mang tính hủy diệt.
Nguồn: Mindverse
