AI agent không giải phóng chúng ta khỏi công việc. Chúng khiến chúng ta phải làm nhiều việc hơn để theo kịp cạnh tranh và kỳ vọng của khách hàng.
Phát hành theo quý? Đã lỗi thời. Sales trả lời sau vài ngày? Hết thời. Khách hàng tự triển khai sản phẩm? Một di tích của quá khứ.
Mọi vendor AI đều bán cho bạn cùng một giấc mơ: làm nhiều hơn với ít hơn. Ít nhân sự hơn. Ít công sức hơn. Cùng sản lượng. Thậm chí có thể tốt hơn.
Đó là một lời chào hàng hấp dẫn. Và phần lớn là sai.
Không phải vì AI agent không hiệu quả — chúng hiệu quả. Chúng tôi vận hành SaaStr với 3 người và hơn 20 AI agent, tạo ra hơn 1 triệu USD doanh thu. Nhưng đây là điều không ai nói với bạn: chúng tôi không làm ít hơn. Chúng tôi đang làm nhiều hơn đáng kể so với khi có hơn 20 nhân viên. Và chúng tôi buộc phải như vậy. Bởi vì các tiêu chuẩn cũ đã chết.
Đây không phải lỗi. Đây là một mô hình đã tồn tại hơn 100 năm.
Máy hút bụi không giúp tiết kiệm thời gian
Năm 1983, nhà sử học Ruth Schwartz Cowan xuất bản cuốn More Work for Mother, ghi lại một trong những phát hiện phản trực giác nhất trong lịch sử công nghệ: các thiết bị gia dụng “tiết kiệm lao động” thực ra không tiết kiệm lao động. Nhà kinh tế Joel Mokyr sau đó gọi đây là “Nghịch lý Cowan” — và nó giải thích chính xác điều sắp xảy ra với AI agent.
Máy hút bụi là ví dụ rõ ràng nhất. Trước khi nó tồn tại, việc làm sạch thảm là một công việc nặng nhọc theo mùa. Bạn phải dọn hết đồ đạc, cuộn những tấm thảm len nặng, mang ra ngoài, treo lên dây và đập bằng vợt cho đến khi bụi bay hết. Cần nhiều người. Và chỉ diễn ra một hoặc hai lần mỗi năm. Đó chính là nguồn gốc của khái niệm “dọn dẹp mùa xuân”.
Sau đó, máy hút bụi điện xuất hiện vào những năm 1910–1920. Đột nhiên, bạn có thể làm sạch thảm ngay tại chỗ. Không cần khuân vác. Không cần người hỗ trợ.
Vậy điều gì xảy ra? Công việc nhà có giảm không?
Không. Ba thứ thay đổi cùng lúc:
- Tần suất tăng vọt. Làm sạch thảm giờ trở nên “dễ”, nên việc để sàn nhà bẩn trong 6 tháng không còn chấp nhận được. Quảng cáo tận dụng lý thuyết vi trùng. Tiêu chuẩn chuyển từ dọn sâu theo năm sang hút bụi hàng tuần — hoặc hàng ngày.
- Công việc được phân lại. Đập thảm cần sức mạnh nên thường do đàn ông hoặc người làm thuê thực hiện. Hút bụi nhẹ hơn, nên bị phân loại thành “việc nhà nhẹ” — công việc của người vợ. Công việc không biến mất. Nó chỉ chuyển sang người khác.
- Người giúp việc bị thay thế. Các gia đình trung lưu từng thuê người giúp việc cho các công việc nặng. “Người giúp việc điện” thay thế con người. Người nội trợ giờ phải làm tất cả, một mình.
Kết quả? Các nghiên cứu về thời gian từ những năm 1930 đến 1950 cho thấy phụ nữ nội trợ vẫn dành khoảng 51 giờ mỗi tuần cho việc nhà — gần như không thay đổi so với trước khi có thiết bị.
Công cụ thay đổi. Thời gian thì không.
Cowan gọi đây là nghịch lý của công nghệ tiết kiệm lao động: nó không tiết kiệm lao động. Nó nâng tiêu chuẩn kỳ vọng và tạo ra các loại công việc mới chưa từng tồn tại trước đó.
Nếu điều này nghe quen, thì đúng vậy. Nghịch lý Cowan là “anh em họ” của Nghịch lý Jevons, được nhà kinh tế William Stanley Jevons xác định năm 1865. Jevons nhận thấy khi động cơ than trở nên hiệu quả hơn, tổng lượng tiêu thụ than lại tăng — vì chi phí mỗi đơn vị giảm, dẫn đến sử dụng nhiều hơn. Mở thêm làn đường, tắc đường tăng. Xe tiết kiệm nhiên liệu hơn, người ta lái nhiều hơn. Làm việc dễ hơn, người ta làm nhiều hơn.
Mô hình này đã tồn tại 160 năm: tăng hiệu suất không làm giảm tiêu thụ. Nó bị hấp thụ bởi sự mở rộng nhu cầu.
Cowan áp dụng điều này cho công việc gia đình. Giờ đây nó đang diễn ra với AI agent trong B2B.
Nếu điều này nghe quen, thì đúng vậy. Insight của Cowan là họ hàng với Nghịch lý Jevons. Năm 1865, Jevons nhận thấy khi động cơ than hiệu quả hơn, tổng tiêu thụ tăng. Tương tự: mở đường thì tắc, xe tiết kiệm thì đi nhiều hơn, việc nhà dễ hơn thì tiêu chuẩn sạch tăng, công việc tri thức nhanh hơn nhờ AI thì kỳ vọng đầu ra bùng nổ.
Luôn là cùng một mô hình: hiệu suất tăng → nhu cầu mở rộng → không giảm nỗ lực.
Khác biệt với AI là tốc độ. Máy hút bụi mất hàng thập kỷ để thay đổi kỳ vọng. AI agent đang làm điều đó trong vài tháng.
Đây chính xác là điều đang xảy ra với AI agent
Chúng tôi đã thấy mô hình này lặp lại theo thời gian thực tại SaaStr.
Hai năm trước, chúng tôi có hơn 20 nhân viên vận hành sự kiện, nội dung, cộng đồng và quỹ. Hôm nay chúng tôi có 3 người và hơn 20 AI agent. Doanh thu chuyển từ -19% sang +47% theo năm. SaaStr.ai đạt hơn 500.000 người dùng trong 45 ngày. Chúng tôi xử lý hàng trăm nghìn định giá startup mỗi tháng. Cá nhân tôi đã xây dựng hơn 10 ứng dụng production bằng AI với hơn 750.000 lượt sử dụng.
Không điều nào trong số đó xảy ra khi chúng tôi có hơn 20 người.
AI agent không giúp chúng tôi làm cùng công việc với ít người hơn. Chúng giúp chúng tôi làm những loại công việc hoàn toàn mới trước đây là không thể. Và giờ khi có thể làm, chúng tôi buộc phải làm. Vì nếu không, người khác sẽ làm.
Đó là Nghịch lý Cowan trong B2B: AI không giảm công việc. Nó reset baseline kỳ vọng.
Bạn đang thấy điều này ở khắp nơi nếu chú ý
Aaron Levie, CEO của Box, nói thẳng tại SaaStr AI Annual:
“Tôi chỉ tìm thêm việc để AI làm — và cuối cùng tôi lại làm nhiều việc hơn.”
Ông gọi đó là cái chết của tuần làm việc 4 ngày:
“Công ty nào áp dụng tuần 4 ngày, sẽ có đối thủ làm 5 ngày — nhưng với năng suất cao hơn.”
Đó là Nghịch lý Cowan trong một câu nói của CEO công ty tỷ đô.
Hoặc lấy ví dụ coding. Ai cũng khoe 50% code do Cursor hoặc Claude viết. Nhưng điều đó có nghĩa engineer chỉ làm 3 giờ/ngày? Tất nhiên là không. Họ ship nhiều hơn. Làm nhiều project hơn. Build các feature trước đây bị trì hoãn. AI không mua cho họ thời gian rảnh. Nó nâng chuẩn “ship nhanh”.
Tại SaaStr, Chief AI Officer Amelia dành 1 giờ mỗi sáng để quản lý hơn 20 AI agent — kiểm tra meeting, outbound, QA support, theo dõi deal. Trước đây 1 giờ đó dùng cho 1:1 với 2 nhân viên. Thời gian giống nhau. Output gấp 10. Và cô ấy liên tục tìm thêm việc cho agent. Công việc không co lại. Nó phình ra.
Nghiên cứu giờ đã xác nhận điều này
HBR vừa đăng bài “AI Doesn’t Reduce Work — It Intensifies It”, dựa trên nghiên cứu 8 tháng của Berkeley Haas.
Ba phát hiện:
- Mở rộng công việc. Người lao động không chỉ làm việc của mình nhanh hơn. Họ làm luôn việc của người khác.
- Ranh giới công việc biến mất. AI khiến việc làm thêm không “có cảm giác như làm việc” — cho đến khi là 9 giờ tối.
- Đa nhiệm bùng nổ. Nhiều agent chạy song song, nhiều luồng công việc cùng lúc → quá tải nhận thức.
Kết luận: AI không giảm việc. Nó tăng cường độ. Năng suất tăng — burnout cũng vậy.
Đây là Nghịch lý Cowan được xác nhận năm 2026.
Nghịch lý này đang phá vỡ playbook B2B
Các baseline cũ đang sụp đổ:
- Phát hành theo quý → khách hàng đòi hỏi continuous deployment
- Trả lời sau 48h → giờ là vài giây
- Khách tự triển khai → giờ bạn phải làm cho họ
- Support SLA 4h → giờ là realtime 24/7
Không phải khách hàng tham lam hơn. Mà vì “có thể tốt hơn” → trở thành “phải tốt hơn”.
Điều này xảy ra ở mọi nơi
Customer Support
AI xử lý 80% ticket → khách hàng đòi hỏi phản hồi tức thì, cá nhân hóa.
20% còn lại → khó hơn gấp nhiều lần.
Content & Marketing
AI viết nhanh → nội dung bùng nổ → tiêu chuẩn tăng → cần insight, distribution, voice.
Sales
AI gửi 1000 email/ngày → inbox quá tải → cần chiến lược mới.
Product
3 engineer = 15 engineer → nhưng đối thủ cũng vậy → tốc độ toàn ngành tăng.
Mọi người đều năng suất hơn → tất cả phải làm nhiều hơn
Nếu mọi công ty đều tăng 5x năng suất → không ai có lợi thế.
Baseline mới hình thành.
- 10 bài blog/tuần → trở thành tiêu chuẩn
- phản hồi 30s → thành kỳ vọng
- cá nhân hóa → không còn là lợi thế
Công việc không giảm. Nó cộng dồn.
Vậy bạn nên làm gì?
1. Đừng dùng AI để làm ít hơn — hãy làm điều trước đây không thể
Đừng chỉ tối ưu workflow cũ.
Hãy làm thứ trước đây không thể làm.
2. Chuẩn bị cho việc công việc sẽ tăng
Không phải ít người hơn → mà là cùng người làm nhiều hơn.
3. Cạnh tranh bằng taste, judgment, relationship
AI làm volume. Con người làm quyết định.
4. Theo dõi cognitive load
AI tăng output → nhưng cũng tăng overload → cần guardrail.
AI agent nâng cấp công việc — không loại bỏ nó
Ruth Schwartz Cowan đã chỉ ra điều này từ năm 1983.
Công nghệ không giảm lao động. Nó nâng kỳ vọng.
AI agent cũng vậy.
Chúng không giúp bạn làm ít hơn.
Chúng khiến output gấp 10 trở thành tiêu chuẩn.
Các tiêu chuẩn cũ đã chết.
Tiêu chuẩn mới đang được thiết lập.
Hãy chuẩn bị cho điều đó.