Khi AI tạo sinh ngày càng được sử dụng rộng rãi trong môi trường làm việc chuyên môn, một xu hướng rõ ràng dần xuất hiện: các công cụ này thường mang lại nhiều giá trị hơn cho những người đã có kinh nghiệm và chuyên môn trong lĩnh vực.
Với người có kinh nghiệm, AI giúp tăng tốc các công việc quen thuộc như tổng hợp thông tin nghiên cứu và phân tích. Kết quả do AI tạo ra hiếm khi hoàn hảo, nhưng thường đi đúng hướng và khá dễ để người dùng điều chỉnh, tinh chỉnh lại theo mục tiêu mong muốn.
Ngược lại, với những người ít kinh nghiệm hơn, tác động lại khác. AI giúp họ tạo ra sản phẩm nhanh hơn, nhưng không đồng nghĩa với việc chất lượng cao hơn. Quan trọng hơn, nhiều người gặp khó khăn khi đánh giá liệu kết quả đó có thực sự tốt hay không, hoặc không biết nên cải thiện theo hướng nào để tạo ra giá trị thực sự.
Thay vì bù đắp cho phần năng lực còn thiếu, AI có xu hướng làm nổi bật (hoặc làm mạnh hơn) mức độ phán đoán (judgment) mà người dùng vốn đã có.
PHÁN ĐOÁN LÀ GÌ?
Phán đoán (Judgement) có thể hiểu đơn giản là khả năng đưa ra lựa chọn đúng đắn trong những tình huống mà không chỉ làm theo các quy tắc. Nó bao gồm việc xác định điều gì quan trọng nhất, cân nhắc giữa các ưu tiên khác nhau, dự đoán những hệ quả có thể xảy ra, và quyết định khi nào cần tự chịu trách nhiệm cho một quyết định trong bối cảnh còn nhiều điều chưa chắc chắn.
Trong thực tế, khả năng phán đoán thường thể hiện qua nhiều dạng khác nhau, bao gồm:
- Phán đoán đánh giá: nhận biết điều gì tốt – chưa tốt, phù hợp – chưa phù hợp
- Phán đoán bối cảnh: hiểu khi nào nên áp dụng quy tắc chung, khi nào cần linh hoạt
- Phán đoán đánh đổi: cân nhắc giữa các mục tiêu cạnh tranh khi không có phương án hoàn hảo
- Phán đoán dự báo: nhìn thấy hệ quả cấp hai trước khi chúng xảy ra
- Phán đoán trách nhiệm: biết khi nào cần tự chịu trách nhiệm cho quyết định trong bối cảnh không chắc chắn
Trước đây, phán đoán hiếm khi được dạy theo kiểu lý thuyết. Nó chủ yếu được hình thành thông qua trải nghiệm thực tế: tự làm công việc, gặp sai sót, nhận phản hồi và cải thiện dần theo thời gian. Sự lặp lại và trách nhiệm thực sự là yếu tố cốt lõi trong quá trình này. Theo thời gian, những trải nghiệm này giúp mỗi người dần hình thành cảm nhận về chất lượng công việc, bối cảnh và hệ quả.
AI ĐANG THAY ĐỔI CÁCH CÔNG VIỆC ĐƯỢC THỰC HIỆN
Khi AI làm thay ngày càng nhiều công việc nền tảng, cách con người hình thành phán đoán cũng đang thay đổi. Trong các lĩnh vực như quản lý sản phẩm hay marketing, những công việc từng giúp người mới học nghề — như viết tài liệu yêu cầu, xây dựng thông điệp, hay sắp xếp thứ tự ưu tiên công việc — giờ có thể được AI tạo ra chỉ trong vài phút. Nhân sự mới vì vậy thường chuyển sang vai trò kiểm tra hoặc chỉnh sửa nội dung do AI tạo ra, thay vì tự làm từ đầu.
Điều này có thể giúp tăng hiệu quả trong ngắn hạn, nhưng nó cũng làm giảm cơ hội trải nghiệm thực tế — vốn là cách trước đây giúp con người hình thành phán đoán. Việc xem và chỉnh sửa nội dung do AI tạo ra đòi hỏi cách suy nghĩ khác so với việc tự làm từ con số 0, và về lâu dài, mức độ học hỏi cũng không giống như cách làm truyền thống.
Điều này tạo ra một nghịch lý: để sử dụng AI hiệu quả, con người cần có phán đoán; nhưng khi AI đảm nhận ngày càng nhiều công việc, chính những trải nghiệm từng giúp hình thành phán đoán lại dần biến mất.
TÁC ĐỘNG Ở CẤP ĐỘ TỔ CHỨC
Khi những thay đổi này diễn ra trong thời gian dài, các vị trí nhân sự có nguy cơ không còn nhận được sự đào tạo như trước. Quản lý cấp trung có thể phải giám sát những công việc mà trước đây họ chưa từng thực sự tự làm thành thạo. Ở cấp lãnh đạo cao hơn, tổ chức có thể đối mặt với tình trạng ngày càng ít người đủ khả năng đưa ra quyết định trong những tình huống mới hoặc không rõ ràng.
Một dấu hiệu dễ thấy của xu hướng này là sự gia tăng của “workslop” do AI tạo ra — những sản phẩm nhìn có vẻ trau chuốt, nhưng thiếu chiều sâu hoặc thiếu bối cảnh cần thiết để hỗ trợ việc ra quyết định thực tế. Việc yêu cầu con người kiểm tra lại kết quả do AI tạo ra có thể giúp giảm rủi ro trước mắt, nhưng chưa giải quyết được vấn đề cốt lõi.
Thực tế là, khi nhân sự mới chủ yếu giữ vai trò xem xét hoặc chuyển các tình huống khó lên cấp trên, họ có ít cơ hội rèn luyện khả năng xử lý sự không chắc chắn. Về lâu dài, điều này khiến phán đoán bị tập trung vào một nhóm nhỏ những người có kinh nghiệm, trong khi nguồn nhân lực có khả năng đưa ra quyết định trong bối cảnh phức tạp ngày càng thu hẹp. Đây không chỉ là vấn đề kỹ năng cá nhân mà còn là rủi ro mang tính hệ thống đối với pipeline kế nhiệm lãnh đạo của tổ chức.
TẠO ĐIỀU KIỆN ĐỂ PHÁN ĐOÁN ĐƯỢC HÌNH THÀNH
Thách thức mà các tổ chức đang đối mặt hiện nay là làm thế nào thiết kế lại công việc trong kỷ nguyên AI để phán đoán vẫn có thể phát triển. Một điểm khởi đầu hợp lý là đặt ra những câu hỏi chẩn đoán, nhằm làm rõ: trong từng vai trò cụ thể, quyết định thực sự được đưa ra ở đâu, và cần những kiến thức, kỹ năng nào để đưa ra các quyết định đó. Những câu hỏi này bao gồm:
- Ai đang thực sự đưa ra các quyết định quan trọng? Ai chỉ đang xem lại công việc do người khác hoặc AI tạo ra?
- Nhân sự có cơ hội trực tiếp trải nghiệm hậu quả từ lựa chọn của mình không, kể cả khi thất bại?
- Ở những vai trò nào, nhân sự mới không còn được làm các công việc đơn giản để “học nghề” và rèn phán đoán?
- Nhân sự có đang được rèn luyện để xử lý sự không chắc chắn, hay đang được bảo vệ khỏi nó?
Những câu hỏi này giúp tổ chức xác định rõ: đâu là nơi nhân sự vẫn còn cơ hội hình thành phán đoán, và đâu là nơi AI đã làm giảm hoặc loại bỏ những cơ hội đó. Khi các điều kiện này không còn, tổ chức cần chủ động thiết kế những cách khác để hỗ trợ sự phát triển của nhân sự.
Ở những lĩnh vực mà trải nghiệm thực tế rất tốn kém hoặc tiềm ẩn rủi ro cao, như y học hay quân đội, vấn đề này từ lâu đã được giải quyết thông qua các phương pháp như mô phỏng, học qua tình huống, giao trách nhiệm theo từng mức độ, và phản tư có cấu trúc sau hành động.
Thách thức lớn nhất của kỷ nguyên AI không chỉ là áp dụng công cụ mới,
mà là tiếp tục đào tạo con người có khả năng phán đoán trong thực tế.
Nguồn: Harvard Business Reivew
