Các công ty nỗ lực hết sức để áp dụng Generative AI hiện đang phải đối mặt với một vấn đề mà công nghệ lẽ ra có thể ngăn chặn: công việc của họ ngày càng trở nên tồi tệ hơn. Hai bài báo được xuất bản bởi Harvard Business Review Tháng này mô tả một vòng phản hồi trong đó đầu ra chất lượng thấp do AI tạo ra làm suy giảm thông tin mà các công ty dựa vào để đưa ra quyết định, một hiện tượng mà các tác giả gọi là “suy thoái kiến thức.”
Bài báo HBR tháng 6 năm 2026, do giáo sư quản lý hoạt động Matthias Holweg của Oxford và giáo sư Thomas Davenport của Đại học Babson viết, lập luận rằng thiệt hại không chỉ dừng lại ở lỗi cá nhân. Khi nhân viên sử dụng AI để tạo ra tác phẩm có vẻ bóng bẩy nhưng lại có lỗi hoặc thiếu nội dung, các đồng nghiệp ở cấp dưới sẽ lãng phí thời gian để xác minh, sửa chữa hoặc làm lại nó. Khi những sai sót đó xảy ra giữa các nhóm và phòng ban, nền tảng kiến thức chung của tổ chức sẽ bị suy giảm.
Thuật ngữ dành cho đầu ra AI chất lượng thấp này đã có tên. Phòng thí nghiệm BetterUp và Phòng thí nghiệm truyền thông xã hội của Stanford đã đặt ra “công việc thất bại” trong một bài báo HBR tháng 9 năm 2025 để mô tả nội dung do AI tạo ra giả dạng là công việc tốt nhưng thiếu nội dung để hoàn thành nhiệm vụ. Cuộc khảo sát của họ với 1.150 nhân viên toàn thời gian ở Hoa Kỳ cho thấy 41% đã nhận được công việc không thành công trong tháng trước đó, với mỗi sự cố cần trung bình một giờ 56 phút để giải quyết.
TNW City Coworking Space – Nơi công việc tốt nhất của bạn diễn ra
Một không gian làm việc được thiết kế để phát triển, hợp tác và có cơ hội kết nối vô tận ở trung tâm công nghệ.
Chi phí tài chính là đáng kể. Sử dụng mức lương tự báo cáo của người trả lời và ước tính thời gian, các nhà nghiên cứu tính toán rằng chi phí làm việc không thành công khoảng 186 USD cho mỗi công nhân mỗi tháng. Đối với một công ty có 10.000 nhân viên, điều đó có nghĩa là năng suất bị mất hơn 9 triệu đô la hàng năm, một con số chưa tính đến những tác động hạ nguồn đến tinh thần và niềm tin.
Những chi phí xã hội đó có thể quan trọng hơn những chi phí tài chính. Trong cuộc khảo sát của BetterUp-Stanford, 53% công nhân nhận được công việc cho biết họ cảm thấy khó chịu, 42% coi người gửi là người kém tin cậy hơn và gần một nửa cho rằng đồng nghiệp kém sáng tạo, có năng lực hoặc đáng tin cậy hơn trước. Một phần ba cho biết họ ít muốn làm việc với người đó nữa.
Bức tranh năng suất rộng hơn không còn đáng khích lệ nữa. Báo cáo của MIT Media Lab vào tháng 7 năm 2025 cho thấy 95% các tổ chức không nhận thấy lợi nhuận có thể đo lường được từ khoản đầu tư vào AI tổng quát của họ, mặc dù đã chi hàng tỷ đô la. Goldman Sachs đã đưa ra kết luận tương tự vào tháng 3 năm 2026, không tìm thấy mối quan hệ có ý nghĩa nào giữa việc áp dụng AI và tăng năng suất ở cấp độ toàn nền kinh tế, ngay cả khi 70% nhóm quản lý S&P 500 đã thảo luận về AI trong các cuộc gọi báo cáo thu nhập.
Vấn đề suy giảm kiến thức khác với lời phàn nàn quen thuộc mà AI gây ra ảo giác. Ảo giác là lỗi thực tế trong kết quả đầu ra của AI. Sự suy giảm kiến thức mô tả điều gì sẽ xảy ra với một tổ chức khi những lỗi đó và mô hình rộng hơn của công việc do AI tạo ra với nỗ lực thấp tích lũy qua nhiều tháng.
Công nhân ngừng tin tưởng vào các tài liệu nội bộ. Các quy trình được xây dựng trên thông tin không đáng tin cậy sẽ tạo ra kết quả không đáng tin cậy. Trí nhớ tổ chức mỏng dần khi nhân viên dựa vào AI thay vì tự phát triển kiến thức chuyên môn.
Holweg và Davenport cảnh báo rằng quá trình tuyển dụng đã bị tổn hại đặc biệt. Sơ yếu lý lịch do AI tạo tràn ngập các nhà tuyển dụng, danh sách công việc do AI tạo ra đánh lừa ứng viên và các công cụ sàng lọc do AI cung cấp sẽ lọc ra những ứng viên đủ tiêu chuẩn. Kết quả, như HBR đã nói, là niềm tin vào quá trình tuyển dụng đã giảm xuống “mức thấp nhất mọi thời đại đối với cả người tìm việc và nhà tuyển dụng.”
Phản ứng dữ dội của công nhân đã có thể đo lường được. Một cuộc khảo sát năm 2026 với 2.400 công nhân trên khắp Hoa Kỳ, Vương quốc Anh và Châu Âu cho thấy 29% thừa nhận đã tích cực phá hoại chiến lược AI của chủ lao động bằng cách phớt lờ các hướng dẫn, từ chối đào tạo hoặc cố tình làm sai lệch dữ liệu hiệu suất. Trong số những người lao động thuộc Thế hệ Z, con số đó tăng lên 44%, phần lớn là do lo sợ bị dịch chuyển việc làm.
Sự phản kháng này nằm cùng với mô hình sa thải nhân viên được chứng minh bằng AI rộng hơn và thường thiếu bằng chứng rõ ràng rằng hệ thống AI thực sự thay thế các vai trò đã bị loại bỏ. Lĩnh vực công nghệ đã ghi nhận hơn 95.000 việc làm bị cắt giảm trong 247 sự kiện vào năm 2026, trong đó gần một nửa là do AI, mặc dù các nhà phân tích đã đặt câu hỏi liệu nhiều công ty trong số đó có triển khai AI trưởng thành có khả năng tiếp thu công việc hay không.
Điều trớ trêu là việc khắc phục vấn đề về công việc đòi hỏi chính xác loại lao động mà AI được cho là sẽ giảm bớt. Các nhà lãnh đạo doanh nghiệp hiện phải đầu tư vào các quy trình xác minh, tiêu chuẩn chất lượng và sự giám sát của con người để đảm bảo nội dung do AI tạo ra đáp ứng được tiêu chuẩn, công việc tiêu tốn thời gian của nhân viên thực tế. Quy định của HBR nhằm xây dựng một lớp kiểm tra mới của con người xung quanh đầu ra AI, điều này làm suy yếu lập luận về hiệu quả đã biện minh cho việc áp dụng ngay từ đầu.
Cả hai bài viết của HBR đều đưa ra sự khác biệt giữa nhiệm vụ AI bừa bãi và việc sử dụng có mục tiêu. Bài báo tháng 6 lưu ý rằng các mô hình độc quyền được đào tạo dựa trên dữ liệu dành riêng cho công ty có thể tăng thêm giá trị thực sự, trong khi LLM công cộng áp dụng cho các nhiệm vụ mà chúng kém phù hợp với sản phẩm “văn xuôi chung chung thường mắc lỗi.” Các công ty ngừng tuyển dụng vì lý do năng suất AI tăng lên hiện đang phát hiện ra rằng lợi ích đạt được có thể là viển vông nếu chất lượng công việc xuống cấp nhanh hơn số lượng nhân viên giảm xuống.
Khái niệm suy giảm kiến thức điều chỉnh lại cuộc tranh luận về năng suất AI. Câu hỏi không còn chỉ là liệu AI có làm cho các nhiệm vụ riêng lẻ nhanh hơn hay không mà là liệu tác động tích lũy của việc sử dụng AI rộng rãi có khiến cho việc ra quyết định của tổ chức trở nên tốt hơn hay tệ hơn hay không. Câu trả lời của HBR dành cho các công ty áp dụng AI mà không kiểm soát chất lượng là nó khiến tình hình trở nên tồi tệ hơn.
Thông tin xác thực của Holweg và Davenport mang lại sức thuyết phục cho lập luận này, nhưng điều đáng chú ý là khuôn khổ phân rã tri thức vẫn chưa được kiểm tra thông qua các nghiên cứu thực nghiệm có kiểm soát. Khái niệm này tổng hợp bằng chứng hiện có thay vì trình bày dữ liệu mới và cuộc khảo sát về hoạt động của BetterUp-Stanford dựa trên ước tính tự báo cáo về thời gian bị mất. Làm thế nào công nhân đánh giá chính xác thời gian dành cho việc làm lại là một câu hỏi mở.
Tuy nhiên, mô hình này vẫn nhất quán trên nhiều nguồn. Goldman Sachs, MIT, BCG và hiện là hai bài báo HBR riêng biệt từ các nhóm nghiên cứu khác nhau đi đến các biến thể của cùng một kết luận: hầu hết các công ty không nhận được những gì họ mong đợi từ AI tạo ra và những công ty nỗ lực hết mình có thể phải trả chi phí ẩn cao nhất.
Nguồn The Next Web