TỪ KHI CÓ CHATGPT, BẰNG CẤP SINH LỜI ÍT HƠN MỘT CHÚT

Những gì một người lao động biết thuộc về hai loại. Một phần có thể viết ra, giảng dạy và lưu trữ: công thức, quy tắc, quy trình. Phần còn lại được học qua thực hành và gắn liền với con người: trong các ví dụ của bài báo, một nhân viên công tác xã hội học được khách hàng nào cần theo dõi sát hơn, một bác sĩ phẫu thuật học được khi nào độ căng của mô là không ổn, một nhà đàm phán học cách đọc bầu không khí trong phòng. AI tạo sinh khiến loại thứ nhất trở nên rẻ và dồi dào ngay vào lúc cần đến. Điều đó tác động thế nào đến tiền lương?

Hai mức giá trên một phiếu lương

Eduardo Levy Yeyati, Darío Judzik và Juan Ignacio Barbiero, thuộc Đại học Torcuato Di Tella ở Buenos Aires, xem xét hai con số quen thuộc: một người lao động kiếm thêm bao nhiêu nhờ thêm một năm đi học, và nhờ thêm một năm kinh nghiệm. Số năm đi học đại diện, một cách không hoàn hảo, cho tri thức có thể viết ra; số năm kể từ khi rời ghế nhà trường đại diện cho tri thức có được qua thực hành.

Mô hình của họ đưa ra hai dự đoán. Nếu máy móc cung cấp tri thức đã được viết ra, khoản lương cộng thêm cho việc đi học sẽ thu hẹp. Nếu tri thức ấy và óc phán đoán thực tiễn phát huy tốt nhất khi đi cùng nhau, thực hành sẽ trở nên có giá trị hơn — nhất là ở giai đoạn đầu sự nghiệp, khi người ta học nhanh nhất. Nhưng một phần kinh nghiệm gắn với cách làm công việc theo lối cũ và có thể mất giá trị, nên về sau tác động có thể chuyển sang âm.

Công việc chịu tác động, công việc được che chắn

Phép kiểm định sử dụng Khảo sát Dân số Hiện hành (Current Population Survey) của Mỹ từ tháng 1 năm 2018 đến tháng 6 năm 2026: khoảng 656.000 bản ghi tiền lương. Các công việc được xếp hạng theo một chỉ số mức độ chịu tác động của AI được xây dựng trước khi ChatGPT ra đời. Một phần tư chịu tác động nhiều nhất — lập trình viên phần mềm, trợ lý hành chính, kế toán, quản lý tài chính, giảng viên đại học — được so sánh với một phần tư chịu tác động ít nhất: tài xế xe tải, công nhân kho, nhân viên vệ sinh, hộ lý chăm sóc, bồi bàn. Đồng hồ bắt đầu chạy từ tháng 11 năm 2022, khi ChatGPT ra mắt công chúng.

Trước mốc đó, một năm đi học giúp tăng lương khoảng 7,5% ở các công việc chịu tác động, so với 1,7% ở các công việc được che chắn. Phân tích so sánh những người lao động trong cùng một nghề, trước và sau, nên nó đo lường sự thay đổi trong các “mức giá” này của việc đi học và kinh nghiệm, chứ không phải của mức lương trung bình.

Một năm đi học, được định giá lại

Ở các công việc chịu tác động, khoản lương cộng thêm cho một năm đi học giảm 0,55 điểm so với các công việc được che chắn — từ khoảng 7,5% xuống 6,9%, tức giảm khoảng 7% so với giá trị trước đó. Ở các công việc được che chắn, nó giữ nguyên ở mức 1,7%. Không có sự trôi dạt nào trước thời điểm ra mắt, và sự gãy khúc xuất hiện ngay trong mười hai tháng đầu tiên.

Một sự nghiệp nghiêng đi

Kinh nghiệm không dịch chuyển lên hay xuống toàn bộ; đường cong xoay đi. Thêm một năm kinh nghiệm được trả cao hơn 0,26 điểm với người đã có ba năm, gần như không đổi ở mốc mười lăm năm, và thấp hơn 0,12 điểm ở mốc hai mươi lăm năm. Trong mô hình chính của các tác giả, tác động đổi dấu ở khoảng 18 năm; với những đường cong linh hoạt hơn, độ nghiêng vẫn còn nhưng điểm chính xác đó kém chắc chắn hơn. Độ nghiêng mạnh nhất ở những người lao động có bằng đại học.

Cộng gộp lại, một người lao động có mười sáu năm đi học và mười lăm năm kinh nghiệm trong một công việc chịu tác động kiếm được ít hơn khoảng 3,2% so với mức mà xu hướng của các công việc được che chắn dự đoán.

Kiểm tra để loại trừ sự trùng hợp

• Dời mốc bắt đầu về tháng 1 năm 2020, thời điểm đại dịch bắt đầu, không tạo ra tác động nào.
• Áp dụng một quy tắc chung cho các mức lương cao nhất, vốn bị thống kê Mỹ giới hạn trần và ghi nhận theo cách khác kể từ tháng 4 năm 2023, hầu như không làm thay đổi kết quả.
• Khi loại bỏ các công việc tin học và toán học, vốn bị ảnh hưởng bởi làn sóng sa thải trong ngành công nghệ cùng thời điểm, mức giảm đối với việc đi học vẫn còn 0,49 điểm.

Mức suy giảm ở cuối sự nghiệp là phần bằng chứng yếu nhất: trước thời điểm ra mắt, đầu đó của đường cong đã hơi chao đảo.

Không phải một dự báo

Các tác giả không khẳng định rằng bằng cấp đã mất giá trị hay người tốt nghiệp trở nên kém năng suất hơn. Kết quả của họ là một sự định giá lại ngắn hạn bên trong các công việc chịu tác động. Lựa chọn học tập, đào tạo và các công việc khởi điểm sẽ điều chỉnh theo. Họ viết rằng có một câu hỏi có thể quan trọng nhất về lâu dài: liệu người lao động có còn tiếp thu được bí quyết thực tiễn, thứ đang trở nên có giá trị hơn, nếu AI tự động hóa một phần chính quá trình học hỏi.