Từ tháng 11/2022 đến tháng 9/2025, tỷ lệ tìm được việc của nhóm gắn bó chặt chẽ nhất với thị trường lao động Mỹ đã giảm 13 điểm phần trăm. Với nhóm hay nhảy việc — nhóm vốn hấp thụ các cú sốc chu kỳ — mức giảm chỉ là 2 điểm (Federal Reserve Bank of Richmond, 2026). Khoảng cách đó không có tiền lệ trong dữ liệu mà các tác giả xem xét — không có trong Đại Suy thoái, cũng không trong bất kỳ giai đoạn mở rộng nào. Và những mức sụt sâu nhất kể từ 2023 nằm ở nhóm nghề chịu tác động của AI cao nhất: lập trình viên, chuyên viên phân tích tài chính, kỹ sư.
Nếu kế hoạch nhân sự 2026 của bạn giả định rằng phần mong manh là đường ống tuyển dụng đầu vào, còn lực lượng kỳ cựu thì có thể thay thế theo giá thị trường, thì kế hoạch đó đang dựa trên một tiền đề bị đảo ngược.
Sự sụp đổ ở cấp đầu vào là có thật. Nhưng thiệt hại không nằm ở đó.
Economic Brief 26-26, công bố ngày 12/8 bởi Katarína Borovičková và Claudia Macaluso, làm điều mà phần lớn bình luận về thị trường lao động bỏ qua: bóc tách dữ liệu. Như các tác giả đã xác lập trước đó, mức tăng thất nghiệp gần đây gần như hoàn toàn là câu chuyện dòng ra — người ta không mất việc với tốc độ bất thường, họ không tìm được việc mới. Câu hỏi còn bỏ ngỏ là: những ai.
Lát cắt đầu tiên là lát cắt quen thuộc. Current Population Survey phân tách người bị mất việc, người tự nghỉ và người mới gia nhập. Tường thuật chủ đạo hai năm qua — rằng AI đang đóng lại nấc thang đầu tiên của sự nghiệp — dự đoán người mới gia nhập chịu thiệt nặng nhất. Dữ liệu nói khác. Tỷ lệ tìm được việc của người mới gia nhập có giảm, nhưng các tác giả mô tả mức giảm này là khiêm tốn so với mức sụt ở nhóm mất việc và nhóm tự nghỉ, và họ loại người mới gia nhập ra khỏi phần phân tích còn lại một cách rõ ràng (Richmond Fed, 2026).
Đây là một phát hiện hẹp và đáng được diễn đạt chính xác: nó không có nghĩa tuyển dụng đầu sự nghiệp đang khỏe mạnh. Nó có nghĩa người mới gia nhập không phải là biên giải thích cho cú sụt tổng thể. Chuyển động nằm ở chỗ khác.
Mức gắn bó, không phải thâm niên: "kiểu sơ cấp" thực sự đo cái gì
Lát cắt thứ hai là lát cắt nên thay đổi cách bạn đọc bảng theo dõi tỷ lệ nghỉ việc của chính mình.
Các tác giả áp dụng khung phân loại tiềm ẩn từ "The Dual U.S. Labor Market Uncovered" của Hie Joo Ahn, Bart Hobijn và Ayşegül Şahin (NBER, 2023), khung này sắp xếp người lao động theo mức độ gắn bó với thị trường lao động chứ không theo bất kỳ bằng cấp quan sát được nào:
- Kiểu sơ cấp — khoảng 55% dân số, gần như luôn có việc làm, ổn định và thâm niên dài
- Kiểu thứ cấp — khoảng 14%, gắn bó chặt nhưng thất nghiệp thường xuyên hơn
- Kiểu tam cấp — khoảng 31%, gắn bó yếu, thường nằm ngoài lực lượng lao động
Trong mọi chu kỳ thông thường, kiểu thứ cấp gánh phần điều chỉnh. Nhóm này chiếm phần lớn thất nghiệp trong hầu như mọi năm của dữ liệu, dù là phần dân số nhỏ nhất. Suy thoái đánh mạnh vào kiểu sơ cấp hơn nếu xét theo tỷ lệ — trong Đại Suy thoái, tỷ lệ tìm được việc của kiểu sơ cấp giảm 19 điểm từ đỉnh xuống đáy so với 10 điểm của kiểu thứ cấp — nhưng tương quan vẫn nằm trong giới hạn nhận diện được.
Giai đoạn hiện tại đã phá vỡ tương quan đó. Mười ba điểm so với hai. Những người gần như không bao giờ phải đi tìm việc lại chính là những người bây giờ không tìm được.
Một lưu ý khi chuyển sang thực hành: "kiểu sơ cấp" là một phân loại thống kê về mức ổn định việc làm, không đồng nghĩa với thâm niên. Nó tương quan với hồ sơ của các chuyên viên phân tích, kỹ sư và nhân sự tài chính lâu năm của bạn, nhưng không đo họ một cách trực tiếp. Hãy xem phát hiện này là một tín hiệu định hướng mạnh về tầng đó, không phải một hệ số để áp vào một chỉ tiêu biên chế cụ thể.
Sự phân kỳ theo mức tiếp xúc AI có một mốc khởi đầu: 2023
Ở lát cắt thứ ba, cơ chế được gọi tên. Theo phương pháp của Michael Webb — chấm điểm nghề nghiệp dựa trên mức độ trùng lặp giữa nội dung công việc với các năng lực kỹ thuật mô tả trong bằng sáng chế AI (Webb, 2019) — các tác giả xếp người lao động vào các nhóm phần tư theo mức tiếp xúc AI.
Trước đây, tỷ lệ dòng ra giữa các nhóm phần tư này dịch chuyển cùng nhịp với chu kỳ kinh tế, chỉ khác nhau ở những chênh lệch mức độ nhỏ. Từ 2023 chúng đã phân kỳ, và người lao động ở những nghề chịu tác động nhiều nhất ghi nhận mức sụt lớn nhất về tỷ lệ tìm được việc.
Thành phần của nhóm phần tư cao nhất chính là phần mà lãnh đạo vận hành ở doanh nghiệp tầm trung nên dừng lại xem xét. Các nghề chịu tác động cao gồm lập trình viên, chuyên viên phân tích tài chính và kỹ sư. Ít chịu tác động nhất: xây dựng, dịch vụ ăn uống, chăm sóc cá nhân. Đây không phải câu chuyện về vùng ngoại vi trong sơ đồ tổ chức của bạn. Đây là câu chuyện về những vị trí gánh hệ thống, kỳ chốt sổ và sản phẩm của bạn.
Đã có một dòng nghiên cứu trước đó dự báo hình dạng này. Công trình của Acemoglu và Restrepo về robot công nghiệp cho thấy hiệu ứng thay thế tập trung ở các nghề chịu tác động, đi kèm việc tái phân bổ sang công việc ít chịu tác động hơn — một mô thức trong đó con số việc làm tổng hợp vẫn dễ đọc trong khi cấu trúc bên dưới dịch chuyển mạnh (Acemoglu và Restrepo, 2020). Điều dữ liệu Richmond Fed bổ sung là: giai đoạn hiện tại thể hiện ở biên dòng ra chứ không phải biên chấm dứt hợp đồng. Doanh nghiệp không sa thải nhóm này nhanh bất thường. Họ chỉ đơn giản không hấp thụ lại những người đã ra khỏi thị trường.
Sự phân biệt đó quan trọng về mặt vận hành, vì nó có nghĩa tín hiệu sẽ không xuất hiện trong bảng theo dõi sa thải của bạn, cũng không trong các thông báo biên chế của ngành. Nó chỉ xuất hiện ở khoảng thời gian một người có năng lực và kinh nghiệm cần để tìm được chỗ mới — một chỉ số gần như không đội vận hành nào đo, và nó mô tả điều kiện tuyển dụng lại của chính bạn không kém gì của người khác.
Các tác giả thận trọng về quan hệ nhân quả, và chúng ta cũng nên vậy. Mô thức này nhất quán với việc tự động hóa thay thế các nghề chịu tác động, và nhất quán với bằng chứng thực địa rằng AI tạo sinh nâng năng suất ở cấp tác vụ — đặc biệt với người lao động ít kinh nghiệm — theo cách có thể định hình lại cơ cấu tuyển dụng (Brynjolfsson, Li và Raymond, 2025). Việc mức sụt này do AI cụ thể gây ra hay do các điều kiện tổng hợp tình cờ dồn lên cùng những nghề đó là chủ đề tường minh của báo cáo tiếp theo trong loạt bài. Tương quan đã được ghi nhận; phần phân rã vẫn đang chờ.
Phản biện: "Đây là dữ liệu vĩ mô. Tỷ lệ nghỉ việc của chúng tôi vẫn ổn."
Có lẽ đúng vậy. Và đó chính là vấn đề.
Có hai cơ chế đang vận hành ở đây, và cả hai đều đảo ngược cách đọc thông thường.
Tỷ lệ nghỉ việc phẳng ở tầng cấp cao là lựa chọn bên ngoài yếu, không phải chiến thắng về gắn kết
Nếu những nhân sự giàu kinh nghiệm, chịu tác động AI của bạn đang ở lại, tỷ lệ nền giờ đây đưa ra một cách giải thích thứ hai bên cạnh cách giải thích dễ nghe: họ không đi được. Mức giảm 13 điểm trong xác suất tìm được việc đối với lao động gắn bó chặt có nghĩa thị trường bên ngoài — nơi thường xác nhận thành tích giữ người của bạn — đang không vận hành. Khảo sát gắn kết của bạn sẽ không phân biệt được giữa "tận tâm" và "mắc kẹt". Con số nghỉ việc đáng tiếc của bạn sẽ trông rất đẹp cho đến đúng thời điểm tỷ lệ tìm được việc phục hồi, và rồi sẽ không còn đẹp.
Đây không phải lý do để nghi ngờ nhân sự của bạn. Đây là lý do để ngừng dùng tỷ lệ nghỉ việc làm bằng chứng chính cho sức khỏe của tầng cấp cao, và thay vào đó đọc thứ mang tín hiệu độc lập: hồ sơ ứng tuyển luân chuyển nội bộ, mức rủi ro rời đi do quản lý báo cáo, hoặc tỷ lệ lời mời bên ngoài mà nhân sự chủ động tiết lộ.
Trợ cấp thôi việc hiện đắt hơn mức nó được định giá
Mô hình tái cấu trúc tiêu chuẩn coi một vị trí là có thể mua lại: cắt bây giờ, tuyển lại theo giá thị trường khi điều kiện thay đổi. Mô hình đó định giá việc mua lại dựa trên động lực tìm việc trong lịch sử — chính là thứ mà báo cáo này nói đã gãy. Một người khó được tuyển lại từ bên ngoài thì, một cách đối xứng, cũng khó để bạn có lại: chính lực ma sát giữ chân họ cũng giữ chân khả năng tái thiết năng lực đó của bạn về sau, bởi nguồn ứng viên bạn định tuyển chính là nguồn đang không dịch chuyển.
Với một vị trí cấp cao chịu tác động AI trong một công ty 200 nhân sự toàn thời gian, câu hỏi của quý này không phải "chúng ta có vận hành được mà không cần ghế này không". Mà là "nếu mười tám tháng nữa chúng ta cần năng lực này, thị trường khi đó sẽ ra sao, và chúng ta đã trả bao nhiêu để biết điều đó". Điều chuyển nội bộ — đưa người sang một quy trình liền kề, một chức năng quản trị dữ liệu, hoặc một vai trò giám sát AI — thắng phương án trợ cấp thôi việc trong phép tính này thường xuyên hơn nhiều so với gợi ý của bảng tính, bởi trong bảng tính đang cài một chi phí mua lại đã lỗi thời.
Ba quyết định có thể ra trước khi chốt quý
- Định giá lại chi phí mua lại trong mọi trường hợp chấm dứt với vị trí chịu tác động AI. Không phải một bước ngoặt triết lý — mà là một con số. Nếu mô hình của bạn giả định tuyển bù theo giá thị trường trong 60 ngày cho một chuyên viên phân tích hoặc kỹ sư cấp cao, hãy hỏi bằng chứng nào chống đỡ giả định đó trước mức giảm 13 điểm về tỷ lệ tìm được việc của nhóm hồ sơ ấy. Ở đâu nó không đứng vững, điều chuyển nội bộ vượt lên trước phương án chấm dứt chỉ riêng về chi phí. Hãy chạy phép tính này trên hai ba vị trí bạn đã đánh dấu để rà soát; bạn không cần một chính sách, bạn cần một con số đã hiệu chỉnh cho những trường hợp thực sự đang nằm trước mặt.
- Ngừng đọc tỷ lệ nghỉ việc phẳng ở tầng cấp cao như thành tích giữ người. Thêm một câu hỏi vào kỳ rà soát quý: chúng ta có bằng chứng độc lập nào cho thấy tầng này ở lại vì lựa chọn? Nếu câu trả lời chỉ là "họ chưa nghỉ", bạn không có bằng chứng, bạn có một điều kiện thị trường.
- Rà soát vị trí nào rơi vào nhóm phần tư chịu tác động trước khi lập kế hoạch biên chế, không phải sau đó. Phân loại của Webb là công khai và ở cấp nghề nghiệp. Ánh xạ sơ đồ tổ chức của bạn lên đó mất một buổi chiều và cho bạn biết phần nào trong kế hoạch nhân sự đang phơi trước một thị trường tuyển dụng lại không vận hành bình thường.
Không quyết định nào trong số này đòi bạn phải đứng về một phía trong câu hỏi AI có gây ra sự phân kỳ hay không. Chúng chỉ đòi bạn chấp nhận rằng sự phân kỳ tồn tại và nó tập trung ở đúng tầng mà phần lớn kế hoạch coi là thay thế được.
Cửa sổ chính là phát hiện
Đặc điểm khó chịu của dữ liệu này là nó mang tính tạm thời theo cách trừng phạt sự chần chừ. Một tỷ lệ tìm được việc bị nén xuống đối với lao động chịu tác động AI trao cho bạn một sức giữ người bất thường lên đúng những người khó thay thế nhất — và trao miễn phí, vô hình, không cần bất kỳ quyết định nào từ bạn. Nó cũng hết hạn. Khi tỷ lệ dòng ra trở lại bình thường, thứ giữ người mà bạn tưởng mình đã giành được sẽ tan trở lại thành một thị trường, và tan nhanh nhất ở đúng nhóm phần tư mà bạn kém sẵn sàng để mất nhất.
Quyết định của quý này không phải là có cắt giảm hay không. Mà là liệu những vị trí bạn đang coi là thay thế được có đúng là những vị trí mà thị trường lao động đã lặng lẽ ngừng cung ứng — và bạn muốn biết điều đó ngay bây giờ, với cái giá một buổi chiều rà soát, hay mười tám tháng nữa, với cái giá của một cuộc tìm kiếm.
