- Bài viết phân tích nghịch lý trong kỷ nguyên AI khi nhiều doanh nghiệp đã đầu tư rất lớn vào AI nhưng vẫn sử dụng các chỉ số truyền thống như năng suất, số lượng công việc hoàn thành và hiệu suất để đánh giá nhân viên. Điều này khiến những người dành thời gian kiểm chứng, sửa lỗi hoặc phản biện kết quả từ AI có thể bị đánh giá thấp hơn những người chỉ tạo ra nhiều đầu việc hơn.
- Khảo sát Data and AI Leadership cho thấy 91% tổ chức đang tăng đầu tư vào AI, 99% coi AI là ưu tiên chiến lược, nhưng chỉ 18% cho biết đã tạo ra giá trị kinh doanh có thể đo lường từ các khoản đầu tư này.
- Tác giả cho rằng hệ thống quản trị hiệu suất vốn đã tồn tại nhiều bất cập trước khi AI tạo sinh xuất hiện. Theo Gallup, chỉ 2% giám đốc nhân sự tại Fortune 500 tin rằng hệ thống đánh giá hiện tại thực sự thúc đẩy nhân viên phát triển, trong khi chỉ 20% nhân viên cảm thấy quy trình đánh giá minh bạch và công bằng.
- Deloitte cũng ghi nhận 84% doanh nghiệp chưa thiết kế lại vai trò, quy trình làm việc hoặc lộ trình nghề nghiệp để phù hợp với AI. Chỉ 30% doanh nghiệp có cơ chế khuyến khích dựa trên hiệu quả sử dụng AI, trong khi phần lớn chỉ tập trung đào tạo kỹ năng.
- Một khảo sát khác cho thấy 10% nhân viên thừa nhận từng can thiệp dữ liệu nhằm khiến AI hoạt động kém hiệu quả hơn vì lo ngại AI sẽ thay thế công việc hoặc ảnh hưởng đến đánh giá thành tích.
- Nghiên cứu với hơn 750 lao động tri thức cho thấy GPT-4 giúp tăng tốc độ hoàn thành công việc hơn 25%, cải thiện tỷ lệ hoàn thành nhiệm vụ 12,2% và nâng cao chất lượng ở các tác vụ phù hợp với năng lực của mô hình.
- Tuy nhiên, khi nhiệm vụ vượt ra ngoài khả năng của AI, những người sử dụng AI lại có xác suất đưa ra đáp án đúng thấp hơn 19% so với nhóm không sử dụng AI. Đây là minh chứng cho “jagged technological frontier”, tức AI có thể rất giỏi ở một số nhiệm vụ nhưng thất bại đột ngột ở các nhiệm vụ tưởng như tương tự.
- Một nghiên cứu khác cho thấy AI giúp tăng năng suất trung bình khoảng 14%, nhưng lợi ích chủ yếu thuộc về nhân viên ít kinh nghiệm. Với chuyên gia giàu kinh nghiệm, tốc độ chỉ tăng nhẹ trong khi chất lượng có xu hướng giảm vì AI khó thay thế khả năng đánh giá bối cảnh, phát hiện ngoại lệ và đưa ra phán đoán.
- Bài viết cũng cảnh báo việc tiếp xúc lâu dài với các kết quả thiên lệch từ AI có thể khiến con người dần tiếp nhận chính các thiên lệch đó mà không nhận ra. Đồng thời, sự xuất hiện của “workslop” – các nội dung được tạo rất nhanh nhưng chất lượng thấp – đang làm giảm chất lượng cộng tác trong doanh nghiệp.
- Khi Agent AI ngày càng phổ biến, việc đánh giá hiệu suất trở nên phức tạp hơn vì kết quả công việc không còn do một cá nhân tạo ra mà là sự phối hợp giữa con người và AI. Doanh nghiệp cần xác định rõ trách nhiệm của từng bên khi xảy ra sai sót.
- Để giải quyết vấn đề, tác giả đề xuất khung đánh giá 3 lớp. Lớp thứ nhất đo đóng góp của con người thông qua khả năng nhận biết giới hạn của AI, kiểm chứng kết quả, phối hợp AI với đồng nghiệp và tốc độ học hỏi công cụ mới.
- Lớp thứ hai đánh giá bản thân hệ thống AI hoặc Agent AI thông qua tỷ lệ hoàn thành nhiệm vụ, tỷ lệ lỗi, khả năng giải thích, truy xuất nguồn dữ liệu, khả năng tái tạo kết quả và chất lượng chuyển giao cho con người khi AI gặp tình huống vượt khả năng xử lý.
- Lớp thứ ba đánh giá hiệu quả phối hợp giữa con người và AI bằng các chỉ số như tỷ lệ AI thay thế hoàn toàn con người, mức độ con người tạo thêm giá trị bằng việc phát hiện lỗi hoặc bổ sung bối cảnh, cùng tỷ lệ giá trị thực sự do AI và con người đóng góp.
- Tác giả khuyến nghị doanh nghiệp bắt đầu từ một quy trình cụ thể như chăm sóc khách hàng, phát triển phần mềm hoặc báo cáo tài chính; xác định rõ phần việc AI có thể đảm nhiệm và phần việc cần phán đoán của con người; đồng thời tách biệt dữ liệu phục vụ huấn luyện nhân viên với dữ liệu dùng để quyết định lương thưởng nhằm tránh tạo cảm giác bị giám sát.
📌 Đầu tư AI chỉ tạo ra lợi thế khi doanh nghiệp đồng thời thay đổi cách quản trị hiệu suất. Dù 91% tổ chức tăng đầu tư AI và 99% coi đây là ưu tiên, chỉ 18% tạo được giá trị kinh doanh rõ ràng. Doanh nghiệp cần chuyển từ đánh giá dựa trên tốc độ sang đánh giá dựa trên chất lượng phán đoán, khả năng kiểm chứng, mức độ phối hợp giữa con người với AI và cơ chế quy trách nhiệm minh bạch cho cả hệ thống AI lẫn nhân viên.
Tổng hợp.
