Có, nhưng không phải với mọi việc và không phải với mọi người. Các nghiên cứu có đối chứng cho thấy AI rút ngắn đáng kể thời gian với việc viết, trả lời khách theo mẫu, nhất là với người mới; nhưng cũng có nghiên cứu ghi nhận người giàu kinh nghiệm làm chậm hơn khi dùng AI mà vẫn tưởng mình nhanh hơn. Vì vậy cách chắc nhất là tự đo: một tuần, hai đến ba việc lặp lại, tính cả thời gian sửa bản AI viết.
Nghiên cứu nói gì?
Bốn nghiên cứu hay được trích dẫn, mỗi nghiên cứu đo một nhóm người và một loại việc cụ thể:
| Nghiên cứu | Ai, làm việc gì | Kết quả chính |
|---|---|---|
| Noy và Zhang, tạp chí Science, 2023 | 453 người có bằng đại học (marketing, nhân sự, phân tích dữ liệu, quản lý...), viết các văn bản 20 đến 30 phút | Thời gian giảm 40%, chất lượng được chấm cao hơn 18% |
| Brynjolfsson, Li, Raymond, NBER; đăng Quarterly Journal of Economics 2025 | 5.179 nhân viên hỗ trợ khách hàng | Số vấn đề giải quyết mỗi giờ tăng 14% trung bình, 34% với người mới và ít kỹ năng, gần như không đổi với người giỏi |
| Dell'Acqua và cộng sự, Harvard Business School, 2023 | 758 tư vấn viên của BCG | Với việc nằm trong khả năng AI: làm được nhiều hơn 12,2% việc, nhanh hơn 25,1%, chất lượng cao hơn 40%. Với việc nằm ngoài khả năng AI: khả năng ra đáp án đúng giảm 19 điểm phần trăm |
| METR, 2025 | 16 lập trình viên giàu kinh nghiệm, 246 việc trên dự án họ quen | Dùng AI mất thêm 19% thời gian, trong khi chính họ ước lượng mình nhanh hơn 20% |
Ba bài học rút ra:
- Lợi ích lớn nhất ở việc AI làm tốt và người còn ít kinh nghiệm. Người đã giỏi việc đó được lợi ít hơn.
- AI có "vùng làm tốt" không đều. Nhóm nghiên cứu Harvard gọi là đường biên răng cưa (jagged frontier): hai việc trông giống nhau, AI làm tốt việc này nhưng sai việc kia. Tin AI ở việc nằm ngoài vùng đó làm kết quả tệ hơn.
- Cảm giác nhanh chưa chắc là nhanh. Nghiên cứu METR cho thấy người dùng có thể đánh giá sai hẳn chiều. Đầu năm 2026, METR cho biết đang đổi cách thiết kế nghiên cứu và dữ liệu mới gợi ý tình hình có thể đã tốt hơn, nhưng họ chưa khẳng định chắc chắn.
Con số nào trong đó cũng không phải con số của bạn. Cách đọc một báo cáo AI cho đúng phạm vi có trong bài Đọc một báo cáo AI: con số này có thực sự nói về bạn?.
Chọn việc nào để đo?
Chọn hai đến ba việc thỏa ba điều kiện: lặp lại ít nhất 3 lần mỗi tuần; mỗi lần mất từ 10 phút trở lên; có tiêu chí "xong" rõ ràng (email đã gửi, báo cáo đã nộp). Ví dụ: trả lời email khách, viết biên bản họp, soạn bài đăng bán hàng. Nếu chưa biết chọn việc nào, xem Chọn việc đầu tiên để dùng AI.
Bảng tự đo 1 tuần
Nguyên tắc: nửa đầu tuần làm tay như thường lệ, nửa sau làm với AI, hoặc xen kẽ ngày. Bấm giờ bằng điện thoại. Quan trọng nhất là tính cả thời gian sửa: đọc lại, sửa số, sửa giọng, hỏi lại AI.
Ví dụ giả lập cho một nhân viên kinh doanh:
| Việc | Lần | Làm tay (phút) | Có AI: soạn (phút) | Có AI: sửa và kiểm (phút) | Tổng có AI | Chênh lệch |
|---|---|---|---|---|---|---|
| Email trả lời báo giá | 4 | 15 | 4 | 6 | 10 | Nhanh hơn 5 phút mỗi lần |
| Biên bản họp tuần | 1 | 40 | 8 | 30 | 38 | Gần như bằng nhau |
| Bài đăng Facebook | 3 | 20 | 5 | 20 | 25 | Chậm hơn 5 phút mỗi lần |
Thêm một cột "chất lượng" chấm 1 đến 3 (1: phải làm lại, 2: sửa nhiều, 3: gửi được gần như ngay). Nhanh hơn mà chất lượng 1 thì không phải tiết kiệm.
Khi nào AI không tiết kiệm thời gian?
- Việc ngắn bạn đã quen tay. Viết lệnh, chờ, đọc lại có khi lâu hơn tự gõ hai dòng.
- Việc cần số liệu chính xác mà AI không có nguồn. Thời gian kiểm số lấn hết phần tiết kiệm.
- Việc nằm ngoài vùng AI làm tốt. Như nghiên cứu Harvard chỉ ra, kết quả còn tệ hơn tự làm.
- Câu lệnh chưa ổn định. Tuần đầu thường chậm vì đang học cách giao việc; hãy đo lại sau hai đến ba tuần.
- Phải chờ duyệt hoặc chuyển đổi định dạng nhiều lần giữa AI và phần mềm công ty.
Nếu bạn là quản lý muốn đo cho cả nhóm, xem thêm Thử AI trong doanh nghiệp: đo gì để biết có nên tiếp tục?.
Hỏi đáp
Một tuần có đủ để kết luận không?
Đủ để thấy xu hướng cho việc lặp lại nhiều lần, chưa đủ để kết luận chắc. Nếu kết quả sát nhau, đo thêm một tuần sau khi đã lưu câu lệnh mẫu.
Có nên tin con số "tiết kiệm X giờ mỗi tuần" trong quảng cáo không?
Hãy xem con số đó đo trên ai, việc gì, có nhóm đối chứng không. Khảo sát người dùng tự ước lượng dễ cho số cao hơn thực tế, như nghiên cứu METR đã cho thấy.
Tiết kiệm được thời gian thì làm gì với thời gian đó?
Đó là quyết định của bạn và quản lý. Ghi lại thời gian tiết kiệm được dùng vào việc gì giúp bạn chứng minh giá trị khi đề xuất công ty trả phí công cụ.
Giới hạn của bài này
- Các nghiên cứu đo trên nhóm người, công cụ và thời điểm cụ thể (2023 đến 2025); mô hình AI hiện nay đã khác.
- Bảng tự đo là ví dụ giả lập, không phải số liệu thật; tự đo cũng không phải thí nghiệm có đối chứng.
- Bài chưa bàn đến chi phí gói trả phí khi tính hiệu quả.
Nguồn & lưu ý
- MIT News: Study finds ChatGPT boosts worker productivity for some writing tasks
- Science: Experimental evidence on the productivity effects of generative artificial intelligence
- NBER: Generative AI at Work
- The Quarterly Journal of Economics: Generative AI at Work
- SSRN: Navigating the Jagged Technological Frontier
- METR: Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity
- METR: We are Changing our Developer Productivity Experiment Design
- Đối chiếu ngày 26/09/2026. Kết quả nghiên cứu gắn với công cụ và thời điểm đo; nghiên cứu mới có thể cho kết quả khác.
