Google đã ánh xạ 14.653.926 tương tác Gemini đã khử danh tính vào hơn 800 nghề nghiệp và 4.000 đầu việc theo O\*NET. AI xuất hiện ở 68% số nghề chi tiết — tương đương khoảng 88% lao động dân sự có việc làm tại Mỹ. Nhưng bên trong một nghề điển hình như vậy, nó chỉ chạm tới 21% số đầu việc (Google ATLAS v1.0, 2026).
Hai phần ba số công việc. Một phần năm khối lượng công việc.
Và ở nơi công việc mang tính phi thường quy và nhận thức — phán đoán, phân tích, giải quyết vấn đề, đúng nhóm việc mà bạn trả lương cao nhất để tuyển người — tự động hóa đầu-cuối chỉ là ý định biểu lộ ở chưa tới 10% số cuộc hội thoại. 90% còn lại là soạn thảo, rà soát, tra cứu thông tin và suy nghĩ thành lời.
Nếu luận chứng đầu tư AI của bạn dựa trên việc xóa bỏ vị trí, đây chính là con số phá vỡ nó. Không phải vì công cụ yếu, mà vì phép tính được dựng trên sai đơn vị. Một phần năm một công việc không phải một phần năm một biên chế.
ATLAS đã đo gì, và vì sao nó đáp xuống khác đi
Nghiên cứu AI & Economy ATLAS của Google (Activity, Task, Landscape, and Adoption Study) lấy mẫu các tương tác trên Gemini App, AI Mode và Gemini API từ ngày 6 đến 19 tháng 4 năm 2026, rồi ánh xạ chúng vào các hệ phân loại nghề nghiệp và đầu việc chính thức tại 150 quốc gia và 140 ngôn ngữ. Dame Diane Coyle (Cambridge) và Dr David Autor (MIT) đã đóng góp cho báo cáo — Autor chính là nhà kinh tế đã dành hai thập kỷ lập luận rằng công nghệ tái định hình lao động theo từng đầu việc chứ không phải theo từng nghề (Google, 2026).
Phần lớn dữ liệu về mức độ áp dụng AI mà bạn từng thấy đều là tự khai. Một khảo sát hỏi quản lý rằng đội của họ có dùng AI không, và người quản lý trả lời câu hỏi mà họ mong được hỏi. ATLAS thì mang tính hành vi: nó quan sát những gì người ta thực sự mang đến cho mô hình, rồi phân loại đầu việc. Sự dịch chuyển đó quan trọng, vì mức áp dụng tự khai và độ phủ đầu việc quan sát được không phải cùng một phép đo và chưa bao giờ cho ra cùng một con số.
Phân bố còn lệch hơn mức trung vị 21% gợi ý. Ở 29% số nghề chi tiết, ATLAS không ghi nhận bất kỳ mức bão hòa đầu việc nào — nhân viên xếp hàng và soạn đơn, nhân viên sơ chế thực phẩm, công nhân thu gom rác, cảnh sát tuần tra. Ở đầu kia, chỉ 3% số nghề cho thấy AI được dùng trên ba phần tư số đầu việc trở lên: chuyên viên phân tích và kiểm thử QA phần mềm, chuyên viên nhân sự, và chuyên viên quản lý tài liệu (PPC Land, 2026).
Ba nghề trên một trăm được phủ sâu. Đó mới là danh sách ứng viên tự động hóa của bạn. Nó ngắn hơn slide của bạn nói.
Phép so sánh do chính Google đưa ra đáng ghi lại để hiệu chuẩn: Economic Index của Anthropic nhận thấy khoảng 36% số nghề dùng AI cho ít nhất một phần tư đầu việc; con số tương ứng của Google là khoảng 30%, và các tác giả quy phần lớn khoảng cách này cho ngưỡng bảo mật nghiêm ngặt hơn chứ không phải hành vi thực sự khác biệt (PPC Land, 2026). Hai bộ dữ liệu độc lập, hai nhà cung cấp khác nhau, cùng một hình dạng: rộng và nông.
Vì sao tự động hóa đầu-cuối vẫn dưới 10%
ATLAS phân loại các cụm hội thoại vào năm ý định: tự động hóa đầu việc, soạn thảo và tạo sinh một phần, rà soát và tinh chỉnh, hình thành ý tưởng và chiến lược, tra cứu thông tin và học hỏi.
Kết quả lật ngược câu chuyện thay thế quen thuộc. Các đầu việc nhận thức - phân tích phi thường quy chiếm 35% tổng số đầu việc trong hệ phân loại O\*NET nhưng chiếm 65% số tương tác công việc với Gemini. Người ta tìm đến AI nhiều nhất ở những phần khó nhất, ít chuẩn hóa nhất trong công việc của họ — và chính ở đó họ ít giao trọn cả việc nhất. Chưa tới 10% các cuộc hội thoại đó thể hiện ý định tự động hóa đầu-cuối. Trong công việc nhận thức thường quy, hơn một phần tư thì có (Google ATLAS v1.0, 2026).
Cơ chế không có gì bí ẩn. Một đầu việc được giao trọn khi kết quả có thể kiểm chứng chỉ bằng một cái nhìn và chi phí sai sót bị giới hạn. Định dạng lại một tập dữ liệu thì đủ điều kiện. Quyết định loại nhà cung cấp nào thì không. Công việc phi thường quy đúng là loại công việc mà tính đúng đắn không thể xác nhận nếu không làm lại phần lớn quá trình tư duy — nên con người vẫn ở trong vòng lặp, và thời gian tiết kiệm là có thật nhưng chỉ một phần.
Google nói thẳng hàm ý: dữ liệu không ủng hộ tuyên bố rằng AI sắp gây ra tự động hóa và thay thế hàng loạt đối với lao động văn phòng. Các tác giả cũng lưu ý rằng việc phân loại ý định mới ở giai đoạn sơ bộ và hành vi có thể thay đổi khi năng lực mô hình tiến xa hơn. Cả hai nửa của câu đó đều thuộc về các giả định lập kế hoạch của bạn.
Phép tính biên chế của bạn giả định một độ sâu mà bạn không có
Đây là chỗ vấn đề trở thành bài toán vận hành chứ không phải một biểu đồ thú vị.
Luận chứng đầu tư AI tiêu chuẩn ở phân khúc mid-market nhân mức tiết kiệm thời gian mỗi đầu việc với khối lượng đầu việc, quy giờ thành FTE, rồi ghi nhận chênh lệch. Nó chỉ đúng về mặt số học nếu số giờ tiết kiệm được là liền mạch và thuộc về một vị trí mà phần việc còn lại có thể được hấp thụ ở nơi khác. ATLAS nói rằng số giờ tiết kiệm được nằm rải rác trên một phần năm danh mục đầu việc — ở những phần công việc chưa bao giờ là nút thắt.
Hãy lấy trường hợp trung vị theo đúng nghĩa đen. AI phủ 21% số đầu việc của một vị trí. Giả định — một cách hào phóng — mỗi đầu việc giảm 40% thời gian. Kết quả là tổng thời gian làm việc của vị trí đó giảm 8%. Bạn chưa giải phóng được một con người. Bạn giải phóng một mảnh nhỏ của tất cả mọi người, rải suốt tuần thành những mẩu quá nhỏ để tái phân bổ và quá nhỏ để hiện lên bảng chấm công.
Đó là lý do rất nhiều dự án thí điểm cùng lúc báo cáo người dùng hào hứng và chi phí vận hành đứng yên. Cả hai đều đúng. Khoản tiết kiệm là có thật và khoản tiết kiệm không thể thu về, bởi thu về đòi hỏi hợp nhất đầu việc — chuyển 79% còn lại vào một vị trí được thiết kế lại — và chưa ai được giao làm việc đó.
Cái bẫy sâu hơn là con số 3%. Khi luận chứng được dựng từ một chức năng ngọn hải đăng — kiểm thử QA, quản lý tài liệu nhân sự, công việc hành chính có độ phủ cao — tỷ lệ phủ quan sát được ở đó bị âm thầm ngoại suy cho phần còn lại của tổ chức. Nó không chuyển giao được. Ba nghề trên một trăm ấy bất thường về mặt cấu trúc: đầu việc chuẩn hóa cao, đầu ra vốn dĩ là văn bản, kiểm chứng tức thì. Các chuyên viên phân tích tài chính và account manager của bạn không có thuộc tính nào trong số đó.
Sự đảo ngược chuyên môn mà chưa ai tính vào
Phát hiện có khả năng sai nhất trong kế hoạch hiện tại của bạn liên quan đến việc ai được hưởng lợi.
Giả định phổ biến là AI rút ruột nhân sự junior và khuếch đại nhân sự senior. ATLAS làm phức tạp cả hai đầu. Cường độ sử dụng tăng dốc theo mức lương — thu nhập trung vị của một nghề tăng 1% gắn với cường độ sử dụng tăng hơn 2,5%, và giảm còn 1,86% khi kiểm soát trình độ học vấn. Tính theo trọng số việc làm, thu nhập năm trung vị trong mẫu là 62.252 đô la; theo trọng số cuộc hội thoại Gemini là 82.919 đô la; theo trọng số token là 86.157 đô la (PPC Land, 2026).
Vậy là những người senior, lương cao mới là người dùng nhiều nhất. Nhưng khi chấm điểm mức chuyên môn của từng đầu việc bằng phương pháp Autor và Thompson — vốn đánh giá độ hiếm và tính đặc thù lĩnh vực của từ vựng trong phát biểu đầu việc — mức sử dụng lại được đại diện quá mức nhiều nhất ở các đầu việc nhận thức có chuyên môn thấp nhất. Viết lại một báo cáo sang ngôn ngữ khác. Soạn một bản đặc tả sản phẩm.
Người lao động chuyên môn cao đang mang phần việc chuyên môn thấp của chính họ đến cho AI.
Sự đảo ngược đó là điều khả thi hành động nhất trong nghiên cứu, và nó chỉ về hướng ngược lại với phần lớn kế hoạch triển khai. Giá trị không nằm ở chỗ trao cho nhân sự senior một người bạn tư duy thông minh hơn cho các quyết định khó; nó nằm ở việc bóc phần cặn chuyên môn thấp ra khỏi những lịch làm việc đắt đỏ. Nếu đợt triển khai của bạn nhắm vào các vị trí junior với lý thuyết rằng công việc của họ dễ tự động hóa hơn, bạn đang triển khai ngược với độ dốc quan sát được. Mức áp dụng đi theo quyền tự quyết, không đi theo độ đơn giản của đầu việc — người ta dùng AI ở nơi họ có thẩm quyền quyết định công việc của mình được làm như thế nào.
Bằng chứng này dừng ở đâu
Những giới hạn cần nói thẳng, bởi một Head of Operations không nên hành động dựa trên dữ liệu đo lường của chính nhà cung cấp mà không tính chúng vào.
ATLAS là Google đo Google. Nó chỉ quan sát các bề mặt Gemini, nên một doanh nghiệp đã chuẩn hóa trên trợ lý khác nằm ngoài khung hình. Đây là mẫu hai tuần trong một thị trường biến động nhanh. Các nền tảng doanh nghiệp — Workspace, Gemini Enterprise, công cụ lập trình tác tử — phần lớn nằm ngoài bộ dữ liệu chi tiết, mà đó chính là nơi tự động hóa sâu, nhúng vào quy trình, nhiều khả năng đang diễn ra. Hơn 86% tương tác không liên quan công việc; hội thoại công việc chiếm khoảng 13,5% lưu lượng App và AI Mode, nên mẫu con liên quan công việc tuy lớn vẫn chỉ là một lát cắt.
Quan trọng nhất, ATLAS đo hành vi chứ không đo kết quả. Một cuộc hội thoại hoàn tất không nói lên được người dùng có nhận được thứ họ cần hay tiết kiệm được một phút nào không (Forte Group, 2026).
Không điều nào trong số đó cứu được luận chứng cắt giảm biên chế. Việc đo thiếu công cụ tác tử cấp doanh nghiệp sẽ nâng trần cho hướng đi của tự động hóa; nó không thay đổi ý nghĩa của độ phủ đầu việc trung vị 21% đối với tổ chức bạn đang điều hành trong quý này. Và cũng nên gọi tên chiều của thiên lệch: đây là một nhà cung cấp mô hình công bố nghiên cứu làm suy yếu chính câu chuyện tự động hóa có lợi cho lợi ích thương mại của họ. Những phát hiện đi ngược động cơ của bên công bố xứng đáng được coi trọng hơn, chứ không phải ít hơn.
Cuộc rà soát thay cho phỏng đoán
Một hành động cụ thể trước kỳ duyệt ngân sách AI kế tiếp: ngừng đếm công cụ và bắt đầu đếm đầu việc.
Chọn ba vị trí đang gánh khoản đầu tư AI lớn nhất của bạn. Với mỗi vị trí, viết ra danh mục đầu việc — 15 đến 25 đầu việc riêng biệt, phát biểu rõ ràng. Đánh dấu từng đầu việc theo hai câu hỏi: đầu ra có kiểm chứng được trong dưới một phút bởi một người đủ chuyên môn không, và một câu trả lời sai có tốn kém hơn việc làm lại không. Những đầu việc rẻ để kiểm chứng và rẻ khi sai chính là tập tự động hóa thật sự của bạn. Tất cả phần còn lại là hỗ trợ, và hỗ trợ thể hiện ở chất lượng và thời gian chu trình, không bao giờ ở biên chế.
Sau đó đo tỷ lệ phủ mà bạn thực sự đang có. Nếu nó gần 21%, bạn ở mức trung vị — bình thường, không phải thất bại, và cũng không phải một dòng tiết kiệm. Nếu một vị trí vượt 60%, bạn đã tìm ra một trong 3%: hãy chủ động thiết kế lại vị trí đó thay vì chờ khoản tiết kiệm tự xuất hiện. Nếu một vị trí vẫn dưới 10% sau một năm cấp phép, vấn đề không nằm ở công cụ và cũng không nằm ở con người. Công việc đơn giản là không có hình dạng phù hợp, và khoản chi cấp phép ấy thuộc về nơi khác.
Phiên bản khó chịu của phát hiện này cũng là phiên bản hữu ích. AI có mặt ở gần như mọi công việc trong công ty bạn và đi sâu vào gần như không công việc nào, tự động hóa đầu-cuối vẫn là ngoại lệ chứ không phải kế hoạch, và phần lợi tức đang nằm trong lớp cặn chuyên môn thấp làm nghẽn những lịch làm việc đắt đỏ nhất của bạn. Hãy đi lấy lại nó. Nó nhỏ hơn lời hứa của dòng tít, và dễ thu về hơn nhiều.
