Sự 'giải mã' của công cụ hợp tác AI: Sắp xếp báo cáo và kiểm tra bảng tính mới là những tình huống phổ biến nhất?

Khi chúng ta thấy những tiến bộ của công cụ hợp tác AI trong tin tức, hình ảnh thường là một lập trình viên gõ phím trên một giao diện tối, AI ngay lập tức tạo ra hàng trăm dòng mã, hoặc tự động sửa một lỗi phức tạp. Câu chuyện kiểu geek này đã hình thành nên một khuôn mẫu trong tâm trí công chúng về công cụ AI: nó dường như được sinh ra để phục vụ cho nhóm người kỹ thuật, xa rời bàn làm việc của người bình thường.

Nguồn dữ liệu: Blog chính thức của Anthropic "Cách mọi người đang sử dụng Claude Cowork"

Tuy nhiên, một tập hợp dữ liệu gần đây được công bố bởi Anthropic đã trực tiếp phá vỡ bộ lọc này.

Theo dữ liệu mẫu được công bố trên blog chính thức của Anthropic, dựa trên 1,2 triệu mẫu cuộc trò chuyện ẩn danh thu thập từ ngày 11 đến 31 tháng 5 năm 2026, tình huống sử dụng Claude Cowork cao nhất không phải là phát triển phần mềm, chỉ chiếm 8,7%. Đứng đầu là quy trình kinh doanh và vận hành, chiếm tới 33,4%, với các nhiệm vụ điển hình bao gồm sắp xếp báo cáo, kiểm tra bảng tính; sáng tạo nội dung và viết lách theo sau, chiếm 16,4%, bao gồm soạn thảo tài liệu, tạo slide.

Điều này có nghĩa là, trong hơn 90% tình huống sử dụng, mọi người không viết mã. Ngược lại, họ đang sử dụng công cụ hợp tác AI tiên tiến nhất để xử lý những nhiệm vụ văn phòng hàng ngày cũ kỹ và tẻ nhạt nhất. Tại sao những gì mọi người thường làm với AI không phải là viết mã, mà là sắp xếp báo cáo và kiểm tra bảng tính? Dữ liệu này tiết lộ vai trò thực sự của AI trong môi trường làm việc.

Bộ lọc "AI = viết mã" bị phá vỡ

Để hiểu tập dữ liệu trái ngược này, trước tiên cần hiểu tại sao công chúng lại có ảo tưởng rằng "AI chủ yếu là viết mã".

Trong hai năm qua, trợ lý lập trình AI là hình thức ứng dụng AI đầu tiên trưởng thành và được triển khai rộng rãi. Dù là GitHub Copilot hay các mô hình tạo mã khác, chúng đã gây ra tiếng vang lớn trong cộng đồng phát triển. Việc viết mã bản thân nó có tính logic cao và tiêu chuẩn đúng sai rõ ràng, rất phù hợp để các mô hình ngôn ngữ lớn phát huy lợi thế. Do đó, khi truyền thông đưa tin về những đột phá của AI, họ thường lấy việc tạo mã làm ví dụ thuyết phục nhất.

Tuy nhiên, lập trình viên chỉ chiếm một tỷ lệ rất nhỏ trong lực lượng lao động toàn cầu. Nhóm lao động thực sự đông đảo là tài chính, hành chính, nhân sự, pháp lý, bán hàng và các nhân viên vận hành khác. Công việc hàng ngày của những người này hầu như không liên quan đến bất kỳ mã nào, nhưng khối lượng công việc họ tạo ra và khao khát nâng cao hiệu quả vượt xa nhóm kỹ thuật.

Tỷ lệ 33,4% quy trình kinh doanh và vận hành chính là sự phản ánh nhu cầu thực sự của nhóm đông đảo này. Khi ngưỡng sử dụng công cụ AI giảm xuống đến mức không cần hiểu lập trình, các vị trí không kỹ thuật nhanh chóng trở thành lực lượng chủ lực. Họ không cần AI để tái cấu trúc kiến trúc hệ thống, họ cần AI giúp họ tổng hợp các cập nhật tiến độ rải rác trong năm nhóm chat thành một báo cáo hàng tuần, hoặc kiểm tra sự khác biệt giữa ba bảng Excel có định dạng khác nhau.

Phát triển phần mềm chỉ chiếm 8,7%, không phải vì lập trình viên không sử dụng AI, mà vì số lượng vị trí không kỹ thuật quá lớn, và công việc hàng ngày của họ tràn ngập những công việc lặp đi lặp lại mà AI có thể đảm nhận. Công cụ hợp tác AI đang từ bỏ hình ảnh đồ chơi của geek, trở thành "thực tập sinh số" cho nhóm nhân viên văn phòng bình thường.

33,4% "quy trình kinh doanh" thực sự đang bận rộn với điều gì?

Trong phân loại chính thức, quy trình kinh doanh và vận hành chiếm một phần ba. Thuật ngữ nghe có vẻ trừu tượng này, trong môi trường làm việc thực tế, tương ứng với những hình ảnh cụ thể và đau khổ.

Sắp xếp báo cáo là một trong những nhiệm vụ điển hình. Trong bất kỳ tổ chức nào có quy mô nhất định, báo cáo là máu nuôi dưỡng sự vận hành. Báo cáo hàng tuần, hàng tháng, báo cáo tiến độ dự án, báo cáo phân tích đối thủ, có rất nhiều loại. Nhưng quá trình viết báo cáo thường rất đau khổ. Một quản lý dự án muốn viết một báo cáo hàng tuần, anh ta cần phải vào Jira để lấy trạng thái nhiệm vụ, sau đó hỏi từng phòng ban về các vấn đề chưa giải quyết, rồi mở email để xem phản hồi mới nhất từ khách hàng, cuối cùng tổng hợp những thông tin rời rạc này vào một tài liệu Word, điều chỉnh định dạng và thêm biểu đồ. Quá trình này có thể tốn nửa ngày làm việc của anh ta, nhưng nội dung sản phẩm không tạo ra giá trị kinh doanh mới, chỉ để đồng bộ thông tin. Thậm chí còn đau khổ hơn, nếu một lãnh đạo yêu cầu thống kê lại theo một chiều khác, thì nửa ngày làm việc đó lại phải làm lại từ đầu.

Kiểm tra bảng tính cũng là cơn ác mộng của nhân viên văn phòng. Nhân viên tài chính vào cuối tháng cần đối chiếu ba bảng: bảng sao kê ngân hàng, bảng nội bộ và bảng hóa đơn chi tiêu. Ngay cả khi chỉ có một xu lệch, họ cũng cần kiểm tra từng dòng. Trong những ô chật chội, mắt nhìn mờ vẫn phải tiếp tục nhìn, vì một khi sai sót, việc đối chiếu sẽ không qua được, toàn bộ quy trình thanh toán của bộ phận sẽ bị kẹt lại. Nhân viên hành chính khi kiểm tra bảng chấm công, phải tìm mối quan hệ giữa các đơn xin nghỉ phép, yêu cầu làm thêm và ghi chép điểm danh. Có người quên điểm danh và bổ sung một ghi chú, có người đi công tác mà hệ thống không ghi lại, những tình huống bất thường này hoàn toàn phải được xử lý thủ công từng cái một. Công việc này là một thử thách lớn cho thị lực, sự kiên nhẫn và sự tập trung, nhưng một khi sai sót, hậu quả sẽ rất nghiêm trọng.

Khi những nhiệm vụ này được giao cho công cụ hợp tác AI, quy trình đã xảy ra những thay đổi căn bản. Người dùng chỉ cần xuất các bản ghi từ năm nhóm chat và đưa cho AI, bảo nó "trích xuất tiến độ của từng người và phân loại theo phòng ban, tạo một dàn ý báo cáo hàng tuần", chỉ sau vài giây, một bản nháp rõ ràng đã xuất hiện. Nếu lãnh đạo muốn thay đổi chiều, chỉ cần gửi một lệnh mới, AI sẽ ngay lập tức tổ chức lại. Nhân viên tài chính có thể tải ba bảng lên và yêu cầu AI "tìm ra các mục không nhất quán trong ba bảng này và liệt kê chi tiết". AI sẽ không thấy chán, cũng không nhìn sai dấu phẩy, nó có thể nhanh chóng xác định những dòng bất thường trong khối lượng dữ liệu khổng lồ.

Đằng sau con số 33,4% này là vô số nhân viên văn phòng được giải phóng khỏi những công việc cơ khí vô nghĩa. Họ không cần AI để giải quyết những vấn đề nghiên cứu khoa học, chỉ cần AI giúp họ đảm nhận những "công việc bẩn thỉu và mệt nhọc" tiêu tốn thời gian của họ.

16,4% "sáng tạo nội dung" và vượt qua nỗi sợ hãi của tài liệu trắng

Chỉ đứng sau quy trình kinh doanh là 16,4% sáng tạo nội dung và viết lách. Tình huống này cũng đầy những điểm đau trong công việc.

Nhiều người lầm tưởng rằng sáng tạo nội dung chỉ là việc của các nhà văn hoặc người làm truyền thông xã hội, nhưng trong các doanh nghiệp hiện đại, gần như mọi vị trí đều không thể tránh khỏi việc viết. Nhân viên bán hàng cần viết đề xuất, quản lý sản phẩm cần viết tài liệu yêu cầu, HR cần viết thông báo tuyển dụng, thậm chí kỹ sư cũng cần viết giải thích kỹ thuật. Đối với những người không phải là chuyên gia viết lách, việc đối mặt với một tài liệu Word hoặc slide PPT trắng thường gây ra một loại "nỗi sợ tài liệu trắng". Họ không biết câu đầu tiên nên viết gì, không biết cấu trúc như thế nào, nhìn vào con trỏ nhấp nháy trong nửa giờ, màn hình vẫn trống rỗng.

Việc tạo slide đặc biệt gây khó khăn. Nhét một đống chữ vào một không gian hạn chế, điều chỉnh kích thước chữ, căn chỉnh hình ảnh, chọn màu sắc, những công việc định dạng này thường tiêu tốn thời gian gấp nhiều lần so với việc viết nội dung. Nhiều người vẫn thức khuya vào đêm trước khi báo cáo để điều chỉnh định dạng PPT, chỉ để di chuyển một ô văn bản sang trái hai pixel, hoặc căn chỉnh hai bức ảnh. Sau khi báo cáo kết thúc, những slide được định dạng cẩn thận này thường nằm trong thư mục mà không ai mở lại.

Trong tình huống này, công cụ hợp tác AI đóng vai trò như một "người phá băng". Người dùng không cần bắt đầu từ con số không, chỉ cần nhập vài điểm chính, AI có thể tạo ra một bản nháp. Đối với slide, người dùng có thể đưa ra chủ đề và nội dung tổng quát, AI sẽ trực tiếp tạo ra một bản trình bày có định dạng và màu sắc. Mặc dù bản nháp thường không hoàn hảo, nhưng nó cung cấp một nền tảng có thể chỉnh sửa. Công việc của con người từ "không có gì thành có" đã chuyển thành "chỉnh sửa và hoàn thiện", áp lực tâm lý và khối lượng công việc thực tế đều giảm đáng kể. Bạn chỉ cần bảo AI "thay đổi nền trang này thành màu xanh, làm nổi bật điểm quan trọng", nó có thể hoàn thành ngay lập tức, tiết kiệm thời gian của bạn trong việc tìm kiếm nút trên thanh menu.

Sự phổ biến của sáng tạo nội dung này cho thấy AI đang làm phẳng sự khác biệt trong khả năng diễn đạt của nhân viên văn phòng. Những người có logic rõ ràng nhưng không giỏi về định dạng và từ ngữ, nhờ sự hỗ trợ của AI, cũng có thể sản xuất tài liệu và tài liệu trình bày đạt tiêu chuẩn chuyên nghiệp.

Công việc "kết nối" bị đánh giá thấp

Anthropic trong việc giải thích dữ liệu này đã định nghĩa hai tình huống sử dụng cao nhất là "công việc kết nối". Đây là một khái niệm cực kỳ chính xác và sâu sắc.

Công việc kết nối là gì? Nó chỉ những nhiệm vụ thúc đẩy dự án tiến triển, nhưng rất ít xuất hiện trong mô tả công việc cốt lõi. Một luật sư có trách nhiệm cốt lõi là cung cấp tư vấn pháp lý và bào chữa, nhưng mỗi ngày có thể phải dành nhiều thời gian cho việc chuẩn hóa định dạng tài liệu và lưu trữ. Một quản lý tuyển dụng có trách nhiệm cốt lõi là xác định tài năng, nhưng mỗi ngày cũng phải dành nhiều thời gian cho việc sắp xếp cuộc họp và tổng hợp phản hồi từ nhiều vòng phỏng vấn.

Những công việc này không tạo ra giá trị kinh doanh trực tiếp, không được ghi vào cột thành tích trong báo cáo cuối năm, nhưng nếu không có ai làm, dự án sẽ bị đình trệ, đội ngũ sẽ trở nên hỗn loạn. Chúng là chất bôi trơn cho sự vận hành của môi trường làm việc, cũng là hố đen vô hình tiêu tốn năng lượng của nhân viên văn phòng.

Trong câu chuyện truyền thống về môi trường làm việc, chúng ta luôn chú ý đến việc nâng cao kỹ năng cốt lõi, nhưng rất ít chú ý đến cách tối ưu hóa những công việc kết nối này. Nhiều nhân viên văn phòng cảm thấy mệt mỏi không phải vì công việc cốt lõi quá khó, mà là bị tiêu tốn năng lượng bởi những công việc kết nối tẻ nhạt này. Việc viết mã có thể cần sự tập trung cao độ, nhưng kiểm tra bảng tính chỉ cần lặp đi lặp lại một cách cơ học, sự lặp lại cơ học này thường tiêu hao tâm trí nhiều hơn. Đó cũng là lý do tại sao khi công cụ hợp tác AI can thiệp, người dùng có xu hướng thuê ngoài những công việc này.

AI không thay thế phán đoán pháp lý của luật sư, cũng không thay thế trực giác nhận diện người của HR. Nó đảm nhận những công việc "lắp ráp và cấu trúc thông tin" tẻ nhạt. Nó lấp đầy những khoảng trống thông tin trong sự hợp tác giữa các đội, giúp luật sư tập trung vào phân tích vụ án, giúp HR tập trung vào đánh giá ứng viên. AI trở thành chất kết dính lấp đầy khoảng trống trong đội, giúp mọi người giữ lại năng lượng cho những công việc thực sự cần trí tuệ và kinh nghiệm của con người.

Tài liệu của luật sư và phản hồi của HR: tái hiện cảnh thực tế

Để hiểu rõ hơn về mô hình hợp tác này, chúng ta có thể xem xét hai tình huống điển hình mà chính thức đã liệt kê.

Tình huống đầu tiên là luật sư xử lý tài liệu. Trong ngành luật, định dạng và tính quy chuẩn của tài liệu có yêu cầu rất cao. Các tòa án khác nhau có quy định cụ thể về định dạng, phông chữ thậm chí khoảng cách dòng của đơn kiện. Một luật sư sau khi hoàn thành một bản ý kiến pháp lý có thể cần dành một đến hai giờ để kiểm tra từng mục xem định dạng có phù hợp hay không, các điều khoản được trích dẫn có được đánh dấu đúng không, tiêu đề và chân trang có đồng nhất không. Công việc này không cần logic pháp lý, chỉ cần sự kiên nhẫn và tỉ mỉ, nhưng đối với một luật sư vừa trải qua một phiên tòa liên tục, việc kiểm tra tẻ nhạt này thực sự là một sự tra tấn tinh thần.

Bây giờ, luật sư có thể giao tài liệu cho công cụ hợp tác AI, chỉ định nó "kiểm tra và điều chỉnh tài liệu này theo định dạng tiêu chuẩn của một tòa án nào đó". AI sẽ tự động nhận diện những định dạng không phù hợp và sửa chữa, thậm chí có thể kiểm tra lỗi định dạng của các điều khoản được trích dẫn. Luật sư giữ lại những phán đoán pháp lý cốt lõi và chiến lược bào chữa, giao công việc kiểm tra định dạng cơ học cho thực tập sinh số. Điều này không chỉ tiết kiệm thời gian mà còn giảm thiểu rủi ro bị tòa án trả lại do lỗi định dạng do sự sơ suất của con người.

Tình huống thứ hai là quản lý tuyển dụng tổng hợp phản hồi từ nhiều vòng phỏng vấn. Trong một quy trình tuyển dụng điển hình, một ứng viên có thể phải trải qua phỏng vấn ban đầu với HR, phỏng vấn kỹ thuật, phỏng vấn kinh doanh và phỏng vấn cuối cùng. Mỗi người phỏng vấn sẽ để lại một đoạn phản hồi dưới dạng văn bản tự do trong hệ thống. Một số người phỏng vấn viết rất chi tiết, một số chỉ viết vài câu, một số tập trung vào khả năng kỹ thuật, một số tập trung vào phong cách giao tiếp. Quản lý tuyển dụng trước khi đưa ra quyết định cuối cùng cần đọc qua tất cả những phản hồi rải rác, tinh lọc thông tin chính, chẳng hạn như ưu điểm kỹ thuật của ứng viên, rủi ro về sự phù hợp văn hóa, và sau đó tổng hợp thành một báo cáo cho các giám đốc điều hành. Nếu có nhiều ứng viên, chỉ việc đọc phản hồi cũng có thể khiến họ hoa mắt, và dễ bỏ lỡ những chi tiết quan trọng.

Bây giờ, quản lý tuyển dụng có thể nhập tất cả phản hồi phỏng vấn vào AI, yêu cầu nó "trích xuất đánh giá của từng người phỏng vấn về khả năng kỹ thuật của ứng viên và tóm tắt sự đồng thuận và khác biệt". AI có thể cung cấp một bản tóm tắt có cấu trúc trong vài giây, chẳng hạn như "ba người phỏng vấn đều công nhận khả năng cơ sở dữ liệu của ứng viên, nhưng có sự khác biệt về phong cách quản lý đội ngũ". Quản lý tuyển dụng vẫn giữ quyền phán đoán cuối cùng về việc nhận diện người và quyết định tuyển dụng, nhưng quy trình xử lý thông tin đã được rút ngắn đáng kể. Họ không cần phải đọc từng chữ trong những phản hồi dài dòng, mà chỉ cần dựa vào những điểm chính mà AI đã tinh lọc để đưa ra quyết định.

Hai tình huống này cùng tiết lộ một quy luật: Việc áp dụng AI trong các vị trí không kỹ thuật không phải là để cướp đi công việc của họ, mà là giúp họ dọn dẹp những trở ngại trong quy trình làm việc, giúp họ nhanh chóng tiếp cận những phần cốt lõi cần trí tuệ và kinh nghiệm của con người.

Từ "nhìn vào màn hình chờ phản hồi" đến "chạy trên đám mây cả đêm"

Sự thay đổi trong xu hướng sử dụng này cũng đặt ra yêu cầu mới cho hình thức sản phẩm AI. Nếu AI chỉ được sử dụng để xử lý các nhiệm vụ tương tác cao như viết mã, một hộp thoại là đủ. Nhưng nếu AI phải xử lý các nhiệm vụ như sắp xếp báo cáo, kiểm tra bảng tính, những nhiệm vụ tốn thời gian và không cần phải theo dõi liên tục, thì mô hình hộp thoại truyền thống trở nên cồng kềnh.

Người dùng không cần phải nhìn vào màn hình chờ AI gõ từng chữ. Họ cần một quy trình làm việc không đồng bộ, nơi họ "giao nhiệm vụ rồi đi làm việc khác, quay lại xem kết quả". Giống như bạn giao cho một thực tập sinh đi sắp xếp tài liệu, bạn sẽ không đứng sau lưng theo dõi họ gõ phím, mà để họ làm xong rồi mang lại cho bạn xem.

Người dùng có thể giao cho AI một nhiệm vụ trước khi tan làm, chẳng hạn như "trích xuất dữ liệu cốt lõi từ mười báo cáo ngành thu thập được trong tuần này và tạo một bảng tổng hợp". Sau đó, người dùng có thể tắt máy tính đi ăn uống và nghỉ ngơi. AI sẽ thực hiện nhiệm vụ này trên nền tảng đám mây, không cần thiết bị trực tuyến.

Khi gặp phải những điểm cần phán đoán của con người, AI sẽ tạm dừng và gửi yêu cầu xác nhận đến điện thoại của người dùng. Ví dụ, khi AI phát hiện có hai nguồn dữ liệu mâu thuẫn trong quá trình xử lý bảng, nó sẽ gửi tin nhắn hỏi người dùng nên dựa vào nguồn nào. Sáng hôm sau, người dùng có thể phê duyệt qua điện thoại trong khi đi tàu điện ngầm, và một bảng hoàn hảo đã sẵn sàng. Sự tiến hóa từ "hộp thoại" đến "đại diện nền tảng" này đã giúp AI thực sự hòa nhập vào nhịp sống hàng ngày của nhân viên văn phòng. Nó không còn là một công cụ cần phải dành thời gian riêng để sử dụng, mà là một trợ lý có thể âm thầm làm việc ở nền tảng.

Cơ chế không đồng bộ này đặc biệt quan trọng đối với các vị trí không kỹ thuật. Công việc của họ thường đầy rẫy sự gián đoạn và cuộc họp, rất khó có thời gian lớn để ngồi trước máy tính và tương tác với AI thường xuyên. Việc thực hiện ở nền tảng và phê duyệt trên di động đã giảm bớt gánh nặng tâm lý khi sử dụng AI, khiến việc nhờ AI giúp đỡ trở nên dễ dàng như gửi một tin nhắn WeChat.

Một bức tranh dữ liệu không hoàn hảo và những gợi ý cho người bình thường

Tất nhiên, dữ liệu 1,2 triệu cuộc trò chuyện này không phải là bức tranh toàn cảnh hoàn hảo của môi trường làm việc. Chính thức cũng thừa nhận một số hạn chế của dữ liệu.

Đầu tiên, dữ liệu được phân loại theo loại nhiệm vụ, chứ không phải theo chức danh của người dùng. Điều này dẫn đến việc chúng ta không thể biết chính xác trong 33,4% quy trình kinh doanh này, có bao nhiêu là do HR thực hiện, bao nhiêu là do tài chính thực hiện. Hệ thống tự động hóa trong việc gán nhãn có vấn đề về độ chi tiết khi đưa marketing, HR, tài chính vào cùng một "quy trình kinh doanh".

Thứ hai, phương pháp lấy mẫu là lấy mẫu theo giới hạn cố định theo giờ, chứ không phải theo tỷ lệ cố định theo lưu lượng. Điều này có nghĩa là tỷ lệ sử dụng trong giờ cao điểm có thể bị đánh giá thấp một chút. Hơn nữa, khoảng 5% cuộc trò chuyện thuộc về mục đích cá nhân không liên quan đến công việc, chẳng hạn như trợ lý cá nhân, sở thích hoặc thậm chí trò chuyện giải trí, không phải là bức tranh hoàn toàn của môi trường làm việc.

Nhưng ngay cả khi có những điểm mù này, dữ liệu này vẫn cung cấp những gợi ý thực tế có giá trị.

Đối với nhóm nhân viên văn phòng bình thường, gợi ý lớn nhất là xem xét lại quy trình làm việc của mình. Đừng hỏi AI có thể thay thế kỹ năng cốt lõi của bạn hay không, hãy hỏi trong quy trình làm việc của bạn có bao nhiêu công việc kết nối mà không ai muốn làm nhưng phải có người làm.

Nếu bạn dành hơn 20% thời gian mỗi ngày cho việc di chuyển thông tin, điều chỉnh định dạng và kiểm tra bảng, thì bạn chính là đối tượng chính xác nhất cho công cụ hợp tác AI. Bạn không cần học các kỹ thuật phức tạp, chỉ cần mô tả cho AI về nhiệm vụ lặp đi lặp lại mà bạn ghét nhất, xem nó có thể giúp bạn hoàn thành bản nháp hay không.

Sự giải mã của công cụ hợp tác AI nằm ở việc nó từ đỉnh cao trở về bàn làm việc. Nó không được dùng để giải quyết những vấn đề nghiên cứu khoa học cần trí thông minh cao, mà là để giải quyết những công việc tẻ nhạt hàng ngày cần sự kiên nhẫn và sức lực. Khi 33,4% lượng sử dụng đang xử lý quy trình kinh doanh, điều đó cho thấy mọi người đã tìm ra cách sử dụng AI thực tế nhất hiện nay: giải phóng con người khỏi lao động cơ khí, để làm những việc mà con người nên làm.