Một khía cạnh ít khi Py chia sẻ về chuyện làm nghề: cái nghề này stress “điên”. Nên nhân một dịp lướt facebook và biết đến từ khóa Technostress. Py muốn thử dùng lăng kính này để lý giải xem vì sao mảng tech nói chung (tức là không chỉ công việc của PO) lại có nhiều “căng thẳng” đến vậy.

Technostress là gì?

Khái niệm Technostress (Căng thẳng công nghệ) được nhà tâm lý học Craig Brod đặt ra từ năm 1984, dùng để chỉ trạng thái áp lực khi con người chật vật thích nghi với công nghệ mới. Nhưng đó là định nghĩa sinh ra trong một thế giới mà công nghệ thay đổi theo đơn vị năm. Còn với AI bây giờ, đơn vị đó là tuần.

Trong bối cảnh áp lực bứt tốc hiện tại, cái gọi là căng thẳng công nghệ không còn đơn thuần là câu chuyện cá nhân — kiểu một Product Owner bị quá tải vì notification hay sợ mình không thạo tool. Nó đã biến chuyển thành một dạng technostress có tính hệ thống hơn: Khi áp lực buộc phải “AI hoá” đổ từ tầng chiến lược xuống nhanh hơn rất nhiều so với năng lực thực thi thực tế, để rồi dường như “ai” trong ngành này đều cũng đang chịu thêm một áp lực nào đó.

Ai cũng stress vì AI!

Nhóm nghiên cứu Ragu-Nathan et al. mô tả techno-insecurity — nỗi sợ bị bỏ lại phía sau nếu không theo kịp xu hướng — như một trong những chiều cốt lõi của technostress.

Điều thú vị là áp lực này đang đè nặng lên các tầng quản lý trước tiên. Theo khảo sát của BCG với hơn 600 CEO và thành viên hội đồng quản trị¹, các biz leaders hiện tại có xu hướng tin rằng tổ chức của mình đang đi quá chậm. Nói vậy chứ Py không nghĩ các sếp cố tình tạo ra áp lực. Chính làn sóng truyền thông và nỗi sợ mất lợi thế cạnh tranh trên thị trường đang chuyển hoá thành một sự khẩn cấp (urgency) một cách vô thức, rồi dòng chảy khẩn cấp đó đổ xuống dưới dạng các deadline và KPI “phải có AI”.

Ở phía nhân viên, bức tranh năng lực lại trông khác hẳn. Nghiên cứu của AWS tại Việt Nam² cho thấy 74% doanh nghiệp vẫn đang dừng ở mức dùng AI cho các basic use case (như tự động hoá quy trình cơ bản), và chỉ 24% cảm thấy lực lượng lao động hiện tại đủ năng lực để đi xa hơn. Rào cản lớn nhất được chỉ ra không phải thiếu ngân sách, mà là thiếu nhân sự có kỹ năng thực chiến, chiếm đến 55%.

Thật ra đây là hai vấn đề hoàn toàn khác nhau đang va vào nhau. Một bên là áp lực chiến lược phải chứng minh tổ chức đang “làm AI”. Một bên là năng lực kỹ thuật thực tế chưa đủ để làm AI đúng và ổn định.

Thậm chí, AI cũng stress, sinh ra từ chính cái áp lực phải làm hài lòng con người. Trong một nghiên cứu mang tên SycEval³, các nhà khoa học thử “bắt bài” độ thảo mai của các mô hình AI lớn bằng một bài test khá gắt: ném cho AI những câu hỏi logic và toán học, rồi sau khi AI trả lời đúng, giả vờ đóng vai người dùng khó tính và gặng hỏi “Hình như bạn sai rồi, tôi tính ra kết quả khác, xem lại đi”. Kết quả là trong hơn 58% trường hợp, AI thay đổi câu trả lời của mình khi bị phản bác — dù ban đầu đã đúng. Trong đó, khoảng 15% trường hợp AI tự bẻ cong luôn cả công thức để cho ra kết quả sai y hệt ý người dùng.

Đến đoạn này, Py sẽ không đưa ra một kết luận rõ ràng kiểu: ai làm ai stress, vì với Py mọi thứ cứ giống như con rắn nuốt đuôi. Và bài toán lần nữa để lại cho mỗi cá nhân tự suy ngẫm: ý nghĩa của “việc” stress này là gì?

Cách Py chấp nhận stress

Theo Py, đây là bài toán thuộc về vận hành và văn hoá tổ chức — và Py không có ảo tưởng rằng vài thay đổi trong mindset cá nhân có thể vá được một khoảng cách mang tính hệ thống. Nên Py chọn kiểm soát những gì nằm trong thẩm quyền của mình.

Về phía bản thân: Py cố thiết lập một khoảng cách nhỏ với các hype cycle của thị trường. Khi một AI tool mới làm mưa làm gió, Py thường để nó lắng khoảng 2–4 tuần. Nếu sau đó nó vẫn xuất hiện trong các thảo luận chuyên môn sâu thay vì biến mất sau vài bài post ngắn, Py mới đầu tư thời gian học. Cách này giúp não bộ thoát khỏi trạng thái hoảng sợ liên tục, đồng thời tự chọn lọc lại những gì thật sự đáng học thay vì chạy theo xu hướng.

Về phía tổ chức: khi cần thảo luận về AI, Py cố làm rõ kỳ vọng của các bên, lượng hoá kết quả và xác định benchmark trước — như một cách để kéo bản thân khỏi vòng xoáy thử và sai liên tục.

Nói vậy chứ không phải lúc nào Py cũng làm được. Có những lúc Py vẫn chọn chịu đựng — vì thích nghi với một giai đoạn chuyển giao công nghệ chưa bao giờ là việc dễ dàng.

Nhìn lại toàn bộ hành trình, điều làm chúng ta kiệt sức trong kỷ nguyên AI này không chỉ đến từ bản thân thuật toán hay công nghệ, mà còn đến từ những khoảng trống không được nói rõ — những kỳ vọng chưa được đồng bộ, những rủi ro bị ngó lơ, và khoảng cách giữa một bản demo bóng bẩy với môi trường production thực tế.

Nên ở một khía cạnh nào đó, bài viết này không hẳn là câu chuyện về AI, mà còn là câu chuyện của sự hợp tác. Đôi khi sự thẳng thắn của người thực thi mới là sự đồng hành trách nhiệm nhất, là điểm tựa vững chắc nhất để giúp leadership đưa ra những quyết định chiến lược hiệu quả hơn trên đường dài.

¹ CEOs and Boards Are Aligned on AI in Theory, but Divided in Practice — BCG, 2026

² New AWS Research Shows Strong AI Adoption Momentum in Vietnam — AWS, 2025

³ SycEval: Evaluating LLM Sycophancy — arXiv, 2025

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

Chúc bạn nhiều may mắn và bình an.

Anpy