Người lao động dùng AI cho biết nó giúp họ tiết kiệm khoảng 11 giờ mỗi tuần — hơn một phần tư tuần làm việc — nhưng chỉ 13% nói tổ chức của họ hoạt động tốt hơn đáng kể nhờ nó (Glean Work AI Index, 2026). Hãy đặt hai con số này cạnh nhau. Thời gian tiết kiệm là thật và lớn. Còn kết quả kinh doanh gần như vắng mặt. Khoảng cách đó là phát hiện quan trọng nhất trong năm về năng suất AI, và nó không phải lỗi đo lường. Đó là nơi các giờ đang đi tới.
Chúng đang đi vào thứ mà các nhà nghiên cứu của Glean đã đặt tên: botsitting. Trong một khảo sát 6.000 lao động số toàn thời gian tại Mỹ, Anh và Úc — thực hiện cùng các nhà nghiên cứu từ Stanford, UC Berkeley và Harvard — người lao động cho biết họ dành trung bình 6,4 giờ mỗi tuần để giám sát, sửa lỗi, viết lại lệnh và dọn dẹp sau các công cụ AI của mình (Glean / BusinessWire, 2026). Đó gần như trọn một ngày làm việc, mỗi tuần, dành để trông chừng chính công cụ lẽ ra phải trả lại ngày đó. Với một Head of Operations, tiêu đề không phải "AI tiết kiệm 11 giờ". Mà là "AI tiết kiệm 11 giờ và lặng lẽ tính phí bạn 6 giờ trong đó — và bạn có lẽ chẳng hạch toán giờ nào".
Con số đáng để bạn dừng lại: 11 giờ vào, 13% ra
Phần lớn các luận chứng kinh doanh về AI được dựng trên con số đầu tiên và ngầm giả định con số thứ hai. Lời hứa là số giờ tiết kiệm trên mỗi ghế, nhân với quân số, ghi nhận thành năng lực được giải phóng. Work AI Index phá vỡ phép tính đó trong một dòng: 75% lao động tri thức nói AI tăng năng suất của họ, nhưng chỉ 13% nói nó cải thiện đáng kể hiệu suất công ty (CIO Dive, 2026). Năng suất cá nhân được cảm nhận gần như phổ quát. Còn hiệu suất tổ chức chỉ nhúc nhích ở khoảng một trong tám công ty.
Cám dỗ là đọc con số 13% đó như một vấn đề áp dụng — chưa đủ ghế, chưa đủ đào tạo, cho nó thêm một quý nữa. Dữ liệu chỉ về hướng ngược lại. Mức áp dụng đã cao; năng suất cảm nhận đã có sẵn. Cái thiếu là việc chuyển hóa thời gian tiết kiệm của cá nhân thành công việc mà tổ chức thực sự dùng được. Giờ được tiết kiệm ở bàn làm việc và mất đi trong hệ thống. Một Head of Operations cấp vốn cho đợt ghế tiếp theo dựa trên con số 11 giờ đang mua thêm thứ đầu vào vốn đã không chuyển hóa.
Đó là kỷ luật mà con số này đòi hỏi: ngừng đo AI bằng số giờ cá nhân tự nhận đã tiết kiệm, và bắt đầu đo nó bằng công việc mà tổ chức đã giao và trước đây không thể giao. Thước đo thứ nhất là tự khai và tâng bốc. Thước đo thứ hai là thứ duy nhất mà báo cáo lãi-lỗ của bạn sẽ thấy.
"Botsitting" thực chất là gì
Botsitting là lao động kém hào nhoáng nhằm biến đầu ra của AI thành dùng được: cấp cho công cụ ngữ cảnh nó còn thiếu, kiểm tra câu trả lời, gỡ lỗi của nó, chạy lại lệnh, chuyển qua lại giữa các hệ thống để ghép cái nó không tự ghép được, và viết lại thứ tài liệu tự tin-nhưng-sai mà nó tạo ra. Cách diễn đạt của Glean rất thẳng — cứ mỗi giờ một nhân viên bỏ ra để có một đầu ra hữu ích từ AI, họ bỏ thêm một giờ nữa để biến nó thành dùng được (CIO Dive, 2026). Ở mức 6,4 giờ mỗi tuần, botsitting ngốn khoảng 37% tổng thời gian dùng AI, nhỉnh hơn thời gian người lao động thực sự dùng AI để làm việc (AIwire, 2026).
Cái giá không chỉ là số giờ mất đi. Mà là điều xảy ra khi người ta ngừng trả chúng. Báo cáo đặt tên cho một hành vi thứ hai — botshitting — giao nộp công việc do AI tạo ra mà nhân viên thực ra chưa kiểm chứng. Chỉ báo cảnh báo sớm nằm ở tỷ lệ kiểm chứng: chỉ 69% người lao động nói họ kiểm chứng các khuyến nghị của AI (CIO Dive, 2026). Hãy đọc đó như một sổ đăng ký rủi ro vận hành, không phải chuyện lạ. Khoảng ba trong mười đầu ra của AI đi vào sản phẩm công việc của bạn mà không qua kiểm tra của con người. Một số là ổn. Một số là những câu trả lời tự tin-nhưng-sai mà botsitting sinh ra để chặn lại, nay chảy thẳng vào một bản giao cho khách hàng, một dự báo hoặc một tài liệu tuân thủ. Những giờ mà đội của bạn tiết kiệm được nhờ không botsitting không biến mất; chúng chuyển thành việc làm lại tiềm ẩn và rủi ro sai sót nổi lên muộn hơn, ở xa hơn trong dòng chảy, và tốn kém hơn.
Vì sao thêm ghế và thêm đào tạo viết lệnh đều trượt mục tiêu
Phản ứng bản năng trước một đợt triển khai AI gây thất vọng là mua thêm ghế hoặc đào tạo người ta viết lệnh tốt hơn. Cả hai đều trượt khỏi thứ mà Work AI Index xác định là ràng buộc quyết định. Chính tiêu đề của báo cáo gọi tên nó: thiếu ngữ cảnh đang ăn mòn các lợi ích (Glean / BusinessWire, 2026). Nút thắt không phải ở chỗ người lao động diễn đạt yêu cầu khéo léo đến đâu. Mà ở chỗ AI có thể với tới thông tin nó cần để trả lời tốt hay không — các tài liệu, các hệ thống lưu trữ, tri thức tổ chức bị khóa trong những công cụ mà nó chưa từng được kết nối.
Điều này định khung lại toàn bộ vấn đề. Một người viết lệnh được đào tạo hoàn hảo truy vấn một AI không thể thấy dữ liệu liên quan vẫn sẽ nhận một câu trả lời hời hợt, chung chung hoặc sai — rồi sẽ dành giờ botsitting để dựng lại bằng tay cái ngữ cảnh mà công cụ không với tới được. Lệnh tốt hơn không lấp được khoảng trống truy cập; nó chỉ tạo ra những yêu cầu mạch lạc hơn vào cùng một khoảng không. Thêm ghế nhân cùng một ràng buộc lên nhiều người hơn. Đòn bẩy mà khảo sát chỉ tới nằm ở thượng nguồn của cả hai: kiến trúc thông tin: dữ liệu và hệ thống nào mà AI của bạn thực sự được phép và có khả năng truy xuất.
Kỹ năng viết lệnh là vấn đề của người lao động. Truy cập ngữ cảnh là vấn đề của vận hành.
Sự phân biệt đó quan trọng vì nó tái định vị trách nhiệm. Nếu nút thắt là kỹ năng viết lệnh, lời giải sẽ thuộc về từng người lao động và bộ phận đào tạo. Vì nút thắt là truy cập ngữ cảnh, lời giải thuộc về người chi phối cách các hệ thống kết nối và những gì AI được phép đọc — tức là vận hành và IT, không phải người dùng cuối. Việc lập bản đồ nguồn dữ liệu, tháo dỡ các silo và bám rễ AI vào ngữ cảnh doanh nghiệp thực chính là loại "đường ống" liên hệ thống mà một Head of Operations chi phối và một buổi tập huấn prompt engineering không thể chạm tới. Báo cáo lưu ý, những công ty bứt lên là những công ty bám rễ AI vào ngữ cảnh doanh nghiệp thực và đo nó bằng kết quả kinh doanh thay vì số ghế.
Mức phơi nhiễm của thị trường tầm trung
Điều này giáng mạnh nhất xuống công ty 100 đến 500 nhân sự, và không phải ngẫu nhiên. Các tập đoàn lớn có ngân sách tích hợp dữ liệu, đội nền tảng nội bộ và một chức năng quản trị có nhiệm vụ kết nối các hệ thống. Thị trường tầm trung vận hành một ngăn xếp mỏng hơn: nhiều công cụ rời rạc hơn, ít người phụ trách tích hợp hơn, và một đợt triển khai AI được mua như những chiếc ghế thay vì được xây như hạ tầng. Thuế botsitting có tính lũy thoái — nó đè nặng nhất lên những tổ chức ít được trang bị nhất để nhìn thấy nó, vì họ có ít công cụ đo lường nhất để nhận ra 6 giờ mỗi tuần rò rỉ khỏi lịch của mỗi người dùng AI.
Với một vận hành 200 nhân sự, mức phơi nhiễm tích tụ trong im lặng. Mua 150 ghế AI, ăn mừng 11 giờ mà mỗi người nói là tiết kiệm được, và ghi nhận một con số trên 1.600 giờ mỗi tuần "năng lực được giải phóng" mà chẳng bao giờ xuất hiện trong sản lượng. Trong khi đó, chính 150 người ấy đang hấp thụ gần 1.000 giờ mỗi tuần botsitting không được hạch toán, và khoảng một phần ba đầu ra AI của họ được giao mà không kiểm chứng. Chẳng thứ nào trong số đó nằm trên một bảng điều khiển, vì đợt triển khai được hình dung như một khoản mua năng suất, không phải một thay đổi vận hành. Lần đầu nó trở nên hữu hình là khi năng lực được giải phóng không thành hiện thực và ai đó hỏi ROI của AI đã đi đâu.
Cuộc rà soát trước chiếc ghế tiếp theo
Bước có đòn bẩy cao nhất cho quý này không phải một công cụ mới hay một hợp đồng lớn hơn. Đó là một cuộc rà soát xem AI của bạn thực sự với tới được gì — làm trước khi cấp vốn cho chiếc ghế tiếp theo, không phải sau. Ba bước cụ thể.
Lập bản đồ truy cập ngữ cảnh đối chiếu với công việc thực của bạn. Với một nhúm tác vụ bạn muốn AI tạo đòn bẩy nhất, hãy hỏi một câu hỏi theo nghĩa đen: công cụ có thể truy xuất các tài liệu, hồ sơ và hệ thống mà một người có năng lực sẽ tra cứu để làm tốt việc này không? Ở bất cứ đâu câu trả lời là không, bạn đã định vị được một cỗ máy sinh botsitting — một điểm mà công cụ sẽ cho ra câu trả lời yếu và một người sẽ mất một giờ dựng lại ngữ cảnh bằng tay. Những khoảng trống đó, chứ không phải mẫu lệnh của bạn, mới là tồn đọng thực sự.
Đo lường botsitting và kiểm chứng như những chỉ số thường trực. Bạn không thể quản lý một chi phí 6,4 giờ mỗi tuần mà bạn không đo. Hãy hỏi người dùng AI của bạn hai câu hỏi định kỳ: bao nhiêu thời gian dành cho sửa lỗi, viết lại lệnh và ghép nối quanh công cụ, và bao nhiêu phần đầu ra AI chạm tới sản phẩm công việc mà không qua kiểm tra của con người. Con số thứ nhất là dòng lao động ẩn của bạn. Con số thứ hai là rủi ro sai sót của bạn. Theo dõi cả hai, và cuộc trò chuyện về ROI của AI chuyển từ giai thoại sang đo lường.
Ràng buộc lần mua tiếp theo vào ngữ cảnh, không vào nhu cầu ghế. Trước khi phê duyệt thêm ghế, hãy đòi một câu trả lời: chúng ta đã thay đổi gì về truy cập dữ liệu kể từ đợt trước? Nếu chẳng có gì, thêm ghế sẽ tái lập đúng thất bại chuyển hóa đó với chi phí cao hơn. Kết nối thêm một hệ thống lưu trữ vào số ghế hiện có, theo bằng chứng này, sẽ đem lại nhiều hơn so với gấp đôi số ghế trên cùng một ngăn xếp rời rạc.
Chính ở đây, trí tuệ nhân tài và vận hành thôi là một hạng mục công cụ và trở thành một thực hành vận hành. Tại Scovai, sợi chỉ xuyên suốt mọi việc chúng tôi làm là quyết định phải dựa trên tín hiệu khách quan và truy vết được — và một đợt triển khai AI không là ngoại lệ. Một công cụ bám rễ trong ngữ cảnh mà công việc của bạn thực sự cần sẽ trả lại số giờ ròng. Một công cụ bị tước mất ngữ cảnh đó sẽ trả lại đúng công việc cũ, dán nhãn lại thành giám sát.
Quyết định của quý này
Đây là quyết định duy nhất cần đưa ra trước khi quý khép lại, và nó chẳng tốn gì ngoài sự trung thực. Hãy lấy đợt triển khai AI của bạn và trả lời một câu hỏi: chúng ta đang đo nó bằng số giờ cá nhân tự nhận đã tiết kiệm, hay bằng công việc mà tổ chức đã giao và trước đây không thể giao? Nếu là vế đầu, bạn đang đuổi theo con số 11 giờ tâng bốc và phớt lờ con số 6,4 giờ đang tính phí. Hãy đổi thước đo, chạy cuộc rà soát truy cập ngữ cảnh, và đưa botsitting cùng kiểm chứng lên một bảng điều khiển trước khi phê duyệt thêm một chiếc ghế. Những công ty coi AI như một khoản mua được dẫn dắt bởi số ghế sẽ cứ băn khoăn vì sao năng suất cảm nhận chẳng bao giờ chạm tới báo cáo lãi-lỗ. Những công ty coi nó như một vấn đề kiến trúc thông tin sẽ tìm thấy những giờ đã được hứa hẹn — và thôi trả khoản thuế mà họ không nhìn thấy.
