Số liệu ILO công bố tháng 4/2026 chưa cho thấy dấu hiệu rõ rằng doanh nghiệp Việt Nam giảm tuyển người trẻ vì AI. Điều đang đổi là cách học nghề: những việc cơ bản từng giúp người mới quen việc nay AI soạn nháp được trong vài phút, nên kinh nghiệm không còn tự đến qua việc làm lặp lại. Bài này tách phần số liệu đã đo với phần chưa biết, rồi đưa một ca học việc giả lập, một phiếu tự chấm và hai danh sách kiểm để người mới và người hướng dẫn dùng ngay trong tuần.

Bài dành cho người đi làm dưới khoảng hai năm, thực tập sinh, và trưởng nhóm hoặc người được giao kèm nhân viên mới.

Số liệu đã đo được gì

Câu hỏi "AI có lấy mất việc của người mới không" đang được nhắc nhiều trên mạng xã hội. Trước khi tin một dự báo, nên xem từng nguồn đo cái gì, ở đâu, năm nào.

  • ILO, Generative AI and jobs: A 2025 update (20/05/2025). Phạm vi toàn cầu, chấm gần 30.000 nhiệm vụ nghề nghiệp. Đo được: khoảng 1 trong 4 người lao động làm nghề có mức độ nào đó chịu tác động của AI tạo sinh; ILO viết phần lớn công việc sẽ thay đổi chứ không biến mất. Không kết luận được: số việc đã mất, và riêng nhóm người mới vào nghề.
  • ILO, Generative AI and jobs in Viet Nam (16/04/2026). Dùng Điều tra lao động việc làm 2024 của Việt Nam và xu hướng 2022 đến 2024. Đo được: 20,8% việc làm, tương đương 11,5 triệu, có khả năng chịu tác động; 1,8%, khoảng 1,0 triệu, ở mức cao nhất. Nhóm 15 đến 24 tuổi là 15,7%, thấp hơn nhóm 25 đến 59 tuổi (22,6%). Không kết luận được: chỉ số đo khả năng về mặt kỹ thuật ở cấp nhiệm vụ, không phải dự báo doanh nghiệp sẽ dùng AI đến đâu hay thị trường lao động sẽ ra sao; bộ chỉ số gốc xây trên mã nghề của Ba Lan.
  • OECD, Generative AI and the SME Workforce (04/11/2025). Khảo sát năm 2024, hơn 5.000 doanh nghiệp nhỏ và vừa ở Áo, Canada, Đức, Ireland, Nhật Bản, Hàn Quốc, Anh. Đo được: 31% đang dùng AI tạo sinh; doanh nghiệp tự đánh giá AI giúp bù chỗ thiếu kỹ năng, thiếu người và làm tăng nhu cầu lao động kỹ năng cao. Không kết luận được: không có Việt Nam; đây là ý kiến doanh nghiệp tự khai, không phải số liệu tuyển dụng.
  • Brynjolfsson, Chandar, Chen, Canaries in the Coal Mine? (bản 13/11/2025). Mỹ, dữ liệu bảng lương của ADP đến tháng 9/2025. Đo được: ở nhóm nghề chịu tác động AI nhiều nhất, việc làm của người 22 đến 25 tuổi giảm 6% từ cuối 2022, trong khi người lớn tuổi hơn tăng 6 đến 9%; mức giảm nằm ở nơi AI làm thay, không thấy ở nơi AI chủ yếu hỗ trợ. Không kết luận được: tác giả tự ghi kết quả có thể chịu ảnh hưởng của yếu tố khác ngoài AI; chỉ là thị trường Mỹ.
  • ILO, Global Employment Trends for Youth 2026 (11/08/2026). Toàn cầu, người 15 đến 29 tuổi. Đo được: 6,1% việc làm của người trẻ nằm ở nhóm nghề chịu tác động AI nhiều nhất. Không kết luận được: lời tựa báo cáo ghi bằng chứng về tác động của AI lên việc làm còn chưa chắc chắn.

Riêng với Việt Nam, báo cáo ILO tháng 4/2026 có một đoạn nói thẳng vào người mới vào nghề: số liệu Điều tra lao động việc làm 2022 đến 2024 chưa cho thấy dấu hiệu rõ về việc giảm tuyển do AI ở nhóm lao động trẻ, trình độ cao trong các ngành dịch vụ tư nhân chịu tác động nhiều. Việc làm của người 20 đến 24 tuổi có trình độ cao trong bốn ngành (thông tin và truyền thông; tài chính, bảo hiểm; chuyên môn, khoa học, công nghệ; hành chính và dịch vụ hỗ trợ) tăng 21,1% năm 2023 và thêm 16,2% năm 2024. ILO cũng nhắc rằng một số nghiên cứu ở nền kinh tế phát triển đã thấy tác động tới tuyển dụng người mới tốt nghiệp; Việt Nam chưa có dữ liệu để phân tích tương tự, nhưng xu hướng từ điều tra lao động gợi ý tác động như vậy có thể chưa diễn ra.

Ba điều rút ra, và chỉ ba điều:

  1. "Chịu tác động" không có nghĩa là "mất việc". Các chỉ số của ILO đo phần nhiệm vụ AI có thể làm về mặt kỹ thuật, không đo quyết định tuyển người của doanh nghiệp.
  2. Ở Việt Nam chưa thấy dấu hiệu rõ; ở Mỹ có tín hiệu sớm nhưng chưa chắc nguyên nhân. Không thể lấy số liệu Mỹ làm dự báo cho Việt Nam, cũng không nên coi số liệu đến 2024 là lời bảo đảm cho các năm sau.
  3. Thứ đổi trước là nhiệm vụ, không phải chức danh. Phần việc dễ viết thành quy tắc và dễ kiểm tra là phần AI soạn nháp được sớm nhất. Đó cũng thường là phần việc giao cho người mới.

Bức tranh chung về số việc làm tăng hay giảm đã có ở bài AI có tạo đủ việc mới để bù những việc bị thay thế?. Bài này chỉ xét một câu hẹp hơn: người mới học nghề thế nào khi phần việc cơ bản đã có AI soạn nháp.

Vì sao việc cơ bản từng là chỗ học nghề

Phần này là lập luận của Tổ Thạo Việc, không phải kết quả đo của nguồn nào.

Nhập số, gom phản hồi, soạn biên bản, viết nháp email trả lời: các việc này ít khi được coi là quan trọng, nhưng người mới học được ba thứ từ chúng. Một là biết dữ liệu của công ty nằm ở đâu và trông thế nào khi sai. Hai là quen chuẩn của nhóm, tức thế nào là một báo cáo dùng được. Ba là mắc lỗi nhỏ, được sửa, và nhớ.

Khi AI soạn được bản nháp trong vài phút, người mới có thể nộp một sản phẩm trông ổn mà chưa đi qua điều nào trong ba điều đó. Hệ quả là không nhận ra chỗ AI sai, không giải thích được vì sao chọn cách này, và người hướng dẫn không biết người mới thật sự hiểu đến đâu. Nhóm tác giả Stanford nêu một giả thuyết cùng hướng: AI thay tốt phần kiến thức đã được viết ra thành sách vở, quy trình; phần kinh nghiệm ngầm tích lũy qua làm việc thì khó thay hơn. Đây là giả thuyết, chưa phải kết luận.

Vì vậy mục tiêu học việc cần đổi, từ "làm ra bản nháp" sang "phán đoán được bản nháp". Kỹ năng nền như đọc dữ liệu gốc, đếm, viết rõ ràng vẫn phải tự làm được, vì không có chúng thì không có gì để so với kết quả của AI.

Một ca học việc giả lập: báo cáo phản hồi khách hàng trong tuần

Tình huống dưới đây do Tổ Thạo Việc dựng để minh họa. Nhân vật và số liệu đều giả lập; đây không phải ca thật và chưa chạy trên công cụ AI nào.

Minh vào nhóm chăm sóc khách hàng của một cửa hàng bán đồ gia dụng trực tuyến được ba tuần. Chị Hà, trưởng nhóm, giao việc: gom 40 phản hồi của khách trong tuần thành báo cáo một trang, nêu các nhóm vấn đề và số lượng. Công ty cho phép dùng công cụ AI với dữ liệu đã bỏ tên và số điện thoại khách.

Năm bước học việc khi có AI: tự làm trước, AI soạn nháp, so hai bản, giải thích lựa chọn, tự chấm
Sơ đồ minh họa của AI Thạo Việc.

Bước 1. Tự làm trước, chưa mở AI

  • Đầu vào: bảng 40 phản hồi (ngày, kênh, nội dung), đã bỏ thông tin cá nhân.
  • Việc làm: đọc hết 40 dòng, tự chia nhóm, đếm, viết ba nhận xét và một điều chưa chắc. Giới hạn 30 phút.
  • Đầu ra: bản tự làm, thô cũng được.
  • Lỗi dễ gặp: chỉ đọc mười dòng đầu rồi đoán; bỏ bước này vì "AI làm nhanh hơn".
  • Tự kiểm: cộng số lượng các nhóm có ra đúng 40 không.

Bản của Minh: giao trễ 15, giao thiếu hoặc sai hàng 6, đổi trả 7, thái độ nhân viên 3, lời khen 4, khác 5.

Bước 2. Nhờ AI soạn một bản nháp độc lập

Minh dán bảng vào công cụ AI công ty cho phép, kèm yêu cầu:

Yêu cầu có thể sao chép
Tôi là nhân viên chăm sóc khách hàng. Dưới đây là 40 phản hồi của khách trong tuần, đã bỏ tên và số điện thoại.
Hãy:
1. Chia phản hồi thành các nhóm vấn đề. Ghi số lượng từng nhóm và số thứ tự các dòng thuộc nhóm đó.
2. Nêu 3 vấn đề đáng chú ý nhất, mỗi vấn đề kèm 2 câu trích nguyên văn.
3. Ghi riêng những dòng bạn không chắc xếp vào nhóm nào.
Không suy đoán nguyên nhân nếu phản hồi không nói. Không đề xuất giải pháp.

[Dán bảng phản hồi vào đây]
  • Đầu ra: bản nháp của AI, có số thứ tự dòng của từng nhóm để kiểm lại.
  • Lỗi dễ gặp: dán cả bản tự làm vào và bảo AI "sửa giúp", khi đó không còn hai bản độc lập để so; dán dữ liệu còn tên, số điện thoại khách.
  • Tự kiểm: mở ngẫu nhiên năm dòng AI đã xếp nhóm, đọc lại nội dung gốc xem xếp có đúng không.

Bản của AI: vấn đề giao hàng 17, đổi trả 9, ứng dụng báo sai trạng thái đơn 4, thái độ nhân viên 3, lời khen 4, khác 3.

Bước 3. So hai bản, ghi lại từng chỗ khác

Chỗ khácBản của MinhBản của AIMinh chọn, và vì sao
Giao hàngTách giao trễ với giao thiếu, sai hàngGộp thành một nhóm 17 dòngGiữ tách: giao trễ do đơn vị vận chuyển, giao thiếu do kho, hai nơi xử lý khác nhau
Đổi trả7 dòng9 dòngGiữ 7: đọc lại thấy 2 dòng chỉ hỏi chính sách, chưa phải khiếu nại
Ứng dụng báo sai trạng thái đơnKhông có, xếp 4 dòng này vào giao trễNhóm riêng 4 dòngTheo AI: đọc lại thì hàng đến đúng hẹn, lỗi nằm ở ứng dụng

Sau khi so, báo cáo ghi: giao trễ 11, giao thiếu hoặc sai hàng 6, đổi trả 7, ứng dụng báo sai trạng thái đơn 4, thái độ nhân viên 3, lời khen 4, khác 5. Tổng vẫn là 40.

  • Lỗi dễ gặp: thấy AI khác mình là sửa theo AI ngay, hoặc ngược lại, gạt đi vì "mình đọc kỹ hơn". Mỗi chỗ khác đều phải mở dữ liệu gốc.
  • Tự kiểm: mỗi dòng trong bảng so có ghi lý do chọn, và lý do dựa vào dữ liệu gốc hoặc cách công ty vận hành, không phải cảm giác.

Bước 4. Giải thích lựa chọn với người hướng dẫn

Minh gửi chị Hà báo cáo kèm bảng so ở bước 3, rồi trình bày trong 10 phút. Chị Hà không đọc lại cả 40 dòng mà hỏi ba câu:

  1. Con số này em kiểm bằng cách nào?
  2. Nếu gộp hai nhóm giao hàng thì ai sẽ là người xử lý?
  3. Chỗ nào em còn chưa chắc?

Phản hồi của chị Hà: tách hai nhóm giao hàng là đúng. Hai dòng hỏi chính sách đổi trả nên chuyển cho người phụ trách trang hướng dẫn, vì khách phải hỏi tức là trang viết chưa rõ. Và một điều dữ liệu không có: giao trễ dồn vào thứ Ba, thứ Tư vì tuần đó có đợt khuyến mãi, cần ghi chú để người đọc không hiểu thành xu hướng.

Chi tiết cuối là loại kinh nghiệm cả Minh lẫn AI đều không tự biết từ bảng dữ liệu. Người mới chỉ nhận được nó khi có buổi trao đổi này.

  • Lỗi dễ gặp: người mới chỉ gửi bản cuối, giấu phần mình sai; người hướng dẫn chỉ sửa câu chữ mà không hỏi cách kiểm.
  • Tự kiểm: sau buổi trao đổi, người mới ghi lại được ít nhất một điều về công việc mà trước đó chưa biết.

Bước 5. Tự chấm để lần sau ít phải hỏi hơn

Cuối buổi, Minh điền phiếu ở mục dưới và giữ lại. Lần sau làm báo cáo tuần, Minh đọc phiếu cũ trước khi bắt đầu. Sau bốn tuần, Minh và chị Hà xem lại bốn phiếu: số chỗ AI đúng hơn Minh có giảm không, số lỗi Minh tự bắt được có tăng không.

  • Lỗi dễ gặp: chấm cho có, ghi "không có gì"; không đọc lại phiếu cũ.
  • Tự kiểm: phiếu có ít nhất một lỗi cụ thể sẽ tự bắt ở lần sau.

Phiếu học việc cho mỗi lần làm có AI

Chép phiếu này vào sổ ghi chú hoặc tệp riêng, mỗi lần làm việc học điền một phiếu:

Yêu cầu có thể sao chép
PHIẾU HỌC VIỆC
Việc: [tên việc, ngày]
1. Tôi đã tự làm trước khi mở AI chưa? Mất bao lâu?
2. Chỗ AI đúng hơn tôi: [ghi cụ thể]. Vì sao tôi sót?
3. Chỗ tôi đúng hơn AI: [ghi cụ thể]. Tôi dựa vào đâu?
4. Người hướng dẫn chỉ thêm điều gì mà dữ liệu không có?
5. Lần sau tôi sẽ tự kiểm điều gì trước khi nộp?
6. Phần nào lần sau tôi làm được mà không cần hỏi?

Kiểm cho người mới: trước khi nộp việc có dùng AI

  • Tôi đã có bản tự làm, dù thô, trước khi xem bản của AI.
  • Tôi mở dữ liệu gốc để kiểm từng chỗ hai bản khác nhau.
  • Tôi nói được vì sao chọn cách này, bằng lý do về công việc.
  • Tôi ghi rõ phần nào AI soạn, phần nào tôi làm và đã kiểm.
  • Tôi nêu điều còn chưa chắc thay vì giấu.
  • Tôi chỉ đưa vào AI dữ liệu được phép, đã bỏ thông tin cá nhân.
  • Tôi đã điền phiếu học việc.

Kiểm cho người hướng dẫn: khi giao và nhận việc

  • Chọn một việc lặp lại hằng tuần làm việc học, và nói rõ đây là việc để học.
  • Dặn người mới tự làm trước và cho đủ thời gian; chưa chấm tốc độ trong bốn tuần đầu.
  • Nói rõ công cụ AI nào được dùng, dữ liệu nào không được đưa vào.
  • Yêu cầu nộp kèm bảng so hai bản, không chỉ bản cuối.
  • Hỏi cách kiểm và lý do chọn trước khi sửa câu chữ.
  • Mỗi lần chỉ thêm một điều về công việc mà dữ liệu không có.
  • Sau bốn tuần xem lại các phiếu và giao việc khó hơn một bậc.

Khi nào không nên làm đủ năm bước

Việc gấp trong ngày hoặc việc người mới đã làm tốt nhiều lần thì không cần đủ năm bước. Việc có dữ liệu không được phép đưa vào AI thì bỏ hẳn bước 2. Cách làm này tốn thêm khoảng 30 đến 45 phút mỗi lần, nên chỉ hợp với một hai việc được chọn làm việc học, không phải mọi việc trong tuần.

Cũng cần nói rõ giới hạn. Năm bước và hai danh sách kiểm là gợi ý phương pháp của Tổ Thạo Việc, chưa được thử nghiệm có hệ thống. Chưa có nghiên cứu nào tại Việt Nam đo việc người mới học nghề nhanh hay chậm hơn khi dùng AI. Làm theo cách này không bảo đảm được tuyển hay giữ được việc.

Nếu muốn đi tiếp, bài Biết dùng AI chưa đủ: 5 năng lực để người khác yên tâm giao việc cho bạn có mẫu ghi chú bàn giao kèm kết quả AI, còn bài Người biết dùng AI có lợi thế hơn khi đi làm, xin việc không? tách phần nghiên cứu đã đo với phần chưa chứng minh.

Nguồn & lưu ý