Robot có cướp việc của lao động chân tay không? Nghiên cứu năm 2026 của Anthropic thực sự nói gì (Anthropic, Tesla, Nvidia, Jobbit)

Suốt một thập kỷ, cuộc thảo luận công khai về tự động hóa chỉ xoay quanh một con số duy nhất. Năm 2013, Carl Benedikt Frey và Michael Osborne tại Oxford ước tính rằng 47% việc làm ở Hoa Kỳ nằm trong các nghề có nguy cơ cao bị máy tính hóa trong vòng hai thập kỷ, và con số ấy đã được nhắc lại trong mọi bài phát biểu về tương lai của việc làm kể từ đó. Mười ba năm sau, những con robot lẽ ra sẽ làm trống các nhà kho và công trường đã xuất hiện trong các buổi trình diễn, trong vài nghìn nhà máy và trong một số ít chiếc taxi, còn những người lẽ ra bị thay thế vẫn đang đi làm, nhiều người trong các nghề thiếu nhân lực mà nhà tuyển dụng không thể lấp đầy. Có điều gì đó trong câu chuyện quen thuộc đã sai, và cho đến gần đây chưa ai đo lường xem đó là gì.

Ngày 30 tháng 9 năm 2026, nhóm kinh tế học của Anthropic công bố "What work can robots do?" của Russell Legate-Yang và Maxim Massenkoff. Theo những gì bài tổng quan này xác lập được, đây là nỗ lực đầu tiên đánh giá mọi nhiệm vụ thể chất trong nền kinh tế Mỹ dựa trên những robot thực sự đang tồn tại, rồi đặt ra câu hỏi mà con số 47% chưa bao giờ đặt ra: với mức giá nào. Câu trả lời định hình lại cuộc tranh luận. Robot hiện đã có thể thực hiện khoảng ba phần tư các nhiệm vụ thể chất ở Hoa Kỳ, nhưng chỉ rẻ hơn con người đối với ba trên một nghìn nhiệm vụ. Nếu thu hẹp khoảng cách đó theo tốc độ giảm giá robot kể từ thập niên 1990, sẽ mất khoảng bốn mươi năm để đạt tới một phần mười khối lượng công việc, và ngay cả kịch bản tích cực cũng đặt một nửa công việc thể chất vào sau năm 2050. Nghiên cứu tình huống này đọc kỹ bài báo, đặt nó cạnh các bằng chứng về những gì AI đang làm với công việc bàn giấy, xem xét các phản biện, và rút ra ý nghĩa của quy luật này đối với một thợ lành nghề người Anh, một chủ doanh nghiệp nhỏ và một công ty như Jobbit, được xây dựng trên tiền đề mà bài báo nay lượng hóa: sự bàn giao giữa máy móc và con người là câu hỏi thiết kế trung tâm của hai mươi năm tới.

Tóm tắt các phát hiện

Thứ nhất, năng lực không còn là ràng buộc chính đối với phần lớn công việc thể chất. Nghiên cứu của Anthropic cho thấy robot có thể thực hiện 74% các nhiệm vụ thể chất ở Hoa Kỳ, tương đương 34% tổng số giờ làm việc, dùng những robot đã được bán, triển khai hoặc trình diễn chứ không phải robot tưởng tượng.

Thứ hai, chi phí mới là ràng buộc. Hiện nay robot cạnh tranh về chi phí với người lao động đối với 0.3% các nhiệm vụ công việc. Với nghề lớn chịu ảnh hưởng nhiều nhất là công nhân đóng gói, khoản tiết kiệm hằng năm ước tính khoảng $2,500 trên mỗi lao động so với chi phí nhân công khoảng $49,000; còn với tài xế taxi, robot vẫn đắt hơn con người khoảng $7,000.

Thứ ba, khoảng cách thu hẹp chậm. Giá robot giảm khoảng 3% mỗi năm kể từ thập niên 1990. Với tốc độ đó, phải mất 40 năm robot mới cạnh tranh về chi phí đối với 10% công việc ở Mỹ. Trong kịch bản nhanh của bài báo, khi chi phí giảm nhanh gấp bốn lần và năng lực cải thiện nhanh gấp đôi, robot rẻ hơn con người đối với một nửa công việc thể chất vào khoảng năm 2050, so với năm 2085 theo xu hướng lịch sử, và tự động hóa 90% công việc ấy vẫn mất 53 năm.

Thứ tư, công việc số đối mặt với bức tranh ngược lại. Khoảng 50% công việc ở Mỹ chịu ảnh hưởng của riêng các mô hình ngôn ngữ lớn và 81% chịu ảnh hưởng của mô hình ngôn ngữ hoặc robot gộp lại, và bằng chứng sớm từ dữ liệu bảng lương cho thấy việc làm của nhóm 22 đến 25 tuổi trong các nghề chịu ảnh hưởng AI nhiều nhất thấp hơn khoảng 19% so với nhóm đồng trang lứa ít chịu ảnh hưởng hơn, trong khi chưa có biến động tương đương đối với người lao động có kinh nghiệm hay toàn bộ nền kinh tế.

Thứ năm, những người chịu ảnh hưởng nhiều nhất từ robot lại là những người có ít lớp đệm bảo vệ nhất. So với người lao động không chịu ảnh hưởng, họ có khả năng sở hữu bằng đại học thấp hơn 55 điểm phần trăm, kiếm được ít hơn khoảng $30 mỗi giờ và có tỷ lệ thất nghiệp cao hơn hơn gấp đôi.

Thứ sáu, những rào cản còn lại là cụ thể và đo lường được. Khoảng 70% các nhiệm vụ thể chất bị cản trở bởi năng lực, trong đó khoảng một nửa do thao tác và sự khéo léo; 14% bị chặn bởi quy định hiện hành và 25% bởi sở thích của con người. Đó là những nhiệm vụ mà con người sẽ còn cần đến hàng chục năm, và là nơi dữ liệu để dạy máy móc chưa tồn tại.

Trường hợp nghiên cứu: vì sao nghiên cứu này là phòng thí nghiệm phù hợp

Các dự báo về tự động hóa thường thất bại theo một trong hai cách. Các nghiên cứu ở cấp độ nghề nghiệp như của Frey và Osborne coi cả một công việc là đơn vị có thể tự động hóa, từ đó ra con số 47%; khi Melanie Arntz, Terry Gregory và Ulrich Zierahn tại OECD lặp lại bài tập này năm 2016 ở cấp độ nhiệm vụ, tính đến sự pha trộn các công việc bên trong mỗi nghề trên 21 quốc gia, tỷ lệ công việc có thể tự động hóa giảm xuống còn 9%. Trong khi đó, các nghiên cứu khảo sát chuyên gia hỏi các nhà chuyên môn xem máy móc sẽ làm được gì, tức là đặt cược vào những công nghệ có thể không bao giờ ra mắt.

Bài báo của Anthropic tránh được cả hai cái bẫy ngay từ thiết kế. Nó xuất phát từ khoảng 19,000 mô tả nhiệm vụ của khoảng 900 nghề trong O*NET, cơ sở dữ liệu nghề nghiệp của Department of Labor Hoa Kỳ, và từ số liệu việc làm và tiền lương của Bureau of Labor Statistics. Nghiên cứu dùng mô hình Claude để chấm điểm từng nhiệm vụ theo nội dung thể chất, nhận thức và tương tác giữa người với người, chỉ giữ lại các nhiệm vụ thể chất không thể được tự động hóa bằng phần mềm thông thường, rồi tìm trên web những robot cụ thể đã thực hiện được từng nhiệm vụ, đòi hỏi bằng chứng là triển khai thương mại, doanh số hoặc một buổi trình diễn đáng kể. Mỗi nhiệm vụ được xếp vào thang bốn bậc về mức độ kiểm soát môi trường: E0, không robot nào làm được; E1, robot làm được trong môi trường xây dựng riêng như dây chuyền nhà máy; E2, trong cơ sở có cấu trúc do con người tạo ra như nhà kho; E3, trong môi trường không có cấu trúc như đường phố trong thành phố. Phần lớn robot được triển khai nằm trong các không gian được thiết kế sẵn, đó là lý do các tác giả coi bậc này là thước đo tốt cho rủi ro trong ngắn hạn.

Chi phí được mô hình hóa chứ không được giả định. Với mỗi nhiệm vụ chịu ảnh hưởng, mô hình ước tính chi phí hằng năm của robot được trích dẫn, gồm mua sắm và lắp đặt, bảo trì, phần mềm, năng lượng, giám sát, bảo hiểm và tháo dỡ, trong đó chi phí cố định được phân bổ theo năm với chi phí vốn ước tính, rồi so sánh với tổng thù lao của người lao động theo tỷ lệ thời gian họ dành cho nhiệm vụ đó. Một nhiệm vụ chỉ được coi là cạnh tranh về chi phí khi chi phí hằng năm của robot thấp hơn khoản nhân công mà nó thay thế. Sau đó các tác giả kiểm chứng toàn bộ cơ chế theo chiều ngược lại: đánh giá các nhiệm vụ dựa trên những robot tồn tại năm 1977 và các thập kỷ sau, họ cho thấy những nghề chịu ảnh hưởng nhiều hơn từ robot của thời đó về sau mất nhiều tiền lương và việc làm hơn, đúng là điều mà một thước đo mức độ phơi nhiễm phải làm được thì mới có giá trị.

Nghiên cứu này là của Mỹ. Đó là điểm chưa hoàn hảo mà người đọc nên ghi nhớ. Tiền lương, giá năng lượng, quy định và cơ cấu nghề nghiệp ở Anh khác biệt, và chưa ai chạy phương pháp này trên dữ liệu của Vương quốc Anh. Nhưng mức độ rủi ro ở đây nếu có thì còn cao hơn. Dự báo tháng 6 năm 2026 của Construction Industry Training Board cho biết ngành này cần trung bình thêm 41,200 lao động mỗi năm trong giai đoạn 2026 đến 2030, tổng cộng hơn 206,000 người, để theo kịp nhu cầu, trong khi 40% lực lượng lao động hiện có đã trên 45 tuổi và hơn 200,000 lao động EU đã rời đi kể từ Brexit. Báo cáo Occupations in Demand của Department for Education công bố tháng 12 năm 2025 thống kê 10.9 triệu người, tức 32.9% lực lượng lao động, thuộc 125 nghề có nhu cầu cao, và nêu tên thợ điện và thợ lắp đặt điện (201,000 việc làm) cùng kỹ thuật viên và thợ cơ khí xe (183,000) trong số các nghề thủ công kỹ thuật lớn nhất trong danh sách đó. Nếu robot sắp thay thế các nghề thủ công kỹ thuật, tình trạng thiếu hụt này chỉ là vấn đề nhất thời. Các bằng chứng dưới đây cho thấy không phải vậy.

Dòng thời gian của các bằng chứng, từ 2013 đến 2026

Phát hiện 1: robot làm được phần lớn công việc thể chất và gần như không có phần nào sinh lời

Con số đầu tiên trong bài báo là con số sẽ được trích dẫn nhiều nhất, và cần được phát biểu chính xác. Trong toàn bộ thời gian làm việc ở Mỹ, 54% là công việc nhận thức hoặc tương tác giữa người với người và 46% là công việc thể chất. Trong phần thể chất, 12 điểm phần trăm không robot nào mà các tác giả tìm được có thể làm (E0), 23 có thể làm trong môi trường xây dựng riêng (E1), 10 trong các cơ sở có cấu trúc do con người tạo ra như nhà kho (E2), và 1 trong môi trường không có cấu trúc (E3). Gộp lại, robot có thể thực hiện 74% các nhiệm vụ thể chất, tương đương 34% tổng số giờ làm việc. Các ví dụ rất cụ thể: taxi tự lái trên đường phố, robot di động tự hành vận chuyển hàng trong nhà kho, ô hàn dẫn hướng bằng AI trong xưởng chế tạo, máy đào rãnh đào những đường thẳng mà không cần tài xế.

Con số thứ hai mới là con số quan trọng. Khi mô hình định giá robot được trích dẫn cho từng nhiệm vụ và so sánh với nhân công mà nó thay thế, robot chỉ rẻ hơn đối với 0.3% các nhiệm vụ công việc. Khoảng 300,000 lao động Mỹ thuộc các nghề mà robot có thể làm 95% công việc; nhóm lớn nhất, khoảng 560,000 công nhân đóng gói, là trường hợp rõ ràng nhất về ngang bằng chi phí, với robot ước tính rẻ hơn khoảng $2,500 mỗi năm so với một con người có chi phí nhân công khoảng $49,000. Ở đầu kia, taxi robot, về mặt kỹ thuật là nghề chịu ảnh hưởng nhiều nhất trong dữ liệu với chỉ số phơi nhiễm 2.2 trên 3, được ước tính đắt hơn khoảng $7,000 mỗi năm so với tài xế mà nó thay thế, chưa tính đến quy định. Chín trong mười nghề chịu ảnh hưởng nhiều nhất là người vận hành phương tiện.

Cách diễn giải mà các tác giả đưa ra, và là cách bài tổng quan này thấy có cơ sở vững nhất, là ranh giới thể chất đã tiến xa hơn nhiều so với ranh giới kinh tế. Trong 50 năm qua, mỗi năm robot làm được thêm khoảng 2% công việc thể chất mà trước đó chúng không làm được: năm 1977 chúng không thực hiện được 62% các nhiệm vụ thể chất, ngày nay chúng không thực hiện được 24% chính những nhiệm vụ đó. Năng lực đã tích lũy theo lãi kép. Chi phí thì không theo kịp, vì một robot có thể bê một cái hộp vẫn là một tài sản vốn kèm theo bảo trì, năng lượng, giám sát và bảo hiểm, phải cạnh tranh với một người lao động chỉ được trả cho số giờ làm việc.

Phát hiện 2: lộ trình kéo dài hàng chục năm, ngay cả trong trường hợp lạc quan

Đóng góp quan trọng nhất của bài báo là phân tích kịch bản, vì nó biến câu "robot đắt" thành các mốc thời gian. Giá robot, dựa trên chuỗi số liệu của Bank of Japan và các nguồn khác, đã giảm khoảng 3% mỗi năm kể từ thập niên 1990. Giữ nguyên tốc độ đó thì mất khoảng 40 năm robot mới cạnh tranh về chi phí đối với 10% công việc ở Mỹ. Chi phí giảm 20%, tương đương khoảng bảy năm theo tốc độ lịch sử, sẽ giúp robot cạnh tranh được đối với các nhiệm vụ thể chất của khoảng 2.8 triệu lao động; cần giảm 70% mới đạt tới 10% toàn bộ công việc.

Kịch bản nhanh được thiết kế một cách hào phóng. Chi phí đã điều chỉnh theo chất lượng giảm nhanh gấp tới bốn lần lịch sử, và robot học nhiệm vụ mới nhanh gấp đôi. Dù vậy, robot chỉ cạnh tranh về chi phí đối với 50% công việc thể chất vào khoảng năm 2050, so với 2085 theo xu hướng lịch sử, và tự động hóa 90% công việc thể chất mất 53 năm. Câu mà các tác giả dùng đáng được trích dẫn vì nó thẳng thắn bất thường đối với một bài báo kinh tế học: "Robots would need to sustain record rates of price declines and quality improvements over the coming decades to enable rapid physical automation."

Ở đây cần tách bằng chứng khỏi diễn giải. Các mốc thời gian không phải là dự báo; chúng là hệ quả của những giả định áp dụng đồng đều cho mọi nhiệm vụ, mà chính các tác giả thừa nhận có thể không phản ánh cách các công ty robot thực sự sắp xếp ưu tiên. Một công ty dồn nỗ lực vào một nhiệm vụ giá trị cao, chẳng hạn lấy hàng trong kho, có thể kéo chi phí của nhiệm vụ đó xuống nhanh hơn nhiều so với 3% mỗi năm trong khi phần còn lại của nền kinh tế đứng yên. Điều các kịch bản xác lập là hình dạng của vấn đề chứ không phải lịch chính xác của nó: tự động hóa thể chất là một quá trình dài và không đồng đều, do kinh tế học phần cứng chi phối, trái với phần mềm, nơi chi phí biên của một nhiệm vụ thêm gần bằng không.

So sánh với công nghệ trước đây củng cố cách đọc này. Nghiên cứu năm 2020 của Acemoglu và Restrepo về robot công nghiệp, thế hệ công nghệ trước đó, cho thấy mỗi robot thêm trên 1,000 lao động trong giai đoạn 1990 đến 2007 làm giảm tỷ lệ việc làm trên dân số ở các vùng đi lại chịu tác động của Mỹ 0.2 điểm phần trăm và tiền lương 0.42%. Có thật, đo lường được, và chậm: các tác động tích lũy qua mười bảy năm trong những ngành mà robot vốn đã rẻ nhất, và không ở đâu khác.

Phát hiện 3: công việc số là câu chuyện ngược lại

Cùng nhóm nghiên cứu đo lường ranh giới còn lại, và sự tương phản là cốt lõi của nghiên cứu tình huống này. Công trình về mức độ phơi nhiễm trước đó của Anthropic và phép so sánh riêng của bài báo cho thấy khoảng 50% công việc ở Mỹ nằm trong tầm với của riêng các mô hình ngôn ngữ lớn, và 81% nằm trong tầm với của mô hình ngôn ngữ hoặc robot gộp lại. Quy luật theo nghề rất đáng chú ý. Vận tải và chuyển vật liệu chịu ảnh hưởng của mô hình ngôn ngữ dưới 15% nhưng khoảng 90% khi tính cả robot; hỗ trợ văn phòng và hành chính vốn đã chịu ảnh hưởng nhiều của mô hình ngôn ngữ và đạt gần 100% khi tính cả robot; công việc chăm sóc cá nhân và dịch vụ ở mức khoảng 40% theo cả hai, vì nó mang tính tương tác giữa người với người theo cách mà không công nghệ nào đáp ứng được.

Các ước tính về mô hình ngôn ngữ có lịch sử lâu hơn. Năm 2023, Tyna Eloundou, Sam Manning, Pamela Mishkin và Daniel Rock tại OpenAI và University of Pennsylvania phát hiện rằng 80% lao động Mỹ thuộc các nghề có ít nhất 10% nhiệm vụ chịu ảnh hưởng của mô hình ngôn ngữ và 19% thuộc các nghề có hơn một nửa số nhiệm vụ chịu ảnh hưởng, trong đó viết lách, lập trình và phân tích dữ liệu chịu ảnh hưởng nhiều nhất còn công việc thể chất và ngoài trời ít nhất. Anthropic Economic Index, ánh xạ các cuộc hội thoại Claude đã ẩn danh vào các nhiệm vụ O*NET, cho thấy người dùng thực sự làm gì với các công cụ: trong các báo cáo năm 2026, hỗ trợ nhỉnh hơn tự động hóa, 52% so với 45%, và việc sử dụng đa dạng hóa, với mười nhiệm vụ phổ biến nhất giảm từ 24% số cuộc hội thoại xuống 19% giữa tháng 11 năm 2025 và tháng 2 năm 2026. Index cũng báo cáo rằng GDP bình quân đầu người tăng 1% đi kèm với mức sử dụng trên mỗi người tăng 0.7%, một lời nhắc rằng việc áp dụng đi theo sự giàu có.

Liệu mức độ phơi nhiễm đã trở thành sự thay thế hay chưa là câu hỏi mà dữ liệu bảng lương trả lời một cách thận trọng. Erik Brynjolfsson, Bharat Chandar và Ruyu Chen tại Stanford's Digital Economy Lab, dùng hồ sơ ADP của hơn 25 triệu lao động Mỹ, báo cáo năm 2025 rằng lao động đầu sự nghiệp trong các nghề chịu ảnh hưởng AI nhiều nhất chứng kiến việc làm giảm tương đối trong khi lao động có kinh nghiệm cùng nghề thì không; bản sửa đổi tháng 8 năm 2026 của họ, với dữ liệu đến giữa năm, cho thấy việc làm của nhóm 22 đến 25 tuổi trong các nghề đó thấp hơn khoảng 19% so với mức lẽ ra có nếu theo sát nhóm ít chịu ảnh hưởng hơn, với sự điều chỉnh diễn ra qua tuyển dụng chứ không qua tiền lương và tập trung ở nơi AI tự động hóa thay vì hỗ trợ. Đồng thời, chính các nhà kinh tế của Anthropic là Maxim Massenkoff và Peter McCrory, như Yahoo Finance đưa tin ngày 1 tháng 10, không thấy sự gia tăng thất nghiệp mang tính hệ thống ở lao động chịu ảnh hưởng cao kể từ cuối năm 2022, và lời cảnh báo của Giám đốc điều hành Anthropic Dario Amodei rằng AI có thể xóa một nửa số việc làm cổ cồn trắng cấp đầu vào, theo dữ liệu cho đến nay, vẫn là một lời cảnh báo chứ chưa phải một quan sát.

Kết luận trung thực là như sau. Tác động thị trường lao động đo lường được đầu tiên của làn sóng AI hiện nay không phải là robot trong nhà kho; đó là vị trí tuyển sinh viên mới tốt nghiệp còn thiếu trong văn phòng. Công việc thể chất được bảo vệ bởi kinh tế học; công việc bàn giấy thì không.

Phát hiện 4: ai chịu ảnh hưởng, và điều gì vẫn chặn phần còn lại

Hồ sơ nhân khẩu học của công việc chịu ảnh hưởng từ robot là phát hiện nên định hình chính sách. So với người lao động trong các nghề không chịu ảnh hưởng, những người trong các nghề chịu ảnh hưởng cao có khả năng là phụ nữ thấp hơn 20 điểm phần trăm, có khả năng là người gốc Tây Ban Nha cao hơn 16 điểm, có khả năng sở hữu bằng cử nhân thấp hơn 55 điểm, được trả thấp hơn khoảng $30 mỗi giờ, và có khả năng thất nghiệp cao hơn hơn gấp đôi. Họ cũng có khả năng cao hơn nhiều phải mang vác nặng, làm việc trong nhiệt độ cực đoan hoặc gần các chất nguy hiểm. Những nhiệm vụ mà robot đã làm được phần lớn là những nhiệm vụ nặng nhọc, nguy hiểm, trả lương thấp, vừa là lập luận mạnh nhất để tự động hóa chúng, vừa là lý do quá trình chuyển đổi sẽ gây đau đớn nếu không được quản lý.

Điều chặn phần còn lại cũng cụ thể không kém. Khoảng 70% các nhiệm vụ thể chất mà robot chưa làm được bị giới hạn bởi năng lực, và khoảng một nửa trong số đó do thao tác và sự khéo léo: nhuộm tóc, đào bằng tay quanh các đường ống chôn ngầm, dựng giàn giáo, gỡ rối dây điện. Thiếu hụt về lập kế hoạch và suy luận chiếm 8%. Quy định chặn 14% các nhiệm vụ thể chất và sở thích của con người chặn 25%, hai yếu tố này cùng bao phủ phần lớn công việc mà robot sẽ được chấp nhận trong nhà máy nhưng không phải trong phòng ngủ hay lớp học. Hai nghề trong bài báo cho thấy bức tranh có thể đa dạng đến mức nào ngay trong một công việc: thợ trét mối nối vách thạch cao đạt 1.6 trên chỉ số phơi nhiễm, với 41% thời gian của họ chịu ảnh hưởng của robot phun tự động và 26% không chịu ảnh hưởng vì phần hoàn thiện lộn xộn nằm ngoài khả năng của nó; người phân loại rác tái chế đạt 1.7, với hơn 75% thời gian chịu ảnh hưởng của các bộ kẹp thị giác máy tính trên băng chuyền và chỉ 8% không chịu ảnh hưởng.

Lời tóm tắt của các tác giả là điều một thợ lành nghề nên ghi nhớ: công việc không chịu ảnh hưởng là "highly interpersonal or requires physical skills that robots today don't have", và "if the past is any guide, taxi drivers and warehouse packers will see changes sooner than nurses and mechanics".

Cơ chế: vì sao quy luật có hình dạng như vậy

Bốn cơ chế giải thích các phát hiện và dự đoán điều sắp tới.

Môi trường, chứ không phải nhiệm vụ, quyết định việc triển khai. Thang bốn bậc là nhận định lặng lẽ của bài báo. Một robot hàn hoàn hảo trên dây chuyền nhà máy (E1) vô dụng ở một công trình mở rộng nhà ở, nơi mỗi thanh dầm cách thanh trước một khoảng hơi khác nhau. Phần lớn nền kinh tế thể chất, và gần như toàn bộ các nghề thủ công kỹ thuật, diễn ra trong điều kiện E3: không có cấu trúc, ứng biến, xung quanh con người. Robot đã chinh phục E1 và đang tiến vào E2; E3 nắm giữ 1% các nhiệm vụ sau năm mươi năm.

Kinh tế học phần cứng không phải kinh tế học phần mềm. Một mô hình ngôn ngữ, sau khi được huấn luyện, thực hiện nhiệm vụ tiếp theo với chi phí gần bằng không, đó là lý do mức độ phơi nhiễm trong công việc bàn giấy đã trở thành sự thay thế chỉ trong vài năm. Một robot là tài sản khấu hao phải được mua, lắp đặt, bảo hiểm, bảo trì, cấp điện và giám sát cho từng địa điểm nó làm việc. Mức giảm giá 3% mỗi năm là dấu hiệu của sự khác biệt đó, và các kịch bản của bài báo cho thấy ngay cả việc tăng tốc gấp bốn lần cũng thay đổi rất ít về thập kỷ mà sự ngang bằng chi phí xuất hiện.

Năng lực tích lũy, nhưng thông qua dữ liệu. Robot mỗi năm chiếm thêm khoảng 2% công việc thể chất, và một nửa số nhiệm vụ còn lại cần sự khéo léo chính là những nhiệm vụ khan hiếm dữ liệu huấn luyện nhất. Một mô hình học viết từ web văn bản; không có kho ngữ liệu tương đương về đôi tay của một người thợ ống nước. Tiến bộ đối với 24% còn lại phụ thuộc vào việc ghi lại công việc thực, ở nơi thực, cùng những người làm việc đó, vốn chậm theo bản chất và đặt ra các câu hỏi về sự đồng ý và quyền sở hữu mà làn sóng phần mềm chưa từng đối mặt.

Sở thích và quy tắc là một mức sàn, không phải độ trễ. 25% nhiệm vụ bị giới hạn bởi sở thích và 14% bởi quy định không phải đang chờ một robot tốt hơn. Sự sẵn lòng của bệnh nhân để được máy nâng đỡ, quy tắc của hội đồng địa phương về xe tự hành và mong muốn của khách hàng được nói chuyện với người đã lắp bếp cho mình thay đổi theo thang thời gian chính trị và văn hóa, đó là lý do các tác giả coi chúng tách biệt với năng lực và chi phí.

Người hoài nghi nên cân nhắc thêm ba cách giải thích thay thế bên cạnh những điều này. Các đánh giá mức độ phơi nhiễm được tạo ra bởi một mô hình đọc các mô tả nhiệm vụ ngắn gọn, mà như các tác giả lưu ý, "omit details that may be easy for humans but hard for robots", nên năng lực có thể bị phóng đại ở cấp nhiệm vụ dù bị đánh giá thấp ở cấp toàn bộ nghề. Các ước tính chi phí là xấp xỉ về một thị trường có ít giá công khai; một khảo sát giá robot hình người vào tháng 8 năm 2026 cho thấy chỉ 12 trong 58 robot hình người thương mại có giá được xác minh. Và các kịch bản giả định mức giảm như nhau cho mọi nhiệm vụ; một đột phá về thao tác đa dụng, loại mà Nvidia và Tesla đang đặt cược, có thể, theo lời các tác giả, "leapfrog our scale". Các mốc thời gian vững về hình dạng nhưng mềm về chi tiết.

Ngành công nghiệp phản ứng ra sao

Phản ứng chia theo đúng ranh giới mà bài báo vạch ra. Ở phía phần cứng, Giám đốc điều hành Nvidia Jensen Huang đã dự đoán một "khoảnh khắc ChatGPT" cho ngành robot tại CES vào tháng 1 năm 2026, và Elon Musk đã nói robot hình người Optimus của Tesla sẽ được bán sớm nhất vào năm 2027 với mức giá mục tiêu dài hạn dưới $20,000 khi sản xuất quy mô lớn, dù chưa có giá chính thức; triển vọng năm 2025 của Morgan Stanley đặt thị trường robot hình người trên $5 nghìn tỷ vào năm 2050 với việc áp dụng tăng tốc từ cuối thập niên 2030. Yahoo Finance mô tả bài báo của Anthropic, vào ngày 2 tháng 10, như dự báo mà những canh bạc đó sẽ phải đối mặt. Thực tế giao hàng khiêm tốn hơn: Unitree G1 niêm yết ở mức $13,500 và công ty đã giao hơn 5,500 robot hình người trong năm 2025, nhiều hơn tất cả các đối thủ cộng lại; Digit của Agility, robot hình người được triển khai nhiều nhất trong các nhà kho Mỹ, có giá trên $250,000 mỗi chiếc hoặc khoảng $8,500 mỗi tháng theo hình thức dịch vụ; Figure, được định giá $39 tỷ, bán cho doanh nghiệp mà không có giá công khai.

Các nhà kinh tế phần lớn chấp nhận lộ trình này. Torsten Sløk, kinh tế trưởng của Apollo, được Yahoo Finance trích dẫn, nói rằng ngay cả theo các dự báo tích cực thì sự thay thế thể chất trên diện rộng cũng cần hàng chục năm, viện dẫn các nút thắt về thao tác tinh vi, quy định và sở thích. Cuộc tranh luận gay gắt hơn nằm ở phía số, nơi bằng chứng bảng lương của Stanford và phân tích thất nghiệp của chính Anthropic chỉ về các hướng khác nhau về mức độ thay thế đã xảy ra, và nơi OpenAI, Anthropic, Google, Microsoft, Manus và Meta với Muse đang tung ra các tác nhân AI duyệt web, điền biểu mẫu và hoàn thành các nhiệm vụ văn phòng nhiều bước, loại công việc có mức độ phơi nhiễm cao nhất và chi phí thấp nhất.

Vị thế của Jobbit trong bức tranh này là một lựa chọn thiết kế chứ không phải một dự báo, và bài báo tình cờ mô tả đúng lựa chọn đó. Tác nhân AI của công ty xử lý công việc số, có thể rà soát, mà bằng chứng cho thấy rẻ để tự động hóa: nghiên cứu, tài liệu, website, tự động hóa, hình ảnh và các công việc hành chính xung quanh một công việc. Khi một nhiệm vụ cần đôi tay, phán đoán tại chỗ hoặc một người chịu trách nhiệm, mà các con số của bài báo cho thấy là phần lớn công việc thể chất trong nhiều thập kỷ, công việc được chuyển cho một chuyên gia con người đã được thẩm định trên pro.jobbit.uk, với khoản thanh toán được giữ ký quỹ và khách hàng có thể theo dõi tác nhân và tiếp quản bất cứ lúc nào. Jobbit Labs, bộ phận nghiên cứu của công ty, làm việc về vấn đề chậm hơn mà bài báo xác định trong khoảng trống dữ liệu: ghi lại dữ liệu nhiệm vụ thực tế từ những người đang làm công việc thật, với sự đồng ý, để huấn luyện và kiểm chứng các mô hình thế giới cho AI vật lý. Jobbit chưa công bố dữ liệu thử nghiệm về kết quả của mô hình này và không tuyên bố ở đây rằng đã có; tuyên bố hẹp hơn, rằng kiến trúc tác nhân cộng mạng lưới con người là kiến trúc mà bằng chứng ủng hộ trong khi sự ngang bằng chi phí còn cách hàng chục năm. Khía cạnh thực tiễn của sự phân chia đó được trình bày trong 12 Jobs an AI Agent Can Do for Your Business This Week và Should Your Next Hire Be an AI Agent?, bằng chứng về freelancer trong Do AI Agents Replace Freelancers?, và về chính công ty trong What Is Jobbit?.

Doanh nghiệp nên làm gì với bằng chứng này

Bằng chứng ủng hộ một quy tắc ủy thác mà doanh nghiệp nhỏ có thể áp dụng mà không cần nhà tư vấn chiến lược.

Hãy tự động hóa lớp số xung quanh công việc thể chất trước, vì đó là nơi chi phí và năng lực đã gặp nhau. Báo giá, hóa đơn, website, yêu cầu đánh giá, nghiên cứu nhà cung cấp và lập lịch của một thợ ống nước là 50% công việc chịu ảnh hưởng của mô hình ngôn ngữ; chính các con số của bài báo cho thấy việc lắp đặt, chẩn đoán trong một cái tủ ẩm ướt và cuộc trò chuyện với chủ nhà sẽ không đi đâu cả. Biên lợi nhuận của một doanh nghiệp nghề thủ công kỹ thuật trong thập kỷ tới đến từ việc dùng số giờ bàn giấy tiết kiệm được cho nhiều giờ làm tại công trình hơn, chứ không phải từ việc chờ một con robot.

Hãy coi tự động hóa thể chất là một quyết định mua sắm cho một nhiệm vụ, không phải một quyết định nhân sự cho cả một công việc. Mô hình chi phí của bài báo là khuôn mẫu: định giá toàn bộ chi phí hằng năm của robot so với nhân công cho đúng nhiệm vụ đó, trong bậc môi trường của bạn, và chỉ kỳ vọng sự ngang bằng trong điều kiện E1 và E2, như đóng gói, vận chuyển, hàn và phân loại lặp đi lặp lại, trong nhiều năm tới. Với hầu hết mọi việc làm tại nhà khách hàng, sự ngang bằng không nằm trong lịch trình.

Hãy tuyển dụng và đào tạo cho phần lõi không chịu ảnh hưởng. 24% nhiệm vụ thể chất mà robot không làm được và 25% mà con người không muốn robot làm là phần bền vững của một nghề: sự khéo léo, phán đoán trong không gian không có cấu trúc và mối quan hệ con người. Khoảng thiếu hụt 206,000 lao động đến năm 2030 của CITB cho thấy thị trường sẽ trả tiền cho những điều đó.

Hãy theo dõi sự bàn giao, không phải tiêu đề báo. Câu hỏi hữu ích cho mọi công việc là máy nên dừng ở đâu và con người nên bắt đầu từ đâu, và ranh giới đó dịch chuyển theo từng nhiệm vụ. Một doanh nghiệp ghi ra điều đó, ai rà soát kết quả của tác nhân, ai ký duyệt công việc tại công trình, ai chịu trách nhiệm với khách hàng, sẽ thu được lợi ích mà không gặp thất bại.

Cuối cùng, hãy đọc các tín hiệu sớm ở đúng nơi. Bài báo gợi ý theo dõi các nghề chịu ảnh hưởng, tài xế và công nhân đóng gói kho, để tìm những dấu hiệu gián đoạn thể chất đầu tiên, còn dữ liệu bảng lương cho thấy sự gián đoạn số đã hiện rõ trong việc tuyển sinh viên mới tốt nghiệp. Hãy lên kế hoạch cho cái thứ hai ngay bây giờ và cái thứ nhất sau.

Hạn chế và các câu hỏi còn bỏ ngỏ

Nghiên cứu này là của Mỹ, do mô hình đánh giá và mang tính tĩnh. Các đánh giá mức độ phơi nhiễm và chi phí đến từ việc Claude đọc các mô tả nhiệm vụ và bằng chứng trên web về robot, được đối chiếu với lịch sử nhưng không đối chiếu với thử nghiệm thực địa; một hội đồng chuyên gia con người có thể đánh giá sự khéo léo khác đi. Các ước tính chi phí bỏ qua những ma sát khi áp dụng như giới hạn vay vốn, và các kịch bản gạt sang một bên các hiệu ứng phản hồi, kể cả khả năng tiền lương giảm trong các nghề chịu ảnh hưởng làm chậm thêm việc áp dụng. Bài báo không xem xét AI có thể thay đổi công việc thể chất như thế nào mà không cần robot, chẳng hạn qua bảo trì dự đoán, và không mô hình hóa Vương quốc Anh, nơi chi phí năng lượng, quy định và cơ cấu các nghề thủ công kỹ thuật khác biệt.

Bằng chứng về mảng số cũng có giới hạn riêng. Dữ liệu bảng lương cho thấy việc làm tương đối của lao động trẻ trong các nghề chịu ảnh hưởng, không phải quan hệ nhân quả, và các tác giả Stanford mô tả phát hiện của họ là phù hợp với "no widespread displacement so far"; phân tích thất nghiệp của Anthropic và phân tích tuyển dụng của Stanford có thể đều đúng về những khía cạnh khác nhau. Dữ liệu sử dụng của một trợ lý không phải là nền kinh tế. Và thị trường robot hình người biến động đủ nhanh để mọi mức giá được nêu ở đây chỉ là ảnh chụp nhanh vào đầu tháng 10 năm 2026.

Các câu hỏi còn bỏ ngỏ là những câu sẽ quyết định thập kỷ tới: liệu thao tác đa dụng có cải thiện nhanh hơn 2% mỗi năm khi robot học từ công việc thật thay vì các buổi trình diễn được dàn dựng hay không; liệu các mức sàn về quy định và sở thích có dịch chuyển hay không; và, như các tác giả viết, bản thân công việc thay đổi ra sao, "perhaps becoming more social and interpersonal as robots and AI advance".

Kết luận

Robot có cướp việc của lao động chân tay không? Không theo cách con số 47% gợi ý và không theo bất kỳ lộ trình nào mà một thợ lành nghề đang đi làm cần phải lên kế hoạch. Nghiên cứu của Anthropic cho thấy robot đã có thể làm hầu hết các nhiệm vụ thể chất và gần như không đủ khả năng chi trả cho nhiệm vụ nào; rằng bài toán kinh tế thu hẹp với tốc độ vài phần trăm mỗi năm; và rằng ngay cả một thế giới với tiến bộ robot phá kỷ lục cũng để một nửa công việc thể chất nằm trong tay con người sau năm 2050. Sự gián đoạn đo lường được hôm nay nằm ở công việc số, nơi mức độ phơi nhiễm cao nhất, chi phí thấp nhất và những sinh viên mới tốt nghiệp đầu tiên đã vắng mặt trong bảng lương. Với một nghề thủ công kỹ thuật hay một doanh nghiệp nhỏ ở Anh, bằng chứng chỉ về một chiến lược: tự động hóa bàn giấy, bảo vệ đôi tay, và có chủ ý về nơi bàn giao từ bên này sang bên kia. Sự bàn giao đó là nơi Jobbit làm việc, và bài báo là lời phát biểu rõ ràng nhất cho đến nay về lý do khoảng trống mà công ty được xây dựng trong đó sẽ tồn tại rất lâu.

Câu hỏi thường gặp

Robot có thay thế lao động chân tay không?

Không trong nhiều thập kỷ, theo nghiên cứu tháng 9 năm 2026 của Anthropic. Robot hiện đã có thể làm khoảng 74% các nhiệm vụ thể chất ở Hoa Kỳ nhưng chỉ rẻ hơn người lao động đối với 0.3% trong số đó, và với mức giảm giá robot 3% mỗi năm theo lịch sử, sẽ mất khoảng 40 năm để đạt sự ngang bằng chi phí đối với 10% công việc. Ngay cả kịch bản tích cực cũng đặt một nửa công việc thể chất vào sau năm 2050.

Những nghề nào chịu ảnh hưởng nhiều nhất từ robot?

Người vận hành phương tiện và công nhân đóng gói kho. Tài xế taxi đứng đầu chỉ số phơi nhiễm với 2.2 trên 3, chín trong mười nghề chịu ảnh hưởng nhiều nhất là tài xế, và công nhân đóng gói là trường hợp rõ ràng nhất mà robot đã rẻ hơn con người một chút. Y tá, thợ cơ khí và hầu hết các nghề thủ công kỹ thuật nằm ở đầu kia vì công việc của họ cần sự khéo léo, phán đoán trong không gian không có cấu trúc hoặc tiếp xúc con người.

AI có đang cướp việc cổ cồn trắng nhanh hơn robot cướp việc thể chất không?

Bằng chứng sớm cho thấy có, ở cấp đầu vào. Phân tích của Stanford về hồ sơ bảng lương của hơn 25 triệu lao động cho thấy việc làm của nhóm 22 đến 25 tuổi trong các nghề chịu ảnh hưởng AI nhiều nhất thấp hơn khoảng 19% so với nhóm ít chịu ảnh hưởng hơn, không có thay đổi tương đương đối với lao động có kinh nghiệm, trong khi các nhà kinh tế của Anthropic không thấy sự gia tăng thất nghiệp mang tính hệ thống ở lao động chịu ảnh hưởng nói chung. Các nhiệm vụ số gần như không tốn chi phí để tự động hóa một khi mô hình đã tồn tại; các nhiệm vụ thể chất cần phần cứng vẫn còn đắt.

Một thợ lành nghề nên làm gì trước tự động hóa?

Hãy tự động hóa phần văn phòng của doanh nghiệp, nơi AI đã rẻ và có năng lực, và đầu tư vào những kỹ năng mà robot không sánh được: sự khéo léo, chẩn đoán trong không gian không có cấu trúc và mối quan hệ với khách hàng. Riêng ngành xây dựng Vương quốc Anh cần hơn 206,000 lao động bổ sung đến năm 2030 theo CITB, nên phần con người của nghề đang thiếu hụt chứ không dư thừa.

Khoảng trống mà Jobbit được xây dựng để lấp là gì?

Sự bàn giao giữa công việc số tự động hóa và công việc thể chất của con người. Tác nhân AI của Jobbit làm nghiên cứu, tài liệu, website và các việc hành chính mà bằng chứng cho thấy rẻ để tự động hóa, và chuyển công việc cần đôi tay, một chuyến thăm công trình hoặc trách nhiệm giải trình cho một chuyên gia đã được thẩm định trên pro.jobbit.uk, với khoản thanh toán được giữ ký quỹ. Jobbit Labs làm việc về dữ liệu nhiệm vụ thực tế mà nghiên cứu xác định là thành phần còn thiếu cho AI vật lý.