Bảy mươi mốt phần trăm nhân viên nói rằng các công cụ AI giúp họ cảm thấy năng suất hơn. Ở nhóm dùng nhiều nhất, con số đó lên tới 93 phần trăm. Hỏi chính những người đó rằng khối lượng công việc của họ có hợp lý với vai trò hay không, câu trả lời gần như không nhích: 72 phần trăm ở nhóm dùng nhiều so với 69 phần trăm ở nhóm không dùng — chênh lệch ba điểm (Culture Amp, 2026).
Hai phát hiện này đến từ cùng một khảo sát, cùng những nhân viên đó, cùng mười hai tháng đó. Một đường cong dốc lên theo cường độ sử dụng. Đường còn lại phẳng.
Đây không phải lỗi đo lường. Đây là sản phẩm của quản trị, và nó có nghĩa là năng lực mà việc triển khai AI của bạn tạo ra đang bị hấp thụ lại ngay trong chính các vai trò đó, thay vì được chuyển đến nơi bạn chọn.
Hai đường cong từ một tập dữ liệu
Nghiên cứu chuẩn mực AI at Work đầu tiên của Culture Amp dựa trên 342 khảo sát do 292 tổ chức thực hiện trên nền tảng của họ, đại diện cho khoảng 112.000 nhân viên và 343.000 câu trả lời cá nhân, thu thập trong mười hai tháng tính đến tháng 7 năm 2026. Người trả lời trải trên 16 ngành và tất cả các khu vực lớn; nhân viên không giữ vai trò quản lý chiếm khoảng hai phần ba mẫu. Nhân viên được chuẩn hóa thành bốn bậc sử dụng — không dùng, dùng nhẹ (một đến hai lần mỗi tuần), dùng hằng ngày, và dùng nhiều (nhiều lần mỗi ngày) (Culture Amp, 2026).
Trong các bậc đó, hầu như mọi thước đo trải nghiệm đều cải thiện theo mức sử dụng. Hiểu biết về rủi ro tăng từ 67 phần trăm ở nhóm không dùng lên 95 phần trăm ở nhóm dùng nhiều. Động lực làm nhiều hơn những gì cùng vai trò đó sẽ đòi hỏi ở nơi khác đạt 72 phần trăm ở nhóm dùng nhiều nhất so với 57 phần trăm ở nhóm không dùng. Mức đồng ý rằng AI đã giúp họ học hỏi và phát triển trung bình toàn cầu là 66 phần trăm, bị kéo xuống bởi nhóm không dùng ở mức 27 phần trăm.
Chỉ một mục từ chối đi theo xu hướng đó. Với phát biểu "Nhìn chung, khối lượng công việc của tôi có vẻ hợp lý với vai trò của tôi", tỷ lệ đồng tình dao động từ 69 phần trăm ở nhóm không dùng đến 71–72 phần trăm ở tất cả những người có dùng AI. Cách đọc của chính Culture Amp rất thẳng: việc bắt đầu dùng AI cải thiện nhẹ cảm nhận về khối lượng công việc, còn tần suất dùng cao hơn không mang lại thêm chút giảm tải nào (Culture Amp, 2026).
Năng suất cảm nhận ở mức 71 phần trăm trên toàn mẫu và 93 phần trăm ở nhóm dùng nhiều nhất. Còn mức giảm tải cảm nhận, trên cùng các bậc đó, chỉ đáng ba điểm.
Vì sao bảng theo dõi mức áp dụng của bạn không thấy khối lượng công việc đi ngang
Phần lớn các chương trình AI ở doanh nghiệp tầm trung đang được đo trên biến số sai. Số giấy phép, người dùng hoạt động hằng tuần, số lượt nhập lệnh trên mỗi vị trí, ước tính thời gian tiết kiệm ở cấp công cụ — tất cả đều tăng khi mức áp dụng tăng. Và không chỉ số nào trong đó thay đổi khi giờ làm được giải phóng âm thầm bị tiêu thụ bởi nhiều hơn chính loại công việc cũ.
Sự hấp thụ lại này vô hình ngay từ cấu trúc. Một nhân viên hoàn thành báo cáo thứ Năm trong bốn mươi phút thay vì chín mươi phút không báo cáo một tuần nhẹ hơn; họ báo cáo một tuần có nhiều việc hơn. Culture Amp tự nêu phản biện này với chính mình, và nêu đúng: đĩa sẽ được xếp đầy lại khi con người hiệu quả hơn, và điều đó bình thường. Không ai kỳ vọng một người chần bông có máy may sẽ làm ra đúng số chăn mỗi năm như người làm thủ công.
Vấn đề không phải là chiếc đĩa lại đầy. Vấn đề là không ai quyết định những gì được xếp lên đó.
Đây chính là lúc phát hiện của Culture Amp thôi là một chuyện lạ và trở thành một câu hỏi ngân sách. Nếu luận cứ đầu tư của bạn giả định rằng số giờ thu lại sẽ hiện ra dưới dạng năng lực được giải phóng, tuyển dụng tránh được, hay chu kỳ nhanh hơn, mà dữ liệu gắn kết của chính bạn lại nói rằng khối lượng công việc cảm nhận đi ngang trên mọi bậc sử dụng, thì luận cứ ấy chưa được kiểm chứng — không phải bị bác bỏ, mà là chưa được kiểm chứng. Bạn không có một thiết bị đo nào hướng vào đúng điều bạn đã hứa.
Số giờ thu lại thực sự đi đâu
Hai tập dữ liệu khác của năm 2026 chỉ ra các điểm đến, và không điểm nào mang tính chiến lược.
Khảo sát AI at Work thường niên lần thứ tư của BCG — 11.749 người lao động tại 14 thị trường — phát hiện 42 phần trăm người dùng thường xuyên ở tuyến đầu cho biết tiết kiệm được ít nhất một ngày làm việc trọn vẹn mỗi tuần nhờ AI, trong khi 66 phần trăm nói họ nhận được rất ít hoặc không có hướng dẫn nào về việc dùng thời gian đó làm gì, và hơn một nửa không chuyển nó sang công việc chiến lược. Trong cùng mẫu đó, 47 phần trăm hiện cho biết họ dành nhiều thời gian quản lý và điều hướng AI hơn là tự làm việc, và 72 phần trăm nói AI đã thay đổi đáng kể những kỹ năng mà vai trò của họ đòi hỏi (BCG, 2026).
Hãy đọc hai con số đó cùng nhau. Giờ làm đó là thật. Quyết định về giờ làm đó thì không tồn tại. Khi thiếu quyết định, giờ làm mặc định chảy về nhu cầu gần nhất đang có — mà nhu cầu đó, ngày càng thường xuyên, chính là bản thân AI.
Khảo sát của BambooHR với 1.608 nhân viên văn phòng Mỹ đã bấm đồng hồ cho hành vi mặc định ấy. Người lao động trung bình dành 87 phút mỗi ngày trong các công cụ AI; 42 phần trăm thời gian đó dùng để xử lý lỗi và chỉnh lại câu lệnh, so với 35 phần trăm dành cho công việc thực sự đẩy khối lượng việc của chính họ đi tới (BambooHR, 2026). Thời gian dành để sửa AI nhiều hơn thời gian dùng AI để tạo ra kết quả.
Vậy năng lực không biến mất vào sự rảnh rỗi. Nó được tiêu đi — vào giám sát, chỉnh sửa, và bề mặt phối hợp mới mà chính các công cụ tạo ra. Công việc đó là thật. Nó chỉ là công việc mà không ai đưa vào ngân sách, không ai đặt tên, và không ai gán cho một vai trò nào.
Khoảng trống định hướng chính là cơ chế
Cùng nghiên cứu chuẩn mực đã tìm ra khối lượng công việc đi ngang cũng tìm ra nguyên nhân, và đó không phải sự phản đối của nhân viên.
Tám mươi lăm phần trăm nhân viên nói tổ chức của họ chủ động khuyến khích khám phá và thử nghiệm với AI. Chỉ 58 phần trăm nói lãnh đạo đã giải thích rõ AI gắn với hướng đi của công ty như thế nào — mục có điểm thấp nhất trong toàn bộ nghiên cứu, và cách mục khuyến khích tới 27 điểm. Gần với công việc hằng ngày hơn, chỉ 60 phần trăm nói quản lý của họ chia sẻ ví dụ về cách AI có thể hỗ trợ mục tiêu của họ, còn mức hỗ trợ từ hệ thống và quy trình đạt 64 phần trăm (Culture Amp, 2026).
Amy Lavoie, VP of People Science tại Culture Amp, rút ra kết luận từ con số năng suất chứ không từ các con số cảm nhận: phần lớn ban điều hành sẽ đọc "bảy trong mười nhân viên cảm thấy năng suất hơn" như một khoản lợi nhuận trên đầu tư, nhưng khi điểm khối lượng công việc đứng yên thì đó là một câu hỏi chưa có lời đáp. Những tổ chức thu được lợi ích thật, bà lập luận, "sẽ không phải là những tổ chức có tỷ lệ áp dụng cao nhất. Đó sẽ là những tổ chức đã quyết định một cách rõ ràng rằng họ sẽ dừng làm việc gì với khoảng thời gian được trả lại" (Culture Amp, 2026).
Đây là một lực lượng lao động đã làm xong phần của mình. Thứ còn thiếu nằm ở phía trên họ: một quyết định bằng văn bản về việc gì sẽ dừng.
Một tín hiệu thứ hai trong cùng thông cáo
Một phát hiện liền kề cần được xử lý thận trọng. Mức độ nhân viên biết về các cơ hội nghề nghiệp nội bộ đã giảm 10 điểm phần trăm kể từ tháng 7 năm 2025 — biến động một năm lớn nhất trong dữ liệu chuẩn mực của Culture Amp — trong khi mức hài lòng với phát triển nghề nghiệp vẫn ở 66 phần trăm, nơi nó đã nằm từ năm 2021. Nhân viên không bớt hài lòng với sự phát triển họ nhận được; họ chỉ kém rõ ràng hơn về điều gì sẽ đến tiếp theo.
Lưu ý này quan trọng: Culture Amp cho biết các con số nghề nghiệp đó đến từ nghiên cứu chuẩn mực gắn kết rộng hơn của họ, một tổng thể lớn hơn mẫu AI gồm 112.000 nhân viên. Đừng gán chúng cho nhóm AI. Hãy coi chúng là thời tiết chung quanh, không phải cùng một phép đo.
Phản biện trung thực
Ba giới hạn, nói thẳng.
Đây là cảm nhận, không phải sản lượng. Mọi con số ở đây đều là nhân viên tự báo cáo cảm nhận của họ. Culture Amp nói rõ điều đó — mỗi kết quả chuẩn mực là một nhóm nhân viên cho bạn biết họ cảm thấy thế nào về một điều gì, không phải một phép đo sản lượng hay số giờ. Điểm khối lượng công việc đi ngang hoàn toàn tương thích với việc năng lực thực sự tăng mà con người chỉ hấp thụ mà không nhận ra.
Mẫu tự chọn lọc. Những tổ chức chạy khảo sát về AI, theo định nghĩa, đã đi xa hơn những tổ chức không làm vậy. Bắc Mỹ chiếm 58 phần trăm các công ty dùng mẫu khảo sát này, ngành công nghệ dẫn đầu rõ rệt, và các tổ chức trên 1.000 nhân viên chiếm khoảng một phần ba người dùng. Cách đặt vấn đề của Culture Amp là đúng: hãy đọc đây như chân dung của các tổ chức đã dấn vào AI, không phải của mọi nhà tuyển dụng. (Phần thân thông cáo báo chí cũng nêu "123 tổ chức" trong một đoạn, so với 292 trong mục phương pháp; phần phương pháp mới là phần nên dẫn.)
Cách giải thích thay thế là thời điểm, không phải thất bại. Bài nghiên cứu NBER số 35684 — Babina, He và Jiang — gắn các mức tăng năng suất sớm từ AI với sự tích lũy vốn tổ chức, tức tri thức bền vững đặc thù của doanh nghiệp được hình thành qua học trong khi làm, chứ không gắn với công cụ hay số nhân sự AI (NBER, 2026). Phần thân bài bị giới hạn truy cập, nên không nên gán cho nó bất kỳ độ lớn tác động nào. Nhưng hướng lập luận là một phản biện công bằng: một năm khối lượng công việc đi ngang có thể là cái giá của việc xây dựng tri thức quy trình sẽ sinh lời về sau. Có điều, cách đọc đó chỉ dành cho những doanh nghiệp thực sự đang ghi lại được điều gì đó. Nó không dành cho một doanh nghiệp có 400 luồng công việc được tối ưu riêng lẻ và không có bản ghi nào về bất kỳ luồng nào.
Cần quyết định gì trước khi quý này đóng
Bốn việc. Không việc nào là mua thêm giấy phép.
- Viết ra danh sách việc sẽ dừng, theo từng nhóm, có tên người kèm theo. Không phải "giảm việc thủ công" — mà ba đầu ra định kỳ cụ thể sẽ không còn được tạo ra sau quý này, và ai đã xác nhận chúng không còn cần thiết. Nếu không có mục nào trong danh sách gây khó chịu, danh sách đó chỉ để trang trí.
- Đặt tên cho điểm đến của số giờ thu lại trước khi bạn ghi nhận chúng. Một giờ được giải phóng mà không có điểm đến được đặt tên là một giờ bị hấp thụ. Chọn một điểm đến cho mỗi vai trò: một mục tiêu phát triển, một dự án liên nhóm, một lần luân chuyển nội bộ, hoặc khoảng dư có chủ ý. "Công việc chiến lược" không phải là một điểm đến.
- Thêm một câu hỏi về khối lượng công việc vào khảo sát gắn kết kế tiếp và tách theo bậc sử dụng AI. Bạn có thể tái lập phát hiện của Culture Amp trong chính công ty mình chỉ trong một kỳ khảo sát. Nếu nhóm dùng AI nhiều nhất báo cáo khối lượng công việc giống nhóm không dùng, bạn đã đo được sự hấp thụ lại một cách trực tiếp — trên dữ liệu của bạn, gắn với vai trò của bạn.
- Hãy đo vai trò, không đo công cụ. Quyết định dừng việc gì cần một cái nhìn về việc mỗi vị trí thực sự đóng góp những gì, số giờ thu lại có thể xây được những năng lực nào, và năng lực được giải phóng mở ra lần luân chuyển nội bộ nào. Đó là dữ liệu cấp vai trò, không phải dữ liệu mức áp dụng. Lớp hiệu suất và kế nhiệm của Scovai đo năng lực theo từng kỳ và từ đó dựng bản đồ luân chuyển nội bộ cùng mức sẵn sàng kế nhiệm, nếu bạn muốn một tham chiếu cụ thể về hình dạng của loại đo lường này.
Phát hiện thực sự của nghiên cứu không phải là AI đã thất bại trong việc giảm khối lượng công việc. Phát hiện là 112.000 nhân viên được trao một mức tăng năng suất và không ai ở phía trên họ xác định mức tăng đó để làm gì.
Những người dùng AI nhiều nhất của bạn đã tìm ra thời gian. Câu hỏi duy nhất còn lại cho quý này là bạn quyết định thời gian đó đi đâu, hay hộp thư đến của họ quyết định thay bạn.
