Dưới đây là một bản đồ rõ ràng, có phần mang tính chủ quan, về những nơi mà sự gián đoạn sẽ thực sự ảnh hưởng, ai được hưởng lợi và cách chuẩn bị mà không bị mất bình tĩnh.
Những bài viết bạn có thể muốn đọc sau bài này:
🔗 Các kỹ sư trí tuệ nhân tạo làm những gì?
Khám phá các vai trò, kỹ năng chính và nhiệm vụ hàng ngày của kỹ sư trí tuệ nhân tạo.
🔗 AI trainer là gì?
Hãy tìm hiểu cách các chuyên gia huấn luyện AI dạy mô hình bằng cách sử dụng các ví dụ dữ liệu thực tế.
🔗 Làm thế nào để bắt đầu một công ty trí tuệ nhân tạo?
Hướng dẫn từng bước để khởi nghiệp và phát triển công ty trí tuệ nhân tạo của bạn.
🔗 Cách tạo mô hình AI: Các bước thực hiện đầy đủ được giải thích chi tiết
Nắm vững toàn bộ quy trình xây dựng, huấn luyện và triển khai các mô hình trí tuệ nhân tạo.
Câu trả lời nhanh: Trí tuệ nhân tạo (AI) sẽ làm thay đổi những ngành công nghiệp nào? 🧭
Danh sách ngắn gọn trước, chi tiết sau:
-
Dịch vụ chuyên nghiệp và tài chính - những lợi ích về năng suất và mở rộng biên lợi nhuận tức thì nhất, đặc biệt là trong phân tích, báo cáo và dịch vụ khách hàng. [1]
-
Phần mềm, CNTT và viễn thông - vốn đã là những lĩnh vực có mức độ trưởng thành về AI cao nhất, đang thúc đẩy tự động hóa, trợ lý mã và tối ưu hóa mạng. [2]
-
Dịch vụ khách hàng, bán hàng và tiếp thị - tác động lớn đến nội dung, quản lý khách hàng tiềm năng và giải quyết cuộc gọi, với mức tăng năng suất được đo lường. [3]
-
Chăm sóc sức khỏe và khoa học đời sống - hỗ trợ quyết định, hình ảnh, thiết kế thử nghiệm và luồng bệnh nhân, với quản trị cẩn thận. [4]
-
Bán lẻ và thương mại điện tử - định giá, cá nhân hóa, dự báo và điều chỉnh hoạt động. [1]
-
Sản xuất và chuỗi cung ứng - chất lượng, bảo trì dự đoán và mô phỏng; các hạn chế vật lý làm chậm quá trình triển khai nhưng không xóa bỏ lợi ích. [5]
Mẫu hình đáng nhớ: dữ liệu phong phú hơn dữ liệu nghèo nàn . Nếu quy trình của bạn đã tồn tại dưới dạng kỹ thuật số, sự thay đổi sẽ diễn ra nhanh hơn. [5]
Điều gì khiến câu hỏi này thực sự hữu ích? ✅
Điều thú vị là khi bạn hỏi, “Trí tuệ nhân tạo sẽ làm thay đổi những ngành công nghiệp nào?”, bạn sẽ buộc phải lập một danh sách kiểm tra:
-
Liệu công việc đó có đủ tính kỹ thuật số, lặp đi lặp lại và có thể đo lường được để các mô hình có thể học hỏi nhanh chóng hay không?
-
Liệu có cơ chế phản hồi ngắn gọn nào để hệ thống được cải thiện mà không cần phải tổ chức các cuộc họp kéo dài vô tận hay không?
-
Liệu rủi ro có thể được kiểm soát bằng chính sách, kiểm toán và đánh giá của con người
-
Liệu có đủ dữ liệu để huấn luyện và tinh chỉnh mà không gặp phải các vấn đề pháp lý rắc rối?
Nếu bạn có thể trả lời “có” cho hầu hết những câu hỏi đó, thì sự gián đoạn không chỉ có khả năng xảy ra mà gần như là điều không thể tránh khỏi. Và vâng, vẫn có những ngoại lệ. Một nghệ nhân tài ba với lượng khách hàng trung thành có thể sẽ không mấy quan tâm đến sự xuất hiện của robot.
Bài kiểm tra tri giác ba tín hiệu 🧪
Khi phân tích mức độ ứng dụng AI của một ngành, tôi thường tìm kiếm ba yếu tố sau:
-
Mật độ dữ liệu - các tập dữ liệu lớn, có cấu trúc hoặc bán cấu trúc gắn liền với kết quả.
-
Đánh giá lặp lại - nhiều nhiệm vụ là những biến thể của một chủ đề với tiêu chí thành công rõ ràng.
-
Hiệu suất tuân thủ quy định - các biện pháp bảo vệ bạn có thể áp dụng mà không làm ảnh hưởng đến thời gian chu kỳ.
Các lĩnh vực đáp ứng cả ba tiêu chí này đều được ưu tiên hàng đầu. Nghiên cứu rộng hơn về việc áp dụng và năng suất ủng hộ quan điểm rằng lợi ích tập trung ở những nơi có rào cản thấp và chu kỳ phản hồi ngắn. [5]
Phân tích chuyên sâu 1: Dịch vụ chuyên nghiệp và tài chính 💼💹
Hãy nghĩ đến kiểm toán, thuế, nghiên cứu pháp lý, nghiên cứu chứng khoán, bảo lãnh phát hành, quản lý rủi ro và báo cáo nội bộ. Đây là những lĩnh vực khổng lồ với văn bản, bảng biểu và quy tắc. Trí tuệ nhân tạo (AI) hiện đang giúp tiết kiệm hàng giờ trong các phân tích thường nhật, phát hiện các điểm bất thường và tạo ra các bản nháp để con người tinh chỉnh.
-
Lý do cần thay đổi ngay bây giờ: nguồn dữ liệu kỹ thuật số dồi dào, các biện pháp khuyến khích mạnh mẽ để giảm thời gian chu kỳ và các chỉ số đo lường độ chính xác rõ ràng.
-
Những thay đổi: khối lượng công việc của nhân viên cấp dưới được thu hẹp, việc xem xét của nhân viên cấp cao được mở rộng, và tương tác với khách hàng trở nên giàu dữ liệu hơn.
-
Bằng chứng: Các lĩnh vực sử dụng nhiều AI như dịch vụ chuyên nghiệp và tài chính đang có tốc độ tăng trưởng năng suất nhanh hơn so với các lĩnh vực tụt hậu như xây dựng hoặc bán lẻ truyền thống. [1]
-
Lưu ý (ghi chú thực tiễn): Bước đi thông minh là thiết kế lại quy trình làm việc sao cho mọi người có thể giám sát, báo cáo và xử lý các trường hợp ngoại lệ - đừng loại bỏ hoàn toàn lớp học nghề và mong đợi chất lượng vẫn được duy trì.
Ví dụ: một công ty cho vay tầm trung sử dụng các mô hình được hỗ trợ bởi công nghệ truy xuất để tự động soạn thảo biên bản tín dụng và đánh dấu các trường hợp ngoại lệ; các chuyên viên thẩm định cấp cao vẫn có quyền phê duyệt, nhưng thời gian xử lý lần đầu giảm từ hàng giờ xuống còn vài phút.
Phân tích chuyên sâu 2: Phần mềm, CNTT và viễn thông 🧑💻📶
Những ngành công nghiệp này vừa là nhà sản xuất công cụ, vừa là người sử dụng công cụ nhiều nhất. Việc hỗ trợ lập trình, tạo kiểm thử, xử lý sự cố và tối ưu hóa mạng lưới là những công cụ chính thống, chứ không phải là những công cụ bên lề.
-
Lý do cần thay đổi ngay bây giờ: năng suất của nhà phát triển được tăng lên đáng kể khi các nhóm tự động hóa việc kiểm thử, xây dựng cấu trúc và khắc phục sự cố.
-
Bằng chứng: Dữ liệu Chỉ số AI cho thấy mức đầu tư tư nhân kỷ lục và mức sử dụng kinh doanh ngày càng tăng, trong đó AI tạo sinh chiếm một phần ngày càng lớn. [2]
-
Tóm lại: Vấn đề không phải là thay thế kỹ sư mà là việc các nhóm nhỏ hơn sẽ cho ra mắt nhiều sản phẩm hơn với ít lỗi hơn.
Ví dụ: một nhóm phát triển nền tảng kết hợp trợ lý viết mã với các bài kiểm tra hỗn loạn được tạo tự động; thời gian khắc phục sự cố (MTTR) giảm xuống vì các kịch bản xử lý sự cố được đề xuất và thực thi tự động.
Phân tích chuyên sâu 3: Dịch vụ khách hàng, bán hàng và tiếp thị ☎️🛒
Định tuyến cuộc gọi, tóm tắt cuộc gọi, ghi chú CRM, chuỗi cuộc gọi đi, mô tả sản phẩm và phân tích đều được thiết kế riêng cho AI. Hiệu quả thể hiện rõ qua số lượng yêu cầu được giải quyết mỗi giờ, tốc độ tạo khách hàng tiềm năng và tỷ lệ chuyển đổi.
-
Điểm chứng minh: Một nghiên cứu thực địa quy mô lớn cho thấy trung bình 14% đối với các nhân viên hỗ trợ sử dụng trợ lý AI thế hệ mới và 34% đối với những người mới vào nghề . [3]
-
Vì sao điều này quan trọng: Thời gian đạt được năng lực nhanh hơn sẽ thay đổi quá trình tuyển dụng, đào tạo và thiết kế tổ chức.
-
Rủi ro: Tự động hóa quá mức có thể phá hủy lòng tin thương hiệu; cần có sự tham gia của con người trong những vấn đề nhạy cảm cần được giải quyết khẩn cấp.
Ví dụ: bộ phận vận hành tiếp thị sử dụng mô hình để cá nhân hóa các biến thể email và điều chỉnh mức độ rủi ro; việc xem xét pháp lý được thực hiện theo lô đối với các email có phạm vi tiếp cận rộng.
Phân tích chuyên sâu 4: Ngành y tế và khoa học sự sống 🩺🧬
Từ chẩn đoán hình ảnh và phân loại bệnh nhân đến lập hồ sơ lâm sàng và thiết kế thử nghiệm, AI hoạt động như một công cụ hỗ trợ ra quyết định với tốc độ xử lý cực nhanh. Kết hợp các mô hình với các tiêu chuẩn nghiêm ngặt về an toàn, theo dõi nguồn gốc và kiểm tra sai lệch.
-
Cơ hội: giảm khối lượng công việc của bác sĩ, phát hiện bệnh sớm hơn và chu kỳ nghiên cứu và phát triển hiệu quả hơn.
-
Thực tế cho thấy: Chất lượng và khả năng tương tác của hệ thống hồ sơ bệnh án điện tử vẫn đang cản trở sự tiến bộ.
-
Tín hiệu kinh tế: Các phân tích độc lập xếp khoa học đời sống và ngân hàng vào nhóm các lĩnh vực có tiềm năng giá trị cao nhất từ trí tuệ nhân tạo thế hệ mới. [4]
Ví dụ: một nhóm chuyên gia X quang sử dụng phương pháp phân loại hỗ trợ để ưu tiên các ca chụp; các bác sĩ X quang vẫn đọc và báo cáo, nhưng các phát hiện quan trọng sẽ xuất hiện sớm hơn.
Phân tích chuyên sâu 5: Bán lẻ và thương mại điện tử 🧾📦
Dự báo nhu cầu, cá nhân hóa trải nghiệm, tối ưu hóa lợi nhuận và điều chỉnh giá cả đều có vòng phản hồi dữ liệu mạnh mẽ. Trí tuệ nhân tạo (AI) cũng cải thiện việc bố trí hàng tồn kho và định tuyến giao hàng chặng cuối - những công việc tưởng chừng nhàm chán nhưng lại giúp tiết kiệm được một khoản tiền khổng lồ.
-
Ghi chú ngành: Ngành bán lẻ là một ngành có tiềm năng hưởng lợi rõ rệt khi cá nhân hóa kết hợp với hoạt động; quảng cáo việc làm và mức lương cao hơn trong các vai trò tiếp xúc với AI phản ánh sự thay đổi đó. [1]
-
Trên thực tế: các chương trình khuyến mãi tốt hơn, ít tình trạng hết hàng hơn, chính sách hoàn trả thông minh hơn.
-
Cẩn thận: thông tin sản phẩm bị thổi phồng và việc kiểm tra tuân thủ cẩu thả gây hại cho khách hàng. Cần có các biện pháp bảo vệ, mọi người ạ.
Phân tích chuyên sâu 6: Sản xuất và chuỗi cung ứng 🏭🚚
Bạn không thể áp dụng hoàn toàn phương pháp LLM vào vật lý. Nhưng bạn có thể mô phỏng , dự đoán và ngăn ngừa . Hãy kỳ vọng rằng kiểm tra chất lượng, mô hình kỹ thuật số song sinh, lập kế hoạch và bảo trì dự đoán sẽ là những công cụ chủ lực.
-
Vì sao việc áp dụng không đồng đều: vòng đời tài sản dài và hệ thống dữ liệu cũ làm chậm quá trình triển khai, nhưng tiềm năng tăng lên khi dữ liệu cảm biến và MES bắt đầu được truyền tải. [5]
-
Xu hướng vĩ mô: khi các hệ thống truyền tải dữ liệu công nghiệp hoàn thiện, tác động sẽ lan rộng khắp các nhà máy, nhà cung cấp và các mắt xích trong chuỗi cung ứng.
Ví dụ: một hệ thống kiểm soát chất lượng hình ảnh (visual control) được tích hợp vào dây chuyền sản xuất hiện có; tỷ lệ lỗi âm tính giả giảm, nhưng lợi ích lớn hơn là việc phân tích nguyên nhân gốc rễ nhanh hơn nhờ nhật ký lỗi được cấu trúc rõ ràng.
Phân tích chuyên sâu 7: Truyền thông, giáo dục và công việc sáng tạo 🎬📚
Việc tạo nội dung, bản địa hóa, hỗ trợ biên tập, học tập thích ứng và hỗ trợ chấm điểm đang được mở rộng quy mô. Tốc độ gần như phi thường. Tuy nhiên, nguồn gốc, bản quyền và tính toàn vẹn của việc đánh giá cần được quan tâm nghiêm túc.
-
Dấu hiệu cần theo dõi: đầu tư và sử dụng của doanh nghiệp tiếp tục tăng, đặc biệt là xung quanh AI thế hệ mới. [2]
-
Sự thật thực tế: Kết quả tốt nhất vẫn đến từ các nhóm coi AI như một cộng tác viên, chứ không phải một máy bán hàng tự động.
Người chiến thắng và người chật vật: khoảng cách về sự trưởng thành 🧗♀️
Các cuộc khảo sát cho thấy sự phân hóa ngày càng sâu rộng: một nhóm nhỏ các công ty - thường là trong lĩnh vực phần mềm, viễn thông và fintech - thu được giá trị có thể đo lường được, trong khi thời trang, hóa chất, bất động sản và xây dựng lại tụt hậu. Sự khác biệt không phải do may mắn - mà là do khả năng lãnh đạo, đào tạo và cơ sở hạ tầng dữ liệu. [5]
Dịch nghĩa: Công nghệ là cần thiết nhưng chưa đủ; sơ đồ tổ chức, các khoản thưởng và kỹ năng mới là yếu tố quyết định thành công.
Bức tranh kinh tế tổng quan, không kèm theo những biểu đồ cường điệu 🌍
Bạn sẽ nghe thấy những tuyên bố trái chiều, từ tận thế đến thiên đường. Quan điểm khách quan ở giữa cho rằng:
-
Nhiều công việc tiếp xúc với các nhiệm vụ AI nhưng tiếp xúc không đồng nghĩa với việc loại bỏ; tác động được chia thành tăng cường và thay thế. [5]
-
Năng suất tổng thể có thể tăng lên , đặc biệt là khi việc áp dụng thực sự diễn ra và quản trị giúp kiểm soát rủi ro. [5]
-
Sự gián đoạn xảy ra đầu tiên ở các lĩnh vực giàu dữ liệu , sau đó mới đến các lĩnh vực nghèo dữ liệu vẫn đang trong quá trình số hóa. [5]
Nếu bạn muốn một kim chỉ nam duy nhất: các chỉ số đầu tư và sử dụng đang tăng tốc và điều đó tương quan với những thay đổi ở cấp độ ngành về thiết kế quy trình và lợi nhuận. [2]
Bảng so sánh: AI tấn công trước hay nhanh nhất 📊
Không hoàn hảo một cách có chủ đích - những ghi chú sơ sài mà bạn thực sự sẽ mang đến một cuộc họp.
| Ngành công nghiệp | Các công cụ AI cốt lõi đang được sử dụng | Khán giả | Giá* | Vì sao nó hiệu quả / những điểm đặc biệt 🤓 |
|---|---|---|---|---|
| Dịch vụ chuyên nghiệp | Phi công phụ GPT, truy xuất, kiểm định chất lượng tài liệu, phát hiện bất thường | Đối tác, nhà phân tích | từ tự do sang doanh nghiệp | Hàng loạt tài liệu sạch sẽ + KPI rõ ràng. Công việc của nhân viên cấp dưới được rút ngắn, việc xem xét của nhân viên cấp cao được mở rộng. |
| Tài chính | Mô hình rủi ro, công cụ tóm tắt, mô phỏng kịch bản | Quản lý rủi ro, lập kế hoạch và phân tích tài chính, bộ phận giao dịch trực tiếp | $$$ nếu được điều chỉnh | Mật độ dữ liệu cực cao; việc kiểm soát rất quan trọng. |
| Phần mềm & CNTT | Hỗ trợ mã, tạo kiểm thử, bot xử lý sự cố | Lập trình viên, Kỹ sư vận hành hệ thống, Quản lý dự án | mỗi chỗ ngồi + mức sử dụng | Thị trường có độ trưởng thành cao. Các nhà sản xuất dụng cụ sử dụng chính dụng cụ của họ. |
| Dịch vụ khách hàng | Hỗ trợ nhân viên, định tuyến ý định, kiểm thử chất lượng | Trung tâm liên lạc | giá theo bậc thang | Lượng vé bán ra mỗi giờ đã tăng lên đáng kể - nhưng vẫn cần đến con người. |
| Chăm sóc sức khỏe & khoa học đời sống | Trí tuệ nhân tạo xử lý hình ảnh, thiết kế thử nghiệm, công cụ ghi chép | Bác sĩ lâm sàng, vận hành | doanh nghiệp + phi công | Hệ thống đòi hỏi quản trị cao, tiềm năng thông lượng lớn. |
| Bán lẻ & thương mại điện tử | Dự báo, định giá, khuyến nghị | Hàng hóa, vận hành, trải nghiệm khách hàng | trung bình đến cao | Các vòng phản hồi nhanh; hãy quan sát những hình ảnh ảo giác. |
| Chế tạo | Kiểm soát chất lượng hình ảnh, mô hình kỹ thuật số, bảo trì | Quản lý nhà máy | hỗn hợp chi phí đầu tư + SaaS | Những hạn chế về mặt vật lý làm chậm mọi thứ… rồi sau đó là sự tích lũy lợi nhuận. |
| Truyền thông và giáo dục | Nội dung tổng hợp, dịch thuật, gia sư | Biên tập viên, giáo viên | hỗn hợp | Quyền sở hữu trí tuệ và tính toàn vẹn trong đánh giá khiến mọi thứ trở nên thú vị hơn. |
*Giá cả rất khác nhau tùy thuộc vào nhà cung cấp và mục đích sử dụng. Một số công cụ trông có vẻ rẻ cho đến khi bạn phải trả phí API.
Chuẩn bị như thế nào nếu lĩnh vực của bạn nằm trong danh sách? 🧰
-
Lập danh mục quy trình làm việc, chứ không phải chức danh công việc. Phân tích nhiệm vụ, đầu vào, đầu ra và chi phí do lỗi gây ra. Trí tuệ nhân tạo (AI) phù hợp với những nơi mà kết quả có thể kiểm chứng được.
-
Hãy xây dựng một hệ thống dữ liệu cốt lõi nhưng mỏng nhẹ và vững chắc. Bạn không cần một kho dữ liệu khổng lồ đến mức phi thực tế - điều bạn cần là dữ liệu được quản lý, có thể truy xuất và được gắn nhãn.
-
Hãy thử nghiệm trong những khu vực ít rủi ro. Bắt đầu từ những nơi mà sai lầm không gây thiệt hại nhiều và học hỏi nhanh chóng.
-
Kết hợp phi công với đào tạo. Hiệu quả tốt nhất xuất hiện khi mọi người thực sự sử dụng các công cụ. [5]
-
Hãy xác định những điểm mà con người tham gia vào quy trình. Ở đâu bạn bắt buộc phải xem xét lại và ở đâu cho phép xử lý tự động hoàn toàn.
-
Đo lường bằng cách so sánh trước và sau khi can thiệp. Thời gian giải quyết, chi phí mỗi yêu cầu, tỷ lệ lỗi, chỉ số NPS—bất cứ điều gì ảnh hưởng đến lợi nhuận của bạn.
-
Quản lý một cách lặng lẽ nhưng kiên quyết. Ghi chép đầy đủ nguồn dữ liệu, phiên bản mô hình, lời nhắc và phê duyệt. Kiểm toán một cách nghiêm túc.
Các trường hợp ngoại lệ và những lưu ý cần thiết 🧩
-
Ảo giác là chuyện thường xảy ra. Hãy đối xử với các mô hình như những thực tập sinh tự tin: nhanh nhẹn, hữu ích, và đôi khi mắc những sai lầm đáng kinh ngạc.
-
Sự thay đổi về quy định là có thật. Các biện pháp kiểm soát sẽ phát triển; đó là điều bình thường.
-
Văn hóa quyết định tốc độ. Hai công ty sử dụng cùng một công cụ có thể đạt được kết quả hoàn toàn khác nhau vì một công ty đã thực sự thay đổi quy trình làm việc.
-
Không phải chỉ số KPI nào cũng được cải thiện. Đôi khi bạn chỉ cần sắp xếp lại công việc. Đó vẫn là quá trình học hỏi.
Ảnh chụp màn hình bằng chứng bạn có thể dùng để trình bày trong cuộc họp tiếp theo 🗂️
-
Lợi ích về năng suất tập trung ở các lĩnh vực sử dụng nhiều AI (dịch vụ chuyên nghiệp, tài chính, CNTT). [1]
-
Sự gia tăng được đo lường trong công việc thực tế: các nhân viên hỗ trợ đã thấy trung bình là 14% ; 34% đối với những người mới vào nghề . [3]
-
Đầu tư và sử dụng đang tăng lên trên khắp các ngành. [2]
-
Mức độ tiếp xúc rộng nhưng không đồng đều; lợi ích về năng suất phụ thuộc vào việc áp dụng và quản trị. [5]
-
Các nhóm giá trị ngành: ngân hàng và khoa học đời sống nằm trong số những nhóm lớn nhất. [4]
Câu hỏi thường gặp: Liệu trí tuệ nhân tạo sẽ lấy đi nhiều hơn những gì nó cho lại ❓
Tùy thuộc vào khung thời gian và lĩnh vực của bạn. Các nghiên cứu vĩ mô đáng tin cậy nhất chỉ ra rằng năng suất ròng có thể tăng lên khi phân phối không đồng đều. Lợi ích tích lũy nhanh hơn ở những nơi áp dụng thực sự và quản trị hợp lý. Nói cách khác: phần thưởng thuộc về những người hành động chứ không phải những người chỉ biết trình bày. [5]
Tóm tắt ngắn gọn 🧡
Nếu chỉ nhớ một điều, hãy nhớ điều này: nhân tạo (AI) sẽ làm thay đổi những ngành công nghiệp nào? Đó là những ngành hoạt động dựa trên thông tin kỹ thuật số, khả năng phán đoán lặp lại và kết quả đo lường được. Hiện nay, đó là các dịch vụ chuyên nghiệp, tài chính, phần mềm, dịch vụ khách hàng, hỗ trợ ra quyết định trong chăm sóc sức khỏe, phân tích bán lẻ và một phần của ngành sản xuất. Những ngành còn lại sẽ theo sau khi các hệ thống xử lý dữ liệu hoàn thiện và quản trị được thiết lập vững chắc.
Bạn sẽ thử một công cụ nào đó và nó không hiệu quả. Bạn sẽ viết một chính sách mà sau đó bạn phải sửa đổi. Bạn có thể tự động hóa quá mức và rồi lại phải điều chỉnh lại. Đó không phải là thất bại - đó là con đường ngoằn ngoèo của sự tiến bộ. Hãy cung cấp cho các nhóm công cụ, đào tạo và quyền được học hỏi một cách công khai. Sự thay đổi là điều không thể tránh khỏi; cách bạn tận dụng nó thì hoàn toàn có thể. 🌊
Tài liệu tham khảo
-
Reuters — Các lĩnh vực ứng dụng trí tuệ nhân tạo đang cho thấy sự tăng trưởng năng suất mạnh mẽ, theo PwC (20 tháng 5 năm 2024). Link
-
Báo cáo Chỉ số AI năm 2025 của Stanford HAI . Liên kết
-
NBER — Brynjolfsson, Li, Raymond (2023), Trí tuệ nhân tạo tạo sinh trong công việc (Bài báo nghiên cứu w31161). Liên kết
-
McKinsey & Company — Tiềm năng kinh tế của trí tuệ nhân tạo tạo sinh: Biên giới năng suất tiếp theo (tháng 6 năm 2023). Liên kết
-
OECD — Tác động của Trí tuệ Nhân tạo đến năng suất, phân phối và tăng trưởng (2024). Liên kết