Bloomberg: Trí tuệ nhân tạo sẽ làm đảo lộn cách thức tổ chức của các doanh nghiệp như thế nào?
Tuyển chọn TechFlowTuyển chọn TechFlow
Bloomberg: Trí tuệ nhân tạo sẽ làm đảo lộn cách thức tổ chức của các doanh nghiệp như thế nào?
Hệ thống kinh tế từ lâu đã được xây dựng dựa trên quan niệm rằng chuyên môn khan hiếm và đắt đỏ. Trong khi đó, trí tuệ nhân tạo sắp khiến loại chuyên môn này trở nên dồi dào và gần như miễn phí.
Chuyên sâu báo cáo Web3
Hình ảnh: Được tạo bởi Wujie AI
Trong phần lớn lịch sử loài người, việc thuê mướn hàng chục chuyên gia trình độ tiến sĩ thường đòi hỏi ngân sách khổng lồ và thời gian chuẩn bị kéo dài cả tháng trời. Ngày nay, chỉ cần nhập vài từ khóa vào một chatbot, bạn đã có thể ngay lập tức tiếp cận trí tuệ của những "bộ não" này.
Khi chi phí thông minh trở nên rẻ hơn và tốc độ nhanh hơn, giả định nền tảng từng làm chỗ dựa cho các thể chế xã hội chúng ta —— “trí tuệ con người khan hiếm và đắt đỏ” —— sẽ không còn tồn tại. Khi chúng ta có thể dễ dàng huy động ý kiến từ hàng chục chuyên gia bất cứ lúc nào, cấu trúc tổ chức doanh nghiệp sẽ thay đổi ra sao? Cách thức đổi mới của chúng ta sẽ phát triển thế nào? Mỗi cá nhân chúng ta lại nên đối xử với việc học tập và ra quyết định như thế nào? Câu hỏi đặt ra trước mắt cá nhân và doanh nghiệp là: Khi bản thân trí tuệ trở nên sẵn có ở khắp nơi và gần như miễn phí, bạn sẽ hành động như thế nào?
Quá trình lịch sử "giảm giá" của trí tuệ
Trong lịch sử, chúng ta đã chứng kiến không dưới một lần quá trình chi phí tri thức giảm mạnh và phương tiện truyền bá mở rộng nhanh chóng. Vào giữa thế kỷ 15, sự xuất hiện của máy in đã làm giảm đáng kể chi phí truyền bá tài liệu viết tay. Trước đó, văn bản thường được sao chép thủ công bởi các tu sĩ hay chuyên gia, vừa tốn kém vừa mất thời gian.
Khi điểm nghẽn này được phá vỡ, châu Âu bước vào một cuộc biến đổi xã hội sâu sắc: Cải cách Tin Lành gây chấn động lớn về mặt tôn giáo; tỷ lệ biết chữ tăng nhanh (đặt nền móng cho phổ cập giáo dục tiểu học); nghiên cứu khoa học nhờ xuất bản in ấn mà phát triển mạnh mẽ. Các quốc gia định hướng thương mại như Hà Lan và Anh hưởng lợi rất nhiều, Hà Lan bước vào "thời kỳ hoàng kim", trong khi Anh tiếp tục giữ vai trò quan trọng trên sân khấu toàn cầu trong nhiều thế kỷ sau đó.
Theo thời gian, khả năng đọc viết phổ cập và giáo dục công cộng lan rộng đã nâng cao trí tuệ tổng thể của xã hội, từ đó tạo tiền đề cho công nghiệp hóa. Các vị trí trong nhà máy ngày càng chuyên môn hóa, phân công lao động phức tạp hơn thúc đẩy tăng trưởng kinh tế. Cuối thế kỷ 18, những quốc gia có tỷ lệ biết chữ cao ở nam giới là những nước đi đầu trong công nghiệp hóa; đến cuối thế kỷ 19, các nền kinh tế phát triển nhất cũng chính là những nước có tỷ lệ biết chữ cao nhất. Con người nắm bắt kỹ năng mới, thúc đẩy sự ra đời của nhiều vị trí chuyên môn hơn, hình thành vòng xoáy tích cực kéo dài cho tới ngày nay.
Sự xuất hiện của Internet đã đưa xu hướng này lên một tầm cao mới. Thời thơ ấu, nếu tôi muốn tìm hiểu một chủ đề mới, phải mang sổ ghi chép đến thư viện để tra cứu sách vở, chỉ riêng bước này đã tốn cả buổi. Lúc ấy, việc tiếp cận tri thức vừa đắt đỏ vừa khó khăn.
Ngày nay, trí tuệ nhân tạo đã tiếp nhận ngọn đuốc truyền thống kéo dài hàng ngàn năm qua của “giảm chi phí trí tuệ”, mở ra chương mới hoàn toàn cho nền kinh tế và tư duy của chúng ta.
Thời khắc "tỉnh ngộ" của tôi với ChatGPT
Tôi lần đầu sử dụng ChatGPT vào tháng 12 năm 2022 và cảm thấy đây là một sản phẩm mang tính mốc son. Ban đầu, tôi chỉ dùng nó để thực hiện vài "mánh số học", ví dụ yêu cầu AI "viết lại Tuyên ngôn Độc lập theo phong cách Eminem" (những lời mà nó tạo ra đại loại như "Yo, chúng tôi sẽ nói to lên, những con người ở đây sẽ không bị khuất phục", vân vân).
Nghĩ lại, điều này chẳng khác gì nhờ một đầu bếp đạt giải thưởng Blue Ribbon làm sandwich phô mai nướng – quả thật quá lãng phí tài năng. Mãi đến một buổi chiều tháng 1 năm 2023, khi cùng con gái 12 tuổi của mình dành vài giờ để thiết kế một trò chơi bàn mới với sự trợ giúp của ChatGPT, tôi mới thực sự nhận ra sức mạnh của công cụ này.
Lúc đó, tôi nói với AI rằng chúng tôi thích trò chơi bàn nào, không thích trò nào, và nhờ nó phân tích điểm chung. Nó nhận ra rằng chúng tôi thích các cơ chế trò chơi như “xây dựng đường đi”, “quản lý tài nguyên”, “sưu tập thẻ bài”, “lập chiến lược” và “kết quả khó đoán”, đồng thời không thích một số mô hình phổ biến trong các trò như Risk hay Monopoly.
Tôi yêu cầu nó dựa trên những yếu tố này để đề xuất vài ý tưởng trò chơi ít hiển nhiên nhưng quan trọng, đồng thời mong muốn có bối cảnh lịch sử. ChatGPT liền nghĩ ra một trò tên là Elemental Discoveries: Người chơi đóng vai các nhà nghiên cứu hóa học thế kỷ 18-19, thu thập và trao đổi tài nguyên để thí nghiệm, kiếm điểm, đồng thời có thể phá hoại lẫn nhau.
Sau đó, tôi yêu cầu nó phát triển sâu hơn về tài nguyên, cách chơi, cơ chế trò chơi và các vai trò người chơi phù hợp. Nó đề xuất các định vị như “nhà giả kim”, “kẻ phá hoại”, “thương gia”, “nhà khoa học”, đồng thời gắn chúng với hình mẫu các nhà hóa học lịch sử như Lavoisier, Joseph-Louis Gay-Lussac, Marie Curie, Carl Wilhelm Scheele, v.v.
Với phiên bản ChatGPT còn khá “sơ cấp” lúc bấy giờ, chúng tôi chỉ mất khoảng hai ba giờ để tạo ra một trò chơi bàn dù thô sơ nhưng vẫn chơi được. Cuối cùng, tôi buộc phải dừng lại, một phần vì hết thời gian, phần khác là vì đã kiệt sức. Trải nghiệm đó khiến tôi trực tiếp cảm nhận được rằng, một cộng sự AI có thể rút ngắn quy trình phát triển vốn mất cả tuần lễ xuống chỉ còn vài giờ đồng hồ. Hãy thử tưởng tượng nếu áp dụng điều này vào phát triển sản phẩm, phân tích thị trường, thậm chí chiến lược doanh nghiệp, thì tiềm năng sẽ lớn đến mức nào?
Trong quá trình này, tôi thấy ChatGPT không đơn thuần chỉ đang lặp lại hoặc chất đống sự kiện; nó thể hiện khả năng tư duy khái niệm và so sánh, có thể kết nối các ý tưởng với tham chiếu thực tế, và thực sự đưa ra các giải pháp sáng tạo đáp ứng nhu cầu.
Từ “vẹt ngẫu nhiên” đến “người suy nghĩ sâu sắc”
Mức độ một nghìn tỷ quả thật đáng kinh ngạc. Các mô hình ngôn ngữ lớn hỗ trợ ChatGPT thường sở hữu hàng tỷ, hàng trăm tỷ, thậm chí hàng nghìn tỷ tham số, mức độ phức tạp khiến người ta choáng ngợp.
Chúng ta vẫn chưa hoàn toàn hiểu rõ vì sao và bằng cách nào những mô hình này lại hoạt động. Khi chúng liên tục đạt được đột phá trong bảy năm qua, một số học giả lý thuyết vẫn kiên trì cho rằng chúng không thể tạo ra thứ gì thực sự mới —— vào năm 2021, một số nhà nghiên cứu thậm chí đưa ra thuật ngữ miêu tả đầy tính miệt thị “vẹt ngẫu nhiên” (stochastic parrots). Bởi vì mô hình ngôn ngữ lớn về cơ bản chỉ dự đoán văn bản dựa trên quy luật thống kê của dữ liệu huấn luyện, giống như con vẹt lặp lại lời nói một cách ngẫu nhiên.
Tuy nhiên, đối với những người liên tục trải nghiệm và ngưỡng mộ các công cụ này, rất khó tin rằng chúng chỉ đang lặp lại. Đặc biệt trong nửa năm qua, quan điểm này càng trở nên thiếu cơ sở.
Các mô hình ngôn ngữ lớn ban đầu giống như kiểu “phát biểu theo trực giác”, thiếu hẳn khả năng “tự phản tỉnh” hay “ý thức tự thân”. Theo cách nói của Daniel Kahneman, người đoạt giải Nobel Kinh tế, đa số con người thường dùng tư duy Hệ thống 1 (trực giác, phản ứng nhanh), nhưng khi cần suy nghĩ sâu, chúng ta chuyển sang Hệ thống 2 (chậm rãi, cẩn trọng và ít sai sót hơn). Các phiên bản đầu của ChatGPT và các đối thủ cạnh tranh chủ yếu chỉ thể hiện hiệu suất tương tự Hệ thống 1, thiếu vắng quy trình suy luận Hệ thống 2.
Tình trạng này bắt đầu thay đổi vào tháng 9 năm 2024, khi OpenAI ra mắt mô hình suy luận có tên o1, có khả năng phân tích vấn đề logic phức tạp nhiều bước, kiểm tra các kết luận trung gian (khi cần có thể quay lại sửa chữa), từ đó đưa ra kết quả cuối cùng tốt hơn. So với các mô hình ngôn ngữ lớn truyền thống chỉ dựa vào bộ nhớ hay khớp mẫu bề mặt, các mô hình suy luận mới dần sở hữu khả năng phân tích vấn đề và suy xét thận trọng. Một số bài kiểm tra cho thấy, mô hình suy luận này trong các kỳ thi lĩnh vực chuyên biệt đã có thể so sánh với các chuyên gia trình độ tiến sĩ, thậm chí vượt trội hơn.
Kể từ khi o1 ra mắt, trong vòng vỏn vẹn sáu tháng, AI lại đạt được những tiến bộ đáng kinh ngạc. Chủ đề nóng nhất hiện nay là làm thế nào biến các mô hình suy luận này thành “trợ lý nghiên cứu tự chủ”. Hiệu suất của chúng thực sự ấn tượng.
Gần đây, tôi giao cho một robot nghiên cứu nhiệm vụ phân tích chủ đề: “đánh giá tác động môi trường tổng hợp đối với các sự kiện lớn hoặc dự án vận hành như đua xe F1, lễ hội âm nhạc Coachella, công viên Disneyland, sòng bạc Las Vegas, bệnh viện, vườn thú quy mô lớn, v.v.”. AI đã dành 73 phút, tra cứu 29 nguồn độc lập, và đưa ra bảng kết quả chi tiết cùng phần mô tả văn bản dài 1.916 từ. Dù chất lượng vẫn còn chỗ cải thiện, tương đương báo cáo mà một học viên cao học có thể viết trong vài ngày, nhưng nó đã giúp tôi tiết kiệm cả ngày trời.
Chỉ 18 tháng trước, hệ thống AI của tôi chỉ có thể giải quyết những nhiệm vụ nhỏ trong vòng nửa tiếng; còn hiện nay, nó đã đủ khả năng xử lý các công việc nghiên cứu phức tạp và tốn thời gian hơn.
Sự xuất hiện của “dây chuyền sản xuất nhận thức”
Chúng ta đang liên tục chứng kiến chuỗi tiến hóa liên quan đến “sử dụng tri thức” và “lao động nhận thức”. Từ thời điểm ban đầu khi trí tuệ bị các ngôi chùa và học giả độc quyền, đến khi in ấn giúp tri thức có thể lan tỏa, rồi Internet khiến thông tin trở nên dễ tiếp cận, câu hỏi dần chuyển sang “làm thế nào để hiểu thông tin”. Hiện nay, những nhiệm vụ từng được coi là khan hiếm và phức tạp cũng đang trở nên gần gũi và giá rẻ.
Tuy nhiên, khi tôi trao đổi với các nhà quản lý doanh nghiệp lớn, tôi thấy phần lớn họ chỉ dùng AI ở những lĩnh vực nhỏ nhặt, ví dụ tự động hóa dịch vụ khách hàng để tiết kiệm chi phí. Giám đốc điều hành Salesforce từng nói vào tháng 12 năm ngoái rằng, trong 36.000 yêu cầu hỗ trợ khách hàng mỗi tuần, 86% đã được AI trả lời; công ty fintech Thụy Điển Klarna tuyên bố hai phần ba cuộc trò chuyện dịch vụ khách hàng của họ do AI xử lý, riêng biện pháp này đã mang về 40 triệu USD lợi nhuận cho công ty. Tuy nhiên, việc chỉ đơn thuần cắt giảm 10% chi phí thông qua dịch vụ khách hàng là chưa đủ để doanh nghiệp đạt bước nhảy vọt về chất; chưa từng có doanh nghiệp vĩ đại nào thành công chỉ bằng cách giảm chi phí.
Vì vậy, phần lớn doanh nghiệp bắt đầu từ những nhiệm vụ tương đối thấp cấp, dùng AI xử lý các công việc trị giá 50 USD/giờ (như trò chuyện dịch vụ khách hàng), tuy hữu ích nhưng vẫn xa mới gọi là chuyển đổi. Nhưng thực tế, AI cũng có thể đảm nhiệm các nhiệm vụ có “giá trị” lên tới 5.000 USD/giờ —— ví dụ như nghiên cứu phát triển, hoạch định chiến lược hoặc tư vấn chuyên môn. Vậy tại sao hiện nay chỉ có một vài công ty áp dụng AI vào các khâu then chốt này?
Một lý do nằm ở chỗ con người khó hình dung rằng những công việc “phải dựa vào quản lý cấp cao hoặc chuyên gia hàng đầu” lại có thể (hoặc một phần có thể) do máy móc đảm nhận. Chính vì nhân tài xuất sắc khan hiếm, những nhiệm vụ giá trị cao mới trở nên đặc biệt quý giá. Cơ cấu tổ chức của chúng ta được xây dựng dựa trên nhận thức rằng “nguồn cung nhân tài trí tuệ cao là có hạn”.
Lấy ngành dược phẩm làm ví dụ, một loại thuốc mới重磅 có thể quyết định thành bại của cả doanh nghiệp. Nút thắt nằm ở việc đưa thuốc vào quy trình phê duyệt đắt đỏ và tốn thời gian —— thường mất 10-15 năm và hơn 1 tỷ USD, trong khi hàng ngàn phân tử ứng cử viên mới có một cái được上市. Đồng thời, trong một công ty dược phẩm lớn, số lượng nhân viên marketing có thể nhiều hơn hàng ngàn lần so với các nhà nghiên cứu hàng đầu, bởi các chuyên gia nghiên cứu thực sự cực kỳ khan hiếm.
Hiện nay, phần lớn lãnh đạo doanh nghiệp vẫn ở giai đoạn “thử chấp nhận AI” chứ chưa phải “thật sự tin tưởng AI”. Họ quen với tư duy rằng một số vấn đề quá khó hoặc quá tốn kém, nên né tránh nếu có thể. Nhưng với sự xuất hiện của AI, ràng buộc không còn là “liệu chúng ta có thể nghĩ ra giải pháp hay không”, mà là “chúng ta có thể triển khai và kiểm chứng ý tưởng tốt nhanh đến mức nào”.
Tất cả điều này sẽ tạo ra tác động sâu rộng.Khi mỗi doanh nghiệp đều có thể dễ dàng huy động vài “chuyên gia AI trình độ tiến sĩ”, tốc độ đổi mới chắc chắn sẽ tăng mạnh. Giống như dây chuyền lắp ráp ô tô của Henry Ford giúp quá trình sản xuất có thể lặp lại và cải tiến nhanh chóng, AI có thể giúp các ý tưởng và giải pháp được mài giũa và cập nhật liên tục, giúp công ty thử nghiệm nhanh hơn, học hỏi nhanh hơn và chuyển hướng nhanh chóng.
Tất nhiên, nếu doanh nghiệp không có khả năng triển khai các ý tưởng do “trí tuệ đoàn AI” đề xuất, thì dù ý tưởng có tuyệt vời đến đâu cũng vô ích. Khả năng thực thi và tích hợp trơn tru mới là yếu tố then chốt thực sự tạo ra sự khác biệt.
Ngày thường của tôi cùng AI
Trong 18 tháng qua, tôi dần xây dựng một “hệ sinh thái AI” để phục vụ công việc. Ví dụ, vào một ngày tháng 6 năm 2024, tôi đã kích hoạt các hệ thống AI này 38 lần trong ngày, với tổng số ký tự tương tác đạt 79.000 ký tự, dùng cho nghiên cứu.
Đến tháng 1 năm 2025, tôi đã ngừng đếm số ký tự trao đổi. Nhưng trừ khi bên kia (người thật) phản đối, hầu như mọi cuộc họp tôi đều mang theo một AI để ghi chú. Trong nghiên cứu hàng ngày, tôi cũng thường xuyên dùng nhiều công cụ AI khác nhau. Chỉ riêng trong tuần viết bài này, tôi đã gửi ít nhất 144 truy vấn đến các mô hình ngôn ngữ lớn —— chưa kể 26 lần chuyển đổi ghi âm thành văn bản và việc sử dụng công cụ hỗ trợ mã code. Hiện nay, tôi dùng các công cụ AI thế hệ mới nhiều hơn cả việc dùng Google Search.
Điều bất ngờ là, mặc dù khối lượng công việc tôi xử lý tăng lên và nhanh hơn, nhưng thời gian tôi ngồi trước màn hình máy tính lại ít hơn những năm trước, đây là một thành quả khiến tôi vô cùng vui mừng.
Khi chi phí trí tuệ gần như bằng không, điểm nghẽn thực sự không còn là “làm sao để có được bộ não”, mà là “chúng ta sử dụng chúng ra sao”. Những cá nhân và tổ chức biết đặt câu hỏi hay, đánh giá khách quan câu trả lời và hành động dứt khoát sẽ trở thành người chiến thắng. Họ cũng cần suy nghĩ: Khi trong tay có thêm thời gian, họ sẽ dùng nó để làm gì?
Chào mừng tham gia cộng đồng chính thức TechFlow
Nhóm Telegram:https://t.me/TechFlowDaily
Tài khoản Twitter chính thức:https://x.com/TechFlowPost
Tài khoản Twitter tiếng Anh:https://x.com/BlockFlow_News
