Theo đó, AI đang trở thành công nghệ chuyển đổi mục đích chung với tác động sâu rộng đối với hoạt động kinh tế thực. Trong khi bằng chứng ban đầu cho thấy, năng suất ở cấp độ vi mô và hiệu ứng thị trường lao động đã tăng đáng kể, quy mô của những tác động này ở cấp độ tổng thể vẫn chưa chắc chắn. Sự khác biệt giữa các quốc gia trong cơ cấu GDP cũng như trong việc sẵn sàng chấp nhận và triển khai công nghệ AI đang định hình mức độ bền vững mà AI tác động đến sản lượng và việc làm. Kết quả là, tác động của AI đến tăng trưởng ngắn hạn và trung hạn có sự khác biệt rõ rệt giữa các nước phát triển (AEs) và EMEs.
Tốc độ tăng năng suất và hiệu ứng thị trường lao động
Ảnh hưởng của AI đến hoạt động thực tế bắt nguồn phần nào từ tác động của nó đến năng suất và thị trường lao động. Bằng chứng ban đầu từ các nghiên cứu thực nghiệm sử dụng các dữ liệu vi mô cho thấy, AI tạo sinh có thể tạo ra tốc độ tăng năng suất đáng kể, cụ thể là bằng cách tự động hóa những nhiệm vụ không đòi hỏi nhận thức cao. Các nghiên cứu vi mô nhìn chung đều cho thấy, tốc độ tăng năng suất 10-65%, với mức độ cải thiện rất cao trong việc mã hóa, tư vấn và viết chuyên nghiệp. Ngoài ra, bằng chứng cho thấy, AI có xu hướng cân bằng hiệu quả nơi làm việc bằng cách tăng năng suất của những lao động chưa có nhiều kinh nghiệm so với lao động lâu năm. Thí dụ, trong việc phát triển phần mềm và mã hóa, năng suất của các lao động trẻ tăng 21-67%, thấp hơn 7-26% so với năng suất của lao động lâu năm. Tuy nhiên, tác động cân bằng liên quan đến hiệu quả của các nhiệm vụ theo nghĩa hẹp (như mã hóa). Giữa các vai trò công việc rộng lớn hơn, các lao động trẻ có thể dễ tiếp xúc với tự động hóa nếu công việc bao hàm tỷ trọng kỹ thuật cao hơn hay những nhiệm vụ mà AI có thể thay thế, tiềm tàng giảm cơ hội tiếp cận việc làm cho lao động mới.
Quy mô mà thành quả ở cấp vi mô này chuyển dịch vào yếu tố năng suất kinh tế vượt trội (TFP) vẫn là vấn đề bỏ ngỏ. Kết quả tổng thể tùy thuộc vào việc tái phân bổ giữa các doanh nghiệp và khu vực kinh tế, cũng như mức độ phân bổ sai trên thị trường vốn và thị trường lao động. Hơn nữa, mức tăng năng suất tại những khu vực dễ tiếp cận AI có thể bù đắp phần nào bởi sự chuyển dịch lao động sang những hoạt động năng suất thấp hơn với phạm vi tự động hóa hạn chế. Cuối cùng, sự khác biệt về mức độ chấp nhận và thay thế các kỹ năng và kinh nghiệm tổ chức có thể tiếp tục kìm hãm tốc độ tăng năng suất tổng thể.
Hệ quả là, độ lớn ước tính của lợi ích kinh tế tổng thể tương đối khác nhau. Theo báo cáo năm 2025 của nhà kinh tế học Acemoglu, TFP hằng năm tăng 0,07%, một trong những ước tính thấp nhất về lợi ích của AI đối với năng suất kinh tế vĩ mô. Trái lại, báo cáo của Aghion và Bunel (2024), Bergeaud (2024), Filippucci và cộng sự (2024) ước tính tốc độ TFP cao hơn, hàng năm cao hơn (0,3-0,9%), một phần là do ước tính cao hơn về những ngành nghề dễ áp dụng AI. Tốc độ tăng năng suất cao hơn cũng được Baily và đồng nghiệp báo cáo (2023), cụ thể là trong ngữ cảnh AI tạo sinh tiếp tục kích thích đổi mới.
Tốc độ tăng năng suất của AI được dẫn dắt bởi các tác động quan trọng trên thị trường lao động với hai lực lượng rộng lớn đang hoạt động: mức độ bổ sung của AI tạo sinh vào các tác vụ có thể được tự động hóa. Một số dự báo cho thấy, đến năm 2030, tới 60% công việc sẽ tái bố trí đáng kể các tác vụ, với 25-50% khối lượng công việc tại những việc làm dễ áp dụng AI sẽ được thay thế bởi tự động hóa. Tại EMEs, xu hướng mở rộng lao động phi chính thức đang định hình tác động của AI. Trong khi AI có thể tăng năng suất và khả năng tiếp cận thị trường cho các doanh nghiệp vi mô, các lao động phi chính thức đang đối mặt với rủi ro tự động hóa cao hơn (do bảo hộ xã hội yếu ớt và khó tiếp cận kỹ năng), nên dễ bị thay thế. Trong ngắn hạn, những rủi ro này có thể cản trở tốc độ tăng năng suất.
Nguồn gốc của sự khác biệt giữa các quốc gia
Sự khác biệt giữa các quốc gia về việc sử dụng và hiệu quả của AI có thể phản ánh 2 yếu tố cơ bản. Thứ nhất, cơ cấu GDP khác nhau giữa các quốc gia, với các ngành chuyên sâu AI (như tài chính, giáo dục và thông tin) đang phổ biến tại AEs. Thứ hai, sự sẵn sàng của AI - bao gồm hạ tầng số, kỹ năng và năng lực thể chế - định hình khả năng của các quốc gia trong việc hấp thụ, triển khai và hưởng lợi từ công nghệ AI.
Cơ cấu kinh tế
Cơ cấu các khu vực kinh tế quốc gia đóng vai trò quan trọng trong việc định hình triển khai AI. Nhiều EMEs có thể chứng kiến lợi ích ngắn hạn thấp hơn so với AEs, do sản lượng kinh tế chưa tập trung vào các lĩnh vực có nhiệm vụ nhận thức cao và việc xử lý thông tin được cải thiện bởi AI tạo sinh.
Dữ liệu về tiếp xúc với AI ở cấp ngành, cùng với thông tin về cơ cấu GDP, nhấn mạnh điểm này. Trong đó, nông nghiệp, giao thông và xây dựng là những ngành tiếp xúc ít nhất với AI, do các hoạt động cốt lõi lệ thuộc nặng nề vào các nhiệm vụ hữu hình và thủ công, đây là những ngành chịu tác động chủ yếu bởi người máy hơn là AI tạo sinh. Đồng thời, tỷ trọng nông nghiệp trong tổng giá trị gia tăng tại EMEs cao hơn nhiều so với tại AEs, trong khi tỷ trọng dịch vụ chuyên nghiệp thấp hơn, dẫn đến xu hướng triển khai và hiệu quả sử dụng AI thấp hơn.
Sự sẵn sàng của AI
Năng lực quốc gia trong việc chấp nhận và hưởng lợi từ các giải pháp AI cũng phụ thuộc vào hiệu quả phối hợp một số yếu tố kinh tế tổng thể liên quan đến mức độ mà người sử dụng có thể tận dụng AI. Mức độ sẵn sàng AI nằm ở sức mạnh giữa một số đại lượng, bao gồm: (i) hạ tầng số tin cậy và phân lớp; (ii) lực lượng lao động có kỹ năng về số và dễ thích ứng; (iii) môi trường sôi động để đổi mới và liên kết kinh tế; (iv) khung khổ đạo đức và điều chỉnh rõ ràng. Những trụ cột cơ bản này nằm trong chỉ số sẵn sàng AI (AIPI) của IMF, xác định mức độ sẵn sàng của quốc gia trong việc chấp nhận AI.
AIPI cho thấy, mức độ sẵn sàng chấp nhận AI tại AEs cao hơn so với tại EMEs và các nước thu nhập thấp, phản ánh hạ tầng số chất lượng cao hơn, khả năng đổi mới và khung khổ điều chỉnh bền vững hơn. Những quốc gia có vị thế AIPI cao hơn có tỷ trọng việc làm dễ tiếp xúc với AI cao hơn. Trong EMEs, có sự khác biệt giữa các khu vực và các trụ cột. Một số nước châu Á (Singapore và Hàn Quốc) và Trung Đông (A rập Xê út và Tiểu Vương quốc A rập) ghi điểm cao (thành công) về hạ tầng số (cũng gặp thuận lợi nhờ các nguồn năng lượng tái tạo và điện lưới), song nhiều EMEs bộc lộ năng lực không đồng đều - cụ thể là về nguồn nhân lực và khả năng sẵn sàng điều chỉnh. Nhìn chung, AEs có tỷ lệ lao động thành thạo AI và thu hút số lượng nhân tài AI cao hơn, phản ánh cơ hội thị trường lao động bền vững và hệ sinh thái đổi mới cao hơn. Trái lại, nhiều EMEs bộc lộ mức xâm nhập kỹ năng AI thấp hơn, trong một số trường hợp đóng vai trò là quốc gia xuất khẩu nhân tài AI. Năng lực của chính phủ trong việc thiết kế, thực hiện và giám sát các chiến lược AI là một yếu tố chủ chốt khác định hình việc triển khai AI hiệu quả. Về khía cạnh này, một vài EMEs - bao gồm Trung Quốc, Hàn Quốc, Ả rập Xê út, Singapore, và Tiểu Vương quốc Ả rập - đã thành công đáng kể trong năm 2024.
Lượng hóa tác dụng thực tế giữa các quốc gia
Tác động ngắn hạn
Trong ngắn hạn, tác động của tăng trưởng AI tạo sinh tại EMEs nhìn chung được kỳ vọng giảm nhẹ so với tại AEs. Một nguyên nhân là đầu tư AI hiện nay - và tác động tức thì đến tổng cầu - có xu hướng tăng đáng kể tại AEs. Tuy nhiên, các hoạt động liên quan cũng hỗ trợ tăng xuất khẩu từ một vài EMEs, nhất là về các mặt hàng bán dẫn và trang bị máy tính.
Một nguyên nhân khác là sự khác biệt về dữ liệu cấu trúc giữa các quốc gia và khu vực. Trong ngắn hạn, việc chấp nhận AI tạo sinh tăng cao tại những khu vực có tỷ lệ cao về các nhiệm vụ nhận thức hoặc xử lý thông tin, cung cấp hỗ trợ ban đầu đáng kể về dịch vụ tài chính và chuyên nghiệp cho AEs. Với những khác biệt này, ý tưởng chuẩn hóa về AIPI có thể thúc đẩy giá trị gia tăng tăng trung bình 0,6% tại AEs so với mức tối thiểu toàn cầu, nhưng chỉ tăng trung bình 0,45% tại EMEs. Điều này cho thấy, trong tương lai, tiến trình đồng quy thu nhập bình quân theo đầu người tại EMEs so với AEs sẽ rất chậm chạp.
Tác động ngắn hạn của AI tạo sinh đối với việc làm vẫn chưa chắc chắn. Tại EMEs, lực lượng lao động có nhận thức kỹ năng thấp và nhân viên văn phòng chiếm tỷ lệ khá cao, đây là những công việc dễ bị tự động hóa, làm tăng rủi ro về tình trạng thất nghiệp. Dữ liệu ban đầu chưa thấy tác động tiêu cực tại các trung tâm hỗ trợ khách hàng và thuê ngoài quy trình kinh doanh (doanh nghiệp ủy thác các chức năng cho bên thứ ba thực hiện) tại Ấn Độ và Philippines. Tuy nhiên, việc điều chỉnh thị trường lao động có thiên hướng tăng dần, do các doanh nghiệp thường chờ đợi kết quả tăng năng suất rõ ràng trước khi tổ chức lại lao động.
Tác động dài hạn
Sự khác biệt về tác động của tăng trưởng năng suất do AI tạo ra đến thu nhập thực tế có vẻ sẽ tiếp tục mở rộng trong giai đoạn trung, dài hạn nếu chênh lệch về mức độ chuẩn bị ứng dụng AI kéo dài. Tuy nhiên, mỗi đánh giá chỉ mang tính tạm thời do thiếu chắc chắn về mức độ lan tỏa và tác động của công nghệ AI. Trong bối cảnh đó, khác biệt về cơ cấu kinh tế và mức độ chuẩn bị AI tạo sinh giữa các AEs và EMEs cho thấy, mức tăng bền vững hàng năm 0,5% về TFP do AI tạo ra trong thập niên tới đây sẽ thúc đẩy GDP tại AEs tăng cao hơn 2,0% so với tại EMEs.
Phần lớn sự không đồng đều này phản ánh sự khác biệt về AIPI. Trong kịch bản đồng quy một phần - chênh lệch tương đối về sự chuẩn bị so với Mỹ giảm một nửa - GDP thực tại AEs sẽ tăng thấp hơn 1% so với tại EMDEs. Điều này nhấn mạnh tầm quan trọng của các chính sách tăng cường hạ tầng số, kỹ năng và năng lực thể chế.
Trong dài hạn, tác động của AI đến giá trị gia tăng giữa các ngành cho thấy, tác động cân bằng tổng thể vẫn chi phối. Báo cáo của Cornelli và cộng sự (2026) cho thấy, trong trạng thái dừng, sản lượng tăng trong tất cả các khu vực, phù hợp với vai trò công nghệ mục đích chung của AI. Giả thiết là, tổng số việc làm vẫn không thay đổi, chỉ bố trí lại lao động giữa các khu vực kinh tế, khu vực y tế và xây dựng sẽ hưởng lợi nhiều nhất, trong khi số lượng lao động nông nghiệp sẽ giảm sâu nhất. Nếu việc thay thế bởi AI kích hoạt rối loạn đáng kể trên thị trường lao động, tác động về việc làm có thể rõ rệt hơn và không đồng đều giữa các khu vực kinh tế.
Ngoài ra, thương mại quốc tế và các mối liên kết toàn cầu có thể định hình đáng kể việc phân bổ thành quả tăng trưởng AI giữa các nước. EMEs nhập khẩu hàng hóa và dịch vụ có hàm lượng AI cao có thể hưởng lợi nhờ mức giá thấp, trong khi nhu cầu sẽ tăng vững tại những quốc gia liên kết trong chuỗi cung ứng AI hoặc tập trung vào các khu vực dễ thay thế bởi AI. Kết quả là, độ mở thương mại có thể phóng đại hoặc giảm thiểu tăng trưởng trong nước, tùy thuộc vào vị thế quốc gia trong các chuỗi giá trị toàn cầu. Trong ngữ cảnh đó, mở cửa thương mại số, dỡ bỏ các rào cản về chuyển giao công nghệ và các chính sách đào tạo lại kỹ năng có thể hỗ trợ việc phân bổ công bằng các thành quả AI. Đối với EMEs, việc tăng cường các mạng lưới thương mại cùng với đầu tư tiếp theo vào hạ tầng số, kỹ năng và thể chế sẽ là yếu tố cần thiết để tận dụng đầy đủ tiềm năng của AI.
