Name: 3 bài toán AI mà nơi làm việc phải giải quyết | Martin Gonzalez cho Big Think + (3 AI puzzles workplaces must solve | Martin Gonzalez for Big Think +)
Uploaded: 2025-12-04T17:55:21.000Z
Duration: 8 min 51 s
Description: Thousands of YouTube videos with English-Chinese subtitles! Now you can learn to understand native speakers, expand your vocabulary, and improve your pronunciation...

I'm a principal of Organization and Leadership Development at Google and I'm the author of the Bonfire Moment.

Tôi là trưởng bộ phận Tổ chức và Phát triển Lãnh đạo tại Google và là tác giả của Bonfire Moment.

The book explores this idea that teams are harder than tech in the process of innovation.

Cuốn sách khám phá ý tưởng rằng con người khó hơn công nghệ trong quá trình đổi mới sáng tạo.

It's so important for leaders and CEOs and founders to pay attention to the people side of the business because that could easily derail your best laid out plans.

Điều này cực kỳ quan trọng để các nhà lãnh đạo, CEO và người sáng lập chú ý đến khía cạnh con người của doanh nghiệp vì điều đó có thể dễ dàng làm chệch hướng những kế hoạch tốt nhất của bạn.

We know a lot of employees and organizations are starting to use AI for their work.

Chúng ta biết nhiều nhân viên và tổ chức đang bắt đầu sử dụng AI cho công việc của họ.

We also know that we flip flop between these really intense narratives of substitution.

Chúng ta cũng biết rằng mình đang dao động giữa những câu chuyện rất gay gắt về sự thay thế.

Công việc của chúng ta sẽ biến mất.

Vai trò của tôi sẽ bị thay thế.

There will be less of people playing my kind of work, my kind of role because of AI and a narrative of augmentation, which is these tools give me superpowers that allow me to do more within my role and, and

Sẽ có ít người đảm nhận loại công việc, loại vai trò của tôi hơn vì AI và câu chuyện về sự bổ sung sức mạnh, đó là những công cụ này mang lại cho tôi siêu năng lực cho phép tôi làm được nhiều hơn trong vai trò của mình, và, và

I will succeed and do well in the future if I can only adapt these new technologies.

Tôi sẽ thành công và làm tốt trong tương lai nếu tôi có thể thích ứng với những công nghệ mới này.

There's a lot we need to think about when we think about the augmentation model.

Có rất nhiều điều chúng ta cần suy nghĩ khi nói về mô hình bổ sung sức mạnh.

Because as early research is showing, as we bring these tools into the workplace, we're not quite seeing the kind of transformative potential that AI has been talked about by its inventors.

Bởi vì như những nghiên cứu ban đầu đang cho thấy, khi chúng ta đưa những công cụ này vào nơi làm việc, chúng ta không hoàn toàn thấy được tiềm năng biến đổi mà AI đã được những người phát minh ra nó nói đến.

So I've started to think about three puzzles we need to solve for as we bring these technologies into our organizations.

Vì vậy, tôi bắt đầu suy nghĩ về ba câu đố chúng ta cần giải quyết khi đưa những công nghệ này vào các tổ chức của mình.

One of the challenges in bringing AI into an organization is what I've started to call the selective upgrade puzzle.

Một trong những thách thức khi đưa AI vào một tổ chức là điều mà tôi bắt đầu gọi là câu đố nâng cấp có chọn lọc.

This is when these tools endow its users with superpowers, but not all users.

Đây là khi những công cụ này ban cho người dùng của chúng siêu năng lực, nhưng không phải tất cả người dùng.

And somehow there's a selective upgrade that happens when these tools get shared in an organization.

Và bằng cách nào đó, có một sự nâng cấp có chọn lọc xảy ra khi những công cụ này được chia sẻ trong một tổ chức.

This, this one randomized control experiment that was run by researchers from places like Harvard and mit, engaged the Boston Consulting group and set up their junior consultants in control groups and a couple of experimental groups.

Thí nghiệm kiểm soát ngẫu nhiên này, được thực hiện bởi các nhà nghiên cứu từ những nơi như Harvard và MIT, đã thu hút tập đoàn Boston Consulting và sắp xếp các cố vấn cấp dưới của họ vào các nhóm đối chứng và một vài nhóm thử nghiệm.

What they did was they gave them access to a large language model and they were asked to do two kinds of tasks.

Họ đã làm là cho họ truy cập vào một mô hình ngôn ngữ lớn và yêu cầu họ thực hiện hai loại nhiệm vụ.

The first task was a creative ideation task.

Nhiệm vụ đầu tiên là nhiệm vụ lên ý tưởng sáng tạo.

They had to help a fictitious client come up with different product ideas that they can go to market with.

Họ phải giúp một khách hàng hư cấu đưa ra các ý tưởng sản phẩm khác nhau mà họ có thể đưa ra thị trường.

The second was a business analytics task where they had to analyze why a business was struggling and create recommendations.

Nhiệm vụ thứ hai là phân tích kinh doanh, nơi họ phải phân tích lý do tại sao một doanh nghiệp gặp khó khăn và đưa ra các đề xuất.

What the study went on to discover was that when they looked at the top performers, they tended to do much better.

Nghiên cứu tiếp tục phát hiện ra rằng khi xem xét những người hoạt động tốt nhất, họ có xu hướng làm tốt hơn nhiều.

And when they looked at the lower performers, they tended to do much worse.

Và khi xem xét những người hoạt động kém hơn, họ có xu hướng làm tệ hơn nhiều.

When you think of this selective upgrade effect spread across thousands of employees over a span of time, what we might see is an ever growing gap between your best and worst performers.

Khi bạn nghĩ về hiệu ứng nâng cấp có chọn lọc này lan rộng khắp hàng nghìn nhân viên trong một khoảng thời gian, điều chúng ta có thể thấy là khoảng cách ngày càng lớn giữa những người hoạt động tốt nhất và kém nhất của bạn.

And this variability would have been attributed to the use of these AI tools where that gap didn't exist before you deployed these tools.

Và sự biến động này có thể được quy cho việc sử dụng các công cụ AI này, nơi khoảng cách đó không tồn tại trước khi bạn triển khai các công cụ này.

There are a couple of things that leaders can think about as they deploy AI in their organization.

Có một vài điều mà các nhà lãnh đạo có thể suy nghĩ khi họ triển khai AI trong tổ chức của mình.

The first is to create really clear guardrails around what these tools should be used for and what they shouldn't be.

Đầu tiên là tạo ra các giới hạn rõ ràng về những gì các công cụ này nên được sử dụng và những gì không nên.

And those guardrails will possibly diminish over time as these tools become much more, much more effective.

Và những giới hạn đó có thể sẽ giảm dần theo thời gian khi các công cụ này trở nên hiệu quả hơn nhiều.

It's important to go through this experimental period understanding where it actually augments the work and where it actually takes away from the work.

Điều quan trọng là phải trải qua giai đoạn thử nghiệm này để hiểu rõ nó thực sự bổ sung sức mạnh cho công việc ở đâu và nó thực sự lấy đi khỏi công việc ở đâu.

Another thing to consider is it's important for the users as they leverage these tools for certain domains, that they have a certain basic level of expertise in these domains.

Một điều khác cần xem xét là điều quan trọng đối với người dùng khi họ tận dụng các công cụ này cho các lĩnh vực nhất định, là họ có một mức độ chuyên môn cơ bản nhất định trong các lĩnh vực đó.

It allows the users to apply good judgment when a tool is actually leading them in a worse direction and when it actually is.

Nó cho phép người dùng đưa ra phán đoán tốt khi nào công cụ thực sự dẫn họ theo hướng tệ hơn và khi nào thì không.

Augmenting the work Using a tool when you have zero knowledge of that domain is a very, very dangerous proposal.

Tăng cường hiệu quả công việc Sử dụng một công cụ khi bạn không có kiến thức gì về lĩnh vực đó là một đề xuất rất, rất nguy hiểm.

As we think about bringing AI into our organizations, we need to think about this agentic preference puzzle.

Khi chúng ta nghĩ đến việc đưa AI vào tổ chức của mình, chúng ta cần suy nghĩ về câu đố về sở thích tự chủ này.

We as humans have a tendency towards control.

Chúng ta, với tư cách là con người, có xu hướng muốn kiểm soát.

And when these tools take away control from the work, we see that adoption rates drop.

Và khi những công cụ này tước đi sự kiểm soát khỏi công việc, chúng ta thấy tỷ lệ chấp nhận giảm.

There are some fascinating studies done out of Wharton that explore this idea that they called algorithmic aversion bias.

Có một vài nghiên cứu thú vị được thực hiện tại Wharton khám phá ý tưởng mà họ gọi là thiên kiến ác cảm với thuật toán.

For example, when was the last time you decided to override what Google Maps or Waze told you was the right way home?

Ví dụ, lần cuối cùng bạn quyết định bỏ qua những gì Google Maps hoặc Waze nói là đường về nhà đúng là khi nào?

We'll sometimes believe that we actually have better or have a lower error rate than these machines.

Đôi khi chúng ta tin rằng mình thực sự có phán đoán tốt hơn hoặc có tỷ lệ lỗi thấp hơn những cỗ máy này.

And what this branch of study has looked into was when individuals actually see an algorithm commit an error, even if that error rate is still lower than the human error rate, we would much rather trust our human judgment over the algorithm.

Và nhánh nghiên cứu này đã xem xét khi các cá nhân thực sự thấy một thuật toán mắc lỗi, ngay cả khi tỷ lệ lỗi đó vẫn thấp hơn tỷ lệ lỗi của con người, chúng ta sẽ thích tin vào phán đoán của con người hơn là thuật toán.

It goes on to explain that perhaps one way to think about this is when we think of algorithms and these AI bots.

Nó tiếp tục giải thích rằng có lẽ một cách để suy nghĩ về điều này là khi chúng ta nghĩ về các thuật toán và các bot AI này.

Their error rates are knowable and they're static, but human intuition and human intelligence is perfectable.

Tỷ lệ lỗi của chúng có thể biết được và cố định, nhưng trực giác và trí tuệ con người thì có thể hoàn thiện.

And perhaps we therefore trust that we can perfect our own judgment in certain tasks.

Và có lẽ vì vậy chúng ta tin rằng mình có thể hoàn thiện phán đoán của bản thân trong một số nhiệm vụ nhất định.

The research goes on to then try to figure out what's the right antidote to, to this.

Nghiên cứu tiếp tục tìm hiểu xem đâu là liều thuốc giải đúng cho điều này.

And they allow, in one study, they allow users of these algorithms to tweak ever so slightly different parameters of these algorithms.

Và họ cho phép, trong một nghiên cứu, họ cho phép người dùng các thuật toán này điều chỉnh các tham số hơi khác nhau của các thuật toán này.

When these people are given that leeway to control the algorithm, what you find is that the error rates will increase as a result, as you would expect.

Khi những người này được tự do kiểm soát thuật toán, bạn sẽ thấy rằng tỷ lệ lỗi sẽ tăng lên, như bạn mong đợi.

But then you also see the adoption rates significantly increase because people can control it.

Nhưng sau đó bạn cũng thấy tỷ lệ chấp nhận tăng lên đáng kể vì mọi người có thể kiểm soát nó.

And this drives home a really valuable point around adoption of these AI tools.

Và điều này làm nổi bật một điểm thực sự có giá trị về việc chấp nhận các công cụ AI này.

As a leader, you might think about what is an error rate that is acceptable, if only it means that you then create a lot more adoption in the workplace.

Với tư cách là một nhà lãnh đạo, bạn có thể suy nghĩ về tỷ lệ lỗi nào là chấp nhận được, ngay cả khi điều đó có nghĩa là bạn sẽ tạo ra nhiều sự chấp nhận hơn tại nơi làm việc.

The ideal scenario is that people adopt these tools fully without tweaking them.

Kịch bản lý tưởng là mọi người chấp nhận hoàn toàn các công cụ này mà không cần điều chỉnh chúng.

But we know that that comes at a cost of lower adoption.

Nhưng chúng ta biết rằng điều đó phải trả giá bằng tỷ lệ chấp nhận thấp hơn.

Are we willing to sacrifice some amount of precision in the use of these tools in exchange for an improved level of adoption?

Chúng ta có sẵn sàng hy sinh một phần độ chính xác trong việc sử dụng các công cụ này để đổi lấy mức độ chấp nhận được cải thiện không?

The final puzzle is this self sufficiency spiral.

Mảnh ghép cuối cùng là vòng xoáy tự cung tự cấp này.

If you think about all the work we do in an organization, you can categorize them into solo work and interdependent work.

Nếu bạn nghĩ về tất cả công việc chúng ta làm trong một tổ chức, bạn có thể phân loại chúng thành công việc cá nhân và công việc phụ thuộc lẫn nhau.

And you might say that in the future, these tools will allow us to do a lot more solo work.

Và bạn có thể nói rằng trong tương lai, những công cụ này sẽ cho phép chúng ta làm nhiều công việc cá nhân hơn.

And a lot of the solo work will colonize parts of the interdependent work.

Và nhiều công việc cá nhân sẽ chiếm lĩnh các phần của công việc phụ thuộc lẫn nhau.

And then what gets left behind as interdependent work, whether it's writing emails or doing presentations or conducting meetings, a lot of these tasks will then get intermediated by these AI tools.

Và sau đó, những gì còn lại là công việc phụ thuộc lẫn nhau, cho dù đó là viết email, thuyết trình hay điều hành cuộc họp, nhiều tác vụ này sau đó sẽ được trung gian bởi các công cụ AI này.

When you think about what it takes to create culture in an organization, or the role of the leader in kind of bringing people together around a shared mission, a lot of that is about interactive tasks.

Khi bạn nghĩ về những gì cần thiết để tạo ra văn hóa trong một tổ chức, hoặc vai trò của nhà lãnh đạo trong việc tập hợp mọi người xung quanh một sứ mệnh chung, thì phần lớn trong số đó là về các tác vụ tương tác.

A lot of that is about not being in solitude and doing isolated work, but

Phần lớn trong số đó là về việc không sống cô độc và làm việc riêng lẻ, mà là

thực sự cùng nhau làm việc như một nhóm.

And if the future of the workplace is a lot more solo and a lot more isolated, I worry a little bit about what this means for the future of organizations and our ability to create cultures and create a sense of identity with the organization.

Và nếu tương lai của nơi làm việc là nhiều công việc cá nhân và nhiều sự cô lập hơn, tôi hơi lo lắng về ý nghĩa của điều này đối với tương lai của các tổ chức và khả năng của chúng ta trong việc tạo ra văn hóa và tạo ra bản sắc với tổ chức.

We've seen other technologies in the past kind of deliver to us a future that we didn't quite want.

Chúng ta đã thấy những công nghệ khác trong quá khứ mang đến cho chúng ta một tương lai mà chúng ta không hoàn toàn mong muốn.

You take for example, social media, where it had this promise to create a more connected world, but

Lấy ví dụ, mạng xã hội, với lời hứa tạo ra một thế giới kết nối hơn, nhưng

instead what it gave us is possibly a more fragmented, polarized world where we perhaps have expected less from each other.

thay vào đó, nó lại mang đến cho chúng ta một thế giới có lẽ bị chia rẽ, phân cực hơn, nơi chúng ta có lẽ đã kỳ vọng ít hơn ở nhau.

And as MIT ethnographer once said, we are alone together through these tools.

Và như một nhà dân tộc học của MIT đã từng nói, chúng ta cô đơn cùng nhau thông qua những công cụ này.

So we don't want this feature for the workplace.

Vì vậy, chúng ta không muốn điều này xảy ra ở nơi làm việc.

And we need to think about ways that we can bring people together through perhaps different means and different approaches, so we can continue to create thriving environments for people as they engage with these tools.

Và chúng ta cần suy nghĩ về những cách thức mà chúng ta có thể gắn kết mọi người lại với nhau thông qua các phương tiện và cách tiếp cận khác nhau, để chúng ta có thể tiếp tục tạo ra môi trường phát triển cho mọi người khi họ tương tác với các công cụ này

Subtitles ListPlay Video

3 bài toán AI mà nơi làm việc phải giải quyết | Martin Gonzalez cho Big Think + (3 AI puzzles workplaces must solve | Martin Gonzalez for Big Think +)

scenario

thrive

fascinating

tend