Phòng marketing của bạn chưa bao giờ dành nhiều thời gian cho AI đến vậy, nhưng phần lớn thời gian đó không hề xuất hiện trên bất kỳ báo cáo hiệu suất nào, và chính khoản chi phí ẩn này đang âm thầm rút cạn nguồn lực dành cho công việc thực sự tạo ra tác động
1/ Nghịch lý năng suất AI: cảm giác nhanh hơn không có nghĩa là nhanh hơn thật
Tôi nghĩ hầu như marketer nào, đặc biệt dân digital, ai cũng từng ôm một danh sách dài những công cụ hay lối tắt muốn tự xây, không cần chờ đội kỹ thuật. Nhưng trong lúc làm điều đó, chúng ta lại đang tự tay dựng ra những thứ mà nhiều khi chỉ cần bỏ ra một khoản tiền nhỏ là mua được sẵn. Tôi ủng hộ việc dùng AI, và tôi đã thấy tận mắt lợi ích của việc lập trình bằng AI (vibe coding) hay tự động hóa. Nhưng hiệu quả không tự nhiên mà có, nó chỉ đến khi ta thực sự hỏi "khi nào", "cái gì" và "vì sao" trước khi bắt tay vào làm.
Cuối năm 2025, một nghiên cứu của METR cho 16 lập trình viên dày dạn kinh nghiệm thực hiện 246 tác vụ thật, một nửa có dùng công cụ AI, một nửa không, và kết quả hoàn toàn ngược với kỳ vọng của chính họ. [1]
Các lập trình viên kỳ vọng AI sẽ giúp họ nhanh hơn 24%. Thực tế, AI khiến họ chậm đi 19%. Điều đáng nói hơn: ngay cả sau khi đã tận mắt thấy thời gian hoàn thành thực tế, họ vẫn tin rằng AI đã giúp mình nhanh hơn khoảng 20%.
Khoảng cách giữa cảm giác và thực tế đó chính là nghịch lý năng suất AI. AI có thể khiến công việc cảm giác nhanh hơn, trong khi âm thầm chuyển bớt công sức sang việc viết prompt, chờ đợi, kiểm tra lại, sửa lỗi, và bảo trì cả hệ thống đang dùng. (Đáng chú ý, chính nghiên cứu METR sau đó đã chạy lại vào năm 2026 và ghi nhận năng suất cao hơn, dù kết quả lần này thừa nhận có phần bị lệch.) [2]
Phòng marketing lại càng dễ rơi vào bẫy này hơn cả, vì chính họ đang tự xây workflow cho mình. Mỗi giờ bỏ ra để bảo trì một công cụ nội bộ là một giờ không dùng để xuất bản nội dung, xây dựng mention, hay củng cố thương hiệu, đúng những thứ mà công cụ tìm kiếm và hệ thống AI vẫn đang dựa vào để gợi ý thương hiệu.
2/ AI không xóa bỏ công việc, nó chỉ dời công việc này sang công việc khác
Đây là loại công việc "làm ở nhà" (homebrew AI work) không có sự minh bạch như trong bản kế hoạch công việc, nên thường không được tính phí vào đâu cả, và cái giá thực sự của nó ít khi được lường trước.
HubSpot ghi nhận 91% lãnh đạo marketing xác nhận đội của họ đang dùng AI, và 66% cho biết công ty tự xây công cụ AI nội bộ cho marketing. Phần lớn những công cụ nội bộ đó chưa bao giờ xuất hiện trong bản kế hoạch marketing hay công cụ quản lý dự án của đội. [3]
Chỉ đơn giản hỏi phòng marketing rằng công cụ AI nội bộ có đang tiết kiệm thời gian cho họ hay không sẽ không cho câu trả lời đúng. Giống hệt kết quả nghiên cứu METR, họ sẽ trả lời có, họ tin điều đó thật lòng, và nhiều khả năng họ đang sai.
Người làm growth và chiến lược AI SEO lại thường là nhóm sớm nhất áp dụng công cụ và quy trình AI, vì hai lý do:
1/ Hiểu công nghệ này giờ đã trở thành một phần của việc giành khả năng hiển thị bên trong chính công nghệ đó, và vì LLM về bản chất được xây trên nền tảng ngôn ngữ, thứ vốn là trung tâm của cả tìm kiếm hữu cơ lẫn marketing nói chung.
2/ Thời gian để học, thử nghiệm, và soi xét công nghệ này giờ đã trở thành một phần bắt buộc của công việc. Đó cũng là khối lượng công việc mới, chồng thêm lên công việc cũ, và công việc cũ thì chưa hề vơi đi.
Trong năm qua, tôi chứng kiến nhiều đội nội bộ tự xây workflow và công cụ AI riêng, dùng song song cả những công cụ họ vẫn đang trả tiền cho nhà cung cấp. Tự xây công cụ AI trong nội bộ chưa chắc là hiệu quả. Nó tạo cảm giác năng suất tức thì, kèm theo một chút phấn khích, nhưng lại kéo theo chi phí bảo trì phải kéo dài về sau.
AI không xóa bỏ công việc, nó chỉ dời công việc từ chỗ thực hiện tác vụ sang chỗ xây dựng, học cách dùng, và bảo trì cái công cụ thực hiện tác vụ đó. Khoản đầu tư thời gian đó không xuất hiện trên bất kỳ báo cáo công việc nào, và hóa đơn cho những thời giờ đó thường được trả bằng chính những công việc cần thời gian dài hơn mới thấy chuyển đổi rõ ràng, ví dụ như đo lường hiệu quả khi đầu tư vào AI Search
3/ Giờ tiết kiệm được của người này lại là giờ mất đi của người khác
Một khảo sát của BetterUp Labs và Stanford trên 1.150 nhân viên toàn thời gian đã đặt tên cho hiện tượng "workslop": đầu ra do AI tạo ra trông có vẻ hoàn thiện nhưng thực chất thì không. [4]
41% người được khảo sát từng nhận phải workslop trong tháng trước đó.
Mỗi lần như vậy, họ mất trung bình 1 giờ 56 phút để xử lý lại.
Ở một công ty 10.000 nhân sự, chi phí này vượt 9 triệu USD mỗi năm.
Marketer có thể đã tiết kiệm được 20 phút khi tạo ra nội dung đó bằng AI, nhưng người nhận lại mất tới 2 giờ để lọc lại thông tin. Trên một dashboard chỉ đếm KPI đầu ra, marketer trông như đang làm việc hiệu quả, tiết kiệm được thời gian. Nhưng khoản thời gian tiết kiệm đó chỉ đơn giản là “tiện nghi cho người này nhưng mất thời gian cho người khác”.
Sếp ôm thêm việc vì cấp dưới lạm dụng AI - Nguồn VnExpress
Nghiên cứu của Workday lượng hóa rõ hơn: cứ mỗi 10 giờ AI giúp tiết kiệm được, doanh nghiệp lại phải trả lại khoảng 4 giờ để sửa và viết lại những đầu ra kém chất lượng. [5]
Một khảo sát của Upwork trên 2.500 lãnh đạo và nhân viên cho ra con số chi tiết hơn: trong nhóm nhân viên dùng AI và thừa nhận nó làm tăng khối lượng công việc, 39% cho biết thời gian đó dùng để kiểm tra và sửa lại đầu ra AI, 23% dùng để học cách sử dụng công cụ, và 21% đơn giản là bị giao thêm việc. [6]
Khi sự chú ý của phòng marketing bị kéo đi như vậy, phần công việc thực sự tạo ra chuyển đổi sẽ chững lại hoặc khó quy kết rõ ràng hơn thường chính là phần bị "nhường chỗ" cho việc tự chế AI nội bộ hay xử lý workslop. Những công việc kém hào nhoáng nhưng lại là mảnh ghép lâu dài cho chiến lược thường là những công việc mang tính dài hạn cho khách hàng nên dễ bị lấy mất thời gian nhất, ví dụ như:
Xuất bản nội dung đủ sâu để trở thành nguồn tham chiếu hiển nhiên cho một chủ đề.
Giành được mention trên chính những trang mà câu trả lời AI thực sự lấy dữ liệu.
Xuất hiện trong các thread, MXH và YouTube mà người mua của bạn đang ở đó.
Không việc nào trong số đó cho ra kết quả hiển thị ngay hay một lead dễ quy kết, đôi khi phải mất hàng tuần, thậm chí hàng tháng mới thấy tác động, dù một phần công việc này hoàn toàn có thể tự động hóa bằng AI.
4/ Mỗi workflow AI “tự chế” này đều trở thành một phần mềm cần người giám sát liên tục
Một workflow chỉ "chạy tốt" nếu được tạo ra dựa vào am hiểu về kiến trúc về phần mềm, và ngay từ ngày đầu tiên đội ngũ bắt đầu dùng, nó chỉ là sản phẩm chắp vá.
Toàn bộ thời gian dành cho các buổi họp, dựng kỹ thuật AI, và trao đổi nội bộ đều là công việc thực sự (vì nó tốn thời gian mà), ngay cả trước khi workflow đó thực sự dùng được. Rồi khi hết token, bản cập nhật, chính sách thay đổi, hoặc ai đó phát hiện một vướng mắc mới khi dùng, hoặc công cụ mà workflow đang kết nối vào ra bản cập nhật... thực tế rất nhiều vấn đề, và thế là mọi thứ ngừng chạy đúng vào một ngày thứ Ba nào đó, và cả team chết đứng vì đã quen phụ thuộc.
Xét về mặt vận hành, mỗi workflow đội ngũ tự xây đều tạo ra một "công việc thường trực" nhỏ cần được duy trì, và những công việc thường trực đó cứ chồng chất dần theo thời gian. Đây là bốn góc nhìn rất khác nhau về cùng một hiện tượng trong một tổ chức:
Lãnh đạo nghĩ đội ngũ đang dùng AI để xây workflow hiệu quả hơn, tiết kiệm thời gian và chi phí.
Nhân viên trực tiếp lại thấy AI hoạt động không đúng ý, mọi đầu ra đều cần chỉnh sửa sâu, hoặc một workflow, tài liệu dự án cần cập nhật và tinh chỉnh liên tục để chạy được.
Người làm chiến lược thấy rất nhiều thời gian đổ vào workflow, nhưng không đủ nguồn lực để đầu tư cho việc tăng trưởng và hoặc làm những công việc có hiệu quả tức thời.
Thực tế đang diễn ra: đội ngũ đang xây công cụ để làm công việc thương hiệu nhanh hơn, nhưng chính công việc thương hiệu đó lại thường bị đẩy xuống hàng ưu tiên thấp hơn.
Công cụ và quy trình rồi cũng sẽ hoàn thiện, hoặc bị bỏ đi, thay thế. Nhưng thời gian 9 tháng cho mục tiêu citation, mention, và review chưa kịp giành được trong năm đó thì không thể "làm lại từ đầu" cho kịp.
Kiểu xây dựng AI nội bộ tự chế này cần một người chịu trách nhiệm, và người đó thường chính là người đã xây ra nó, dù chưa chắc đây là người phù hợp về lâu dài. Người đó cũng là người duy nhất biết cách xử lý khi hệ thống gặp lỗi, nên khi họ nghỉ phép, công việc lập tức quay về làm thủ công cho đến khi họ trở lại. Toàn bộ phần bảo trì này gần như không hiện diện ở đâu trên báo cáo của phòng marketing theo thời gian, trừ khi có hẳn một vị trí được tuyển riêng cho trách nhiệm này, như content engineer hay marketing engineer.
5/ Vậy bạn nghĩ về việc "tự xây AI" như thế nào?
Đây không phải lập luận phản đối việc tự xây công cụ, tôi vẫn liên tục xây và thử nghiệm những thứ mới cho chính mình và cho khách hàng, và việc xây dựng vẫn rất cần thiết.
Nhưng những gì quan sát được cho thấy AI tự chế trong nội bộ vẫn còn khá bấp bênh. Nó thực sự giúp rút gọn một số tác vụ, nhưng lại âm thầm làm chậm hẳn những tác vụ khác, và nhìn từ góc độ của ban lãnh đạo, hai trường hợp này trông giống hệt nhau, cho đến khi ai đó đã mất ba tuần chỉ để xây và sửa một thứ.
Kỹ năng đáng để những người làm marketing giỏi rèn luyện ngay lúc này là khả năng chỉ rõ và bảo vệ được hai điều:
Khi nào một workflow hay tự động hóa bằng AI thực sự có ý nghĩa cho đội ngũ, và khi nào thì không.
Khi nào việc thử nghiệm công việc AI đang thực sự tăng hiệu quả, và khi nào nó đang rút cạn thời gian khỏi công việc xây dựng thương hiệu, tạo lead thực sự.
Đừng phát minh lại cái bánh xe.
6/ Khoản chi phí ẩn này nên được ai đó trả
Trong toàn bộ lập luận này không phải là "đừng dùng AI", mà là hãy dừng lại và hỏi rõ ba câu trước khi tự xây bất cứ thứ gì: khi nào việc này thực sự cần thiết, nó giải quyết đúng vấn đề gì, và vì sao lại chọn tự xây thay vì mua sẵn hay đi vay mượn kinh nghiệm từ nơi khác.
Nguồn trích dẫn:
1. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
2. https://metr.org/blog/2026-02-24-uplift-update/#wider-adoption-of-ai-has-made-it-more-difficult-to-measure-task-level-productivity
3. https://blog.hubspot.com/marketing/state-of-ai-report
4. https://hbr.org/2025/09/ai-generated-workslop-is-destroying-productivity
5. https://itbrief.news/story/ai-productivity-paradox-as-rework-erodes-time-gains
6. https://www.upwork.com/research/ai-enhanced-work-models
