Ngân hàng Trung ương châu Âu hỏi khoảng 20.000 người lao động mỗi tháng tại 11 quốc gia khu vực đồng euro rằng AI giúp họ tiết kiệm bao nhiêu thời gian. Người dùng trung vị trả lời ba giờ mỗi tuần — khoảng 7,7% thời gian làm việc trung vị. Sau đó ECB làm điều mà gần như không bản thuyết trình nào của nhà cung cấp làm: chia cho tất cả mọi người. Vì chỉ 48,8% người lao động vừa dùng AI vừa thực sự tiết kiệm được thời gian nhờ nó, mức tăng hiệu quả trên toàn nền kinh tế gần với 3,8% hơn (ECB, 2026).
Cùng một khảo sát. Cùng những người trả lời. Hai con số, cách nhau khoảng gấp đôi.
Bản luận chứng năng suất AI của bạn gần như chắc chắn được dựng trên con số thứ nhất. Đó chính là sai lầm, và nó không phải sai số làm tròn: đó là sai lầm ở mẫu số, và nó quyết định liệu những giờ bạn hứa với giám đốc tài chính có bao giờ xuất hiện hay không.
ECB thực sự đã đo cái gì
Dữ liệu đến từ Consumer Expectations Survey của ECB, một bảng khảo sát hằng tháng với khoảng 20.000 người tại 11 quốc gia khu vực đồng euro — một công cụ đo dân số nói chung, không phải danh sách khách hàng của một nhà cung cấp. Điều đó quan trọng, vì nó bao gồm cả những người đã thử AI rồi bỏ, và những người chưa từng bắt đầu. Phần lớn dữ liệu năng suất AI bạn thấy không làm được như vậy.
Xu hướng áp dụng thực sự dốc. Tỷ lệ người lao động dùng AI trong công việc tăng từ 26% năm 2024 lên 41% năm 2025 và 52% năm 2026, và người dùng cho biết họ sử dụng khoảng ba ngày mỗi tuần. Mức độ áp dụng lệch như dự đoán: 61% ở nhóm học vấn cao so với 37% ở nhóm học vấn thấp hơn, người lao động trẻ đi trước đồng nghiệp lớn tuổi khoảng 20 điểm phần trăm.
Nhưng một khi đã bước vào, cường độ lại hội tụ. Trung bình theo nhóm về số ngày dùng mỗi tuần nằm trong khoảng 2,5 đến 2,9 ngày, bất kể tuổi tác hay học vấn (ECB, 2026).
Hãy ghi nhớ hình dạng đó, vì nó xác định đòn bẩy của bạn. Phương sai trong tổ chức của bạn phần lớn không đến từ việc người dùng của bạn đẩy mạnh đến đâu. Nó đến từ việc có bao nhiêu người thực sự là người dùng.
Mẫu số chính là toàn bộ lập luận
Đây là phép tính mà bản luận chứng của bạn đang ngầm thực hiện.
Nhà cung cấp trích dẫn mức tiết kiệm trên mỗi người dùng — ba giờ đó, 7,7% đó. Bộ phận tài chính nhân nó với số nhân sự. Con số thu được là một khẳng định về một lực lượng lao động mà ở đó ai cũng dùng công cụ và ai cũng tiết kiệm thời gian. Dữ liệu ECB nói rằng khoảng một nửa lực lượng lao động thuộc nhóm đó.
ECB cũng thận trọng ở một điểm đáng lặp lại với bất kỳ ai dựng mô hình: thời gian tiết kiệm chỉ trở thành năng suất nếu số giờ được giải phóng được chuyển thành sản lượng, và sự chuyển đổi đó phụ thuộc vào việc người sử dụng lao động có đưa được phần năng lực dôi ra vào việc hay không. Những giờ tiết kiệm rơi vào một cuốn lịch không có nhu cầu phía sau thì không phải là lợi ích. Đó là năng lực nhàn rỗi.
Về quy mô, ECB lưu ý rằng các ước tính hiện tại về tăng trưởng năng suất hằng năm bổ sung nhờ AI trong mười năm dao động từ 0,1% đến 3,4%, và ước tính riêng của ECB cho khu vực đồng euro là khoảng 0,35 điểm phần trăm mỗi năm. Nếu luận chứng nội bộ của bạn hàm ý một bước nhảy cao hơn thế một bậc độ lớn, gánh nặng chứng minh thuộc về bạn, không phải các nhà kinh tế.
Cùng khoảng cách đó, đo tại Hoa Kỳ
Nếu đây chỉ là một khảo sát trong một liên minh tiền tệ, bạn có thể chiết khấu nó. Nhưng không phải vậy.
Alexander Bick, Adam Blandin và David Deming, phối hợp với Federal Reserve Bank of St. Louis, đã thực hiện các khảo sát đại diện toàn quốc về việc sử dụng AI tạo sinh tại Hoa Kỳ và tìm thấy mức tiết kiệm thời gian trung bình 5,2% số giờ làm việc ở nhóm người dùng — khoảng 2,1 giờ với người làm 40 giờ một tuần — nhưng chỉ 1,4% tổng số giờ khi tính cả những người không dùng. Mức tăng năng suất tổng hợp theo mô hình của họ ở mức sử dụng hiện tại: 1,2% (Bick, Blandin & Deming, 2024).
Hai châu lục, hai phương pháp, cách nhau hai năm. Cả hai đều cho một con số trên mỗi người dùng trông có vẻ thay đổi cuộc chơi, và một con số điều chỉnh theo tỷ lệ tham gia trông chỉ là gia tăng dần. Tỷ số giữa chúng không phải nhiễu. Đó là hình dạng của chính hiện tượng này.
Lợi suất nằm ở nơi ít người dùng nhất
Phát hiện thứ hai trong dữ liệu ECB mới là điều nên thay đổi việc bạn làm vào thứ Hai, chứ không chỉ điều bạn tin.
Mức tăng hiệu quả khác biệt mạnh theo từng tác vụ, và mức lớn nhất không đến từ những cách dùng phổ biến nhất. Sinh mã hoặc gỡ lỗi mang lại gần tám giờ mỗi tuần — nhưng chỉ khoảng 8% người lao động dùng AI cho việc đó. Phân tích dữ liệu, tự động hóa tác vụ lặp lại, và tạo nội dung âm thanh hoặc hình ảnh theo cùng khuôn mẫu: lợi suất cao, mức dùng mỏng. Trong khi đó, những cách dùng được nhắc đến nhiều nhất — tra cứu, thu thập thông tin, viết và biên tập văn bản — tiết kiệm ít hơn đáng kể (ECB, 2026).
Một lưu ý ECB nêu ra và tôi xin nhắc lại: những người trả lời tiết kiệm được nhiều thời gian thường chọn nhiều tác vụ hơn, điều này làm phồng số trung bình theo tác vụ một cách cơ học. Hãy coi thứ hạng là đáng tin và số giờ tuyệt đối là hào phóng.
Ngay cả khi đã chiết khấu, thứ tự đó vẫn hành động được. Phần lớn tổ chức đã dành hai năm thúc đẩy việc áp dụng các cách dùng lợi suất thấp vì chúng dễ trình diễn nhất trong một buổi đào tạo. Các cách dùng lợi suất cao đòi hỏi quyền truy cập hệ thống, dữ liệu và mã nguồn — đó là bài toán phân quyền và tích hợp, không phải bài toán nhiệt tình.
Vì sao nửa còn lại không tham gia
ECB hỏi thẳng những người không dùng, và câu trả lời không phải là điều mà phần lớn kế hoạch triển khai giả định.
Một phần ba nói AI không liên quan đến công việc hiện tại của họ. Số khác thích phương pháp hiện có, hoặc e ngại về độ chính xác và độ tin cậy, hoặc cho biết doanh nghiệp chưa cung cấp công cụ. Và 41% đơn giản là không có hứng thú với công nghệ này — bao gồm 34% các nhà quản lý. Khi được hỏi điều gì sẽ làm họ đổi ý, khoảng một nửa nhắc đến đào tạo tốt hơn và hiểu rõ hơn AI thực sự hữu ích ở đâu.
Về phía cung, khoảng một nửa doanh nghiệp dự định đầu tư vào đào tạo AI trong 12 tháng tới, theo khảo sát SAFE của ECB — nghĩa là khoảng một nửa thì không.
Tâm lý cũng đang dịch chuyển sai hướng: tỷ lệ người lao động nhìn nhận AI tích cực giảm từ 43% xuống 41% so với năm trước (ECB, 2026).
Đó chính là tỷ lệ tham gia của bạn, được mô tả một cách cơ học. Nó không phải bí ẩn, cũng không phải thiếu động lực. Khoảng một phần ba số người không dùng đang xác định đúng rằng AI không giúp được gì cho công việc hiện tại của họ — và chỉ việc thiết kế lại những công việc đó, chứ không phải một giấy phép phần mềm, mới thay đổi được điều này.
Phản biện trung thực: đây là số liệu tự báo cáo
Giờ là lưu ý làm suy yếu chính lập luận của tôi, bởi bạn nên nghe nó từ tôi chứ không phải từ giám đốc tài chính của bạn.
Mọi con số phía trên đều do người lao động tự báo cáo. Không ai bấm đồng hồ. Và trong bối cảnh duy nhất mà lợi ích AI tự báo cáo được đối chiếu trực tiếp với lợi ích đo được, phía tự báo cáo đã thua nặng.
Thử nghiệm ngẫu nhiên có đối chứng của METR trên các lập trình viên mã nguồn mở giàu kinh nghiệm cho thấy khi dùng công cụ AI đầu năm 2025, họ mất nhiều hơn 19% thời gian — trong khi vẫn tin rằng mình đã nhanh hơn. Khảo sát tiếp theo của METR với 349 người làm kỹ thuật đặt một con số cho độ lệch này: trong nghiên cứu đầu năm 2025 của họ, người tham gia đã ước tính vượt tác động của AI lên thời gian làm việc trung bình 40 điểm phần trăm (METR, 2026).
Vậy cách đọc trung thực là: 3,8% trên toàn nền kinh tế có thể đã là đầu lạc quan của khoảng ước tính, chứ không phải đầu bi quan. Con số trên mỗi người dùng không chỉ bị pha loãng bởi sự không tham gia — nó còn có thể đã bị thổi phồng ngay từ nguồn.
Có một phép kiểm ở cấp doanh nghiệp. Khảo sát State of AI 2026 của McKinsey cho thấy tỷ lệ người trả lời gán ít nhất một phần tác động EBIT cho AI gần như không đổi so với năm trước, ở mức 37%, còn nhóm AI high performers đi ngang quanh 6% (McKinsey, 2026). Mức áp dụng thì cộng dồn. Tác động tài chính được báo cáo thì không. Đó đúng là dấu hiệu bạn sẽ thấy nếu số giờ trên mỗi người dùng là thật nhưng không phổ quát và cũng không được chuyển hóa.
Không điều nào trong số này nghĩa là AI chẳng tiết kiệm được gì. Nó nghĩa là con số bạn đưa vào bản luận chứng phải được dựng lên, chứ không phải trích dẫn.
Dựng lại luận chứng năng suất AI: tỷ lệ tham gia × lợi suất theo tác vụ
Hãy thay phép nhân trên mỗi người dùng bằng một ước lượng ba thành phần. Việc này mất một buổi chiều và trụ được trước bộ phận tài chính.
- Đo tỷ lệ tham gia, không đo giấy phép. Đếm số người đã dùng AI cho công việc trong tuần vừa rồi và nói rằng họ tiết kiệm được thời gian — đúng cách dựng 48,8% của ECB, áp dụng cho nhân sự của bạn. Số ghế bản quyền là chỉ số mua sắm; nó không phải mẫu số.
- Trọng số theo tác vụ, không theo phòng ban. Ước tính số giờ tiết kiệm riêng cho công việc lợi suất cao (sinh mã và gỡ lỗi, phân tích dữ liệu, tự động hóa tác vụ lặp lại) và công việc tần suất cao (tra cứu, viết, biên tập). Đừng trộn chúng thành một số trung bình — chính phép trộn đó che mất cơ hội.
- Áp một hệ số chuyển hóa. Quyết định rõ ràng bao nhiêu phần số giờ được giải phóng sẽ thành sản lượng thay vì thời gian nhàn rỗi, và gọi tên nhu cầu mà những giờ đó sẽ hấp thụ. Nếu không gọi tên được, hệ số chuyển hóa bằng không và bạn nên nói thẳng như vậy.
Sau đó hãy đưa ra lựa chọn chiến lược mà dữ liệu ECB thực sự đặt ra, và đưa ra dứt khoát một lần thay vì để nó trôi: mở rộng tỷ lệ tham gia hay đào sâu lợi suất. Mở rộng nghĩa là kéo được 41% không hứng thú vào cuộc — chậm, thuộc về văn hóa, bị chặn bởi tầng quản lý, và vấp thẳng vào một phần ba người lao động mà công cụ thực sự không hợp với công việc hôm nay của họ. Đào sâu nghĩa là hướng AI vào 8% công việc lợi suất cao, vốn cần quyền truy cập dữ liệu và tích hợp hệ thống nhưng hoàn toàn không gặp kháng cự về động lực.
Phần lớn đội vận hành ở doanh nghiệp tầm trung đã làm một phiên bản pha loãng của cả hai và gọi kết quả đó là triển khai. Hãy chọn một hướng cho hai quý tới. Gắn đo lường cho nó. Báo cáo với hội đồng quản trị con số đã điều chỉnh theo tỷ lệ tham gia, đặt cạnh con số trên mỗi người dùng, và để khoảng cách giữa hai con số tự lập luận.
Cần quyết điều gì trong quý này
ECB đã trao cho bạn cùng một phát hiện hai lần, ở hai độ cao: ba giờ mỗi tuần cho một con người, 3,8% cho một nền kinh tế. Cả hai đều đúng. Nhưng chỉ một trong hai được báo cáo kết quả kinh doanh của bạn cảm nhận.
Trước khi quý này khép lại, hãy rút ra tỷ lệ tham gia thực của bạn — đã dùng AI cho công việc tuần trước và tiết kiệm được thời gian — rồi đặt nó lên cùng một trang trình chiếu với số giờ trên mỗi người dùng mà bản luận chứng năng suất AI của bạn đang dựa vào. Nếu hai con số cách nhau quá xa, bạn không có vấn đề về năng suất. Bạn có một mẫu số mà bạn chưa từng nhìn tới.
