29/10/2026 07:02

Làm nhiều có đồng nghĩa tạo ra nhiều giá trị?

#Công việc #Phát triển bản thân #Lãnh đạo

11 phút đọc

Hãy hình dung một ngày có đủ mọi dấu hiệu của sự chăm chỉ: tin nhắn được trả lời liên tục, các cuộc họp nối nhau, danh sách công việc được đánh dấu gần kín. Đến tối, ta hỏi lại: hôm nay có vấn đề nào thực sự được giải quyết?

Câu trả lời đôi khi khó hơn việc kể mình đã bận thế nào.

Nhưng từ đó kết luận rằng bận rộn là vô ích cũng quá nhanh. Có những ca trực phải có người hiện diện. Có những giai đoạn công việc cần tăng khối lượng. Và có những người cả ngày giúp người khác làm được việc, đến cuối ngày lại chẳng có sản phẩm mang tên mình.

Muốn trả lời câu hỏi “làm nhiều có tạo nhiều giá trị không?”, ta cần nói rõ mình đang đếm cái gì — và ai được hưởng lợi.

Công sức, đầu ra và lợi ích thực tế

Tôi thấy hữu ích khi tách công việc thành ba lớp. Đây là cách đặt câu hỏi để suy nghĩ, không phải một mô hình đã được kiểm định cho mọi nghề.

Công sức là thời gian, sự chú ý và năng lượng đã bỏ ra. Đầu ra là thứ được tạo thành: một tài liệu, một sản phẩm, một buổi hướng dẫn. Lợi ích thực tế là thay đổi có ích mà những đầu ra ấy góp phần tạo nên cho người sử dụng.

Thử một ví dụ giả định: một nhóm viết hướng dẫn dùng phần mềm.

Thời gian họp, viết và rà soát là công sức.
Bộ hướng dẫn được xuất bản là đầu ra.
Người mới thực hiện đúng thao tác, bớt phải hỏi lại và tránh được lỗi là lợi ích mong đợi.

Bộ hướng dẫn dài hơn chưa chắc giúp người đọc hơn. Nhưng cũng không thể chỉ nhìn số trang rồi bảo nhóm đã làm thừa: có thể họ đang xử lý một tình huống khó mà tài liệu ngắn trước đây bỏ sót.

Câu hỏi nên tiến thêm một bước: ai sẽ dùng thứ này, trong tình huống nào, và sau khi dùng thì điều gì tốt lên?

Không phải lợi ích nào cũng đổi được ra tiền. Một quyết định rõ hơn, một người mới tự làm được việc hay một hệ thống tiếp tục vận hành an toàn đều đáng được tính đến.

Nhiều thuyền giấy mắc ở bờ suối bên cạnh một chiếc cầu giúp các kiện hàng đi qua

Vì sao bận rộn dễ được coi là có năng lực?

Trong chuỗi nghiên cứu của Silvia Bellezza, Neeru Paharia và Anat Keinan, dấu hiệu bận rộn có thể khiến người quan sát suy ra rằng một người có năng lực, tham vọng và được thị trường cần đến. Hiệu ứng thay đổi theo niềm tin và bối cảnh văn hóa. Bellezza và cộng sự, 2017

Điều được khảo sát ở đây là ấn tượng về địa vị, không phải giá trị công việc thực sự. Không thể dùng kết quả này để nói mọi người bận đều đang trình diễn, hay áp nguyên kết luận sang một đội ngũ Việt Nam.

Với tôi, lời nhắc nằm ở cách đánh giá: lịch kín có thể là một tín hiệu, nhưng cần xem thêm bằng chứng. Người trả lời muộn có thể đang tập trung làm phần khó. Người ít phát biểu có thể đã chuẩn bị rất kỹ. Người luôn có mặt cũng có thể đang gánh một khối lượng vượt sức.

Thay vì đoán động cơ qua vẻ ngoài, hãy hỏi công việc đã tiến đến đâu và điều kiện nào đang cản trở.

Thêm giờ có thể tăng sản lượng, nhưng không theo một tỷ lệ cố định

John Pencavel phân tích dữ liệu công nhân sản xuất đạn dược tại Anh trong Thế chiến thứ nhất. Trong dữ liệu ấy, quan hệ giữa giờ làm và sản lượng không tuyến tính: khi giờ làm đã cao, sản lượng tăng chậm dần khi tăng thêm giờ. Pencavel, bản nghiên cứu tại IZA

Đây là dữ liệu lịch sử trong một loại lao động cụ thể, với số quan sát hạn chế; không phải thử nghiệm ngẫu nhiên trên nhân viên văn phòng hiện nay. Nó không cung cấp một ngưỡng giờ chung để áp cho mọi người. Hơn nữa, sản lượng tăng chậm dần vẫn có thể là sản lượng tăng.

Bởi vậy, câu hỏi quản trị cần cụ thể hơn “có nên làm thêm không?”. Làm thêm để xử lý việc gì? Phần tăng thêm có đáng với chi phí? Nếu phải lặp lại tuần sau, nguyên nhân là nhu cầu thực hay một điểm nghẽn chưa được giải quyết?

Một đợt dồn sức có mục đích khác với việc lấy tăng giờ làm phương án mặc định cho mọi vấn đề.

Đếm sản phẩm vẫn chưa đủ

Nghiên cứu Generative AI at Work, công bố năm 2025, dùng số vấn đề khách hàng được giải quyết mỗi giờ làm thước đo năng suất chính; đồng thời xem thời lượng xử lý, tỷ lệ giải quyết và sự hài lòng của khách. Đây là nghiên cứu triển khai AI theo từng đợt trong một bối cảnh hỗ trợ khách hàng cụ thể. Brynjolfsson, Li và Raymond, mục IV.B

Cách đo ấy là một ví dụ đáng tham khảo: xem tốc độ cùng với chất lượng giải quyết. Nó chưa bao quát toàn bộ giá trị với khách hàng hay tác động lâu dài, và không chứng minh mọi nghề nên dùng cùng chỉ số.

Nếu áp vào công việc của mình, tôi sẽ bắt đầu bằng một đầu ra rồi hỏi nó cần đi kèm dấu hiệu nào để tránh hiểu sai:

Tài liệu đã giao: người nhận có dùng được mà không phải làm lại phần lớn không?
Buổi đào tạo đã tổ chức: sau đó người học có thực hiện được thao tác cần thiết không?
Yêu cầu đã đóng: vấn đề có được giải quyết, hay chỉ được chuyển sang người khác?

Những câu hỏi này là đề xuất thực hành. Chúng giúp kiểm tra ý nghĩa của con số, chứ không tự tạo thành một hệ đánh giá công bằng.

Giá trị cũng có thể xuất hiện muộn

Một cập nhật nghiên cứu do nhóm tác giả công bố trên Google Research ngày 7/10/2026 phân biệt chất lượng sản phẩm có AI hỗ trợ với năng lực phán đoán khi bỏ công cụ. Trong thử nghiệm ba tháng với luật sư sáng chế, cải thiện chất lượng soạn thảo không chuyển thành cùng một mức tiến bộ kỹ năng ở mọi nhóm kinh nghiệm. Mẫu nghề nghiệp hẹp và thời gian theo dõi ngắn giới hạn việc suy rộng. Autor và Rodchenko, 2026

Từ đó, tôi nghĩ khi chọn cách làm nhanh hơn, nên hỏi thêm: cách làm này có giữ được năng lực mà đội ngũ cần về sau không?

Đây là một câu hỏi quản trị rút ra từ nghiên cứu, không phải kết luận rằng dùng công cụ sẽ làm con người mất nghề. Tốc độ hôm nay và khả năng tự xử lý ngày mai là hai kết quả có thể cần theo dõi riêng.

Đừng để việc khó đếm biến thành việc không được ghi nhận

Một người bảo trì tốt có thể giúp hệ thống chạy bình thường. Một đồng nghiệp dành thời gian giải thích có thể giúp người mới tránh lặp lỗi. Một cuộc trao đổi sớm có thể làm lộ bất đồng trước khi nó trở thành vấn đề lớn.

Đó là các ví dụ về đóng góp có thể bị bỏ sót nếu chỉ đếm sản phẩm mang tên từng người. Nhưng cũng cần cẩn thận ở chiều ngược lại: không thể lấy “phòng ngừa” làm lời giải thích không bao giờ cần bằng chứng. Việc không có sự cố chưa đủ chứng minh một hoạt động đã ngăn được sự cố.

Tôi đề nghị ghi nhận bằng dấu vết phù hợp: lỗi nào được phát hiện; điểm yếu nào được xử lý; người được hỗ trợ nay tự làm được phần gì; bước bàn giao nào bớt phải hỏi lại. Có những đóng góp cần nhận xét có căn cứ từ người cùng làm, thay vì ép thành một con số giả chính xác.

Hai người phối hợp kiểm tra mối ghép của chiếc cầu gỗ trên bàn làm việc

Cũng cần nhìn cả nhóm. Nếu một người giao nhanh bằng cách đẩy phần sửa lỗi sang đồng nghiệp, tốc độ cá nhân ấy chưa phản ánh chi phí toàn bộ công việc. Nếu một người làm ít sản phẩm hơn vì đang hướng dẫn người mới, đánh giá họ bằng cùng số lượng có thể khuyến khích mọi người ngừng giúp nhau.

Một hệ thống đánh giá nên làm cho đóng góp hữu ích dễ được nhìn thấy, kể cả khi đóng góp ấy không nằm trên sân khấu.

Kết quả tốt cũng chưa chứng minh cách làm tốt

Giả sử sau một tuần thay đổi quy trình, số yêu cầu được xử lý tăng lên. Đó là tín hiệu đáng xem, nhưng còn nhiều cách giải thích: tuần ấy ít việc khó hơn, nhóm nhận thêm người, hoặc khách hàng phản hồi nhanh hơn.

Ngược lại, kết quả xấu chưa đủ để phủ nhận nỗ lực và cách làm. Một thử nghiệm có thể thất bại nhưng loại được một giả định quan trọng; một người có thể làm đúng trách nhiệm mà vẫn gặp hoàn cảnh bất lợi.

Theo tôi, khi đánh giá nên xem cùng lúc ba điều:

Kết quả đã xảy ra: dữ liệu cho thấy gì, trong khoảng thời gian nào?
Đóng góp có thể nhận diện: người hoặc nhóm đã thay đổi điều gì, bằng chứng nào nối việc ấy với kết quả?
Điều kiện thực hiện: độ khó, nguồn lực và những yếu tố nằm ngoài quyền kiểm soát ra sao?

Cần tránh cả hai cực: chỉ chấm thành tích bằng kết quả cuối cùng, hoặc chỉ kể nỗ lực mà không chịu kiểm tra hiệu quả.

Một tuần thử nhìn khác vào công việc

Phân tích gộp của Aeon, Faber và Panaccio ghi nhận quản lý thời gian liên hệ với cả hiệu suất và trạng thái sống tốt; mối liên hệ với sự hài lòng cuộc sống nổi bật hơn với hiệu suất. Phần lớn nghiên cứu thành phần là nghiên cứu cắt ngang, nên không thể đọc mọi liên hệ thành quan hệ nhân quả. Các chương trình can thiệp cũng khác nhau đáng kể. Aeon và cộng sự, 2021, Discussion và Limitations

Điều đó khiến tôi muốn giữ phép thử công việc đủ nhỏ, có tính đến con người. Dưới đây là một đề xuất để quan sát trong tuần tới, chưa phải một gói phương pháp đã được kiểm định:

Đầu tuần, chọn một thay đổi có ích. Ví dụ giả định: giúp người mới thực hiện được một quy trình thường dùng mà ít phải nhờ hỗ trợ. Ghi lại hiện trạng, tránh đặt mục tiêu mơ hồ như “làm việc hiệu quả hơn”.

Chọn việc có khả năng tạo thay đổi ấy. Có thể là sửa một hướng dẫn khó hiểu và cùng người mới thử lại. Nêu rõ vì sao chọn việc đó; nếu chỉ là phỏng đoán, hãy gọi nó là phỏng đoán.

Giữ một dấu hiệu về chất lượng. Trong ví dụ này, theo dõi cả thao tác sai, thay vì chỉ số lần người mới hỏi. Hỏi ít đi vì ngại làm phiền không phải kết quả mong muốn.

Cuối tuần, xem lại cùng người sử dụng. Điều gì tốt lên, điều gì chưa đổi, có chi phí nào chuyển sang người khác? Một tuần cho tín hiệu để điều chỉnh, chưa đủ chứng minh tác động lâu dài.

Nếu không có quyền thay đổi cả quy trình, vẫn có thể bắt đầu bằng một cuộc trao đổi về tiêu chuẩn bàn giao. Nếu đang thiếu người hoặc quá tải kéo dài, vấn đề cần được đưa về phân bổ nguồn lực; một mẫu tự theo dõi không thay thế được trách nhiệm ấy của tổ chức.