Các lập trình viên trên 55 tuổi hiện rời bỏ công việc với tỷ lệ dự báo cao hơn hơn 25% so với thời kỳ trước ChatGPT. Thợ sơn nhà — đứng cuối cùng trong cùng chỉ số phơi nhiễm — chỉ dịch chuyển khoảng 2% (Sanzenbacher, CRR Issue Brief 26-13, 2026).
Đó chính là hiện tượng chảy máu kinh nghiệm, và nó đi ngược lại mọi câu chuyện về tự động hóa mà bạn từng được nghe. Lương càng cao, kỹ năng càng cao, lối ra càng nhanh.
Phần lớn các đội Operations ở doanh nghiệp tầm trung đã dành mười tám tháng lo lắng về cửa vào của nhân sự mới — liệu AI có đang nuốt chửng vị trí chuyên viên phân tích tập sự, liệu người 22 tuổi vừa tuyển có còn lộ trình. Mối lo đó có bằng chứng vững chắc. Nhưng nó chỉ là một đầu của một đường ống hiện đang rò rỉ ở cả hai đầu.
Nghiên cứu của Boston College thực sự đo cái gì
Bản Issue Brief tháng 6/2026 của Center for Retirement Research thuộc Boston College, do nhà kinh tế Geoffrey T. Sanzenbacher thực hiện, đã ghép dữ liệu chuỗi thời gian của Current Population Survey với chỉ số phơi nhiễm AI của Tufts Digital Planet, rồi so sánh hành vi rời bỏ công việc của người lao động từ 55 tuổi trở lên trước và sau khi AI tạo sinh phổ biến vào tháng 11/2022 (Center for Retirement Research at Boston College, 2026).
Hai lựa chọn thiết kế đáng để bạn chú ý.
Thứ nhất, nghiên cứu dùng các chuyển dịch ra khỏi việc làm được quan sát thực tế, không phải ý định nghỉ hưu tự khai. Khảo sát về người lao động lớn tuổi và AI đo lường sự lo âu. Nghiên cứu này đo lường sự ra đi.
Thứ hai, nó xếp hạng nghề nghiệp theo mức phơi nhiễm đo được, chứ không theo trực giác về việc công việc nào "trông có vẻ" tự động hóa được (Digital Planet, Tufts University, 2026). Lập trình viên, kế toán và chuyên viên phân tích nằm ở nhóm cao. Thợ sơn nằm ở nhóm thấp. Chính độ dốc đó là phát hiện.
Với các nghề văn phòng phơi nhiễm cao nhất, xác suất dự báo rời khỏi công việc tăng từ khoảng 8,7% lên 11,1% — mức tăng tương đối trên 25%. Ở đầu phơi nhiễm thấp, cùng phép tính cho ra khoảng 2%. Tác động lớn nhất rơi vào các công việc trả lương cao hơn, đảo ngược khuôn mẫu mà tự động hóa đã đi theo suốt bốn thập kỷ.
Lợi thế nghề nghiệp bền lâu vừa bị đảo chiều
Đây là con số nên định hình lại kế hoạch nhân sự của bạn.
Trong toàn bộ giai đoạn nghiên cứu, người lao động lớn tuổi ở nhóm phơi nhiễm cao trong lịch sử có tỷ lệ rời việc thấp hơn so với nhóm phơi nhiễm thấp: 11,7% so với 14,1% (Sanzenbacher, CRR Issue Brief 26-13, 2026). Công việc bàn giấy có kỹ năng chính là thứ cho phép người ta làm việc lâu hơn. Kế toán ở lại; thợ lợp mái thì cơ thể không chịu nổi.
Lợi thế ấy đang bị bào mòn, và bản brief lưu ý rằng một phần đáng kể của thay đổi bắt nguồn từ thất nghiệp chứ không phải nghỉ hưu tự nguyện. Đây không phải làn sóng những người thoải mái chọn nghỉ sớm. Đây là nhóm từng có sự nghiệp bền vững nhất đang trở nên kém bền vững.
Hãy đọc điều đó cùng bức tranh áp dụng bên dưới: chỉ khoảng 18% người lao động 50–64 tuổi cho biết có dùng AI tạo sinh. Mức phơi nhiễm rơi đúng vào nhóm ít có khả năng sử dụng chính công cụ tạo ra nó nhất.
Với một lãnh đạo Operations, tổ hợp đó — phơi nhiễm cao, mức áp dụng thấp, rời việc ngoài ý muốn tăng — là một tình trạng cụ thể và có thể xử lý được. Không phải một định mệnh nhân khẩu học.
Cũng cần chính xác về ý nghĩa của từ "rời việc" ở đây. Chuyển dịch ra khỏi công việc ở tuổi 58 không phải cùng một sự kiện với tuổi 28. Người lao động lớn tuổi hiếm khi quay lại ở cùng cấp bậc; cách CRR diễn giải là những sự nghiệp bị cắt ngắn, không phải tạm dừng (Sanzenbacher, CRR, 2026). Từ phía bàn của bạn, điều đó nghĩa là người ấy sẽ không quay lại thị trường để bạn tuyển lại sau hai quý, khi dự án AI thí điểm không đạt kỳ vọng. Tri thức rời khỏi ngành, chứ không chỉ rời khỏi bảng lương.
Chảy máu kinh nghiệm tấn công đúng những vị trí bạn thay thế chậm nhất
Hãy đặt phát hiện của Boston College bên cạnh bằng chứng tốt nhất ở đầu kia của phân bố tuổi.
Digital Economy Lab của Stanford, làm việc với dữ liệu bảng lương tần suất cao bao phủ hàng triệu lao động Mỹ, ghi nhận mức giảm việc làm tương đối khoảng 13% ở nhóm 22–25 tuổi trong các nghề phơi nhiễm AI cao nhất sau khi AI tạo sinh được áp dụng, trong khi việc làm của lao động lớn tuổi hơn trong chính các nghề đó vẫn giữ vững hoặc tăng (Stanford Digital Economy Lab, 2025).
Đọc một cách hời hợt, hai kết quả này mâu thuẫn nhau. Không hề. Stanford đo số người trong nghề; Boston College đo các chuyển dịch cá nhân ra khỏi việc làm ở nhóm 55+. Một bên là tín hiệu tuyển dụng, bên kia là tín hiệu rời đi — và cả hai có thể cùng đúng. Nghề đó có thể giữ nguyên tổng nhân sự trong khi những con người cụ thể ở đầu thâm niên lại rời đi nhanh hơn.
Hệ quả vận hành mới là điều quan trọng, và nó khó chịu: ít nhân sự trẻ vào phễu hơn, nhân sự kỳ cựu ra nhanh hơn, và ở giữa là lớp mỏng nhất của doanh nghiệp tầm trung. Một công ty 20.000 người hấp thụ được điều này. Họ có lực lượng dự bị, chương trình luân chuyển và ba người có thể tiếp quản bất kỳ vị trí nào.
Ở quy mô 200 người, người biết vì sao logic đối soát lại có ngoại lệ đó chỉ là một người.
Những gì ra khỏi cửa cùng với họ
Chi phí của một ca nghỉ việc ở cấp kỳ cựu không phải dòng lương bạn ngừng chi. Đó là hai thứ chưa bao giờ nằm trên bất kỳ dòng nào.
Thứ nhất là tri thức quy trình ngầm — những lý do không được ghi chép giải thích vì sao một hệ thống được cấu hình như vậy. Mọi doanh nghiệp tầm trung đều vận hành trên lớp này, và nó vô hình cho đến đúng lúc người nắm giữ nó ra đi. Đó là ngoại lệ trong logic ghi nhận doanh thu tồn tại vì một hợp đồng năm 2019, là nhà cung cấp phải gọi điện chứ không gửi email, là truy vấn trông thừa nhưng không thừa. Không thứ nào nằm trong sổ tay. Phần lớn không nằm trong đầu người thứ hai.
Có một phiên bản bậc hai của vấn đề này mà AI làm sắc thêm chứ không làm dịu đi. Trợ lý tài liệu và trợ lý code giỏi mô tả hệ thống làm gì. Chúng kém trong việc khôi phục vì sao nó được xây như vậy, bởi lập luận đó chưa từng được viết ra. Công cụ làm tăng mức phơi nhiễm của bạn không lấp được khoảng trống mà chính nó mở ra.
Thứ hai thì đo được, và đây là điều hầu hết kế hoạch vận hành bỏ qua. Làm việc bên cạnh đồng nghiệp giỏi hơn tạo ra lợi ích vốn con người thực sự cho người ít kinh nghiệm hơn — hiệu ứng đủ lớn để thể hiện trong mức lương về sau và nhất quán giữa các nhóm nghiên cứu độc lập (Herkenhoff, Lise, Menzio & Phillips, Econometrica, 2024). Nhân sự kỳ cựu của bạn không chỉ tạo ra đầu ra. Họ là một đầu vào đào tạo cho tất cả những ai làm việc gần họ.
Mất đầu vào đó trong khi đồng thời tuyển ít nhân sự trẻ hơn, hiệu ứng cộng dồn chạy sai hướng. Bạn không chỉ thiếu một nhân sự. Bạn đã làm chậm tốc độ giỏi lên của phần còn lại trong đội.
Phơi nhiễm tập trung ở đâu
Lập trình viên, kế toán, chuyên viên phân tích tài chính và người viết tài liệu kỹ thuật là nhóm chịu ảnh hưởng nặng nhất — nghĩa là, trong một công ty 50–500 nhân sự, đó là tài chính, kỹ thuật và bộ phận hệ thống nội bộ nhỏ giữ cho toàn bộ stack mạch lạc. Không ngẫu nhiên, đây cũng là những vị trí có thời gian để người thay thế đạt năng suất lâu nhất.
Lập luận này có thể sai ở đâu
Ba điểm dè dặt, nói thẳng, vì chính tác giả cũng nêu ra.
Đây là phân tích sớm về một bước ngoặt vừa xảy ra. Cửa sổ sau ChatGPT còn ngắn, và ước lượng trên cửa sổ ngắn thì mong manh.
Có các yếu tố gây nhiễu và bản brief nêu tên chúng: cắt giảm chi tiêu R&D của chính phủ và động thái tuyển dụng bất thường ở các startup thuần AI đều có thể làm lệch ước lượng đúng ở nhóm nghề phơi nhiễm cao đang được nghiên cứu (Center for Retirement Research at Boston College, 2026). Một phần số ca rời việc đo được có thể thuộc về những lực đó chứ không phải sự thay thế bởi AI.
Và phơi nhiễm không đồng nghĩa với thay thế. Điểm cao trên chỉ số phơi nhiễm nghĩa là các tác vụ của một vị trí trùng lấp với năng lực của mô hình. Nó không chứng minh rằng mô hình đã làm công việc đó.
Điều sống sót qua cả ba: chiều hướng mới là luận điểm chịu lực, không phải con số lẻ. Lợi thế nghề nghiệp bền lâu của lao động lớn tuổi tay nghề cao — vốn duy trì suốt nhiều thập kỷ — đang thu hẹp, và thu hẹp nhanh nhất ở nơi phơi nhiễm cao nhất. Ngay cả một phiên bản suy giảm đáng kể của phát hiện này vẫn chỉ rủi ro của bạn về cùng một nhóm.
Điều gì thay đổi trong công ty 50–500 nhân sự
Ba động thái. Không cái nào cần duyệt ngân sách.
Chạy một bảng chéo phơi nhiễm theo thâm niên, một lần. Lấy danh sách nhân sự, gán nhãn từng vị trí là phơi nhiễm AI cao hay thấp theo nhóm nghề trong bản brief, rồi chéo với tuổi hoặc thâm niên. Bạn chỉ tìm một con số: bao nhiêu phần công việc phơi nhiễm cao nhất đang nằm trong tay những người ở thập kỷ cuối của sự nghiệp. Phần lớn lãnh đạo Operations chưa từng tính con số này và thường bất ngờ với kết quả.
Chuyển sự hiện diện thành tài liệu trước khi nó thành việc khẩn. Hiệu ứng học hỏi từ đồng nghiệp là có thật nhưng đòi hỏi sự hiện diện (Herkenhoff, Lise, Menzio & Phillips, Econometrica, 2024). Ở nơi bảng chéo cho thấy sự tập trung, hãy cấp kinh phí trích xuất ngay — một runbook được ghi chép, một buổi hướng dẫn được ghi hình, một người thứ hai được chỉ định cho quy trình. Việc này rẻ khi người đó còn làm việc và bất khả thi sau khi họ rời đi.
Xử lý khoảng trống áp dụng đúng ở nhóm tuổi này. Với khoảng 18% người 50–64 tuổi dùng AI tạo sinh, nhóm gánh nhiều phơi nhiễm nhất lại là nhóm ít thành thạo nhất với chính công cụ tạo ra nó. Chương trình đào tạo nhắm riêng vào đội ngũ kỹ thuật kỳ cựu là can thiệp hiếm hoi vừa giảm rủi ro bị thay thế vừa tăng đầu ra — và rẻ hơn nhiều so với việc thay thế họ.
Một quyết định cho quý này
Nhìn vào sơ đồ tổ chức và tìm những vị trí vừa phơi nhiễm cao vừa do người còn dưới năm năm nữa nghỉ hưu đảm nhiệm. Rồi trả lời trung thực một câu hỏi: nếu người đó nộp đơn nghỉ vào thứ Sáu, bao lâu nữa người khác mới làm được công việc ấy — không phải các tác vụ, mà là công việc?
Nếu câu trả lời tính bằng quý, bạn đang mang một khoản nợ chưa được định giá, và dữ liệu của Boston College nói rằng xác suất gắn với nó vừa tăng lên.
Mọi kế hoạch nhân sự AI được viết ra năm nay ở phân khúc tầm trung đều bảo vệ cửa vào. Gần như không kế hoạch nào bảo vệ cửa ra. Chảy máu kinh nghiệm không phải bài toán hưu trí để HR xử lý vào năm 2030 — đó là bài toán vận hành, và nó đã bắt đầu từ năm 2023.
Hãy đưa vào ngân sách sự ra đi mà bạn không lường trước, của người mà bạn không thể thay thế.
