Tác động của ChatGPT và AI tạo sinh đối với việc làm

Lược sử ngắn về tác động của công nghệ đối với lực lượng lao động

Trước khi khám phá tác động tiềm tàng của AI tạo sinh đối với việc làm ngày nay, hãy điểm qua cách công nghệ đã ảnh hưởng đến công việc và nền kinh tế ở những thời điểm then chốt trong lịch sử gần đây (xem, chẳng hạn, Acemoglu, 2002).

1770 đến 1970: Tự động hóa góp phần làm tăng năng suất

Vào thế kỷ 19 tại Anh, lao động ít kỹ năng rất dồi dào trong khi lao động có tay nghề cao lại khan hiếm. Trong thời kỳ này, các nhà máy đã đơn giản hóa và tự động hóa các công việc thủ công lành nghề như se sợi bông trong ngành dệt may. Điều này dẫn đến những bước tiến lớn về năng suất nhưng cũng châm ngòi cho các cuộc phản đối như bạo loạn Luddite, trong đó thợ thủ công phá hủy máy móc để ngăn chặn chính sự tự động hóa này.

Một diễn biến tương tự xảy ra vào đầu thế kỷ 20 với sự ra đời của dây chuyền lắp ráp, vốn (đột biến) làm tăng nhu cầu đối với các công việc lặp đi lặp lại, ít kỹ năng. Tuy nhiên, kể từ thập niên 1970, điều này là ngoại lệ: từ đó đến nay, các công nghệ mới chủ yếu mang lại lợi ích cho lao động có kỹ năng cao bằng cách thay thế các nhiệm vụ thường lệ không có hoặc bán kỹ năng, vốn thường do các công việc tầng lớp trung lưu đảm nhận, như mô tả ở phần sau.

Một ví dụ là tự động hóa rộng khắp trong nông nghiệp, ban đầu nhờ máy kéo bằng sức ngựa và sau đó là động cơ đốt trong thay thế lao động chân tay nặng nhọc.

1970 đến 2010: Tự động hóa góp phần làm gia tăng bất bình đẳng

Khi tôi hoàn thành bằng tiến sĩ về kinh tế lao động và thống kê vài năm trước, chúng ta chứng kiến bốn thập kỷ bất bình đẳng tiền lương gia tăng. Mức tăng này, ở mức độ lớn, là hệ quả của nhu cầu gia tăng đối với lao động có học vấn cao hơn (kết hợp với áp lực giảm lương cho các công việc có thể thuê ngoài ra nước ngoài). Dĩ nhiên, các nguyên nhân khác cũng đóng vai trò quan trọng, như sự suy giảm độ phủ của công đoàn.

Đây là một xu hướng gây ngạc nhiên vì mở rộng giáo dục đã dẫn đến nguồn cung lớn các cử nhân trẻ có trình độ cao trong cùng giai đoạn. Tự động hóa "không thông minh" như robot, kết hợp với thuê ngoài, được triển khai rộng rãi, đặc biệt trong sản xuất, và thay thế các công việc tầng lớp trung lưu trước đây, vốn thường gồm các nhiệm vụ mang tính thường lệ dễ bị tự động hóa (xem Autor và cộng sự, 2022).

Ví dụ gồm các công việc lắp ráp lặp đi lặp lại, nhặt hoặc phân loại, và ghi chép hay tính toán. Microsoft Excel rõ ràng đã thay đổi các công việc văn phòng điển hình, và các nghề như giao dịch viên ngân hàng hay tổng đài viên hầu như biến mất. Đồng thời, chúng ta không bước vào một thế giới không còn việc làm, vì xuất hiện các nghề chưa từng có trước đó, như nhà phân tích dữ liệu, kỹ thuật viên tua-bin gió, hay cố vấn sức khỏe tâm thần. Sự xuất hiện của các công việc này không trực tiếp là hiệu ứng của tự động hóa, nhưng tự động hóa và năng suất tăng đã giải phóng chúng ta để tập trung vào những lĩnh vực mới.

Tác động vĩ mô tổng thể của các công nghệ mới này kém tích cực hơn kỳ vọng. Tăng trưởng năng suất đã chậm lại đáng kể từ đầu thập niên 1970 (ngoại lệ ngắn vào cuối thập niên 1990 quanh bong bóng dot-com, xem Moss và cộng sự, 2020). Nhà kinh tế đạt Nobel Robert Solow đã mô tả điều này trong nghịch lý năng suất nổi tiếng: “Bạn có thể thấy thời đại máy tính ở khắp nơi, trừ trong các số liệu năng suất.”

Có nhiều tranh luận về lý do chính xác tại sao máy tính không khiến chúng ta năng suất hơn (ví dụ, lỗi đo lường hoặc các sản phẩm tưởng như miễn phí như Wikipedia hay mạng xã hội), song nguyên nhân cụ thể vẫn còn gây tranh cãi. Điều không tranh cãi là tăng trưởng năng suất hiện chỉ bằng khoảng một nửa so với ba thập kỷ sau Thế chiến thứ hai.

2010 đến COVID-19: Tăng trưởng việc làm trong bối cảnh vắng bóng AI và tiến bộ công nghệ liên quan đến đại dịch

Dù đà phục hồi (và tăng trưởng năng suất) gây thất vọng sau Đại suy thoái, nhu cầu lao động lại mạnh mẽ, như The Economist giật tít năm 2019: “Thế giới giàu đang tận hưởng một đợt bùng nổ việc làm chưa từng có.” Những tăng trưởng việc làm này chủ yếu do các yếu tố không liên quan đến công nghệ mới, như kích thích kinh tế, lãi suất thấp, và gia tăng tham gia thị trường lao động của phụ nữ.

Các công ty bắt đầu tuyển chuyên gia liên quan đến AI khoảng năm 2010. Xu hướng này tăng tốc trở lại khoảng năm 2015, và có một số bằng chứng rằng các doanh nghiệp đó đã giảm tuyển dụng ở các bộ phận khác. Tuy vậy, cho đến khi đại dịch COVID-19 bùng phát, có rất ít bằng chứng cho thấy các mô hình học máy ban đầu ảnh hưởng đến việc làm hay tiền lương (xem, chẳng hạn, Acemoglu và cộng sự, 2022).

Đại dịch COVID đã tạo ra tác động bất ngờ lên doanh nghiệp và việc làm, vốn có thể mất hàng thập kỷ mới diễn ra nếu không có đại dịch. Làm việc từ xa và làm việc tại nhà trở nên phổ biến; trong khi trước COVID chỉ khoảng 5% ngày làm việc được thực hiện tại nhà, con số này đã nhảy vọt lên 60% ở đỉnh dịch và đến nay duy trì khoảng 30% (xem Bloom và cộng sự, 2023). Nhiều công ty cũng thúc đẩy đầu tư vào tự động hóa, ví dụ qua robot hoặc máy tự thanh toán.

LLM sẽ ảnh hưởng thế nào đến các công việc văn phòng?

Chuyến dạo nhanh qua lịch sử này cho thấy tác động của thay đổi công nghệ lên việc làm là không rõ ràng. Các nhà kinh tế cho rằng nó có thể thay thế kỹ năng (như thế kỷ 19) hoặc bổ trợ kỹ năng (như thế kỷ 20).

Trong các mô hình kinh tế hiện đại, đôi khi gọi là mô hình kinh điển được xem xét lại (Acemoglu và Autor, 2011), chúng ta giả định công việc gồm một gói các nhiệm vụ và có các nhóm kỹ năng/giáo dục khác nhau ở con người, mỗi nhóm có lợi thế so sánh riêng.

Các nhóm này có thể thay thế cho nhau, nhưng chỉ ở mức độ không hoàn hảo. Việc công nghệ mới có thay thế một số nhóm kỹ năng hay không phụ thuộc, trong số những yếu tố khác, vào nhu cầu đối với các nhiệm vụ cụ thể, cung hay mức sẵn có của các nhóm này, và mức lương của họ.

Nhìn chung, chúng ta thấy các quốc gia phát triển già hóa nhanh hơn như Đức, Nhật Bản và Hàn Quốc áp dụng nhiều robot hơn để ứng phó với sự khan hiếm lao động sản xuất. Doanh nghiệp có động lực phát minh và áp dụng công nghệ thay thế kỹ năng nếu không có đủ lao động có kỹ năng cao, nếu lương của họ cao, hoặc nếu có sự lệch pha giữa kỹ năng cần có và kỹ năng sẵn có. Tại DataCamp, chúng tôi tích cực giúp phổ cập các kỹ năng đang được săn đón đến với càng nhiều người càng tốt!

Điều thú vị là cho đến gần đây, nhiều người có lẽ nghĩ rằng trí tuệ nhân tạo mới, chẳng hạn xe tự lái, trước hết sẽ thay thế các công việc lao động phổ thông như tài xế xe tải hay lái tàu. Tuy nhiên, các ứng dụng AI tạo sinh mới ra mắt gần đây cho thấy những năng lực đáng kể vốn điển hình ở lao động văn phòng, như viết bài, nghiên cứu nền tảng, hoặc lập trình.

Hãy hỏi các LLM như ChatGPT xem chúng có thể tự động hóa những nhiệm vụ nào.

Gợi ý gồm dịch thuật, tạo văn bản, hình ảnh, video, sáng tác nhạc, tác tử hội thoại, hoặc gợi ý cá nhân hóa. Danh sách này cho thấy vì sao một số nghiên cứu cho rằng AI tạo sinh có thể tác động nhiều hơn đến các nghề có thu nhập cao. Những công việc này bao gồm giáo viên ngôn ngữ, văn học, lịch sử; dịch vụ pháp lý; tài chính, bảo hiểm và kế toán (như Felten và cộng sự, 2023 thảo luận).

Dù tác động của AI tạo sinh lên giáo dục có lẽ sẽ sâu rộng — hãy nghĩ đến trợ lý AI cho phép học viên học theo nhịp độ riêng — nhưng dường như khó có khả năng vị trí giảng dạy sẽ bị thay thế với số lượng lớn sớm (vì họ có vai trò then chốt vượt xa những gì một chatbot có thể dạy bạn). Tuy nhiên, tiến bộ của AI tạo sinh trong nhận dạng hình ảnh, văn bản và âm thanh có thể mang lại hệ quả sâu sắc đối với nghiên cứu (nền), chẩn đoán y khoa, dịch vụ khách hàng, hoặc phân tích (dữ liệu).

Điều này không có nghĩa bác sĩ chẩn đoán hình ảnh, biên dịch viên hay kế toán sẽ biến mất, nhưng có thể những công việc này sẽ trông rất khác trong tương lai. Hy vọng là giúp bác sĩ có nhiều thời gian hơn để tập trung vào bệnh nhân và giải phóng họ khỏi các tác vụ hành chính cơ bản.

Ước tính về tác động việc làm của OpenAI và Goldman Sachs

Một nghiên cứu do OpenAI, nhà sáng lập ChatGPT, đồng tác giả, coi các mô hình LLM mới là công nghệ mục đích chung: thứ nhất có thể được áp dụng vào nhiều quy trình công việc đa dạng trên nhiều lĩnh vực; thứ hai liên tục cải thiện; và thứ ba dẫn tới các đổi mới bổ trợ và hiệu ứng lan tỏa.

Họ ước tính rằng 15% tổng số nhiệm vụ do lực lượng lao động tại Hoa Kỳ thực hiện có thể được thực hiện nhanh hơn đáng kể nhờ LLM. Nếu bổ sung thêm các công nghệ bổ trợ, con số này có thể vượt quá một nửa tổng số nhiệm vụ.

Ví dụ về các nhiệm vụ có mức độ phơi nhiễm cao là viết và lập trình, trong khi khoa học hay tư duy phản biện thì không. Mức độ phơi nhiễm được tính toán dựa trên việc “một LLM hoặc hệ thống vận hành bởi LLM có giảm ít nhất 50% thời gian cần thiết để con người thực hiện [...] hoặc hoàn thành một nhiệm vụ hay không”. Nhìn chung, họ nhận thấy các công việc đòi hỏi giáo dục, đào tạo và kinh nghiệm cao hơn có xu hướng phơi nhiễm lớn hơn.

Goldman Sachs ước tính rằng hai phần ba tổng số công việc tại Hoa Kỳ sẽ ít nhất bị ảnh hưởng một phần bởi AI tạo sinh (với 25% - 50% nhiệm vụ của họ có thể được tự động hóa). Tuy nhiên, họ không kỳ vọng sa thải hàng loạt và nhìn chung coi AI tạo sinh là công nghệ bổ trợ cho con người hơn là thay thế họ.

Tác động ngắn hạn của AI tạo sinh

Đây nhiều khả năng là giới hạn trên trong tác động ngắn đến trung hạn, vì công nghệ mới thường cần thời gian để được tiếp nhận. AI tạo sinh có lẽ sẽ được áp dụng nhanh hơn, chẳng hạn, internet — vốn mất một hai thập kỷ để thực sự trở nên đại chúng.

Các câu hỏi pháp lý và đạo đức xoay quanh việc áp dụng AI tạo sinh

Dẫu vậy, công nghệ mới cũng sẽ đối mặt với một số rào cản cần vượt qua. Có các câu hỏi pháp lý đặc biệt liên quan đến các nghề văn phòng có thu nhập cao và những điều chưa rõ khi tự động hóa các nhiệm vụ trong giáo dục, y tế, hoặc dịch vụ chuyên nghiệp.

Ví dụ, ai sẽ chịu trách nhiệm nếu AI tạo sinh mắc lỗi, hoặc còn vấn đề vi phạm bản quyền tiềm ẩn do quét dữ liệu hàng loạt trên web để huấn luyện mô hình? Và cần nói thêm rằng ngay cả các công ty phát hành LLM gần đây cũng thừa nhận các mô hình này đôi khi thất bại một cách ngoạn mục (và có vẻ khó đánh giá chính xác nguyên nhân).

Sự gián đoạn các công việc cụ thể bởi AI tạo sinh

Những rào cản này không ảnh hưởng như nhau đến mọi công việc văn phòng. AI tạo sinh có thể, và có lẽ đã, làm gián đoạn một số phân khúc trên thị trường lao động. Hãy nghĩ đến marketing — lĩnh vực thường bao gồm soạn thảo các văn bản khá chung chung — hoặc hỗ trợ khách hàng, nơi chatbot đang cải thiện vượt bậc. LLM có vẻ rất giỏi dịch, tổng hợp, thậm chí diễn giải văn bản đến mức khó hình dung chúng ta sẽ còn cần số lượng biên dịch viên như hiện tại trong tương lai.

Các công cụ như Google Dịch hay DeepL vốn đã rất xuất sắc, và trường hợp sử dụng đầu tiên của BERT của Google chính là dịch thuật. Tiếp theo, các công việc phát triển phần mềm tương đối đơn giản và tạo nội dung tiêu chuẩn trong truyền thông và giáo dục có thể được giao cho máy ở một mức độ nào đó, cũng như các nhiệm vụ phụ tá pháp lý hoặc khai thuế.

Các công việc dịch vụ khách hàng chắc chắn sẽ bị ảnh hưởng do tiến bộ to lớn trong các tác vụ hỗ trợ hội thoại. Ví dụ, một bài nghiên cứu vừa công bố do Erik Brynjolfsson đồng tác giả ước tính rằng AI tạo sinh đã nâng cao hiệu suất của hơn 5.000 nhân viên dịch vụ khách hàng khoảng 14% trung bình, chủ yếu ở những nhân viên mới hơn nhưng hầu như không ở những nhân viên dày dạn.

Đối với người lao động bị ảnh hưởng, hiệu ứng thuê ngoài cho máy móc (tự động hóa) và thuê ngoài ra nước ngoài (offshoring) là khá tương đồng. Công việc của họ sẽ hoặc được mã hóa và thực hiện tại chỗ bởi robot rẻ hơn, hoặc có thể được chuyển điện tử hay vận chuyển vật lý đến các nước khác và thực hiện bởi lao động rẻ hơn.

Tác động dài hạn của AI tạo sinh

Tác động của AI tạo sinh lên nền kinh tế trong trung đến dài hạn chắc chắn sẽ sâu sắc. Nếu kết hợp với các công nghệ khác như robot, hầu hết công việc sẽ bị ảnh hưởng ở các mức độ khác nhau (dù giáo viên mầm non, phục vụ bàn, hay công tác xã hội trước mắt vẫn khá an toàn).

Chúng ta đã thấy nhu cầu và tiền lương tăng, đặc biệt cho công việc kỹ năng cao, trong những thập kỷ gần đây, trong khi số lượng công việc tầng lớp trung lưu suy giảm và lương cho công việc lương thấp thường trì trệ. Nhưng chúng ta cũng chứng kiến một xu hướng khác dẫn đến phân cực thị trường lao động: nhu cầu tăng đối với các công việc dịch vụ, thường lương thấp. Bao gồm giao hàng, xếp hàng lên kệ siêu thị, làm việc kho, và dịch vụ cá nhân như vệ sinh, bảo vệ, hoặc chăm sóc trẻ em và người cao tuổi. Có thể kể thêm tài xế xe tải, đường sắt, hoặc Uber.

Ba kịch bản có thể cho tương lai phát triển của AI tạo sinh

Nhiều công việc trong số này có thể trở nên dễ bị ảnh hưởng nếu công nghệ tự hành tiến thêm và robot vừa thông minh hơn vừa xử lý tốt các nhiệm vụ 3D không tầm thường. Tôi có thể hình dung ba kịch bản khác nhau:

1. Chúng ta đang chứng kiến điểm bùng phát, và AI tạo sinh là công nghệ đột phá như máy in, động cơ hơi nước, hay sản xuất transistor, dẫn đến thay đổi lớn trong cách chúng ta làm việc và sống, với kỳ vọng cải tiến liên tục trong trung hạn.
2. AI tạo sinh có thể cần hàng thập kỷ phát triển trước khi có thể an toàn thay thế các nhiệm vụ của con người ngoài những lĩnh vực cụ thể, như xe tự lái — vốn bị giới hạn về an toàn nếu không có giám sát của con người, mặc cho những cải thiện đáng kể một thập kỷ trước.
3. Các công nghệ hiện tại có thể đã đạt đỉnh, và sẽ không còn nhiều đột phá, tương tự công cụ tìm kiếm nơi PageRank của Google cách mạng hóa tìm kiếm (giành thị phần từ Yahoo! và Altavista) đầu những năm 2000, kể từ đó chỉ còn tiến bộ gia tăng.

Dĩ nhiên, chúng ta không biết kịch bản nào sẽ xảy ra, nhưng tôi lạc quan hơn nhiều (và phần nào áy náy) rằng chúng ta đang thấy một công nghệ mang tính chuyển đổi đang tăng tốc, hơn bất kỳ thời điểm nào kể từ buổi đầu của internet.

Chúng ta đang hướng tới Utopia AI hay Dystopia AI?

Liệu những diễn biến này có dẫn đến một tương lai u ám, nơi chỉ còn ít công việc chủ yếu gồm tương tác trực tiếp mặt đối mặt với con người khác, phát triển và duy trì các công nghệ mới này, hoặc các nhiệm vụ thủ công phức tạp hay đặc thù?

Tôi không nghĩ vậy.

Chúng ta thường giỏi trong việc sáng tạo những vai trò mới bổ trợ cho công nghệ hoặc làm điều gì đó hoàn toàn mới (như nhà khoa học dữ liệu, nhà trị liệu kịch nghệ, hay nghệ nhân xăm). Vì thế, tôi không lo ngại về một tương lai không còn việc làm.

Tuy nhiên, nếu là lãnh đạo doanh nghiệp, tôi sẽ cân nhắc rất nghiêm túc tác động tiềm tàng đối với công ty và suy nghĩ chiến lược về cách ứng phó và tuyển dụng ai.

Với tư cách cá nhân, tôi cũng sẽ cân nhắc kỹ về những kỹ năng muốn đầu tư và liệu chúng có dễ bị tự động hóa bởi các cỗ máy thông minh hay không.

Với tư cách nhà hoạch định chính sách, tôi sẽ tiếp tục khuyến khích giáo dục, điều chỉnh chương trình giảng dạy, nâng cao nhận thức rằng chúng ta có thể đang ở điểm bùng phát, và tránh dẫn dụ đặc biệt là người trẻ vào những công việc sớm bị tự động hóa.

Nâng lên tầm tiếp theo

Bạn, với tư cách cá nhân và là người chịu trách nhiệm cho thành công của doanh nghiệp hay của người khác, có thể làm gì để tận dụng tốt nhất AI tạo sinh?

Theo tôi, đến thời điểm hiện tại, khả năng là khá lớn rằng chúng ta thực sự đang chứng kiến một thay đổi công nghệ đột phá mới. Vì vậy, tôi khuyến nghị mạnh mẽ việc hiểu các kiến thức cơ bản đằng sau AI tạo sinh để xác định cách phản ứng tốt nhất.

Làm thế nào để làm điều này? Chẳng hạn, bạn có thể học ChatGPT với khóa Introduction to ChatGPT của DataCamp (và các khóa bổ sung chúng tôi sẽ sớm phát hành) hoặc một số tài nguyên khác như Hướng dẫn sử dụng ChatGPT cho các dự án Khoa học Dữ liệu hay Cheat Sheet OpenAI API trong Python.

Dĩ nhiên, tôi khuyên bạn hãy tự mình thử các công nghệ mới này và tạo vài chuỗi nhắc lệnh. Nếu bạn biết nhiều hơn về LLM, bạn cũng có thể đọc một số bài nghiên cứu liên kết bên dưới và cập nhật các diễn biến mới.

Nguồn:

Acemoglu, Daron. "Technical change, inequality, and the labor market." Journal of economic literature 40, no. 1 (2002): 7-72.

Acemoglu, Daron, và David Autor. "Skills, tasks and technologies: Implications for employment and earnings." Trong Handbook of labor economics, vol. 4, tr. 1043-1171. Elsevier, 2011.

Acemoglu, Daron, David Autor, Jonathon Hazell, và Pascual Restrepo. "Artificial intelligence and jobs: Evidence from online vacancies." Journal of Labor Economics 40, no. S1 (2022): S293-S340.

Autor, David, Caroline Chin, Anna M. Salomons, và Bryan Seegmiller. New Frontiers: The Origins and Content of New Work, 1940–2018. Số w30389. National Bureau of Economic Research, 2022.

Brynjolfsson, Erik, Danielle Li, và Lindsey R Raymond. Generative AI at Work. National Bureau of Economic Research, 2023.

Bloom, Nicholas, Ruobing Han, và James Liang. How hybrid working from home works out. Số w30292. National Bureau of Economic Research, 2022 (Sửa đổi 2023).

Brookings Institute: ChatGPT và Tương lai của Công việc

Eloundou, Tyna, Sam Manning, Pamela Mishkin, và Daniel Rock. "GPTs are GPTs: An early look at the labor market impact potential of large language models." arXiv preprint arXiv:2303.10130 (2023).

Felten, Ed, Manav Raj, và Robert Seamans. "How will Language Modelers like ChatGPT Affect Occupations and Industries?." arXiv preprint arXiv:2303.01157 (2023).

Moss, Emily, Ryan Nunn, và Jay Shambaugh. "The slowdown in productivity growth and policies that can restore it." The Hamilton Project, Brookings Institution, Washington, DC (2020).