Khi Trí Tuệ Nhân Tạo Làm Cho Chúng Ta Nhanh Hơn Nhưng Không Thông Minh Hơn Và Những Gì Lãnh Đạo Phải Làm Về Điều Đó

Nhiều người cho rằng trí tuệ nhân tạo (AI) cung cấp giải pháp cho nhiều thách thức kinh doanh. Nó có thể giúp tự động hóa quy trình, cải thiện phân tích và hỗ trợ phân tích. Tuy nhiên, trong khi các tổ chức đang di chuyển nhanh hơn, họ cũng đang suy nghĩ ít hơn. Vì vậy, rủi ro thực sự mà AI đặt ra không phải là việc thay thế công việc mà là sự suy giảm kiến thức.

Nghiên cứu đã chứng minh điều này. Trường Kinh doanh Thụy Sĩ (SBS Swiss Business School) đã tìm thấy rằng sự phụ thuộc ngày càng tăng vào AI liên quan đến sự suy giảm khả năng tư duy批判.

Sự suy giảm này có những hậu quả nghiêm trọng, vì những kỹ năng làm cho phán đoán của con người có giá trị đang suy giảm khi các đội dựa vào đầu ra của máy mà không hiểu cách nó hoạt động. Lý luận yếu, giả định không bị thách thức và quản lý mô hình suy giảm không bằng với hiệu quả của AI mà làm tăng sự dễ bị tổn thương của kinh doanh.

Sự Nhầm Lẫn Về Năng Lực Của Trí Tuệ Nhân Tạo

Các tổ chức đang庆祝 đầu ra nhanh hơn như bằng chứng của việc áp dụng AI thành công. Tuy nhiên, tốc độ là một chỉ số sai lầm. Những gì nhiều đội gọi là năng lực của AI ngày càng bị nhầm lẫn với sự thông thạo của lời nhắc. Nhưng người lao động cần phải có thể tin tưởng vào các câu trả lời họ được đưa ra.

Nếu một đầu ra nghe có vẻ đúng, nhiều người cho rằng nó là đúng. Việc kiểm tra mô hình bị bỏ qua và giả định không bị kiểm tra. Lực lượng lao động sau đó bắt đầu dựa vào AI để đưa ra kết luận mà trước đây yêu cầu lý luận.

Một nghiên cứu năm 2025 hỗ trợ mẫu này. Nó tìm thấy “một mối tương quan tiêu cực đáng kể giữa việc sử dụng công cụ AI thường xuyên và khả năng tư duy批判, được trung gian bởi sự tăng cường của việc offload nhận thức.” Và những người tham gia trẻ hơn, những người thoải mái nhất với giao diện AI, đã показ thấp hơn khả năng tư duy批判 so với những người tham gia lớn tuổi hơn.

Điểm này cũng được hỗ trợ bởi các phát hiện trong The Economic Times, đã tìm thấy rằng năng lực cơ bản của AI không đến từ việc掌握 lời nhắc. Nó đến từ những kỹ năng của con người mà giải thích, thách thức và đặt câu hỏi về đầu ra của máy, và năng lực của AI đến từ tư duy批判, lý luận phân tích, giải quyết vấn đề sáng tạo và trí tuệ cảm xúc. Nếu không có những điều này, người dùng trở thành người tiêu dùng thụ động của nội dung AI chứ không phải là người ra quyết định tích cực.

Đáng lo ngại, sự offload nhận thức này đã được quan sát ở mức độ thần kinh. The Economic Times đã báo cáo về một nghiên cứu của MIT Media Lab và tìm thấy rằng những người tham gia thường xuyên sử dụng ChatGPT đã giảm khả năng ghi nhớ, điểm số thấp hơn và hoạt động não giảm khi cố gắng mà không có sự hỗ trợ của AI. Như các nhà nghiên cứu đã nói, “Sự tiện lợi này đến với một chi phí nhận thức.” Những sinh viên sử dụng AI đã thực hiện kém hơn “ở tất cả các mức độ: thần kinh, ngôn ngữ và điểm số.”

Những kết quả này giúp làm rõ những gì mà các捷径 của AI làm suy yếu. Chúng làm suy giảm những kỹ năng nhận thức mà các chuyên gia dựa vào mỗi ngày:

• Lý luận phân tích
• Thử nghiệm giả thuyết
• Cảm giác gỡ lỗi
• Trực giác lĩnh vực

Nghiên cứu gần đây này cuối cùng đã làm sáng tỏ những điểm yếu bị bỏ qua của AI ở mức độ con người. Và đây đang trở thành một vấn đề lớn hơn trong các quyết định có mức độ rủi ro cao, chẳng hạn như rủi ro, dự báo và phân bổ tài nguyên, tất cả đều yêu cầu sự hiểu biết về ngữ cảnh. Khi mọi người hiểu ít hơn về logic đằng sau thiết kế của mô hình, việc ra quyết định trở nên không chắc chắn hơn.

Tại Sao Kỹ Năng Con Người Trong Vòng Lặp Yếu Điểm Tạo Ra Rủi Ro Cấp Doanh Nghiệp

Sự Phân Chia Năng Lực Mới Làm Suy Yếu Quản Lý

Khi việc áp dụng AI trở nên phổ biến, một sự phân chia đang xuất hiện trên nhiều tổ chức. Ở một bên là những người kiểm tra, những người có thể đặt câu hỏi, thách thức, giải thích và tinh chỉnh đầu ra. Ở bên kia là những người vận hành, những người chấp nhận kết quả theo giá trị mặt và di chuyển.

Sự phân chia này quan trọng hơn nhiều so với hầu hết các nhà lãnh đạo nhận ra. Quản lý phụ thuộc vào các đội có thể thẩm vấn các giả định của mô hình, không chỉ là câu trả lời. Khi ít người hiểu cách một hệ thống hoạt động, những thay đổi nhỏ có thể không được chú ý, như những dấu hiệu đầu tiên của sự trôi dạt mô hình và thay đổi chất lượng dữ liệu.

Khi các đội chấp nhận đầu ra của AI mà không đặt câu hỏi, những sai sót nhỏ di chuyển theo dòng và nhanh chóng tích lũy. Sự phụ thuộc quá mức trở thành một điểm thất bại duy nhất. Điều này đặt ra câu hỏi, điều gì xảy ra khi một tổ chức thuê ngoài phán đoán nhanh hơn họ xây dựng sự hiểu biết?

Khoảng trống quản lý này cũng cản trở sự đổi mới. Các đội không thể thẩm vấn AI không thể tinh chỉnh lời nhắc hoặc nhận ra khi một thông tin là mới và độc đáo. Sự đổi mới trở nên tập trung xung quanh một nhóm chuyên gia thu hẹp, làm chậm khả năng thích nghi của tổ chức.

Sự Đổi Mới Chậm Lại Khi Tính Tò Mò Của Con Người Giảm

AI có thể tăng tốc và tự động hóa nhiều nhiệm vụ, nhưng nó không thể thay thế bản năng của con người để đặt câu hỏi và vượt qua những câu trả lời rõ ràng. Tuy nhiên, bản năng này đang suy giảm. Điều này được gọi là sự suy giảm cơ quan. Một tiến trình bốn giai đoạn trong cách con người offload tư duy cho máy:

1. Thử nghiệm: Vì tò mò và tiện lợi, người ta bắt đầu ủy thác các nhiệm vụ nhỏ cho AI. Nó hiệu quả và tiện lợi.
2. Tích hợp: AI trở thành một phần của các nhiệm vụ hàng ngày. Người ta vẫn có kỹ năng cơ bản nhưng cảm thấy không thoải mái khi làm việc với sự hỗ trợ.
3. Phụ thuộc: AI bắt đầu đưa ra quyết định phức tạp. Người dùng trở nên tự mãn và khả năng nhận thức bắt đầu teo tóp, thường không được chú ý.
4. Nghiện: Còn được gọi là sự mù quáng có chọn lọc. Người ta không thể hoạt động hiệu quả mà không có AI nhưng vẫn tin rằng họ có tính tự chủ.

Tiến trình này quan trọng vì AI làm suy giảm khả năng nhận ra khi nào chúng ta thiếu kiến thức và nghĩ ra các giải pháp mới cho các vấn đề mới. Những kỹ năng cấp cao này yêu cầu phải được luyện tập liên tục. Tuy nhiên, sự tiện lợi của AI làm cho việc bỏ qua chúng trở nên dễ dàng.

Sau đó, các tổ chức trở nên hiệu quả nhưng không sáng tạo. Nghiên cứu và phát triển phụ thuộc vào tính tò mò và hoài nghi của con người, cả hai đều suy giảm khi đầu ra không bị thách thức. Sự mất mát này của tính tò mò và cơ quan là một rủi ro chiến lược.

Sự Mất Mát Kiến Thức Ngầm Làm Cho Tổ Chức Giòn

Trong các đội chức năng, lành mạnh, chuyên môn chảy theo chiều ngang qua các kết nối ngang và theo chiều dọc từ cấp trên xuống cấp dưới. Tuy nhiên, khi người lao động chuyển câu hỏi của họ sang AI thay vì con người, những vòng lặp hướng dẫn yếu đi. Cấp dưới ngừng học hỏi từ và hấp thụ các quyết định phán đoán của chuyên gia, và cấp trên dần dần ngừng ghi lại kiến thức vì AI lấp đầy các khoảng trống thường xuyên.

Theo thời gian, kiến thức cốt lõi bị rỗng. Nhưng rủi ro này mất thời gian để xuất hiện, vì vậy các doanh nghiệp trông có vẻ năng suất, nhưng nền tảng của họ trở nên giòn. Khi một mô hình thất bại hoặc các bất thường xuất hiện, các đội không còn có độ sâu lĩnh vực để phản ứng với sự tự tin.

Một nghiên cứu trường hợp của một công ty kế toán được công bố trong The Vicious Circles of Skill Erosion đã tìm thấy rằng sự phụ thuộc lâu dài vào tự động hóa nhận thức tạo ra sự suy giảm đáng kể trong chuyên môn của con người. Khi người lao động tin tưởng vào các chức năng tự động hơn, nhận thức của họ về hoạt động của họ, duy trì năng lực và đánh giá đầu ra đều yếu đi. Các nhà nghiên cứu lưu ý rằng sự suy giảm kỹ năng này không được nhân viên và quản lý chú ý, để lại các đội không chuẩn bị khi hệ thống thất bại.

Điều Gì Lãnh Đạo Phải Làm Để Phục Hồi Độ Sâu Và Phòng Ngừa Sự Phụ Thuộc Quá Mức

Doanh nghiệp không thể làm chậm việc áp dụng AI, nhưng họ có thể tăng cường khả năng phán đoán của con người, điều này làm cho AI trở nên đáng tin cậy hơn. Điều đó bắt đầu bằng việc định nghĩa lại năng lực của AI trên toàn tổ chức, vì sự thông thạo của lời nhắc không phải là năng lực. Khả năng thực sự bao gồm hiểu lý do của mô hình và biết khi nào nên ghi đè lên đầu ra của máy.

Để hiểu điều này, nhân viên cần được đào tạo về cách mô hình đơn giản hóa ngữ cảnh, cách trôi dạt xuất hiện trong công việc hàng ngày và sự khác biệt giữa đầu ra có vẻ tự tin và đầu ra được lý luận tốt. Khi nền tảng đó được thiết lập, lãnh đạo có thể xây dựng lại tư duy批判 vào các quy trình làm việc hàng ngày bằng cách chuẩn hóa các kiểm tra xác minh, chẳng hạn như:

• Giả định nào mà mô hình này đang thực hiện?
• Điều gì sẽ làm cho đầu ra này sai?
• Điều này có mâu thuẫn với bất cứ điều gì chúng ta biết từ kinh nghiệm không?

Phân tích批判 này chỉ mất vài phút nhưng chống lại cuộc khủng hoảng offload nhận thức, giúp giữ cho nhân viên và đầu ra của mô hình AI trong tầm kiểm soát.

Cách tốt nhất để các doanh nghiệp dạy nhân viên của họ là trên các hệ thống thực tế. Quá thường, đào tạo tập trung vào các kịch bản lý tưởng. Nhưng doanh nghiệp không có những điều này; họ có các hệ thống mà dữ liệu không đầy đủ, ngữ cảnh模糊 và phán đoán của con người quan trọng.

Ví dụ, nếu một công ty hậu cần đã đào tạo nhóm định tuyến của họ chỉ trên các tập dữ liệu sạch nơi AI hoạt động hoàn hảo, thì người lao động sẽ không chuẩn bị. Điều kiện thực tế, chẳng hạn như gián đoạn thời tiết, có thể khiến mô hình AI tạo ra hướng dẫn không chính xác. Nếu nhân viên chưa bao giờ thấy hệ thống hoạt động trong một cách không chắc chắn, họ sẽ không nhận ra các dấu hiệu đầu tiên của sự trôi dạt hoặc biết khi nào nên can thiệp. Trong trường hợp này, vấn đề không phải là mô hình mà là đào tạo không đầy đủ. Điều quan trọng là đào tạo nhân viên trên AI mà họ có, bao gồm cả kịch bản trôi dạt, đầu ra模糊, dữ liệu không đầy đủ và thất bại. Đó là nơi khả năng của con người được xây dựng lại.

Để đảm bảo đào tạo là thực tế, các nhà lãnh đạo doanh nghiệp cần đo lường khả năng của con người, không chỉ là kết quả của hệ thống. Các tổ chức thường theo dõi độ chính xác của mô hình hoặc các chỉ số tiết kiệm chi phí nhưng hiếm khi theo dõi các hành vi cho thấy sự giám sát của con người mạnh mẽ. Nhân viên có ghi lại lý do tại sao họ tin tưởng vào đầu ra của mô hình không? Họ có nâng cấp kết quả không bình thường không? Những hành động quan sát được này cho thấy liệu lý luận có đang được tăng cường hay đang suy giảm. Khi lãnh đạo nhận ra và thưởng cho những người cải thiện lời nhắc thông qua lý luận sâu sắc hoặc đặt ra nghi ngờ hợp lệ về đầu ra của AI, họ củng cố những thói quen làm cho việc triển khai AI trở nên mạnh mẽ.

AI sẽ tiếp tục trở nên nhanh hơn. Phần đó không phải là điều để tranh luận. Câu hỏi là liệu các đội có giữ được những kỹ năng cần thiết để đặt câu hỏi, sửa chữa và chuyển hướng AI khi mọi thứ đi sai không. Đó là nơi sự khác biệt sẽ được hiển thị. Các tổ chức đầu tư vào phán đoán của con người bây giờ sẽ là những tổ chức nhận được giá trị thực sự từ AI, không phải là hiệu quả giòn. Mọi người khác đang xây dựng trên cát.