AI có lấy mất việc đầu tiên của người trẻ? Số liệu nói gì

Sinh viên mới tốt nghiệp gửi hàng chục hồ sơ vào vị trí hỗ trợ khách hàng và lập trình viên mới vào nghề, nhưng gần như không ai gọi lại. Đây là tình huống minh họa, không phải số đo.

Bài này đọc lại nghiên cứu "Canaries in the Coal Mine?" của Stanford (bản 08/2026, trang tin ngày 12/08/2026), rồi đặt cạnh số liệu của Dallas Fed, Yale Budget Lab, NACE, PwC và một báo cáo ILO về Việt Nam, đối chiếu đến ngày 15/11/2026. Phần lớn số liệu là của Mỹ.

Bài trả lời 3 câu hỏi: con số 19% đo điều gì, bằng chứng cho thấy AI là nguyên nhân đến đâu, và Việt Nam đứng ở đâu. Bài không tư vấn nghề nghiệp.

Điểm chính

• Theo Stanford, việc làm của nhóm 22 đến 25 tuổi ở nghề phơi nhiễm AI cao thấp hơn 19% so với mức đáng ra có nếu theo kịp nhóm ít phơi nhiễm (dữ liệu đến 06/2026). Người có kinh nghiệm không có khoảng cách tương tự.
• Các tác giả không thấy mất việc lan rộng toàn nền kinh tế. Khoảng cách đến chủ yếu từ việc tuyển ít người trẻ hơn, không phải sa thải nhiều hơn.
• Các con số 13%, 15%, 16% và 19% đến từ cùng nghiên cứu nhưng khác cách đo và kỳ dữ liệu. Đó không phải 4 kết quả độc lập.
• Đây là số mô tả, không phải ước tính nhân quả. Khoảng cách thu hẹp khi tính đến học vấn, và đã có xu hướng khác biệt từ trước ChatGPT.
• Nguồn khác chưa thấy tác động rộng: Dallas Fed tính rằng, nếu toàn bộ phần giảm việc làm của nhóm 20 đến 24 tuổi ở nghề phơi nhiễm cao thành thất nghiệp, tỷ lệ thất nghiệp chung cũng chỉ tăng 0,1 điểm phần trăm. Yale chưa thấy dấu hiệu rõ.
• Ở Việt Nam, ILO (04/2026) chưa thấy bằng chứng rõ việc giảm cơ hội cho người trẻ học vấn cao ở lĩnh vực phơi nhiễm trong 2022 đến 2024.

Con số 19% của Stanford đo điều gì

Con số 19% là phép so sánh, không phải số người mất việc. Nó so việc làm của nhóm 22 đến 25 tuổi ở nghề phơi nhiễm AI cao với mức đáng ra có nếu nhóm này tăng bằng nhóm cùng tuổi ở nghề ít phơi nhiễm.

Theo bản nghiên cứu (PDF 08/2026, đọc 15/11/2026), nhóm Brynjolfsson, Chandar và Chen dùng dữ liệu bảng lương của ADP, hãng làm bảng lương cho các công ty có hơn 26 triệu lao động Mỹ. Mẫu là các công ty quan sát liên tục từ 01/2021 đến 06/2026, mỗi tháng có 3,5 đến 5 triệu nhân viên.

Mỗi nghề được chấm mức phơi nhiễm AI (thang Eloundou và cộng sự, 2024), chia thành 5 nhóm. Trong phép so sánh chính, "phơi nhiễm cao" là 2 nhóm trên cùng, "ít phơi nhiễm" là 3 nhóm còn lại.

Từ 11/2022 đến 06/2026, việc làm của nhóm 22 đến 25 tuổi ở 2 nhóm phơi nhiễm cao giảm khoảng 11%, còn ở 3 nhóm kia tăng khoảng 10%. Bản nghiên cứu tính mức chênh là 19% so với nhóm tăng.

Trong cùng kỳ, toàn mẫu ADP tăng khoảng 6%, còn nhóm 22 đến 25 tuổi nói chung thấp hơn mốc 11/2022 khoảng 2%. Các nhóm tuổi lớn hơn đều tăng, nhiều nhất là nhóm 35 đến 40 tuổi (khoảng 11%).

Vì sao cùng một nghiên cứu có 13%, 15%, 16% và 19%

Các con số khác nhau vì cách đo và kỳ dữ liệu khác nhau. Theo bản tháng 08/2026 (đọc 15/11/2026), các phiên bản trước lấy làm tiêu đề kết quả của mô hình hồi quy có điều chỉnh cú sốc theo công ty: 13% với dữ liệu đến 07/2025 và 16% với dữ liệu đến 09/2025.

Bản mới nhấn mạnh cách đo đơn giản hơn là mức "theo kịp" như trên. Với cách này, khoảng cách là 15% ở mốc dữ liệu 07/2025 và 19% ở 06/2026. Nhóm tác giả nói đã cải tiến cách xử lý dữ liệu. Kết quả vẫn tương tự về định tính, nhưng ước tính có điều chỉnh theo công ty nhạy với thay đổi này hơn số mô tả thô.

Dallas Fed (06/01/2026) ghi 13%, còn NACE (13/05/2026) ghi 16%.

Tuyển ít đi, không phải sa thải nhiều hơn

Theo bản nghiên cứu Stanford, khoảng cách mở ra ở khâu tuyển dụng. Từ 2022, tỷ lệ tuyển và tỷ lệ thôi việc (rời công ty, gồm cả sa thải và tự nghỉ) đều giảm ở mọi độ tuổi. Ở nhóm trẻ, tỷ lệ thôi việc ở nghề phơi nhiễm cao giảm không ít hơn ở nghề phơi nhiễm thấp, ngược với kịch bản bị thay thế.

Dallas Fed (06/01/2026, đọc 15/11/2026) dùng nguồn khác, Khảo sát Dân số Hiện hành của Mỹ với khoảng 100.000 người. Họ thấy việc làm của nhóm 20 đến 24 tuổi ở nghề phơi nhiễm cao giảm chủ yếu vì ít người từ ngoài lực lượng lao động vào việc làm, không phải vì sa thải.

Dallas Fed tính rằng nếu toàn bộ phần giảm đó thành thất nghiệp, tỷ lệ thất nghiệp chung cũng chỉ tăng 0,1 điểm phần trăm từ 11/2022. Đây là kịch bản giả định, và Dallas Fed nói mẫu hình này có thể không mang tính nhân quả.

Suy luận của bài viết: vì thế hiệu ứng khó thấy trên tin thất nghiệp, người trẻ có thể không bị sa thải mà chỉ không vào được việc.

Vì sao có thể là AI: giả thuyết và dữ kiện

Theo bản nghiên cứu (PDF 08/2026), nhóm tác giả cho rằng AI tái tạo tốt kiến thức đã được viết ra (sách giáo khoa, quy trình), còn kiến thức ngầm có được nhờ thực hành và kèm cặp thì khó thay hơn. Chỉ số kiến thức họ tự xây chỉ mang tính gợi ý.

Bản nghiên cứu cũng dùng dữ liệu cách người ta dùng trợ lý AI từ Anthropic Economic Index (bản 03/2025). Việc làm giảm ở nghề mà AI chủ yếu dùng để tự động hóa tác vụ, còn nơi AI dùng để hỗ trợ thì đi ngang hoặc tăng. Suy luận của bài viết: dữ liệu đến từ 1 hãng, nên chỉ phản ánh một phần cách AI được dùng.

PwC (thông cáo 15/06/2026, đọc 15/11/2026) nhìn từ tin tuyển dụng. Dựa trên 2,4 triệu vị trí đầu vào ở Mỹ được phân tích, vị trí phơi nhiễm AI cao có khả năng đòi kỹ năng thường của cấp cao (lãnh đạo, sáng tạo, tiếp xúc trực tiếp) cao gấp 7 lần. Tin loại này tăng 35% từ 2019, còn vị trí đầu vào khác giảm 10%.

Suy luận của bài viết: 2 nguồn khác loại dữ liệu nhưng cùng gợi ý nấc thang đầu nghề đang dịch lên, khi việc lặp lại từng là chỗ học nghề ít đi. Đây là cách ghép của bài này, không phải kết luận của 2 nguồn đó.

Giới hạn của bằng chứng

Chính nhóm tác giả Stanford nêu 3 điểm yếu. Thứ nhất, khi tính đến học vấn của nghề, khoảng cách thu hẹp: ở mẫu chính (công ty quan sát liên tục từ 01/2018), ước tính cho nhóm 22 đến 25 tuổi ở nhóm phơi nhiễm cao nhất giảm từ -0,18 xuống -0,09, còn ý nghĩa thống kê ở mức 10%.

Ở mẫu quan sát từ 01/2021 là -0,19 xuống -0,06 và không còn ý nghĩa. Đây là phép so nhóm cao nhất với thấp nhất, khác phép 19%.

Thứ hai, có xu hướng khác biệt từ trước ChatGPT. Nhóm nghề phơi nhiễm cao tăng mạnh so với nhóm kia trong đại dịch rồi giảm. Đến 11/2022 đã về gần mức 2018 đến 2019, và đợt giảm sau đó kéo khoảng cách xuống dưới mức nền cũ.

Thứ ba, mẫu ADP có thể không đại diện. Với 2022 đến 2024, khoảng cách ở ADP là -0,132, còn ở Khảo sát Cộng đồng Mỹ (ACS) là -0,022 (khoảng tin cậy -0,055 đến +0,011). Tác giả kết luận hướng nhất quán, nhưng độ lớn riêng cho mẫu ADP.

Ghi chú ngày 09/02/2026 của Stanford Digital Economy Lab (viết cho bản 11/2025) cho biết nếu kiểm soát rộng nhất (theo từng công ty và thời điểm), suy giảm chỉ đáng kể từ 2024. Suy luận của bài viết: phần trước đó có thể do nhiều nguyên nhân. Tác giả nói chưa chắc về nhân quả.

Các nguồn khác nói gì

Các nguồn dưới đây đo khác nhau. Theo Yale Budget Lab (đọc 15/11/2026, không thấy ngày cập nhật), cơ cấu nghề nghiệp chưa đổi theo cách khớp rõ với việc AI vào nơi làm việc (chỉ đọc được phần điểm chính của trang).

NACE (13/05/2026) dẫn khảo sát nhà tuyển dụng: hơn 1/4 nói AI đã giảm nhu cầu các tác vụ của vị trí đầu vào. Nhận định của NACE là vài năm tới nhiều khả năng không có thay thế hàng loạt người mới vào nghề.

Việt Nam: đã có gì, chưa có gì

Chưa thấy nguồn mở có chuỗi việc làm theo tuổi và nghề của Việt Nam tương tự dữ liệu ADP. Điều có là ước tính mức phơi nhiễm của ILO, đo khả năng tác vụ bị AI tác động, không phải việc làm đã mất.

Theo báo Nhân Dân đưa tin về báo cáo của ILO (16/04/2026), khoảng 11,5 triệu lao động, cứ 5 người có 1, làm nghề có tác vụ có thể bị AI tạo sinh tác động. Chỉ khoảng 1 triệu người ở nghề vừa dễ bị AI tác động vừa chuẩn hóa cao, dưới 2% lực lượng lao động.

Nhân viên văn thư hành chính phơi nhiễm cao nhất, gần 2/3. Nữ giới có tỷ lệ phơi nhiễm 24,1%, nam giới 17,8%. ILO nói chưa có bằng chứng rõ về cơ hội việc làm giảm cho người trẻ học vấn cao ở lĩnh vực phơi nhiễm trong 2022 đến 2024.

VnEconomy bản tiếng Anh (en.vneconomy.vn, 19/04/2026, dịch từ bài tiếng Việt, nguồn thứ cấp) ghi tỷ lệ 20,8% tổng việc làm. Bài này chưa mở được bản ILO gốc vì trang trả lỗi 403, và chưa thấy nguồn mở nào tách mức phơi nhiễm theo nhóm tuổi.

ManpowerGroup khảo sát 285 nhà tuyển dụng ở Việt Nam trong 01 đến 31/07/2026: 57% nói tăng tuyển người mới vào nghề so với 2025.

Đây là khảo sát ý định, không phải số người được tuyển. Kỳ ILO (2022 đến 2024) kết thúc trước khi khoảng cách ở Mỹ mở rộng đến mức của 06/2026, nên chưa thể ghép 2 bức tranh thành một kết luận.

Người đọc nên theo dõi điều gì

Đây chỉ là các chỉ báo đáng theo dõi, không phải lời khuyên nghề nghiệp.

• Bảng Canaries Dashboard của Stanford, cập nhật hằng tháng: xem tỷ lệ tuyển nhóm 22 đến 25 tuổi ở nghề phơi nhiễm cao, kèm phiên bản và kỳ dữ liệu.
• Khoảng cách có còn sau khi tính học vấn hay không (-0,18 so với -0,09 ở bản hiện tại, phép so nhóm cao nhất với thấp nhất), vì đây là điểm bất đồng lớn nhất.
• Số liệu thuộc loại nào: số đang làm việc, số được tuyển, tin tuyển dụng hay khảo sát ý định, vì mỗi loại trả lời một câu hỏi khác.
• Các bản cập nhật của Yale Budget Lab, xem cơ cấu nghề nghiệp đã đổi theo hướng khớp với việc dùng AI hay chưa.
• Với Việt Nam: đợt khảo sát ManpowerGroup tiếp theo (dự kiến 12/2026) và việc ILO có tách riêng nhóm người trẻ hay không.

Những sai lầm thường gặp

1. Đọc "thấp hơn 19%" thành "19% người trẻ mất việc". Đây là phép so sánh, và tổng việc làm nhóm 22 đến 25 tuổi chỉ giảm khoảng 2%.
2. Trích một con số mà không hỏi phiên bản: 13%, 15%, 16% và 19% đều thuộc cùng nghiên cứu.
3. Viết "AI đã gây ra" khi tác giả nói đây là số mô tả, không phải ước tính nhân quả.
4. Áp số Mỹ cho Việt Nam. Số ADP là của Mỹ, còn số ILO đo mức phơi nhiễm, không đo việc làm đã mất.
5. Đồng nhất "phơi nhiễm AI" với "sẽ mất việc". ILO nói khả năng cao hơn là thay đổi tác vụ trong nghề.
6. Chỉ nhìn tỷ lệ thất nghiệp chung. Khi vấn đề là tuyển ít đi, người trẻ không vào được việc nên không hiện ra trong tin sa thải.

Điều chưa biết

Chưa rõ AI chiếm bao nhiêu phần của khoảng cách. Stanford nói không thể trả lời dứt khoát, và không biết xu hướng sẽ tăng tốc, ổn định hay đảo chiều.

Chưa rõ mẫu ADP đại diện đến đâu cho toàn nền kinh tế Mỹ.

Bằng chứng việc làm ngoài Mỹ còn ít: trong bài "AI and Labor Markets: What We Know and Don't Know" của Stanford Digital Economy Lab (10/10/2025), Chandar nêu 2 nghiên cứu về Anh và Đan Mạch, và viết ông không biết bằng chứng nào từ nơi khác.

Chưa có chuỗi việc làm theo tuổi và nghề của Việt Nam để so với Mỹ, và chưa đọc được bản gốc báo cáo ILO. NACE cũng nói không thể dự đoán chắc chắn 5 năm tới.