Meta và Klarna lùi bước: Vì sao tự động hóa bằng AI vẫn cần con người

AI đang thay đổi cách doanh nghiệp tổ chức nhân sự, nhưng Meta và Klarna cho thấy việc thay thế trọn vẹn một bộ phận bằng AI khó hơn rất nhiều so với tự động hóa từng phần việc. Meta đã dừng chuẩn bị cho đợt tái cấu trúc Project OT thứ hai sau đợt cắt giảm nhân sự đầu tiên; còn Klarna tuyển lại nhân sự hỗ trợ khách hàng sau khi mô hình quá thiên về AI dẫn tới chất lượng dịch vụ thấp hơn. 218

Bài học ở đây mang tính vận hành, không phải tranh luận ý thức hệ: AI có thể đảm nhận các việc có quy trình rõ ràng và lặp lại với quy mô lớn, nhưng doanh nghiệp vẫn cần con người để xử lý mơ hồ, kiểm tra đầu ra, giải quyết ngoại lệ và gìn giữ trải nghiệm khách hàng.

Meta: tham vọng đội ngũ tinh gọn gặp giới hạn thực tế

Theo Reuters, Project OT — viết tắt của Organization Transformation (Chuyển đổi tổ chức) — là kế hoạch tái cấu trúc gồm hai đợt của Meta. Công ty thực hiện đợt đầu vào tháng 5/2026, cắt giảm khoảng 10% lực lượng lao động, rồi dừng việc chuẩn bị cho đợt tiếp theo dự kiến vào tháng 11. Meta xác nhận Project OT tồn tại, mô tả đây là chương trình kéo dài một năm tập trung vào giảm chi phí, thiết kế lại đội ngũ và điều chuyển nhân sự sang các ưu tiên mới. 2

Điểm đáng chú ý là đây không chỉ là một đợt cắt giảm chi phí thông thường. Kế hoạch hướng tới các nhóm nhân sự nhỏ hơn, được hỗ trợ bởi các tác nhân AI. Diễn biến sau đó nhấn mạnh một khác biệt quan trọng: tạo được nhiều bản nháp, mã nguồn hay đầu việc hơn chưa đồng nghĩa với việc có thể bàn giao sản phẩm một cách ổn định và đáng tin cậy.

Trong các quy trình phức tạp, con người vẫn phải xác định mục tiêu, kết nối công việc giữa nhiều hệ thống, kiểm thử kết quả, phát hiện lỗi và chịu trách nhiệm khi có sự cố. Meta không từ bỏ đầu tư vào AI hay cách làm việc có AI hỗ trợ; điều thay đổi là mức độ tin tưởng rằng năng lực của các tác nhân AI đủ để biện minh cho một đợt cắt giảm nhân sự diện rộng tiếp theo theo tiến độ ban đầu. 2

Klarna: xử lý nhiều yêu cầu hơn không đồng nghĩa dịch vụ tốt hơn

Kinh nghiệm của Klarna cho thấy cùng một vấn đề ở mảng chăm sóc khách hàng. Trợ lý AI của công ty xử lý phần lớn các cuộc hội thoại hỗ trợ tiêu chuẩn, như câu hỏi về thanh toán, hoàn tiền và đổi trả. Nhưng sau đó, Klarna đã rời bỏ lập trường chỉ dựa vào AI và tuyển lại nhân sự hỗ trợ con người. 1720

Theo các bài viết về thay đổi này, CEO Sebastian Siemiatkowski thừa nhận Klarna đã cắt giảm năng lực nhân sự quá mạnh. Vấn đề không phải AI không có giá trị, mà là dịch vụ tự động gặp khó ở những tình huống phức tạp, mơ hồ hoặc nhạy cảm về cảm xúc — nơi nhân viên giàu kinh nghiệm có thể điều tra, cân nhắc linh hoạt và thể hiện sự thấu cảm. Klarna bắt đầu xây dựng lại năng lực hỗ trợ con người song song với tự động hóa. 1819

Trong dịch vụ khách hàng, khác biệt này đặc biệt quan trọng. Một hệ thống có thể giải quyết nhanh các yêu cầu phổ biến, nhưng vẫn làm suy giảm niềm tin nếu khách hàng có tranh chấp thanh toán, hoàn cảnh bất thường hoặc vấn đề leo thang không thể nhanh chóng tiếp cận một người đủ thẩm quyền. Tự động hóa chỉ thực sự hữu ích khi quy trình đã có sẵn đường chuyển tiếp rõ ràng sang nhân viên con người và cơ chế chịu trách nhiệm.

Mô hình đang hình thành: AI là đòn bẩy, không phải vật thay thế cho mọi vị trí

Từ hai trường hợp trên, một mô hình vận hành bền vững hơn đang dần hiện rõ:

• Tự động hóa các tác vụ có thể dự đoán. AI hữu ích nhất khi đầu vào được chuẩn hóa, đầu ra dễ kiểm chứng và sai sót có thể khắc phục với chi phí thấp.
• Giữ con người ở các điểm ra quyết định. Con người vẫn thiết yếu khi công việc đòi hỏi bối cảnh xuyên nhiều hệ thống, sự đánh đổi, phán đoán, trách nhiệm giải trình hoặc quản trị quan hệ.
• Thiết kế cơ chế chuyển cấp ngay trong quy trình. Chăm sóc khách hàng và các hoạt động có hệ quả lớn cần cách chuyển giao minh bạch cho người có chuyên môn, thay vì để khách hàng mắc kẹt trong vòng lặp tự động.
• Đo kết quả thay vì chỉ đo sản lượng. Nhiều mã nguồn được tạo hơn, phản hồi đầu tiên nhanh hơn hay số tác vụ cao hơn đều là chỉ số chưa đủ nếu chất lượng, tỷ lệ giải quyết, độ an toàn và niềm tin của khách hàng đi xuống.

Điều này không có nghĩa công việc không bị tác động. Thay đổi nhiều khả năng sẽ đến qua việc thiết kế lại đội ngũ, thay đổi yêu cầu kỹ năng và giảm số vị trí chỉ phụ trách việc thường lệ — chứ không phải sự kết thúc tức thì của lao động con người.

Dữ liệu tuyển dụng cho thấy sự dịch chuyển về năng lực kỹ thuật

Bức tranh tuyển dụng trong ngành công nghệ phù hợp với cách diễn giải đó. SignalFire cho biết tuyển dụng tại các công ty công nghệ lớn thấp hơn 25% so với mốc năm 2019, trong khi tuyển dụng kỹ sư phần mềm giảm 11%. Vì vậy, kỹ sư phần mềm chiếm 55% tổng số tuyển dụng tại các công ty này, tăng từ 46% vào năm 2019. 49

Các số liệu này không chứng minh AI là nguyên nhân của mọi thay đổi tuyển dụng; chu kỳ kinh doanh và quá trình điều chỉnh nhân sự hậu đại dịch cũng có tác động. Nhưng chúng cho thấy tổ chức tinh gọn hơn không đồng nghĩa nhu cầu về nhân lực kỹ thuật biến mất. Thay vào đó, cơ cấu tuyển dụng dịch chuyển về phía những người có thể xây dựng, triển khai, đánh giá, bảo mật và giám sát các hệ thống ngày càng tự động hóa.

Rủi ro cận kề nhất nằm ở nấc thang nghề nghiệp đầu vào

Các nhà nghiên cứu tại Stanford Digital Economy Lab không tìm thấy bằng chứng về tình trạng mất việc làm diện rộng trên toàn nền kinh tế trong dữ liệu bảng lương hành chính đến tháng 6/2026. Tuy nhiên, việc làm của nhóm lao động 22–25 tuổi trong các nghề có mức độ tiếp xúc cao với AI thấp hơn 19% so với mức mà nhóm này có thể đạt được nếu tăng trưởng ngang bằng các bạn đồng trang lứa trong những nghề ít bị tác động hơn. Nhóm lao động giàu kinh nghiệm không có khoảng cách tương tự, và điều chỉnh chủ yếu diễn ra qua giảm tuyển dụng thay vì tăng số người bị thôi việc. 35

Con số 19% là mức thiếu hụt tương đối theo giả định “bắt kịp tốc độ”, không phải số lượng việc làm đã được chứng minh là bị AI trực tiếp xóa bỏ. Dù vậy, nó nêu bật một vấn đề đáng lưu ý: khi AI đảm nhận một phần việc thường lệ dành cho người mới, doanh nghiệp có thể tạo ra ít cơ hội hơn để người trẻ tích lũy kinh nghiệm cần thiết cho các vị trí cao hơn.

Doanh nghiệp nên rút ra gì từ Meta và Klarna?

Câu hỏi hữu ích không còn là có nên dùng AI hay không, mà là AI có thể cải thiện quy trình ở đâu mà không làm mất đi các năng lực con người khiến quy trình đó đáng tin cậy.

Việc Meta dừng làn sóng thứ hai và Klarna tuyển lại nhân sự hỗ trợ đều cho thấy doanh nghiệp nên đánh giá tự động hóa qua kết quả cuối cùng: sản phẩm được bàn giao thành công, quyết định chính xác, vụ việc được xử lý dứt điểm, niềm tin của khách hàng và chi phí khôi phục khi xảy ra lỗi. Ở nơi AI hoạt động tốt, công nghệ có thể giúp một nhóm nhỏ phục vụ được khối lượng công việc lớn hơn. Nhưng khi mức độ bất định hoặc hệ quả của sai sót cao, thiết kế phù hợp thường là con người kết hợp AI, không phải mô hình không cần con người.

AI vì thế đang định hình lại cơ cấu và đòn bẩy của các đội ngũ. Những doanh nghiệp hưởng lợi nhiều nhất có lẽ sẽ là các doanh nghiệp xem tự động hóa là công cụ để con người làm việc tốt hơn, thay vì lối tắt để né tránh phần việc của con người mà sản phẩm phức tạp và quan hệ với khách hàng vẫn đòi hỏi.