Tại sao AI vẫn chưa làm tăng tỷ lệ thất nghiệp?

Tôi nghĩ tôi sẽ chia sẻ một vài suy ngẫm tổng quan và một khung lý thuyết giúp tôi hiểu được tại sao (cho đến nay) chúng ta chưa thấy tác động đáng kể nào của AI lên thị trường lao động Mỹ. Tôi tập trung vào Mỹ vì (a) tỷ lệ áp dụng AI ở đây cao, (b) đây là nền kinh tế lớn nhất thế giới, (c) so với châu Âu, các thể chế thị trường lao động của chúng ta trong lịch sử tạo điều kiện cho việc áp dụng công nghệ thay thế lao động nhanh hơn, và (d) chúng ta có một loạt thống kê thị trường lao động phong phú bất thường để hiểu được tình hình hiện tại. Gần đây tôi đã chia sẻ những suy nghĩ này trong nội bộ Anthropic.

Đầu tiên, tỷ lệ áp dụng AI ở Mỹ rất cao. Vì vậy, thật hợp lý khi tìm kiếm tác động của nó lên năng suất hoặc tỷ lệ thất nghiệp. Tăng trưởng năng suất lao động đã mạnh mẽ trong những năm gần đây và có bằng chứng cho thấy AI đã đóng góp một phần.

Nhưng thị trường lao động Mỹ hiện đang ổn định và gần đạt mức việc làm tối đa. Theo quan điểm của tôi, cho đến nay AI chưa gây ra sự gia tăng đáng kể nào về tỷ lệ thất nghiệp. Ngay cả khi chúng ta tập trung vào những người lao động có mức độ tiếp xúc cao với các mô hình tự động hóa AI hiện tại, chúng ta cũng không thấy sự gia tăng bất ngờ về tỷ lệ thất nghiệp trong những năm gần đây (mặc dù như tôi sẽ thảo luận dưới đây, những người lao động này lo ngại nhiều hơn về việc mất việc).

Tại sao chúng ta không thấy tác động nào của việc áp dụng AI lên tỷ lệ thất nghiệp? AI (cho đến nay) mang những dấu hiệu của một công nghệ "thiên về kỹ năng" (skill-biased), giúp tăng cường lao động (labor-augmenting). Ngay cả khi AI tự động hóa một số khía cạnh của công việc, chuyên môn bổ sung của con người vẫn khuếch đại những gì AI (hoặc con người) có thể đạt được một mình. AI mở rộng phạm vi những gì con người có thể hoàn thành, điều này làm tăng lợi ích từ việc làm việc với AI.

Tuy nhiên, tương lai vẫn còn rất bất định. Khả năng của các mô hình đang tiến bộ nhanh chóng và các hệ thống AI có thể sớm tự động phát triển những thế hệ kế tiếp của chính chúng. Các hệ thống AI thông minh tổng quát hơn có thể dẫn đến sự dịch chuyển lao động mà chưa xảy ra. Liệu điều đó có xảy ra không (và tốc độ như thế nào) là một câu hỏi mở, một câu hỏi mà nhóm của tôi đang làm việc để tìm hiểu.

Theo nhiều cách, bài luận ngắn này là nỗ lực của tôi để tổng hợp nghiên cứu kinh tế của Anthropic trong 18 tháng qua nhằm hiểu cách mọi người sử dụng AI và điều đó hàm ý gì cho công việc, thị trường lao động và nền kinh tế rộng lớn hơn ngay lúc này. Công việc này nhấn mạnh rằng tương lai vẫn còn bất định và các tác động có khả năng sẽ không đồng đều. Cho đến nay, chúng ta đã thấy các tác động đến thất nghiệp còn yếu ớt; bài luận này trình bày khung lý thuyết của tôi để hiểu tại sao (và điều gì có thể thay đổi trong tương lai).

Bối cảnh quan trọng: Thị trường lao động Mỹ hiện đang ổn định.

• Tỷ lệ thất nghiệp trong tháng 6 là 4,2%, mức mà Fed xem là phù hợp với việc làm đầy đủ và giá cả ổn định.
• Tỷ lệ việc làm trống trên số người thất nghiệp gần đây đã tăng lên chỉ hơn 1 vào tháng 4, điều mà một số nhà kinh tế cho rằng hàm ý rằng cung và cầu lao động đang cân bằng một cách thô sơ và hiệu quả. Các chỉ số tinh vi hơn, như Chỉ số Thắt chặt Thị trường Lao động HPW (Heise, Pearce, Weber) của Fed NY, cũng chỉ ra một thị trường lao động cân bằng.
• Tỷ lệ việc làm trên dân số trong độ tuổi lao động chính vẫn gần mức cao nhất trong nhiều thập kỷ, phản ánh sức mạnh thị trường lao động rộng khắp đã xuất hiện trong giai đoạn mở rộng sau đại dịch.
• Số đơn xin trợ cấp thất nghiệp lần đầu hàng tuần đã ổn định ở mức thấp trong bốn năm qua. Và tỷ lệ sa thải và cho nghỉ việc vẫn ở mức hoặc thấp hơn một chút so với mức trước đại dịch.

Vậy liệu chúng ta có nên mong đợi một tác động từ AI lên thị trường lao động chưa? Tôi nghĩ câu trả lời là có: Ngành AI đủ lớn để chúng ta có thể tìm kiếm các hiệu ứng kinh tế vĩ mô có thể nhận biết được.

• Khoảng 20% doanh nghiệp sử dụng AI trong ít nhất một chức năng kinh doanh. Trong lĩnh vực thông tin, chiếm 5,5% GDP, tỷ lệ này là 40%.
• Sản lượng AI được điều chỉnh theo chất lượng đã tăng hơn 2.000% mỗi năm trong cả năm 2024 và 2025, theo ước tính của Patrick McKelvey và đồng nghiệp của tôi @akorinek. Ngay cả từ một nền tảng ban đầu nhỏ, điều này cho thấy chúng ta sẽ thấy các dấu hiệu tác động của AI trong tổng thể.
• Tôi tin rằng chúng ta đang bắt đầu thấy tác động của AI trong các thống kê năng suất tổng hợp:
• Tăng trưởng năng suất lao động tương đối mạnh mẽ trong những năm gần đây: tỷ lệ sản lượng trên giờ làm việc đã tăng 2,0% mỗi năm từ Q1/2022 đến Q1/2026, so với 1,6% trong bốn năm trước đại dịch.
• Các lĩnh vực của nền kinh tế Mỹ có tỷ lệ áp dụng AI cao hơn có xu hướng có tốc độ tăng trưởng năng suất lao động nhanh hơn trong bốn năm qua.
• Tăng trưởng năng suất nhân tố tổng hợp (Total factor productivity) – cách các nhà kinh tế thường đo lường năng suất – đã khiêm tốn hơn trong những năm gần đây (đặc biệt sau khi tính đến việc sử dụng yếu tố sản xuất). Điều này làm suy yếu bằng chứng, nhưng các tín hiệu hỗn hợp về năng suất có thể tự nó chỉ ra rằng một sự tăng tốc đang diễn ra.
• Các công ty đưa ra quyết định tuyển dụng dựa trên niềm tin về giá trị tương lai của việc thuê một lao động mới, so với chi phí.
• Các công ty tính đến năng suất của người lao động trong tương lai, tiền lương trong suốt quá trình làm việc, và thời gian dự kiến của sự kết hợp.
• Vì lý do này, niềm tin của các công ty về tương lai sẽ định hình kết quả thị trường lao động ngay hôm nay, dưới hình thức nghỉ việc, tuyển dụng và chuyển đổi nghề nghiệp. Nhưng xét trên các khía cạnh như nghỉ việc tự nguyện, sa thải và tỷ lệ tìm được việc làm, chúng ta thấy một mô hình ổn định. Tương tự, không có bằng chứng nào về sự luân chuyển nghề nghiệp nhanh bất thường do AI gây ra.
• Các bài đăng tuyển dụng Kỹ sư Phần mềm đã phục hồi rộng rãi kể từ tháng 5 năm 2025, so với tất cả các bài đăng tuyển dụng khác, cho thấy nhu cầu ngày càng tăng đối với người lao động trong một ngành nghề mà khả năng của AI đang tiến bộ nhiều nhất.

Có bằng chứng nào cho thấy sự dịch chuyển việc làm đang diễn ra, ngay cả khi nó chưa (chưa) có hậu quả kinh tế vĩ mô? Bằng chứng còn hỗn hợp. Nhưng nhìn chung, tôi chưa bị thuyết phục.

• Như Maxim Massenkoff và tôi đã ghi lại trong báo cáo tác động thị trường lao động, chúng tôi chưa thấy tỷ lệ thất nghiệp tồi tệ hơn đối với những người lao động trong các vai trò có tỷ lệ lớn các nhiệm vụ mà Claude đang được sử dụng để tự động hóa, so với những người lao động trong các vai trò khác. Cập nhật phân tích này với dữ liệu gần đây hơn từ BLS không làm thay đổi kết quả này.
• Chúng tôi có tìm thấy một số bằng chứng gợi ý rằng tỷ lệ tuyển dụng lao động trẻ trong các vai trò có mức độ tiếp xúc với AI cao đã suy yếu trong khoảng một năm qua. Điều này phù hợp với bằng chứng trong Canaries in the Coal Mine, một bài báo của các nhà nghiên cứu tại Phòng thí nghiệm Kinh tế Kỹ thuật số Stanford.
• Nhưng bằng chứng về sự dịch chuyển lao động trẻ này nên được giải thích một cách thận trọng. Rất khó để phân biệt các tác động nhân quả, vì AI xuất hiện trong một môi trường kinh tế vĩ mô biến động bất thường: giải tỏa các gián đoạn thời đại dịch, thắt chặt chính sách tiền tệ nhanh chóng, biến động giá hàng hóa sau cuộc xâm lược Ukraine của Nga, và sự bất định chính sách toàn cầu kéo dài (ví dụ như từ các cuộc chiến thương mại). Bởi vì tuyển dụng là một hình thức đầu tư, sự bất định kinh tế rộng lớn có thể tự nó gây áp lực lên tuyển dụng.
• Một cách khác để diễn đạt: từ năm 2022 đến nay, Mỹ đã trải qua sự chậm lại thị trường lao động ngoài suy thoái lớn nhất từng được ghi nhận (quá trình “giảm lạm phát hoàn hảo”). Điều này trùng hợp với một thị trường lao động “tuyển dụng thấp, sa thải thấp”. Loại thị trường lao động này ảnh hưởng nặng nề nhất đến những người mới bước vào sự nghiệp. Ngay bây giờ, những người lao động trẻ có thể đang gặp khó khăn trong việc tìm việc vì các lý do kinh tế vĩ mô khác ngoài AI.
• Riêng biệt, một số công trình gần đây lập luận rằng sự gia tăng làm việc từ xa sau đại dịch đã có tác động đến những người lao động trẻ trong các vai trò có mức độ tiếp xúc cao với AI. Thật khó để tách biệt tác động của AI khỏi các cú sốc khác đang tác động đến nền kinh tế.
• Mặc dù chúng tôi chưa thấy tác động đến tỷ lệ thất nghiệp, nhưng chúng tôi nhận thấy rằng những người lao động trong các vai trò có nhiệm vụ mà Claude được sử dụng để tự động hóa bày tỏ mối lo ngại lớn hơn về việc mất việc làm so với những người trong các vai trò ít tiếp xúc hơn.

Nếu bạn tin rằng thị trường lao động Mỹ hiện đang lành mạnh, rằng về nguyên tắc AI có thể tạo ra các hiệu ứng có thể nhận biết được về mặt kinh tế vĩ mô, và điều này vẫn chưa tạo ra sự dịch chuyển đối với các vai trò có mức độ tiếp xúc với AI cao, thì câu hỏi tiếp theo rất rõ ràng:

Tại sao AI chưa gây ra sự gia tăng đáng kể về tỷ lệ thất nghiệp?

Cho đến nay, AI vừa thiên về kỹ năng vừa tăng cường lao động. Nó bổ sung cho chuyên môn lĩnh vực. Nó dựa vào con người trong vòng lặp để chỉ đạo và đánh giá công việc phức tạp nhất. Và nó khen thưởng sự thành thạo AI. Khả năng của mô hình đang được cải thiện nhanh chóng, nhưng vẫn cứng đầu không đều. Để lấp đầy các túi (pockets) của biên giới gồ ghề (jagged frontier), cần có sự giám sát của chuyên gia để điều khiển các hệ thống AI cực kỳ có năng lực và để phục hồi khi chúng vấp ngã.

Tất nhiên, một số công việc dễ bị dịch chuyển hoàn toàn do tự động hóa hơn. Ví dụ, người viết kỹ thuật, nhân viên nhập dữ liệu, đại diện dịch vụ khách hàng và lập trình viên máy tính là những công việc mà AI có thể xử lý một cách đáng tin cậy tập hợp các nhiệm vụ và trách nhiệm cốt lõi. Mặc dù chúng tôi chưa thấy bất kỳ sự gia tăng thất nghiệp nào đối với những người lao động trong các loại vai trò này, nhưng các ngành nghề có mức độ tiếp xúc quan sát được cao hơn được BLS dự báo sẽ tăng trưởng chậm hơn đến năm 2034.

Nhưng cho đến nay, bức tranh tổng thể là một sự tăng cường lao động. Do đó, các tác động trên thị trường lao động sẽ không đồng đều, ngay cả khi năng lực tiến bộ nhanh chóng. Điều này không có nghĩa là tất cả các kỹ năng hiện đang có giá trị cao trên thị trường lao động sẽ tiếp tục như vậy trong tương lai. Một số loại chuyên môn có thể trở nên ít giá trị hơn (ví dụ: triển khai mã thuần túy) trong khi những loại khác trở nên giá trị hơn (ví dụ: kỹ năng quản lý ủy quyền và đánh giá).

Tại sao chúng ta nghĩ AI là một công nghệ thiên về kỹ năng, tăng cường lao động? Tôi sẽ đưa ra một vài quan sát dựa trên công trình được công bố bởi nhóm Nghiên cứu Kinh tế Anthropic và bằng chứng từ Chỉ số Kinh tế Anthropic:

• Mặc dù AI tiến bộ đáng kinh ngạc và được áp dụng nhanh chóng trong toàn bộ nền kinh tế, không có công việc nào trong phân loại O\NET (một danh mục các ngành nghề và nhiệm vụ điển hình của chúng do Bộ Lao động lập ra) mà tất cả* các nhiệm vụ liên quan đều được Claude xử lý một cách có hệ thống. Nếu công việc là những gói nhiệm vụ cố định – thực tế không phải vậy, nhưng sẽ nói thêm về điều đó sau – thì các khía cạnh thiết yếu, không được tự động hóa của công việc vừa hạn chế mức tăng năng suất tổng thể vừa khuếch đại lợi nhuận từ lao động. Các nhiệm vụ mà Claude không thể xử lý có thể phụ thuộc vào sự phối hợp giữa các cá nhân, tương tác trực tiếp hoặc tương tác với thế giới vật chất mà cho đến nay chỉ có con người mới làm được (xem “Nhiệm vụ không phải là công việc” của @lugaricano).
• Trong báo cáo tháng 1 của chúng tôi, Các Nguyên tắc Kinh tế Cơ bản (Economic Primitives), chúng tôi thấy rằng đầu vào tinh vi của người dùng và đầu ra phức tạp của Claude có mối tương quan cao. Nói cách khác, khi Claude xây dựng một mô hình kinh tế phức tạp, trên thực tế, nó thực hiện điều đó dưới sự hướng dẫn của một người nào đó cung cấp chỉ dẫn chuyên môn bổ sung.
• Trong khi Claude có xu hướng thành công trung bình, mô hình gặp khó khăn nhất với công việc phức tạp hơn. Điều này nhìn chung phù hợp với kết quả chân trời nhiệm vụ của METR, trong đó độ tin cậy cao hơn phải đánh đổi bằng chân trời nhiệm vụ ngắn hơn. Chúng tôi tìm thấy bằng chứng gợi ý rằng con người trong vòng lặp làm tăng độ phức tạp của công việc mà Claude xử lý.
• Trong báo cáo tháng 3 của chúng tôi, Đường cong Học tập (Learning Curves), chúng tôi thấy rằng chỉ sau sáu tháng sử dụng, mọi người có nhiều khả năng tương tác với Claude như một đối tác suy nghĩ hơn và có nhiều tương tác thành công hơn với Claude. Nếu AI tự nó đã đủ tốt, chúng ta sẽ không mong đợi thấy hiệu ứng này.
• Tự động hóa nhiệm vụ trên diện rộng vẫn có thể tăng cường lao động. Tại sao? Bởi vì công việc không phải là những gói nhiệm vụ cố định. Các công nghệ mới trong lịch sử đã dẫn đến những thay đổi lớn trong các công việc hiện có, ngay cả khi một số công việc biến mất. Và chúng đã tạo ra những loại công việc hoàn toàn mới, kết hợp các khả năng kỹ thuật mới với chuyên môn bổ sung của con người. Chúng tôi thấy dấu hiệu của hiệu ứng này trong nghiên cứu của mình: Một nguồn năng suất cảm nhận được trích dẫn phổ biến trong số 81.000 người dùng Claude là phạm vi – có thể làm được nhiều hơn, thành thạo hơn. Sự trao quyền như vậy từ AI có thể vẽ lại ranh giới các vai trò của chúng ta và tạo ra các gói nhiệm vụ mới trong công việc – tự động hóa một số, củng cố tầm quan trọng của những việc khác – đồng thời ròng ròng làm tăng sản phẩm cận biên của lao động.
• Trong báo cáo Chỉ số Kinh tế tháng 6 của chúng tôi, Nhịp điệu (Cadences), hơn một phần ba tổng số người trả lời từ Khảo sát Chỉ số Kinh tế Anthropic kỳ vọng AI sẽ có thể thực hiện hầu hết hoặc tất cả các nhiệm vụ họ làm trong công việc của mình trong vòng mười hai tháng tới. Một tỷ lệ tương tự người trả lời kỳ vọng trách nhiệm công việc sẽ thay đổi đối với bản thân họ và đồng nghiệp trong năm tới. Nhưng kỳ vọng về mất việc làm thấp hơn đáng kể. Thực tế, những người sử dụng Claude theo cách tự động hơn có xu hướng lạc quan hơn về tác động của AI đối với tiền lương, an ninh công việc và khả năng tìm việc của họ.
• Khi khả năng của AI được cải thiện, chúng ta sẽ thấy các tác nhân ngày càng có năng lực có thể tự động xử lý các nhiệm vụ phức tạp, dài hạn và có giá trị. Liệu AI có còn tăng cường lao động không? Để nắm bắt câu hỏi này, chúng tôi gần đây đã phân tích các mẫu sử dụng Claude Code để xem liệu việc viết mã bằng tác nhân (agentic coding) có làm thay đổi lợi nhuận từ chuyên môn hay không. Claude Code đã được sử dụng cho các nhiệm vụ ngày càng có giá trị hơn trong suốt bảy tháng chúng tôi theo dõi, nhưng chúng tôi đã thấy lợi nhuận bền vững từ chuyên môn của con người: nghĩa là, mọi người đưa ra các quyết định lập kế hoạch và ủy quyền triển khai cho Claude. Những người có nhiều chuyên môn lĩnh vực hơn thường thành công hơn trong các nhiệm vụ của họ và phục hồi nhất quán hơn khi Claude mắc lỗi. Lợi nhuận từ khả năng viết mã đơn giản có thể đã giảm, nhưng việc viết mã bằng tác nhân cho đến nay đã làm tăng giá trị của các kỹ năng bổ sung khác.

Tương lai thật khó để phân tích. Rất có thể khía cạnh thiên về kỹ năng, tăng cường lao động của AI sẽ biến mất khi các mô hình tiếp tục được cải thiện. Biên giới gồ ghề có thể trở nên mượt mà hơn. Và tại một thời điểm nhất định, lợi nhuận từ chuyên môn của con người có thể giảm đi.

Một lý do lớn khiến có quá nhiều bất định về tương lai là AI có thể tự động hóa chính sự đổi mới. Trao cho máy móc khả năng nhận thức tổng quát là một chất xúc tác trực tiếp cho sự đổi mới hơn nữa, theo những cách mà các công nghệ có mục đích chung trong quá khứ không có. Động cơ đốt trong không thể phát minh ra các phương thức vận chuyển mới. Trong các mô hình kinh tế tiêu chuẩn khác, việc tự động hóa đổi mới – mà chúng ta có thể thấy đầu tiên trong quá trình tự cải thiện đệ quy (recursive self-improvement) – có thể tạo ra các điểm kỳ dị kinh tế: tăng trưởng vô hạn trong thời gian hữu hạn.

Liệu những điểm kỳ dị như vậy có xảy ra không? Sẽ không nếu có những nhiệm vụ thiết yếu không bao giờ được tự động hóa, vì lý do kỹ thuật hoặc các ràng buộc xã hội. Những “mắt xích yếu” đó là các giới hạn đối với tăng trưởng: “Tăng trưởng kinh tế có thể bị ràng buộc không phải bởi những gì chúng ta làm tốt mà bởi những gì thiết yếu và khó cải thiện,” như Aghion, Jones, và Jones (2017) lập luận. Những mắt xích yếu như vậy có thể giữ tỷ trọng lao động trong thu nhập ở mức cao trong dài hạn, ngay cả dưới tự động hóa rất nhanh, rộng khắp, nhưng không hoàn toàn.

Logic “mắt xích yếu” không chỉ đúng cho việc sản xuất hàng hóa, mà còn cho việc tự động hóa đổi mới. Việc AI có thúc đẩy tăng trưởng năng suất một cách đáng kể hay không không chỉ đòi hỏi cải thiện năng lực mà còn cần tự động hóa trên diện rộng các nhiệm vụ liên quan đến quá trình R&D. Bằng chứng gần đây cho thấy các mắt xích yếu hiện đang là một ràng buộc đối với việc tự động hóa sản xuất phần mềm: mức tăng 10-20 lần về số dòng mã được tạo ra sau khi giới thiệu các tác nhân viết mã chỉ mang lại mức tăng 30% trong các bản phát hành phần mềm và không có tổng mức tăng nào trong việc sử dụng ứng dụng.

Thật khó để tranh luận với các quy luật mở rộng quy mô (scaling laws). Các mô hình sẽ ngày càng tốt hơn. Tốt hơn nhiều. Tôi kỳ vọng điều này sẽ thúc đẩy tăng trưởng năng suất nhanh hơn, và thậm chí có thể có nhiều dấu hiệu rõ ràng hơn về RSI. Nhưng tôi không kỳ vọng tỷ lệ thất nghiệp sẽ cao hơn đáng kể trong một năm nữa – ít nhất là không phải vì AI.