Reading · Acy Doan · RSS Amplifier

Năm 2025–2026, hàng trăm nghìn nhân viên công nghệ bị sa thải.

Block — công ty của Jack Dorsey — cắt gần 4.000 người, tức gần một nửa lực lượng lao động. Salesforce thay hàng nghìn nhân viên chăm sóc khách hàng bằng AI tự động. Nhiều nghiên cứu ước tính phần lớn công việc hiện nay có ít nhất một phần có thể bị AI tác động.

Câu hỏi nghe rất đơn giản:

Nếu tất cả mọi người đều mất việc, thì ai còn tiền để mua sản phẩm của các công ty?

Các CEO, các hội đồng quản trị và các công ty tư vấn chiến lược cũng thừa biết điều này.

Họ biết câu hỏi này.

Vậy tại sao làn sóng sa thải vẫn tiếp diễn?

Câu trả lời không đơn giản là “họ tham lam” hay “họ không quan tâm”. Một nghiên cứu kinh tế học mới — The AI Layoff Trap của Falk & Tsoukalas, UPenn & Boston University, tháng 3/2026 — đưa ra một cách nhìn sâu hơn:

Vấn đề không nằm ở đạo đức cá nhân. Vấn đề nằm ở cấu trúc thị trường.

Nhưng trước khi đi vào lý thuyết, hãy nhìn vào dữ liệu thực tế của Q1/2026. Vì dữ liệu này cho thấy câu chuyện còn phức tạp hơn: không chỉ có sa thải vì AI, mà còn có rất nhiều AI washing — tức là dùng AI như một cái cớ để hợp lý hóa những đợt cắt giảm nhân sự vốn có lý do khác.

Có hai hệ thống theo dõi layoffs đang được báo chí trích dẫn lẫn lộn. Nếu không phân biệt rõ, ta rất dễ hiểu sai tình hình.

Đây là nguồn chính thức hơn, tập trung vào thị trường Mỹ và dựa trên các thông báo sa thải.

Theo Challenger:

Tổng số cắt giảm ở tất cả ngành trong Q1 2026: 217.362 Đây là mức thấp nhất kể từ Q1 2022, giảm mạnh so với 2024–2025.
Ngành tech Q1 2026: 52.050 jobs, tăng 40% so với cùng kỳ năm trước.
Tháng 3/2026: 60.620 cuts trên toàn bộ nền kinh tế Mỹ. Con số này tăng 25% so với tháng 2, nhưng giảm 78% so với tháng 3/2025.
AI được trích dẫn là lý do của 15.341 cuts trong tháng 3, tương đương khoảng 25% tổng số cuts tháng đó. Đây là lần đầu tiên AI trở thành lý do đứng đầu trong báo cáo Challenger.
Trong ngành tech, AI chiếm khoảng 23% layoffs Q1 theo Challenger.

Nguồn: Challenger March 2026 Report, eWeek, CFO Dive

Đây là tracker crowdsourced, phạm vi toàn cầu, phương pháp rộng hơn.

Theo các nguồn dựa trên Layoffs.fyi:

Q1 2026 có khoảng 78.000–95.000 tech workers bị ảnh hưởng trên toàn cầu.
Khoảng 47–50% được cho là liên quan đến AI.

Nguồn: Tom’s Hardware, Vucense

Hai nguồn này không mâu thuẫn hoàn toàn. Chúng đo những thứ khác nhau: một bên là thông báo chính thức tại Mỹ, một bên là tracker toàn cầu, rộng hơn và phụ thuộc vào dữ liệu cộng đồng.

Điểm quan trọng nhất là:

Q1 2026 không phải là làn sóng sa thải lớn nhất về volume. Điều đang thay đổi là AI ngày càng được dùng nhiều hơn như lý do chính thức.

Nói cách khác, vấn đề không chỉ là “AI đang làm mất bao nhiêu việc”. Vấn đề còn là:

AI đang trở thành câu chuyện đẹp nhất để các công ty kể khi họ muốn sa thải người lao động.

Một số case lớn trong năm 2026:

Block: cắt khoảng 4.000 người, từ 10.205 xuống còn khoảng 6.200 nhân sự. Jack Dorsey liên hệ quyết định này với AI.
Nguồn: CNBC

Atlassian: cắt 1.600 người, khoảng 10% workforce, với lý do chuyển dịch sang AI.
Nguồn: Bloomberg

Oracle: cắt tới 30.000 người toàn cầu, trong đó khoảng 12.000 ở Ấn Độ, trong bối cảnh công ty dồn lực cho hạ tầng AI trị giá hàng trăm tỷ USD.
Nguồn: CNBC, The Next Web

Amazon: cắt 16.000 corporate jobs vào tháng 1/2026. Ban đầu AI được nhắc đến như một phần của bối cảnh, nhưng sau đó CEO Andy Jassy giải thích lại rằng nguyên nhân chính là văn hóa tổ chức và bộ máy phình to sau giai đoạn tăng trưởng quá nhanh.
Nguồn: CNBC, ABC News

Đến đây, câu chuyện nghe khá quen thuộc: công ty cắt người, nói rằng AI làm được việc, nhà đầu tư vỗ tay.

Nhưng có một dữ kiện làm câu chuyện phức tạp hơn nhiều.

Một khảo sát với 1.000 hiring manager Mỹ của ResumeBuilder.org, tháng 3/2026, cho thấy 59% thừa nhận họ nhấn mạnh vai trò của AI khi thông báo layoffs vì điều đó “nghe hay hơn” với investors và board.

Chỉ 9% nói rằng AI thật sự thay thế hoàn toàn các vai trò đó.

Nguồn: Techmeme, Metaintro

Sam Altman cũng từng nói thẳng rằng các công ty đang AI-wash những đợt sa thải của họ.

Vậy điều gì là thật? Điều gì là nói dối? Và tại sao cả hai lại cùng tồn tại?

Để hiểu, ta cần đi xuống tầng cấu trúc.

Hãy tưởng tượng một ngành có 7 công ty cạnh tranh với nhau.

Mỗi công ty đang đứng trước cùng một quyết định: Có nên thay một phần nhân viên bằng AI không?

Nếu một công ty tự động hóa, họ nhận được toàn bộ lợi ích trực tiếp:

Chi phí nhân sự giảm.
Biên lợi nhuận tăng.
Nhà đầu tư thấy công ty hiệu quả hơn.
Ban lãnh đạo có thể nói họ đang thích nghi với kỷ nguyên AI.

Nhưng có một hậu quả khác: những nhân viên bị mất việc sẽ giảm chi tiêu.

Vấn đề là phần giảm chi tiêu này không chỉ ảnh hưởng đến công ty đã sa thải họ. Nó ảnh hưởng đến toàn bộ ngành.

Nếu thị trường có 7 công ty, thì công ty sa thải người chỉ phải chịu khoảng 1/7 thiệt hại cầu tiêu dùng do chính quyết định của mình tạo ra.

Phần còn lại — 6/7 — rơi vào các đối thủ.

Đây là điểm cốt lõi.

Lợi ích của tự động hóa được giữ lại bởi công ty. Chi phí xã hội của tự động hóa bị phân tán ra toàn thị trường.

Vì vậy, từ góc nhìn của từng công ty riêng lẻ, tự động hóa là lựa chọn hợp lý.

Nhưng khi tất cả cùng làm, tổng cầu tiêu dùng bị suy yếu. Người lao động mất thu nhập. Thị trường thu hẹp. Và cuối cùng, chính các công ty cũng bị ảnh hưởng.

Đây không phải là chuyện “không ai nghĩ dài hạn”.

Đây là một tình huống trong đó:

Hành động hợp lý ở cấp độ cá nhân tạo ra kết quả tệ ở cấp độ tập thể.

Bẫy này giống một phiên bản kinh tế của Prisoner’s Dilemma.

Trong Prisoner’s Dilemma, hai người bị bắt có thể im lặng hoặc phản bội nhau. Nếu cả hai im lặng, cả hai cùng có kết quả tốt. Nhưng mỗi người lại có động lực phản bội trước, vì nếu mình không phản bội mà người kia phản bội, mình sẽ thua nặng.

Bẫy sa thải AI hoạt động tương tự:

Nếu công ty A tự động hóa còn B không tự động hóa, A thắng lớn về chi phí.
Nếu B tự động hóa còn A không, B thắng.
Nếu cả hai cùng tự động hóa, cả hai tiết kiệm chi phí, nhưng thị trường chung bị suy yếu.
Nếu không ai tự động hóa, kết quả tập thể tốt hơn, nhưng không ai có thể tin rằng đối thủ sẽ giữ lời.

Điểm nguy hiểm nhất là:

Tự động hóa là chiến lược tốt nhất cho từng công ty, bất kể đối thủ làm gì.

Nếu đối thủ chưa tự động hóa, bạn tự động hóa để vượt lên.

Nếu đối thủ đã tự động hóa, bạn cũng phải tự động hóa để không bị bỏ lại.

Vì vậy, mọi lời kêu gọi kiểu “hãy kiềm chế vì lợi ích chung” đều rất yếu. Không có cơ chế thực thi, công ty giữ lời trước sẽ là công ty thua trước.

Đây là phần phản trực giác nhất.

Thông thường, chúng ta nghĩ cạnh tranh tốt cho xã hội. Cạnh tranh làm giá giảm, làm sản phẩm tốt hơn, làm công ty phải hiệu quả hơn.

Nhưng trong mô hình này, cạnh tranh càng cao thì bẫy càng nặng.

Lý do rất đơn giản.

Nếu ngành có 100 công ty, mỗi công ty chỉ gánh khoảng 1/100 phần thiệt hại cầu tiêu dùng do quyết định sa thải của mình gây ra.

99/100 phần còn lại rơi vào thị trường chung.

Mỗi công ty nghĩ:

“Tác động của mình quá nhỏ. Nếu mình không tự động hóa, người khác cũng sẽ làm.”

Và rồi tất cả cùng làm.

Kết quả nghịch lý là:

Một công ty độc quyền, về mặt lý thuyết, có thể tự động hóa ít hơn một ngành cạnh tranh hoàn hảo.

Vì công ty độc quyền phải gánh toàn bộ thiệt hại cầu tiêu dùng do chính nó tạo ra. Nó không thể đẩy phần lớn hậu quả sang đối thủ, vì không có đối thủ.

Trong ngành cạnh tranh cao, mỗi công ty có thể externalize phần lớn hậu quả.

Đó là lý do bẫy trở nên sâu hơn.

Khi nghe vấn đề này, ta thường nghĩ đến vài giải pháp quen thuộc: UBI, thuế lợi nhuận, cổ phần cho nhân viên, công đoàn, hoặc để thị trường tự điều chỉnh.

Nghiên cứu của Falk & Tsoukalas phân tích từng hướng. Kết luận khá lạnh lùng: nhiều giải pháp nghe hợp lý nhưng không giải quyết đúng điểm nghẽn.

Lập luận của UBI là: nếu người mất việc vẫn có thu nhập cơ bản, cầu tiêu dùng sẽ không sụp.

Điều này đúng một phần.

UBI có thể giúp người dân sống sót tốt hơn. Nhưng nó không thay đổi cách doanh nghiệp ra quyết định.

Với từng công ty, việc thay nhân viên bằng AI vẫn giúp tiết kiệm chi phí. Lợi ích trực tiếp vẫn giữ nguyên.

Thậm chí, nếu UBI làm thị trường tiêu dùng ổn định hơn, nó có thể thu hút thêm doanh nghiệp tham gia, làm cạnh tranh tăng lên — và như đã phân tích, cạnh tranh cao có thể khiến bẫy tự động hóa sâu hơn.

Một ý tưởng khác là đánh thuế mạnh hơn vào lợi nhuận của chủ doanh nghiệp hoặc thu nhập từ vốn.

Vấn đề là nếu thuế đánh đồng đều lên lợi nhuận, nó không thay đổi so sánh giữa hai lựa chọn:

Tự động hóa
Không tự động hóa

Công ty vẫn tốt hơn khi tự động hóa. Chỉ là lợi nhuận sau thuế thấp hơn.

Nếu nhân viên sở hữu cổ phần, họ có thể hưởng lợi từ tự động hóa. Điều này giúp giảm xung đột giữa lao động và vốn.

Nhưng để giải pháp này đủ mạnh, nhân viên phải sở hữu lượng cổ phần rất lớn — đủ để phần lợi ích từ cổ phần bù được phần thu nhập lao động mất đi.

Điều này thường không thực tế.

Và nếu việc chia sẻ cổ phần là tự nguyện, không công ty nào muốn làm trước nếu điều đó khiến họ yếu hơn đối thủ.

Công đoàn có thể giúp nhân viên thương lượng tốt hơn với công ty.

Nhưng bẫy sa thải AI không chỉ nằm trong từng công ty. Nó nằm giữa các công ty cạnh tranh với nhau trên thị trường sản phẩm.

Một công đoàn có thể buộc công ty A hạn chế tự động hóa. Nhưng nếu công ty B, C, D không làm vậy, công ty A sẽ chịu bất lợi cạnh tranh.

Vấn đề không chỉ là quan hệ lao động. Vấn đề là coordination failure ở cấp độ ngành.

Một phản biện phổ biến là:

Khi đủ nhiều người mất việc, lương sẽ giảm. Khi lương giảm đủ thấp, tự động hóa sẽ bớt hấp dẫn. Thị trường sẽ tự cân bằng.

Điều này có thể đúng về mặt cơ học.

Nhưng cân bằng mới đạt được bằng cách làm người lao động nghèo đi đến mức chi phí thuê người gần bằng chi phí dùng AI.

Đây không phải là phục hồi lành mạnh. Đây là một dạng “giải pháp” kiểu Pyrrhic victory — thắng bằng cách tự phá hủy phần lớn giá trị xã hội.

Mỗi thất bại thị trường cần một công cụ đánh đúng vào điểm thất bại.

Ở đây, điểm thất bại là:

Doanh nghiệp không gánh đủ chi phí xã hội do quyết định tự động hóa của mình tạo ra.

Vì vậy, nghiên cứu đề xuất một loại Pigouvian tax trên tự động hóa.

Nói đơn giản: nếu một công ty thay người bằng AI và gây ra thiệt hại cầu tiêu dùng cho xã hội, công ty cần trả một khoản thuế tương ứng với phần thiệt hại mà họ chưa tự gánh.

Điểm khác biệt của loại thuế này:

Nó không đánh chung vào lợi nhuận.
Nó không đánh chung vào công nghệ.
Nó đánh vào từng quyết định thay lao động bằng AI.
Mức thuế có thể ước tính dựa trên dữ liệu ngành: mức lương trung bình, tỷ lệ chi tiêu của người lao động, khả năng tái hòa nhập việc làm, và mức độ ảnh hưởng đến cầu tiêu dùng.

Doanh thu từ thuế có thể dùng để tài trợ retraining, hỗ trợ chuyển đổi việc làm, hoặc các chính sách giúp người bị ảnh hưởng quay lại thị trường lao động nhanh hơn.

Nếu retraining hiệu quả, người mất việc tìm được công việc mới nhanh hơn. Khi đó thiệt hại cầu tiêu dùng giảm. Và nếu thiệt hại giảm, mức thuế cần thiết cũng giảm.

Đây là điểm đẹp của cơ chế này:

Một chính sách tốt có thể tự làm cho chính nó bớt cần thiết theo thời gian.

Có một trực giác phổ biến: nếu AI tốt hơn, năng suất tăng, sản phẩm rẻ hơn, xã hội cuối cùng sẽ giàu hơn.

Điều đó có thể đúng về dài hạn. Nhưng trong framework của bài này, AI càng tốt lại càng làm bẫy trở nên nguy hiểm hơn trong ngắn và trung hạn.

Khi AI mạnh hơn, mỗi công ty càng có động lực tự động hóa để giành lợi thế.

Nhưng khi tất cả đều tự động hóa, lợi thế cạnh tranh tương đối biến mất. Không ai còn đặc biệt hơn ai.

Thứ còn lại là phần mất mát chung: thu nhập lao động giảm, cầu tiêu dùng suy yếu, thị trường bị xáo trộn.

Nó giống một cuộc chạy đua vũ trang.

Mỗi bên mua thêm vũ khí để không thua. Nhưng khi tất cả đều mua, vị thế tương đối không thay đổi. Chỉ có chi phí và rủi ro tăng lên.

Các tác giả cũng thừa nhận mô hình của họ đơn giản hóa thực tế.

Thứ nhất, mô hình chủ yếu xét một ngành và một giai đoạn. Trong đời thực, nếu nhiều ngành cùng tự động hóa, hiệu ứng cầu tiêu dùng có thể lan dây chuyền và còn phức tạp hơn.

Thứ hai, mô hình giả định các công ty tương đối giống nhau. Thực tế, các công ty khác nhau rất nhiều về quy mô, năng lực AI, khả năng tiếp cận vốn, và mức độ phụ thuộc vào lao động.

Thứ ba, hiện chưa có đủ dữ liệu thực nghiệm mạnh để kết luận là bẫy này đã vận hành ở quy mô vĩ mô. Làn sóng AI layoffs hiện tại còn mới, và tín hiệu kinh tế lớn thường cần thời gian để xuất hiện.

Một cách để kiểm tra lý thuyết này trong thực tế là quan sát:

Các công ty sa thải hàng loạt vì AI có thật sự tăng lợi nhuận bền vững không?

Nếu chi phí nhân sự giảm nhưng lợi nhuận không tăng tương ứng, hoặc doanh thu suy yếu vì cầu tiêu dùng giảm, đó có thể là dấu hiệu bẫy đang hoạt động.

Câu trả lời cho câu hỏi ban đầu là:

Các công ty biết tự động hóa hàng loạt có thể làm hại thị trường chung, nhưng họ vẫn làm vì nếu không làm, họ sẽ thua đối thủ.

Đây không phải chủ yếu là vấn đề đạo đức.

Không phải vì CEO không hiểu.

Không phải vì công ty không biết nghĩ dài hạn.

Đây là vấn đề cấu trúc:

Khi lợi ích của một hành động tập trung vào người thực hiện, còn hậu quả bị phân tán ra toàn xã hội, thị trường tự do có thể tạo ra kết quả tệ dù từng người đều hành động hợp lý.

Điều này từng xảy ra với ô nhiễm môi trường.

Với khai thác tài nguyên.

Với khủng hoảng tài chính.

Bây giờ, nó có thể đang xảy ra với lao động và AI.

Nhưng dữ liệu 2026 cho thấy một lớp khác.

Không phải mọi đợt sa thải được gắn nhãn “AI” đều thật sự do AI.

AI washing là khi công ty dùng AI như lý do để giải thích layoffs, dù AI chưa thật sự thay thế các vai trò đó, hoặc chỉ đóng vai trò rất nhỏ.

Khái niệm này tương tự “greenwashing”. Thay vì tuyên bố mình thân thiện với môi trường để làm đẹp hình ảnh, công ty tuyên bố mình đang tái cấu trúc vì AI để nghe có vẻ hiện đại, chiến lược và không thể tránh khỏi.

Tại sao AI washing hiệu quả?

Vì AI là một trong những lý do “ít tệ nhất” mà công ty có thể dùng lúc này.

Đổ lỗi cho kết quả kinh doanh kém → cổ phiếu có thể giảm.
Đổ lỗi cho quản trị yếu → lãnh đạo mất uy tín.
Đổ lỗi cho thuế quan hoặc chính sách → dễ gây phản ứng chính trị.
Đổ lỗi cho AI → nghe như công ty đang đi trước thời đại.

AI biến một quyết định cắt giảm nhân sự thành một câu chuyện chiến lược.

Thay vì nói:

“Chúng tôi tuyển quá nhiều, vận hành kém, hoặc cần bảo vệ margin.”

Công ty có thể nói:

“Chúng tôi đang tái cấu trúc để thích nghi với kỷ nguyên AI.”

Câu thứ hai nghe hay hơn nhiều.

Điều thú vị là AI washing cũng vận hành theo cùng logic với bẫy sa thải AI.

Khi một công ty AI-wash layoffs, họ nhận được lợi ích trực tiếp:

Nhà đầu tư thấy công ty “AI-native”.
Board thấy lãnh đạo quyết đoán.
Trách nhiệm quản trị được làm mờ.
Truyền thông dễ kể câu chuyện hơn.

Nhưng thiệt hại rơi vào xã hội:

Dữ liệu chính sách bị méo.
Người lao động hoang mang.
Các nhà hoạch định chính sách khó biết AI đang thật sự thay thế bao nhiêu việc.
Tín hiệu retraining bị nhiễu.
Xã hội có thể phản ứng quá mức hoặc sai hướng.

Mỗi công ty chỉ gánh một phần rất nhỏ thiệt hại narrative đó.

Phần còn lại rơi vào thị trường lao động, nhà nước, người lao động, và công chúng.

Vì vậy:

AI washing cũng là Prisoner’s Dilemma, nhưng ở cấp độ thông tin.

Nếu chỉ một công ty làm, họ có thể bị chỉ trích.

Nhưng nếu nhiều công ty cùng làm, narrative trở nên bình thường hóa. Mỗi công ty sau đó lại càng dễ dùng cùng ngôn ngữ: “AI transformation”, “efficiency”, “agentic workflows”, “future-ready organization”.

Khi đủ nhiều người nói cùng một câu chuyện, câu chuyện đó bắt đầu giống sự thật.

Nếu bóc tách lớp AI washing, tác động thực sự của AI lên việc làm có thể nhỏ hơn headline. Nhưng nó không phân bổ đều.

Một số nhóm bị ảnh hưởng sớm và nặng hơn.

Goldman Sachs đưa ra hai con số cần phân biệt:

Ở mức AI hiện tại, khoảng 2,5% tổng việc làm ở Mỹ đối mặt rủi ro thay thế.
Nếu AI được triển khai rộng rãi hơn, 6–7% workforce có thể bị ảnh hưởng.

Nguồn: Goldman Sachs

Một nguồn khác trích Goldman Sachs cho rằng AI đang loại bỏ ròng khoảng 16.000 jobs/tháng ở Mỹ.

Nguồn: Fortune

Nhưng điểm quan trọng không chỉ là tổng số. Điểm quan trọng là ai bị ảnh hưởng.

Nghiên cứu của Anthropic, tháng 3/2026, đưa ra một kết quả rất đáng chú ý:

Tỷ lệ thất nghiệp của người trẻ trong các ngành AI-exposed không tăng mạnh.
Nhưng tốc độ được tuyển mới giảm khoảng 14% so với 2022.

Nói cách khác, vấn đề không chỉ là người trẻ bị sa thải. Vấn đề là họ khó bước vào thị trường lao động hơn.

Nguồn: Anthropic — Labor market impacts of AI

Đây là một dạng tổn thương âm thầm hơn layoffs.

Nếu một người bị sa thải, ta thấy dữ liệu ngay.

Nhưng nếu một người trẻ không bao giờ được tuyển vào vị trí entry-level đầu tiên, thiệt hại đó khó đo hơn rất nhiều.

Customer service là một trong những nhóm bị AI tác động sớm nhất. Lý do dễ hiểu: công việc có nhiều phần lặp lại, nhiều quy trình, nhiều đoạn hội thoại có thể chuẩn hóa.

AI chatbot, voice agent, automated support workflow có thể thay một phần lớn khối lượng công việc cấp thấp.

Nhưng câu hỏi còn lại là: chất lượng dịch vụ có giữ được không?

Và đây là điểm thị trường cần thêm thời gian để trả lời.

Anthropic cho rằng computer programmers nằm trong nhóm nghề AI-exposed cao nhất, với tỷ lệ task có thể bị AI chạm tới rất lớn.

Điều này không có nghĩa toàn bộ developer sẽ biến mất.

Nhưng nó có nghĩa phần việc entry-level — viết đoạn code đơn giản, sửa bug nhỏ, tạo boilerplate, viết test cơ bản — đang bị AI làm tốt hơn rất nhanh.

Vấn đề là: nếu junior không còn cơ hội làm những việc junior, họ sẽ học nghề bằng cách nào để trở thành senior?

Đây có thể là một trong những “pipeline risks” lớn nhất của ngành tech.

Một nhóm khác ít được nói đến hơn là middle management.

AI agents có thể tổng hợp báo cáo, theo dõi tiến độ, viết update, phân tích dữ liệu, tạo dashboard, nhắc việc, và kết nối thông tin giữa các team.

Những vai trò trung gian, điều phối, tổng hợp và chuyển tải thông tin có thể bị ép lại.

Tác động này chưa có con số rõ ràng, nhưng về mặt logic vận hành doanh nghiệp, nó rất đáng theo dõi.

Ấn Độ là một case đặc biệt quan trọng.

Ngành IT-BPM của Ấn Độ có quy mô rất lớn, đóng góp khoảng 7–8% GDP. Nếu AI làm thay đổi cấu trúc outsourcing, tác động sẽ không chỉ nằm trong ngành tech.

Nó có thể lan sang:

Bất động sản văn phòng.
Tiêu dùng đô thị.
Giá thuê nhà.
Giáo dục nghề nghiệp.
Tầng lớp trung lưu mới nổi.
Dịch vụ phụ trợ quanh các trung tâm công nghệ.

Một số nguồn dẫn ước tính khoảng 2 triệu việc làm IT tại Ấn Độ có thể bị ảnh hưởng đến năm 2031.

Nguồn: Business Standard, Reuters via MarketScreener

Điều này cho thấy AI layoffs không chỉ là câu chuyện của Silicon Valley.

Nó là câu chuyện của toàn bộ chuỗi giá trị lao động tri thức toàn cầu.

Harvard Business Review nhấn mạnh một phân biệt rất quan trọng:

Một số công ty sa thải vì AI đã thật sự làm được phần việc đó. Nhưng nhiều công ty sa thải để lấy tiền fund AI.

Hai chuyện này rất khác nhau.

Nếu một công ty cắt customer support vì AI chatbot đã xử lý được phần lớn ticket, đó là “AI substitution”.

Nhưng nếu một công ty cắt một bộ phận không liên quan để dồn ngân sách vào data center, model, GPU, hoặc AI researcher, thì những người đó không bị thay thế bởi AI.

Họ bị hy sinh để trả tiền cho AI.

Nguồn: Harvard Business Review

Đây là khác biệt quan trọng về mặt chính sách.

Vì nếu nhầm lẫn hai hiện tượng này, ta sẽ đánh giá sai tác động thật của AI lên lao động.

Đây là phản biện cổ điển của trường phái lạc quan công nghệ.

Lập luận như sau:

Công nghệ làm năng suất tăng. Năng suất tăng làm giá hàng hóa giảm. Khi hàng hóa rẻ hơn, người tiêu dùng cần ít tiền hơn để sống. Vì vậy dù lương giảm, mức sống vẫn có thể được duy trì.

Lịch sử có nhiều ví dụ ủng hộ lập luận này.

Trước năm 1900, khoảng 40% lao động Mỹ làm nông. Thực phẩm chiếm phần rất lớn trong chi tiêu gia đình. Máy kéo, máy gặt, phân bón công nghiệp và cơ giới hóa nông nghiệp làm năng suất tăng mạnh. Lao động nông nghiệp giảm xuống dưới 2%, nhưng xã hội không sụp đổ. Thực phẩm rẻ hơn, lao động chuyển sang ngành khác.

Tương tự với dệt may. Máy móc làm vải rẻ hơn rất nhiều.

Vấn đề là lập luận này cần ít nhất hai điều kiện.

Trong manufacturing, điều này thường đúng.

Nhưng trong nhiều ngành dịch vụ, chi phí lao động không phải yếu tố duy nhất hoặc lớn nhất.

Một quán phở không thể giảm giá mạnh chỉ vì có máy đảo cơm hay phần mềm order tự động. Giá bán còn phụ thuộc vào mặt bằng, nguyên liệu, logistics, thương hiệu, thuế, và kỳ vọng lợi nhuận.

Một phòng khám không thể tự động hóa vài bước rồi làm chi phí y tế giảm ngay lập tức.

Một công ty SaaS có thể dùng AI để giảm support cost, nhưng họ không nhất thiết giảm giá subscription cho khách hàng.

Đây là điểm sâu hơn.

Trong các cuộc cách mạng công nghiệp trước, tư liệu sản xuất như đất đai, máy kéo, nhà máy, máy dệt… tuy có tập trung nhưng vẫn phân tán hơn tương đối.

Với AI, tư liệu sản xuất cốt lõi có thể là:

Foundation models.
GPU clusters.
Cloud infrastructure.
Proprietary data.
Distribution platforms.
Agent ecosystems.

Những thứ này đang tập trung vào một số ít công ty rất lớn: OpenAI, Google, Anthropic, Meta, Microsoft, Amazon, Nvidia và một vài hyperscaler khác.

Nếu AI infrastructure bị kiểm soát bởi một nhóm nhỏ, phần “hàng hóa rẻ hơn” không nhất thiết được chuyển hết cho người tiêu dùng.

Giá giảm bao nhiêu là do cấu trúc cạnh tranh quyết định.

Vì vậy, lập luận “AI làm hàng hóa rẻ hơn” có thể đúng một phần, nhưng không đủ để giải quyết bẫy.

Nó phụ thuộc vào ngành nào, tỷ trọng chi phí lao động bao nhiêu, ai kiểm soát hạ tầng AI, và xã hội có đủ thời gian để tái phân bổ lao động hay không.

Đúng.

Và đó chính là vấn đề.

Bài này không nói rằng tự động hóa sẽ làm công ty phá sản hàng loạt.

Ngược lại, các công ty có thể vẫn sống tốt. Thậm chí lợi nhuận còn tăng.

Vấn đề là cân bằng mới của nền kinh tế có thể là cân bằng trong đó:

Lao động nhận phần nhỏ hơn trong GDP.
Vốn và chủ sở hữu AI infrastructure nhận phần lớn hơn.
Người trẻ khó vào thị trường lao động hơn.
Entry-level jobs biến mất.
Một phần tầng lớp trung lưu bị ép xuống.
Công ty vẫn tồn tại, nhưng cấu trúc xã hội xấu đi.

Trong các cuộc cách mạng công nghiệp trước, lao động thường chuyển từ một dạng công việc thể chất sang dạng công việc thể chất hoặc công nghiệp khác.

Từ nông dân sang công nhân nhà máy.

Từ thợ thủ công sang công nhân dây chuyền.

Quá trình rất đau đớn, nhưng đường chuyển dịch tương đối rõ.

AI khác ở chỗ nó tác động vào lao động nhận thức.

Những công việc mới như AI trainer, AI auditor, prompt engineer, AI product operator, model evaluator… đòi hỏi nền tảng kỹ năng khác. Không phải ai cũng chuyển đổi được. Và tốc độ thay thế có thể nhanh hơn tốc độ đào tạo lại.

Đây là phần chưa có tiền lệ đủ lớn để ta tự tin nói: “Lịch sử sẽ lặp lại y hệt.”

Điều này có thể đúng.

Và nếu đúng, nó chính là một dạng AI washing.

Công ty có thể đang dùng AI như một narrative để làm điều họ vốn muốn làm:

Cắt lớp quản lý dư thừa.
Loại bỏ nhân sự lương cao nhưng impact thấp.
Tái cơ cấu team.
Chuyển ngân sách từ vận hành sang AI.
Tuyển lại người có skillset phù hợp hơn.

Điều này không phủ nhận framework của bài.

Nó bổ sung thêm một lớp.

Ngay cả khi lý do thật là “reorg”, người mất việc vẫn mất việc thật. Thị trường lao động vẫn bị xáo trộn thật. Và nếu nhiều công ty cùng làm, tổng cầu tiêu dùng vẫn bị ảnh hưởng.

Nói cách khác:

Bẫy narrative và bẫy kinh tế có thể vận hành song song.

Một công ty có thể nói dối về lý do sa thải, nhưng hậu quả xã hội của sa thải vẫn là thật.

Đây là một rủi ro thứ cấp rất đáng chú ý.

Nếu công ty thay customer support bằng chatbot quá sớm, khách hàng có thể bực hơn.

Nếu công ty thay junior developer bằng AI nhưng không có senior review kỹ, codebase có thể xấu đi.

Nếu công ty thay content team bằng AI, brand voice có thể nhạt dần.

Nếu công ty thay middle manager bằng automation, coordination có thể trục trặc theo cách khó thấy ngay.

Những vấn đề này thường không xuất hiện trong quý đầu tiên sau layoffs. Chúng xuất hiện sau 6 tháng, 1 năm, hoặc 2 năm.

Một vài tín hiệu có thể theo dõi:

Công ty bắt đầu tái tuyển dụng những vị trí vừa cắt.
Chất lượng support giảm.
Bug tăng.
Customer churn tăng.
Brand trust giảm.
Một nhóm công ty bắt đầu định vị “human support” hoặc “human-made” như premium feature.

Việc Block được báo cáo là đang lặng lẽ tái tuyển dụng sau khi cắt mạnh nhân sự là một tín hiệu đáng theo dõi.

Nguồn: TheStreet

Nếu nghiên cứu kinh tế học nói rằng cần nội hóa chi phí xã hội của tự động hóa, thì chính sách hiện tại ở Mỹ lại có dấu hiệu đi hướng ngược lại.

Một ví dụ là One Big Beautiful Bill Act, đang trong quá trình lập pháp tính đến tháng 4/2026.

Theo một số phân tích, bill này bao gồm điều khoản 100% bonus depreciation cho thiết bị tự động hóa đến năm 2029. Nghĩa là công ty có thể khấu trừ toàn bộ chi phí robot hoặc automation equipment ngay trong năm đầu tiên, thay vì phân bổ dần theo nhiều năm.

Nguồn: Standard Bots

Về mặt kinh tế, điều này giống một dạng trợ cấp tự động hóa.

Nếu tự động hóa đã có xu hướng tạo ra externality tiêu cực lên thị trường lao động, thì trợ cấp tự động hóa có thể làm bẫy sâu hơn:

Chi phí automation thấp hơn.
Doanh nghiệp có động lực thay người nhanh hơn.
Áp lực lên người lao động tăng.
Tốc độ chuyển dịch có thể vượt quá khả năng retraining.

Trong khi đó, chính OpenAI trong một số đề xuất chính sách lại nói đến các cơ chế như robot tax, public wealth fund, và tuần làm việc 4 ngày để phân phối lại lợi ích từ AI.

Nguồn: TechCrunch

Có một nghịch lý ở đây:

Các nhà kinh tế học đề xuất đánh thuế để nội hóa chi phí xã hội.
Chính phủ lại có xu hướng trợ cấp đầu tư automation.
Các công ty AI nói về phân phối lại, nhưng vẫn chạy đua phát triển AI nhanh nhất có thể.

Ba lực này đang kéo về ba hướng khác nhau.

Nhìn toàn cảnh, câu chuyện AI layoffs hiện nay có hai lớp.

Cấu trúc cạnh tranh thị trường khiến mỗi công ty có động lực tự động hóa, dù kết quả tập thể có thể xấu.

Mỗi công ty nhận toàn bộ lợi ích tiết kiệm chi phí, nhưng chỉ chịu một phần nhỏ thiệt hại cầu tiêu dùng do người lao động mất thu nhập.

Đây là một thất bại thị trường.

Nó không cần CEO phải ác.

Nó chỉ cần CEO hành động hợp lý trong một cấu trúc sai.

AI washing cũng hoạt động như một Prisoner’s Dilemma.

Mỗi công ty có lợi khi phóng đại vai trò của AI trong layoffs:

Nghe hiện đại hơn.
Dễ bán với nhà đầu tư hơn.
Ít phải nhận trách nhiệm hơn.
Che được vấn đề quản trị hoặc overhiring.

Nhưng khi nhiều công ty cùng làm, dữ liệu thị trường bị méo. Xã hội không biết bao nhiêu việc thật sự bị AI thay thế, bao nhiêu là reorg, bao nhiêu là cost cutting, bao nhiêu là funding shift.

Tín hiệu chính sách bị nhiễu.

Người lao động không biết nên học gì.

Nhà nước không biết nên can thiệp ở đâu.

Trong cả hai lớp, logic giống nhau:

Lợi ích cá nhân được tập trung. Hậu quả xã hội bị phân tán.

Đây là cấu trúc quen thuộc của nhiều thất bại thị trường: ô nhiễm môi trường, khai thác tài nguyên, khủng hoảng tài chính, và giờ có thể là lao động trong kỷ nguyên AI.

Lịch sử cho thấy những bẫy cấu trúc như thế này thường cần can thiệp chính sách.

Không phải vì thị trường ngu ngốc.

Mà vì có những kết quả tập thể đòi hỏi sự phối hợp mà thị trường tự do không thể tự tạo ra.

Bây giờ, điều đó đang xảy ra với lao động và AI.

Và chính sách hiện tại có vẻ đang đi ngược chiều.

Okay và đó là một bài tổng hợp phân tích dựa trên nền tảng từ nghiên cứu AI Layoff Trap kết hợp với các tin tức thị trường đến Q1/2026. Có lẽ bài viết mà mình dành time nhiều nhất để tổng hợp và phân tích, cũng như viết thành một bài viết dễ hiểu cho mọi người, hy vọng mọi người thích bài viết này. Link reference chi tiết bên dưới để các bạn có thể đối chiếu lại số liệu cụ thể.

AI Layoff Trap

Comments