Tác động của sự kết hợp giữa trí tuệ nhân tạo và con người đến hiệu suất công việc của người lao động: Một số gợi ý làm việc hiệu qủa cùng AI

Tóm tắt

Nghiên cứu này hệ thống hóa cơ sở lý luận về tác động của sự hợp tác giữa trí tuệ nhân tạo (AI) và con người đến hiệu suất công việc của người lao động, dựa trên việc tích hợp lý thuyết dựa trên nguồn tri thức, lý thuyết hệ thống kỹ thuật - xã hội và khung xã hội hóa tổ chức, cùng bằng chứng thực nghiệm quốc tế và tại Việt Nam. Kết quả tổng quan cho thấy, chia sẻ tri thức trong tổ chức và năng lực số/năng lực AI của người lao động là 2 yếu tố quan trọng thúc đẩy sự hợp tác hiệu quả với AI, từ đó cải thiện hiệu suất nhiệm vụ, hiệu suất theo ngữ cảnh và hạn chế hành vi phản năng suất. Trên cơ sở đó, nghiên cứu đề xuất một số gợi ý thực hành ở cấp độ cá nhân và tổ chức nhằm giúp người lao động Việt Nam làm việc hiệu quả hơn cùng AI.

Từ khóa: trí tuệ nhân tạo, hợp tác giữa AI và con người, hiệu suất công việc, chia sẻ tri thức, năng lực số.

1. Đặt vấn đề

Trí tuệ nhân tạo (AI) đang trở thành một trong những công nghệ có tính đột phá nhất đối với hoạt động của tổ chức trong 2 thập niên qua, có mặt tại hầu hết các chức năng công việc, từ vận hành, chăm sóc khách hàng đến phân tích dữ liệu, soạn thảo văn bản và sáng tạo nội dung (Chowdhury, Budhwar, Dey, Joel-Edgar, & Abadie, 2022). Khác với các làn sóng công nghệ trước đây vốn chủ yếu tự động hóa các tác vụ lặp lại, các ứng dụng AI hiện nay - đặc biệt là AI tạo sinh - có khả năng hỗ trợ, gợi ý và thậm chí đồng thực hiện những công việc đòi hỏi tư duy, phán đoán và sáng tạo, đặt ra yêu cầu mới về cách con người phối hợp với AI trong quá trình lao động, thay vì chỉ đơn thuần vận hành công cụ.

Nhiều nghiên cứu thực nghiệm gần đây cho thấy việc tổ chức ứng dụng AI có mối quan hệ tích cực với các chỉ số kết quả hoạt động như năng suất, hiệu quả và sự hài lòng của khách hàng (Al-Momani et al., 2025; Lutfiani et al., 2025). Tuy nhiên, phần lớn các nghiên cứu này tiếp cận AI ở cấp độ tổ chức, trong khi khoảng trống lý luận quan trọng nằm ở cấp độ cá nhân người lao động - chủ thể trực tiếp khai thác, sử dụng các ứng dụng AI trong công việc hằng ngày của mình (Olan et al., 2022). Việc trang bị công nghệ AI cho tổ chức không tự động chuyển hóa thành hiệu suất công việc nếu người lao động thiếu hiểu biết, kỹ năng và niềm tin cần thiết để hợp tác hiệu quả với AI (Makarius, Mukherjee, Fox, & Fox, 2020).

Tại Việt Nam, mức độ ứng dụng AI trong doanh nghiệp đang tăng nhanh nhưng thiếu hụt năng lực số/năng lực sử dụng AI của người lao động vẫn là rào cản lớn nhất. Theo khảo sát của Amazon Web Services, có tới 55% doanh nghiệp bị cản trở mở rộng ứng dụng AI vì thiếu nhân sự có kỹ năng phù hợp, và chỉ 24% doanh nghiệp tự đánh giá đội ngũ hiện tại có đủ năng lực AI cần thiết (Lâm Thảo, 2026). Điều này cho thấy, câu hỏi then chốt không chỉ là tổ chức có triển khai AI hay không, mà là người lao động hợp tác với AI như thế nào, và những nhân tố nào giúp sự hợp tác đó chuyển hóa thành hiệu suất công việc thực chất.

Xuất phát từ thực tiễn trên, nghiên cứu này thực hiện tổng quan lý luận về tác động của sự hợp tác giữa AI và con người đến hiệu suất công việc của người lao động, trên cơ sở tích hợp các khung lý thuyết nền tảng và bằng chứng thực nghiệm quốc tế, trong nước. Trên cơ sở đó, nghiên cứu đề xuất một số gợi ý thực hành giúp người lao động và tổ chức tại Việt Nam làm việc hiệu quả hơn cùng AI.

2. Cơ sở lý luận về tác động của sự hợp tác giữa trí tuệ nhân tạo và con người đến hiệu suất công việc

2.1. Quan điểm về sự hợp tác giữa AI và con người trong công việc

Hợp tác giữa AI và con người được hiểu là mức độ người lao động hiểu biết, có kỹ năng và tin tưởng để chủ động phối hợp, khai thác các công cụ/ứng dụng AI trong công việc hằng ngày của mình (Chowdhury et al., 2022). Khái niệm này khác về bản chất so với việc sử dụng AI đơn thuần - vốn chỉ phản ánh tần suất hoặc mức độ thao tác công cụ mà không hàm ý chất lượng phối hợp - và khác với sự chấp nhận công nghệ nói chung theo các mô hình TAM/UTAUT, vốn đo ý định sử dụng mà không đặc thù cho bản chất phối hợp nhiệm vụ giữa người và AI. Theo đó, sự hợp tác này bao gồm 3 cấu phần gắn kết chặt chẽ, hiểu biết về AI - nhận thức đúng về khả năng và giới hạn của hệ thống, kỹ năng AI - khả năng thao tác, diễn giải và đánh giá kết quả đầu ra và niềm tin vào AI - sự sẵn lòng dựa vào AI trong quá trình ra quyết định công việc (Chowdhury et al., 2022). 3 cấu phần này cùng quyết định mức độ người lao động thực sự làm việc cùng AI như một đối tác hỗ trợ, thay vì né tránh hoặc sử dụng một cách hình thức.

2.2. Các lý thuyết nền tảng

Cơ sở lý luận về hợp tác giữa AI và con người trong công việc được xây dựng trên 3 khung lý thuyết bổ trợ lẫn nhau.

Thứ nhất, lý thuyết dựa trên nguồn tri thức (KBV) của Grant (1996) coi tri thức là nguồn lực chiến lược quan trọng nhất của tổ chức, và việc chia sẻ, tích hợp tri thức giữa các thành viên là cơ chế trung tâm tạo ra năng lực cạnh tranh (Grant, 1996). Khi áp dụng vào bối cảnh AI, KBV lý giải vì sao chia sẻ tri thức về AI trong tổ chức - thông qua đào tạo, hướng dẫn thực hành, trao đổi kinh nghiệm giữa đồng nghiệp - là tiền đề để cá nhân người lao động phát triển hiểu biết và kỹ năng cần thiết.

Thứ hai, lý thuyết hệ thống kỹ thuật - xã hội (STS) nhấn mạnh, hiệu quả của một công nghệ như AI không chỉ phụ thuộc vào năng lực kỹ thuật của hệ thống, mà còn phụ thuộc vào sự tương thích giữa hệ thống kỹ thuật đó với hệ thống xã hội xung quanh nó - con người, quy trình làm việc và văn hóa tổ chức (Trist & Bamforth, 1951). Theo tiếp cận STS, một tổ chức trang bị công cụ AI tiên tiến nhưng không điều chỉnh quy trình làm việc, không đào tạo nhân sự tương ứng sẽ khó chuyển hóa đầu tư công nghệ thành hiệu suất thực chất.

Thứ ba, khung xã hội hóa tổ chức (OSF) của Makarius và cộng sự (2020) mô tả quá trình người lao động được xã hội hóa với AI - tương tự hòa nhập một thành viên mới vào tổ chức - thông qua chia sẻ tri thức và làm rõ kỳ vọng vai trò công việc (Makarius et al., 2020). 3 khung lý thuyết này được Chowdhury và cộng sự (2022) tích hợp thành công trong một mô hình thực nghiệm, khẳng định chia sẻ tri thức tổ chức là tiền tố quan trọng của hiểu biết, kỹ năng, niềm tin vào AI và sự rõ ràng vai trò công việc, qua đó thúc đẩy năng lực thích ứng linh hoạt và kết quả hoạt động của tổ chức (Chowdhury et al., 2022).

2.3. Hiệu suất công việc của người lao động trong bối cảnh AI

Hiệu suất công việc cá nhân là khái niệm đa chiều, được Koopmans và cộng sự hệ thống hóa thành 3 thành phần trong bộ công cụ IWPQ được sử dụng rộng rãi hiện nay gồm, (i) hiệu suất nhiệm vụ - mức độ hoàn thành các nhiệm vụ được giao đúng thời hạn và đạt chất lượng yêu cầu; (ii) hiệu suất theo ngữ cảnh - các hành vi chủ động vượt ngoài phạm vi công việc chính thức, như chủ động nhận nhiệm vụ mới, cập nhật kiến thức, đề xuất giải pháp sáng tạo; và (iii) hành vi phản năng suất - các hành vi gây ảnh hưởng tiêu cực đến tổ chức mà người lao động cần hạn chế (Koopmans et al., 2011; Koopmans et al., 2014).

Khi người lao động hợp tác hiệu quả với AI, cả 3 thành phần hiệu suất nói trên đều có thể được cải thiện theo những cơ chế khác nhau. Đối với hiệu suất nhiệm vụ, AI hỗ trợ tìm kiếm thông tin, xử lý dữ liệu và soạn thảo nội dung nhanh hơn, giúp hoàn thành khối lượng công việc lớn hơn trong cùng thời gian (Khan, Soomro, & Pitafi, 2025). Đối với hiệu suất theo ngữ cảnh, việc được giải phóng khỏi tác vụ lặp lại tạo điều kiện dành nhiều thời gian hơn cho tư duy chiến lược, chăm sóc khách hàng phức tạp hoặc cải tiến quy trình. Olan và cộng sự (2022) khẳng định AI có thể đóng vai trò như một công cụ chia sẻ tri thức, qua đó cải thiện hiệu suất làm việc của nhân viên (Olan et al., 2022); Khan và cộng sự (2024) cũng chứng minh việc sử dụng AI tại nơi làm việc thúc đẩy hiệu suất nhân viên thông qua cơ chế trung gian là chia sẻ tri thức và gắn kết công việc. Ngược lại, nếu sự hợp tác với AI thiếu định hướng - như phụ thuộc quá mức vào kết quả AI mà không kiểm chứng, hoặc dùng AI để né tránh trách nhiệm - có thể làm gia tăng hành vi phản năng suất, đây là khía cạnh cần tiếp tục làm rõ.

2.4. Chia sẻ tri thức tổ chức và năng lực số/năng lực sử dụng AI

Bên cạnh cơ chế chia sẻ tri thức tổ chức đã đề cập, năng lực số/năng lực sử dụng AI của bản thân người lao động ngày càng được chứng minh có vai trò tiền đề quan trọng đối với hiệu suất công việc trong bối cảnh AI hóa. Van Laar và cộng sự (2020) hệ thống hóa năng lực số thành một cấu trúc đa chiều gồm kỹ năng kỹ thuật, kỹ năng thông tin, kỹ năng giao tiếp, kỹ năng sáng tạo nội dung số và kỹ năng giải quyết vấn đề trong môi trường số - nền tảng quyết định mức độ và hiệu quả người lao động khai thác công nghệ số nói chung và AI nói riêng (Van Laar, Van Deursen, Van Dijk, & De Haan, 2020). Gần đây, Lee và Jeon (2025) kiểm định trực tiếp mối quan hệ giữa năng lực AI của nhân viên và hiệu suất công việc tại Hàn Quốc, cho thấy năng lực AI vừa có tác động trực tiếp, vừa là biến trung gian giữa các tiền tố tổ chức và hiệu suất công việc cá nhân (Lee & Jeon, 2025).

Sự kết hợp giữa 2 nhân tố này - chia sẻ tri thức ở cấp độ tổ chức và năng lực số ở cấp độ cá nhân - tạo thành 2 trụ cột bổ trợ là, tổ chức tạo điều kiện như cơ chế, chính sách, đào tạo, trong khi năng lực số quyết định mức độ cá nhân thực sự hấp thụ và vận dụng được các điều kiện đó vào công việc cụ thể. Thiếu một trong 2 trụ cột này, sự hợp tác giữa AI và con người khó chuyển hóa thành hiệu suất công việc bền vững.

2.5. Bằng chứng thực nghiệm quốc tế và tại Việt Nam

Ở cấp độ tổ chức, nhiều nghiên cứu thực nghiệm quốc tế khẳng định mối quan hệ tích cực giữa ứng dụng AI, chia sẻ tri thức và kết quả hoạt động: Olan và cộng sự (2022) cho thấy, bản thân việc triển khai công nghệ AI là chưa đủ để cải thiện kết quả hoạt động nếu thiếu cơ chế chia sẻ tri thức hiệu quả (Olan et al., 2022); Lutfiani và cộng sự (2025) xác nhận văn hóa tổ chức, sự ủng hộ của lãnh đạo và năng lực kỹ thuật tác động đến việc chấp nhận AI, qua đó ảnh hưởng đến năng suất và hiệu quả (Lutfiani et al., 2025); Al-Momani và cộng sự (2025) nhấn mạnh việc tích hợp AI với hệ thống tình báo kinh doanh như một cơ chế khuếch đại giá trị của AI (Al-Momani et al., 2025).

Tại Việt Nam, một số nghiên cứu trong nước bước đầu ghi nhận thực trạng ứng dụng AI theo từng nhóm nhân sự, Nguyễn Hoàng Phương Hiếu và Lại Doãn Anh Tuấn (2024) khảo sát mức độ sử dụng AI của nhân sự marketing ngành bán lẻ trực tuyến tại Thành phố Hồ Chí Minh, ghi nhận mức độ khai thác AI còn phân hóa theo năng lực số cá nhân (Nguyễn Hoàng Phương Hiếu & Lại Doãn Anh Tuấn, 2026); Phạm Hồng Long, Lê Thị Tầm, và Lê Thị Phương (2024) nghiên cứu ứng dụng AI trong quản trị nguồn nhân lực, chỉ ra cả tiềm năng lẫn rào cản (Phạm Hồng Long, Lê Thị Tầm, & Lê Thị Phương, 2024); Vũ Thị Mai (2025) cung cấp bằng chứng thực nghiệm ban đầu về ảnh hưởng của ứng dụng AI đến kết quả làm việc theo bối cảnh của nhân viên Tập đoàn Viettel (Vũ Thị Mai, 2025). Đáng chú ý, khối doanh nghiệp khởi nghiệp Việt Nam - nơi kết quả hoạt động phụ thuộc nhiều vào sự chủ động cá nhân - là nhóm ứng dụng AI nhanh và sâu nhất, với 55% doanh nghiệp đã ứng dụng AI dưới một hình thức nào đó (Lâm Thảo, 2026), đồng thời cũng chịu áp lực lớn nhất về thiếu hụt năng lực số nhân sự. Các nghiên cứu quốc tế gần đây cũng khẳng định AI có vai trò đặc biệt quan trọng với nhóm doanh nghiệp linh hoạt cao, phụ thuộc lớn vào năng lực từng cá nhân (Al-Mamary, 2025; Alsharah, 2025).

Nhìn chung, bằng chứng hiện có cho thấy một cách nhất quán, (i) chia sẻ tri thức tổ chức và năng lực số cá nhân là 2 tiền tố quan trọng của sự hợp tác hiệu quả giữa AI và con người; (ii) sự hợp tác này có tiềm năng cải thiện hiệu suất công việc ở cả ba khía cạnh nhiệm vụ, ngữ cảnh và hạn chế hành vi phản năng suất; và (iii) tại Việt Nam, khoảng trống lớn nhất hiện nay không nằm ở việc tiếp cận công nghệ AI, mà nằm ở năng lực của người lao động để khai thác công nghệ đó một cách hiệu quả.

3. Đề xuất gợi ý làm việc hiệu quả cùng AI

3.1. Đối với cá nhân người lao động

Trên cơ sở lý luận và bằng chứng thực nghiệm đã trình bày, nghiên cứu đề xuất một số gợi ý thực hành ở cấp độ cá nhân người lao động để làm việc hiệu quả hơn cùng AI.

Thứ nhất, chủ động nâng cao năng lực số và hiểu biết về AI. Người lao động nên tìm hiểu nguyên lý hoạt động cơ bản, khả năng và giới hạn của các công cụ AI đang dùng, thay vì chỉ sử dụng theo thói quen hoặc bắt chước đồng nghiệp. Hiểu rõ AI làm tốt điều gì? - Ví dụ, tổng hợp thông tin, tạo bản nháp, phát hiện mẫu hình dữ liệu, và còn hạn chế điều gì - chẳng hạn, đánh giá bối cảnh phức tạp, chịu trách nhiệm đạo đức, giúp phân công công việc hợp lý giữa bản thân và AI.

Thứ hai, rèn luyện kỹ năng đặt yêu cầu và diễn giải kết quả đầu ra của AI - prompting và đánh giá phản biện. Chất lượng hợp tác với AI phụ thuộc lớn vào khả năng diễn đạt yêu cầu rõ ràng, đủ bối cảnh, đồng thời biết kiểm chứng và điều chỉnh kết quả AI trước khi sử dụng, thay vì chấp nhận thụ động.

Thứ ba, xây dựng niềm tin có hiệu chỉnh vào AI. Người lao động cần tránh 2 thái cực: phụ thuộc quá mức vào AI làm giảm tư duy phản biện, hoặc hoài nghi/né tránh AI khiến bỏ lỡ cơ hội cải thiện hiệu suất. Mức độ tin tưởng hợp lý nên dựa trên việc đối chiếu kết quả AI với kiến thức chuyên môn và kinh nghiệm thực tế.

Thứ tư, chủ động chia sẻ kinh nghiệm sử dụng AI với đồng nghiệp. Vì chia sẻ tri thức tổ chức là tiền tố quan trọng của sự hợp tác hiệu quả với AI, mỗi cá nhân vừa là người tiếp nhận vừa là người lan tỏa tri thức, góp phần nâng cao năng lực chung của cả nhóm/tổ chức.

Thứ năm, tập trung nguồn lực được giải phóng vào công việc tạo giá trị gia tăng cao. Khi AI đảm nhiệm các tác vụ lặp lại, người lao động nên dành thời gian cho tư duy chiến lược, xây dựng quan hệ, giải quyết vấn đề phức tạp - những năng lực AI khó thay thế và là nguồn gốc bền vững của hiệu suất theo ngữ cảnh.

3.2. Đối với tổ chức/doanh nghiệp

Ở cấp độ tổ chức, để tạo điều kiện cho người lao động hợp tác hiệu quả với AI, một số gợi ý được đề xuất như sau.

Thứ nhất, xây dựng cơ chế chia sẻ tri thức về AI có hệ thống, thông qua đào tạo nội bộ, cộng đồng thực hành, diễn đàn chia sẻ kinh nghiệm theo từng vị trí công việc, thay vì chỉ cung cấp công cụ mà không có hướng dẫn - phù hợp hàm ý của lý thuyết dựa trên nguồn tri thức (Grant, 1996) và khung xã hội hóa tổ chức (Makarius et al., 2020).

Thứ hai, đầu tư đào tạo năng lực số/AI literacy phân tầng theo nhu cầu công việc, thay vì áp dụng chương trình đồng nhất cho mọi vị trí. Với thực trạng chỉ 24% doanh nghiệp Việt Nam tự đánh giá đội ngũ có đủ năng lực AI cần thiết (Lâm Thảo, 2026), đây là ưu tiên đầu tư có khả năng mang lại hiệu quả cao.

Thứ ba, thiết kế lại quy trình và công việc theo hướng kết hợp người - AI, thay vì chỉ đơn thuần “cấy thêm” công cụ AI vào quy trình cũ. Theo tiếp cận hệ thống kỹ thuật - xã hội, tổ chức cần rà soát phân công công việc giữa con người và AI, làm rõ vai trò, trách nhiệm và điểm kiểm soát của con người với các quyết định quan trọng.

Thứ tư, xây dựng chính sách sử dụng AI có trách nhiệm, gồm nguyên tắc bảo mật thông tin, kiểm chứng kết quả AI trước khi sử dụng chính thức, và ranh giới trách nhiệm khi có sai sót liên quan đến AI - giúp người lao động yên tâm hợp tác với AI.

Thứ năm, thiết lập cơ chế đo lường và phản hồi hiệu suất công việc gắn với việc sử dụng AI, giúp tổ chức nhận diện sớm các trường hợp hợp tác AI - con người thiếu hiệu quả để kịp thời điều chỉnh đào tạo và hỗ trợ.

4. Kết luận

Nghiên cứu tổng quan cơ sở lý luận về tác động của sự hợp tác giữa trí tuệ nhân tạo và con người đến hiệu suất công việc của người lao động, trên cơ sở tích hợp lý thuyết dựa trên nguồn tri thức, lý thuyết hệ thống kỹ thuật - xã hội và khung xã hội hóa tổ chức, cùng bằng chứng thực nghiệm quốc tế và tại Việt Nam. Kết quả tổng quan cho thấy, hiệu suất công việc không tự động cải thiện khi tổ chức trang bị công nghệ AI, mà phụ thuộc vào mức độ người lao động thực sự hợp tác hiệu quả với AI - được thúc đẩy bởi hai tiền tố then chốt là cơ chế chia sẻ tri thức của tổ chức và năng lực số/năng lực sử dụng AI của bản thân người lao động.

Trên cơ sở đó, nghiên cứu đề xuất các gợi ý thực hành ở cả cấp độ cá nhân - chủ động nâng cao năng lực số, rèn kỹ năng đặt yêu cầu và đánh giá phản biện AI, xây dựng niềm tin có hiệu chỉnh, chia sẻ kinh nghiệm, tập trung vào công việc giá trị gia tăng cao, và cấp độ tổ chức - xây dựng cơ chế chia sẻ tri thức, đầu tư đào tạo năng lực số phân tầng, thiết kế lại công việc theo hướng kết hợp người - AI, ban hành chính sách sử dụng AI có trách nhiệm, thiết lập cơ chế đo lường - phản hồi. Đây là những gợi ý có tính thực tiễn cao trong bối cảnh Việt Nam, nơi mức độ ứng dụng AI đang tăng nhanh nhưng năng lực số của người lao động còn là rào cản đáng kể.

Những phát hiện tổng quan này cũng gợi mở hướng nghiên cứu tiếp theo, đặc biệt là các nghiên cứu thực nghiệm định lượng kiểm định trực tiếp mối quan hệ giữa sự hợp tác AI - con người và các thành phần hiệu suất công việc tại từng nhóm ngành, nhóm nghề cụ thể ở Việt Nam, cũng như vai trò điều tiết của năng lực số trong các mối quan hệ này.

Tài liệu tham khảo:

Vũ Thị Thúy Mai. (2025). Nghiên cứu ảnh hưởng của ứng dụng trí tuệ nhân tạo đến kết quả làm việc bối cảnh của nhân viên: Trường hợp của Tập đoàn Viettel. Tạp chí Nghiên cứu Tài chính Kế toán, 302.

Lâm Thảo. (2026). Nghiên cứu mới của AWS: Tốc độ doanh nghiệp ứng dụng AI tại Việt Nam tăng 39%. Báo Nhân dân, https://nhandan.vn/nghien-cuu-moi-cua-aws-toc-do-doanh-nghiep-ung-dung-ai-tai-viet-nam-tang-39-post908923.html

Nguyễn Hoàng Phương Hiếu, & Lại Doãn Anh Tuấn. (2024). Mức độ sử dụng trí tuệ nhân tạo của nhân sự marketing trong ngành bán lẻ trực tuyến tại Thành phố Hồ Chí Minh. Tạp chí Quản lý nhà nước. https://www.quanlynhanuoc.vn/2024/10/17/muc-do-su-dung-tri-tue-nhan-tao-cua-nhan-su-marketing-trong-nganh-ban-le-truc-tuyen-tai-tp-ho-chi-minh/

Phạm Hồng Long, Lê Thị Tầm, & Lê Thị Phương. (2024). Nghiên cứu ứng dụng trí tuệ nhân tạo trong quản trị nhân lực cho các doanh nghiệp ở Việt Nam. Tạp chí Quản lý nhà nước. https://www.quanlynhanuoc.vn/2024/06/27/nghien-cuu-ung-dung-tri-tue-nhan-tao-trong-quan-tri-nhan-luc-cho-cac-doanh-nghiep-o-viet-nam/

Al-Mamary, Y. H. (2025). The transformative power of artificial intelligence in entrepreneurship: exploring AI’s capabilities for the success of entrepreneurial ventures. Future Business Journal, 11(1), 104. doi:10.1186/s43093-025-00533-7

Al-Momani, M. M., Alqudah, T. A., Al Swiety, I. A., Mahrakani, N., Abdulraheem Nassoura, M. B., & Al Attar, M. K. (2025). Integrating Artificial Intelligence (AI) and Business Intelligence (BI): A Framework for Improving Enterprise Performance. TEM Journal, 14(3), 2208. doi:10.18421/TEM143-26

Alsharah, H. (2025). Innovative horizons: the impact of AI on entrepreneurial performance. Cogent Business & Management, 12(1), 2533433. doi:10.1080/23311975.2025.2533433

Chowdhury, S., Budhwar, P., Dey, P. K., Joel-Edgar, S., & Abadie, A. (2022). AI-employee collaboration and business performance: Integrating knowledge-based view, socio-technical systems and organisational socialisation framework. Journal of business research, 144, 31-49. doi:10.1016/j.jbusres.2022.01.069

Grant, R. M. (1996). Toward a knowledge‐based theory of the firm. Strategic management journal, 17(S2), 109-122. doi:10.1002/smj.4250171110

Khan, A. N., Soomro, M. A., & Pitafi, A. H. (2025). AI in the workplace: driving employee performance through enhanced knowledge sharing and work engagement. International Journal of Human-Computer Interaction, 41(17), 10699-10712. doi:10.1080/10447318.2024.2436611

Koopmans, L., Bernaards, C. M., Hildebrandt, V. H., Schaufeli, W. B., de Vet Henrica, C., & Van Der Beek, A. J. (2011). Conceptual frameworks of individual work performance: A systematic review. Journal of occupational and environmental medicine, 53(8), 856-866. doi:10.1097/JOM.0b013e318226a763

Koopmans, L., Bernaards, C. M., Hildebrandt, V. H., Van Buuren, S., Van der Beek, A. J., & De Vet, H. (2014). Improving the individual work performance questionnaire using rasch analysis. Journal of applied measurement, 15(2), 160-175. doi:10.1136/oemed-2013-101717.51

Lee, J.-H., & Jeon, J.-H. (2025). Examining the impact of AI literacy and its antecedents on job performance in the context of South Korea. Asia Pacific Business Review, 1-25. doi:10.1080/13602381.2025.2487780

Lutfiani, N., Sembiring, I., Setyawan, I., Setiawan, A., Rahardja, U., & Sulistio, S. (2025). Exploring the relationship between artificial intelligence and business performance. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 19(1), 1-12. doi:10.22146/ijccs.86697

Makarius, E. E., Mukherjee, D., Fox, J. D., & Fox, A. K. (2020). Rising with the machines: A sociotechnical framework for bringing artificial intelligence into the organization. Journal of business research, 120, 262-273. doi:10.1016/j.jbusres.2020.07.045

Olan, F., Arakpogun, E. O., Suklan, J., Nakpodia, F., Damij, N., & Jayawickrama, U. (2022). Artificial intelligence and knowledge sharing: Contributing factors to organizational performance. Journal of business research, 145, 605-615. doi:10.1016/j.jbusres.2022.03.008

Trist, E. L., & Bamforth, K. W. (1951). Some social and psychological consequences of the longwall method of coal-getting: An examination of the psychological situation and defences of a work group in relation to the social structure and technological content of the work system. Human relations, 4(1), 3-38. doi:10.1177/001872675100400101

Van Laar, E., Van Deursen, A. J., Van Dijk, J. A., & De Haan, J. (2020). Determinants of 21st-century skills and 21st-century digital skills for workers: A systematic literature review. Sage Open, 10(1), 2158244019900176. doi:10.1177/2158244019900176

The impact of human-AI collaboration on employee work performance: Recommendations for working effectively with AI

Nguyễn Trí Đức¹ - Trương Đức Thao² - Phan Việt Hằng³- Nguyễn Hữu Nhân ²

¹Ho Chi Minh City University of Technology

²Dai Nam University

³ The National Innovation Center (NIC)

Abstract:

The rapid development of artificial intelligence (AI) is fundamentally transforming the way employees perform their daily work. However, most existing studies remain focused on the organizational level and have not sufficiently clarified the mechanisms through which individual-level human-AI collaboration affects work performance. This review systematically synthesizes the theoretical foundations concerning the impact of human-AI collaboration on employee work performance by integrating the Knowledge-Based View, Socio-Technical Systems Theory, and the Organizational Socialization Framework, together with empirical evidence from international and Vietnamese studies. The review indicates that organizational knowledge sharing and employees’ digital and AI literacy are two important factors that facilitate effective collaboration with AI, thereby improving task performance and contextual performance while reducing counterproductive work behavior. Based on these findings, the study proposes several practical recommendations at both the individual and organizational levels to help Vietnamese employees work more effectively with AI.

Keywords: artificial intelligence, human-AI collaboration, work performance, knowledge sharing, digital literacy.

[Tạp chí Công Thương - Các kết quả nghiên cứu khoa học và ứng dụng công nghệ, số 26 năm 2026]