Đừng đo số người đã dùng AI: Hãy đo họ có thực sự làm việc tốt hơn hay không

AI đã có mặt trong doanh nghiệp. Nhân viên đã được cấp tài khoản. Các khóa học về ChatGPT, Copilot hay AI Agent đã được tổ chức. Báo cáo cuối quý cho thấy tỷ lệ kích hoạt công cụ tăng, số lượt sử dụng tăng và hàng nghìn câu lệnh đã được gửi đi.

Nhưng sau tất cả những con số ấy, một câu hỏi quan trọng vẫn thường bị bỏ ngỏ:

Nhân viên có thực sự làm việc tốt hơn nhờ AI hay không?

Họ có tạo ra kết quả nhanh hơn, chính xác hơn và giá trị hơn không? Chất lượng quyết định có được cải thiện? Khách hàng có được phục vụ tốt hơn? Chi phí, lỗi công việc và thời gian xử lý có giảm? Hay AI chỉ giúp nhân viên sản xuất nhiều email, báo cáo và nội dung hơn trong một ngày vốn đã quá tải?

Đây là lúc doanh nghiệp cần phân biệt bốn cấp độ hoàn toàn khác nhau: AI access – khả năng tiếp cận AI; AI usage – mức độ sử dụng AI; AI proficiency – năng lực làm việc hiệu quả với AI; và business impact – tác động thực sự đến kết quả kinh doanh.

Nếu chỉ dừng lại ở hai cấp độ đầu tiên, doanh nghiệp có thể nhìn thấy một bức tranh ứng dụng AI rất sôi động, nhưng chưa chắc đã tạo ra bất kỳ lợi thế cạnh tranh nào.

Người lao động đang dùng AI nhanh hơn tốc độ chuyển đổi của doanh nghiệp

Khảo sát Tương lai công việc 2024 của Anphabe cho thấy 56% người lao động đã từng sử dụng AI trong công việc. Trong nhóm này, 77% sử dụng AI ít nhất mỗi tuần và 68% sẵn sàng tự chi trả một phần hoặc toàn bộ chi phí cho các ứng dụng AI phục vụ công việc.

Hơn 76% người dùng nhận thấy AI giúp tiết kiệm thời gian và trên 50% cho biết AI khiến công việc trở nên thú vị hơn. Người lao động cũng không hoàn toàn thụ động trước kết quả do công nghệ tạo ra: 66% sẵn sàng điều chỉnh prompt khi kết quả chưa đạt yêu cầu và 46% thường xuyên thử nghiệm các ứng dụng AI mới.

Nhìn từ những con số này, có thể cho rằng quá trình ứng dụng AI đang diễn ra khá tích cực.

Tuy nhiên, cũng chính khảo sát của Anphabe cho thấy:

• 67% người lao động chưa thành thạo sử dụng AI một cách hiệu quả.
• 64% tự đánh giá còn yếu về kỹ năng phân tích dữ liệu.
• 40% không có đủ thời gian để học cách sử dụng AI.
• Chỉ 53% doanh nghiệp đã ứng dụng AI có cung cấp chương trình đào tạo bài bản.
• Trong số người được đào tạo, chỉ 52% hài lòng với chất lượng đào tạo nhận được.

Khoảng cách này cho thấy có sử dụng AI không đồng nghĩa với có năng lực AI.

Nhân viên có thể mở công cụ mỗi ngày, nhưng chỉ dùng để sửa câu chữ, tóm tắt tài liệu hoặc tạo một bản nháp đơn giản. Họ có thể tiết kiệm được vài phút cho từng tác vụ, nhưng chưa biết cách tái cấu trúc quy trình, kiểm chứng thông tin, kết nối dữ liệu hay dùng AI để giải quyết những vấn đề có giá trị cao hơn.

Doanh nghiệp vì thế không nên nhầm lẫn giữa một lực lượng lao động “đã chạm vào AI” với một lực lượng lao động “đã làm chủ được AI”.

Bốn tầng đo lường trưởng thành AI trong lực lượng lao động

Để đánh giá đúng hiệu quả ứng dụng AI, doanh nghiệp có thể xây dựng hệ thống đo lường theo bốn tầng.

Tầng đo lường	Câu hỏi trọng tâm	Chỉ số thường dùng	Điều chỉ số chưa chứng minh được
AI Access	Nhân viên có công cụ để sử dụng không?	Tỷ lệ được cấp tài khoản, tỷ lệ kích hoạt, số giấy phép, mức độ tiếp cận dữ liệu	Nhân viên có sử dụng công cụ hay không
AI Usage	Nhân viên có sử dụng AI không?	Người dùng hằng tuần, số phiên sử dụng, số prompt, số tác vụ có AI hỗ trợ	Việc sử dụng có đúng cách và tạo kết quả tốt hơn hay không
AI Proficiency	Nhân viên có đủ năng lực cộng tác hiệu quả với AI không?	Khả năng lựa chọn use case, thiết kế prompt, kiểm chứng kết quả, tích hợp AI vào quy trình	Năng lực đó đã chuyển thành giá trị kinh doanh hay chưa
Business Impact	AI có cải thiện kết quả công việc và tổ chức không?	Chất lượng, thời gian chu trình, chi phí, doanh thu, trải nghiệm khách hàng, đổi mới, rủi ro	Đây mới là tầng kết quả cuối cùng cần đạt được

1. AI Access: Công cụ đã đến tay nhân viên chưa?

AI access là điều kiện đầu tiên. Nó bao gồm việc nhân viên có được cấp công cụ phù hợp, có quyền truy cập dữ liệu cần thiết và có thể sử dụng AI trong một môi trường bảo mật hay không.

Các chỉ số thường được theo dõi gồm:

• Tỷ lệ nhân viên được cấp tài khoản AI.
• Tỷ lệ kích hoạt giấy phép.
• Mức độ tiếp cận theo phòng ban và cấp bậc.
• Tỷ lệ nhân viên có quyền truy cập vào dữ liệu hoặc hệ thống cần thiết.
• Chi phí giấy phép AI trên mỗi nhân viên.

Nhưng access chỉ phản ánh năng lực cung ứng công nghệ của doanh nghiệp, chưa phản ánh năng lực làm việc của nhân viên.

Một tổ chức có thể cấp Copilot cho 100% nhân viên nhưng phần lớn tài khoản không được sử dụng, hoặc chỉ được dùng cho các tác vụ có giá trị rất thấp.

2. AI Usage: Nhân viên có sử dụng AI thường xuyên không?

AI usage đo hành vi sử dụng thực tế, chẳng hạn số người dùng hằng ngày, hằng tuần, số phiên tương tác hoặc số quy trình có AI tham gia.

Đây là bước tiến quan trọng so với việc chỉ đo giấy phép. Tuy nhiên, số lượt sử dụng vẫn có thể tạo ra một dạng “ảo giác chuyển đổi”.

Một nhân viên gửi 100 prompt mỗi tuần chưa chắc tạo ra nhiều giá trị hơn người chỉ gửi 10 prompt nhưng sử dụng AI để phân tích vấn đề, kiểm tra giả định và hỗ trợ một quyết định quan trọng.

Tương tự, tỷ lệ sử dụng cao có thể đến từ:

• Nhân viên liên tục phải sửa kết quả không chính xác.
• Prompt chất lượng thấp khiến việc trao đổi bị kéo dài.
• Công cụ chưa được tích hợp vào quy trình chính.
• Nhân viên dùng AI cho các nhiệm vụ phụ nhưng không dùng trong những công việc tạo giá trị cao.
• Nhân viên vừa sử dụng công cụ chính thức vừa dùng những công cụ không được doanh nghiệp kiểm soát.

Vì vậy, usage cần được đo theo chất lượng và mục đích sử dụng, không chỉ theo tần suất.

3. AI Proficiency: Nhân viên có biết làm việc cùng AI không?

AI proficiency không đơn thuần là biết viết một prompt hay hoàn thành một khóa học trực tuyến.

Một nhân viên có năng lực AI cần biết:

• Khi nào nên và không nên sử dụng AI.
• Cách chia nhỏ một vấn đề phức tạp thành các nhiệm vụ phù hợp.
• Cách cung cấp bối cảnh, dữ liệu và tiêu chuẩn đầu ra rõ ràng.
• Cách đánh giá độ chính xác và phát hiện các kết quả có vấn đề.
• Cách kết hợp đầu ra của AI với kiến thức chuyên môn.
• Cách bảo vệ dữ liệu, quyền riêng tư và tài sản trí tuệ.
• Cách chịu trách nhiệm cuối cùng đối với quyết định và sản phẩm công việc.

Nói cách khác, năng lực AI là sự kết hợp giữa hiểu công nghệ, hiểu công việc và có khả năng phán đoán.

Báo cáo AI at Work 2026 của BCG cho thấy 72% người được khảo sát nhận thấy yêu cầu kỹ năng đối với công việc của họ đã thay đổi, nhưng chỉ 36% cảm thấy mình đã được nâng cao năng lực đầy đủ. Điều này cho thấy tốc độ thay đổi công việc đang vượt xa tốc độ đào tạo của nhiều doanh nghiệp.

Đáng chú ý, PwC nhận thấy những công việc chịu ảnh hưởng mạnh bởi AI đang tăng yêu cầu đối với các năng lực rất “con người” như khả năng phán đoán, sáng tạo, lãnh đạo và thích nghi. Báo cáo AI Jobs Barometer 2026, dựa trên hơn một tỷ tin tuyển dụng, cũng ghi nhận mức lương trung bình của các công việc yêu cầu kỹ năng AI cao hơn 62% so với những công việc tương đương không yêu cầu kỹ năng này.

Điều đó có nghĩa AI proficiency không nên được hiểu hẹp là “kỹ năng sử dụng công cụ”. Đó là năng lực dùng AI để nâng cấp chuyên môn, chất lượng quyết định và khả năng tạo giá trị.

4. Business Impact: Công việc có thực sự tốt hơn không?

Business impact là tầng đo lường quan trọng nhất nhưng cũng thường bị bỏ qua nhất.

Ở cấp độ này, doanh nghiệp không hỏi nhân viên đã sử dụng AI bao nhiêu lần, mà hỏi:

• Thời gian hoàn thành công việc có giảm không?
• Chất lượng đầu ra có tăng không?
• Tỷ lệ lỗi và làm lại có giảm không?
• Quyết định có nhanh và chính xác hơn không?
• Khách hàng có hài lòng hơn không?
• Doanh thu, tỷ lệ chuyển đổi hoặc năng suất có được cải thiện?
• Nhân viên có dành nhiều thời gian hơn cho những công việc giá trị cao?
• Rủi ro về dữ liệu, pháp lý và danh tiếng có được kiểm soát?
• Khối lượng công việc và sức ép nhận thức của nhân viên thay đổi như thế nào?

Khoảng cách giữa usage và impact đang xuất hiện rất rõ trên thị trường.

Khảo sát State of AI 2025 của McKinsey cho thấy việc sử dụng AI đã trở nên phổ biến ở phần lớn doanh nghiệp. Tuy nhiên, chỉ khoảng một phần ba số tổ chức đã bước vào giai đoạn mở rộng AI trên toàn doanh nghiệp. Chỉ 39% ghi nhận AI có đóng góp ở một mức độ nào đó vào EBIT, và phần lớn trong nhóm này cho biết mức đóng góp vẫn dưới 5%. Nhóm “AI high performers” tạo được giá trị lớn và có ít nhất 5% EBIT liên quan đến AI chỉ chiếm khoảng 6% số doanh nghiệp được khảo sát.

Điều này cho thấy AI adoption đang tăng nhanh hơn AI value creation.

Vì sao số người sử dụng AI có thể là một KPI nguy hiểm?

Sử dụng nhiều không đồng nghĩa với sử dụng đúng

Một KPI như “80% nhân viên dùng AI mỗi tuần” có thể thúc đẩy nhân viên mở công cụ để đáp ứng yêu cầu, nhưng không đảm bảo họ lựa chọn được tác vụ phù hợp.

Khi usage trở thành mục tiêu cuối cùng, nhân viên dễ chạy theo số lượng prompt, số tài liệu tạo ra hoặc số use case được đăng ký. Tổ chức có thể tạo ra nhiều hoạt động AI hơn, nhưng đồng thời cũng tạo ra nhiều nội dung cần kiểm tra, nhiều quy trình chồng chéo và nhiều quyết định thiếu rõ ràng hơn.

Tiết kiệm thời gian chưa chắc tạo ra giá trị

BCG ghi nhận 74% nhân viên tuyến đầu đã trở thành người dùng AI thường xuyên. Trong nhóm người dùng thường xuyên, 42% cho biết tiết kiệm ít nhất tám giờ mỗi tuần, tương đương một ngày làm việc. Tuy nhiên, phần lớn tổ chức vẫn chưa xác định rõ cách chuyển phần thời gian tiết kiệm đó thành giá trị mới.

Nếu tám giờ được tiết kiệm chỉ nhanh chóng bị lấp đầy bởi nhiều cuộc họp, email, báo cáo và đầu việc mới, doanh nghiệp có thể thấy sản lượng tăng nhưng không thấy đổi mới, chất lượng hoặc sức khỏe lực lượng lao động được cải thiện.

Đo hiệu quả AI vì thế phải trả lời thêm hai câu hỏi:

1. Thời gian được giải phóng đã đi đâu?
2. Doanh nghiệp đã loại bỏ công việc cũ hay chỉ bổ sung thêm kỳ vọng mới?

Trải nghiệm tốt hơn có thể đi cùng sức ép lớn hơn

AI có thể khiến công việc thú vị và hiệu quả hơn, nhưng đồng thời nâng kỳ vọng về tốc độ, khối lượng và chất lượng đầu ra.

Khảo sát BCG năm 2026 cho thấy hơn hai phần ba người dùng AI thường xuyên cảm thấy hài lòng hơn với công việc, nhưng 41% tổng số người được khảo sát và 48% lãnh đạo cho biết sức ép tinh thần liên quan đến AI đã tăng.

Do đó, business impact không nên chỉ gồm các chỉ số sản lượng. Doanh nghiệp cần theo dõi cả:

• Khối lượng việc trên mỗi nhân viên.
• Thời gian làm việc ngoài giờ.
• Mức độ gián đoạn và chuyển đổi giữa các công cụ.
• Áp lực phải phản hồi nhanh hơn.
• Số vòng kiểm tra và làm lại.
• Mức độ căng thẳng hoặc kiệt sức.
• Cảm nhận của nhân viên về quyền kiểm soát công việc.

AI chỉ thực sự nâng cao năng lực con người khi nó tạo ra năng suất bền vững, chứ không phải khiến nhân viên chạy nhanh hơn trong một hệ thống vốn đã quá tải.

Khung năm cấp độ đánh giá AI proficiency

Thay vì đo năng lực AI bằng số giờ học hoặc tỷ lệ hoàn thành khóa đào tạo, doanh nghiệp có thể sử dụng thang năng lực dựa trên hành vi công việc.

Cấp độ 1: Người dùng cơ bản

Nhân viên có thể sử dụng công cụ cho các tác vụ đơn giản như tóm tắt, dịch thuật, tìm ý tưởng hoặc chỉnh sửa văn bản.

Ở cấp độ này, người dùng vẫn phụ thuộc khá nhiều vào những prompt mẫu và chưa kiểm chứng kết quả một cách có hệ thống.

Cấp độ 2: Người thực hành hiệu quả

Nhân viên biết cung cấp bối cảnh, mục tiêu, đối tượng, dữ liệu và tiêu chuẩn đầu ra. Họ có thể điều chỉnh prompt qua nhiều vòng và biết nhận diện những kết quả thiếu hợp lý.

Cấp độ 3: Người tích hợp quy trình

Nhân viên không chỉ dùng AI cho từng tác vụ riêng lẻ mà có thể tích hợp công cụ vào một chuỗi công việc hoàn chỉnh.

Ví dụ, một chuyên viên tuyển dụng có thể dùng AI để hỗ trợ chuẩn hóa mô tả công việc, xây dựng tiêu chí sàng lọc, tổng hợp phản hồi phỏng vấn và phát hiện các điểm nghẽn trong funnel tuyển dụng.

Cấp độ 4: Người tạo giá trị cùng AI

Nhân viên có khả năng xác định những vấn đề mà AI có thể tạo ra giá trị lớn, thiết kế lại cách làm việc và đo kết quả trước – sau.

Họ không hỏi “AI có thể giúp tôi viết email này không?”, mà hỏi “Làm thế nào để AI giúp giảm thời gian xử lý yêu cầu khách hàng 30% mà vẫn duy trì chất lượng và sự tin cậy?”.

Cấp độ 5: Người dẫn dắt hệ thống AI

Ở cấp độ cao nhất, nhân viên có thể xây dựng tiêu chuẩn, hướng dẫn đồng nghiệp, quản trị rủi ro và giúp tổ chức học hỏi từ các use case đã triển khai.

Đây có thể là những AI champion, chuyên gia nghiệp vụ, quản lý quy trình hoặc người chịu trách nhiệm kết nối giữa công nghệ, dữ liệu và nhu cầu kinh doanh.

Bảy bước chuyển từ AI usage sang business impact

Bước 1: Bắt đầu từ vấn đề công việc, không bắt đầu từ công cụ

Thay vì hỏi “Phòng ban nào sẽ dùng Copilot?”, hãy hỏi:

• Quy trình nào đang mất nhiều thời gian nhất?
• Công việc nào có tỷ lệ lỗi hoặc làm lại cao?
• Quyết định nào đang chậm vì thiếu thông tin?
• Nhân viên đang dành quá nhiều thời gian cho hoạt động hành chính nào?
• Khách hàng đang gặp điểm đau nào?

Mỗi use case AI phải được gắn với một vấn đề và một kết quả cụ thể.

Bước 2: Thiết lập đường cơ sở trước khi triển khai

Doanh nghiệp không thể chứng minh tác động nếu không biết kết quả trước khi có AI.

Trước khi triển khai, cần ghi nhận:

• Thời gian trung bình để hoàn thành nhiệm vụ.
• Chất lượng đầu ra.
• Tỷ lệ lỗi.
• Số vòng chỉnh sửa.
• Chi phí.
• Mức độ hài lòng của khách hàng hoặc người dùng nội bộ.
• Khối lượng công việc và trải nghiệm của nhân viên.

Sau đó, doanh nghiệp mới có thể so sánh kết quả trước – sau hoặc giữa nhóm sử dụng AI và nhóm đối chứng phù hợp.

Bước 3: Xây scorecard đủ cả bốn tầng

Một scorecard AI nên có đồng thời:

Access: Ai đã có công cụ?

Usage: Công cụ được dùng cho tác vụ nào?

Proficiency: Người dùng có thể tạo ra đầu ra đạt chuẩn và kiểm soát rủi ro không?

Impact: Kết quả công việc hoặc kinh doanh thay đổi như thế nào?

Không một tầng đơn lẻ nào đủ để kết luận chương trình AI thành công.

Bước 4: Đánh giá năng lực bằng sản phẩm công việc

Bài kiểm tra năng lực AI tốt nhất không phải là câu hỏi trắc nghiệm về thuật ngữ, mà là một nhiệm vụ gần với công việc thực tế.

Nhân viên có thể được yêu cầu:

• Phân tích một bộ dữ liệu.
• Đánh giá một câu trả lời có sai lệch.
• Xây dựng một đề xuất dựa trên nhiều nguồn thông tin.
• Tạo đầu ra đáp ứng tiêu chuẩn cụ thể.
• Trình bày cách họ đã kiểm chứng thông tin.
• Giải thích phần nào do AI thực hiện và phần nào cần phán đoán con người.

Cách đánh giá này giúp doanh nghiệp nhìn thấy năng lực thực tế thay vì chỉ nhìn thấy mức độ tự tin.

Bước 5: Đưa quản lý trực tiếp vào quá trình phát triển năng lực

Microsoft Work Trend Index 2026 cho thấy các yếu tố tổ chức như văn hóa, sự hỗ trợ của quản lý và hệ thống quản trị nhân tài có mức liên hệ với tác động AI cao hơn gấp đôi so với các yếu tố cá nhân, tương ứng 67% so với 32%.

Những yếu tố có liên hệ mạnh nhất gồm văn hóa khuyến khích thử nghiệm, quản lý trực tiếp làm gương trong việc sử dụng AI và hệ thống đánh giá – phát triển nhân tài phản ánh cách làm việc mới.

Điều này có nghĩa L&D không thể tự mình tạo ra AI proficiency. Quản lý trực tiếp phải giúp nhân viên:

• Chọn use case phù hợp.
• Dành thời gian thử nghiệm.
• Phản biện chất lượng đầu ra.
• Chia sẻ bài học.
• Quyết định cách tái sử dụng thời gian được tiết kiệm.
• Ghi nhận những đóng góp tạo giá trị thực.

Bước 6: Thiết kế lại công việc và trách nhiệm

AI không tạo ra tác động bền vững nếu được gắn vào một quy trình cũ mà không thay đổi bất kỳ bước nào.

Doanh nghiệp cần làm rõ:

• Bước nào AI thực hiện?
• Bước nào con người thực hiện?
• Khi nào cần kiểm tra?
• Ai có quyền phê duyệt?
• Ai chịu trách nhiệm nếu đầu ra sai?
• Dữ liệu nào được phép sử dụng?
• Khi nào phải chuyển vấn đề cho chuyên gia?

McKinsey nhận thấy tái thiết kế workflow là một trong những yếu tố có liên hệ mạnh nhất với khả năng tạo ra tác động EBIT từ AI. Tuy nhiên, trong khảo sát năm 2025, nhiều doanh nghiệp vẫn chưa tích hợp AI sâu vào các quy trình cốt lõi.

Bước 7: Quyết định trước cách sử dụng phần thời gian được tiết kiệm

Thời gian tiết kiệm có thể được phân bổ cho bốn mục tiêu:

1. Nâng chất lượng: nghiên cứu sâu hơn, kiểm tra kỹ hơn.
2. Tăng giá trị: tư vấn khách hàng, sáng tạo giải pháp mới.
3. Phát triển năng lực: học tập, coaching, chia sẻ kiến thức.
4. Phục hồi năng lượng: giảm làm thêm và áp lực quá tải.

Nếu không có quyết định rõ ràng, “AI dividend” rất dễ biến thành kỳ vọng nhân viên phải làm nhiều việc hơn trong cùng một khoảng thời gian.

Bộ chỉ số gợi ý theo một số chức năng

Chức năng	Không nên chỉ đo	Nên bổ sung chỉ số tác động
Tuyển dụng	Số JD hoặc email được AI tạo	Time-to-shortlist, tỷ lệ hồ sơ phù hợp, chất lượng tuyển dụng, trải nghiệm ứng viên
L&D	Số người học khóa AI	Khả năng hoàn thành nhiệm vụ thực tế, mức độ chuyển giao sau học, cải thiện hiệu suất
Marketing	Số nội dung được tạo	Engagement chất lượng, conversion, chi phí nội dung, thời gian ra thị trường, tính nhất quán thương hiệu
Kinh doanh	Số email hoặc đề xuất có AI hỗ trợ	Tỷ lệ phản hồi, thời gian chuẩn bị, tỷ lệ chuyển đổi, doanh thu, chất lượng tư vấn
Chăm sóc khách hàng	Số câu trả lời do AI tạo	Thời gian xử lý, tỷ lệ giải quyết lần đầu, mức độ hài lòng, tỷ lệ chuyển cấp, lỗi thông tin
Tài chính	Số báo cáo được tự động hóa	Thời gian đóng sổ, độ chính xác dự báo, tỷ lệ sai lệch, thời gian phân tích
IT và phần mềm	Số dòng code hoặc tỷ lệ chấp nhận gợi ý	Thời gian triển khai, lỗi sản phẩm, rework, độ ổn định, khả năng bảo trì

Các nghiên cứu thực địa cho thấy AI có thể tạo ra hiệu quả đáng kể khi được áp dụng đúng nhiệm vụ. Nghiên cứu trên 5.179 nhân viên chăm sóc khách hàng ghi nhận công cụ AI giúp năng suất tăng gần 14%, với mức cải thiện lớn hơn ở nhóm ít kinh nghiệm. Một thí nghiệm với GitHub Copilot cũng ghi nhận nhóm có AI hoàn thành một tác vụ lập trình tiêu chuẩn nhanh hơn 55,8% so với nhóm đối chứng. Tuy nhiên, những kết quả này gắn với các nhiệm vụ, công cụ và điều kiện cụ thể; doanh nghiệp không nên mặc định mức cải thiện tương tự sẽ xuất hiện ở mọi quy trình.

Vai trò mới của HR và L&D trong quá trình ứng dụng AI

Khi doanh nghiệp chuyển từ đo usage sang đo proficiency và impact, vai trò của HR cũng phải thay đổi.

HR không chỉ tổ chức các khóa “AI căn bản”, mà cần trở thành đơn vị kiến trúc một hệ sinh thái năng lực gồm:

• Khung năng lực AI theo từng nhóm công việc.
• Chuẩn đầu ra và tiêu chí đánh giá.
• Các bài tập dựa trên tình huống thực tế.
• Cộng đồng thực hành và mạng lưới AI champion.
• Coaching từ quản lý trực tiếp.
• Cơ chế chia sẻ use case và bài học thất bại.
• Chính sách dữ liệu, bảo mật và trách nhiệm.
• Hệ thống ghi nhận đóng góp từ cải tiến quy trình.
• Các chỉ số về hiệu suất, chất lượng và sức khỏe nhân viên.

Quan trọng hơn, HR cần ngăn doanh nghiệp biến AI thành một cuộc thi xem ai sử dụng nhiều công cụ nhất.

Người có năng lực AI cao không nhất thiết là người tạo ra nhiều prompt nhất. Đó có thể là người biết lúc nào không nên dùng AI, biết đặt câu hỏi đúng, phát hiện đầu ra thiếu tin cậy và kết nối công nghệ với một kết quả có ý nghĩa.

Góc nhìn Anphabe: AI proficiency không nên được đo bằng khả năng “nói chuyện với máy”, mà bằng khả năng sử dụng AI để nâng cấp chất lượng công việc, đồng thời giữ được phán đoán, trách nhiệm và giá trị riêng của con người.

Ba sai lầm doanh nghiệp cần tránh

Đồng nhất hoàn thành khóa học với có năng lực

Một nhân viên có thể xem hết video, vượt qua bài kiểm tra nhưng vẫn không thể ứng dụng AI vào tình huống thực tế.

Đào tạo chỉ có giá trị khi dẫn đến thay đổi hành vi và cải thiện đầu ra công việc.

Chỉ đo tốc độ mà không đo chất lượng

AI có thể giúp tạo bản nháp nhanh hơn, nhưng nếu số vòng kiểm tra, chỉnh sửa và làm lại tăng, tổng thời gian của quy trình chưa chắc giảm.

Tốc độ phải luôn được đọc cùng độ chính xác, chất lượng và rủi ro.

Thưởng cho việc dùng AI nhưng không làm rõ trách nhiệm

Khi nhân viên được khuyến khích dùng AI mà không có tiêu chuẩn kiểm chứng, tổ chức có thể vô tình thúc đẩy hành vi sao chép đầu ra thiếu kiểm soát.

AI có thể tham gia thực hiện công việc, nhưng trách nhiệm cuối cùng vẫn cần được gắn với một con người hoặc một vai trò cụ thể.

Kết luận: Đích đến không phải là AI adoption mà là năng lực tạo giá trị

Trong giai đoạn đầu, doanh nghiệp cần biết có bao nhiêu nhân viên được cấp công cụ và bao nhiêu người đang sử dụng. Nhưng những chỉ số đó chỉ nên được xem là tín hiệu khởi động.

Đích đến thực sự phải là:

• Nhân viên giải quyết được những vấn đề khó hơn.
• Chất lượng đầu ra được nâng cao.
• Quy trình trở nên đơn giản và đáng tin cậy hơn.
• Quyết định được đưa ra nhanh nhưng không mất đi trách nhiệm.
• Thời gian được giải phóng cho công việc giá trị cao và phát triển con người.
• Hiệu suất tăng mà không đánh đổi sức khỏe lực lượng lao động.
• Tổ chức học hỏi nhanh hơn từ chính những công việc đang diễn ra.

Vì thế, thay vì tự hào rằng “80% nhân viên đã dùng AI”, doanh nghiệp nên có khả năng trả lời một câu hỏi khó hơn:

Nhờ AI, nhân viên của chúng ta đang tạo ra kết quả gì tốt hơn trước – và tốt hơn đến mức nào?

Chỉ khi trả lời được câu hỏi đó, AI mới chuyển từ một công cụ được sử dụng rộng rãi thành một năng lực cạnh tranh thực sự của tổ chức.

Câu hỏi thường gặp

AI access và AI usage khác nhau như thế nào?

AI access đo việc nhân viên có được cung cấp công cụ và quyền truy cập hay không. AI usage đo công cụ có thực sự được sử dụng, với tần suất và trong những tác vụ nào. Cả hai chưa phản ánh đầy đủ năng lực hoặc hiệu quả công việc.

Làm thế nào để đo AI proficiency của nhân viên?

Doanh nghiệp nên dùng các nhiệm vụ mô phỏng công việc thực tế, đánh giá khả năng chọn use case, cung cấp bối cảnh, kiểm chứng kết quả, áp dụng kiến thức chuyên môn và quản trị rủi ro. Không nên chỉ dựa vào số giờ học hoặc bài kiểm tra lý thuyết.

Chỉ số quan trọng nhất để đánh giá AI là gì?

Không có một chỉ số duy nhất phù hợp cho mọi công việc. Doanh nghiệp cần kết hợp thời gian, chất lượng, chi phí, doanh thu, trải nghiệm khách hàng, rủi ro và sức khỏe nhân viên. Chỉ số cuối cùng phải gắn với mục tiêu của từng quy trình và chiến lược kinh doanh.