← Tất cả bài tập

Nghiên cứu học thuật · B2

Tìm kiếm và đánh giá thông tin học thuật

Không chỉ tìm được tài liệu, mà còn biết tài liệu nào xứng đáng để tin.

B202 / 07
10nguồn đã kiểm chứng
6bài báo khoa học
5tiêu chí đánh giá

Tôi nghiên cứu tác động của AI tạo sinh đến năng suất lao động trong nhóm ngành dịch vụ. Quy trình đi từ xác định câu hỏi, thiết kế từ khóa, sàng lọc nguồn đến đánh giá phương pháp và tổng hợp bằng chứng.

01

Thu thập tối thiểu 10 tài liệu từ nhiều nhóm nguồn đáng tin cậy.

02

Đánh giá nguồn theo tác giả, nhà xuất bản, phương pháp, trích dẫn và tính cập nhật.

03

Tổng hợp kết quả thay vì chỉ liệt kê tài liệu.

04

Trình bày danh mục tham khảo theo định dạng Harvard.

Quy trình

Từng bước giải quyết
một vấn đề cụ thể.

01

Đặt câu hỏi

AI tạo sinh ảnh hưởng thế nào đến năng suất, chất lượng công việc và nhu cầu kỹ năng?

02

Thiết kế truy vấn

Kết hợp các từ khóa generative AI, productivity, service industry và labour market.

03

Sàng lọc

Ưu tiên nghiên cứu thực nghiệm, tạp chí phản biện và báo cáo chính thức giai đoạn 2022–2025.

04

Đánh giá & tổng hợp

So sánh phương pháp, kết quả, hạn chế và mức độ có thể khái quát của từng nguồn.

Kết quả & phân tích

Điều nổi bật sau
quá trình thực hiện.

Nguồn tiêu biểuLoại nguồnKết luận chínhĐộ tin cậy
Noy & Zhang (2023)ScienceGiảm thời gian, tăng chất lượng nhiệm vụ viếtRất cao
Brynjolfsson et al. (2025)QJENăng suất hỗ trợ khách hàng tăng trung bình 15%Rất cao
Kassa & Worku (2025)Journal of Open InnovationNăng suất nhân viên là biến trung gian quan trọngCao
Salari et al. (2025)Systematic reviewGenAI vừa tạo vai trò mới vừa thay đổi nhu cầu kỹ năngRất cao
Teutloff et al. (2025)J. Economic BehaviorNhu cầu một số kỹ năng freelance giảm mạnhRất cao

Năng suất

AI tạo sinh cải thiện rõ nhất các tác vụ có cấu trúc như viết, hỗ trợ khách hàng và lập trình.

Phân bố lợi ích

Người ít kinh nghiệm thường hưởng lợi nhiều hơn, nhưng hiệu quả tổ chức phụ thuộc quản trị và dữ liệu.

Rủi ro

Tốc độ tăng không bảo đảm chất lượng; kiểm chứng đầu ra vẫn là điều kiện bắt buộc.

Báo cáo trực tuyến

Toàn bộ nội dung,
đọc ngay trên web.

Nội dung được chuyển từ báo cáo DOCX và tối ưu lại cho màn hình. Bản PDF vẫn được giữ để tải xuống hoặc in.

I. MỤC TIÊU VÀ PHẠM VI TÌM KIẾM

Báo cáo tập trung trả lời câu hỏi: AI tạo sinh ảnh hưởng như thế nào đến năng suất lao động, chất lượng công việc và nhu cầu kỹ năng trong các hoạt động dịch vụ dựa trên tri thức? Phạm vi được giới hạn ở các công việc viết chuyên môn, chăm sóc khách hàng, tư vấn quản lý, lập trình, marketing, bán hàng và lao động freelance.

Mục tiêu là thu thập tối thiểu 10 tài liệu thuộc nhiều loại nguồn, đánh giá có hệ thống độ tin cậy của từng tài liệu và tổng hợp các kết luận có thể ứng dụng trong học tập và định hướng nghề nghiệp.

II. PHƯƠNG PHÁP TÌM KIẾM VÀ ĐÁNH GIÁ

Nguồn tìm kiếm: Google Scholar, Crossref, website tạp chí học thuật, Harvard Business School, arXiv, MIT Press và OECD.

Từ khóa chính: “generative AI productivity”, “GenAI service industry”, “AI customer support productivity”, “GitHub Copilot productivity”, “AI knowledge workers” và “generative AI labour market”.

Tiêu chí lựa chọn: liên quan trực tiếp đến chủ đề; công bố từ năm 2022 đến 2025; có phương pháp và kết quả rõ ràng; ưu tiên nghiên cứu thực nghiệm, tạp chí phản biện và cơ quan xuất bản uy tín.

Tiêu chí đánh giá: tác giả/cơ quan, uy tín nhà xuất bản, phương pháp nghiên cứu, ảnh hưởng trích dẫn, tính cập nhật và hạn chế của nguồn.

III. KẾT QUẢ TÌM KIẾM

Bộ tài liệu gồm 10 nguồn: 6 bài báo khoa học đã xuất bản, 2 nghiên cứu học thuật dạng working paper/preprint, 1 sách chuyên khảo và 1 báo cáo mở của tổ chức quốc tế. Cấu trúc này đáp ứng yêu cầu đa dạng nguồn và bảo đảm có ít nhất 5 bài báo khoa học.

6211
Bài báo khoa họcNguồn học thuậtSách chuyên khảoBáo cáo OECD
STTNguồn và loại nguồnPhương pháp / dữ liệuKết quả chínhĐánh giá theo tiêu chíHạn chếXếp hạng
1Noy & Zhang (2023) Bài báo khoa học – ScienceThí nghiệm ngẫu nhiên có đăng ký trước; 444 chuyên gia có trình độ đại học thực hiện nhiệm vụ viết chuyên môn.ChatGPT giúp giảm khoảng 40% thời gian và tăng khoảng 18% chất lượng đầu ra; lợi ích lớn hơn với người có năng lực ban đầu thấp.Tác giả: Cao NXB: Rất cao Phương pháp: Rất cao Trích dẫn: Rất cao Cập nhật: CaoNhiệm vụ ngắn, khép kín; chưa phản ánh toàn bộ công việc dài hạn.5,0/5
2Brynjolfsson, Li & Raymond (2025) Bài báo khoa học – QJETriển khai theo giai đoạn và phân tích difference-in-differences trên dữ liệu 5.172 nhân viên hỗ trợ khách hàng.Năng suất tăng trung bình 15%; nhân viên ít kinh nghiệm hưởng lợi nhiều hơn và có dấu hiệu học hỏi từ AI.Tác giả: Rất cao NXB: Rất cao Phương pháp: Rất cao Trích dẫn: Rất cao Cập nhật: Rất caoMột doanh nghiệp và một nghề nghiệp; cần thận trọng khi khái quát.5,0/5
3Bughin (2024) Bài báo khoa học – Structural Change and Economic DynamicsPhân tích kinh tế lượng các trường hợp sử dụng GenAI trong doanh nghiệp lớn ở nội dung, lập trình, marketing, bán hàng và chăm sóc khách hàng.Mức tăng năng suất lao động được báo cáo trung bình khoảng 20,1%; năng lực dữ liệu, nhân lực AI và quản trị quyết định mức hưởng lợi.Tác giả: Cao NXB: Rất cao Phương pháp: Cao Trích dẫn: Khá Cập nhật: Rất caoDữ liệu trường hợp doanh nghiệp có thể chịu sai lệch tự báo cáo.4,5/5
4Kassa & Worku (2025) Bài báo khoa học – Journal of Open InnovationKhảo sát định lượng 172 nhân viên Ethio Telecom; phân tích PLS-SEM để kiểm định vai trò trung gian của năng suất nhân viên.AI có quan hệ tích cực với năng suất nhân viên và hiệu quả tổ chức; năng suất nhân viên đóng vai trò trung gian một phần.Tác giả: Cao NXB: Rất cao Phương pháp: Cao Trích dẫn: Mới công bố Cập nhật: Rất caoMẫu chọn có chủ đích tại một doanh nghiệp; nghiên cứu AI nói chung, không chỉ GenAI.4,4/5
5Salari et al. (2025) Bài báo khoa học – Computers in Human Behavior ReportsSystematic review theo PRISMA; tìm kiếm sáu cơ sở dữ liệu và chọn 14 nghiên cứu về GenAI và tương lai thị trường lao động.GenAI có thể tăng hiệu quả, giảm chi phí và thời gian, đồng thời tạo vai trò mới nhưng làm giảm cơ hội ở một số nhóm nhiệm vụ.Tác giả: Cao NXB: Rất cao Phương pháp: Rất cao Trích dẫn: Mới công bố Cập nhật: Rất caoChỉ tổng hợp 14 nghiên cứu; bằng chứng dài hạn về thị trường lao động còn hạn chế.4,7/5
6Teutloff et al. (2025) Bài báo khoa học – Journal of Economic Behavior & OrganizationPhân tích dữ liệu tin tuyển dụng freelance; phân cụm 116 nhóm kỹ năng và xây dựng kịch bản đối chứng.Nhu cầu kỹ năng có thể bị GenAI thay thế giảm 20–50%; nhu cầu một số kỹ năng bổ trợ AI tăng, nhưng tổng nhu cầu freelance không giảm.Tác giả: Cao NXB: Rất cao Phương pháp: Cao Trích dẫn: Khá Cập nhật: Rất caoĐo nhu cầu lao động, không đo trực tiếp năng suất từng người.4,7/5
7Dell’Acqua et al. (2023) Working paper – Harvard Business SchoolThí nghiệm thực địa đăng ký trước với 758 tư vấn viên BCG, chia nhóm không AI, GPT-4 và GPT-4 kèm hướng dẫn prompt.Trong phạm vi năng lực AI: hoàn thành nhiều hơn 12,2% nhiệm vụ và nhanh hơn 25,1%; ngoài phạm vi AI, xác suất đúng giảm 19%.Tác giả: Rất cao Cơ quan: Rất cao Phương pháp: Rất cao Trích dẫn: Rất cao Cập nhật: CaoBản được sử dụng là working paper; tập trung vào tư vấn viên của một công ty.4,8/5
8Peng et al. (2023) CSDL học thuật – arXivThí nghiệm có đối chứng với lập trình viên chuyên nghiệp thực hiện cùng một nhiệm vụ xây dựng HTTP server bằng JavaScript.Nhóm dùng GitHub Copilot hoàn thành nhiệm vụ nhanh hơn 55,8%; tác động có khác biệt theo kinh nghiệm.Tác giả: Cao CSDL: Cao Phương pháp: Cao Trích dẫn: Cao Cập nhật: CaoPreprint chưa phản biện chính thức; chỉ kiểm tra một nhiệm vụ lập trình.4,3/5
9Davenport & Miller (2022) Sách chuyên khảo – MIT PressTổng hợp 29 nghiên cứu tình huống và phỏng vấn người lao động, quản lý, nhà cung cấp công nghệ ở nhiều ngành.AI thường thay đổi và hỗ trợ từng nhiệm vụ hơn là thay thế toàn bộ nghề nghiệp; hiệu quả phụ thuộc thiết kế lại công việc và hợp tác người–máy.Tác giả: Rất cao NXB: Rất cao Phương pháp: Khá–Cao Ảnh hưởng: Cao Cập nhật: KháNhiều trường hợp nói về AI nói chung, không chỉ GenAI; không phải nghiên cứu thực nghiệm nhân quả.4,3/5
10Calvino, Reijerink & Samek (2025) Nguồn mở chính thức – OECDTổng quan có hệ thống các nghiên cứu thực nghiệm về GenAI, năng suất, đổi mới và khởi nghiệp.GenAI cải thiện hiệu quả ở viết, tóm tắt, dịch và lập trình; mức lợi ích phụ thuộc nhiệm vụ, kinh nghiệm và khả năng đánh giá đầu ra.Tác giả: Rất cao Cơ quan: Rất cao Phương pháp: Rất cao Ảnh hưởng: Cao Cập nhật: Rất caoLà nghiên cứu tổng quan; hiệu ứng dài hạn và tác động cấp doanh nghiệp vẫn thiếu bằng chứng.4,8/5

IV. PHÂN TÍCH VÀ TỔNG HỢP KẾT QUẢ

1. AI tạo sinh cải thiện năng suất rõ nhất ở tác vụ có cấu trúc

Các nghiên cứu thực nghiệm cho thấy AI tạo sinh có thể giảm thời gian và tăng sản lượng ở nhiều nhiệm vụ dịch vụ dựa trên tri thức. Noy và Zhang (2023) ghi nhận hiệu quả trong viết chuyên môn; Brynjolfsson, Li và Raymond (2025) đo được mức tăng năng suất trung bình 15% ở hỗ trợ khách hàng; Dell’Acqua et al. (2023) cho thấy tư vấn viên hoàn thành nhiều nhiệm vụ hơn và nhanh hơn khi công việc nằm trong phạm vi năng lực của AI. Với lập trình, Peng et al. (2023) ghi nhận nhóm dùng GitHub Copilot hoàn thành nhiệm vụ thử nghiệm nhanh hơn 55,8%.

2. Lợi ích không phân bố đồng đều giữa người lao động và tổ chức

Nhân viên ít kinh nghiệm thường nhận được lợi ích lớn hơn vì AI giúp tiếp cận các mẫu thực hành tốt và giảm thời gian tìm kiếm thông tin. Tuy nhiên, mức tăng năng suất cấp cá nhân không tự động chuyển thành hiệu quả cấp doanh nghiệp. Bughin (2024) cho thấy dữ liệu, nhân lực AI và năng lực quản trị là các điều kiện bổ trợ quan trọng; Kassa và Worku (2025) cũng xác định năng suất nhân viên là biến trung gian một phần giữa AI và hiệu quả tổ chức. Sách của Davenport và Miller (2022) nhấn mạnh thêm vai trò của thiết kế lại quy trình và phân công hợp lý giữa người và máy.

3. AI vừa bổ trợ vừa có khả năng thay thế một số nhiệm vụ dịch vụ

Teutloff et al. (2025) phát hiện nhu cầu đối với các nhóm kỹ năng freelance dễ bị thay thế, như một số dạng viết và dịch thuật, giảm đáng kể sau khi ChatGPT xuất hiện. Systematic review của Salari et al. (2025) cũng cho thấy GenAI vừa có khả năng tạo vai trò mới vừa làm giảm cơ hội ở một số nhóm nhiệm vụ. Điều này cho thấy thay đổi chủ yếu diễn ra ở cấu trúc nhiệm vụ và yêu cầu kỹ năng, thay vì mọi nghề nghiệp đều bị thay thế đồng loạt.

4. Chất lượng và khả năng kiểm chứng là điều kiện bắt buộc

AI có thể làm giảm hiệu quả khi được sử dụng ngoài phạm vi năng lực hoặc khi người dùng phụ thuộc quá mức vào đầu ra. Trong thí nghiệm tư vấn, người dùng AI có xác suất đưa ra đáp án đúng thấp hơn ở nhiệm vụ nằm ngoài “biên năng lực” của hệ thống (Dell’Acqua et al., 2023). Vì vậy, năng suất cần được đánh giá đồng thời theo tốc độ, chất lượng, độ chính xác và chi phí kiểm tra lại.

V. KẾT LUẬN VÀ KHUYẾN NGHỊ

Bằng chứng hiện có cho thấy AI tạo sinh có tiềm năng nâng cao năng suất trong nhóm ngành dịch vụ, đặc biệt ở các tác vụ viết, chăm sóc khách hàng, tư vấn và lập trình. Tuy nhiên, tác động phụ thuộc mạnh vào loại nhiệm vụ, trình độ người dùng và năng lực triển khai của tổ chức. AI nên được xem là công cụ bổ trợ có giám sát, không phải nguồn đầu ra có thể sử dụng mà không kiểm chứng.

Đào tạo người lao động về prompt, đánh giá đầu ra và kiểm chứng thông tin.

Đo hiệu quả bằng cả tốc độ, chất lượng, mức sửa lỗi và trải nghiệm khách hàng.

Bắt đầu từ các tác vụ có cấu trúc rõ, sau đó mở rộng có kiểm soát.

Duy trì vai trò quyết định của con người đối với nội dung quan trọng và tình huống ngoại lệ.

DANH MỤC TÀI LIỆU THAM KHẢO – HARVARD STYLE

Brynjolfsson, E., Li, D. and Raymond, L.R. (2025) ‘Generative AI at Work’, The Quarterly Journal of Economics, 140(2), pp. 889–942. doi: 10.1093/qje/qjae044.

Bughin, J. (2024) ‘What drives the corporate payoffs of using generative artificial intelligence?’, Structural Change and Economic Dynamics, 71, pp. 658–668. doi: 10.1016/j.strueco.2024.09.011.

Calvino, F., Reijerink, J. and Samek, L. (2025) The effects of generative AI on productivity, innovation and entrepreneurship. OECD Artificial Intelligence Papers, No. 39. Paris: OECD Publishing. doi: 10.1787/b21df222-en.

Davenport, T.H. and Miller, S.M. (2022) Working with AI: Real Stories of Human-Machine Collaboration. Cambridge, MA: The MIT Press.

Dell’Acqua, F., McFowland III, E., Mollick, E., Lifshitz-Assaf, H., Kellogg, K.C., Rajendran, S., Krayer, L., Candelon, F. and Lakhani, K.R. (2023) ‘Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality’. Harvard Business School Working Paper No. 24-013. Available at: https://www.hbs.edu/faculty/Pages/item.aspx?num=64700 (Accessed: 7 June 2026).

Kassa, B.Y. and Worku, E.K. (2025) ‘The impact of artificial intelligence on organizational performance: The mediating role of employee productivity’, Journal of Open Innovation: Technology, Market, and Complexity, 11(1), 100474. doi: 10.1016/j.joitmc.2025.100474.

Noy, S. and Zhang, W. (2023) ‘Experimental evidence on the productivity effects of generative artificial intelligence’, Science, 381(6654), pp. 187–192. doi: 10.1126/science.adh2586.

Peng, S., Kalliamvakou, E., Cihon, P. and Demirer, M. (2023) ‘The Impact of AI on Developer Productivity: Evidence from GitHub Copilot’, arXiv:2302.06590. doi: 10.48550/arXiv.2302.06590.

Salari, N., Beiromvand, M., Hosseinian-Far, A., Habibi, J., Babajani, F. and Mohammadi, M. (2025) ‘Impacts of generative artificial intelligence on the future of labor market: A systematic review’, Computers in Human Behavior Reports, 18, 100652. doi: 10.1016/j.chbr.2025.100652.

Teutloff, O., Einsiedler, J., Kässi, O., Braesemann, F., Mishkin, P. and del Rio-Chanona, R.M. (2025) ‘Winners and losers of generative AI: Early Evidence of Shifts in Freelancer Demand’, Journal of Economic Behavior & Organization, 235, 106845. doi: 10.1016/j.jebo.2024.106845.

Bài học cá nhân
Tôi thay đổi cách nhìn về việc “tìm tài liệu”: kết quả đứng đầu không mặc nhiên là nguồn tốt nhất. Một tài liệu đáng tin cần có phương pháp phù hợp, bối cảnh rõ và giới hạn được thừa nhận.
Đọc báo cáo đầy đủ ↗