Các doanh nghiệp ghi nhận kết quả sớm và lớn ở những công việc khối lượng cao, có đáp án tương đối rõ, gồm giải đáp thắc mắc của khách hàng, câu hỏi nhân sự và rà soát hợp đồng. Các tác vụ này dễ đo lường, nên doanh nghiệp có thể đánh giá kết quả trước khi đầu tư thêm.
Các doanh nghiệp kiểm soát rủi ro về chất lượng bằng cách để nhân viên kiểm tra bản nháp do AI soạn trước khi đến tay khách hàng hoặc bệnh nhân. Klarna cắt giảm nhân viên chăm sóc khách hàng trong khi dựa vào trợ lý AI, sau đó đưa nhân viên trở lại vì lo ngại về chất lượng dịch vụ.
Shinhan Bank tái tổ chức kho kiến thức ngân hàng trước khi bổ sung trợ lý AI tạo sinh. Walmart, POSCO và Kurly cũng làm sạch, kết nối và chia sẻ dữ liệu trước khi chọn mô hình.
Một cơ quan tài phán của Canada buộc Air Canada chịu trách nhiệm về điều khoản hoàn tiền mà chatbot trên website của hãng nêu sai, và bác lập luận rằng chatbot tự chịu trách nhiệm về lời của mình. McDonald's chấm dứt đợt thử nghiệm AI nhận đơn bằng giọng nói tại các quầy phục vụ ô tô vào năm 2024 trong khi độ chính xác của đơn hàng vẫn còn là vấn đề.
Zillow mua nhà theo mức giá do mô hình của hãng ước tính. Khi thị trường thay đổi, sai số dự báo dẫn đến việc ghi giảm giá trị tài sản và công ty đóng cửa mảng mua nhà. MD Anderson chi hàng chục triệu USD cho một dự án AI với cơ chế giám sát yếu, và dự án này chưa từng được dùng để điều trị bệnh nhân.
Amazon ngừng dùng một mô hình sàng lọc hồ sơ ứng viên vì mô hình học từ dữ liệu tuyển dụng trước đây và chấm điểm thấp hơn các hồ sơ có dấu hiệu liên quan đến nữ giới. Trong tuyển dụng và đánh giá nhân sự, các doanh nghiệp bị đặt câu hỏi về thiên lệch trong dữ liệu huấn luyện và về khả năng giải thích những quyết định ảnh hưởng đến cuộc sống của người lao động.
JPMorgan để nhân viên tự quyết định có dùng nền tảng AI của ngân hàng hay không. Moderna hình thành thói quen sử dụng bằng chatbot nội bộ trước khi mở rộng AI ra toàn công ty và hợp nhất bộ phận nhân sự với bộ phận công nghệ. Shopify đưa việc sử dụng AI vào đánh giá hiệu suất, còn Musinsa thúc đẩy kỹ năng AI trong toàn bộ lực lượng lao động.
Trên nền tảng mua sắm của Naver, tác động của các tính năng mua sắm dùng AI lên doanh số lớn hơn đối với người bán nhỏ so với người bán lớn. Các nhà sản xuất nhỏ của Hàn Quốc dùng các chương trình nhà máy thông minh của chính phủ để chi trả phần lớn chi phí ban đầu cho hệ thống kiểm soát chất lượng dựa trên AI.
Quảng cáo dịp lễ do AI tạo ra của Coca-Cola bị chỉ trích rộng rãi vì thiếu sự ấm áp. Bản ghi nhớ công khai về chiến lược ưu tiên AI của Duolingo cũng bị chỉ trích ngay lập tức. Các thương hiệu dựa vào cảm xúc và lòng tin gặp giới hạn từ phản ứng của công chúng.
Một số công ty dùng AI trong hoạt động của chính mình trước khi bán cho các doanh nghiệp khác. Octopus Energy, Samsung SDS và Salesforce bán cho khách hàng bên ngoài những công cụ mà họ đã thử nghiệm trong dịch vụ khách hàng hoặc công việc văn phòng của mình.
số vấn đề được giải quyết mỗi giờ bởi nhân viên có AI hỗ trợ (nhân viên mới và kỹ năng thấp: tăng khoảng 30%)
Các nhà kinh tế của Stanford và MIT nghiên cứu một trợ lý trò chuyện dựa trên GPT được triển khai cho 5.172 nhân viên hỗ trợ tại một công ty phần mềm doanh nghiệp thuộc Fortune 500, chủ yếu từ cuối năm 2020 đến đầu năm 2021. Số vấn đề được giải quyết mỗi giờ tăng trung bình 15% và khoảng 30% ở nhóm nhân viên ít kinh nghiệm nhất và có kỹ năng thấp nhất, với cả tốc độ lẫn chất lượng đều cải thiện. Nhóm nhân viên giàu kinh nghiệm nhất tăng tốc độ không đáng kể và chất lượng giảm nhẹ. Các kết quả này lấy từ nghiên cứu đã qua bình duyệt năm 2025, tiếp nối bản thảo nghiên cứu năm 2023 ghi nhận mức tăng 14% và 34% trên 5.179 nhân viên.
Công cụ này truyền kiến thức của nhân viên giàu kinh nghiệm cho nhân viên mới, nên các đội có nhiều nhân viên ít kinh nghiệm hơn thu được lợi ích lớn hơn.
Erik Brynjolfsson, Danielle Li và Lindsey Raymond nghiên cứu 5.172 nhân viên hỗ trợ và công bố kết quả đã qua bình duyệt trong tập 140(2) của tạp chí The Quarterly Journal of Economics. Số vấn đề được giải quyết mỗi giờ tăng trung bình 15% và khoảng 30% ở nhóm nhân viên ít kinh nghiệm nhất và có kỹ năng thấp nhất, trong khi chất lượng giảm nhẹ ở nhóm kỹ năng cao nhất. Nhân viên mới ít nghỉ việc hơn và khách hàng lịch sự hơn.
Nhóm nghiên cứu công bố bản thảo lần đầu vào tháng 4/2023 và sửa đổi vào tháng 11/2023. Họ ghi nhận năng suất trung bình tăng 14% trên 5.179 nhân viên và tăng 34% ở nhân viên mới, kỹ năng thấp, trong khi tác động đối với nhân viên giàu kinh nghiệm, kỹ năng cao là không đáng kể. Cảm nhận của khách hàng và tỷ lệ giữ chân nhân viên cũng được cải thiện.
Stanford HAI cho biết năng suất tăng 14% trong nghiên cứu về trung tâm cuộc gọi, tập trung ở nhóm nhân viên ít kinh nghiệm hơn. Nhân viên có 2 tháng thâm niên dùng trợ lý đạt kết quả tương đương nhân viên có 6 tháng thâm niên không dùng. Nhân viên giàu kinh nghiệm hưởng lợi không đáng kể.
mức rút ngắn thời gian hoàn thành các tác vụ nằm trong năng lực của AI (tỷ lệ trả lời đúng giảm 19 điểm phần trăm ở một tác vụ nằm ngoài năng lực đó)
Các nhà nghiên cứu của Trường Kinh doanh Harvard, một số trường đại học khác và BCG phân ngẫu nhiên 758 chuyên gia tư vấn của BCG vào 3 nhóm: không dùng AI, dùng GPT-4, hoặc dùng GPT-4 kèm phần giới thiệu ngắn về cách viết câu lệnh, trong một thí nghiệm đã được đăng ký trước. Với 18 tác vụ tư vấn nằm trong năng lực của mô hình, người dùng AI hoàn thành nhiều hơn 12,2% số tác vụ, làm việc nhanh hơn 25,1% và đạt điểm chất lượng cao hơn khoảng 32% tính trung bình. Với một tác vụ phân tích kinh doanh nằm ngoài năng lực đó, người dùng AI có khả năng trả lời đúng thấp hơn 19 điểm phần trăm, ở mức khoảng 60–71% so với 84,5% khi không dùng AI. Bản thảo năm 2023 ghi nhận chất lượng tăng hơn 40%, trong khi nghiên cứu đã qua bình duyệt năm 2026 ghi nhận khoảng 32%.
Cùng một công cụ AI cải thiện một số tác vụ tư vấn nhưng làm giảm độ chính xác ở một tác vụ khác. Các chuyên gia có kỹ năng gặp khó khăn trong việc nhận biết tác vụ nào vượt quá năng lực của công cụ.
Fabrizio Dell’Acqua cùng các cộng sự công bố trực tuyến nghiên cứu đã qua bình duyệt vào tháng 3/2026. Với các tác vụ nằm trong năng lực của mô hình, người dùng AI hoàn thành nhiều hơn 12,2% số tác vụ, làm việc nhanh hơn 25,1% và cải thiện chất lượng khoảng 32% tính trung bình. Tỷ lệ trả lời đúng giảm 19 điểm phần trăm ở tác vụ nằm ngoài năng lực đó. Những người tham gia có kỹ năng thấp hơn hưởng lợi nhiều nhất.
Nghiên cứu của Trường Kinh doanh Harvard tháng 9/2023 chia 758 lao động tri thức vào 3 nhóm. Người dùng AI làm việc nhanh hơn và hoàn thành nhiều tác vụ hơn trong phạm vi năng lực của mô hình, nhưng ít có khả năng giải được tác vụ nằm ngoài phạm vi đó. Nghiên cứu sau đó được đăng trên tạp chí Organization Science.
BCG cho biết các chuyên gia tư vấn của hãng đạt điểm cao hơn khoảng 40% khi dùng GPT-4 ở các tác vụ sáng tạo sản phẩm. Ở các bài toán giải quyết vấn đề kinh doanh, điểm thấp hơn 23% vì nhiều người chấp nhận kết quả sai. Ý tưởng của nhóm dùng GPT-4 kém đa dạng hơn 41%.
thời gian hoàn thành một tác vụ lập trình được rút ngắn khi dùng trợ lý lập trình AI
Các nhà nghiên cứu của Microsoft Research, GitHub và MIT Sloan tuyển 95 lập trình viên tự do qua Upwork vào tháng 5–6/2022 và chia ngẫu nhiên thành nhóm dùng Copilot (45 người) và nhóm đối chứng (50 người); mỗi nhóm có 35 người hoàn thành tác vụ. Với yêu cầu viết một máy chủ HTTP bằng JavaScript, nhóm dùng Copilot mất trung bình 71 phút so với 161 phút, tức giảm 55,8% (khoảng tin cậy 95% là 21–89%). Lập trình viên ít kinh nghiệm hưởng lợi nhiều hơn. Copilot do GitHub, công ty con của Microsoft, phát triển, và 3 trong 4 tác giả làm việc tại Microsoft hoặc GitHub.
Lập trình viên tiết kiệm được nhiều thời gian ở một tác vụ lập trình được xác định rõ. Các nghiên cứu sau đó trên những cơ sở mã nguồn lớn đang tồn tại ghi nhận mức tăng thấp hơn nhiều hoặc thậm chí chậm đi trong bối cảnh khác này.
Sida Peng, Eirini Kalliamvakou, Peter Cihon và Mert Demirer tuyển 95 lập trình viên qua Upwork và phân 45 người vào nhóm Copilot, 50 người vào nhóm đối chứng. Ở mỗi nhóm có 35 người hoàn thành tác vụ máy chủ HTTP, trong đó nhóm Copilot mất ít thời gian hơn 55,8%. Tỷ lệ hoàn thành thành công của nhóm này cao hơn 7 điểm phần trăm, nhưng chênh lệch không có ý nghĩa thống kê.
GitHub cho biết 78% nhóm Copilot và 70% nhóm đối chứng hoàn thành tác vụ. Nhóm Copilot hoàn thành nhanh hơn khoảng 55%, mất 1 giờ 11 phút so với 2 giờ 41 phút. Trong một khảo sát riêng với hơn 2.000 người dùng Copilot, đa số cho biết công cụ giúp họ làm việc nhanh hơn và tập trung hơn.
tỷ lệ doanh nghiệp vừa và nhỏ ngành sản xuất nêu chi phí ban đầu là rào cản lớn nhất khi ứng dụng AI
Bộ Doanh nghiệp vừa và nhỏ và Khởi nghiệp của Hàn Quốc dẫn một khảo sát của Liên đoàn Doanh nghiệp vừa và nhỏ Hàn Quốc khi công bố chiến lược Đổi mới sản xuất thông minh 3,0 dựa trên AI vào ngày 24/10/2025. Các doanh nghiệp vừa và nhỏ ngành sản xuất nêu chi phí ban đầu (44,2%) là rào cản lớn nhất, tiếp theo là thiếu nhân lực (20,5%) và thiếu chiến lược (14,9%), trong khi 72,3% muốn được hỗ trợ tài chính trực tiếp. Chính phủ ước tính tỷ lệ ứng dụng AI ở mức khoảng 1% và đặt mục tiêu 10% doanh nghiệp ứng dụng cùng 12.000 nhà máy thông minh lấy AI làm trung tâm vào năm 2030. Thời điểm khảo sát và quy mô mẫu không được công bố.
Các nhà sản xuất nêu chi phí ban đầu thường xuyên hơn so với thiếu nhân lực hoặc thiếu chiến lược. Các biện pháp của chính phủ gồm trợ cấp và nhà máy thông minh theo hình thức thuê bao nhằm giảm gánh nặng ban đầu này.
Money Today đưa tin các doanh nghiệp vừa và nhỏ ngành sản xuất nêu chi phí ban đầu (44,2%), thiếu nhân lực (20,5%) và thiếu chiến lược (14,9%) là các rào cản đối với AI, trong khi 72,3% muốn được hỗ trợ tài chính trực tiếp. Các biện pháp của chính phủ gồm nhà máy thông minh theo hình thức thuê bao và nền tảng hỗ trợ một cửa. Chính phủ đặt mục tiêu nâng tỷ lệ ứng dụng AI từ khoảng 1% lên 10%.
Herald Business đưa tin khảo sát của Liên đoàn Doanh nghiệp vừa và nhỏ Hàn Quốc cho thấy chi phí ban đầu là rào cản lớn nhất của các nhà sản xuất đối với AI và khoảng 7 trên 10 doanh nghiệp muốn được cấp vốn trực tiếp. Các mục tiêu của chính phủ gồm 12.000 nhà máy thông minh dùng AI, tỷ lệ ứng dụng AI 10%, 500 doanh nghiệp chuyên ngành và 1.000 bộ dữ liệu dùng chung.
Financial News đưa tin các mục tiêu của chính phủ gồm 12.000 nhà máy thông minh lấy AI làm trung tâm và nâng tỷ lệ ứng dụng AI từ 1% lên 10% vào năm 2030. Tờ báo cũng mô tả việc hỗ trợ từng doanh nghiệp trong chương trình AI cho nhà máy thông minh.
thời gian hoàn thành tác vụ dài hơn khi được phép dùng công cụ AI (các lập trình viên đã kỳ vọng nhanh hơn 24%)
Từ tháng 2 đến tháng 6/2025, tổ chức phi lợi nhuận METR cho phép hoặc cấm dùng AI một cách ngẫu nhiên trên 246 tác vụ thực tế do 16 lập trình viên giàu kinh nghiệm thực hiện trong các dự án mã nguồn mở lớn mà họ đã bảo trì nhiều năm. Khi được phép dùng AI, các lập trình viên chủ yếu dùng Cursor Pro với Claude 3.5/3.7 Sonnet và mất nhiều thời gian hơn 19%, với khoảng tin cậy 95% từ +2% đến +39%. Họ đã kỳ vọng làm việc nhanh hơn 24% và sau đó vẫn cho rằng mình nhanh hơn 20%. Một nghiên cứu tiếp theo bắt đầu từ tháng 8/2025 với 57 lập trình viên cho ra các ước tính có khoảng tin cậy bao gồm 0, và METR cho biết vào tháng 2/2026 rằng hiệu ứng chọn mẫu khiến dữ liệu không đáng tin cậy.
Các lập trình viên giàu kinh nghiệm làm việc trong cơ sở mã nguồn quen thuộc cảm thấy nhanh hơn khi dùng AI, dù thời gian hoàn thành đo được lại tăng. Kết quả của các công cụ đầu năm 2025 có thể khác với các công cụ về sau.
Joel Becker, Nate Rush, Elizabeth Barnes và David Rein ghi nhận thời gian hoàn thành tăng 19% trong thử nghiệm với 16 lập trình viên và 246 tác vụ. Các lập trình viên đã kỳ vọng tăng tốc 24% và sau đó cảm nhận tăng tốc 20%, trong khi các chuyên gia học máy và kinh tế dự báo mức tăng 38–39%. Nhóm nghiên cứu xem xét 20 lời giải thích có thể và đánh giá khó có khả năng việc chậm đi chủ yếu là hệ quả của thiết kế nghiên cứu.
METR nghiên cứu các dự án có trung bình hơn 22.000 sao và hơn một triệu dòng mã, với các tác vụ mất khoảng hai giờ. Tổ chức này lưu ý mẫu lập trình viên nhỏ, chỉ tập trung vào một lĩnh vực và khả năng có hiệu ứng học tập. Sau đó METR cho rằng các kết quả này đã lỗi thời và công bố dữ liệu của nghiên cứu tiếp theo.
METR bắt đầu nghiên cứu tiếp theo vào tháng 8/2025 với 57 lập trình viên và hơn 800 tác vụ. Tổ chức này ước tính mức tăng tốc 18% đối với các lập trình viên quay lại và 4% đối với người tham gia mới, cả hai khoảng tin cậy đều bao gồm 0. Khi các lập trình viên ngày càng từ chối làm việc nếu không có AI, METR đánh giá dữ liệu không đáng tin cậy và thông báo thiết kế một nghiên cứu mới.
tác động đo được lên thu nhập và số giờ làm việc được ghi nhận 2 năm sau khi ChatGPT ra mắt (loại trừ các tác động trên 2%)
Anders Humlum của Đại học Chicago và Emilie Vestergaard của Đại học Copenhagen phối hợp với Cơ quan Thống kê Đan Mạch thực hiện các khảo sát đại diện đối với 11 nghề chịu tác động mạnh của chatbot AI. Khảo sát cuối năm 2024 của họ bao quát 25.000 người lao động tại 7.000 nơi làm việc và được liên kết với hồ sơ chính thức về thu nhập, số giờ làm việc và nghề nghiệp đến hết tháng 12/2024. Ở những nơi người sử dụng lao động khuyến khích dùng, cung cấp chatbot doanh nghiệp và đào tạo, 93% đã dùng chatbot, 28% dùng hằng ngày và 19% cho biết tiết kiệm hơn 1 giờ mỗi ngày. So sánh nhóm đã dùng với nhóm chưa dùng trước và sau khi chatbot xuất hiện, các nhà nghiên cứu không thấy tác động nào lên thu nhập hay số giờ làm việc được ghi nhận, dù công việc thay đổi khi nhân viên tạo nội dung, rà soát kết quả của AI và tích hợp AI.
Thời gian tiết kiệm mà người lao động báo cáo không làm thay đổi tiền lương hay số giờ làm việc trong vòng 2 năm. Đa số người dùng cho biết họ dành thời gian tiết kiệm được cho các tác vụ khác, làm thay đổi cách tổ chức công việc.
Nhóm nghiên cứu công bố bản thảo lần đầu vào tháng 5/2025 và sửa đổi vào tháng 3/2026. Dựa trên dữ liệu khảo sát và dữ liệu hành chính được liên kết, họ so sánh mức thay đổi giữa nhóm đã dùng và nhóm chưa dùng, và loại trừ các tác động trung bình lên thu nhập và số giờ làm việc lớn hơn 2%. Khoảng 85% người dùng cho biết dành thời gian tiết kiệm được cho các tác vụ khác, và một số chuyển sang nghề có thu nhập tốt hơn.
Viện Becker Friedman cho biết không có tác động nào lên thu nhập hay số giờ làm việc được ghi nhận 2 năm sau khi ChatGPT ra mắt. Kết luận này đúng với người dùng thường xuyên, người dùng sớm và những nơi làm việc đầu tư mạnh. Việc dùng chatbot gắn với những thay đổi về nhiệm vụ và nghề nghiệp mà không làm thay đổi ròng về tiền lương hay số giờ làm việc.
số tác vụ hoàn thành mỗi tuần của lập trình viên dùng trợ lý lập trình AI (ước tính gộp, sai số chuẩn khoảng 10 điểm)
Các nhà kinh tế của Princeton, MIT, Wharton và Microsoft phân tích 3 thí nghiệm ngẫu nhiên có đối chứng tại Microsoft, Accenture và một nhà sản xuất thiết bị điện tử thuộc Fortune 100 không nêu tên, từ tháng 9/2022 đến tháng 5/2023. Một nhóm được chọn ngẫu nhiên trong tổng số 4.867 lập trình viên được cấp quyền dùng GitHub Copilot trong công việc thường ngày, và người dùng hoàn thành nhiều hơn 26,08% số tác vụ mỗi tuần (sai số chuẩn 10,3%), thực hiện nhiều hơn 13,55% số lần commit và chạy nhiều hơn 38,38% số lần build trong các thí nghiệm. Lập trình viên mới vào làm và lập trình viên cấp thấp dùng công cụ nhiều hơn và hưởng lợi nhiều hơn, trong khi lập trình viên cấp cao không có mức tăng có ý nghĩa thống kê. Có 2 trong 6 tác giả làm việc tại Microsoft, công ty sở hữu GitHub.
Lập trình viên trong doanh nghiệp hưởng lợi ít hơn so với thử nghiệm tại phòng thí nghiệm với một tác vụ duy nhất, và kết quả có độ bất định lớn hơn. Lập trình viên ít kinh nghiệm hơn hưởng lợi nhiều nhất.
Kevin Zheyuan Cui, Mert Demirer, Sonia Jaffe, Leon Musolff, Sida Peng và Tobias Salz công bố các thí nghiệm vào tháng 2/2025. Các thử nghiệm kéo dài từ 2 đến 8 tháng trước khi tất cả các nhóm được cấp quyền sử dụng. Trên cả 3 thử nghiệm, số tác vụ hoàn thành tăng 26,08%, số lần commit tăng 13,55% và số lần build tăng 38,38%. Nhóm nghiên cứu cho biết riêng từng thử nghiệm có độ bất định thống kê đáng kể và mức độ sử dụng ban đầu thấp.
Nhóm nghiên cứu đăng ký các thí nghiệm tại 3 công ty với Hiệp hội Kinh tế Hoa Kỳ sau khi các thí nghiệm đã diễn ra. Các thí nghiệm diễn ra từ tháng 9/2022 đến tháng 5/2023 và quyền sử dụng được phân ngẫu nhiên theo nhóm hoặc cá nhân tại mỗi công ty. Các chỉ tiêu chính gồm pull request, commit và build.