AI không thay nguyên xi một phòng ban — nhưng 60–70% công việc có thể tự động hóa

Nếu nói ngắn gọn: AI không “thay thế nguyên xi” một phòng ban, nhưng nó đã đủ mạnh để tự động hóa 60–70% khối lượng công việc thường ngày của nhiều vị trí văn phòng; người nào biết thiết kế quy trình và “chỉ huy” AI sẽ có năng suất vượt xa cả một đội. Bài này nhìn câu chuyện như một báo cáo khoa học rút gọn, nhưng vẫn là góc nhìn cá nhân: quá khứ – hiện tại – tương lai, rồi đi vào “cách làm” cụ thể để biến AI thành một “phòng ban ảo”. McKinsey

”AI thay thế một phòng ban” nghĩa là gì?

McKinsey ước tính, nếu gom generative AI (như GPT) với các công nghệ tự động hóa khác, thì 60–70% tổng số giờ làm việc hiện tại có thể được tự động hóa về mặt kỹ thuật, chủ yếu là các công việc xử lý thông tin, tổng hợp, viết, phân tích. Điều đó không đồng nghĩa 60–70% nhân sự bị sa thải ngay, mà là đa số tác vụ trong một vai trò có thể giao cho hệ thống, còn con người chuyển sang phần chiến lược, giao tiếp phức tạp, ra quyết định. McKinsey

Goldman Sachs phân tích thêm: khoảng hai phần ba số việc làm hiện tại có ít nhất một phần nhiệm vụ đủ tiêu chuẩn để AI tự động hóa, và tối đa một phần tư khối lượng công việc hiện tại có thể được AI “làm thay hoàn toàn”. Vì thế, khi mình nói “một người dùng AI thay được một phòng ban”, thực chất là: một người biết thiết kế và vận hành hệ thống gồm nhiều “tác nhân AI” (AI agent) có thể đảm nhận 60–80% việc lặp lại của cả phòng, còn phần 20–40% cần con người thì chính người đó (và một nhóm rất nhỏ) xử lý. Business Insider

Bối cảnh lịch sử và hiện tại

Trong thế kỷ 20, tự động hóa chủ yếu đến từ máy móc và phần mềm đặc thù: robot công nghiệp thay công nhân dây chuyền, phần mềm ERP thay sổ sách giấy. Làn sóng hiện tại khác ở chỗ: generative AI động vào đúng phần “việc trí óc” – viết báo cáo, soạn email, lập kế hoạch, code, phân tích dữ liệu – vốn từng được cho là khó tự động hóa. McKinsey cho rằng chính nhờ khả năng hiểu và tạo ngôn ngữ tự nhiên mà tiềm năng tự động hóa nhảy từ khoảng 50% hoạt động công việc lên 60–70% trong các mô hình cập nhật. McKinsey PDF

Các khảo sát gần đây của McKinsey cho thấy những bộ phận dùng AI – đặc biệt generative AI – nhiều nhất hiện nay là marketing & sales, phát triển sản phẩm/dịch vụ và vận hành dịch vụ (customer care, back office). Ba nhóm này cùng với software engineering ước tính tạo ra khoảng 75% tổng giá trị kinh tế hàng năm mà generative AI có thể mang lại. Đến khoảng 2030, trong kịch bản trung bình, 27% giờ làm việc ở châu Âu và 30% ở Mỹ có thể được tự động hóa, với phần lớn tăng tốc nhờ generative AI. McKinsey, ClearStar

Ví dụ thực tế và quy mô tác động

Klarna công bố chatbot chăm sóc khách hàng (dùng công nghệ OpenAI) đang xử lý khối lượng công việc tương đương khoảng 700 nhân viên CS. Nhiều tập đoàn khác cũng đi theo hướng này: ngân hàng dùng AI soạn bản nháp hợp đồng, phân tích tài liệu pháp lý; Best Buy cắt giảm nhân sự và đầu tư vào hệ thống hỗ trợ kỹ thuật dùng generative AI. Telenor dùng chatbot “Telmi” xử lý phần lớn câu hỏi thường gặp, tăng mức độ hài lòng khách hàng 20% và doanh thu hàng năm 15%. Forbes, Typewiser

Goldman Sachs ước tính generative AI có thể ảnh hưởng tới khoảng 300 triệu việc làm toàn thời gian trên toàn cầu và có thể đẩy GDP toàn cầu thêm khoảng 7%. McKinsey ước tính riêng generative AI có thể đóng góp tới 4,4 nghìn tỷ USD giá trị kinh tế mỗi năm (khoảng 4% GDP toàn cầu), với điều kiện doanh nghiệp đầu tư đúng mức vào triển khai và đào tạo lại nhân lực. CNN, McKinsey

Mô hình “phòng ban ảo” vận hành bằng AI

Mình nhìn “phòng ban ảo” không phải một con bot duy nhất, mà là tập hợp nhiều agent AI và công cụ phần mềm, kết nối theo quy trình rõ ràng:

Phân rã công việc theo tác vụ — Liệt kê toàn bộ pipeline của phòng (ví dụ CSKH: tiếp nhận, phân loại, trả lời mẫu, xử lý ngoại lệ, báo cáo…), chia thành: lặp lại – dựa trên luật – cần phán đoán – cần quyền quyết định. Phần lặp lại và dựa trên luật là ứng viên số một cho AI.
Gán công cụ/agent cho từng đoạn — LLM cho tiếp nhận – hiểu – trả lời thường gặp; RPA hoặc API cho thao tác hệ thống (ticket, CRM); mô hình phân loại hoặc LLM cho gắn nhãn – ưu tiên – định tuyến; lớp “QA bot” kiểm tra chất lượng trước khi gửi khách.
Con người = manager của phòng ban AI — Thiết kế prompt, mẫu câu trả lời, policy; giám sát dashboard (tỉ lệ lỗi, case AI không xử lý được); tinh chỉnh hệ thống, cập nhật kiến thức.
Chu trình học liên tục — Mỗi tương tác được log, chấm điểm (tự động + thủ công), dùng làm dữ liệu để AI tốt hơn theo thời gian.

Khía cạnh	Phòng ban truyền thống	Phòng ban AI-first
Khối lượng công việc lặp lại	Con người làm tay, dễ mệt mỏi, sai sót	AI làm chính, con người duyệt / xử lý ngoại lệ
Vận hành quy trình	Quy định trên giấy, training lâu	Quy trình hóa vào workflow + agent, cập nhật tập trung
Tốc độ thử nghiệm	Chậm, đổi SOP	Nhanh, đổi prompt / logic, rollout gần như ngay
Vai trò người quản lý	Quản lý người, ca làm, KPI cá nhân	Thiết kế hệ thống, KPI hệ thống, tối ưu AI + con người
Yêu cầu kỹ năng	Chuyên môn nghiệp vụ + quản lý con người	Chuyên môn nghiệp vụ + tư duy hệ thống + hiểu AI / dữ liệu

Lộ trình cá nhân và cách bắt đầu

Nếu mục tiêu là trở thành người “biết dùng AI để tái cấu trúc một phòng ban”, mình thấy lộ trình nên gồm: (1) Rất hiểu nghiệp vụ của phòng ban đó; (2) Nắm khả năng và giới hạn của generative AI; (3) Biết thiết kế workflow và “prompt hệ thống”; (4) Kỹ năng kỹ thuật vừa đủ (code hoặc làm việc với developer để kết nối AI vào CRM, ticketing, email); (5) Kỹ năng quản trị thay đổi và đạo đức AI (phân công lại, đào tạo lại, guardrail bảo mật, bias, tuân thủ). Makebot, Typewiser, McKinsey

Cách mình sẽ bắt đầu: chọn một phòng ban cụ thể (CSKH hoặc marketing nội dung – nơi có nhiều việc lặp lại, dữ liệu đã số hóa, rủi ro vừa phải); vẽ bản đồ quy trình chi tiết kèm thống kê sơ bộ; dùng AI ở vai trò “trợ lý tăng tốc” trước (sinh nháp email, trả lời mẫu, báo cáo tự động), đo năng suất và chất lượng; khi đủ ổn mới đóng gói thành workflow/tác nhân và tự động hóa một phần, mình chuyển sang giám sát hệ thống và xử lý ngoại lệ.

McKinsey cập nhật: nếu tính cả generative AI, mốc 50% hoạt động công việc có thể tự động hóa có thể rơi vào khoảng 2030–2060 (kịch bản trung bình khoảng 2045). “Phòng ban ảo” sẽ trở nên bình thường trong 5–10 năm tới; nhu cầu cho người biết thiết kế, giám sát và tối ưu các hệ thống này sẽ tăng mạnh. McKinsey PDF, Business Insider

Tóm lại: AI không xóa sổ một phòng ban nguyên xi, nhưng đủ mạnh để một người biết thiết kế quy trình và chỉ huy AI đảm đương năng lực tương đương cả phòng. Lợi thế cạnh tranh nằm ở chỗ biến AI thành “phòng ban ảo” có hệ thống, không phải chỉ xài chatbot thủ công.

Hành động gợi ý: Chọn một phòng ban cụ thể (CSKH, marketing, hoặc back office), vẽ bản đồ quy trình và thống kê thời gian/lỗi từng bước, rồi bắt đầu với AI ở vai trò trợ lý tăng tốc trước khi chuyển sang workflow tự động.