Sẽ ra sao nếu trong buổi đánh giá năng lực cuối quý, ngoài những tiêu chí quen thuộc như thành tựu, tiến độ công việc, khả năng giải quyết vấn đề hay kỹ năng làm việc nhóm, bạn còn được đánh giá qua... mức độ sử dụng AI? Cụ thể hơn là bạn đã tạo bao nhiêu yêu cầu, tiêu bao nhiêu token, dùng công cụ AI vào bao nhiêu phần trăm công việc hằng ngày.
Thực tế, “chiếc bẫy KPI” này đã bắt đầu hình thành ở các tập đoàn lớn. Business Insider cho biết Meta tạo hẳn một bảng xếp hạng nội bộ có tên “Claudeonomics” để theo dõi lượng token nhân viên dùng với Claude và gắn cho những ai sử dụng nhiều nhất danh hiệu là “Token Legend” (tạm dịch là “huyền thoại token”). Thậm chí ở Disney, một nhân viên đã lập kỷ lục khi “cầu cứu” AI 460.000 lần chỉ trong vỏn vẹn 9 ngày.
Từ đó, thuật ngữ “tokenmaxxing” ra đời.
1. Tokenmaxxing là gì?
Để hiểu luật chơi mới này, trước hết ta cần nhìn vào “đơn vị tiền tệ” của AI: Token. Mỗi lần bạn gửi prompt và AI trả lời, hệ thống đều tính toán dựa trên các mảnh ngôn ngữ nhỏ (token) này. Theo OpenAI, token có thể ngắn như một ký tự, hoặc dài tương đương một từ. Nói một cách dễ hiểu hơn, mỗi lần bạn trò chuyện với AI, bạn đang “tiêu hao” token.
Từ nền tảng đó, khái niệm tokenmaxxing ra đời. Bằng cách mượn hậu tố “-maxxing” quen thuộc của văn hóa mạng (như looksmaxxing - tối ưu ngoại hình, hay sleepmaxxing - tối ưu giấc ngủ), thuật ngữ này ám chỉ việc nhân viên đang cố gắng tận dụng tối đa AI. Bạn dùng càng nhiều token thì càng năng suất, càng bắt kịp xu hướng thời đại. Việc này dẫn đến các cuộc đua “leo rank” khốc liệt trong các tập đoàn lớn, nhất là trong nhóm ngành kỹ sư, công nghệ.
Sự trớ trêu của thuật ngữ này nằm ở bản chất của nó. Token vốn dĩ là một thông số kỹ thuật khô khan dùng để tính toán chi phí vận hành hệ thống. Thế nhưng, nó đang dần được sử dụng như một đơn vị để quản trị con người, để đánh giá nhân viên: Liệu người này có biết dùng AI không? Có xứng đáng được gọi là một nhân sự “AI-native” (thành thạo AI như bản năng) hay không? Có thể tồn tại được trong kỷ nguyên AI hay không?
2. Nguồn gốc của tokenmaxxing
Tokenmaxxing xuất hiện vì 3 lý do: AI đã ăn sâu vào các tác vụ hằng ngày, doanh nghiệp cần đo mức độ ứng dụng AI, và token là thứ rất dễ đếm.
Trong vài năm qua, AI tạo sinh đã đi từ công cụ thử nghiệm thành một phần của công việc văn phòng, từ viết email, tóm tắt tài liệu, phân tích dữ liệu đến lên ý tưởng nội dung, hỗ trợ lập trình, tạo báo cáo, chuẩn bị thuyết trình. Với nhóm kỹ sư, AI còn có thể hỗ trợ viết, sửa, kiểm tra và gợi ý mã nguồn.
Ngoài AI chatbot, nhiều người bắt đầu dùng tác nhân AI, tức các hệ thống có thể tự chia nhỏ công việc, kết hợp công cụ, chạy lặp lại nhiều bước. Khi một tác nhân AI chạy liên tục, lượng token được tiêu thụ có thể tăng rất nhanh. Đây là lý do nhân viên Disney có thể tạo ra con số 460.000 lần hỏi AI chỉ trong vài ngày… vì có thể họ đang để nhiều tác vụ tự động chạy song song.
Từ góc nhìn doanh nghiệp, việc đo token có sức hấp dẫn rất lớn. Vì khác với “mức độ sáng tạo” hay “khả năng phối hợp”, token là con số rõ ràng. Nó cho thấy ai đang dùng AI, dùng nhiều hay ít, nhóm nào tận dụng công cụ mới, nhóm nào vẫn chưa áp dụng được.
Tuy nhiên, thứ dễ đo không phải lúc nào cũng là thứ đáng đo nhất. Và một con số không thể đại diện hoàn toàn cho năng lực của một người. Một người dùng nhiều token có thể là vì họ đang làm tác vụ phức tạp hơn, cần thử nghiệm nhiều hơn, biết cách dùng AI để giải phóng thời gian. Cũng có thể là vì họ đặt câu hỏi dài dòng, tạo quá nhiều bản nháp, để AI chạy không kiểm soát, hoặc cố ý tối ưu lượt sử dụng chỉ để con số trên bảng xếp hạng trông đẹp hơn.
3. Khi token trở thành thước đo KPI
Trong quản trị, có một nguyên tắc kinh điển mang tên Định luật Goodhart: Khi một thước đo biến thành mục tiêu, nó không còn là thước đo tốt nữa. Tokenmaxxing là ví dụ điển hình cho định luật này.
Nếu công ty chỉ đo ai dùng AI nhiều nhất, nhân viên có thể học cách dùng AI nhiều hơn nhưng “dùng nhiều hơn” không đồng nghĩa với “làm tốt hơn”. Họ có thể viết câu lệnh dài hơn, tạo nhiều phiên làm việc hơn, chạy nhiều công cụ hơn, nhờ AI tạo nhiều bản nháp hơn. Trên bảng số liệu, mọi thứ trông có vẻ năng suất. Tuy nhiên, kết quả cuối cùng có thể vẫn là một bản báo cáo ở mức trung bình, một đoạn code cần sửa nhiều lần, hoặc một chiến dịch không có giá trị.
Indeed, một nền tảng tuyển dụng lớn, là ví dụ đáng chú ý ở chiều ngược lại. Anthony Moisant, Giám đốc Thông tin kiêm Giám đốc An ninh ở Indeed cho rằng họ vẫn đo lường token để kiểm soát chi phí nền, nhưng tuyệt đối từ chối lập bảng xếp hạng nhân viên. Theo ông, điều quan trọng hơn là kết quả kinh doanh cụ thể, bao gồm sản phẩm có ra nhanh hơn không, chất lượng có tốt hơn không, khách hàng có hài lòng hơn không.
Tóm lại, biết dùng AI chắc chắn là kỹ năng sinh tồn mới nhưng cũng không đồng nghĩa với việc cố ý tiêu thật nhiều token chỉ để xếp thứ hạng cao trong bảng xếp hạng.
4. Việt Nam có đang yêu cầu tokenmaxxing không?
Hiện chưa có nhiều dữ liệu công khai cho thấy doanh nghiệp Việt đang xếp hạng nhân viên dựa trên lượng token được tiêu thụ nhưng điều đó không có nghĩa Việt Nam đứng ngoài câu chuyện này.
Báo cáo Chỉ số Xu hướng Công việc năm 2024 của Microsoft cho thấy 88% lao động tri thức tại Việt Nam đã dùng AI tạo sinh trong công việc, cao hơn mức trung bình toàn cầu 75%. Nhiều người lao động không chờ công ty triển khai chính thức mà chủ động mang công cụ AI vào công việc. Thậm chí, FPT cũng áp dụng cơ chế “thưởng bằng token” nhằm khuyến khích nhân viên khai thác AI hiệu quả trong công việc.
Nói cách khác, Việt Nam có nền tảng rất thuận lợi cho tokenmaxxing xuất hiện: người lao động ứng dụng AI nhanh, doanh nghiệp bắt đầu xem AI là năng lực cạnh tranh và thị trường việc làm ngày càng coi kỹ năng AI là lợi thế.
Ở một góc độ khác, tuy rằng ở Việt Nam chưa có bảng xếp hạng thi đua tokenmaxxing nhưng nó đã xuất hiện âm thầm qua các dấu hiệu như cách người lao động chủ động sử dụng AI để cạnh tranh năng suất, nhà tuyển dụng đánh giá cao ứng viên có kỹ năng AI, doanh nghiệp muốn áp dụng AI vào quy trình làm việc để giải phóng chi phí và thời gian,...
5. Hiện tượng tokenmaxxing nói gì về tương lai công việc?
Ngày trước, một nhân viên khi đi làm cần máy tính, phần mềm, tài khoản công ty, dữ liệu, bảo hiểm,... Trong thời đại AI, họ có thể cần thêm các đặc quyền về AI như dùng model nào, dùng bao nhiêu, có được cấp ngân sách không, có được công ty đào tạo cách dùng không.
Dữ liệu thực tế chứng minh, nhóm “cày” token nhiều thì năng suất hơn, viết, đề xuất, rà soát được nhiều code hơn. Tuy nhiên, chi phí tài nguyên phải trả cho mỗi dòng code cũng tăng mạnh và có thể không đảm bảo được chất lượng.
Trong tương lai, với quy trình đánh giá năng lực, có thể người lao động sẽ được hỏi rằng có biết dùng AI để tăng chất lượng công việc không, có biết chọn công cụ phù hợp không,... Vì vậy, điều người đi làm cần học không chỉ là cách dùng AI, mà là cách dùng AI có trách nhiệm: biết đặt câu hỏi rõ ràng, cụ thể, biết kiểm chứng đầu ra, biết bảo vệ dữ liệu, biết chọn việc nào nên giao cho AI và việc nào vẫn cần phán đoán của con người.
Hiểu về tokenmaxxing không phải để lo sợ, mà để giữ sự tỉnh táo cho sự nghiệp. Thay vì tốn sức chứng minh mình xài AI giỏi cỡ nào, hãy dùng nó như một đòn bẩy để làm việc thông minh và giải quyết vấn đề sắc bén hơn.
6. Cách dùng tokenmaxxing
Tiếng Anh:
A: Our team has an AI leaderboard now.
B: Cool, but are we tokenmaxxing or actually shipping better work?
Tiếng Việt:
A: Dạo này phòng mình ai cũng khoe dùng AI nhiều.
B: Ừ, nhưng coi chừng tokenmaxxing, đốt nhiều token không có nghĩa là làm ra nhiều giá trị.