Cuộc cách mạng công nghiệp AI: Chúng ta vẫn đang sử dụng các quy trình làm việc cũ?

Bài viết: Will阿望

Trong năm qua, tôi đã tham gia một số hội nghị ngành chủ đề AI. Trên sân khấu, các diễn giả lần lượt trình diễn những trò chơi của AI, dưới khán đài mọi người giơ điện thoại quay phim màn hình, đăng lên朋友圈 rồi tiếp tục lướt điện thoại. Nhưng trở về văn phòng, vẫn là những cuộc họp tuần giống nhau, những quy trình phê duyệt giống nhau, những báo cáo tuần giống nhau. Các công ty lớn đã đưa lượng tiêu thụ Token vào KPI, có người dùng script để tăng số liệu trở thành lao động tiên tiến. Những người trên朋友圈 hôm nay nói Claude cách mạng, ngày mai Codex tuyệt vời, ngày kia Gemini vạn tuế—đây là đang đón nhận cách mạng, hay chỉ đang vội vã chạy theo sự kiện?

These are all noise, not the answer I want.

Vấn đề thực sự không phải là AI có mạnh đủ không – máy hơi nước đã được chế tạo xong, vấn đề là ai sẽ là người đầu tiên tháo dỡ xưởng cũ.

Ngày mà Cách mạng Công nghiệp thực sự bắt đầu, không phải là ngày Watt cải tiến động cơ hơi nước, mà là ngày các chủ nhà máy ở Lancashire quyết định rời khỏi các con sông và xây dựng lại xưởng sản xuất xung quanh động cơ hơi nước. Tương tự, thời điểm quan trọng nhất của AI cũng không phải là ngày các mô hình lớn được phát minh, mà là ngày tổ chức đầu tiên quyết định tháo dỡ các quy trình cũ và xây dựng lại cách thức sản xuất xung quanh AI. Ngày đó chưa đến. Nhưng nó đang trên đường tới.

Hai người đã nhận ra điều này từ rất sớm. CEO của Notion, Zhao Yiwang, đã viết bài “Steam, Steel, and Infinite Minds” vào cuối năm 2025, với nhận định rất lạnh lùng: Chúng ta vẫn đang ở giai đoạn “thay thế bánh xe nước”—ghép thêm chatbot AI vào các công cụ hiện có, nhưng chưa ai thiết kế lại nhà máy. Leopold Aschenbrenner, cựu nhân viên của OpenAI, đi theo con đường khác: viết cuốn “Situational Awareness” dài 165 trang, sau đó thành lập một quỹ, tăng vốn từ 225 triệu USD lên 13,68 tỷ USD, tất cả đều đầu tư vào cơ sở hạ tầng AI. Một người nhìn vào bên trong, một người đặt cược ra bên ngoài.

Bài viết này không nói về họ. Mà là về chúng ta—chúng ta đang đứng ở đâu hiện tại, và chúng ta đang lặp lại giai đoạn lịch sử nào.

(Dệt máy sức mạnh, khắc bởi J. Tingle sau Thomas Allom, 1835 / Wikimedia Commons)

Một ngày của hầu hết mọi người diễn ra như thế này: buổi sáng dùng AI viết một email, tiết kiệm được mười phút; sau đó dành hai giờ tham dự một cuộc họp tuần không cần thiết; buổi chiều sao chép dán cùng một bộ dữ liệu giữa ba công cụ khác nhau; buổi tối đăng một bài đăng trên朋友圈 nói “AI thật sự tuyệt vời”. Mười phút tiết kiệm được đã bị các quy trình cũ nuốt chửng nguyên vẹn.

Tương tự, khi động cơ hơi nước ra đời, các chủ nhà máy ban đầu chỉ đơn giản thay thế bánh nước bằng động cơ hơi nước, còn mọi thứ khác giữ nguyên—nhà máy vẫn xây bên bờ sông, vẫn là tòa nhà nhiều tầng, vẫn dùng trục truyền động trung tâm để điều khiển toàn bộ dây chuyền sản xuất. Chúng ta cài ChatGPT vào Slack, thêm Copilot vào Office, nhúng cửa sổ trò chuyện AI vào quy trình làm việc—đều đang làm cùng một việc. Công cụ đã được nâng cấp, nhưng xưởng sản xuất vẫn không thay đổi.

Nhưng thay máy mới không đồng nghĩa với thay đổi nhà xưởng. McLuhan đã nói rất hay:

Chúng ta lái xe về tương lai qua gương chiếu hậu. Sử dụng các quy trình cũ để chứa đựng các công cụ mới, giống như những bộ phim đầu tiên chỉ là những vở kịch được quay lại. Sự đột phá thực sự sẽ chỉ xảy ra khi ai đó hoàn toàn tách rời động cơ hơi nước khỏi dòng sông, và thiết kế lại toàn bộ cách thức sản xuất xung quanh động lực mới.

Khi so sánh dòng thời gian của Cách mạng Công nghiệp với AI, bạn có thể xác định được vị trí hiện tại của chúng ta trên bản đồ:

Thời gian hiện tại đã bị nén cực kỳ mạnh mẽ. Cách mạng công nghiệp mất 60 năm để đi từ máy hơi nước đến cơn sốt đường sắt, trong khi AI chỉ mất 7 năm để đi từ Transformer đến làn sóng xây dựng trung tâm dữ liệu.

Tốc độ không phải vấn đề, vấn đề là chúng ta đang mắc kẹt ở đâu—bốn dòng đầu vẫn đang ở giai đoạn lắp máy mới vào xưởng cũ, đã lắp động cơ hơi nước, đã trải đường sắt, nhưng cách thức sản xuất vẫn giữ nguyên. Dòng thứ sáu mới là ranh giới thực sự. Chúng ta rất có thể đang mắc kẹt giữa hai bước này.

Hơi nước đã ở trong tay, nhưng xưởng vẫn còn cũ.

Cơ sở hạ tầng luôn bị xây dựng quá mức. Cuối cùng, những người đầu tư mới là người phá sản, không phải cơ sở hạ tầng.

Năm 1846, Nghị viện Anh đã thông qua 263 đạo luật về đường sắt, phê duyệt xây dựng 9.500 dặm đường sắt mới. Đầu tư vào đường sắt đạt đỉnh điểm, chiếm 13% GDP của Anh. Cổ phiếu đường sắt chỉ cần đặt cọc 10% để mua, khiến tầng lớp trung lưu ồ ạt tham gia. Bong bóng vỡ vào năm 1847. Một phần ba các tuyến đường được phê duyệt chưa bao giờ được xây dựng, hàng ngàn nhà đầu tư mất trắng. Darwin lỗ 60% trên cổ phiếu đường sắt, nhưng may mắn hơn nhiều người khác.

But the railway remained.

Cơ sở hạ tầng AI ngày nay đang đi theo cùng một con đường. Theo ước tính mới nhất của Goldman Sachs, chi tiêu vốn toàn cầu cho cơ sở hạ tầng AI năm 2026 sẽ đạt 765 tỷ USD, và đến năm 2031 dự kiến đạt 1,6 nghìn tỷ USD mỗi năm. Tỷ lệ chi tiêu vốn của các nhà cung cấp đám mây quy mô lớn so với dòng tiền hoạt động đã tăng từ khoảng 40% năm 2023 lên gần 70% vào năm 2025. Các khoản đầu tư liên quan đến AI đã chiếm khoảng một phần tư tổng đầu tư tại Mỹ. 13,68 tỷ USD của Aschenbrenner đang đặt cược vào chính lớp này—anh ta không đánh vào ứng dụng nào sẽ chiến thắng, mà là vào năng lực tính toán nền tảng.

Vòng luân chuyển vốn này có cấu trúc tương tự như phát triển bất động sản. Xây trung tâm dữ liệu cũng giống như xây tòa nhà: đất đai là điện năng, vật liệu xây dựng là GPU và bộ nhớ, nhà thầu là các đơn vị xây dựng trung tâm dữ liệu, chủ đầu tư là các nhà cung cấp đám mây, người thuê là các công ty ứng dụng AI, và tiền thuê là doanh thu API. Mô hình kinh doanh của các nhà cung cấp đám mây là dùng thu nhập từ thuê bao để trả nợ — lấy doanh thu API bù đắp chi phí vốn cho trung tâm dữ liệu, chờ đợi sự bùng nổ của ứng dụng AI mang lại sự tăng giá trị.

Địa sản tính toán: Mỗi thế hệ có cơ sở hạ tầng riêng của mình

Rủi ro cốt lõi cũng tương tự: Tốc độ giảm giá của API có được bù đắp bởi tốc độ tăng trưởng lượng truy cập không? Nếu thu nhập cho thuê rơi xuống dưới mức thanh toán nợ — đây là cơn ác mộng quen thuộc nhất của các nhà phát triển bất động sản. Bài học năm 2008 không phải là xây quá nhiều căn hộ, mà là sự không phù hợp về cấu trúc giữa số lượng căn hộ xây dựng và nhu cầu thực tế. Rủi ro tương đương của AI là: công suất tính toán phổ dụng dư thừa, nhưng năng lực chuyên biệt để xử lý các tình huống giá trị cao như tuân thủ tài chính, chẩn đoán y tế vẫn còn khan hiếm.

Đường sắt, bất động sản, AI — ba thế hệ đầu tư cơ sở hạ tầng, chia sẻ cùng một quy luật: quá tải xây dựng là trạng thái bình thường, nhà cung cấp vật liệu luôn mất quyền định giá, lợi nhuận dài hạn luôn thuộc về chủ sở hữu các vị trí “trung tâm”. Hãy xem danh mục đầu tư của các quỹ Wall Street trong quý 1 là biết rõ — khả năng cao 80% được tập trung vào lớp cơ sở hạ tầng này: NVIDIA, trung tâm dữ liệu, hạ tầng điện toán đám mây. Nhưng cơn sốt đường sắt dạy chúng ta rằng: đây không phải là toàn bộ cuộc cách mạng AI, thậm chí không phải là lớp mang lại lợi nhuận cao nhất.

Trung tâm cốt lõi của AI là dữ liệu ngành độc đáo và quy trình làm việc được tích hợp sâu. Đối với cá nhân, “trung tâm cốt lõi” thực sự không phải là cổ phiếu đang nắm giữ, mà là khả năng phán đoán và kiến thức ngành không thể thay thế của chính bạn—với điều kiện là bạn đã tái xây dựng cách sử dụng chúng xung quanh AI.

Lợi ích thực sự nằm ở cấp độ tiếp theo. Nhưng giữa cơ sở hạ tầng và việc tạo ra giá trị, không có sự kết nối liền mạch. Giữa chúng tồn tại một khe hở—trong lịch sử, khe hở này đã nuốt chửng hàng chục năm.

Người tháo dỡ xưởng và người “sử dụng AI để tăng hiệu suất” không làm cùng một việc.

Simon, đồng sáng lập của Zhao Yiwang, trước đây là một “lập trình viên tăng tốc 10 lần”, nhưng hiện nay hiếm khi tự viết mã—ông đồng thời điều khiển ba đến bốn AI coding Agent, đạt hiệu suất gấp 30 đến 40 lần. Hiện tại, Notion có 1.000 nhân viên và hơn 700 AI Agent. Sự khác biệt không nằm ở công cụ, mà ở chỗ Simon đã tháo dỡ xưởng sản xuất cũ của mình, trong khi đa số mọi người chỉ đơn giản thay thế một cối xay nước.

600 triệu người dùng Trung Quốc đã từng sử dụng các công cụ AI sinh tạo, tăng 142% so với cùng kỳ năm trước—đây là thị trường nhu cầu AI lớn nhất thế giới. Tuy nhiên, gần như không có công ty Trung Quốc nào tái xây dựng quy trình làm việc cốt lõi dựa trên AI. Nhu cầu lớn nhất toàn cầu đi kèm với sự thay đổi tổ chức ở phía cung gần như không có. Sự tương phản này chính là một tín hiệu: vấn đề không phải ở chỗ công cụ chưa đủ, mà là tổ chức chưa theo kịp. Bối cảnh của công việc tri thức bị phân tán trong hàng chục công cụ và hàng chục bộ não, sản phẩm đầu ra không thể kiểm chứng, không ai biết cách đánh giá một bản ghi nhớ chiến lược có hiệu quả hay không.

(Tác động của AI đến thị trường lao động: Một thước đo mới và bằng chứng ban đầu)

Anthropic đã bắt tay vào quy mô lớn hơn. Họ đã phát hành Economic Index, sử dụng dữ liệu sử dụng thực tế để mô tả AI sẽ thay thế những nhiệm vụ và ngành nào trước tiên, sau đó xây dựng theo bản đồ này: hợp tác với Goldman Sachs, Blackstone và Hellman & Friedman để thành lập công ty dịch vụ doanh nghiệp gốc AI; thiết lập liên minh toàn cầu với KPMG, kết nối 276.000 nhân viên với Claude; Accenture thành lập nhóm kinh doanh, đào tạo 30.000 người, tập trung vào tài chính, khoa học sự sống và y tế.

Các công ty tư vấn này không đóng vai trò là người dùng AI, mà là các kỹ sư đường sắt của AI—họ không chế tạo động cơ hơi nước, cũng không lát đường ray, mà giúp doanh nghiệp tháo dỡ các nhà xưởng cũ và xây dựng lại dây chuyền sản xuất xung quanh động lực mới. Nếu không có vai trò này, đa số chủ nhà máy không biết bắt đầu từ đâu.

Các tín hiệu đã bắt đầu chớp sáng. Tín hiệu sắc nét nhất đến từ thị trường lao động.

Những người trẻ từ 22 đến 25 tuổi gia nhập các nghề có mức độ tiếp xúc cao với AI có xác suất tìm được việc làm thấp hơn 14% so với những người cùng tuổi gia nhập các nghề có mức độ tiếp xúc thấp. Các vị trí cấp nhập môn đang bị thu hẹp.

Nếu tôi là sinh viên mới ra trường, con số này直接影响 đến việc tìm việc của tôi. Nếu tôi là nhà quản lý, thế hệ nhân viên cấp thấp tiếp theo mà tôi tuyển có thể không còn là con người nữa.

Tổ chức đang bị tháo dỡ, còn cá nhân thì sao? Bằng cấp của tôi, lý lịch của tôi, những kinh nghiệm ngành tích lũy qua những năm tháng này—đó là những chiếc xe nước của tôi. Chúng từng vận hành toàn bộ dây chuyền sản xuất của tôi, nhưng giờ đây máy hơi nước đã xuất hiện. Các trường 985 và 211 không còn là hào sâu bảo vệ nữa, chúng chỉ chứng minh rằng tôi từng xây một nhà máy khá tốt bên bờ sông.

Vấn đề hiện tại là chúng ta có khả năng rời khỏi con sông đó hay không.

Dữ liệu từ Anthropic cho thấy người dùng sử dụng công cụ AI hơn 6 tháng có tỷ lệ thành công nhiệm vụ cao hơn 10% so với người dùng mới. Những người đi trước nửa năm đã dẫn trước 10%, và khoảng cách này sẽ tăng dần theo thời gian.

Nhưng hiện tại chưa có công ty nào sụp đổ vì không sử dụng AI, ít nhất là văn phòng luật của tôi vẫn đang tiến mạnh xung quanh AI. Người chiến thắng vẫn chưa được thị trường lựa chọn. Đường cong học tập là có thật – những người đi trước đang tích lũy lợi thế, nhưng đa số mọi người vẫn đang ở điểm xuất phát.

Chức danh nghề nghiệp hiện tại của tôi, mười năm sau còn tồn tại không? Danh sách công cụ tôi dùng hàng ngày cách đây năm năm, hôm nay còn lại bao nhiêu? Câu trả lời có thể đều là không. Nhưng tôi không biết những thứ thay thế chúng gọi là gì – vì những thứ đó hiện tại vẫn chưa tồn tại.

Luôn luôn như vậy trong lịch sử. Những điều mới không được lên kế hoạch, mà tự mọc lên khi những ràng buộc cũ biến mất.

Trước khi đường sắt được xây dựng, Anh là một tập hợp các nền kinh tế địa phương tách biệt. Giá vải bông ở Manchester có thể chênh lệch 30% so với London. Mỗi thành phố có tiêu chuẩn thời gian riêng, và không ai thấy có vấn đề gì. Trong hai mươi năm sau khi đường sắt được xây dựng, mọi thứ đã thay đổi. Thị trường quốc gia thống nhất lần đầu tiên xuất hiện, các chênh lệch giá bị xóa bỏ; thời gian chuẩn được đường sắt buộc phải ra đời, chứ không phải được phát minh ra; các công việc như nhân viên nhà ga, nhân viên điện báo, đại lý du lịch—những công việc này hoàn toàn không tồn tại trước khi có đường sắt.

Không ai khi xây đường sắt lại dự đoán được sự ra đời của các cửa hàng bách hóa. Không ai khi chế tạo động cơ hơi nước lại dự đoán được thời gian tiêu chuẩn.

(Hơi nước, thép và AI vô hạn thông minh)

Các thành phố đều kể một câu chuyện tương tự. Cách đây vài trăm năm, các thành phố có quy mô con người — đi bộ bốn mươi phút để xuyên qua Florence. Khung thép khiến các tòa nhà chọc trời trở nên khả thi, đường sắt kết nối thành phố với vùng hinterland, tiếp theo là thang máy, tàu điện ngầm và cao tốc. Tokyo, Chongqing, Dallas — những nơi này không phải là Florence lớn hơn, mà là lối sống hoàn toàn mới.

Công việc tri thức hiện tại cũng vẫn ở quy mô con người. Các nhóm vài chục người, lịch họp và email định nhịp độ, vượt quá vài trăm người là quá tải. Chúng ta đang xây dựng Florence bằng đá và gỗ. AI làm cho “Tokyo” trở nên khả thi — các tổ chức gồm hàng ngàn AI Agent và con người, luồng công việc hoạt động liên tục xuyên múi giờ. Các cuộc họp hàng tuần, lập kế hoạch theo quý, đánh giá hàng năm có thể sẽ không còn ý nghĩa nữa.

Simon đã không còn viết mã nữa—công việc của anh ấy giờ đây là “quản lý AI Agent”. Hai năm trước, vị trí này chưa tồn tại. Chức danh nghề nghiệp tiếp theo của tôi có thể hiện vẫn chưa có tên. Nhưng đã có người đang xây dựng tương lai mà chúng ta vẫn chưa thể đặt tên.

Sau khi tháo dỡ nhà xưởng cũ, nên xây gì? Câu trả lời của YC là: để công ty tự cải tiến chính mình.

Hệ thống nội bộ của họ hiện tại tự sửa mã của chính mình vào ban đêm. Một nhân viên đã gửi một truy vấn vào ban ngày, nhưng nó thất bại. Một agent giám sát đọc được lỗi này, suy ngược nguyên nhân, tự viết mã để sửa chữa, gửi duyệt và triển khai lên production. Ngày hôm sau, truy vấn đó chạy thành công. Toàn bộ sự việc được hoàn tất khi tất cả mọi người đang ngủ.

Đây không phải là AI giúp con người tăng sản lượng lên 30%. Đây là hệ thống tự hoàn thành toàn bộ vòng lặp và tự mình tìm ra cách trở nên tốt hơn.

Đối tác YC Tom Blomfield đã gọi mô hình công ty này trong một bài diễn thuyết nội bộ là “vòng lặp AI tự cải tiến đệ quy”. Phán đoán của ông rất trực tiếp: đa số các công ty vẫn là đội quân La Mã—truyền thông tin từ trên xuống, báo cáo từ dưới lên, con người đóng vai trò là ống dẫn thông tin. AI không chỉ phá vỡ hiệu suất của một khâu nào đó, mà là phá vỡ tiền đề tồn tại của toàn bộ cấu trúc cấp bậc này.

Logic mới mà anh ấy đưa ra là: Đốt Token, đừng đốt đầu người. Nút thắt đang chuyển từ nhân lực sang sức mạnh tính toán. Dữ liệu mà YC nhìn thấy cho thấy, các công ty trong các lô tham gia Demo Day có doanh thu bình quân đầu người cao hơn khoảng 5 lần so với 18 tháng trước. Vai trò quản lý trung cấp đã được AI tiếp quản – việc “hợp tác” không còn cần con người thực hiện nữa. Mỗi người đều nên là IC, builder, operator, và mỗi việc đều có người chịu trách nhiệm cụ thể, không phải ủy ban.

Một tiền đề khác: công ty phải làm cho AI có thể "đọc hiểu". Những gì không được ghi lại, đối với AI cũng giống như chưa từng xảy ra. YC hiện đang lưu trữ tất cả email của các đối tác, ghi lại mọi tin nhắn Slack và bản ghi âm các giờ văn phòng. Một đối tác đã sử dụng 2.000 giờ bản ghi âm tích lũy trong ba tháng để giúp AI tạo lại một cuốn hướng dẫn nội bộ 150 trang—tốt hơn nhiều so với phiên bản trước. Cuốn hướng dẫn này được cập nhật tự động hàng tháng, trở thành một "bộ não sống" luôn được giữ tươi mới.

Tom đã để lại một câu hỏi:

Nếu hôm nay bạn bắt đầu xây dựng công ty từ con số không, bạn sẽ thiết kế nó theo hình thức này không? Nếu công ty của bạn đã xây dựng xong cấu trúc cấp bậc, bạn phải trả lời một câu hỏi khó hơn nữa—nỗi đau khi xây dựng lại một lần nữa có nhỏ hơn chi phí tiếp tục vận hành như một đội quân La Mã không?

Người không ở trung tâm xưởng sản xuất, mà ở vòng ngoài—đảm nhận những lĩnh vực mà AI tạm thời chưa thể tiếp cận: phán đoán trực tiếp, tình huống hoàn toàn mới, những khoảnh khắc có rủi ro cao và cảm xúc mạnh mẽ. Trung tâm công ty là “bộ não công ty” được tạo thành từ dữ liệu, hồ sơ và kiến thức ngành. Phần mềm chạy trên đó là hàng tiêu dùng, có thể tạo ra thì cũng có thể tạo lại. Những giá trị thực sự nằm trong đầu con người—cách vận hành nghiệp vụ, những bước nào liên quan đến phán đoán, chính những hiểu biết này mới là tài sản thực sự.

Triệu Y Vạn mô tả trong cuốn sách “Steam, Steel, and Infinite Minds” chính là mặt còn lại của hướng này—một tổ chức với 1.000 nhân viên và hơn 700 AI Agent hợp tác, con người phụ trách phán quyết, còn Agent phụ trách thực thi. Aschenbrenner đặt cược vào cơ sở hạ tầng tính toán, trong khi Triệu Y Vạn đặt cược vào tái cấu trúc tổ chức. Hai con đường này cuối cùng đều hướng đến cùng một điểm đến: phương thức sản xuất mới được xây dựng xung quanh AI.

Giữa những năm 1840 và 1850 — đường sắt đã được xây xong, nhưng các nhà máy chưa được tái thiết.

Chúng ta đang ở đâu? Simon đã không còn viết mã nữa. Cái cối xay nước của anh ấy là do chính anh ấy tháo ra.

Vấn đề không phải là động cơ hơi nước có đủ tốt không, mà là ai là người đầu tiên tháo dỡ xưởng sản xuất cũ.

Tôi không có ý định dự đoán tương lai của các trung tâm thương mại, tôi chỉ muốn làm tốt chính mình—chỉ cần đảm bảo rằng mình đứng dọc theo tuyến đường sắt, chứ không đứng canh một con sông đang cạn dần.

Còn bạn thì sao?