Khi phòng thí nghiệm AI nhỏ của Trung Quốc - DeepSeek - công bố mô hình ngôn ngữ lớn R1 vượt trội ChatGPT với chi phí thấp hơn nhiều, thị trường chứng khoán đã mất 1.000 tỷ USD chỉ trong một ngày. DeepSeek, được thành lập bởi nhà quản lý quỹ đầu cơ Liang Wenfeng, đã tiết lộ cách xây dựng mô hình có khả năng tự học và cải thiện mà không cần sự giám sát của con người.
Sự kiện này phản ánh cuộc đua công nghệ giữa Trung Quốc và Mỹ, nhưng đáng chú ý hơn là xu hướng "chủ nghĩa dữ liệu" (dataism) đang ảnh hưởng sâu sắc đến tương lai của nguồn nhân lực. Chủ nghĩa dữ liệu tin rằng việc thu thập ngày càng nhiều dữ liệu và cung cấp cho các thuật toán mạnh mẽ sẽ giúp doanh nghiệp khám phá sự thật, đưa ra quyết định đúng đắn và tạo ra giá trị.
Quan điểm này thách thức nhiều nền tảng của lý thuyết quản lý và tương tác kinh tế giữa lao động và vốn. Doanh nghiệp đang phải đối mặt với tương lai của "công việc tri thức", thách thức nhân khẩu học và vấn đề quay trở lại nơi làm việc.
Quản lý nguồn nhân lực đang đối diện với sự gián đoạn ở cấp độ cá nhân, công ty và xã hội với quy mô chưa từng thấy kể từ cách mạng công nghiệp. Thay vì đặt AI đối lập với con người, thách thức thực sự là tính toán phức tạp giữa tự động hóa và tăng cường đồng thời.
Theo David Autor, nhà kinh tế học tại MIT, tự động hóa là máy móc thay thế công việc của con người, trong khi tăng cường là công nghệ giúp con người làm được nhiều việc đa dạng hơn, chất lượng hơn hoặc năng suất cao hơn.
Nghiên cứu của Autor cho thấy từ năm 1940, sự tương tác giữa tự động hóa và tăng cường đã tạo ra tỷ lệ đáng kể các công việc mới ở Mỹ. Tuy nhiên, những công việc mới này bị phân cực giữa việc làm lương cao và thu nhập thấp, khi công việc trung bình dần biến mất.
Thành công trong quản lý sự cân bằng này phụ thuộc vào hiệu quả của quản lý nguồn nhân lực trong thiết kế công việc sáng tạo và nguyên tắc "tối ưu hóa chung" - đảm bảo hệ thống tổ chức được tối ưu hóa có chủ đích cho việc tạo ra giá trị (lời hứa của chủ nghĩa dữ liệu) cũng như chất lượng trải nghiệm làm việc của con người.
📌 Sự hé lộ của DeepSeek đã gây chấn động khi xóa sổ 1.000 tỷ USD giá trị thị trường, kích hoạt cuộc tranh luận về "chủ nghĩa dữ liệu" trong doanh nghiệp. Doanh nghiệp đang ở ngã ba đường, vừa tận dụng sức mạnh thuật toán vừa duy trì giá trị con người, trong bối cảnh công việc bị phân cực giữa lương cao và lương thấp.
https://www.ft.com/content/a561756d-2427-4965-9040-f16e91f6b4a4
#FT
Trường kinh doanh nghiên cứu tình huống: Các công ty sẽ điều hướng lời hứa và mối đe dọa của chủ nghĩa dữ liệu như thế nào?
Sử dụng sức mạnh của thuật toán để đưa ra quyết định và tạo ra giá trị đòi hỏi phải xác định lại vai trò của quản lý
Tom Davis
Xuất bản cách đây 2 giờ
Khi một phòng thí nghiệm trí tuệ nhân tạo nhỏ của Trung Quốc cho thấy vào tháng 1 rằng họ có thể xây dựng một mô hình ngôn ngữ lớn vượt qua ChatGPT của OpenAI với chi phí chỉ bằng một phần nhỏ, thế giới công nghệ đã rơi vào hỗn loạn và 1 nghìn tỷ USD đã bốc hơi khỏi thị trường chứng khoán chỉ trong một ngày.
DeepSeek, được thành lập bởi nhà quản lý quỹ đầu cơ Liang Wenfeng, đã phát hành mô hình R1 và chi tiết cách xây dựng một mô hình có thể tự động học hỏi và cải thiện mà không cần sự giám sát của con người.
Tiết lộ này đã nắm bắt được tinh thần cạnh tranh giữa Trung Quốc và Mỹ trong cuộc đua giành vị trí thống trị công nghệ toàn cầu. Tuy nhiên, ít sự chú ý hơn đã được dành cho yếu tố ngầm làm nền tảng cho cuộc cạnh tranh hiện đại này: sự trỗi dậy của “chủ nghĩa dữ liệu” (dataism) và những tác động của nó đối với tương lai của nguồn nhân lực.
Chủ nghĩa dữ liệu là niềm tin rằng bằng cách thu thập ngày càng nhiều dữ liệu và cung cấp cho các thuật toán ngày càng mạnh mẽ, các doanh nghiệp có thể khám phá ra sự thật, đưa ra quyết định đúng đắn và tạo ra giá trị.
Quan điểm này thách thức nhiều nền tảng của lý thuyết quản lý — và sự tương tác kinh tế giữa lao động và vốn — trong khi làm dấy lên kỳ vọng cao hơn đối với AI tạo sinh.
Các doanh nghiệp đang vật lộn với tương lai của “công việc tri thức”, một cuộc khủng hoảng nhân khẩu học đang đến gần và những thách thức trong việc quay lại làm việc tại văn phòng. Một số người đã dự đoán các hậu quả khác, chẳng hạn như sự suy thoái thành một xã hội hậu biết chữ và sự suy yếu của doanh nghiệp với tư cách là động lực cho sự phát triển của con người.
Quản lý nguồn nhân lực đang đối mặt với sự gián đoạn ở cấp độ cá nhân, công ty hoặc xã hội ở quy mô chưa từng thấy kể từ cuộc cách mạng công nghiệp. Làm thế nào để điều hướng cả lời hứa và mối đe dọa của chủ nghĩa dữ liệu là vấn đề cấp bách nhất của ngành này.
Chủ nghĩa dữ liệu không nhất thiết phải đối lập với nguồn nhân lực trong viễn cảnh tưởng tượng về cuộc chiến giữa robot và con người. Thay vào đó, quản lý nguồn nhân lực phải giải quyết bài toán phức tạp giữa tự động hóa và gia tăng giá trị cùng lúc.
“Bạn có thể coi tự động hóa là một cỗ máy tiếp nhận các đầu vào của công việc và thực hiện công việc thay cho người lao động,” David Autor, nhà kinh tế học tại Viện Công nghệ Massachusetts (MIT), cho biết. “Gia tăng giá trị là một công nghệ giúp tăng cường sự đa dạng của các công việc mà con người có thể làm, nâng cao chất lượng của các công việc hoặc nâng cao năng suất của họ.”
Đây là một phần của loạt bài nghiên cứu tình huống dành cho các trường kinh doanh về các tình huống kinh doanh phức tạp. Hãy đọc văn bản và các bài viết từ FT và các nguồn khác được đề xuất ở cuối bài (và được liên kết trong bài) trước khi xem xét các câu hỏi được đặt ra. Loạt bài này là một phần của bộ sưu tập “nghiên cứu tình huống tức thời” của FT nhằm khám phá các thách thức trong kinh doanh.
Nghiên cứu của Autor cho thấy rằng một trong những kết quả của sự tương tác giữa tự động hóa và gia tăng giá trị ở Mỹ kể từ năm 1940 là sự xuất hiện của một tỷ lệ đáng kể các công việc mới — từ kỹ sư công nghiệp đến người vận hành lò phản ứng hạt nhân và nhà phát triển ứng dụng di động.
Tuy nhiên, “công việc mới đang bị phân hóa rõ rệt [giữa công việc được trả lương cao và công việc thu nhập thấp]”, Autor nói. “Khi các công việc cũ ở tầng trung bị xóa bỏ, công việc mới đã phát triển ở cả hai đầu.”
Sự phân hóa này đại diện cho một yếu tố đóng góp quan trọng khác vào tính cấp thiết ngày càng tăng của các chức năng quản lý nguồn nhân lực.
Thành công trong việc cân bằng tinh tế này sẽ phụ thuộc phần lớn vào hiệu quả của quản lý nguồn nhân lực trong việc thiết kế công việc sáng tạo và tối ưu hóa “hệ thống kỹ thuật – xã hội” — đảm bảo rằng các hệ thống tổ chức được tối ưu hóa có chủ đích để tạo ra giá trị (lời hứa của chủ nghĩa dữ liệu) cũng như cải thiện trải nghiệm công việc của con người.
Việc tận dụng tiềm năng của chủ nghĩa dữ liệu, tất nhiên, sẽ cần đến con người, nhưng cách thức mà hai yếu tố này tương tác để tạo ra giá trị kinh doanh vẫn đang được định hình — và phụ thuộc đáng kể vào lĩnh vực quản lý nguồn nhân lực.
Một số khía cạnh của mối quan hệ này sẽ được thúc đẩy bởi sự tiến hóa nội tại của công việc tri thức và sự ổn định liên quan đến công việc từ xa. Các khía cạnh khác sẽ bị tác động bởi những yếu tố bên ngoài như cuộc đua AI toàn cầu và những thay đổi nhân khẩu học trên toàn thế giới.
Quá trình này sẽ diễn ra dưới tác động thay đổi của tự động hóa và gia tăng giá trị.
Khi sự tiến hóa này diễn ra, điều thường được coi là một cuộc cạnh tranh “một mất, một còn” để giành quyền bá chủ về chủ quyền có thể được nhìn nhận song song như một bước chuyển đổi trong cách định hình lại vai trò của nguồn nhân lực trong kinh doanh.
Business school teaching case study: how will companies navigate the promise and threat of dataism?
Using the power of algorithms to inform decisions and create value demands new definitions of the role of management
A tunnel perspective, moving past hundreds of small digital screens
Tom Davis
Published
2 hours ago
Roula Khalaf, Editor of the FT, selects her favourite stories in this weekly newsletter.
When a small Chinese artificial intelligence lab showed in January how to build a large language model that outperformed OpenAI’s ChatGPT at a fraction of the cost, the tech world went into a tailspin and $1tn was wiped off the stock market in a day.
DeepSeek, founded by hedge fund manager Liang Wenfeng, released its R1 model and detailed how to build on a budget a model that can automatically learn and improve itself without human supervision.
The revelation captured the zeitgeist of China and the US jockeying for global supremacy in technology. Far less attention, however, has been paid to the creep underpinning this modern-day struggle: the rise of “dataism” and its implications for the future of human capital.
Dataism is the belief that by gathering ever more data and feeding it to ever more powerful algorithms alone, businesses can uncover the truth, make the right decisions and create value.
This view challenges many of the foundations of management theory — and the economic interplay between labour and capital — while raising loftier expectations for generative AI.
Businesses are grappling with the future of “knowledge work”, a looming demographic cliff and return to work challenges. Some have postulated other consequences, such as a descent into a post-literate society and a faltering of business as a driver of human development.
A hand holding a smartphone showing a chat app with the words “Hi, I’m DeepSeek. How can I help you today?”
DeepSeek’s lower-cost, higher-performance AI model sent shockwaves through the tech world © Greg Baker/AFP via Getty Images
Human capital management faces disruption at the level of the individual, company or society on a scale not seen since the industrial revolution. How it navigates both the promise and threat of dataism is its most pressing issue.
Dataism need not be at odds with human capital in an imagined robots versus people future. Rather, human capital management is faced with ciphering through the complex calculus of automation and augmentation simultaneously.
“You can think of automation as a machine that takes a job’s inputs and does it for the worker,” says David Autor, Massachusetts Institute of Technology economist, and “augmentation as a technology that increases the variety of things that people can do, the quality of things people can do, or their productivity”.
This is part of a series of regular business school teaching case studies devoted to business dilemmas. Read the text and the articles from the FT and elsewhere suggested at the end (and linked to within the piece) before considering the questions raised. The series forms part of a wide-ranging collection of FT “instant teaching case studies” that explore business challenges
Autor’s research shows that one outcome of the interplay between automation and augmentation in the US since 1940 has been the creation of a significant percentage of jobs that represent new types of work — from industrial engineers to nuclear reactor operators and mobile app developers.
However, “the new work is bifurcated [between high-paying and lower-income jobs]”, Autor says. “As old work has been erased in the middle, new work has grown on either side.”
In turn, that bifurcation represents another significant contributor to the increasing urgency faced by human capital management functions.
Success in managing this delicate balancing act will depend largely on human capital management’s efficacy in achieving innovative work design and the sociotechnical systems principle of “joint optimisation” — ensuring that organisational systems are intentionally optimised for value creation (the promise of dataism) as well as quality in humans’ work experience.
Capitalising on the potential of dataism will, of course, require humans, but how those two protagonists interact in generating business value is still playing out — and with significant dependencies on the field of human capital management.
Some aspects of that relationship will be driven intrinsically as knowledge work evolves and détente is reached regarding remote work. Others will be driven by forces such as the global AI race and demographic shifts across the developed world.
This will take place against the shifting forces of automation and augmentation.
As that evolution unfolds, what is frequently framed as a zero-sum competition for sovereign hegemony can be seen in parallel as a step change in reframing the role of human capital in business.