Điều tàn nhẫn nhất của AI không phải là nó không đưa ra câu trả lời cho người nghèo.

On the contrary, it provides answers for everyone.

Nó cung cấp khung luận văn cho sinh viên, mẫu email cho nhân viên, kế hoạch kinh doanh cho doanh nhân, và giải thích pháp lý, lời khuyên đầu tư, quy hoạch nghề nghiệp cho người bình thường. Câu trả lời lần đầu tiên trở nên rẻ mạt, dồi dào và giống thật đến vậy.

Nhưng vấn đề cũng nằm ở đây: khi câu trả lời ai cũng có thể tiếp cận, điều thực sự khan hiếm không còn là câu trả lời, mà là khả năng đánh giá câu trả lời.

Người nghèo trong thời đại mới không phải là người bị cản trở không tiếp cận được AI, mà là người đã có câu trả lời nhưng không có khả năng đánh giá câu trả lời đó, cũng không có điều kiện để biến câu trả lời thành cơ hội thực tế.

Trong thời đại internet, những người nghèo thông tin là những người bị loại khỏi mạng lưới. Giải pháp dường như rõ ràng: kết nối dây mạng, phổ cập thiết bị và nâng cao tỷ lệ biết chữ. Thời đại công cụ tìm kiếm phức tạp hơn một chút, bạn cần học cách rút ra từ khóa, lọc nguồn và đánh giá độ tin cậy, tốt nhất là hiểu một chút tiếng Anh. Nhưng rào cản là có thể nhìn thấy và có thể đo lường được.

Sự chênh lệch thông tin trong thời đại AI hoàn toàn khác biệt.

Các mô hình ngôn ngữ lớn không phải là công cụ tìm kiếm; chúng trực tiếp tạo ra kết luận thay cho bạn. Bạn không cần phải “tìm” câu trả lời nữa — câu trả lời sẽ được trình bày dưới dạng các đoạn văn trôi chảy, các bước rõ ràng, với giọng điệu tự tin, chủ động đưa đến trước mắt bạn. Về bề ngoài, rào cản đã giảm đáng kể. Nhưng ở đây ẩn giấu một cấu trúc khắc nghiệt: khi câu trả lời trở nên rẻ tiền, sai lầm cũng trở nên rẻ tiền; và khả năng phân biệt “câu trả lời này có đáng tin không” lại trở nên khan hiếm và quý giá hơn bao giờ hết.

Mỗi lần công nghệ phổ thông lan rộng trong lịch sử đều tuân theo cùng một logic: công nghệ mới trước tiên thưởng cho những người đã sở hữu vốn bổ trợ. In ấn giúp những người biết đọc biết viết được hưởng lợi trước; máy tính giúp những người hiểu phần mềm văn phòng và lập trình được hưởng lợi trước; internet giúp những người có khả năng tiếng Anh tốt và kỹ năng tìm kiếm thành thạo được hưởng lợi trước. Vốn bổ trợ của AI bao gồm nền tảng giáo dục, chuyên môn, tư duy phản biện, quyền lực tổ chức, khả năng chi trả, và điều khó đo lường nhất — khả năng phán đoán.

Công nghệ mới hiếm khi ưu tiên những người cần nó nhất. Nó thường ưu tiên những người có khả năng tận dụng nó tốt nhất.

Khe nứt đầu tiên của sự bất bình đẳng đã được tạo ra trước khi bạn mở ứng dụng.

Tháng 4 năm 2026, tổ chức nghiên cứu AI Epoch AI và công ty khảo sát Ipsos đã công bố một cuộc khảo sát bằng bảng hỏi với khoảng 5.000 người lớn tại Mỹ. Ba vòng khảo sát đặt ra một câu hỏi tưởng chừng đơn giản: Trong tuần qua, bạn đã sử dụng dịch vụ AI nào? Nhưng những câu trả lời không đơn thuần là sở thích sản phẩm, mà là một bản đồ đan xen giữa thu nhập, lối vào và phân phối.

Trong số người dùng hoạt động hàng tuần của Claude, khoảng 80% đến từ các hộ gia đình có thu nhập hàng năm trên 100.000 USD; trong khi tỷ lệ này ở người dùng Meta AI chỉ là 37%. Ngược lại, khoảng 32% người dùng Meta AI đến từ các hộ gia đình có thu nhập hàng năm dưới 50.000 USD, trong khi tỷ lệ này ở người dùng Claude chỉ là 7%.

Những con số này quan trọng không phải vì chúng chứng minh rằng "người giàu dùng AI cao cấp, người nghèo dùng AI miễn phí". Đó mới chỉ là cách hiểu bề nổi. Điều đáng hỏi sâu hơn là: tại sao những người khác nhau lại gặp những loại AI khác nhau trong cuộc sống hàng ngày?

Một người yêu cầu AI gợi ý bữa tối cho đồ ăn thừa trong tủ lạnh, làm sáng nền ảnh và chỉnh sửa một tin nhắn cho lịch sự hơn. Một người khác yêu cầu AI sắp xếp các cuộc phỏng vấn khách hàng, so sánh báo giá từ các nhà cung cấp và xác định những giả định yếu trong báo cáo. Cả hai đều đang sử dụng cùng một công nghệ. Nhưng một bên chỉ dừng lại ở sự tiện lợi, trong khi bên còn lại đã bước vào vòng luẩn quẩn của doanh thu, vị trí và quyền lực đàm phán.

Sự khác biệt không chỉ nằm ở người dùng, mà còn ở lối vào. Đường dẫn sử dụng Claude yêu cầu người dùng chủ động tìm kiếm, so sánh sản phẩm, hiểu sự khác biệt về khả năng, chọn phương án trả phí, rồi tích hợp công cụ vào quy trình làm việc—mỗi bước đều sàng lọc người dùng. Trong khi đó, đường dẫn của Meta AI gần như ngược lại: nó được tích hợp sẵn trong nền tảng mạng xã hội, miễn phí và ít trở ngại, người dùng thường vô tình gặp phải nó trong những khoảnh khắc lướt feed, nhắn tin hoặc xem ảnh.

Đây không phải là một thị trường về sở thích, mà là một thị trường về phân phối. Người dùng dường như đang lựa chọn công cụ, nhưng giá cả và khả năng tiếp cận của công cụ cũng đang lựa chọn người dùng.

Nguồn: epoch.ai

Ngay cả khi bạn tìm được một công cụ AI tốt, một rào cản thứ hai đang chờ bạn tại công ty.

Trong văn phòng thông thường, sự xuất hiện của AI hiếm khi xuất hiện dưới dạng “thông báo sa thải”. Nó đầu tiên chiếm lĩnh các bản ghi cuộc họp, bản nháp email, sắp xếp bảng tính, phân loại khách hàng và bản nháp báo cáo. Đối với nhà quản lý, những tự động hóa này giải phóng thời gian để họ thực hiện các quyết định; còn đối với người mới và nhân viên cấp cơ sở, những tự động hóa này chính là lấy đi cơ hội để họ chứng minh bản thân, luyện tập kỹ năng phán đoán và tiến vào các công việc cấp cao hơn.

Dữ liệu còn lạnh hơn cảnh này: Khảo sát theo dõi AI trong lực lượng lao động Anh-Mỹ do Financial Times phối hợp với tổ chức nghiên cứu thực hiện (tháng 2–3 năm 2026, khảo sát hơn 4.000 người trả lời tại Anh và Mỹ) cho thấy 63% người lao động ở mức lương cao nhất sử dụng AI vào các ngày làm việc bình thường, trong khi tỷ lệ này ở hai nhóm lương thấp nhất lần lượt chỉ là 17% và 16%. Đây không phải là một con dốc dịu dàng, mà là một vách đá.

Phát hiện quan trọng hơn nằm ở các yếu tố thúc đẩy. Phân tích hồi quy của cuộc khảo sát về môi trường làm việc cho thấy, ảnh hưởng của mức lương đến tỷ lệ sử dụng AI gần như biến mất khi kiểm soát các biến khác—những yếu tố thực sự tác động là bốn yếu tố: tuổi tác, thâm niên, ngành nghề và đào tạo. Trong đó, hiệu ứng của đào tạo là lớn nhất: một công ty cung cấp đào tạo chính thức về AI có tỷ lệ sử dụng AI trung bình hàng ngày của nhân viên cao hơn 37 điểm phần trăm so với các công ty tương tự không đào tạo. Ngay cả chỉ với hướng dẫn không chính thức, tỷ lệ này cũng tăng 24 điểm phần trăm.

Tuy nhiên, thực tế là: tính đến đầu năm 2026, chỉ có 14% nhân viên cho biết từng tham gia đào tạo AI chính thức do người sử dụng lao động cung cấp, trong khi hai phần ba số người hoàn toàn chưa từng nhận bất kỳ hình thức đào tạo nào.

Việc đào tạo AI không phải là vấn đề kỹ thuật, mà là vấn đề phân bổ. Ai được chọn để nhận đào tạo, người đó sẽ được phép bước vào quỹ đạo tăng trưởng năng suất; ai không được chọn, thì công cụ chỉ là một biểu tượng trên màn hình không được cấp quyền mở.

AI ở phía người tiêu dùng là một ứng dụng, ở phía công việc là một quyền hạn. Và quyền hạn, từ trước đến nay chưa bao giờ được phân phối đều.

Nguồn: Focaldata

Đây là phân luồng tinh vi nhất và cũng là phân luồng cơ bản nhất.

Hãy tưởng tượng một sinh viên mới tốt nghiệp vừa gia nhập một công ty tư vấn. Anh ta sử dụng AI để tạo ra bản nháp báo cáo phân tích ngành, cấu trúc đầy đủ, dữ liệu phong phú, giọng văn tự tin. Sếp của anh ta—một người đã làm trong ngành này mười năm—chỉ lướt qua một cái nhìn, chỉ ra rằng hai nguồn trích dẫn dữ liệu có khuyết điểm về phương pháp luận, và kết luận thứ ba có vấn đề trong suy luận nhân quả. Sếp không phải vì làm việc chăm chỉ hơn anh ta, mà vì anh ta sở hữu nền tảng đó—biết nơi nào dễ mắc sai lầm, biết loại sự trôi chảy nào là trôi chảy thật sự, và loại trôi chảy nào chỉ là máy đang điền vào chỗ trống.

Đây chính là ý nghĩa thực sự của phát hiện trái ngược với trực giác trong dữ liệu khảo sát công sở: Những người sử dụng AI nhiều nhất tại nơi làm việc không phải là nhân viên trẻ nhất, mà là những người đã làm việc ở vị trí hiện tại từ 2 đến 10 năm. Mối quan hệ giữa mức độ sử dụng AI và thâm niên vẫn còn rõ rệt sau khi kiểm soát tuổi tác. Điều này không phải vì người trẻ không muốn sử dụng, mà vì giá trị của AI phụ thuộc rất lớn vào khả năng phán đoán mà người dùng đã có sẵn.

Kinh nghiệm là vốn bổ sung quan trọng nhất của AI, và kinh nghiệm không thể được đăng ký.

AI đã giảm chi phí để "nghe có vẻ hiểu", nhưng không giảm cùng mức chi phí để "hiểu thật sự". Thậm chí còn có một hệ quả nguy hiểm hơn: những người dùng thiếu nền tảng càng dễ chấp nhận toàn bộ đầu ra của AI; và càng chấp nhận toàn bộ, khả năng phán đoán càng khó phát triển. Khi người đại diện thay bạn đưa ra quyết định, bạn đang tiêu thụ trí tuệ, chứ không tích lũy nó.

Giải Nobel Kinh tế học, giáo sư Daron Acemoglu của MIT đã nói thẳng thừng: Việc sử dụng các công cụ AI đòi hỏi một mức độ giáo dục, tư duy trừu tượng, năng lực định lượng và sự làm quen với công nghệ. “AI gần như chắc chắn sẽ làm gia tăng bất bình đẳng,” ông nói.

Thông tin mới đang dần lộ diện ở những người nghèo: họ không phải là những người không có AI, mà là những người có AI, có lối vào, có câu trả lời, nhưng lại thiếu đào tạo để đánh giá các câu trả lời đó; có công cụ, có bối cảnh, nhưng lại không có quyền chuyển hóa đầu ra của công cụ thành cơ hội; mỗi ngày tiêu thụ trí tuệ, nhưng chưa bao giờ tích lũy được trí tuệ.

Tuy nhiên, mối quan hệ giữa AI và bất bình đẳng không chỉ dừng lại ở việc làm gia tăng khoảng cách.

Nhiều nghiên cứu thực nghiệm đã phát hiện rằng, trong các điều kiện kiểm soát, AI thường mang lại mức cải thiện lớn hơn cho những người có kỹ năng thấp—đối với nhân viên trung tâm gọi, nhà văn cấp sơ cấp và cố vấn tư vấn cấp nhập môn đều như vậy. Điều này không khó hiểu: các chuyên gia hàng đầu nhận được lợi ích biên từ AI là hạn chế; một người chưa bao giờ có khả năng chi trả cho các dịch vụ chuyên nghiệp, lần đầu tiên dùng AI để hiểu một hợp đồng, chính là một bước nhảy vọt về chất.

Tuy nhiên, có một sự khác biệt quan trọng cần lưu ý: các nghiên cứu thực nghiệm đo lường "sự cải thiện sau khi sử dụng", trong khi dữ liệu thực tế đo lường "ai đang thực sự sử dụng", "ai được phép sử dụng", và "ai sau khi sử dụng có thể biến kết quả thành cơ hội". Hai nhóm dữ liệu này đều không nói dối; chúng đo lường những điều hoàn toàn khác nhau.

Một công nghệ có thể thu hẹp khoảng cách trong phòng thí nghiệm, đồng thời mở rộng khoảng cách trong thế giới thực — nếu việc áp dụng nó vốn không công bằng, nếu bối cảnh vốn không công bằng, nếu khả năng phán đoán vốn không công bằng.

AI có các đặc tính kỹ thuật về bình đẳng, nhưng lại vận hành trong các cấu trúc xã hội bất bình đẳng. Cả hai điểm này cùng đúng mới là hình dạng thực sự của vấn đề.

Mỗi thế hệ đều có xu hướng tin rằng công nghệ phổ biến của thời đại mình sẽ phá vỡ trật tự cũ.

Sau khi kỹ thuật in ấn ra đời, những người biết đọc biết viết đã được hưởng lợi trong vài thế kỷ. Khi máy tính bắt đầu phổ biến, nó đã khuếch đại khả năng của những người đã biết sử dụng phần mềm văn phòng và viết mã. Lợi ích đầu tiên của internet đã chảy đến những người thông thạo tiếng Anh, biết tìm kiếm và có thời gian cũng như động lực để kiếm lời. Trong mỗi làn sóng công nghệ, tiếng nói “lần này khác biệt” đều rất lớn, nhưng sự phân hóa cấu trúc thường mất vài chục năm mới dần trở nên rõ ràng.

Tốc độ phân nhánh của AI có thể nhanh hơn, và sự phân nhánh có thể sâu hơn. Vì nó không chỉ ảnh hưởng đến một loại nhiệm vụ cụ thể, mà là hầu hết các công việc dựa trên phán đoán và ngôn ngữ. Và đây chính xác là loại năng lực khó chuẩn hóa nhất, khó phân bổ lại nhất.

Một số người cho rằng khoảng cách cuối cùng sẽ thu hẹp. Giáo sư Carl Benedikt Frey từ Viện Nghiên cứu Internet Oxford, chuyên gia về lịch sử kinh tế, có quan điểm này dựa trên lịch sử: sự bất bình đẳng do sự phổ biến của máy tính gây ra đã dần tan biến sau vài thập kỷ khi rào cản sử dụng giảm xuống. So sánh này không phải không có cơ sở.

Vấn đề nằm ở chỗ, ngay cả khi chấp nhận sự so sánh lịch sử đầy lạc quan này, Frey cũng tự thừa nhận các điều kiện giới hạn quan trọng: "Điều này phụ thuộc vào việc khoảng cách cần bao lâu để thu hẹp. Nếu là mười hoặc hai mươi năm, thì càng đáng lo ngại."

Mười hoặc hai mươi năm, không phải là một khoảng thời gian có thể chờ đợi một cách dễ dàng—đặc biệt đối với những người cần tìm việc, thương lượng mức lương và tích lũy kinh nghiệm trong khoảng thời gian đó.

Đây là một khoảnh khắc lịch sử kỳ lạ: lần đầu tiên chúng ta có một công nghệ giúp mọi người đều cảm thấy mình đang trở nên thông minh hơn.

Cảm giác này, thường chính là điểm kết thúc.

Vấn đề là, trong một thời đại thực sự mà phán đoán quyết định thắng thua, việc coi cảm giác là điểm đến có thể là sai lầm đắt giá nhất.