在全球范围内，人工智能的应用速度正在超过劳动力准备程度。近四分之三的组织已经部署或正在试点人工智能，但只有18%的组织表示，其大多数员工已经参加了人工智能再培训或技能提升项目。亚太地区也面临类似挑战：74%的组织正在部署或试点人工智能，但只有21%的组织认为他们能够有效招聘并留住足够多具备人工智能技能的人才。
越南反映了这一更广泛的地区趋势。该国计划到2045年跻身全球数据开发利用和人工智能发展前30个国家之列，但应用情况仍不均衡。ITViec的2025年调查发现，在接受调查的越南公司中，73%已在某种程度上整合了人工智能，而只有13.8%达到了规模化或全面应用。与此同时，亚马逊云科技（AWS）的2025年研究发现，55%的应用者将缺乏数字技能列为扩大人工智能应用的主要障碍。
这些发现凸显出，人工智能转型不仅仅是一项技术部署工作。能够蓬勃发展的组织，将是那些围绕有效的人机协作重新设计工作，并以合适的技能、明确的角色、治理和持续变革管理为支撑的组织。
人工智能先改变任务，再改变工作
关键劳动力问题不在于人工智能是否会取代工作，而在于它将如何重塑构成这些工作的任务，以及这些任务是会被自动化、增强，还是仍需要深度人工参与。大多数岗位由多项任务组成，人工智能将以不同方式影响这些任务，而且它们变化的速度也会不同。
在越南，国际劳工组织估计，20.8%的就业岗位（相当于1150万个工作岗位）可能受到生成式人工智能的影响。然而，只有1.8%的岗位属于最高暴露类别，这表明人工智能更可能改变现有岗位中的任务，而不是导致大范围的职业替代。
这一区分很重要，因为劳动力规划因此需要从宽泛的职位名称转向理解单项任务如何变化，并进行任务层面的分析。在客户服务中，人工智能可以支持工单路由、回复起草、知识检索和报告，同时让员工更专注于复杂问题解决案例、客户关系、判断和服务补救。在软件开发中，人工智能可以减少花在常规和重复性编码上的时间，同时提升架构、质量保证、验证、系统集成和更高价值问题解决的重要性。
劳动力准备程度是投资回报率的乘数
人工智能的价值取决于组织围绕该工具重新设计系统的效果。很多时候，部署效果是用活动量来衡量的：登录次数、提示词数量或推出的工具数量。然而，活动量本身并不等于影响力。
挑战在于，技术在几个月内就会演进，而技能、岗位架构、绩效体系、学习基础设施和文化可能需要数年才能适应。当应用速度超过准备程度时，投资回报可能停滞，使用率可能趋于平缓，风险或阻力可能上升。
因此，领导者应将人工智能准备程度视为一项综合性人才战略，它建立在四大支柱之上：技能与学习、岗位设计与岗位架构、指标与激励，以及治理与信任。这些支柱共同将人工智能投资与业务优先事项连接起来，而不仅仅是试验。
领导者现在应该做什么
在8月4日于河内和8月8日于胡志明市举行的Aon越南人力资源洞察研讨会上，来自河内和胡志明市100多家组织的人力资源专业人士和专家齐聚一堂，讨论了典型的AI劳动力转型历程应该是什么样子。
识别AI能在哪里创造最高商业价值。并非每个工作流程都需要AI，也并非每个用例都值得同等投资。领导者应优先考虑AI能够提升生产力、质量、客户体验或决策速度的领域。
量化对劳动力的影响。组织需要梳理AI将如何重塑岗位和任务，识别自动化风险，并找出新的价值创造活动。
在扩大工具规模之前重新设计工作。自动化旧的工作流程可能造成碎片化和焦虑。重新设计岗位、流程和运营模式，可以明确AI应该做什么、人的判断在哪些环节重要，以及如何避免价值链中的瓶颈或中断。
建立结构化的再培训路径。培训不应泛泛而谈，而应以岗位为基础、切合实际，并与未来技能、职业路径和重新部署机会相衔接。
协调治理与激励。如果期望员工负责任且高效地使用AI，绩效体系、领导行为和治理护栏就必须强化这一期望。
为员工创建可信的过渡路径。只有当员工理解自己的岗位将如何变化、会获得哪些支持以及如何保持自身相关性时，AI劳动力转型才会成功。在整个过程中，应优先重视员工沟通和福祉。
越南的AI机遇是真实存在的，但下一阶段取决于组织能否将国家雄心转化为劳动力准备程度和业务执行力。
对越南雇主而言，战略问题不再是“我们能以多快速度采用AI？”，而是“我们的劳动力在利用AI创造可衡量的商业价值方面准备得如何？”那些以纪律性回答这一问题的公司，将超越试点阶段，降低风险，并为未来打造一支适应力更强的劳动力队伍。
（编译：Ivy；审校：Woo；来源：越南中文社yuenan.com）
原创文章，作者：越南中文社，如若转载，请注明出处：https://yuenan.com/news-127336/
