Trí tuệ nhân tạo đang làm rung chuyển thị trường lao động toàn cầu. Và lần này, ngay cả giới khoa học – những người tạo ra và sử dụng công nghệ tiên tiến nhất – cũng không đứng ngoài vùng tác động.
Vậy trong thế giới nghiên cứu, ai đang đối mặt với rủi ro lớn nhất?
Trao đổi của Nature với gần 50 nhà khoa học trong học thuật và công nghiệp – những người trực tiếp ứng dụng AI trong công việc – cho thấy một thực tế đáng chú ý: các vị trí phân tích dữ liệu, lập trình cơ bản và mô hình hóa tính toán đang dần mất lợi thế. Trong khi đó, những nhà thực nghiệm làm việc trực tiếp trong phòng thí nghiệm có thể tạm thời yên tâm.
Những công việc “thuần nhận thức” chịu áp lực đầu tiên
Theo Xuanhe Zhao, kỹ sư cơ khí tại MIT, sự lỗi thời của một số vai trò trong mô hình hóa máy tính “không còn là câu chuyện tương lai”. Ông nói thẳng: “Nó đang diễn ra ngay bây giờ. AI làm những việc này tốt hơn nhiều so với các nhà khoa học mới vào nghề.”
Trong nhiều năm, nghiên cứu sinh và nhà nghiên cứu trẻ thường đảm nhiệm các công việc như viết mã, xử lý dữ liệu, xây dựng mô phỏng. Nhưng giờ đây, các mô hình AI có thể tạo mã nhanh chóng, sửa lỗi, tối ưu hóa thuật toán và xử lý khối lượng dữ liệu lớn trong thời gian ngắn.
Anton Korinek, nhà kinh tế học tại Đại học Virginia, cho rằng những công việc dựa trên “các nhiệm vụ thuần về nhận thức” sẽ là nhóm đầu tiên bị thay thế. “Theo truyền thống, đây là những công việc gắn liền nhất với nghiên cứu khoa học,” ông nói. “Và chúng sẽ sớm bị AI đảm nhiệm.”
Không chỉ trong phòng thí nghiệm, các công việc liên quan như dịch thuật tài liệu học thuật cũng đang suy giảm nhanh chóng khi công cụ AI ngày càng chính xác và phổ biến.
Sức mạnh gây gián đoạn của AI
AI hiện đã được dùng để biên tập bản thảo, tóm tắt tài liệu, rà soát lỗi. Nhưng theo nhiều nhà khoa học, khả năng viết mã và phân tích dữ liệu mới thực sự là “cú sốc” lớn nhất đối với thị trường lao động nghiên cứu.
Brian Hie, nhà sinh học tính toán tại Stanford, cho biết các vị trí lập trình viên nghiên cứu – vốn chuyên xây dựng phần mềm cho phòng thí nghiệm – “giờ đã lỗi thời”. AI có thể đảm nhận phần lớn công việc này.
Hannah Wayment-Steele, nhà sinh học tính toán tại Đại học Wisconsin–Madison, thừa nhận nếu mở phòng thí nghiệm cách đây 5 năm, cô chắc chắn sẽ thuê một lập trình viên. “Nhưng giờ thì tôi thực sự không thấy cần thiết nữa,” cô nói. AI thậm chí có thể xử lý những đoạn mã phức tạp.
Sự thay đổi không nhất thiết dẫn đến sa thải hàng loạt, nhưng nó làm giảm nhu cầu tuyển mới. Nanshu Lu, kỹ sư vật liệu tại Đại học Texas ở Austin, cho biết phòng thí nghiệm của bà hiện “thận trọng hơn nhiều” khi tuyển nghiên cứu sinh và nghiên cứu sau tiến sĩ – một phần vì bất ổn tài chính, nhưng “chắc chắn cũng vì AI”.
Nguy cơ dài hạn: đứt gãy thế hệ kế cận
Claus Wilke, nhà sinh học tính toán tại Texas, cảnh báo một hệ quả sâu xa hơn. Nếu sinh viên và nhà nghiên cứu trẻ không còn tìm được vị trí khởi đầu trong phòng thí nghiệm, nguồn nhân lực khoa học tương lai có thể bị tổn hại.
“Bạn có thể tạm thời thu được nhiều nghiên cứu hơn trên mỗi đô la,” ông nói, “nhưng cái giá phải trả có thể là sự sụp đổ của thế hệ kế cận.”
Thực tế cho thấy mất việc đã xảy ra trong một số lĩnh vực liên quan. Hiệp hội Biên dịch Mỹ ghi nhận số thành viên thuộc Ban Khoa học & Công nghệ giảm 26% trong chưa đầy 2 năm rưỡi, khi AI dịch thuật ngày càng phổ biến.
Jaime Russell, từng dịch tài liệu thử nghiệm lâm sàng, nay chuyển sang làm phiên dịch y tế tại bệnh viện. Cô biết nhiều đồng nghiệp phải rẽ sang công việc giao đồ ăn. “Thật buồn,” cô nói.
AI chưa thể thay thế ý tưởng lớn
Tuy nhiên, không phải mọi vai trò đều bị đe dọa như nhau.
Nhiều nhà nghiên cứu cho rằng AI vẫn chưa thể xác định hướng đi khoa học đúng đắn hoặc tạo ra ý tưởng thực sự mới. Jonathan Oppenheim, nhà vật lý lượng tử tại University College London, từng dùng AI để tạo phản biện giả định cho bài báo của mình. Ông thấy các góp ý hữu ích, nhưng nhấn mạnh: “AI không thực sự có khả năng đưa ra ý tưởng mới.”
Ngay cả những người lạc quan về AI cũng cho rằng vai trò con người vẫn trung tâm. Karu Sankaralingam, nhà khoa học máy tính tại Wisconsin–Madison, nói rằng sự kết hợp giữa người và AI mới là chìa khóa. Nhưng để AI tạo ra giả thuyết tốt, nhà khoa học phải thiết kế câu lệnh cực kỳ chi tiết. “Tôi dành rất nhiều thời gian suy nghĩ về câu lệnh,” ông nói, nhằm tránh hiện tượng “ảo giác” – khi AI tạo thông tin sai lệch.
Dù vậy, Korinek cảnh báo rằng ngay cả các nhà nghiên cứu cấp cao cũng không miễn nhiễm nếu công việc của họ chủ yếu dựa vào xử lý nhận thức. Ông dự đoán các nhà toán học có thể cảm nhận rõ tác động của AI ngay trong năm học tới – dù nhiều người trong giới toán phản đối nhận định này.
Những người đang an toàn hơn
Trong khi đó, các kỹ thuật viên phòng thí nghiệm và nhà thực nghiệm trẻ dường như an toàn hơn trong ngắn hạn. Các hệ thống robot và phòng thí nghiệm tự động hóa bằng AI vẫn còn hạn chế: chúng chưa thể thực hiện linh hoạt nhiều thao tác thực nghiệm phức tạp, cũng như gặp khó khăn trong việc diễn giải kết quả.
“AI sẽ chưa tác động nhiều đến công việc của các nhà thực nghiệm trong một thời gian dài,” Oppenheim nhận định.
Ngay cả trong lĩnh vực sinh học cấu trúc – nơi AI đã tạo đột phá với AlphaFold2 (giải Nobel 2024) dự đoán cấu trúc protein – con người vẫn giữ vai trò quan trọng. Dù AI có thể dự đoán khoảng 40% protein đã biết với độ tin cậy cao, nhiều trường hợp khó vẫn đòi hỏi phương pháp thủ công công phu.
Theo nhà kinh tế Jerry Qian, điều này cho thấy các nhà khoa học đang dịch chuyển sang những vấn đề mà con người có “lợi thế so sánh”. AI không khiến nhà khoa học trở nên vô dụng; nó buộc họ thay đổi trọng tâm.
Thích nghi để tồn tại
Lịch sử khoa học từng chứng kiến nhiều cuộc cách mạng công nghệ – từ máy tính đến internet. AI có thể là bước ngoặt tiếp theo.
“Nếu chúng ta thích nghi – và tôi nghĩ chúng ta buộc phải thích nghi – thì chúng ta sẽ tồn tại,” nhà toán học Terence Tao nói. “Và trong một số trường hợp, bạn thậm chí có thể phát triển mạnh.”
AI có thể thay thế một số công việc trong khoa học. Nhưng nó cũng đang tái định nghĩa giá trị của con người trong nghiên cứu: không chỉ là người xử lý dữ liệu, mà là người đặt câu hỏi đúng, chọn vấn đề đúng và dẫn dắt khám phá.
Cuộc đua giờ đây không phải giữa nhà khoa học và AI – mà là giữa những người biết tận dụng AI và những người không kịp thích nghi.
Robot điều khiển bằng AI sẽ chưa sớm thay thế các nhà khoa học phòng thí nghiệm, nhưng hệ thống AI đã bắt đầu thay thế các nhà phân tích dữ liệu và lập trình viên nghiên cứu
