Nợ nhận thức

Từ khóa của tuần này đến từ những lượt chat vô tri của Py với GPT về tương lai, nơi AI chắc chắn sẽ thâm nhập và xâm lấn ngày càng sâu vào cả công việc lẫn đời sống. Trong đó, cụm từ khiến Py chú ý hơn hẳn chính là “nợ nhận thức” (cognitive debt). Bài viết này là phần tổng hợp lại cách Py hiểu về hiện tượng này.

Nợ nhận thức là gì?

Theo Py tìm hiểu, hiện tượng này khởi phát từ khái niệm cognitive offloading (giảm tải nhận thức). Hiểu đơn giản, đó là việc dùng các công cụ bên ngoài để “gánh” bớt khối lượng tư duy cho não. Ghi chép vào sổ, đặt lịch nhắc trên điện thoại hay bấm máy tính thay vì nhẩm trong đầu… đều là offloading, và bản thân nó chẳng có gì xấu.

Tuy nhiên, “nợ nhận thức” lại là một tầng khái niệm khác, được mượn từ thuật ngữ technical debt (nợ kỹ thuật) và xuất hiện trong nghiên cứu Your Brain on ChatGPT của nhóm MIT Media Lab (2025)¹. Cốt lõi của nó là:

Hiệu quả nhanh chóng trước mắt luôn được đánh đổi bằng những khoản chi phí phát sinh về lâu về dài.

Anh chị em làm Product có lẽ không lạ gì nợ kỹ thuật. Vì cần ship tính năng nhanh mà ta tạm thời bỏ qua vài edge cases, để rồi sau đó phải “trả lãi” bằng hàng đống bug cùng những đợt refactor mệt mỏi. Nợ nhận thức vận hành y hệt như thế, chỉ khác ở chỗ: “codebase” đang gánh nợ không phải là mã nguồn, mà chính là năng lực tư duy của chúng ta.

Góc nhìn chính chuyên
(Phần này được tổng hợp với sự hỗ trợ của AI)

1. MIT: Não làm việc ít hơn khi viết cùng ChatGPT¹

Nhóm tác giả mời 54 sinh viên thực hiện bài viết luận qua nhiều buổi, chia thành 3 nhóm:

  • Dùng ChatGPT
  • Chỉ dùng công cụ tìm kiếm
  • Tự viết hoàn toàn

Trong quá trình viết, mỗi người được đeo thiết bị EEG để đo hoạt động của não. Kết quả cho thấy ở nhóm dùng ChatGPT, các vùng não kết nối và “trò chuyện” với nhau ít nhất. Nói nôm na là não làm việc ít hơn hẳn. Nhóm này cũng nhớ nội dung bài mình vừa viết kém hơn và ít cảm thấy bài viết thuộc về mình nhất.

2. UC Berkeley: Khi AI đột ngột biến mất²

Nhóm nghiên cứu đi tìm lời giải cho một câu hỏi rất thực tế: Nếu đang quen dùng AI mà đột ngột không còn AI nữa, liệu ta có tự làm được không?

Họ mời 1.222 người giải toán phân số và làm bài đọc hiểu SAT. Một nhóm được dùng ChatGPT để hỏi (thậm chí xin luôn đáp án), nhóm còn lại tự làm.

  • Ở những câu đầu, nhóm có AI đạt tỉ lệ đúng cao hơn.
  • Nhưng trong bài toán phân số, sau câu thứ 12 khi AI bị rút đi, tỉ lệ làm sai hoặc bỏ qua câu hỏi của nhóm này ngay lập tức tăng đột biến.
  • Trái lại, nhóm tự làm từ đầu vẫn bền bỉ hoàn thành và đạt kết quả tốt hơn về cuối.
  • Thí nghiệm đọc hiểu cũng ghi nhận kết quả tương tự.

Dĩ nhiên, hai nghiên cứu trên đều có những giới hạn nhất định: bài của MIT có cỡ mẫu nhỏ và mới ở dạng preprint, còn bài tập phân số thì khác xa thực tế công việc. Nhưng như tác giả từ Berkeley chia sẻ, đây không chỉ là chuyện đề SAT hay toán phân số, mà là thực trạng đang diễn ra với năng lực chuyên môn ở mọi cấp độ, từ học sinh cho đến các chuyên gia hàng đầu.

3. Frontiers in Psychology: Vấn đề nằm ở cách dùng, không phải liều lượng³

Đứng trước phản xạ tự nhiên là “nên bớt dùng AI lại”, nghiên cứu này gợi ý rằng vấn đề không nằm ở liều lượng, mà ở cách dùng. Theo dõi 589 sinh viên và người mới đi làm qua ba đợt, nhóm tác giả chia cognitive offloading thành hai dạng:

Dependent offloadingGiao đứt phần suy nghĩ cho AI, tiếp nhận câu trả lời hoàn chỉnh mà ít khi đánh giá hay phản biện lại.
Autonomous offloadingDùng AI như một hệ giàn giáo: lấy gợi ý làm điểm khởi đầu nhưng vẫn tự mình tư duy.

Sau vài tuần, những người quen giao khoán việc suy nghĩ cho AI tự đánh giá bản thân sụt giảm rõ rệt: giảm tự tin khi làm việc độc lập, ít ý tưởng mới và khó tự đưa ra kết luận. Họ cũng dần mất đi hứng thú với việc tự tư duy, và xu hướng này thể hiện khá rõ ở nhóm người đã đi làm.

Điều đáng nói là trong lúc thực hiện, cả hai cách dùng đều cho cảm giác hoàn thành nhanh và khỏe như nhau. Nghĩa là nếu chỉ tin vào cảm giác chủ quan, ta khó mà biết mình đang rơi vào kiểu phụ thuộc nào.

Điểm giao nhau

Dù nghiên cứu thứ ba dựa trên tự đánh giá (chưa khẳng định quan hệ nhân quả tuyệt đối), nó lại rất khớp với một chi tiết từ MIT: thứ tự trải nghiệm đóng vai trò quyết định. Những người tự viết trước rồi mới dùng AI kiểm tra lại sẽ ghi nhớ tốt hơn; còn nhóm phụ thuộc vào AI từ đầu sẽ loay hoay ngay khi mất đi công cụ.

Suy cho cùng, câu hỏi cốt lõi không phải là “Có nên dùng AI hay không?”, mà là:

“Ta đang để AI gánh phần nào: phần gõ phím hay phần suy nghĩ?”

Cách Py hiểu

Ở bài Sycophancy, Py từng viết rằng AI đang được tối ưu cho user satisfaction (sự hài lòng) thay vì user outcome (kết quả thực chất). Nhóm nghiên cứu Berkeley cũng chạm đến một góc nhìn tương đồng: AI được tối ưu cho sự hữu ích tức thời có thể bào mòn năng lực dài hạn của người dùng.

Nối hai điểm này lại, theo cách hiểu của Py: Vì AI luôn chiều ý nên ta dễ nảy sinh tâm lý ỷ lại → càng tin tưởng, ta càng ít kiểm tra lại → càng lười kiểm tra, nợ nhận thức càng tích tụ nhanh chóng.

Thực tế công việc đang dịch chuyển dần từ “tự làm” sang “kiểm tra output của AI”. Thế nhưng, để kiểm tra tốt, ta lại cần chính những năng lực đang bị bào mòn bởi sự phụ thuộc: tự tư duy, tự soi lỗi và tự đặt câu hỏi ngược lại.

Vài cách để giảm khoản “nợ” này

Py không nghĩ có công thức chung, nhưng dựa trên các nghiên cứu, có vài điểm rất đáng để thử:

1. Nhận diện ranh giới Để ý xem ta đang giao cho AI phần nào. Giao phần thực thi (soạn thảo, định dạng, tóm tắt thông tin đã hiểu) là autonomous offloading. Nhưng giao luôn phần suy nghĩ cốt lõi lại là dependent offloading.

2. Đảo ngược thứ tự tư duy Tự suy nghĩ trước, sau đó mới dùng AI để đối chiếu. Khi kiểm tra, hãy ưu tiên hỏi “Tại sao?” thay vì “Cái gì?”. Câu hỏi nguyên do sẽ giữ ta ở thế chủ động tư duy thay vì chỉ thụ động tiếp nhận đáp án.

3. Giữ khoảng không nguyên bản Tạo ra những khoảng không hoàn toàn vắng bóng AI để duy trì độ sắc bén cho não bộ. Brian Christian, đồng tác giả nghiên cứu Berkeley và là người đã nghiên cứu AI suốt 20 năm, vẫn giữ thói quen viết sổ tay mỗi ngày. Một chuyên gia như vậy còn cẩn trọng giữ mình, thì chúng ta lại càng có lý do để suy ngẫm.

Nợ không phải lúc nào cũng xấu. Trong nghề làm sản phẩm, dân dev đôi khi vẫn chủ động gánh một ít technical debt để kịp tiến độ ship hàng. Điều đáng sợ nhất là gánh nợ mà không hề biết mình đang nợ.

Bài viết này cũng bắt đầu từ việc Py dùng AI để tìm chủ đề, và Py nghĩ điều đó hoàn toàn ổn. Phần Py giữ lại cho riêng mình là tự đọc thêm, tự thẩm thấu và tự tay viết ra những dòng này.

Có lẽ đó là cách trả nợ dễ nhất mà Py đang làm – mong là có tác dụng.


Trong bài Py có đề cập đến một vài nghiên cứu, nhưng chia sẻ thẳng thắn thì Py không đọc hết toàn bộ từng paper, mà ưu tiên đọc abstract, conclusion, và cross-check với các nguồn uy tín.

¹ Kosmyna et al. — Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task (MIT Media Lab, 2025)

² Berkeley News — Study explores how AI use affects performance on math and reasoning tasks (10/2026)

³ Zhu et al. — Not all cognitive offloading is equal: distinguishing dependent and autonomous offloading to generative AI (Frontiers in Psychology, 2026)


Cám ơn bạn đã nán lại cho đến những dòng cuối cùng này.

Chúc bạn nhiều may mắn và bình an.

Anpy


Comments

Leave a Reply

Your email address will not be published. Required fields are marked *

AI (22) finance (7)