Đánh giá kỹ năng AI tại nơi làm việc: tách năng suất khỏi năng lực độc lập

AI giúp nhân viên tạo ra sản phẩm vượt quá kinh nghiệm trước đó, nên kết quả giao việc dễ bị đọc nhầm thành năng lực mới của cả đội. Một nhiệm vụ hoàn thành tốt chỉ phản ánh sự phối hợp giữa người và công cụ. Muốn biết kỹ năng đã hình thành, quản lý còn phải xem nhân viên giải thích được quy trình, kiểm tra được đầu ra và xử lý được bài tương tự khi giảm hỗ trợ từ AI hay không.

Đây là khác biệt giữa năng suất có trợ giúp và năng lực độc lập. Các nghiên cứu dưới đây không đưa ra một thang điểm chung cho mọi nghề, nhưng cho thấy vì sao tốc độ giao hàng không nên đứng một mình trong đánh giá đào tạo.

Hoàn thành nhiệm vụ với AI chưa chứng minh đã học

Không thể chỉ nhìn sản phẩm cuối cùng để kết luận nhân viên đã nắm kỹ năng; cần thêm bài kiểm tra giải thích, kiểm tra lỗi và chuyển sang nhiệm vụ gần giống khi công cụ bị giới hạn.

Một thử nghiệm ngẫu nhiên với 986 tư vấn viên của Boston Consulting Group (BCG) phân công người tham gia vào các điều kiện khác nhau; phân tích chính gồm 487 người nộp đủ kết quả của hai nhiệm vụ. Nhóm được huấn luyện và dùng ChatGPT cao hơn nhóm đối chứng từ 17 đến 49 điểm phần trăm ở nhiệm vụ khoa học dữ liệu, và cao hơn 20 điểm phần trăm ở nhiệm vụ hiểu thống kê.

Sau thí nghiệm, người tham gia trả lời câu hỏi kỹ thuật khi không có ChatGPT. Nhóm AI không vượt nhóm đối chứng. Tác giả tách hai kết quả: dùng công cụ để làm một nhiệm vụ mới và sở hữu kiến thức để vận dụng khi không có công cụ. Nghiên cứu chỉ theo dõi hiệu suất và khả năng ghi nhớ trong thời gian ngắn, chưa trả lời được tác động sau sáu tháng hoặc vài năm.

Vì vậy, bảng đánh giá nội bộ nên ghi riêng hai cột. Cột thứ nhất đo chất lượng, thời gian và mức hoàn thành khi nhân viên được dùng công cụ đã phê duyệt. Cột thứ hai đo khả năng trình bày lý do, nhận diện giả định sai và tự hoàn tất một phần quan trọng của nhiệm vụ.

Năng suất tại nơi làm việc có phản ánh quá trình học không?

Một số bằng chứng thực địa cho thấy năng suất vẫn cao hơn sau khi AI tạm ngừng, nhưng kết quả đó chưa đại diện cho mọi nhiệm vụ và chưa thay thế bài kiểm tra năng lực.

Nghiên cứu đăng trên The Quarterly Journal of Economics phân tích 5.172 nhân viên chăm sóc khách hàng. Sau khi dùng trợ lý AI tạo sinh, số vụ việc giải quyết mỗi giờ tăng trung bình 15%; nhóm ít kinh nghiệm và kỹ năng thấp hơn hưởng lợi nhiều hơn. Khi hệ thống bất ngờ ngừng hoạt động, năng suất vẫn cao hơn mức trước khi dùng công cụ. Các tác giả xem đây là dấu hiệu phù hợp với khả năng đã học được một phần cách xử lý.

Tuy nhiên, giai đoạn hệ thống lỗi còn chịu ảnh hưởng của độ khó hồ sơ, khối lượng nhiệm vụ và trạng thái của nhân viên. Đây là quan sát tại một doanh nghiệp, không phải phép thử ngẫu nhiên trong điều kiện không có AI. Năng suất trung bình cũng dễ che khuất sai sót, chất lượng rà soát và cách xử lý ngoại lệ.

Doanh nghiệp nên theo dõi đồng thời thời gian xử lý, tỷ lệ đúng, số lỗi do AI tạo ra, chất lượng kiểm tra và kết quả ở một ca không dùng công cụ. Nếu chỉ lấy số hồ sơ hoàn thành làm thước đo, bảng đánh giá sẽ đo sản lượng của hệ thống người-máy nhiều hơn là kỹ năng của nhân viên.

Tại Việt Nam thì sao

Ở Việt Nam, câu hỏi này gắn với cả đào tạo nhân lực lẫn quản trị dữ liệu. Quyết định 127/QĐ-TTg của Thủ tướng Chính phủ ban hành Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng AI đến năm 2030 đặt mục tiêu phát triển nhân lực và đưa AI vào nhiều lĩnh vực. Văn bản này là định hướng quốc gia, không phải một bộ câu hỏi bắt buộc cho từng doanh nghiệp. Khi xây chương trình học, phòng nhân sự nên chuyển mục tiêu rộng thành năng lực gắn với vị trí: đọc dữ liệu, viết yêu cầu cho công cụ, kiểm chứng đầu ra, bảo vệ thông tin và chịu trách nhiệm về quyết định cuối cùng.

Luật số 134/2025/QH15 về trí tuệ nhân tạo được ban hành ngày 10 tháng 12 năm 2025 và có hiệu lực từ ngày 1 tháng 3 năm 2026 theo Cổng Thông tin điện tử Chính phủ Việt Nam. Doanh nghiệp cần đọc văn bản và hướng dẫn thi hành đang áp dụng cho trường hợp của mình, thay vì xem một khóa học sử dụng chatbot là đủ để đáp ứng nghĩa vụ. Trong hồ sơ đào tạo, nên ghi công cụ nào được phép dùng, dữ liệu nào không được đưa vào, ai duyệt kết quả và cách lưu bằng chứng kiểm tra.

Người lao động ở Việt Nam cũng có những đường học khác nhau. Khóa học trên nền tảng One Touch dành cho khu vực hành chính công nêu các kỹ năng như đánh giá độ chính xác và mức phù hợp của kết quả AI, bảo mật thông tin, an toàn dữ liệu và trách nhiệm khi sử dụng mô hình ngôn ngữ. Nội dung này cho thấy một khóa học có giá trị thực tế không chỉ dạy thao tác với chatbot; khóa học phải yêu cầu người học kiểm tra đầu ra trong bối cảnh công việc cụ thể.

Giá khóa học AI tại Việt Nam không có một mức chung để dùng làm chuẩn cho doanh nghiệp. Mức phí phụ thuộc đơn vị đào tạo, hình thức học, thời lượng, chứng chỉ và chương trình có kèm dự án hay không. Khi cần so sánh, người học nên kiểm tra trực tiếp trang của cơ sở đào tạo, hỏi rõ tổng học phí, phần thực hành, chính sách hoàn tiền và tình trạng chứng nhận. Với chương trình nội bộ, chi phí còn gồm thời gian nhân viên rời vị trí, người hướng dẫn và công đoạn rà soát dữ liệu.

Doanh nghiệp cũng không nên suy ra kỹ năng của người lao động từ một chứng chỉ hoặc số lần dùng công cụ. Một bài đánh giá phù hợp tại Việt Nam có thể gồm bản giao hàng với AI, phần giải thích bằng tiếng Việt, một lỗi cố ý để người học phát hiện, một nhiệm vụ tương tự không có AI và câu hỏi về dữ liệu được phép nhập. Nếu công việc liên quan khách hàng, hồ sơ cá nhân hoặc bí mật kinh doanh, bộ phận phụ trách cần đối chiếu quy định nội bộ và pháp luật hiện hành trước khi đưa dữ liệu thật vào lớp học. Tính đến thời điểm bài viết được thực hiện, chúng tôi chưa tìm thấy bảng giá chính thức thống nhất hoặc bộ dữ liệu quốc gia đo riêng mức tăng kỹ năng độc lập sau đào tạo AI theo từng nghề.

Vì sao các nghiên cứu cho kết quả khác nhau?

Đối tượng, loại nhiệm vụ, cách AI đưa câu trả lời và lượng luyện tập sau khi nhận trợ giúp đều làm thay đổi kết quả học.

Một bản tiền xuất bản năm 2026 về 52 kỹ sư phần mềm cho phần lớn người mới học thư viện lập trình bất đồng bộ của Python. Nhóm dùng AI hoàn thành nhiệm vụ nhanh hơn khoảng hai phút, nhưng khác biệt chưa đạt ý nghĩa thống kê. Điểm kiểm tra trung bình của nhóm AI là 50%, so với 67% ở nhóm tự viết. Việc yêu cầu AI giải thích khái niệm và hỏi tiếp lý do có liên hệ với kết quả tốt hơn. Đây vẫn là bài kiểm tra ngắn hạn, chưa phải bằng chứng về khả năng giữ kỹ năng lâu dài.

Một thử nghiệm ngẫu nhiên tại các lớp toán trung học ở Thổ Nhĩ Kỳ gồm gần 1.000 học sinh lớp 9 đến lớp 11. Nhóm dùng GPT-4 đạt điểm luyện tập cao hơn 48% so với nhóm đối chứng, nhưng điểm thi sau đó khi không có công cụ thấp hơn 17%. Nhóm dùng GPT Tutor do giáo viên thiết kế, trong đó AI đưa gợi ý trước khi trả lời, đạt điểm luyện tập cao hơn 127% mà không lặp lại mức giảm tương tự trong bài thi không có công cụ. Nghiên cứu học sinh không thể chuyển thẳng thành kết luận cho nhân viên, nhưng cho thấy thiết kế lời nhắc và cách trì hoãn câu trả lời rất quan trọng.

Một nghiên cứu kéo dài ba tuần với 69 người từ 10 đến 17 tuổi mới học lập trình yêu cầu hoàn thành 45 nhiệm vụ Python. Một nửa được dùng Codex và phải tự sửa mã sau mỗi nhiệm vụ. Trong bài kiểm tra ghi nhớ sau một tuần, nhóm AI nhỉnh hơn nhưng chưa đạt ý nghĩa thống kê. Việc bắt buộc thao tác bằng tay sau khi nhận hỗ trợ là phần quan trọng của thiết kế; không nên xem kết quả này là dự báo trực tiếp cho chương trình đào tạo doanh nghiệp.

Quản lý và nhân sự nên kiểm tra kỹ năng thế nào?

Tách sản phẩm giao, mức hiểu quy trình và khả năng chuyển sang tình huống mới sẽ cho thấy năng suất tăng có đi cùng tích lũy năng lực hay không.

Trước hết, doanh nghiệp cần định nghĩa mục tiêu của từng vai trò. Nếu mục tiêu là giao hàng nhanh với AI, đánh giá tập trung vào chất lượng và thời gian. Nếu mục tiêu là xây năng lực phán đoán độc lập, bài kiểm tra phải yêu cầu giải thích, sửa lỗi, đối chiếu dữ liệu và xử lý tình huống chưa luyện.

Một bộ kiểm tra ngắn có thể gồm phần trình bày miệng, một đầu ra chứa lỗi, một trường hợp ngoại lệ và một nhiệm vụ tương tự không có AI. Cách này không nhằm cấm công cụ trong công việc hằng ngày. Nó tách câu hỏi “nhân viên tạo ra sản phẩm tốt với hệ thống chưa?” khỏi câu hỏi “nhân viên hiểu đủ để phát hiện khi hệ thống sai chưa?”.

AI cũng có thể tạo nội dung sai hoặc lưu lại dữ liệu đầu vào. Đào tạo phải ghi rõ công cụ được phê duyệt, loại dữ liệu được nhập, trách nhiệm kiểm chứng và người duyệt đầu ra. Dữ liệu cá nhân, thông tin vận hành chưa công khai và tài liệu mật cần được xử lý theo quy định của tổ chức; phần kiểm tra bảo mật nên nằm trong đánh giá kỹ năng, không phải ghi chú tùy chọn.

1. Đặt mục tiêu kỹ năng: ghi rõ nhiệm vụ nhân viên phải tự hoàn thành và phần AI chỉ hỗ trợ.
2. Giữ lại bước kiểm tra hiểu: yêu cầu giải thích, tìm lỗi hoặc xử lý một trường hợp tương tự chưa luyện.
3. Theo dõi nhiều chỉ số: ghi tốc độ, độ đúng, chất lượng rà soát và kết quả khi không có công cụ.
4. Đặt ranh giới dữ liệu: xác nhận công cụ được phép dùng, loại dữ liệu được nhập và người chịu trách nhiệm duyệt.

Kết luận

Sản phẩm làm cùng AI phản ánh năng lực của cả người và công cụ, chưa đủ để chứng minh năng lực độc lập. Kết quả nghiên cứu thay đổi theo nhiệm vụ, cách cung cấp trợ giúp và lượng luyện tập sau đó. Doanh nghiệp muốn tích lũy kỹ năng nên đánh giá thêm khả năng giải thích, kiểm tra, xử lý ngoại lệ và chuyển sang nhiệm vụ mới.

Câu hỏi thường gặp

AI làm giúp nhân viên thì có tính là tăng năng lực không?

Chưa thể kết luận chỉ từ sản phẩm. Cần kiểm tra nhân viên có hiểu quy trình, phát hiện lỗi và xử lý được nhiệm vụ gần giống khi giảm hỗ trợ hay không.

AI tạm ngừng mà năng suất vẫn cao có chứng minh nhân viên đã học không?

Đó là dấu hiệu đáng kiểm tra thêm. Nghiên cứu chăm sóc khách hàng không phải bài thi ngẫu nhiên trong điều kiện không có AI, nên không đủ để chứng minh quan hệ nhân quả hoặc áp dụng cho nghề khác.

Dùng AI có luôn làm giảm hiệu quả học không?

Không. Kết quả phụ thuộc AI đưa đáp án ngay hay gợi ý, người học có phải giải thích hay không và sau nhiệm vụ có tự luyện lại hay không.

Công ty nên đánh giá đào tạo AI bằng cách nào?

Ngoài tốc độ và chất lượng giao hàng, công ty nên dùng phần giải thích, nhận diện lỗi, thao tác không có công cụ và bài chuyển sang tình huống mới. Mức rà soát cần tăng theo rủi ro của từng công việc.

Có nên đưa dữ liệu công ty vào chatbot để học không?

Chỉ làm sau khi kiểm tra công cụ được phê duyệt và quy định dữ liệu của tổ chức. Không đưa dữ liệu cá nhân, dữ liệu khách hàng, thông tin vận hành chưa công khai hoặc tài liệu mật vào dịch vụ chưa được cho phép.