Cắt giảm nhân sự vì tin rằng AI có thể thay thế ngay có thể tạo ra một hóa đơn lớn về sau. Gartner dự báo đến năm 2029, 30% nhân sự bị cho nghỉ vì được cho là AI thay thế sẽ cần được tuyển lại, thường với chi phí cao hơn. Bản tin hôm nay cũng cho thấy một khoảng cách đáng chú ý: AI giúp nhiều cá nhân làm việc nhanh hơn, nhưng chưa chắc đã làm lợi nhuận doanh nghiệp tăng tương ứng.
Theo dự báo mới của Gartner, đến năm 2029, 30% nhân sự bị cho nghỉ vì được cho là AI thay thế sẽ cần được tuyển lại, thường với chi phí cao hơn đáng kể. Cắt giảm quá sâu có thể làm mất kiến thức nội bộ, đứt nguồn nhân sự kế cận và tăng chi phí tuyển dụng, đào tạo.
Gartner cho rằng cơ hội lớn hơn không phải là tự động hóa mọi việc, mà là dùng AI để tăng khả năng phán đoán, sáng tạo và ra quyết định của con người. Tổ chức nên thiết kế lại vai trò và chuyển nhân sự từ việc ít giá trị sang công việc mới, thay vì coi AI đơn thuần là công cụ cắt chi phí.
Hàm ý quản trị: trước khi cắt một vị trí, doanh nghiệp cần đo riêng phần công việc AI thực sự làm ổn định, phần vẫn cần kinh nghiệm con người và chi phí phục hồi năng lực nếu quyết định sai.
Giới hạn: đây là dự báo của Gartner dựa trên xu hướng thị trường, không phải tỷ lệ đã xảy ra tại mọi ngành hoặc quốc gia.
McKinsey công bố ngày 9/9 rằng 80% người tham gia khảo sát toàn cầu cho biết AI cải thiện năng suất cá nhân, nhưng chỉ 37% ghi nhận AI đóng góp tích cực vào lợi nhuận doanh nghiệp.
Khoảng cách này dễ hiểu: một nhân viên làm nhanh hơn chưa tự động biến thành doanh thu hoặc lợi nhuận. Doanh nghiệp còn phải thay đổi quy trình, phân quyền, dữ liệu, chỉ số đo lường và cách đưa kết quả AI vào quyết định kinh doanh.
| Điều cần đo | Câu hỏi thực tế |
|---|---|
| Năng suất cá nhân | Một người tiết kiệm bao nhiêu giờ? |
| Hiệu quả quy trình | Thời gian xử lý toàn bộ công việc giảm bao nhiêu? |
| Chất lượng | Lỗi, việc làm lại hoặc khiếu nại có giảm không? |
| Kết quả kinh doanh | Doanh thu, lợi nhuận hoặc mức giữ chân khách hàng thay đổi thế nào? |
Giới hạn: bản cập nhật công khai tóm tắt kết quả khảo sát, chưa trình bày toàn bộ phương pháp và cơ cấu mẫu ngay trên trang.
Trong quá trình dùng GPT-6 Astra nội bộ, đội kỹ thuật OpenAI cho biết model đã giúp tìm ra điểm nghẽn trong cách cấp phát bộ nhớ của môi trường thử nghiệm Codex. Sau khi đổi bộ cấp phát, độ trễ mỗi vòng xử lý giảm 25 lần, đổi lại bộ nhớ đỉnh tăng khoảng 30%.
Đây là bài học quan trọng: AI có thể tìm ra phương án tối ưu mà con người bỏ sót, nhưng nhóm kỹ thuật vẫn cần kiểm tra sự đánh đổi. Nhanh hơn không có nghĩa là miễn phí; trong trường hợp này, hệ thống dùng nhiều bộ nhớ đỉnh hơn.
Heurist Finance và AWS mô tả một bàn làm việc đầu tư dạng hội thoại. AI có thể mua dữ liệu thị trường cao cấp theo từng truy vấn, chạy phân tích trong môi trường cô lập và lưu dấu vết từng hành động để kiểm tra lại.
Điểm đáng học không phải là giao toàn bộ quyết định đầu tư cho AI. Giá trị nằm ở việc kiểm soát danh tính, giới hạn môi trường chạy và ghi lại nguồn dữ liệu cùng thao tác. Nhờ đó, chuyên gia có thể xem AI đã làm gì trước khi dùng kết quả.
Giới hạn: đây là câu chuyện do nhà cung cấp và khách hàng công bố, không đưa số liệu tài chính hoặc đánh giá độc lập về hiệu quả đầu tư.
OpenAI giới thiệu GPT-6 Astra cho các tác vụ nghề nghiệp phức tạp như lập trình, duyệt web, thao tác máy tính, phân tích tài liệu và an ninh mạng. Giá API được công bố từ 10 USD cho một triệu token đầu vào và 50 USD cho một triệu token đầu ra. Token là đơn vị nhỏ mà model dùng để đọc và tạo văn bản.
Trong thử nghiệm nội bộ của OpenAI về thao tác máy tính, Astra tạo kết quả ngoài ý muốn ít hơn 89% so với GPT-5.6 Sol. Đây là số liệu do OpenAI tự đánh giá, vì vậy doanh nghiệp vẫn nên chạy bộ kiểm thử của riêng mình trước khi cấp quyền vào hệ thống thật.
Quản trị viên có thể giới hạn website và ứng dụng được phép truy cập, quản lý tải lên/tải xuống và yêu cầu xác nhận trước hành động quan trọng. Quyền truy cập Astra cho doanh nghiệp được tắt mặc định khi ra mắt.
GitHub cho phép quản trị viên Copilot Business và Enterprise kiểm soát tập trung từng nhóm thao tác của Agent: chặn hoàn toàn, yêu cầu con người phê duyệt hoặc cho phép tiếp tục không cần hỏi lại.
Đây là thay đổi thiết thực với doanh nghiệp. Thay vì chỉ bật hoặc tắt AI Agent, tổ chức có thể cấp quyền theo mức rủi ro. Ví dụ, Agent được đọc mã và chạy kiểm thử nhưng phải xin phép trước khi sửa cấu hình phát hành.
Google giới thiệu bốn cách dùng Gemini để đọc và tóm tắt giấy tờ, lập danh sách việc cần làm, chuẩn bị câu hỏi và soạn nội dung phục vụ các thủ tục hành chính. Đây không phải model mới, nhưng là hướng dẫn tình huống cụ thể, phù hợp với người không rành kỹ thuật.
Lưu ý: giấy tờ hành chính có thể chứa dữ liệu nhạy cảm. Người dùng nên kiểm tra chính sách bảo mật của tài khoản và tránh tải lên thông tin không cần thiết.
IBM Research phát hành Granite Time Series PatchTST-FM-r2, một mô hình dùng để dự báo dữ liệu thay đổi theo thời gian như nhu cầu, lưu lượng, giá hoặc mức tiêu thụ. Mô hình được công bố với giấy phép thuận lợi cho việc thử nghiệm và sử dụng thương mại.
Doanh nghiệp có dữ liệu vận hành định kỳ có thể thử model này như một mốc so sánh trước khi tự huấn luyện hệ thống riêng. Kết quả thực tế vẫn phụ thuộc chất lượng dữ liệu và đặc thù từng ngành.
Theo hướng dẫn kỹ thuật của NVIDIA, Alibaba đã mở trọng số Qwen3.8-2.4T-A95B, còn gọi là Qwen3.8-Max. Trọng số mở cho phép tổ chức tải model, tự triển khai và kiểm soát hạ tầng tốt hơn so với chỉ dùng API đóng.
Quy mô 2,4 nghìn tỷ tham số không có nghĩa là mọi tham số đều được dùng cho mỗi yêu cầu. Đây là kiến trúc chuyên gia hỗn hợp, chỉ kích hoạt một phần phù hợp. Dù vậy, yêu cầu hạ tầng vẫn rất lớn và không phù hợp với mọi doanh nghiệp.
| Nhóm | Nguồn |
|---|---|
| Góc nhìn chiến lược | Gartner · McKinsey |
| Case study | OpenAI · AWS và Heurist Finance |
| Cập nhật hãng | OpenAI · GitHub · Google Gemini |
| Mã nguồn mở | IBM Research · NVIDIA/Qwen |
Bản tin được tổng hợp và phân phối tự động bằng AIWeb – nền tảng web tự vận hành bằng AI Agent.
