GenAI Là Gì và Tại Sao Nó Thay Đổi Cách Chúng Ta Làm Việc?

Bạn vừa mất 30 phút để viết một email. Trong khi đó, với AI, người khác có thể hoàn thành công việc tương tự chỉ trong vài chục giây.

Sự chênh lệch này đang dần trở thành tiêu chuẩn mới trong công việc. Đặc biệt tại Nhật Bản, nơi các doanh nghiệp ngày càng chú trọng tối ưu năng suất, những công cụ như Generative AI (GenAI) đang nhanh chóng thay đổi cách con người làm việc.

Vậy GenAI là gì, và vì sao nó lại tạo ra sự khác biệt lớn đến vậy?

GenAI là gì? Phân biệt với AI truyền thống

GenAI là viết tắt của Generative Artificial Intelligence, tức là trí tuệ nhân tạo tạo sinh. Đây là loại AI có khả năng tạo ra nội dung mới như tạo hình ảnh, nhạc, văn bản, video, v.v. dựa trên dữ liệu đầu vào, thay vì chỉ phân tích hoặc phản hồi theo các quy tắc cố định. Một trong những nhầm lẫn phổ biến hiện nay là người dùng có xu hướng đánh đồng mọi loại AI. Trên thực tế, AI truyền thống và Generative AI (GenAI) khác nhau rõ rệt về cách tạo ra giá trị:

AI truyền thống (Analytical AI)

• Tập trung vào phân tích dữ liệu quá khứ

• Dự đoán xu hướng, hành vi người dùng

• Hỗ trợ ra quyết định trong các lĩnh vực như tài chính, marketing, vận hành

Generative AI (GenAI)

• Không chỉ phân tích mà còn tạo ra nội dung mới

• Ứng dụng trong: viết nội dung, thiết kế hình ảnh, tạo âm thanh, hỗ trợ lập trình

• Mở rộng vai trò của AI từ công cụ hỗ trợ sang công cụ đồng sáng tạo

  
  

Nói một cách ngắn gọn, nếu AI truyền thống trả lời câu hỏi “điều gì có thể xảy ra”, thì GenAI hướng tới “chúng ta có thể tạo ra điều gì”. Sự khác biệt này không chỉ nằm ở định nghĩa, mà còn đến từ nền tảng công nghệ phía sau. 

Công nghệ nền tảng phía sau GenAI

Phần lớn người dùng hiện nay có thể đã từng sử dụng các công cụ như ChatGPT hay Midjourney, nhưng ít khi để ý rằng phía sau đó là hai nền tảng công nghệ rất khác nhau.

Hiểu đơn giản, GenAI hoạt động dựa trên hai “bộ não” chính là LLMs và Diffusion Models với sự khác nhau cơ bản như sau:

	LLMs (Large Language Models)	Diffusion Models
Loại dữ liệu xử lý	Xử lý ngôn ngữ và logic	Xử lý hình ảnh và dữ liệu thị giác
Cơ chế hoạt động	Dự đoán từ tiếp theo dựa trên ngữ cảnh (text generation)	Khử nhiễu dần để tạo dữ liệu (image generation từ noise)
Một số công cụ phổ biến	ChatGPT, GitHub Copilot, Claude	DALL·E, Stable Diffusion, Midjourney
Ứng dụng	Viết email, tóm tắt văn bản, phân tích dữ liệu, dịch thuật, viết code	Tạo ảnh, thiết kế đồ họa, tạo concept art, chỉnh sửa ảnh, tạo video (mới)

Tuy nhiên, câu hỏi quan trọng hiện nay không còn là “AI có thể làm gì?”, mà là: những công nghệ này đang được đưa vào công việc thực tế nhanh đến mức nào, và chúng sẽ thay đổi cách chúng ta làm việc ra sao.

Phát triển và cải tiến với tốc độ chóng mặt

Generative AI không xuất hiện một cách đột ngột, nhưng tốc độ nó “leo thang” thì nhanh hơn hầu hết các công nghệ trước đây. Chỉ trong vài năm, AI đã đi từ mức “thử cho biết” → “dùng cho vui” → và hiện tại là “không biết dùng thì tụt lại”.

Một số cột mốc tiêu biểu:

• 2019 – GPT-2: bước thử nghiệm đầu tiên cho thấy AI có thể tạo văn bản tương đối mạch lạc

• 2020–2022 – GPT-3: cải thiện đáng kể về chất lượng ngôn ngữ, bắt đầu được sử dụng trong các sản phẩm thương mại

• 2023–2024 – GPT-4: mở rộng khả năng xử lý đa dạng tác vụ, từ viết nội dung đến lập trình và phân tích

• Các thế hệ tiếp theo: hướng tới khả năng xử lý đa lĩnh vực với mức độ linh hoạt cao hơn, thường được nhắc đến trong bối cảnh AGI

Điểm đáng chú ý không chỉ là năng lực của từng phiên bản, mà là việc các công cụ này nhanh chóng được tích hợp vào môi trường làm việc hàng ngày, sự thay đổi này thể hiện rất rõ trong môi trường làm việc, nhất là các công việc bàn giấy.

Thị trường việc làm hình thành tiêu chuẩn mới

Nếu trước đây, các kỹ năng như Word hay Excel được xem là nền tảng, thì hiện nay, khả năng sử dụng AI đang dần trở thành một yếu tố được quan tâm. AI đang dần chuyển từ một công cụ bổ trợ thành một kỹ năng mang tính nền tảng, tương tự vai trò của Excel cách đây một thập kỷ.

So với người không biết dùng, người sử dụng AI có thể hoàn thành công việc trong thời gian ngắn hơn, có thêm dư địa để thử nghiệm hoặc tập trung vào những phần việc mang lại giá trị cao hơn. Sự chênh lệch này, theo thời gian, không chỉ dừng lại ở năng suất mà còn góp phần định hình lại cách doanh nghiệp nhìn nhận năng lực làm việc, kể cả đánh giá nhân lực hiện tại hay tuyển dụng.

Thực tế trong thị trường tuyển dụng hiện nay, một số tiêu chí mới bắt đầu xuất hiện như:

• Ứng viên có biết tận dụng công cụ và AI để rút ngắn thời gian xử lý công việc hay không

• Có khả năng tối ưu quy trình làm việc nhờ công nghệ hay không

• Liệu họ làm việc một cách độc lập, hay có thể phối hợp hiệu quả với các công cụ AI

Có thể thấy, tiêu chí đánh giá năng lực đang dịch chuyển, không chỉ dựa trên “làm được gì”, mà còn dựa trên “làm như thế nào”.

Sân chơi mới đã và đang hình thành

Trong bối cảnh thị trường lao động ngày càng cạnh tranh, việc hoàn thành tốt công việc được giao vẫn là điều kiện cần. Tuy nhiên, cách thức thực hiện công việc đang dần trở thành yếu tố tạo ra khác biệt. Câu hỏi đặt ra không còn là “có nên sử dụng AI hay không”, mà là bắt đầu từ đâu và sử dụng như thế nào trong công việc thực tế.

Trong các bài viết tiếp theo, VPJ sẽ tiếp tục làm rõ những cách tiếp cận cụ thể, giúp người đi làm tại Nhật từng bước hiểu và ứng dụng GenAI một cách hiệu quả. Hãy cùng đón xem nhé!

Tác giả: Văn Lưỡng

Biên tập & Trình bày: Hồng Nghi c gdsiả: Lưỡng

rgdfsdsad Biên tập & Trình bày: Hồng NghiTTác giTádsadcdsadgiả: Văn Lưỡng Biêntập & Trình bày: Hồng Nghiả: Văn Lưỡng Biên tập & Trình bày: Hồng Nghi

Tác giả: Văn Lưỡng Biên tập & Trình bày: Hồng Nghi