Westpac: Tác động của AI đến thị trường lao động và thách thức cho cơ quan quản lý

AI có thể xử lý nhanh các công việc lặp lại, tốn thời gian. Nhờ đó, con người có thể tập trung vào những việc quan trọng hơn. Tuy nhiên, nếu các công việc lặp lại đó lại là những bước cần thiết để đáp ứng quy định pháp lý, thì câu hỏi đặt ra là: cơ quan quản lý có chấp nhận việc dùng AI thay cho con người hay không?Hiện nay, tác động của AI là chủ đề được quan tâm rộng rãi. Nhiều bài viết và thảo luận trên mạng xã hội thể hiện sự lo ngại rằng AI sẽ gây xáo trộn thị trường lao động. Câu chuyện về người lao động mất việc vì AI xuất hiện thường xuyên trên truyền thông và trong văn hóa đại chúng. Điều này cho thấy nỗi lo đã trở nên phổ biến.

Một nguyên nhân quan trọng của sự lo lắng là tốc độ phát triển quá nhanh. Các mô hình AI tiên tiến chỉ mới xuất hiện trong thời gian ngắn nhưng đã cải thiện năng lực rất nhanh. Những đánh giá dựa trên khả năng của AI cách đây vài tháng có thể không còn chính xác. Khi kết hợp với bối cảnh bất ổn chính sách và địa chính trị, tâm lý thị trường dễ trở nên bi quan.

Bên cạnh đó, cách hiểu đơn giản rằng công việc là một “túi nhiệm vụ” cũng góp phần làm gia tăng lo ngại. Cụm từ này có nghĩa là xem công việc như một tập hợp các nhiệm vụ riêng lẻ. Nếu AI thay thế đủ nhiều nhiệm vụ trong “túi” đó, thì toàn bộ công việc bị thay thế. Cách nhìn này không tính đến mối liên hệ giữa các nhiệm vụ và chất lượng tổng thể của sản phẩm.

Hai giáo sư Joshua Gans và Avi Goldfarb đề xuất một mô hình khác. Họ cho rằng quá trình sản xuất gồm nhiều nhiệm vụ liên kết chặt chẽ với nhau. Chất lượng cuối cùng phụ thuộc vào chất lượng của từng nhiệm vụ. Về mặt kỹ thuật, chất lượng tổng thể được tính bằng cách nhân chất lượng của từng phần. Nếu một phần có chất lượng bằng không, toàn bộ sản phẩm coi như thất bại.

Theo mô hình này, doanh nghiệp sẽ tự động hóa những nhiệm vụ mà AI có thể làm đạt yêu cầu. Con người sẽ tập trung vào những nhiệm vụ còn lại và nâng cao chất lượng của chúng. Nhân viên không bị cắt giảm ngay lập tức vì việc cải thiện chất lượng các phần còn lại mang lại giá trị thực tế. Điểm quan trọng là chất lượng giữa các nhiệm vụ có liên hệ với nhau, không độc lập.

Một ví dụ thực tế là trong lĩnh vực lập trình. Khi sử dụng công cụ AI hỗ trợ viết mã, thời gian dành cho các thao tác lặp lại giảm xuống. Lập trình viên có thể dành nhiều thời gian hơn cho việc kiểm tra bảo mật, thiết kế hệ thống và tối ưu hóa. Như vậy, AI không loại bỏ vai trò của họ mà thay đổi cách phân bổ thời gian làm việc.

Mô hình này còn cho thấy tự động hóa có thể diễn ra theo từng giai đoạn. Khi một số nhiệm vụ được cải thiện về chất lượng nhờ con người tập trung hơn, việc tự động hóa các nhiệm vụ này trong tương lai sẽ khó hơn vì tiêu chuẩn đã cao hơn. Do đó, quá trình tự động hóa không diễn ra liên tục mà phụ thuộc vào mức chất lượng chung của hệ thống.

Mô hình cũng có thể mở rộng sang trường hợp đặc biệt của nhiệm vụ tuân thủ. Trong nhiều trường hợp, nếu không đạt một mức tối thiểu thì kết quả bị coi là thất bại hoàn toàn, ví dụ bị xác định là không tuân thủ. Điều này có nghĩa là phải đầu tư đủ nguồn lực để vượt qua ngưỡng tối thiểu. Nếu đầu tư ít hơn ngưỡng đó, toàn bộ kết quả không có giá trị.

Nếu một nhiệm vụ có “chi phí cố định” lớn để đạt mức tối thiểu như vậy, doanh nghiệp có động lực mạnh để tự động hóa nó trước tiên. Lý do là tự động hóa sẽ giải phóng nhiều nguồn lực hơn so với tự động hóa các nhiệm vụ khác.

Tuy nhiên, việc này phụ thuộc vào quyết định của cơ quan quản lý. Họ có chấp nhận kết quả do AI tạo ra hay không? Có yêu cầu con người phải xác nhận thủ công để đảm bảo trách nhiệm pháp lý hay không? Ngoài ra, khi áp dụng AI, có thể phát sinh yêu cầu mới như kiểm soát rủi ro nhà cung cấp, đảm bảo mô hình có thể giải thích được, và hạn chế sai lệch hoặc thông tin sai do hệ thống tạo ra. Các cơ quan quản lý khác nhau có thể có quan điểm khác nhau về những vấn đề này.

Một tình huống khác cần xem xét là khi vượt quá mức tuân thủ tối thiểu không mang lại thêm lợi ích rõ ràng. Có thể hình dung như hệ thống đánh giá tối đa năm sao, không có mức cao hơn. Nếu chi phí duy trì mức năm sao bằng phương pháp thủ công quá lớn, doanh nghiệp có thể chấp nhận mức vừa đủ tuân thủ khi dùng tự động hóa, để dành nguồn lực nâng cao các phần khác của hoạt động.

Trong thực tế, nhiều doanh nghiệp tuân thủ vượt mức vì muốn giảm rủi ro. Nếu quy trình thủ công có thể xảy ra sai sót ngẫu nhiên, họ sẽ làm dư ra để phòng ngừa. Trong một số hệ thống pháp lý, cơ quan quản lý không xác nhận trước rằng doanh nghiệp đang tuân thủ đúng, mà chỉ xử phạt khi phát hiện vi phạm. Điều này khuyến khích doanh nghiệp tuân thủ vượt mức. Nếu hệ thống tự động đáng tin cậy hơn và cho kết quả ổn định hơn, doanh nghiệp có thể không cần duy trì mức dự phòng lớn như trước.

Cơ quan quản lý cũng phải cân nhắc cách đánh giá. Nếu trước đây họ quen với việc xem xét quy trình thủ công chi tiết, họ có thể không hài lòng khi doanh nghiệp chuyển sang quy trình tự động, dù vẫn đáp ứng yêu cầu tối thiểu. Ngược lại, khi công nghệ cho phép giám sát dữ liệu theo thời gian thực, việc kiểm tra thủ công định kỳ có thể không còn phù hợp. Khi chi phí tuân thủ giảm, tiêu chuẩn có thể được nâng cao hơn trước.

Tóm lại, việc sử dụng AI trong hoạt động tuân thủ có khả năng xảy ra vì nó giúp tiết kiệm nguồn lực. Tuy nhiên, điều này đặt ra nhiều câu hỏi mới về tiêu chuẩn, trách nhiệm và cách giám sát. Tác động cuối cùng đến năng suất và tăng trưởng sẽ phụ thuộc vào cách doanh nghiệp và cơ quan quản lý xử lý những thay đổi này.