原文標題：Những vụ sa thải sẽ tiếp tục cho đến khi chúng ta học cách sử dụng Trí tuệ Nhân tạo (AI)
原文作者：Arnav Gupta, Kỹ sư AI
原文 Phiên dịch：Bảo Ngọc, Chuyên gia Phân tích AI

Tại một vị trí nào đó trong văn phòng cấp cao của công ty chúng tôi, có một danh sách sa thải lên đến 8000 người. Tôi có 10% khả năng nằm trong danh sách này. Và chỉ trong vài ngày nữa, vào ngày 20 tháng 5, tôi sẽ biết số phận của mình.

Khi thấy thông báo "sa thải AI" mà Coinbase công bố hôm nay, tôi quyết định viết bài viết này. Tôi chọn viết trước ngày 20 tháng 5 với mong muốn chia sẻ một số quan điểm cực kỳ chân thực, không gắn bó với bất kỳ cảm xúc cá nhân "ở lại hay rời đi" nào. Những suy nghĩ này không chỉ liên quan đến việc liệu tôi có bị sa thải hay không, cũng không chỉ giới hạn trong công ty tôi đang làm việc. Chúng đến từ những lời chân tình thật sự của những người bạn tôi làm việc ở các doanh nghiệp lớn và trung bình.

Hiện nay có rất nhiều bài viết tranh cãi: cơn sóng sa thải này (mà mọi người đồng thuận bắt nguồn từ việc Jack Dorsey sa thải 40% nhân viên Square) liệu có phải do AI gây ra, hay chỉ đơn giản là "rửa xanh AI" (chỉ việc doanh nghiệp giấu diếm mục tiêu thực sự là thất bại trong kinh doanh hoặc sa thải dưới tên “ôm AI”).

Tôi không muốn nhồi nhiều liên kết tin tức và luận văn vào bài viết để làm phiền bạn, những nội dung này có lẽ bạn đã đọc từ trước, hoặc chỉ cần tìm trên Google, hoặc hỏi ChatGPT là có thể tìm thấy.

"Năng suất AI" được ca ngợi và bằng chứng khó nắm bắt

AI thực sự làm cho chúng ta hiệu quả hơn chưa? Điều này thực sự là một câu hỏi gây tranh cãi lớn! Nếu chúng ta suy luận theo chiều ngược lại, khẳng định "AI không thay đổi gì cả", tôi tin rằng ngay cả những người nghi ngờ nhất về giá trị của AI cũng sẽ không đồng ý với tuyên bố này.

Đặc biệt là tại các công ty công nghệ, việc sử dụng AI tăng mạnh là một sự thật sống động. Ngay cả những công ty rất thận trọng, giới hạn ngân sách cho AI, không trang bị công cụ AI cho nhân viên, cũng không thể phủ nhận rằng một phần công việc thực tế được thực hiện bởi AI ― ngay cả khi nhân viên chỉ đơn giản dùng Gemini hoặc Copilot mà thôi để chỉnh sửa tài liệu trong ứng dụng văn phòng của Google hoặc Microsoft.

Đối với những công ty có tầm nhìn xa hơn, ném mình vào đại dương token AI (một đơn vị cơ bản trong xử lý ngôn ngữ tự nhiên của AI, các doanh nghiệp thường tính phí dựa vào số lượng token tiêu thụ khi sử dụng mô hình ngôn ngữ lớn), như Uber hoặc Shopify (ở đây tôi không bao gồm các công ty tự phát triển mô hình ngôn ngữ lớn như Meta hoặc Microsoft, hoặc các công ty như Vercel hoặc Cloudflare tích cực xây dựng cơ sở hạ tầng AI; chỉ nói về các "người dùng" thuần túy), lượng AI họ sử dụng đã trở nên điên cuồng.

Chúng ta đã quen với điều này: từ 90% đến 100% mã nguồn được tạo ra bởi trí tuệ nhân tạo, đến việc số lượng nhận xét mã nguồn (PRs/diffs) hàng tuần tăng đột ngột từ 2 đến 5 lần, rồi đến việc ngân sách trí tuệ nhân tạo hàng tỷ đô la hàng năm đã bị tiêu tốn hết trong vài tháng ngắn ngủi.

Tuy nhiên, các nhà phê bình công nghệ và nhà đầu tư như Ed Zitron, Will Manidis, Gary Marcus và Michael Bury chắc chắn sẽ đặt cho bạn một câu hỏi thẳng vào tâm hồn: Nếu vậy, tại sao doanh số của các công ty này không tăng 2 đến 5 lần theo? Tại sao ứng dụng của họ vẫn giống hệt như trước đó vài tháng? Nếu trí tuệ nhân tạo thật sự hiệu quả đến thế, họ đã tạo ra những gì bằng trí tuệ nhân tạo? Nếu họ viết mã 5 lần nhiều hơn, mà người dùng cuối không nhận ra, thì ý nghĩa của những mã đó là gì? Đó là một câu hỏi rất sâu sắc và hợp lý.

Đầu Vào (Input), Đầu Ra (Output) và Thành Tích (Outcome)

Trước tiên, chúng ta phải nhắc đến một chút kiến thức cơ bản về quản lý doanh nghiệp. Khi một công ty trung bình phát triển nhanh chóng, tiêu vốn quá mức, và bắt đầu đối mặt với sự cạn kiệt vốn, bạn sẽ đi tìm sự khuyên bảo từ một CEO có kinh nghiệm. Ông ấy sẽ khuyên bạn mời các tư vấn viên McKinsey đến xem xét tình hình. Các tư vấn viên sẽ đặt một slide trắng tinh trên trang đầu tiên của bài thuyết trình, với ba từ viết bằng font Arial mặc định: "Đầu Vào, Đầu Ra, Thành Tích".

Họ sẽ giải thích cho bạn bản chất kinh doanh mà ai cũng hiểu nhưng luôn có xu hướng quên mất:

Mã nguồn, chỉ là Đầu Vào.

Tính năng mới, mới phải chăng là Đầu Ra.

Người dùng sẵn lòng chi tiền cho sản phẩm của bạn, đó mới chính là Thành Tích.

Trí tuệ nhân tạo (hoặc ít nhất là các sản phẩm như phiên bản doanh nghiệp của Claude) về bản chất là một dịch vụ phần mềm dành cho doanh nghiệp (B2B SaaS). Bạn sẽ nhận ra rằng cách định giá và tiếp thị sản phẩm SaaS khác nhau. Nếu một sản phẩm có thể trực tiếp thay đổi "Thành Tích", họ thường sẽ tính hoa hồng trực tiếp từ "Thành Tích". Hãy tưởng tượng một cách tiếp thị như thế này: "Công cụ của chúng tôi có thể giúp bạn tăng tốc độ chuyển đổi cơ hội bán hàng lên 36%. Trải nghiệm ngay bây giờ chỉ với mức phí dịch vụ thấp 5% của doanh số bán hàng."

Điều này chắc chắn sẽ làm chết người. Trong điều kiện không thay đổi khác, nếu bạn trước đây trong 100 ngày có thể tạo ra 100 hợp đồng, giờ chỉ cần 63 ngày. Những 36 ngày (nếu tôi tính không nhầm) tiết kiệm có thể giúp bạn tạo ra thêm 57 hợp đồng! Nghĩa là doanh số tiềm năng của bạn tăng lên 57%. Bất kỳ ai cũng sẵn lòng bỏ ra 5% từ hoa hồng để đổi lấy 57% doanh số bổ sung. Và nếu bạn không sử dụng sản phẩm này, bạn sẽ không phải trả một xu.

Bạn có thể đã đoán được tôi sẽ nói gì rồi đúng không — Mô hình giá cố định của Claude khi tiêu tốn Token hoàn toàn không phải là như vậy. Nếu như các kỹ sư phần mềm của bạn đã nghiện việc lập trình bằng Claude như là việc nghiện ma túy (tôi mới phát hiện ra rằng cả hai đều viết tắt tiếng Anh là "cc"), mỗi ngày tạo ra 1 tỷ Token, thì mỗi ngày bạn sẽ phải trả 100 đô la cho mỗi kỹ sư.

Ngay cả khi phần code họ tạo ra có một phần đã bị bỏ vào thùng rác vì không chạy được;

Ngay cả khi có một số code sau này đã gây ra sự cố nghiêm trọng trên hệ thống (SEV) (SEV đề cập đến Mức độ Nghiêm trọng, mà các công ty công nghệ thường sử dụng để chỉ sự cố trực tuyến nghiêm trọng dẫn đến gián đoạn dịch vụ) và buộc phải rollback khẩn cấp;

Thậm chí ngay cả khi một phần code chỉ để thay đổi giao diện cho các công cụ nội bộ, để cho Phó Tổng Giám đốc nhìn bảng dữ liệu mà thấy dễ thương hơn;

Tất cả đều phải trả đúng giá. Bởi vì code chỉ là "chi phí." Mặc dù thường thì, miễn là hướng đi đúng, nhiều "chi phí" hơn thường xuyên sẽ mang lại nhiều "sản phẩm" hơn, từ đó mang lại kết quả tốt hơn. Nhưng, khi bạn đẩy chi phí lên gấp 5 qua đêm, quy luật này có thể không còn áp dụng. Những "chi phí" mà bạn tăng lên này, có thể bất ngờ trở thành một loại lãng phí, hoàn toàn lệch khỏi kỳ vọng về "sản phẩm" hay "kết quả."

Vậy đến tận bây giờ là gì đang làm trở ngại cho chúng ta!

Trước đây, mỗi khi CEO hoặc Quản lý Sản phẩm (PM) muốn làm 10 việc, đội phát triển luôn nói rằng họ chỉ có thể hoàn thành 2 công việc quan trọng nhất, 8 công việc còn lại không kịp. Lý do là gì? Bởi vì việc viết code không phải là trò chơi, phát triển phần mềm phức tạp và có thể chạy được đòi hỏi rất nhiều thời gian.

Ừm... Nhưng bây giờ code gần như miễn phí rồi. Vì sao chúng ta vẫn không làm xong những 8 công việc còn lại?

Có hai câu trả lời: Một là mà CEO và Quản lý Sản phẩm không thích nghe; hai là mà các lãnh đạo cấp trung và nhân viên cấp cao không thích nghe.

1. Thực ra thì 8 ý tưởng đó... hoàn toàn không khả thi?

Chỉ vì CEO hoặc Quản lý Sản phẩm đã nảy ra 10 ý tưởng, không có nghĩa là chúng có thể thực sự biến chúng thành kết quả kinh doanh. Ngay cả khi bạn tạo ra 10 tính năng mới (sản phẩm), không thể đảm bảo người dùng sẽ chấp nhận toàn bộ và sử dụng ứng dụng của bạn nhiều hơn (kết quả).

Thực tế, chính vì trước đây tài nguyên phát triển hạn chế, "ma sát" này đã buộc mọi người phải tranh luận gay gắt hơn, từ đó tiêu diệt những ý tưởng tồi trước khi chúng tiêu tốn quá nhiều tài nguyên và chọn ra hai ý tưởng tuyệt vời nhất. Và bây giờ, việc viết code trở nên nhanh chóng và rẻ tiền, đi tranh luận về chất lượng ý tưởng dường như trở nên vô nghĩa. Ngay cả khi bạn cố gắng bác bỏ họ, bạn có nghĩ rằng có thể ngăn CEO hoặc PM quay lưng tự mình đề xuất yêu cầu với Claude không? Đừng mơ tưởng, ngay cả việc thử cũng không cần thiết.

2. Điều chỉnh mọi người trong địa ngục "đồng trục".

Chúng ta đều biết điều này đến mức nào là đau đớn. Đầu tiên, phải đồng lòng với tất cả các bên liên quan về "tại sao" phải làm điều này; tiếp theo, phải tổ chức cuộc họp khác để thảo luận về "phải làm gì cụ thể"; cuối cùng, mọi người còn phải tranh cãi về "cách thức thực hiện".

Càng nhiều thành viên trong nhóm, càng nhiều dự án mắc kẹt trong "địa ngục đồng trục". Trước đây vấn đề này đã được che giấu do việc viết mã chậm chạp. Nhưng giờ đây, khi "phải làm gì" đã được quyết định, ngay lập tức có người thức nửa đêm tạo ra một Sản phẩm Khả năng Thực Hiện Tối Thiểu (MVP) (phát triển một sản phẩm chỉ để demo ý tưởng cốt lõi với chi phí thấp, dùng để thử nghiệm nhanh chóng), và vào ngày hôm sau ngay lập tức sắp xếp cuộc họp tiếp theo.

Trong cuộc họp đó, bạn sửng sốt khi phát hiện ra rằng một nhóm khác đã làm một MVP mà không ai hay biết! Càng tồi tệ hơn khi vì dựa trên giả định khác nhau, logic làm việc của hai sản phẩm hoàn toàn trái ngược nhau.

Tất nhiên, bạn có thể ngồi xuống và từ từ thảo luận xem giả định nào mới là chính xác.

Nhưng trung thực mà nói. Bạn và nhóm của bạn, người cầm trong tay Claude Token vô hạn, chẳng muốn làm như vậy tí nào. Nhóm kia cũng vậy. Bạn sẽ không ngần ngại quay lưng và đầu tư vào vòng tay của Claude, để nó triển khai lại công việc của nhóm kia theo cách mà bạn cho là hoàn hảo nhất. Và Claude chỉ đáp trả ngoan ngoãn: "Anh nói đúng quá!", rồi bắt đầu mã hoá ngay lập tức.

Giảm nhân sự cuối cùng có thể giải quyết vấn đề gì?

Được rồi, cảm ơn bạn đã kiên nhẫn lắng nghe tôi đọc rủa suốt nửa ngày những điều hiển nhiên như ăn. Tôi biết rằng bạn muốn thấy phần nông cụ thể nhất.

Việc giảm nhân sự cuối cùng có thể đạt được điều gì? Theo giả định của tôi, nếu trí tuệ nhân tạo thực sự không thể thay thế trực tiếp 30% nhân viên (mọi người đều đồng tâm rằng điều này là đúng phải không? Mặc dù trong nhiều nhiệm vụ, nó mạnh hơn nhân viên văn phòng cấp thấp, nhưng trong một số nhiệm vụ khác nó lại không bằng con người—nó tuyệt đối không phải là một linh kiện có thể thay thế nhanh chóng, chứ không thể thay thế trực tiếp 10%, 20%, hoặc thậm chí 30% nhân viên của một công ty).

Vậy thì, lí do của việc giảm nhân sự là gì? Bởi vì nó có thể ngay lập tức giải quyết hai vấn đề ngắn hạn đặt trên bàn làm việc.

1. Bù đắp "Chi phí AI"

Điều này thực ra chỉ là một bài toán tài chính cơ bản nhất. Hiển nhiên, nếu những kỹ sư nghiện Claude của bạn hằng ngày tiêu 100 Đô la trên Claude (tức là 2500 USD mỗi tháng, 30,000 USD mỗi năm), số tiền này đã có thể bù đắp cho toàn bộ lương của một kỹ sư phát triển phần mềm (SDE) ở Ấn Độ; ở châu Âu thì có thể bù đắp một nửa của một SDE; ở Mỹ thì chắc chắn rằng có thể bù đắp một tứ trọng số của một SDE.

Nếu tính toán theo cách đơn giản nhất có thể: giả sử trong một công ty phẳng, tất cả nhân viên đều là SDE. Để duy trì tổng chi phí lương hiện tại (bao gồm chi phí mua Token), bạn phải sa thải 50% (Ấn Độ), 33% (Châu Âu) hoặc 20% (Mỹ) nhân viên.

Trên thực tế, vì lượng sử dụng AI đang tăng mạnh mẽ mà không màng đến bất cứ điều gì khác, trong khi doanh số của công ty không tăng tương ứng, việc sa thải trở thành lựa chọn tất yếu. Nếu không, bảng cân đối kế toán của công ty sẽ sụp đổ hoàn toàn. Nếu chi phí đầu tư của bạn tăng 50%, nhưng kết quả kinh doanh cuối cùng không cải thiện mà thậm chí trở nên tệ hại hoặc không thay đổi, thì hiệu quả kinh tế đơn vị trong toàn bộ vòng đời phát triển phần mềm của bạn sẽ sụp đổ hoàn toàn.

Nếu chúng ta thật sự học được cách sử dụng AI - hiểu rõ cách chuyển đổi chi phí tăng 50% thành doanh số tăng 50%, chúng ta sẽ không cần phải điều đó. Nhưng, bởi vì bạn vẫn chưa học được, nên một số người trong số bạn phải phải rời bỏ công ty để giành tiền để trả lương cho Anthropic.

2. Giảm "Thuế Căn Cứ"

Không nghi ngờ gì nữa, quy mô của bất kỳ công ty lớn nào đều vượt xa quy mô cần thiết chỉ để "tồn tại". Đây chính là đặc điểm của các công ty lớn, các cơ cấu tổ chức lớn sẽ chắc chắn tích lũy "mỡ tổ chức", đây chính là kết quả tất yếu của thiết kế tổ chức.

Trong những công ty này, ngay cả khi một người nghỉ việc, hệ thống vẫn có thể hoạt động, vì luôn có người khác biết về công việc trước đó của họ. Ở nhiều công ty lớn, bạn thậm chí có thể yên tâm nghỉ thai sản nửa năm, dự án bạn phụ trách vẫn hoạt động bình thường. Điều này là tốt! Nhưng đồng thời đây cũng là một minh chứng rõ ràng: nếu sa thải một phần người, công ty không hề sụp đổ ngay lập tức. Ngược lại, sau vài tuần đau đớn từ việc cắt giảm hệ thống ban đầu, trong vài tháng tiếp theo, tốc độ hoạt động có thể thậm chí sẽ tăng lên!

Bạn còn nhớ hai nhóm mà chúng ta đã nhắc đến trước đó về việc bẻ khóa giải pháp công nghệ không? Rất đơn giản, chỉ cần bạn sa thải một nhóm đó, sau đó mỗi nhóm còn lại cố gắng làm xong công việc trong vài đêm thức hôm - họ sẽ không cần phải "căn cứ" với bất kỳ ai nữa.

Chúng tôi không thể dự đoán những gì sẽ xảy ra trong dài hạn (hoặc theo lời của nhà kinh tế học Keynes - "trong dài hạn, chúng ta đều chết"), nhưng trong ngắn hạn, việc sa thải 10-20% nhân viên của một tập đoàn lớn chỉ khiến tốc độ làm việc nhanh hơn.

Theo thời gian, các tập đoàn lớn không thể tránh khỏi việc tích lũy dư thừa, số lượng nhân viên dư thừa, giống như việc tích lũy nợ kỹ thuật một cách dư thừa dẫn đến một lượng lớn "nợ tổ chức". Đó chính là căn bệnh chung của các tập đoàn lớn. Ngày nay, sa thải 10% người, bạn cũng không thể ngăn chặn sự tái phát của vấn đề cũ hai năm sau. Nhưng, khi bạn thấy mọi người tự hào vì họ đã nộp hồ sơ code gấp 5 lần so với trước, nhưng lại bị các nhóm khác làm chậm quá trình triển khai, giải pháp trực tiếp và tả tạ nhất là: sa thải một số người, để không ai trở thành rào cản lẫn nhau nữa.

Đây chính là việc AI giảm số lượng nhân sự, ngay cả khi AI không trực tiếp thay thế vị trí của bạn

Liệu mã số công việc của bạn đã bị thay thế bởi một phiên bản Claude mới đang chạy trên máy ảo chưa? Chúng ta đều biết rằng thực tế không phải như vậy.

Tuy vậy, liệu có phải trong công ty nay đã có rất nhiều quy trình công việc trước đây mà bạn cần phải gõ phím và click chuột trên VS Code, Figma, Canva hoặc Google Docs mới có thể hoàn thành, nhưng bây giờ đã được người khác (những người trước đây cần bạn cung cấp kết quả làm việc này) thay thế bằng việc chỉ đơn giản nói một từ gợi ý vào một mô hình ngôn ngữ lớn, rồi không còn bận tâm đến việc nhờ bạn giúp đỡ nữa chưa? Điều này cũng là một sự thật không thể phủ nhận.

Liệu việc giảm số lượng nhân sự này có phải là "làm trắng bằng AI"? Tức là - liệu công ty có phải ban đầu đã có nhiều vấn đề cơ bản không liên quan đến AI (chẳng hạn như tuyển dụng quá mức, sụt giảm lợi nhuận, áp lực cạnh tranh, quyết định kinh doanh tệ), và giờ chỉ đơn giản đang lợi dụng AI làm "lí do" để cắt giảm nhân sự? Ừ, một mức độ nào đó điều này cũng hợp lý.

Bạn có thể nhận ra rằng, nếu tổng hợp tất cả các "thư cắt giảm nhân sự" mà tất cả CEO đã gửi trong thời gian này, bạn có thể cảm thấy họ có lẽ đã tạo một nhóm trò chuyện, tụ lại và viết những email này cùng nhau. "Nhóm nguyên bản AI", "Quản lý viết mã", "Mở rộng quản lý", "Cấu trúc phẳng", "Quản lý đội AI"… bạn sẽ thấy những từ ngữ mới này xuất hiện giống hệt nhau trong mỗi email. Thật không thể tin được họ như là đã "nuôi" một đoạn gợi ý cùng cho GPT.

Nhưng sự thật chính là, dù những lần giảm số lượng nhân sự đó không phải do AI trực tiếp thay thế bạn, dù chúng bị "rửa trắng bằng AI", những cuộc giảm số lượng nhân sự này cuối cùng vẫn có nguyên nhân từ AI. Và, làn sóng giảm số lượng nhân sự này sẽ tiếp tục cho đến khi chúng ta thực sự biết cách sử dụng AI.

Cho đến khi chúng ta biết cách chuyển đổi số lượng lớn mã thông báo AI thành kết quả kinh doanh thực sự, không chỉ là đầu tư mã nguồn mở; cho đến khi chúng ta biết cách làm cho tốc độ "cân chỉnh" giữa các tổ chức đồng bộ với tốc độ mã hóa của thế hệ mới; cho đến khi chúng ta hiểu được, ngoài hai ý tưởng tốt và tám ý tưởng vô giá trị ban đầu, làm thế nào để sử dụng hiệu quả sinh lực dư thừa này để theo đuổi thêm mười ý tưởng mới tiềm năng.

Cho đến khi chúng ta thực sự hiểu rõ là AI thúc đẩy GDP toàn cầu như thế nào, để lấp đầy số lượng mã thông báo hàng năm lên đến 700 tỷ USD (tổng doanh thu doanh nghiệp của OpenAI và Anthropic), các doanh nghiệp sẽ chỉ có thể thông qua việc cắt giảm lương của nhân viên để "tạt nước vào ao".

Trước khi chúng ta học cách hiệu quả hơn để giải quyết vấn đề của việc cản trở lẫn nhau giữa các nhóm, giải pháp duy nhất luôn là — loại bỏ chúng ta trực tiếp khỏi sơ đồ tổ chức.

Còn 15 ngày, tôi sẽ biết số phận của mình. Nhưng bất kể kết quả ra sao, tôi nghĩ rằng tôi đã biết lý do. Dù người ngồi trong phòng CEO rộng lớn kia là tôi khi đó đưa ra quyết định, tôi cũng không biết liệu mình có thể làm tốt hơn không, có thể tôi cũng chỉ sẽ làm giống như các CEO khác, đưa ra quyết định tương tự.

Link gốc

Chào mừng bạn tham gia cộng đồng chính thức của BlockBeats:

Nhóm Telegram đăng ký: https://t.me/theblockbeats

Nhóm Telegram thảo luận: https://t.me/BlockBeats_App

Tài khoản Twitter chính thức: https://twitter.com/BlockBeatsAsia