Sau khi áp dụng AI, phiên tập trung liên tục trung bình giảm còn 13 phút 7 giây — từ mức 14 phút 23 giây, một mức giảm 9% đẩy người lao động điển hình xuống dưới ngưỡng chú ý liên tục mà hầu hết công việc nhận thức chuyên sâu đòi hỏi (ActivTrak, 2026). Con số đó đến từ 443 triệu giờ đo lường hành vi trên 163.638 nhân viên tại 1.111 công ty — không phải khảo sát, không phải tự báo cáo, mà là bản ghi thực tế, từng giây một, về cách công việc diễn ra. Và nó chỉ ra một chi phí mà bảng điều khiển AI của bạn không cho bạn thấy: sự phân mảnh chú ý do AI đang âm thầm bào mòn năng lực làm việc chuyên sâu mà các công cụ lẽ ra phải giải phóng.
Đây chính là phát hiện nên định hình lại câu hỏi ROI của AI cho năm 2026 của bạn. Câu chuyện năng suất mà các nhà lãnh đạo theo dõi trông như một chiến thắng — áp dụng gần 80%, thông lượng tăng, khối lượng đầu ra tăng trưởng. Bên dưới, cùng bộ đo lường ấy cho thấy công việc trở nên nhanh hơn, đồ sộ hơn và vụn vặt hơn. Nếu bạn là Head of Operations và đo AI bằng số giờ tiết kiệm và số nhiệm vụ hoàn thành, bạn đang nhìn vào nửa bảng cân đối tâng bốc khoản đầu tư và bỏ lỡ nửa đang bào mòn nó.
Bảng điều khiển nói chiến thắng. Bộ đo lường nói phân mảnh.
Đây là sự căng thẳng trong một cặp con số. Trong phân tích trước-và-sau của ActivTrak trên 10.584 người dùng — so sánh 180 ngày hành vi trước khi áp dụng AI với 180 ngày sau đó — thời gian dành cho mọi danh mục công việc được đo đều tăng. Hoạt động email tăng 104%. Trò chuyện và nhắn tin nhảy vọt 145%. Công việc quản trị doanh nghiệp leo 94% (ActivTrak, 2026). AI không làm nhẹ gánh nặng. Nó tăng tốc gánh nặng, và sự tăng tốc biểu hiện thành nhiều giao tiếp hơn, nhiều phối hợp hơn, nhiều lần chuyển đổi bối cảnh hơn.
Đó là cơ chế đằng sau phiên tập trung đang co lại. Khi khối lượng nhắn tin gần như tăng gấp đôi, những gián đoạn phá vỡ sự tập trung đến thường xuyên hơn. Người lao động không lười biếng và không nhàn rỗi — hoàn toàn ngược lại. Họ bận rộn hơn bao giờ hết, di chuyển nhanh hơn qua nhiều bề mặt hơn và chính vì thế, họ không còn giữ được một mạch suy nghĩ khó khăn quá 13 phút trước khi thông báo tiếp theo kéo họ ra khỏi nó.
Lý do điều này vẫn vô hình là vì hầu hết bảng điều khiển vận hành được xây dựng để đếm thông lượng, không phải để đo tính liên tục. Chúng theo dõi nhiệm vụ đã đóng, ticket đã giải quyết, tin nhắn đã gửi, giờ đã ghi. Mỗi chỉ số ấy đều tăng khi công việc phân mảnh. Không chỉ số nào ghi lại chi phí của chính sự phân mảnh. Vì vậy nhà lãnh đạo đọc một bảng điều khiển màu xanh và tài trợ thêm cho chính thứ đang làm các con số xanh chuyển đỏ ở một tầng bên dưới.
443 triệu giờ thực sự đã đo điều gì
Lý do khiến nghiên cứu này khó gạt bỏ là ở phương pháp của nó. Phần lớn những gì bạn đã đọc về AI và năng suất là dữ liệu khảo sát — người ta hỏi mọi người cảm thấy AI ảnh hưởng đến công việc của họ ra sao. Tự báo cáo hữu ích, nhưng đó đúng là loại bằng chứng tâng bốc một công cụ mới bóng bẩy: sự hào hứng và thiên kiến gần đây thổi phồng lợi ích được cảm nhận. Bộ dữ liệu của ActivTrak khác về bản chất. Nó mang tính hành vi — 443 triệu giờ hoạt động được quan sát, không phải ý kiến về hoạt động (PR Newswire, 2026).
Thiết kế trước-và-sau trên 10.584 người dùng ấy còn quan trọng hơn. Nó cô lập điều gì đã thay đổi khi AI bước vào quy trình làm việc, thay vì so sánh người dùng AI với người không dùng vốn có thể khác biệt ở hàng chục yếu tố khác. Và điều thay đổi không phải là sự giảm bớt công việc — mà là sự tái phân bổ sang các mô thức nhanh hơn, vụn vặt hơn, nặng giao tiếp hơn. Báo chí độc lập đi đến cùng cách đọc: AI không giảm khối lượng công việc nhiều bằng việc căng nó ra, với thời gian dành cho email tăng gấp đôi và các phiên làm việc tập trung giảm xuống (Fortune, 2026). Gánh nặng chứng minh giờ đây thuộc về bất kỳ ai tuyên bố rằng việc triển khai AI của chính họ đã lấy lại sự tập trung. Bộ dữ liệu hành vi lớn nhất về vấn đề này nói rằng kết quả mặc định là ngược lại.
Khoa học thần kinh mà chỉ số thông lượng của bạn phớt lờ
Mười ba phút không phải là một ranh giới tùy tiện. Nó nằm dưới ngưỡng nơi công việc nhận thức bền vững thực sự diễn ra, và lý do là một hiệu ứng được ghi chép kỹ lưỡng gọi là dư âm chú ý. Khi bạn chuyển từ nhiệm vụ này sang nhiệm vụ khác, một phần chú ý của bạn vẫn kẹt lại ở nhiệm vụ đầu — bạn không đến với nhiệm vụ mới ở toàn bộ năng lực, và dư âm có thể kéo dài 20 phút hoặc hơn (Leroy, Organizational Behavior and Human Decision Processes, 2009).
Đặt điều đó bên cạnh phiên tập trung 13 phút và phép tính trở nên thù địch. Nếu cần cỡ 20 phút hoặc hơn để nạp lại hoàn toàn một nhiệm vụ phức tạp, và gián đoạn giờ đến mỗi 13 phút, thì người lao động không bao giờ đạt được sự dấn thân nhận thức trọn vẹn trước khi lần chuyển đổi tiếp theo đặt lại họ về không. Nghiên cứu của Gloria Mark về công việc bị gián đoạn phát hiện rằng quay lại một nhiệm vụ sau khi bị gián đoạn có thể mất khoảng 23 phút (Mark et al., 2008). Một đội bị phân mảnh thành các khoảng 13 phút, trên thực tế, đang trả một khoản thuế tái định hướng cho gần như mỗi đoạn công việc khó khăn mà nó cố gắng.
Đó là lý do "khối lượng đầu ra tăng" có thể cùng tồn tại với "công việc quan trọng đang tệ đi". Các nhiệm vụ nông, khối lượng cao sống sót tốt qua sự phân mảnh — bạn có thể trả lời mười hai tin nhắn trong mười hai phút bị gián đoạn. Các nhiệm vụ chuyên sâu thì không. Phân tích, phán đoán, đoạn văn cần một giờ liền mạch chính là danh mục mà trần 13 phút âm thầm làm cho bất khả thi. Chỉ số thông lượng của bạn không thấy sự khác biệt, vì nó đếm mười hai tin nhắn và không bao giờ đếm giờ đồng hồ chưa từng xảy ra.
Tại sao chồng thêm AI không giải quyết được
Phản ứng bản năng trước một đợt triển khai AI đáng thất vọng là thêm nhiều hơn — thêm một tác nhân, thêm một trợ lý, thêm một tích hợp. Bộ đo lường gợi ý rằng bản năng đó làm sự phân mảnh tệ hơn. Tổ chức trung bình trong bộ dữ liệu đã chạy bảy nền tảng AI khác nhau, và chỉ 3% người dùng đạt "điểm ngọt" năng suất nơi các công cụ thực sự giúp ích mà không thêm ma sát (ActivTrak, 2026).
Bảy nền tảng không phải là bảy cấp số nhân năng suất. Chúng là bảy bề mặt phải kiểm tra thêm, bảy luồng thông báo thêm, bảy lần chuyển đổi bối cảnh thêm giữa các công cụ không nói chuyện với nhau. Mỗi giấy phép AI mới đáp xuống bàn của một nhân viên mà không gỡ bỏ một bề mặt hiện có đều cộng vào gánh nặng gián đoạn thay vì trừ đi. Ràng buộc đối với ROI của AI ở đây không phải giấy phép và không phải kỹ năng ra lệnh — mà là kiến trúc chú ý. Một đội đã chuyển đổi mỗi 13 phút không lấy lại sự tập trung bằng cách được trao công cụ thứ tám để chuyển vào.
"Nhưng đầu ra đang tăng — chẳng phải đó là mục đích sao?"
Phản bác chính đáng: nếu AI tạo ra nhiều công việc hơn trong thời gian ngắn hơn, tại sao lại coi sự phân mảnh là vấn đề? Có lẽ các phiên 13 phút đơn giản là hình thái của năng suất hiện đại, và làm việc chuyên sâu là một nỗi hoài niệm mà báo cáo lãi lỗ có thể chấp nhận mất đi.
Hai điều trả lời cho điều đó. Thứ nhất, lợi ích về khối lượng tập trung đúng vào công việc không cần tập trung sâu — giao tiếp và phối hợp — trong khi khoản thuế lại rơi vào công việc cần nó. Bạn không đang đổi công việc chuyên sâu lấy đầu ra nông tương đương; bạn đang đổi một danh mục lấy một danh mục khác rẻ hơn và ghi nó là lãi ròng. Thứ hai, sự phân mảnh tích lũy một cách vô hình. Chính khung diễn giải của báo cáo là AI đang tăng tốc công việc, không thay thế nó — cùng một khối lượng suy nghĩ giờ được làm nhanh hơn và vụn vặt hơn, dẫn đến âm ròng cho công việc đòi hỏi nhận thức ngay cả khi số lượng nhiệm vụ tăng (PR Newswire, 2026). Chi phí không xuất hiện dưới dạng một khoản mục ngân sách. Nó xuất hiện dưới dạng tài liệu chiến lược cứ trượt hạn, phân tích trở về mỏng manh, người được tuyển cấp cao mà phán đoán tốt nhất của họ không bao giờ có được một giờ liền mạch để vận hành. Đó là những tổn thất thực. Chỉ là những tổn thất mà thiết bị đo lường hiện tại của bạn chưa bao giờ được xây dựng để nắm bắt.
Vận hành thị trường tầm trung nên đo lường gì trong quý này
Đòn bẩy không phải là kỷ luật của đội bạn và không phải thêm một công cụ. Đó là kiến trúc chú ý của quy trình làm việc — và không như ý chí, đây là thứ mà vận hành thực sự có thể thiết kế. Ba động thái cụ thể, không cái nào cần phần mềm mới:
1. Đo tính liên tục của phiên tập trung, không chỉ thông lượng. Bạn gần như chắc chắn đang theo dõi nhiệm vụ đã đóng và giờ đã ghi. Thêm một chỉ số: độ dài phiên tập trung liên tục trung bình và tần suất gián đoạn bên trong nó. Dữ liệu kiểu ActivTrak, hoặc thậm chí phân tích lịch-và-trạng-thái, sẽ làm nó hiện ra. Bạn không thể quản lý một khoản thuế phân mảnh mà bạn không đo, và ngay lúc này nó là con số vắng mặt trên mọi bảng điều khiển vận hành.
2. Hợp nhất các bề mặt AI trước khi thêm chúng. Trước khi tài trợ giấy phép tác nhân hoặc trợ lý tiếp theo, hãy kiểm toán xem mỗi vai trò đã đang tung hứng bao nhiêu bề mặt AI và giao tiếp. Nếu câu trả lời gần bảy, động thái có đòn bẩy cao nhất là phép trừ — cho công cụ nghỉ hưu hoặc hợp nhất — không phải thêm một tích hợp. Mỗi bề mặt bạn gỡ bỏ là một luồng gián đoạn bạn đóng lại.
3. Bảo vệ các khối làm việc chuyên sâu một cách có cấu trúc, không bằng một bản ghi nhớ chính sách. Dư âm chú ý nghĩa là một khối 13 phút không phải "một phần của một giờ tập trung" — nó là một lần đặt lại hoàn toàn mỗi lần. Chỉ định các cửa sổ không-gián-đoạn thực sự cho các vai trò đòi hỏi nhận thức và bảo vệ chúng ở cấp quy trình làm việc: thông báo theo lô, chuẩn mực bất-đồng-bộ-mặc-định, các khối không họp. Mục tiêu là khôi phục những đoạn đủ dài để xua tan dư âm, không phải vắt thêm những mảnh 13 phút ra khỏi ngày.
Sau đó kiểm nghiệm nó với dữ liệu của chính bạn. Bạn có các dấu thời gian. Hãy xem đầu ra khó nhất, giá trị cao nhất của đội bạn có thực sự đi cùng độ dài phiên tập trung hay không — và quan sát điều gì xảy ra khi bạn hợp nhất các bề mặt và bảo vệ một khối. Câu trả lời có thể đo được bên trong chính hoạt động của bạn, và nó sẽ cho bạn biết ngăn xếp AI của bạn đang mua năng lực hay chỉ đang phân mảnh nó.
Quyết định duy nhất cho quý này
Lời hứa năng suất của AI là nó sẽ trả lại thời gian cho đội của bạn. Bộ dữ liệu hành vi lớn nhất về vấn đề này nói rằng thay vào đó nó đã trao cho đội một ngày làm việc nhanh hơn, ồn ào hơn, vụn vặt hơn — một ngày mà cửa sổ làm việc chuyên sâu trung bình đã co lại xuống dưới điểm mà công việc chuyên sâu có thể diễn ra. Thông lượng trên bảng điều khiển của bạn là thực. Sự phân mảnh chú ý mà nó đang che giấu cũng vậy.
Vậy nên quyết định cụ thể cho quý này rất hẹp: trước khi bạn tài trợ thêm một giấy phép AI, hãy đo tính liên tục của phiên tập trung cho một đội đòi hỏi nhận thức, rồi hợp nhất các bề mặt công cụ của họ và bảo vệ một khối liền mạch mỗi ngày — và đo xem công việc tốt nhất của họ phản ứng ra sao. Nếu chất lượng công việc khó tăng lên trong khi số lượng công cụ giảm xuống, bạn sẽ tìm ra đòn bẩy ROI của AI mà các chỉ số thông lượng của bạn được xây dựng để bỏ lỡ. Phiên tập trung 13 phút không phải là cái giá của tiến bộ. Nó là một vấn đề thiết kế mà bạn có quyền năng giải quyết.
