AI có thể tái thiết tầng lớp trung lưu
15/06/26
 |
| Ảnh: SERIFA |
Elon Musk từng nói với Thủ tướng Anh Rishi Sunak, trí tuệ nhân tạo là “lực lượng gây xáo trộn lớn nhất trong lịch sử” và sẽ đến lúc “không còn cần việc làm”. Geoffrey Hinton, một trong những “cha đẻ” của AI, khuyên mọi người nên “kiếm việc làm thợ ống nước”. Thông điệp nghe rất rõ: tương lai việc làm bị đe dọa. Khảo sát Gallup cho thấy 75% người trưởng thành ở Mỹ tin AI khiến số việc làm giảm đi.
Nhưng nỗi sợ ấy có thể đặt sai trọng tâm. Thế giới công nghiệp hóa hiện không thiếu việc làm. Bốn năm sau khi Covid bùng phát, tỷ lệ thất nghiệp của Mỹ trở lại mức thấp trước đại dịch, trong khi tổng số việc làm cao hơn gần 3 triệu so với đỉnh trước Covid. Do tỷ lệ sinh giảm mạnh và lực lượng lao động co lại, tình trạng thiếu nhân công tương tự diễn ra ở nhiều nền kinh tế giàu, kể cả Trung Quốc.
Đây là thực tế nhân khẩu học, không phải dự báo. Những người sẽ bước sang tuổi 30 vào năm 2053 đều đã được sinh ra. Trừ khi có thay đổi lớn về nhập cư, Mỹ và các nước giàu có thể hết người lao động trước khi hết việc làm.
AI sẽ thay đổi thị trường lao động, nhưng không nhất thiết theo cách Musk hay Hinton hình dung. Al sẽ tái định hình giá trị của chuyên môn như tri thức hoặc năng lực cần để làm việc cụ thể: đo chỉ số sinh tồn, viết ứng dụng, phục vụ tiệc tùng. Chuyên môn có giá trị cao khi vừa cần thiết vừa khan hiếm. Nếu ai cũng là chuyên gia, không ai còn là chuyên gia.
Chuyên môn và phần giữa của thị trường lao động
Ở Mỹ và các nền kinh tế công nghiệp hóa, chuyên môn là nguồn giá trị chính của lao động. Những việc đòi hỏi ít đào tạo hoặc chứng chỉ như phục vụ nhà hàng, dọn vệ sinh, lao động tay chân, thậm chí chăm trẻ thường nằm ở đáy thang lương.
Hãy so sánh kiểm soát viên không lưu và người gác đường cho học sinh. Về đại thể, cả hai đều ra quyết định nhanh tránh va chạm giữa phương tiện và con người. Nhưng năm 2022, kiểm soát viên không lưu nhận lương trung vị 132.250 USD/năm, gần gấp bốn lần mức 33.380 USD của người gác đường. Khác biệt nằm ở chuyên môn: kiểm soát không lưu cần nhiều năm học và thực tập; còn ở hầu hết bang của Mỹ, gác đường không đòi hỏi đào tạo chính quy hay chứng chỉ chuyên sâu.
Lịch sử cho thấy giá trị chuyên môn luôn thay đổi. Đóng móng ngựa, sắp chữ, săn thú lấy lông hay kiểm lỗi chính tả từng có giá trị, rồi bị lỗi thời hoặc tự động hóa. Ngược lại, nhiều nghề lương cao ngày nay như bác sĩ ung thư, kỹ sư phần mềm, luật sư bằng sáng chế, nhà trị liệu, ngôi sao điện ảnh chỉ xuất hiện khi đổi mới công nghệ hoặc xã hội tạo ra nhu cầu mới.
Trước Cách mạng Công nghiệp, hàng hóa được làm thủ công bởi nghệ nhân: bánh xe do thợ làm bánh xe, quần áo do thợ may, giày do thợ đóng giày, đồng hồ do thợ đồng hồ, súng do thợ rèn. Họ cần nhiều năm học nghề, vừa nắm quy trình, vừa có phán đoán điều chỉnh từng trường hợp. Nhưng ở thế kỷ 18–19, sản xuất hàng loạt chia công việc phức tạp ấy thành các bước nhỏ, lặp lại, do công nhân vận hành cùng máy móc. Năng suất tăng mạnh, song điều kiện lao động khắc nghiệt, lương thấp, và ít cần chuyên môn ngoài khả năng chịu việc nặng.
Về sau, khi công nghiệp hiện đại tinh vi hơn, “chuyên môn đại chúng” xuất hiện: thợ máy, thợ hàn, công nhân hóa chất, thợ nhuộm, tổng đài viên, đánh máy, kế toán sổ sách, nhân viên kho. Không có thợ điện trước khi điện được dùng rộng rãi; không có thợ máy trước khi có máy để vận hành; không có tổng đài viên trước mạng điện thoại. Nhờ phổ cập trung học, kỹ năng đọc viết và tính toán trở nên phổ biến, được thị trường tưởng thưởng và góp phần dựng nên tầng lớp trung lưu công nghiệp.
Máy tính làm rỗng tầng trung kỹ năng
Kỷ nguyên máy tính bắt nguồn từ các đổi mới thời Thế chiến II, làm suy yếu chính tầng chuyên môn đại chúng ấy. Máy tính giỏi thực hiện nhanh, rẻ và chính xác các nhiệm vụ có thể mã hóa thành quy tắc rõ ràng.
Trước thời máy tính, công cụ xử lý biểu tượng gần như duy nhất là trí óc con người. Máy tính tạo ra công cụ thứ hai, có năng lực phi thường nhưng giới hạn rõ rệt, giỏi theo quy tắc, nhưng yếu trước những việc phi thường quy, nơi con người biết nhiều hơn những gì có thể diễn đạt thành quy trình. Michael Polanyi gọi hiện tượng này là: “Chúng ta biết nhiều hơn những gì có thể nói ra.”
Lái xe đạp, kể chuyện cười, nhận ra khuôn mặt người lớn trong ảnh em bé, hay đưa ra lập luận thuyết phục là những việc con người làm nhờ tri thức ngầm và kinh nghiệm, không phải nhờ công thức rõ ràng. Vì vậy, máy tính truyền thống không thay thế được các chuyên gia tinh hoa như bác sĩ, luật sư, kiến trúc sư, phi công, giáo sư, kỹ sư; những người xử lý tình huống rủi ro cao, cần phán đoán.
Ngược lại, máy tính làm họ mạnh hơn: bớt thời gian tìm và sắp xếp thông tin, nhiều thời gian diễn giải và ra quyết định hơn. Thu nhập của người có bằng đại học bốn năm, đặc biệt bằng sau đại học trong luật, y, khoa học và kỹ thuật, tăng mạnh.
Nhưng với lao động trung kỹ năng, máy tính là cú đánh kép; tự động hóa công việc hành chính, văn thư và sản xuất, đẩy nhiều người không có bằng cử nhân vào dịch vụ lương thấp như phục vụ, dọn dẹp, an ninh, chăm sóc cá nhân. Những việc này khó tự động hóa vì cần khéo tay, quan sát và giao tiếp, nhưng lương thấp vì không đòi hỏi nhiều chuyên môn. Kết quả, máy tính không tạo làn sóng chuyên môn đại chúng mới như Cách mạng Công nghiệp, mà góp phần vào bốn thập niên bất bình đẳng gia tăng.
AI là công nghệ đảo chiều
AI khác máy tính truyền thống ở điểm then chốt. Máy tính trước AI giỏi làm việc theo quy trình; điểm yếu là tri thức ngầm; ngược lại, Al không đáng tin với dữ kiện và con số, vì không tôn trọng quy tắc theo nghĩa cổ điển, nhưng rất giỏi học từ ví dụ, tích lũy tri thức ngầm và tạo ra năng lực không được lập trình trực tiếp.
Nếu chương trình máy tính truyền thống giống nghệ sĩ cổ điển chỉ chơi đúng nốt trên bản nhạc, AI giống nhạc công jazz: biến tấu, ứng tác và tạo giai điệu mới. Giống chuyên gia con người, AI có thể kết hợp kiến thức chính thức với kinh nghiệm học được nhằm hỗ trợ những quyết định phức tạp, riêng biệt và rủi ro cao.
Cơ hội lớn của AI là đảo ngược quá trình máy tính hóa: mở rộng tầm với và giá trị của chuyên môn cho nhiều lao động hơn. Với hướng dẫn và rào chắn thời gian thực, AI có thể giúp người có nền tảng đào tạo phù hợp đảm nhiệm một phần công việc phán đoán hiện do nhóm chuyên gia tinh hoa nắm giữ: bác sĩ, luật sư, kỹ sư phần mềm, giáo sư. Nếu dùng đúng, AI có thể khôi phục phần “trung kỹ năng, trung lưu” của thị trường lao động Mỹ bị tự động hóa và toàn cầu hóa làm rỗng.
Điều này quan trọng vì chi phí dịch vụ thiết yếu đang tăng. Emily Dohrman và Bruce Fallick, hai nhà kinh tế của Cục Dự trữ Liên bang (FED), ước tính trong bốn thập niên qua, giá y tế và giáo dục tăng lần lượt khoảng 200% và 600% so với thu nhập hộ gia đình Mỹ. Một phần nguyên nhân vì chi phí thuê các chuyên gia ra quyết định tinh hoa ngày càng cao. AI có thể làm giảm sự khan hiếm ấy tăng cường lao động tham gia công việc chuyên môn.
Một ví dụ không đến từ AI là điều dưỡng hành nghề nâng cao. Đây là y tá đăng ký có thêm bằng thạc sĩ, được chứng nhận chỉ định và diễn giải xét nghiệm, đánh giá, chẩn đoán và kê thuốc, những việc trước đây gần như độc quyền của bác sĩ (Nurse Practitioner). Từ năm 2011–2022, số việc làm Nurse Practitioner gần như tăng gấp ba, lên khoảng 224.000, và trong thập niên tới, được dự báo tăng thêm khoảng 40%. Năm 2022, lương trung bình của họ là 125.900 USD/năm.
Mô hình này thành công nhờ thay đổi thể chế: từ đầu thập niên 1960, một nhóm y tá và bác sĩ nhận thấy thiếu bác sĩ chăm sóc ban đầu, trong khi kỹ năng của y tá bị dùng chưa hết. Họ tạo chương trình đào tạo, chứng chỉ và đấu tranh mở rộng phạm vi hành nghề trước sự phản đối của Hiệp hội Y khoa Mỹ. Công nghệ thông tin cũng hỗ trợ: nghiên cứu năm 2012 cho thấy hồ sơ bệnh án điện tử và dữ liệu tập trung giúp Nurse Practitioner ra quyết định chẩn đoán, điều trị nhanh và tốt hơn.
AI có thể mở rộng logic này sang luật hợp đồng, dạy giải tích, thủ thuật y khoa như đặt ống thông; không biến người chưa được đào tạo thành chuyên gia, nhưng có thể giúp người có nền tảng chuyên môn “lên cấp”.
Bằng chứng ban đầu và giới hạn
Một số nghiên cứu gần đây cho thấy AI bổ sung chuyên môn hơn là thay thế chuyên gia. Năm 2023, Sida Peng của Microsoft Research cùng các đồng tác giả từ GitHub và MIT Sloan cho thấy GitHub Copilot giúp lập trình viên hoàn thành bài lập trình nhanh hơn khoảng 56% so với nhóm không dùng công cụ.
Cũng năm 2023, Shakked Noy và Whitney Zhang của MIT thử nghiệm ChatGPT trong các nhiệm vụ viết với marketer, người viết hồ sơ xin tài trợ, tư vấn, quản lý và các chuyên gia khác. Nhóm dùng ChatGPT giảm thời gian làm việc 40% và chất lượng tăng rõ rệt. Cải thiện lớn nhất nằm ở nhóm yếu nhất: những người viết kém nhất khi có ChatGPT đạt mức gần bằng người viết trung vị không có ChatGPT.
Một nghiên cứu của NBER do Erik Brynjolfsson của Stanford cùng Danielle Li và Lindsey Raymond của MIT thực hiện với tổng đài chăm sóc khách hàng cho thấy AI gợi ý câu trả lời giúp năng suất tăng khoảng 14%. Lợi ích lớn nhất thuộc về người mới. AI giúp họ đạt năng lực của nhân viên có kinh nghiệm sau ba tháng thay vì 10 tháng. Tỷ lệ nghỉ việc của nhân viên mới giảm đáng kể, có lẽ vì họ hứng chịu ít cơn giận của khách hàng hơn.
Tuy nhiên, AI không tự động tạo giá trị nếu người dùng không biết sử dụng. Nghiên cứu NBER khác của Nikhil Agarwal tại MIT và cộng sự cho thấy AI không cải thiện chất lượng chẩn đoán của bác sĩ X-quang, dù dự đoán của AI chính xác ít nhất ngang gần 2/3 bác sĩ được nghiên cứu. Lý do vì bác sĩ không hiểu cách dùng công cụ: khi AI tự tin, họ thường bác bỏ; khi AI không chắc, họ thay phán đoán tốt hơn bằng máy. Bài học không phải AI vô dụng với bác sĩ, mà dùng AI đòi hỏi đào tạo và chuyên môn mới.
AI không làm chuyên môn trở nên thừa. Nó giống video hướng dẫn cách làm trên YouTube: rất hữu ích cho người có nền tảng, nguy hiểm với người không có kiến thức. Một người thợ có thể xem video học cách xử lý thiết bị mới, nhưng người chưa từng cầm kìm điện không nên xem YouTube rồi tự thay hộp cầu chì thế kỷ 19 bằng bảng cầu dao hiện đại. Khi công việc lệch khỏi kịch bản, thiếu phán đoán chuyên môn có thể dẫn tới điện giật hoặc cháy nhà.
Việc làm vẫn còn, câu hỏi là loại việc làm nào
AI tự động hóa một số nghề, loại bỏ một số việc và tái định hình nhiều nghề khác. Nhưng lịch sử cho thấy đổi mới không chỉ xóa việc cũ; còn tạo nhu cầu mới. Năm 1900, khoảng 35% việc làm ở Mỹ nằm trong nông nghiệp. Đến năm 2022, tỷ lệ này chỉ còn khoảng 1%, không phải vì người Mỹ ăn ít hơn. Khi gần 40% lao động Mỹ còn ở trang trại, các ngành y tế hiện đại, tài chính-bảo hiểm, phần mềm và điện toán hầu như chưa hình thành.
Không có kiểm soát viên không lưu, thợ điện hay chuyên gia chỉnh sửa gene trước khi đổi mới tạo ra nhu cầu cho họ. Nhiều nghề dịch vụ cá nhân như đầu bếp thuần chay, tư vấn tuyển sinh đại học hay huấn luyện viên cá nhân cũng xuất hiện nhờ thu nhập tăng, thị hiếu thay đổi và động lực kinh tế mới.
AI có thể được dùng nhằm khai phóng hoặc bóc lột, mở rộng thịnh vượng hoặc tập trung quyền lực. Trong thập niên 1940, công nghệ phân hạch hạt nhân cho phép cả vũ khí hủy diệt và điện hạt nhân gần như không carbon. Tám thập niên sau, các nước chọn khác nhau: Triều Tiên có kho vũ khí hạt nhân nhưng không có nhà máy điện hạt nhân dân sự; Nhật Bản, quốc gia từng hứng chịu bom nguyên tử, không có vũ khí hạt nhân nhưng có hàng chục nhà máy điện hạt nhân dân sự.
Rủi ro thật của AI với lao động không phải tương lai không còn việc làm. Rủi ro lớn hơn là chuyên môn của con người bị mất giá. Nếu lao động chỉ còn là sức người chung chung, phần lớn của cải chảy về chủ sở hữu bằng sáng chế và hệ thống AI. Nhưng đó không phải kết cục tất yếu.
Câu hỏi chính không phải liệu chúng ta còn việc làm hay không; các nền kinh tế giàu nhiều khả năng thiếu lao động hơn thiếu việc. Câu hỏi là đó có phải những việc làm đáng muốn hay không. Sau bốn thập niên máy tính hóa và bất bình đẳng tăng, phẩm giá, chất lượng và quyền tự chủ của nhiều công việc đã suy giảm. Cơ hội của AI là đảo chiều xu hướng ấy: mở rộng tầm với, giá trị và phẩm giá của chuyên môn con người cho nhiều lao động hơn. Con đường đó không tự động xảy ra, nhưng khả thi về công nghệ, hợp lý về kinh tế và đáng lựa chọn.
shared via noema,
