Năm ngoái, 32 phần trăm người trả lời nói với McKinsey rằng họ kỳ vọng AI sẽ làm giảm lực lượng lao động của tổ chức mình. Năm nay, khi được hỏi điều gì đã thực sự xảy ra, 14 phần trăm người trả lời tại các tổ chức đang dùng AI cho biết AI đã góp phần làm giảm quy mô lực lượng lao động — "chưa tới một nửa con số 32 phần trăm những người, trong khảo sát năm ngoái, đã kỳ vọng việc cắt giảm nhân sự trong cùng kỳ" (McKinsey, 2026). Hai phần ba cho biết tổng mức tuyển dụng gần như hoặc hoàn toàn không thay đổi vì AI.
Đây là lần đầu tiên khảo sát này có thể đối chiếu dự báo lực lượng lao động AI của chính nó với một kết quả đã thực sự xảy ra. Dự báo chệch khoảng hai lần.
Rồi nhóm được khảo sát nâng nó lên. Ba mươi chín phần trăm hiện kỳ vọng tổng mức tuyển dụng sẽ giảm do AI trong năm tới, tăng từ 32 phần trăm năm ngoái. Thước đo từng vượt thực tế 2 lần đã được điều chỉnh lên, chứ không xuống, và rất nhiều kế hoạch vận hành 2027 đang âm thầm dựa vào nó.
Khảo sát thực sự đo điều gì
Bản 2026 của The State of AI khảo sát 1.719 người tham gia ở 97 quốc gia, thu thập dữ liệu từ 4 tháng 5 đến 8 tháng 6 năm 2026. Ba mươi sáu phần trăm làm việc tại các tổ chức có doanh thu năm trên 1 tỷ USD, nghĩa là khoảng hai phần ba nằm dưới mức đó — mức độ liên quan khá bất thường với người đọc thuộc phân khúc trung bình, dù mẫu vẫn lớn hơn một đơn vị 200 nhân sự toàn thời gian.
Bối cảnh quan trọng vì biến số thất bại không phải là mức độ áp dụng. Tám mươi chín phần trăm dùng AI thường xuyên trong ít nhất một chức năng kinh doanh. Bốn mươi bốn phần trăm nói AI đang mở rộng trên toàn doanh nghiệp, tăng từ 38 phần trăm. Tám mươi phần trăm báo cáo năng suất cá nhân được cải thiện (McKinsey, 2026).
Vậy trình tự không phải là "AI chưa tới, nên nhân sự chưa giảm". AI đã tới, năng suất đã được báo cáo, và nhân sự vẫn không giảm. Trong khi đó, tỷ lệ gán cho việc dùng AI ít nhất một phần tác động EBIT giữ nguyên so với năm trước ở mức 37 phần trăm, và nhóm thực sự dẫn đầu về hiệu quả giữ ở khoảng 6 phần trăm toàn bộ người trả lời.
Mức lan tỏa đã dịch chuyển. Việc cắt giảm lực lượng lao động thực tế thì không theo sau.
Dữ liệu thực tế đồng thuận với con số 14 phần trăm
Một khảo sát tự chấm điểm mình thì thú vị. Hai bộ dữ liệu độc lập chỉ về cùng một hướng thì là một đầu vào cho lập kế hoạch.
National Bureau of Economic Research khảo sát gần 750 lãnh đạo doanh nghiệp qua mẫu The CFO Survey và tìm thấy "rất ít bằng chứng về việc tổng mức tuyển dụng giảm trong ngắn hạn do AI, dù các công ty lớn hơn dự tính sẽ cắt giảm lực lượng lao động vì AI, trong khi các doanh nghiệp nhỏ hơn kỳ vọng tăng nhẹ" (NBER, 2026). Tác động tổng hợp gần bằng không, và độ phân tán mới là phát hiện: các doanh nghiệp lớn kỳ vọng AI sẽ giảm nhân sự của họ khoảng 0,8 phần trăm trong năm 2026, còn các doanh nghiệp nhỏ hơn dự báo tăng nhẹ. Thứ thực sự dịch chuyển là cấu trúc — các vai trò văn thư lặp lại giảm đi, nhu cầu tương đối với các vai trò kỹ thuật có tay nghề tăng lên, cả trong nội bộ doanh nghiệp và giữa các doanh nghiệp.
Dữ liệu về các đợt cắt giảm được công bố cũng đồng thuận từ một góc thứ ba. Tính đến tháng 9 năm 2026, các nhà tuyển dụng Mỹ công bố 573.195 vị trí bị cắt, giảm 39 phần trăm so với 946.426 vị trí công bố trong chín tháng đầu năm 2025 — tổng tháng 1 đến tháng 9 thấp nhất kể từ 2022. Từ đầu năm, AI được nêu trong 120.136 công bố, khoảng 21 phần trăm toàn bộ số cắt giảm, và điều đó thực sự khiến nó trở thành lý do được nêu nhiều nhất trong năm (Challenger, Gray & Christmas, 2026).
Hãy đọc hai con số đó cùng nhau, vì con số thứ hai mới là con số thường bị trích dẫn một mình. AI dẫn đầu bảng lý do bên trong một tổng số đang co lại. Riêng trong tháng 9, AI là lý do được nêu nhiều thứ năm, với 3.961 vị trí bị cắt, khoảng 9 phần trăm của tháng. Số cắt giảm quý ba giảm 43 phần trăm so với quý hai.
Một tỷ lệ tăng trên một mẫu số đang giảm không phải là một cơn sóng. Đó là một dịch chuyển cấu trúc bên trong một thị trường đang nguội đi.
Vì sao dự báo lực lượng lao động AI chỉ sai theo một hướng
Sai số dự báo liên tục vượt lên thường mang tính cấu trúc, không phải ngẫu nhiên. Báo cáo Predictions 2026: The Future of Work của Forrester nêu đúng cơ chế: những đợt cắt giảm thực hiện dựa trên các năng lực AI còn chưa tồn tại. Năm mươi lăm phần trăm nhà tuyển dụng cho biết họ hối tiếc về những đợt sa thải thực hiện vì AI, và Forrester dự báo một nửa số sa thải được gán cho AI sẽ được âm thầm tuyển lại — ở nước ngoài hoặc với mức lương thấp hơn đáng kể (HR Executive, 2026).
Hãy để ý sự bất đối xứng ở mệnh đề cuối. Việc đảo chiều đó không xuất hiện như một hiệu chỉnh trong kế hoạch của bất kỳ ai. Nó xuất hiện dưới dạng chi phí offshore, các khoản nhà thầu và chi phí tuyển lại — không khoản nào đối chiếu được với phần tiết kiệm nhân sự ban đầu. Dự báo vẫn chưa bị phủ nhận trong hồ sơ nội bộ, dù nó đã thất bại từ lâu.
Hai chi tiết nữa từ cùng nghiên cứu làm chi phí thêm gắt. Tỷ lệ nhân viên mất gắn kết mà Forrester gọi là "coasters" là 27 phần trăm năm 2024, 25 phần trăm năm 2025, và dự kiến đạt 28 phần trăm năm 2026 — một con số dịch chuyển khi những người còn lại chứng kiến các đợt cắt giảm quá sớm. Và chỉ 16 phần trăm người lao động đạt điểm cao trên thước đo mức sẵn sàng với AI của Forrester năm 2025, với mức sẵn sàng cao nhất tập trung ở nhóm có các vị trí mới vào nghề bị loại bỏ trước tiên.
Sai sót trong lập kế hoạch, nói thẳng
Sai sót không phải là sự lạc quan về AI. Sai sót là ghi nhận mức cắt giảm lực lượng lao động được kỳ vọng như một mốc nền đã thực hiện, sớm trọn một năm, rồi dựng lệnh đóng băng tuyển bù lên trên đó.
Thay đổi được kỳ vọng là một dự báo mang theo một tỷ lệ sai số một năm giờ đã được ghi nhận. Thay đổi đã thực hiện là một phép đo. Chỉ một trong hai thứ đó có chỗ trong một kế hoạch cam kết tiền thật.
Phản biện trung thực
Ba giới hạn, nêu ra trước khi người khác nêu.
Đây là dữ liệu khảo sát tự báo cáo, không phải bảng lương. Không ai kiểm toán sổ nhân sự của các tổ chức này. Việc gán một thay đổi nhân sự riêng cho AI, ở cấp người trả lời, là một phán đoán, và quy gán chính là nơi tự báo cáo yếu nhất. Lưu ý tương tự áp dụng cho các con số của NBER, vốn là kỳ vọng của lãnh đạo chứ không phải kết quả bảng lương đã xảy ra.
Mẫu không giống nhau giữa các năm. McKinsey cho biết đã kiểm tra những người trả lời hoàn thành cả đợt 2025 và 2026 và các phát hiện phản ánh mẫu tổng thể, nhưng một mẫu thay đổi vẫn là giới hạn thực đối với việc đọc 32 phần trăm và 14 phần trăm như cùng những người đó tự mâu thuẫn.
Kỳ vọng có thể chỉ là quá sớm thay vì sai. Năng lực đi sau công bố, và triển khai đi sau năng lực. Một dự báo cắt giảm cho 2025 mà thành hiện thực vào 2027 là sai thời điểm, không phải sai bản chất — và dữ liệu cấu trúc của NBER, với tỷ trọng văn thư lặp lại dự kiến giảm thêm tới 2028, phù hợp với một phiên bản chậm hơn và chọn lọc hơn của cùng hướng đi. Khẳng định có thể bảo vệ là về độ tin cậy của thời điểm, không phải về hướng.
Điều trụ lại sau cả ba phản biện thì hẹp hơn và vẫn khả thi: phân bố các kết quả thực tế tập trung nặng ở mức "gần như hoặc không thay đổi", và một kế hoạch coi phần đuôi phân bố là tình huống nền thì đã định giá sai.
Cần đặt lại mốc nền nào trước khi kế hoạch Q4 chốt
Bốn bước, không bước nào đòi hỏi đảo ngược lập trường chiến lược về AI.
1. Tách phần kỳ vọng khỏi phần đã thực hiện trong tài liệu kế hoạch. Nếu mô hình nhân sự 2027 của bạn có một dòng được biện minh bằng việc cắt giảm do AI, hãy ghi rõ nó dựa trên thay đổi đã đo được trong chính tổ chức bạn hay dựa trên thay đổi được kỳ vọng. Nếu là kỳ vọng, hãy dán nhãn nó là dự báo mang theo tỷ lệ sai số nói trên. Đây là một lần chỉnh sửa mười lăm phút, nhưng nó thay đổi cách con số đó bị chất vấn.
2. Dựng lại luận chứng kinh doanh của AI trên thông lượng, không phải trên số nhân sự toàn thời gian. Thời gian chu trình, doanh thu trên mỗi nhân viên, tỷ lệ lỗi, chi phí mỗi giao dịch. Phát hiện về năng suất của NBER chỉ về cùng hướng: phần tăng xuất hiện dưới dạng năng suất yếu tố tổng hợp dựa trên doanh thu, gắn với các kênh đổi mới và nhu cầu, không phải dưới dạng thâm dụng vốn thay thế lao động. Nếu luận chứng chỉ chốt được nhờ cắt giảm nhân sự, thì luận chứng chưa chốt.
3. Đặt mọi đợt cắt giảm gán cho AI sau điều kiện năng lực đã chứng minh, không phải năng lực được hứa. Phép thử là một luồng công việc có tên, chạy ở mức chất lượng mục tiêu với tỷ lệ lỗi được đo trong một khoảng thời gian xác định — không phải một lộ trình của nhà cung cấp. Chính cái cửa duy nhất này tách 14 phần trăm khỏi 55 phần trăm những người hối tiếc.
4. Lập kế hoạch cho đội ngũ bạn vẫn sẽ có. Đây là bước mà phần lớn kế hoạch 2027 còn thiếu. Nếu hai phần ba tổ chức thấy nhân sự gần như hoặc không thay đổi vì AI, thì tình huống nền là: danh sách nhân sự hiện tại của bạn gần như chính là danh sách năm 2027, với cấu trúc dịch chuyển bên dưới. Điều đó biến ràng buộc then chốt thành câu hỏi về năng lực chứ không phải chi phí: năng lực nào đang nằm ở vị trí nào, kế nhiệm mỏng ở đâu, và phần công suất văn thư lặp lại nào có thể được tái phân bổ sang nhu cầu kỹ thuật có tay nghề mà dữ liệu NBER nói đang tăng. Một lệnh đóng băng tuyển bù được quyết mà không có bản đồ đó thì không phải là tiết kiệm; đó là một tổn thất năng lực chưa được đo. Việc đo năng lực và kế nhiệm chính là thiết bị đo giúp quyết định đó có thể bảo vệ được — vị trí trên ma trận 9-box được tính từ dữ liệu theo từng năng lực chứ không từ ký ức của quản lý, và mức sẵn sàng kế nhiệm được đánh giá riêng cho từng vị trí trọng yếu. Nếu bạn muốn một tham chiếu cụ thể, module hiệu suất và kế nhiệm của Scovai có ghi lại cách bản đồ đó được cấu trúc.
Phần khó chịu của dữ liệu này không phải là AI đã giao dưới kỳ vọng về nhân sự. Mà là một tổ chức có thể chạy một chương trình AI thành công — 89 phần trăm mức áp dụng, 80 phần trăm báo cáo năng suất tăng — và cuối cùng vẫn có đúng số người như trước, nhưng làm công việc khác đi một cách đáng kể.
Đó là một vấn đề phát triển lực lượng lao động khoác áo một dự báo lực lượng lao động AI.
Trước khi kế hoạch Q4 chốt, hãy tìm dòng nhân sự giả định rằng AI sẽ làm đội ngũ nhỏ lại, và đặt cho nó một câu hỏi: chúng ta đang đo điều đó, hay vẫn đang kỳ vọng nó? Nếu câu trả lời là "đang kỳ vọng", thì tỷ lệ sai số 2 lần giờ đã được ghi nhận — và nghĩa vụ chứng minh đã chuyển sang phía dự báo.
