“Kế hoạch đã được tổng hợp xong, mọi người xem qua nhé, sáng mai chúng ta sẽ họp bàn.”
Ngay sau đó, một tài liệu hơn hai mươi trang được gửi ra.
Tiêu đề đầy đủ, mục lục rõ ràng, bên trong còn có xu hướng ngành, phân tích người dùng, so sánh đối thủ cạnh tranh và kế hoạch triển khai, nhìn qua thì đây là một kế hoạch khá “chuyên nghiệp”.
Nhưng bạn, người chịu trách nhiệm triển khai, chỉ xem chưa đầy mười phút đã phát hiện ra vấn đề.
Số liệu thị trường được dẫn trong kế hoạch không tìm thấy nguồn gốc, đối thủ cạnh tranh lại đề cập đến một tính năng trên thực tế không hề tồn tại, cái gọi là “điểm đau của người dùng” chỉ là vài câu sáo rỗng có thể áp dụng cho bất kỳ ngành nào, còn phần quan trọng nhất như ngân sách, thời gian và sắp xếp nhân sự thì hoàn toàn không được đề cập.
Hôm sau trong cuộc họp, người viết kế hoạch nói: “Đây chỉ là bản nháp đầu tiên, chi tiết cụ thể vẫn cần mọi người bổ sung.”
Khoảnh khắc đó, bạn mới nhận ra, đối phương không phải hoàn thành một kế hoạch, mà là dùng AI để tạo ra một nhiệm vụ mới cho cả nhóm.
01
Trước đây, chúng ta đánh giá một công việc có hoàn thành hay không thường nhìn vào việc có sản phẩm bàn giao hay không. Bây giờ, tiêu chuẩn này đã thay đổi.
Có AI, bất kỳ ai cũng có thể tạo ra một báo cáo cấu trúc hoàn chỉnh, một bộ kế hoạch ngôn từ chuyên nghiệp, hoặc một bản PPT trông có vẻ chứa nhiều thông tin chỉ trong mười phút.
Vấn đề là, “trông có vẻ đã hoàn thành” không bằng “thực sự hoàn thành”.
Ở nước ngoài có một từ gọi là “Workslop”, có thể hiểu là “rác AI trong công việc”, những thành quả công việc được tạo nhanh bằng AI, bề ngoài hoàn chỉnh nhưng lại thiếu kiểm tra thực tế, phán đoán chuyên môn và giá trị thực tế.
Điểm phiền phức nhất của nó không chỉ là chất lượng kém, mà còn là việc chuyển chi phí công việc sang người khác.
Người tạo ra tiết kiệm được hai giờ, người nhận lại phải mất bốn giờ để xác minh thông tin, hiểu ý đồ, sửa chữa lỗi sai.
Hiệu suất của một người được nâng cao, hiệu suất của cả nhóm lại giảm xuống.
02
Một công ty bắt đầu khuyến khích nhân viên sử dụng AI, hy vọng mọi người giảm bớt lao động lặp lại, tiểu Lâm làm vận hành nhanh chóng tìm ra “phương pháp nâng cao hiệu suất”.
Mỗi thứ Sáu, anh ta copy dữ liệu từ hệ thống cho AI, để AI tự động tạo báo cáo tuần. Báo cáo viết ra khá là hoa mỹ:
“Tuần này mức độ hoạt động của người dùng tăng ổn định, chiến lược nội dung đạt được thành quả giai đoạn, đề xuất tiếp tục tập trung vào nhu cầu cốt lõi của người dùng, tăng cường vận hành tinh vi hóa.”
Liên tiếp mấy tuần, lãnh đạo đều không thấy có vấn đề gì.
Cho đến một lần, công ty chuẩn bị tăng ngân sách đầu tư dựa trên báo cáo tuần, trưởng phòng tình cờ kiểm tra lại dữ liệu gốc, mới phát hiện cái gọi là “mức độ hoạt động tăng lên”, chỉ là do phương pháp thống kê đã thay đổi.
AI không biết đã điều chỉnh phương pháp thống kê, cũng không biết tuần đó có một hoạt động tạm thời. Nó chỉ dựa trên những con số trong bảng biểu, tạo ra một bộ giải thích nghe có vẻ hợp lý.
Trưởng phòng đành phải kiểm tra lại báo cáo của cả tháng qua, hỏi từng mục nguồn gốc dữ liệu.
Tiểu Lâm thực sự chỉ mất mười phút để viết báo cáo tuần, nhưng để đánh giá báo cáo tuần này có đáng tin hay không, trưởng phòng đã mất cả một buổi chiều.
AI tiết kiệm thời gian của người viết, nhưng lại tiêu hao sự tin tưởng của người đọc.
Trong buổi trao đổi hiệu suất giữa năm, quản lý sản phẩm A Mẫn nhận được một đánh giá rất “chính thức”:
“Đề xuất tăng cường hơn nữa tư duy tổng thể, nâng cao hiệu quả phối hợp liên phòng ban, trong các dự án phức tạp cần tăng cường cảm giác mục tiêu và định hướng kết quả.”
Từng từ cô ấy đều biết, nhưng hợp lại thì không biết phải sửa thế nào.
Rốt cuộc là lần phối hợp nào có vấn đề? Thế nào là “tư duy tổng thể không đủ”? Nửa năm sau đạt đến mức nào mới tính là “đã tăng cường định hướng kết quả”?
Sau này A Mẫn mới phát hiện, lãnh đạo chỉ nhập vài từ khóa vào AI, để nó trau chuốt thành một đoạn phản hồi hiệu suất.
Lãnh đạo tiết kiệm thời gian tổ chức ngôn từ, A Mẫn lại phải mất một tuần để đoán xem lãnh đạo rốt cuộc đang nói gì.
Phản hồi thực sự hiệu quả, chưa chắc đã từ ngữ đẹp đẽ, nhưng nhất định phải chứa đựng sự thật:
Điều gì đã xảy ra? Gây ảnh hưởng gì? Hy vọng đối phương thay đổi cụ thể điều gì?
Nếu những câu hỏi này không có câu trả lời, thì biểu đạt có chuyên nghiệp đến mấy cũng chỉ là chuyển trách nhiệm suy nghĩ cho người nhận.
Lại có một nhóm, hầu như sử dụng AI vào mọi khâu.
Nhân viên lập kế hoạch dùng AI tạo kế hoạch hoạt động; quản lý dự án dùng AI tổng kết kế hoạch; họp hành, trợ lý dùng AI tổng hợp biên bản cuộc họp; trước khi báo cáo, người phụ trách lại để AI mở rộng biên bản thành PPT.
Cả quy trình rất trơn tru, tài liệu cũng ngày càng nhiều, cho đến khi khách hàng hỏi trong cuộc họp: “Tại sao các bạn lại cho rằng người dùng trẻ sẽ thích tính năng này?”
Phòng họp đột nhiên yên tĩnh.
Trong kế hoạch viết “phù hợp với xu hướng người dùng trẻ theo đuổi thể hiện cá tính”, trong PPT viết “phản hồi chính xác nhu cầu người dùng thế hệ mới”, nhưng không ai phỏng vấn người dùng, cũng không ai xem qua dữ liệu liên quan.
Tất cả mọi người đều tiếp xúc với dự án, nhưng không có ai thực sự nghiên cứu vấn đề.
Cuối cùng, nhóm sở hữu mấy chục trang tài liệu, nhưng không có một ai có thể chịu trách nhiệm cho kết luận trong đó.
03
AI thực sự phóng đại thói quen làm việc của một người, cùng sử dụng AI, có người sẽ trở nên mạnh hơn, có người chỉ trở nên giỏi nộp bài cho xong hơn.
Khác biệt không nằm ở việc nhắc lệnh viết có tốt không, mà là ở việc họ có coi AI là “trợ thủ”, hay là “người thay mình chịu trách nhiệm”.
Người làm việc nghiêm túc sẽ dùng AI để sắp xếp tài liệu, so sánh ý tưởng, kiểm tra biểu đạt, sau đó tự mình xác minh sự thật, bổ sung thông tin trực tiếp, đánh giá kế hoạch có khả thi hay không.
Người quen đối phó thì sẽ gửi ngay bản đầu tiên do AI tạo ra, rồi để lại một câu: “Đây chỉ là bản nháp đầu, mọi người có thể cùng hoàn thiện.”
Đánh giá một công việc có giá trị hay không, không thể chỉ nhìn nó hoàn thành nhanh thế nào, định dạng đẹp ra sao, dùng bao nhiêu công cụ AI.
Nên nhìn vào ba câu hỏi hơn:
Nó có cung cấp sự thật mới không? Nó có đưa ra phán đoán rõ ràng không? Có ai sẵn sàng chịu trách nhiệm cho kết quả không?
AI tất nhiên có thể giúp chúng ta viết báo cáo tuần, tổng hợp biên bản họp, làm PPT, phân tích tài liệu, thậm chí đề xuất khung sơ bộ của một kế hoạch.
Nhưng nó không thể thay chúng ta hiểu hiện trường, không thể thay chúng ta phán đoán lợi hại, cũng không thể thay chúng ta gánh chịu hậu quả của quyết định.
Bài viết này từ tài khoản công chúng WeChat “Liepinh.com” (ID:liepinwang), tác giả: Matcha Guo Bao Rou
