AI và sự sáng tạo: Điều gì xảy ra khi chúng ta giao phó công việc “nhàm chán”?

AI đang lấy đi những ý tưởng bùng nổ của bạn.

Tác giả bài viết, nguồn: Ghi chú kinh doanh của Viên Chân

Hai năm qua, gần như mọi công ty AI đều kể cùng một câu chuyện:

Giao những công việc lặp lại cho AI, con người sẽ có thời gian để làm những việc sáng tạo hơn.

Cách nói này nghe thật hoàn hảo. Để AI tổng hợp tài liệu, xử lý bảng tính và viết biên bản cuộc họp, trong khi con người tập trung vào chiến lược, sản phẩm và ý tưởng sáng tạo, đó giống như một sự phân công xã hội hoàn hảo.

Nhưng nó đã giấu một tiền đề: lao động lặp lại và công việc sáng tạo là hai việc hoàn toàn tách biệt.

Câu trả lời trong quá khứ không dứt khoát như vậy.

Nhiều sáng tạo thực sự quan trọng không xảy ra sau khi hoàn thành công việc lặp đi lặp lại, mà chính xác là xảy ra trong những khe hở giữa sự lặp lại, thất bại và phân tâm. Bạn dành rất nhiều thời gian đấu tranh với một vấn đề, tính toán, quan sát và sửa đổi liên tục, cho đến khi một khoảnh khắc bình thường đột nhiên nối kết lại những mảnh vỡ rời rạc.

Nếu AI thay chúng ta thực hiện tất cả những công việc tẻ nhạt, điều nó giải phóng có thể không chỉ là thời gian.

Nó cũng có thể lấy đi bối cảnh nơi cảm hứng được sinh ra.

Câu chuyện về Newton và quả táo có lẽ là “thần thoại đổi mới” thành công nhất trong lịch sử nhân loại.

Một quả táo rơi từ cây xuống và trúng Newton. Newton bừng tỉnh và phát hiện ra lực hấp dẫn.

Phiên bản thật không dễ dàng như vậy.

Bạn của Newton, William Stukeley, ghi lại trong hồi ký rằng năm 1726, hai người đang uống trà dưới cây táo. Newton nhớ lại rằng, vào thời điểm đó, ông đang chìm trong suy tư và nhìn thấy quả táo rơi xuống, từ đó ông tự hỏi: Tại sao quả táo luôn rơi thẳng xuống mặt đất, chứ không bay lên hay sang bên cạnh? Sau đó, ông mới “từng bước” mở rộng khái niệm lực này ra với Trái Đất, Mặt Trăng và các thiên thể khác. [1]

Hình 1｜Apple không đưa ra câu trả lời, nó chỉ thắp lửa vào những tài liệu đã được Newton tích lũy qua thời gian dài suy ngẫm.

Quả táo không rơi trúng Newton, cũng không tự nhiên sinh ra một định luật.

Nó giống như một que diêm rơi vào một kho chứa đã đầy ắp nguyên liệu.

Kinh nghiệm của nhà toán học Poincaré mang tính điển hình hơn.

Anh ấy từng liên tục nghiên cứu một lớp hàm, thực hiện rất nhiều phép tính và liên tục thất bại. Sau đó, anh tạm gác công việc để đi du lịch. Ngay trong khoảnh khắc bước lên một chiếc xe ngựa công cộng, một mối liên hệ then chốt đột ngột hiện lên trong đầu anh: các phép biến đổi mà anh đang nghiên cứu chính là cùng một loại với các phép biến đổi trong hình học phi Euclid.

Ý tưởng này đến rất nhanh, thậm chí không cần suy luận ngay tại chỗ. Sau chuyến đi, Poincaré trở lại bàn làm việc và dành thời gian để xác minh đầy đủ nó.

Sau đó, anh ấy chia quá trình sáng tạo thành vài giai đoạn: đầu tiên là sự chuẩn bị vất vả có ý thức, sau đó là giai đoạn ẩn mình dường như chẳng làm gì, tiếp theo là ánh sáng bùng nổ đột ngột, và cuối cùng là quay trở lại việc kiểm chứng nghiêm ngặt. [2]

Chứng minh của Định lý Lớn Fermat cũng vậy.

Andrew Wiles đã làm việc bí mật trong bảy năm, công bố thành công trong chứng minh vào năm 1993, nhưng vài tháng sau đã phát hiện ra lỗ hổng. Ông lại tiếp tục tính toán thêm một năm, cùng với học trò Richard Taylor tìm kiếm từng giải pháp, cho đến tháng 9 năm 1994 mới lấp đầy được khoảng trống đó. [3]

Người ta nhớ đến khoảnh khắc cuối cùng, nhưng nhà toán học thực sự trải qua hàng ngàn phép tính vô hiệu, các con đường thất bại và phải bắt đầu lại.

Sự bùng nổ ý tưởng không bao giờ là món quà rơi từ trên trời xuống. Đó là sự hoàn trả chậm trễ từ bộ não sau khi đã tích lũy đủ công sức chăm chỉ.

Chúng ta hôm nay rất thích chia công việc thành hai loại: những công việc có giá trị thấp giao cho máy móc, những công việc có giá trị cao giữ lại cho con người.

Vấn đề là bộ não con người không hoạt động theo cách các bảng trong báo cáo tư vấn.

Một nhà báo khi tổng hợp hàng chục báo cáo tài chính có thể phát hiện ra hai nhóm số liệu không khớp nhau; một sản phẩm quản lý khi xem từng đánh giá tiêu cực có thể đột nhiên nhận ra người dùng không phàn nàn về tính năng; một bác sĩ khi lặp đi lặp lại xem hình ảnh mới dần xây dựng được trực giác về các bất thường.

Những công việc này nhìn bề ngoài đều không cao cấp, thậm chí rất nhàm chán. Nhưng chúng đã để lại rất nhiều mô hình nhỏ bé trong não bộ.

Trực giác, trong nhiều trường hợp, chỉ là kinh nghiệm đã thành thạo đến mức không thể giải thích từng câu từng chữ.

Việc phát hiện ra penicillin cũng như vậy.

Năm 1928, Fleming trở về sau kỳ nghỉ và phát hiện một đĩa nuôi cấy vi khuẩn tụ cầu đã bị nhiễm nấm mốc, vùng xung quanh nấm mốc không có sự phát triển của vi khuẩn. Sự nhiễm bẩn là ngẫu nhiên, nhưng phát hiện thì không phải. Một người không có thói quen quan sát vi khuẩn lâu dài sẽ chỉ thấy một chiếc đĩa bẩn cần vứt đi.

Điều dễ bị bỏ qua là Fleming không ngay lập tức tạo ra loại thuốc này. Gần mười năm sau, Florey, Chain và một nhóm nghiên cứu mới tái khởi động nghiên cứu này. Họ nuôi nấm mốc trong thùng sữa, hộp thực phẩm và thậm chí là bồn tắm, đồng thời tìm kiếm các chủng nấm có năng suất cao tại Mỹ, cuối cùng mới biến phát hiện tình cờ trong phòng thí nghiệm thành một sản phẩm công nghiệp có thể cứu người. [4]

Hình 2｜ Ô nhiễm là ngẫu nhiên, việc phát hiện phụ thuộc vào quan sát dài hạn; thuốc chủ yếu đến từ quá trình kỹ thuật hóa trong thập kỷ tiếp theo.

Lịch sử thích kể về những khoảnh khắc “Eureka” (từ cảm thán tiếng Hy Lạp, nghĩa là “Tôi đã tìm thấy” hoặc “Tôi đã phát hiện ra”), nhưng ngành công nghiệp thực sự dựa vào những công trình kéo dài, lặp đi lặp lại và không hề đẹp đẽ sau đó.

Khi sau này Einstein mô tả cách suy nghĩ của mình cho nhà toán học Hadamard, ông cũng nói rằng những gì xuất hiện đầu tiên thường không phải là ngôn ngữ hoàn chỉnh, mà là hình ảnh, ký hiệu và các yếu tố mang tính động tác. Ông sẽ để những yếu tố này kết hợp lặp đi lặp lại, còn ngôn ngữ lại là điều đến sau. [5]

Sáng tạo không phải là tạo ra từ hư vô, mà giống như tái tổ chức.

Bạn đã thấy gì, làm gì, và thất bại ở đâu, điều đó quyết định trong đầu bạn có những gì có thể được kết nối lại.

Nếu mọi tài liệu đều được tóm tắt bởi AI, bản nháp đầu tiên đều được AI tạo ra, và dữ liệu đều được AI làm sạch, thì con người thực sự sẽ dễ dàng hơn nhiều. Nhưng theo thời gian, những gì chúng ta tiếp xúc chỉ còn là sản phẩm đã qua xử lý của máy móc, chứ không còn là nguyên liệu thô, thô ráp, mâu thuẫn và có nhiễu.

Hiệu suất đã được cải thiện, nhưng cảm giác có thể trở nên kém nhạy bén hơn.

Walter Isaacson đã đặt ra một câu hỏi trong cuốn sách “The Innovators”: Máy tính và internet rốt cuộc do ai phát minh ra?

Cuối cùng, anh ấy phát hiện ra rằng vấn đề này rất khó để trả lời bằng một cái tên người.

Cuộc cách mạng số không phải là ý tưởng đột phá của một thiên tài nào đó trong gara xe. Những máy tính đầu tiên, transistor, chip, phần mềm và internet đều đến từ những cải tiến nối tiếp qua nhiều thế hệ. Có người đưa ra khái niệm, có người hàn mạch, có người viết chương trình, và có người biến những nguyên mẫu đắt đỏ thành sản phẩm mà người bình thường có thể sử dụng.

Khi đề cập đến máy tính Harvard Mark I, lời kể của Grace Hopper nhấn mạnh vào Howard Aiken, trong khi phiên bản của IBM lại nhấn mạnh vào những kỹ sư không được ghi tên: hàng loạt cải tiến nhỏ như bộ đếm, máy đọc thẻ, v.v., đã cùng nhau tạo nên cỗ máy cuối cùng. [6]

Hình 3｜《Người Đổi Mới》 liên tục nhắc nhở: Cách mạng số xuất phát từ sự hợp tác nhiều người, nhiều vòng, từng bước.

Đây không phải là phủ nhận thiên tài, mà là khôi phục cấu trúc thực sự của sự đổi mới.

Một sự kiện mang tính đột phá thường đồng thời đòi hỏi sự tưởng tượng táo bạo của một số ít người và nỗ lực bền bỉ của đa số. Những người前者 chịu trách nhiệm thay đổi hướng đi, trong khi những người后者 đảm nhiệm việc biến hướng đi mới thành hiện thực. Hai yếu tố này không thay thế lẫn nhau.

Điều hấp dẫn nhất của AI là nó dường như có thể đóng cùng lúc cả hai vai này: vừa đưa ra ý tưởng, vừa thực hiện.

Nhưng ở đây cũng xuất hiện vấn đề mới.

Năm 2024, Tạp chí Science Advances đã công bố một thí nghiệm về AI tạo sinh và viết lách. Những người nhận sự hỗ trợ ý tưởng từ AI đã viết ra những câu chuyện trung bình sáng tạo và hoàn chỉnh hơn, đặc biệt rõ rệt ở những người ban đầu có khả năng sáng tạo yếu hơn; tuy nhiên, khi xem xét tất cả các tác phẩm cùng nhau, các câu chuyện được hỗ trợ bởi AI lại có xu hướng giống nhau hơn. [7]

AI đã nâng cao ngưỡng tối thiểu của cá nhân và thu hẹp sự khác biệt giữa các nhóm.

Điều này rất giống với các nền tảng nội dung hôm nay: mọi người đều viết trôi chảy hơn trước, tiêu đề, cấu trúc, câu nói nổi bật đều đầy đủ; đọc xong mười bài, nhưng lại như chỉ đọc một bài.

Khi tất cả mọi người đều yêu cầu cùng một mô hình đưa ra “ý tưởng đầu tiên”, chúng ta đã bỏ qua những trang trống và có thể cùng đi đến câu trả lời dễ dự đoán nhất.

Điều này không có nghĩa là con người nên từ chối AI và quay lại lãng phí thời gian vào việc sao chép dán và định dạng cơ học.

Máy tính không phá hủy toán học, công cụ tìm kiếm cũng không phá hủy kiến thức. Công cụ thực sự thay đổi là khả năng mà con người phải giữ lại.

AI có thể thay chúng ta làm công việc nặng nhọc, nhưng con người không vì thế mà quên đi lý do tại sao bức tường lại được xây ở đây.

Nỗi lo ngại này đã không còn là cuộc thảo luận triết học nữa. Năm 2025, các tổ chức như Viện Nghiên cứu Microsoft đã khảo sát 319 chuyên gia tri thức và thu thập 936 trường hợp sử dụng AI thực tế. Kết quả cho thấy: người càng tin tưởng AI, thì càng ít thực hiện tư duy phản biện (Critical thinking – một hình thức suy nghĩ hợp lý và phản tư) trong nhiệm vụ; ngược lại, người càng tin vào phán đoán chuyên môn của bản thân, thì càng thực hiện nhiều tư duy phản biện hơn. AI không khiến suy nghĩ biến mất, mà đã chuyển dịch suy nghĩ từ việc “tự tạo ra” sang “kiểm tra, tích hợp và giám sát”. Vấn đề là, nếu con người chỉ nhìn thấy một sản phẩm hoàn chỉnh trôi chảy, việc kiểm tra rất dễ trở thành sự gật đầu đơn thuần. [8]

Tín hiệu trực tiếp hơn đến từ việc viết lách và lập trình. Một thí nghiệm ghi sóng não với 54 người của Phòng thí nghiệm Truyền thông MIT phát hiện ra rằng, những người tham gia viết liên tục bằng mô hình lớn có kết nối mạng não yếu nhất, đồng thời ghi nhớ nội dung bài viết và cảm giác “đây là tác phẩm của tôi” cũng thấp hơn; tuy nhiên, nghiên cứu này vẫn chỉ là bản preprint với mẫu nhỏ, không thể kết luận rằng AI sẽ khiến con người trở nên ngu ngốc vĩnh viễn. [9] METR khi thực hiện thí nghiệm ngẫu nhiên với 16 nhà phát triển mã nguồn mở giàu kinh nghiệm và 246 nhiệm vụ thực tế cũng phát hiện ra rằng, sau khi sử dụng công cụ AI vào đầu năm 2025, các nhà phát triển hoàn thành nhiệm vụ chậm hơn 19%. Điều thú vị hơn là họ trước đó dự đoán AI sẽ giúp họ nhanh hơn. [10] METR trong theo dõi năm 2026 đánh giá rằng các công cụ thế hệ mới rất có thể đã mang lại tốc độ gia tăng, nhưng do sự thiên lệch chọn lọc rõ rệt trong nhóm người tham gia và nhiệm vụ, vẫn chưa thể ước lượng chính xác mức độ tăng tốc. [11] Điều AI có thể làm suy yếu đầu tiên, có lẽ không phải là năng lực bản thân, mà là khả năng con người tự đánh giá xem mình có còn đang suy nghĩ hay không.

Đối với cá nhân, ít nhất có ba việc không nên giao ngoài một cách dễ dàng.

Đầu tiên, vấn đề đến từ đâu.

Đừng ngay lập tức hỏi AI “Tôi nên viết gì?” hay “Tôi nên nghiên cứu gì?”. Hãy đến tận nơi khách hàng, hãy đọc các tài liệu gốc, hãy tự mình cảm nhận những điều gì đó không ổn. Một câu hỏi hay thường xuất phát từ những chi tiết mà người khác cho là phiền phức và bỏ qua.

Thứ hai, nguồn gốc của phán đoán vòng đầu tiên là từ đâu.

Có thể để AI mở rộng, phản biện và bổ sung thông tin, nhưng tốt nhất nên để lại một bản nháp thô chưa qua xử lý của mô hình. Dù chỉ có vài câu, cũng cần biết mình ban đầu nghĩ gì như thế nào. Nếu không, sự hợp tác giữa người và AI rất dễ trở thành người sửa chữa cho AI.

Thứ ba, ai chịu trách nhiệm về kết quả.

Chỉ khi tự mình từng làm công việc nền tảng, mới biết AI sai ở đâu. Một người chưa bao giờ viết mã khó có thể phân biệt được mã chỉ có thể chạy được hay đủ vững để đưa lên sản xuất; một người chưa từng nghiên cứu kỹ báo cáo tài chính cũng khó phát hiện ra những sai lệch về phương pháp trong một bản phân tích trông thật đẹp mắt.

Vậy thì điều gì có thể giao cho AI?

Tiêu chuẩn đánh giá không phải là “có sáng tạo hay không” hay “có lặp lại hay không”, mà là ba việc: tiêu chuẩn nghiệm thu có rõ ràng không, quy trình có thể truy xuất được không, và khi xảy ra lỗi có thể hoàn tác được không. Các công việc như chuyển đổi tài liệu, định dạng lại, làm sạch dữ liệu theo quy tắc đã biết, mẫu mã và test case, các phiên bản văn bản và bản phác thảo thiết kế cùng chủ đề đều phù hợp để giao cho AI. Các quyết định chiến lược, tiêu chuẩn sự thật, thẩm mỹ thương hiệu, kiến trúc hệ thống và chữ ký cuối cùng thì không thể chỉ vì AI làm nhanh mà giao hết cho nó.

Sau khi giao việc, con người vẫn phải “tự đấu với chính mình” cùng AI. Trước khi hành động, hãy ghi lại phán đoán và tiêu chuẩn đánh giá của bản thân; khi AI tạo nội dung, hãy yêu cầu nó đồng thời đưa ra ý kiến phản đối, điều kiện thất bại và nguồn dẫn chứng; sau khi tạo xong, con người quay lại tài liệu gốc, kiểm tra ngẫu nhiên các sự thật, tính lại các con số quan trọng và chạy lại các bài kiểm tra then chốt; sau một khoảng thời gian, hãy sắp xếp một buổi “luyện tập tay không” không dùng AI. Người viết cần giữ lại các cuộc phỏng vấn độc lập và bản nháp đầu tiên; lập trình viên cần giữ lại việc kiểm tra mã và xử lý sự cố; nhà thiết kế cần giữ lại lựa chọn khái niệm và phán quyết cuối cùng về hình ảnh trực quan. Chỉ những người vẫn biết kiểm tra, dám bác bỏ và có thể tiếp nhận lại công việc mới thực sự xứng đáng giao việc cho AI.

Đối với công ty, điều thực sự cần cảnh giác không phải là nhân viên sử dụng AI bao nhiêu, mà là tổ chức có còn đang sản xuất kinh nghiệm thực tế hay không.

Nếu giới trẻ không còn thực hiện phân tích cơ bản, không còn trao đổi với khách hàng để xác định nhu cầu, và không còn trải qua những bản nháp đầu tiên thất bại, công ty có thể đạt được những sản phẩm giao nhanh hơn trong ngắn hạn, nhưng về lâu dài có thể đánh mất con đường phát triển khả năng phán đoán.

Trước đây, một người mới thông qua ba năm nỗ lực chăm chỉ mới dần trở thành một chuyên gia có trực giác. Bây giờ, AI có thể giúp người mới đưa ra câu trả lời đạt 70 điểm ngay trong ngày đầu tiên.

Nhưng để đi từ bảy mươi điểm đến chín mươi điểm, anh ấy vẫn cần tự mình chứng kiến vấn đề, từng mắc sai lầm và trả giá cho kết quả đó.

AI đang nâng cao sự sáng tạo hay làm giảm sự sáng tạo?

Câu trả lời phụ thuộc vào việc chúng ta đặt nó ở đâu.

Để AI xử lý những công việc lặp đi lặp lại mà bạn đã suy nghĩ kỹ, nó là đòn bẩy; nhưng nếu để AI thay thế chúng ta tiếp xúc với thực tế, hình thành vấn đề và đưa ra các phán đoán đầu tiên, nó sẽ dần trở thành cây gậy chống.

Sự sáng tạo thực sự không bao giờ chỉ đơn thuần là “đưa ra một ý tưởng”.

Nó bao gồm sự làm quen với vật liệu, sự nhạy bén với các bất thường, khả năng chịu đựng khoảng thời gian dài không có câu trả lời, và sau khi có ý tưởng đột phá, lặp đi lặp lại để kiểm chứng nó.

Những phần này rất chậm chạp, không đàng hoàng, thậm chí khó có thể ghi vào bảng đánh giá hiệu suất. Nhưng hầu hết các định lý quan trọng trong lịch sử, các phát hiện khoa học và sáng tạo công nghiệp đều bắt nguồn từ đây.

AI chắc chắn có thể giúp chúng ta hái táo.

Nhưng người dưới cây đó có thể nghĩ đến lực hấp dẫn hay không, vẫn phụ thuộc vào việc anh ta đã suy nghĩ bao lâu trước khi quả táo rơi xuống.

Tài liệu tham khảo

[1] William Stukeley, Memoirs of Sir Isaac Newton's Life, Dự án Newton (Đại học Oxford).

[2] Henri Poincaré, “L'invention mathématique”, 1908.

[3] Tài liệu từ Viện Toán học Oxford và Đại học Bristol về Andrew Wiles và Định lý Lớn của Fermat.

[4] Nhóm Bảo tàng Khoa học, “Penicillin được phát triển như thế nào?”

[5] Jacques Hadamard, The Mathematician's Mind: The Psychology of Invention in the Mathematical Field.

[6] Walter Isaacson, The Innovators: How a Group of Hackers, Geniuses, and Geeks Created the Digital Revolution.

[7] Anil R. Doshi và Oliver P. Hauser, “AI sinh tạo tăng cường sự sáng tạo cá nhân nhưng làm giảm tính đa dạng tập thể của nội dung mới,” Science Advances, 2024.

[8] Hao-Ping Lee và các cộng sự, “Tác động của AI tạo sinh đến tư duy phản biện”, CHI 2025.

[9] Nataliya Kosmyna et al., “Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task”, bản preprint năm 2025.

[10] Joel Becker và các tác giả khác, “Đo lường tác động của AI đầu năm 2025 đến năng suất của các nhà phát triển mã nguồn mở có kinh nghiệm”, METR, 2025.

[11] Joel Becker và những người khác, “Chúng tôi đang thay đổi thiết kế thí nghiệm năng suất phát triển của mình”, METR, 2026.