Nghiên cứu: Việc lạm dụng AI có thể làm mai một năng lực chuyên môn của cả một ngành nghề

Nolan Lovett từ NATO Special Operations University lập luận trong một bài nghiên cứu đăng trên tạp chí Human Resource Development Review rằng mô hình tương tự hiện đang đe dọa chuyên môn nghiệp vụ của toàn bộ các ngành nghề.

Lập luận cốt lõi của ông như sau: khi một công ty thay thế các vị trí cấp thấp bằng AI, họ thu về 100% lợi ích từ việc tăng hiệu suất. Trong khi đó, cái giá của việc xói mòn chuyên môn lại bị phân tán cho mọi tổ chức cùng khai thác chung nguồn nhân lực đó. Tuy nhiên, các chuyên gia giàu kinh nghiệm không tự nhiên mà có. Họ cần nhiều năm làm việc ở các vị trí cấp thấp, nơi những người mới bắt đầu dần dần đảm nhận các nhiệm vụ khó hơn, mắc sai lầm và học cách khắc phục chúng.

Theo Lovett, các hệ thống AI có thể ngày càng đảm nhận chính những nhiệm vụ đó, và ông xác định hai cách mà điều này làm gián đoạn quá trình tái tạo chuyên môn. Cách thứ nhất là loại bỏ trực tiếp các vị trí cấp thấp, nơi các hệ thống AI xử lý công việc vốn dành cho nhân viên mới.

Cách thứ hai tinh vi hơn: Ngay cả khi các công việc cấp thấp vẫn tồn tại, nhân viên mới với sự hỗ trợ của AI đạt được mức năng suất mà trước đây phải mất nhiều năm kinh nghiệm mới có được. Nỗ lực nhận thức vốn thực sự tạo nên kiến thức chuyên môn sâu sắc không bao giờ diễn ra.

Nếu không có chuyên môn sâu, sẽ không ai có thể phát hiện ra sai sót của AI.

Điều này tạo ra một vấn đề kéo theo mà Lovett gọi là "sợi dây ràng buộc xác thực" (validation tether). Khả năng giám sát hiệu quả các hệ thống AI phụ thuộc chính vào loại kiến thức chuyên môn sâu sắc mà việc sử dụng AI đang làm xói mòn. Việc phát hiện các lỗi đặc thù trong kết quả đầu ra có vẻ hợp lý của AI đòi hỏi nhiều hơn là chỉ bắt lỗi các mâu thuẫn hiển nhiên. Theo các nghiên cứu hiện có, việc kiểm tra bề nổi là không đủ để ngăn chặn những sai lầm nghiêm trọng.

Các thói quen nhận thức làm cho mọi thứ tồi tệ hơn. Những người thường xuyên coi câu trả lời của AI là đáng tin cậy sẽ mất đi phản xạ đặt câu hỏi. Và các môi trường đào tạo, nơi nhân viên mới từng học cách thách thức thẩm quyền và kiểm chứng các tuyên bố với thực tế, đang dần biến mất cùng với các vai trò cấp thấp truyền thống.

Những thiệt hại toàn diện có thể phải mất nhiều năm mới bộc lộ.

Các chuyên gia giàu kinh nghiệm trên thị trường lao động hiện nay đã được đào tạo từ 5 đến 20 năm trước. Lovett lập luận rằng tác động của việc cắt giảm các vị trí cấp thấp bắt đầu từ năm 2023 có thể sẽ không bộc lộ đầy đủ cho đến khoảng thời gian từ năm 2030 đến 2045.

Ông gọi đây là "Nghịch lý dự trữ nhân lực" (Human Reserve Paradox). Các tổ chức cần nguồn chuyên môn sâu dự trữ để xác thực, quản lý khủng hoảng và xử lý các tình huống vượt quá khả năng của hệ thống AI. Nhưng không một tổ chức đơn lẻ nào có đủ động lực kinh tế để tự duy trì nguồn dự trữ đó. Lovett lập luận rằng ngay cả những nhân viên vượt qua được lộ trình đào tạo cũng sẽ có chuyên môn nông hơn, vì họ dành cả sự nghiệp để điều phối AI thay vì thực hiện công việc tư duy độc lập.

Một số ngành nghề đối mặt với rủi ro lớn hơn nhiều so với những ngành khác.

Lovett nhấn mạnh rằng cơ chế này không tác động đến mọi ngành nghề như nhau. Kỹ thuật phần mềm, phân tích tài chính và nghiên cứu pháp lý đều cho thấy khả năng thay thế nhiệm vụ cao, quy định tương đối lỏng lẻo và tính mô-đun mạnh, khiến chúng rơi vào nhóm dễ bị tổn thương nhất. Y học và kỹ thuật nhận được một số sự bảo vệ từ các yêu cầu pháp lý nghiêm ngặt hơn và các hiệp hội nghề nghiệp mạnh hơn, nhưng chúng cũng không hoàn toàn miễn nhiễm.

Tuy nhiên, bi kịch này không phải là không thể tránh khỏi. Lovett lập luận rằng các chuyên gia cần những môi trường học tập không có AI, việc đưa AI vào theo từng giai đoạn và một nền tảng hiệu suất của con người cần được thiết lập trước khi có sự can thiệp của AI. Ông khuyến nghị các hiệp hội nghề nghiệp nên kiểm tra năng lực chuyên môn thông qua các chứng chỉ song song với kỹ năng AI, và các nhà hoạch định chính sách nên làm cho việc đào tạo và giáo dục trở nên hấp dẫn hơn. Lệnh cấm hoặc hạn chế sử dụng AI không nằm trong các đề xuất của ông.

Bằng chứng kinh tế vẫn còn trái chiều.

Một nghiên cứu từ mùa hè năm 2025 mà Lovett trích dẫn chi tiết cho thấy sự sụt giảm việc làm ở các ngành nghề bị ảnh hưởng bởi AI, đặc biệt là ở những lao động trẻ. Đối với những lao động giàu kinh nghiệm hơn trong cùng lĩnh vực, việc làm vẫn ổn định hoặc thậm chí tăng trưởng. Các nhà nghiên cứu cho rằng điều này là do AI chủ yếu thay thế kiến thức được hệ thống hóa, trong khi kinh nghiệm thực tế vẫn được duy trì nhu cầu.

Một nghiên cứu của Federal Reserve Board cho thấy tăng trưởng việc làm trong ngành lập trình đã giảm gần một nửa kể từ khi ChatGPT ra mắt. Tuy nhiên, mối liên hệ nhân quả rõ ràng giữa AI và sự sụt giảm này vẫn chưa thể chứng minh được. Các yếu tố khác như chính sách tiền tệ thắt chặt và sự điều chỉnh sau làn sóng tuyển dụng ồ ạt trong ngành công nghệ thời đại đại dịch cũng có thể đóng một vai trò nhất định.

Một nghiên cứu vào tháng 1 năm 2026 cho thấy cuộc khủng hoảng việc làm ở các ngành nghề bị ảnh hưởng bởi AI thực tế đã bắt đầu trước khi ChatGPT ra mắt. Một nghiên cứu của Anthropic từ tháng 3 năm 2026 không tìm thấy tác động tổng thể có thể đo lường được của AI đối với thị trường lao động, nhưng đã đưa ra một dấu hiệu cảnh báo: tỷ lệ tìm việc trong các ngành nghề tiếp xúc nhiều với AI đã giảm nửa điểm phần trăm ở nhóm lao động trẻ từ 22 đến 25 tuổi.

Các nghiên cứu cho thấy những tổn thất nhận thức có thể đo lường được từ việc lạm dụng AI.

Nghiên cứu về tác động nhận thức của việc sử dụng AI quá mức hoặc sai cách vẽ nên một bức tranh rõ ràng hơn nhiều. Các phát hiện củng cố lập luận của Lovett rằng nợ nhận thức (cognitive debt) có thể tích tụ qua nhiều năm. Một nghiên cứu của MIT sử dụng các phép đo EEG cho thấy ngay cả việc sử dụng AI trong thời gian ngắn cũng làm suy yếu kết nối thần kinh, và hơn 80% người tham gia gặp khó khăn trong việc nhớ lại nội dung từ chính các văn bản do họ viết với sự hỗ trợ của AI.

Một nghiên cứu của Anthropic với các nhà phát triển phần mềm cho thấy những người tham gia có quyền truy cập AI đạt điểm thấp hơn 17% trong các bài kiểm tra kiến thức. Những tổn thất lớn nhất đến từ những người sử dụng AI thuần túy như một cỗ máy trả lời. Những người sử dụng AI để tìm kiếm lời giải thích đã học tốt hơn đáng kể.

Một nghiên cứu của Thụy Sĩ trên 666 người tham gia cho thấy mối liên hệ tiêu cực mạnh mẽ giữa việc sử dụng AI và tư duy phản biện, với tác động rõ rệt nhất ở nhóm tuổi từ 17 đến 25. Theo Anthropic, chính các sinh viên cũng lo lắng về tình trạng "suy thoái não bộ" (brain rot) vì AI cho phép họ bỏ qua quá nhiều quá trình học tập.

Ở các sinh viên tại Trung Quốc, mô hình này diễn ra trong một khoảng thời gian dài hơn. Mặc dù điểm bài tập về nhà cải thiện 18%, nhưng kết quả thi cử lại giảm tới 24%, với tác động đầy đủ chỉ xuất hiện sau khoảng hai năm.

Theo các nghiên cứu, điều quan trọng không chỉ là mức độ sử dụng AI, mà là cách họ sử dụng nó. Những người coi AI là công cụ thay thế cho tư duy sẽ mất đi khả năng nhận thức nhanh nhất, trong khi việc sử dụng có mục đích như một công cụ giải thích có thể làm giảm đáng kể các tác động tiêu cực.