Dự báo việc làm của AI không đáng tin cậy khi 3 mô hình bất đồng về rủi ro

Một nghiên cứu mới tiết lộ rằng chính các mô hình AI dự báo về sự thay thế việc làm lại không thể thống nhất về việc những công việc nào sẽ bị ảnh hưởng, với mức độ bất đồng lên tới 25%.

Một nghiên cứu mới đã phát hiện ra rằng các mô hình trí tuệ nhân tạo hàng đầu thế giới đưa ra các dự báo khác nhau và thường mâu thuẫn về những công việc nào dễ bị tự động hóa nhất, làm dấy lên nghi ngờ về độ tin cậy của việc dự báo kinh tế dựa trên AI. Tài liệu làm việc này, được công bố bởi Cục Nghiên cứu Kinh tế Quốc gia (NBER), nhấn mạnh sự không chắc chắn trong một lĩnh vực đã trở thành mối quan tâm cấp bách đối với cả các nhà hoạch định chính sách và người lao động, cho thấy sự bất đồng giữa 3 mô hình hàng đầu về rủi ro việc làm.

"Cá nhân tôi sẽ không dựa vào chỉ một thước đo để nói rằng, 'Ồ, mình nên đổi việc,' hay 'Mình nên đổi ngành học cho con,'" Michelle Yin từ Đại học Northwestern, một trong những tác giả của nghiên cứu, cho biết. Nghiên cứu chỉ ra rằng mặc dù AI đang được sử dụng để dự đoán tác động của chính nó, nhưng kết quả còn xa mới đạt được sự nhất quán, đồng thời kêu gọi sự thận trọng đối với việc chấp nhận các dự báo này một cách mù quáng.

Nghiên cứu được đồng tác giả bởi Yin, Hoa Vu từ Đại học Northwestern và Claudia Persico từ Đại học American, đã kiểm tra bảng xếp hạng mức độ tiếp xúc với công việc từ ba mô hình AI lớn: ChatGPT-5 của OpenAI, Gemini 2.5 của Google Deepmind và Claude 4.5 của Anthropic. Ví dụ, Claude đánh giá kế toán là đối tượng rất dễ bị tổn thương bởi AI, trong khi Gemini xếp họ vào nhóm có rủi ro thấp hơn nhiều. Các mô hình cũng bất đồng về mức độ dễ bị tổn thương của các vai trò như quản lý quảng cáo và giám đốc điều hành.

Các phát hiện này đặt ra thách thức cho các nhà đầu tư và các công ty đang dựa vào "điểm số tiếp xúc" do AI tạo ra để lập kế hoạch nhân lực chiến lược. Với việc các mô hình như ChatGPT và Gemini bất đồng khoảng một phần tư thời gian, nghiên cứu gợi ý rằng thế hệ AI hiện tại có thể đang phản ánh những định kiến sẵn có trong việc áp dụng hơn là cung cấp một cái nhìn sáng suốt về sự gián đoạn trong tương lai.

Các mô hình bất đồng

Cốt lõi của nghiên cứu bao gồm việc đưa các nhiệm vụ từ cơ sở dữ liệu của Bộ Lao động vào các mô hình AI để xem chúng có thể thực hiện những nhiệm vụ nào. Các nhà kinh tế phát hiện ra rằng mức độ thống nhất giữa các mô hình thấp một cách đáng ngạc nhiên. Mặc dù ChatGPT và Gemini có sự tương đồng nhất, họ vẫn đưa ra các đánh giá khác nhau cho một phần đáng kể các ngành nghề.

Sự phân kỳ này là rất quan trọng vì những điểm số tiếp xúc này ngày càng được sử dụng nhiều trong các báo cáo trắng của đơn vị tư vấn, ghi chú nghiên cứu và báo cáo chính sách để hướng dẫn các quyết định về đào tạo và hỗ trợ lực lượng lao động. Nghiên cứu cho rằng một số khác biệt này có thể bắt nguồn từ dữ liệu đào tạo của các mô hình; những người sớm áp dụng trong các lĩnh vực như phân tích tài chính tạo ra nhiều dữ liệu liên quan đến AI hơn, điều này ngược lại có thể dẫn đến việc các mô hình xếp hạng những ngành nghề đó là dễ bị tiếp xúc hơn.

Hệ lụy đối với việc lập kế hoạch nhân lực

Sự không đáng tin cậy của các điểm số do AI tạo ra này có những hệ lụy đáng kể. Các nhà hoạch định chính sách đang nỗ lực thiết kế các hệ thống hỗ trợ cho những người lao động bị thay thế và các tổ chức giáo dục tư vấn cho sinh viên về các sự nghiệp "chống lại AI" có thể đang vận hành với dữ liệu sai lệch. Các nhà kinh tế gợi ý rằng thay vì dựa vào một mô hình AI duy nhất, các nhà nghiên cứu nên xem xét trên nhiều mô hình khác nhau và minh bạch hơn về sự không chắc chắn của các dự báo.

Đối với các nhà đầu tư, nghiên cứu đóng vai trò như một lời cảnh báo đối với việc đặt cược vào toàn bộ các lĩnh vực dựa trên các kịch bản AI thay thế việc làm một cách đơn giản. Sự thiếu đồng thuận giữa các mô hình AI cho thấy tác động thực tế lên thị trường lao động sẽ sắc thái hơn và khó dự đoán hơn so với nhiều báo cáo đưa ra. Mức độ tiếp xúc thực sự của bất kỳ công việc nào phụ thuộc ít hơn vào khả năng lý thuyết của mô hình mà phụ thuộc nhiều hơn vào cách AI thực sự được triển khai trong nền kinh tế, một quy trình đòi hỏi các khảo sát mạnh mẽ hơn và phân tích có sự tham gia của con người.

Bài viết này chỉ nhằm mục đích cung cấp thông tin và không cấu thành lời khuyên đầu tư.