The paradox of automation risk perception and the digital skills gap among textile and garment workers in Vietnam
Nguyễn Thị Ngọc Anh
Học viện Công nghệ Bưu chính Viễn thông
Email: anhntn@ptit.edu.vn
(Quanlynhanuoc.vn) –Bài viết phân tích một nghịch lý nhận thức đáng chú ý ở lao động ngành dệt may Việt Nam trong bối cảnh chuyển đổi số: người lao động thừa nhận rủi ro tự động hóa ở cấp độ xã hội cao hơn so với mức độ lo ngại về nguy cơ mất việc của chính bản thân. Bài viết chỉ ra sự chênh lệch giữa nhận diện rủi ro tự động hóa và nhu cầu nâng cao năng lực số của người lao động. Từ đó, đề xuất khung phân tích độ khan hiếm lao động và cường độ tự động hóa cho thấy, chưa ghi nhận làn sóng cắt giảm lao động quy mô lớn do tự động hóa trong ngành dệt may Việt Nam, đồng thời khoảng trống kỹ năng và cơ hội đào tạo là điểm nghẽn cần ưu tiên giải quyết trong bối cảnh chuyển đổi số đang diễn ra mạnh mẽ rại các doanh nghiệp hiện nay.
Từ khóa: Nhận thức rủi ro; tự động hóa; kỹ năng số; ngành dệt may; hiệu ứng người thứ ba.
Abstract: This article analyzes a notable cognitive paradox among workers in Vietnam’s textile and garment industry in the context of digital transformation: workers perceive the risks of automation at a higher societal level than their personal concerns about job loss. The article highlights the disparity between workers’ recognition of automation risks and their need to enhance digital skills. Consequently, the proposed analytical framework for labor scarcity and automation intensity indicates that there has not yet been a large-scale wave of job cuts due to automation in Vietnam’s textile and garment industry; at the same time, the skills gap and lack of training opportunities represent bottlenecks that must be prioritized for resolution amid the rapid digital transformation currently underway in businesses.
Keywords: Risk perception; automation; digital skills; textile and garment industry; third-person effect.
1. Đặt vấn đề
Tự động hóa và chuyển đổi số hiện nay vừa là cơ hội nâng cao năng suất, vừa là nguy cơ đối với việc làm của lao động phổ thông trong tất cả các ngành, đặc biệt là các ngành có mức độ thâm dụng lao động cao. Đối với ngành dệt may Việt Nam, theo Tổ chức Lao động Quốc tế (ILO) trong báo cáo ASEAN in Transformation (2016), khoảng 86% lao động làm công ăn lương ngành dệt may, da giày Việt Nam đứng trước nguy cơ cao bị ảnh hưởng bởi tự động hóa trong hai thập niên tới và là mức cao thứ hai trong nhóm năm quốc gia ASEAN được khảo sát, chỉ sau Campuchia (88%) (ILO, 2016). Tuy nhiên, con số 86% này được xây dựng trên nền phương pháp của Frey và Osborne (2013), vốn đo lường khả năng tự động hóa về mặt kỹ thuật của một nghề, chứ không phải xác suất nghề đó thực sự biến mất. Giữa hai đại lượng này tồn tại những khác biệt quan trọng: khả thi về kỹ thuật không đồng nghĩa với khả thi về kinh tế; khả thi về kinh tế không đồng nghĩa với doanh nghiệp lựa chọn đầu tư và ngay cả khi đầu tư, tự động hóa thường thay thế tác vụ chứ không thay thế trọn vẹn vị trí việc làm. Chính vì vậy, khi Arntz, Gregory và Zierahn (2016) tính lại rủi ro tự động hóa theo cách tiếp cận dựa trên tác vụ thay vì dựa trên nghề, tỷ lệ việc làm “rủi ro cao” giảm từ mức 47% ở Hoa Kỳ (theo cách tính của Frey và Osborne) xuống chỉ còn khoảng 9% (trung bình 21 nước OECD, trong đó có Hoa Kỳ).
Đáng chú ý, theo báo cáo công bố tháng 4/2026 của Tổ chức Lao động Quốc tế (ILO) về tác động của trí tuệ nhân tạo tạo sinh (GenAI) tại ASEAN, tỷ lệ việc làm tại Việt Nam có nguy cơ bị tự động hóa hoàn toàn ở mức cao ước tính dưới 2%, tương ứng khoảng 1 triệu lao động, đồng thời nhấn mạnh phần lớn công việc sẽ tiến hóa chứ không biến mất (ILO, 2026). Cần lưu ý đây là ước tính cho trí tuệ nhân tạo tạo sinh, tập trung vào các nhóm nghề văn phòng và trình độ cao, nên không thay thế trực tiếp cho ước tính năm 2016 về tự động hóa và robot trong ngành dệt may. Sự chênh lệch rất lớn giữa các con số này không phải là bằng chứng cho thấy nghiên cứu bị sai, mà cho thấy rủi ro tự động hóa là một đại lượng phụ thuộc mạnh vào định nghĩa, phương pháp đo, loại công nghệ, nhóm nghề và mốc thời gian. Đây cũng là điều mà nhiều nghiên cứu và truyền thông thường bỏ qua khi chỉ quan tâm đến bản thân các con số mà không xét ý nghĩa ẩn chứa bên trong chúng.
Diễn biến thực tế của ngành dệt may năm 2026 càng làm câu hỏi này trở nên đáng chú ý hơn. Trái với hình dung về một làn sóng mất việc do tự động hóa, Hiệp hội Dệt may Việt Nam liên tục phản ánh tình trạng ngành đang thiếu lao động. Theo báo cáo của ngành, kim ngạch xuất khẩu 6 tháng đầu năm 2026 đạt 22,2 tỷ USD, tăng 1,7% và xuất siêu gần 10 tỷ USD, nhưng nhiều doanh nghiệp phải điều chỉnh giảm quy mô nhận đơn hàng vì không tuyển đủ nhân công, thậm chí phải cạnh tranh tiền lương với các dự án xây dựng quy mô lớn tại địa phương (The LEADER, 2026; VietnamFinance, 2026; VnEconomy, 2026). Lãnh đạo Hiệp hội Dệt may Việt Nam khẳng định rằng khó khăn lớn nhất của ngành hiện nay “không phải đơn hàng mà là thiếu lao động” và tình trạng này diễn ra ở hầu hết doanh nghiệp, kể cả doanh nghiệp quy mô lớn (VietnamFinance, 2026). Ngành hiện tạo việc làm cho hơn 3,3 triệu lao động, đặt mục tiêu xuất khẩu khoảng 48 tỷ USD trong năm 2026 sau khi đạt khoảng 46 tỷ USD năm 2025 (VITAS, 2026).
2. Một số lý thuyết sử dụng trong nghiên cứu
Lý thuyết về hiệu ứng người thứ ba do Davison (1983) đề xuất trong lĩnh vực truyền thông và sau đó được mở rộng sang nghiên cứu nhận thức rủi ro. Lý thuyết này cho rằng cá nhân có xu hướng đánh giá bản thân ít chịu tác động tiêu cực từ một hiện tượng rủi ro hơn so với mức độ tác động mà họ cho rằng “người khác” hoặc “xã hội nói chung” phải gánh chịu. Áp dụng vào bối cảnh tự động hóa, hiệu ứng này có thể lý giải vì sao người lao động thừa nhận rủi ro thất nghiệp công nghệ ở quy mô xã hội nhưng lại đánh giá thấp rủi ro đối với vị trí việc làm của chính mình. Hiện tượng này cũng gần với thiên lệch lạc quan đối với rủi ro cá nhân (Weinstein, 1980), theo đó cá nhân tin rằng bản thân ít gặp rủi ro hơn mức trung bình của người khác.
Ở góc độ kinh tế lao động, lý thuyết về thay đổi công nghệ thiên lệch kỹ năng (skill-biased technological change) cho rằng công nghệ mới không tác động đồng đều đến mọi nhóm lao động, mà có xu hướng làm gia tăng giá trị của lao động kỹ năng cao trong khi thay thế các công việc lặp lại, dễ chuẩn hóa (Katz và Murphy, 1992; Autor, Levy và Murnane, 2003). Đây cũng là đặc trưng của nhiều công đoạn trong ngành may. Tuy nhiên, khung phân tích được Acemoglu và Restrepo (2018, 2020) phát triển sau này cung cấp một công cụ khác: tác động ròng của tự động hóa lên việc làm là kết quả cạnh tranh giữa hiệu ứng dịch chuyển (máy móc đảm nhận tác vụ vốn do người thực hiện), hiệu ứng tái tạo (công nghệ tạo ra tác vụ mới mà lao động có lợi thế so sánh) và hiệu ứng năng suất (chi phí giảm làm mở rộng quy mô sản xuất và do đó mở rộng cầu lao động). Autor (2015, 2022) bổ sung rằng các dự báo trước đây về thất nghiệp công nghệ hàng loạt thường đánh giá thấp khả năng thích ứng của thị trường lao động cùng các hiệu ứng tái tạo và năng suất, dù Autor (2022) cũng nhấn mạnh mức độ bất định lớn về tác động của các công nghệ mới.
Về khoảng trống kỹ năng, Gangoda, Krasley và Cobb (2023) nhấn mạnh trong ngành may mặc toàn cầu, khoảng trống này không chỉ là vấn đề thiếu kỹ năng tuyệt đối mà còn là vấn đề “lệch pha” giữa tốc độ đầu tư công nghệ của doanh nghiệp và tốc độ tổ chức đào tạo lại lao động. Khái niệm độ trễ kỹ năng (skills lag) mà nhóm tác giả đề xuất mang tính tương đối: cảm nhận thiếu hụt kỹ năng của một lực lượng lao động không phản ánh trình độ tuyệt đối của họ, mà phản ánh khoảng cách giữa trình độ hiện có và yêu cầu công nghệ đang thay đổi. Từ cách tiếp cận này, có thể giả thuyết rằng doanh nghiệp đầu tư công nghệ càng nhanh thì độ trễ kỹ năng cảm nhận được có thể càng lớn, ngay cả khi trình độ tuyệt đối của lao động đang được cải thiện.
3. Phương pháp nghiên cứu
Bài viết sử dụng phương pháp tổng hợp theo chủ đề các nguồn dữ liệu thứ cấp, kết hợp đối chiếu chéo giữa các nguồn độc lập. Công cụ phân tích chính là thống kê mô tả và so sánh tỷ lệ giữa các nhóm.
Dữ liệu được tập hợp từ năm nhóm nguồn, trình bày tại Bảng 1. Các nguồn được lựa chọn theo tiêu chí: do tổ chức thống kê, tổ chức quốc tế, hiệp hội ngành hoặc nhóm nghiên cứu có công bố phương pháp thực hiện; thời điểm thu thập từ năm 2015 trở lại đây, ưu tiên giai đoạn 2023 – 2026; có chỉ báo liên quan trực tiếp đến nhận thức rủi ro tự động hóa, tác động việc làm, nhu cầu kỹ năng hoặc tham gia đào tạo.
Bảng 1. Các nhóm nguồn dữ liệu sử dụng trong nghiên cứu
| Nhóm nguồn | Nguồn cụ thể | Phạm vi, thời gian, quy mô | Vai trò trong bài viết |
| Khảo sát nhận thức quốc tế | Pew Research Center (2016); Eurobarometer về AI tại nơi làm việc (Ủy ban châu Âu, 2025) | Hoa Kỳ, 6 – 7/2015, 2.001 người trưởng thành; các nước EU, 2024 – 2025 | Tham chiếu cấu trúc nhận thức rủi ro ở cấp cá nhân và cấp xã hội |
| Thống kê chính thức | Cục Thống kê (2026); Eurostat (2025, 2026); IFR (2026) | Việt Nam năm 2025; EU năm 2024 – 2025; mật độ robot toàn cầu năm 2024 | Tham chiếu về đào tạo, kỹ năng số và mức độ tự động hóa |
| Nghiên cứu thực nghiệm | Bangladesh Labour Foundation, BRAC University và Solidaridad (2024) | Bangladesh, 8 – 10/2024, 429 công nhân | Tác động việc làm quan sát được của tự động hóa |
| Dữ liệu ngành Việt Nam 2025-2026 | Số liệu Hiệp hội Dệt may Việt Nam công bố qua TheLEADER, VietnamFinance, Vnbusiness, Đại biểu Nhân dân, Tạp chí Kinh tế Tài chính (2026) | Toàn ngành dệt may, 6 tháng đầu năm 2026 | Trạng thái thị trường lao động và cơ cấu xuất khẩu |
| Khảo sát trong nước | Khảo sát của đề tài cấp Nhà nước ĐTĐL.XH/15-22 (2024) | 11 tỉnh, thành phố, 2023 – 2024; 1.770 lao động dệt may và da giày, 50 doanh nghiệp; chọn mẫu thuận tiện và có chủ đích; các chỉ báo về lao động gộp dệt may và da giày | Dữ liệu bổ trợ cho các chỉ báo về Việt Nam chưa có trong thống kê chính thức |
Quá trình phân tích được thực hiện theo ba bước. Thứ nhất, phân loại dữ liệu theo các chủ đề nghiên cứu và xác định những chỉ báo có thể sử dụng để mô tả từng khía cạnh. Thứ hai, sử dụng thống kê mô tả và so sánh tỷ lệ giữa các nhóm đối tượng, kết hợp đối chiếu kết quả giữa các nguồn để nhận diện những điểm tương đồng, khác biệt và khoảng trống thông tin. Thứ ba, tổng hợp các phát hiện làm cơ sở đề xuất khung phân tích hai chiều về tình trạng cung ứng lao động và cường độ tự động hóa, từ đó thảo luận các hàm ý chính sách về phát triển kỹ năng và thích ứng với chuyển đổi công nghệ.
Do các nguồn dữ liệu khác nhau về đối tượng khảo sát, phạm vi địa lý, thời điểm thu thập và phương pháp đo lường, việc đối chiếu chủ yếu nhằm nhận diện xu hướng và bổ sung bằng chứng giữa các bối cảnh, không nhằm khẳng định tính tương đương hoặc thực hiện so sánh trực tiếp. Khung phân tích do bài viết đề xuất mang tính khái niệm và định hướng chính sách, chưa được tác giả kiểm định bằng mô hình định lượng.
4. Nhận thức rủi ro tự động hóa của lao động ngành dệt may
Nhận thức về rủi ro tự động hóa không nhất thiết đồng nhất giữa cấp độ xã hội và cấp độ cá nhân. Khảo sát của Pew Research Center (2016) tại Hoa Kỳ cho thấy 65% người trưởng thành cho rằng trong 50 năm tới, robot và máy tính “chắc chắn” hoặc “có thể” đảm nhận phần lớn công việc hiện do con người thực hiện. Tuy nhiên, 80% người đang làm việc tin rằng công việc hoặc nghề nghiệp của mình vẫn tồn tại ở dạng hiện nay sau 50 năm. Chỉ 11% người lao động lo ngại ở mức “khá” trở lên về khả năng mất việc do người sử dụng lao động thay thế con người bằng máy móc hoặc chương trình máy tính; tỷ lệ này là 17% ở nhóm lao động chân tay và 5% ở nhóm lao động không làm việc chân tay. Khảo sát Eurobarometer năm 2025 tại châu Âu cũng ghi nhận những đánh giá tích cực về robot và trí tuệ nhân tạo (AI) tại nơi làm việc: trên 60% người dân có quan điểm tích cực, trên 70% cho rằng các công nghệ này nâng cao năng suất, trong khi 84% nhấn mạnh sự cần thiết phải quản lý AI thận trọng nhằm bảo vệ quyền riêng tư và bảo đảm tính minh bạch (Ủy ban châu Âu, 2025). Những kết quả này cho thấy, nhận thức về lợi ích công nghệ có thể đồng thời tồn tại với quan ngại về hệ quả xã hội và việc làm, nhưng chưa đủ để kết luận người lao động luôn đánh giá thấp rủi ro đối với bản thân.
Bên cạnh nhận thức, bằng chứng thực nghiệm cho thấy tác động của tự động hóa đến việc làm có thể khác nhau tùy theo công đoạn sản xuất và bối cảnh thị trường lao động. Nghiên cứu của Bangladesh Labour Foundation, BRAC University và Solidaridad Network Asia (2024), thực hiện với 429 công nhân tại Dhaka, Gazipur và Narayanganj trong giai đoạn tháng 8 – 10/2024, ghi nhận mức giảm 30,58% số lao động trên các công đoạn sản xuất được khảo sát tại các nhà máy áp dụng tự động hóa. Theo công đoạn, mức giảm được báo cáo là 48,34% ở khâu cắt và 26,57% ở khâu may; theo phân ngành, số lao động trên mỗi chuyền giảm 37,03% tại các nhà máy sản xuất áo len và 27,23% tại các nhà máy hàng dệt thoi. Nhóm lao động dễ bị tác động bao gồm lao động phụ việc, lao động nữ, lao động lớn tuổi và lao động có trình độ học vấn, kỹ năng thấp. Đồng thời, nghiên cứu ghi nhận những cải thiện về hiệu suất, năng suất và chất lượng sản phẩm, cho thấy tự động hóa có thể tạo ra lợi ích về sản xuất nhưng cũng đi kèm sức ép điều chỉnh việc làm và cường độ lao động.
Ở cấp độ quốc tế, số liệu của Liên đoàn Robot Quốc tế (IFR, 2026) cho thấy, mật độ robot công nghiệp năm 2024 đạt 267 robot/10.000 lao động trong ngành chế biến, chế tạo ở Tây Âu, 204 ở Bắc Mỹ và 131 ở châu Á. Hàn Quốc đạt 1.220 robot/10.000 lao động, trong khi Trung Quốc đạt 166, tăng 17% so với năm trước. Các chỉ báo này phản ánh sự khác biệt về mức độ ứng dụng robot giữa các nền kinh tế, nhưng không trực tiếp cho biết số việc làm bị thay thế trong ngành dệt may. Vì vậy, khi xem xét tác động của tự động hóa, cần kết hợp dữ liệu về mức độ ứng dụng công nghệ với bằng chứng về biến động việc làm, thay đổi nhiệm vụ và yêu cầu kỹ năng.
Đối với Việt Nam, bối cảnh thị trường lao động dệt may có những đặc điểm cần được tính đến khi đánh giá rủi ro tự động hóa. Theo Hiệp hội Dệt may Việt Nam, 6 tháng đầu năm 2026 kim ngạch xuất khẩu dệt may ước đạt 22,2 tỷ USD, tăng 1,7%, xuất siêu gần 10 tỷ USD; lãnh đạo hiệp hội cho rằng khó khăn lớn nhất của ngành là thiếu lao động, không phải đơn hàng; tiền lương bình quân của lao động ngành năm 2025 khoảng 11,7 triệu đồng/tháng (VietnamFinance, 2026). Một số doanh nghiệp điều chỉnh giảm quy mô nhận đơn hàng do không tuyển đủ lao động (TheLEADER, 2026) và tình trạng biến động nhân sự làm doanh nghiệp phải liên tục tuyển dụng và đào tạo lại (Vnbusiness, 2026). Về cơ cấu xuất khẩu, các nhóm xơ sợi, vải, phụ liệu và vải không dệt tăng 5,6 – 10,6%, trong khi hàng may mặc giảm 0,4% (Đại biểu Nhân dân, 2026). Hiệp hội Dệt may Việt Nam và một số công ty chứng khoán giải thích mức giảm của hàng may mặc chủ yếu do sức mua yếu tại các thị trường lớn và mức nền so sánh cao do hoạt động nhập hàng sớm từ năm trước (Tạp chí Kinh tế Tài chính, 2026).
Những dữ kiện trên cho thấy doanh nghiệp dệt may Việt Nam phải ứng phó đồng thời với yêu cầu duy trì năng lực sản xuất, tình trạng thiếu hụt nhân lực và biến động nhu cầu thị trường. Tuy nhiên, chưa thể từ đó khẳng định tự động hóa hiện chủ yếu nhằm thay thế lao động hay mức độ dịch chuyển việc làm do công nghệ tại Việt Nam thấp hơn Bangladesh. Để làm rõ sự khác biệt trong bối cảnh của hai quốc gia, cần xem xét đồng thời tình trạng cung ứng lao động, động cơ đầu tư công nghệ và những thay đổi thực tế trong cơ cấu việc làm. Ngoài tự động hóa, tình trạng thiếu lao động còn phụ thuộc vào mức lương và điều kiện việc làm so với các ngành khác nên không thể mặc nhiên coi đây là cơ sở để kết luận về quan hệ bổ trợ giữa công nghệ và lao động.
Đối với Việt Nam, chưa có khảo sát mang tính quốc gia về nhận thức rủi ro tự động hóa của lao động ngành dệt may. Khảo sát của đề tài ĐTĐL.XH/15-22 với 1.770 lao động dệt may và da giày cung cấp các chỉ báo có nội dung tương tự (Bảng 2):
Bảng 2. Chỉ báo nhận thức rủi ro tự động hóa tại Việt Nam và Hoa Kỳ
| Chỉ báo | Việt Nam (dệt may, da giày, 2023 – 2024) | Hoa Kỳ (toàn bộ lao động, 2015) | Chú thích |
| Nhận định rủi ro ở cấp xã hội | 32,5% đồng ý rằng công nghệ, tự động hóa sẽ dẫn đến thất nghiệp hàng loạt | 65% cho rằng robot, máy tính sẽ đảm nhận phần lớn công việc trong 50 năm | Khác nội dung nhận định và mốc thời gian |
| Lo ngại mất việc của bản thân | 17,2% lo ngại mất việc trong 10 năm tới | 11% (toàn bộ); 17% (lao động chân tay); 5% (lao động không chân tay) | Khác mốc thời gian, tổng thể và thời điểm khảo sát |
| Đánh giá về công việc hiện tại | 25,9% tin rằng công việc hiện tại có thể được tự động hóa trong 10 năm tới | 80% cho rằng nghề của mình vẫn tồn tại ở dạng hiện nay sau 50 năm | Hai câu hỏi đo hai khía cạnh khác nhau |
Ở cả hai bộ dữ liệu, tỷ lệ đồng ý với nhận định rủi ro ở cấp xã hội cao hơn tỷ lệ lo ngại cho bản thân, dù hai chỉ báo ở mỗi bộ dữ liệu là hai câu hỏi khác nhau (nhận định xã hội và lo ngại cá nhân). Tại Việt Nam, chênh lệch giữa hai chỉ báo là 15,3% (32,5% so với 17,2%), nhỏ hơn đáng kể so với chênh lệch ở Hoa Kỳ (65% so với 11%). Chiều hướng này tương thích với dự báo của lý thuyết hiệu ứng người thứ ba (Davison, 1983) và các nghiên cứu về thiên lệch lạc quan đối với rủi ro cá nhân (Weinstein, 1980). Tỷ lệ cho rằng công việc hiện tại có thể được tự động hóa (25,9%) và tỷ lệ lo ngại mất việc (17,2%) gợi ý rằng một bộ phận người lao động có sự phân biệt giữa việc tác vụ bị tự động hóa và việc mất vị trí việc làm. Báo cáo của đề tài diễn giải rằng nhóm này tin vào khả năng thích ứng, chuyển đổi kỹ năng hoặc tìm vị trí mới trong cùng lĩnh vực. Về động lực học tập, cùng khảo sát ghi nhận 67,2% người lao động cho biết luôn có động lực học các kỹ năng trong chương trình đào tạo, trong khi 47,0% cho biết hăng hái tham gia đào tạo vì có thể học hỏi, chia sẻ kinh nghiệm với đồng nghiệp (Đề tài ĐTĐL.XH/15-22, 2024). So với tỷ lệ tham gia đào tạo thực tế (là 20,3% trong hai năm trước khảo sát), có khoảng cách đáng kể giữa động lực học tập và cơ hội đào tạo.
5. Khoảng trống về kỹ năng của lao động ngành dệt may tại Việt Nam
Theo khái niệm độ trễ kỹ năng đã nêu ở mục 2 (Gangoda và cộng sự, 2023), cảm nhận thiếu hụt kỹ năng phản ánh khoảng cách tương đối so với yêu cầu công nghệ chứ không phản ánh trình độ tuyệt đối của người lao động. Ở cấp ngành, Hiệp hội Dệt may Việt Nam cho biết, doanh nghiệp dệt may chịu áp lực ngày càng tăng từ yêu cầu xanh hóa và số hóa, đồng thời gặp khó khăn khi tuyển dụng nhân lực có kỹ năng do nhiều cơ sở đào tạo nghề chưa được đầu tư đầy đủ trang thiết bị thực hành (VietnamFinance, 2026).
Khảo sát doanh nghiệp của đề tài ĐTĐL.XH/15-22 đã cung cấp số liệu về các nhóm kỹ năng mà doanh nghiệp cho rằng người lao động cần cải thiện:
Bảng 3. Tỷ lệ doanh nghiệp đánh giá kỹ năng, kiến thức người lao động cần cải thiện, ngành dệt may
| Nhóm kỹ năng, kiến thức cần cải thiện | Dệt may (%) (n = 32) |
| Kiến thức về tự động hóa, Cách mạng công nghiệp lần thứ tư | 78,1 |
| Sáng tạo nội dung kỹ thuật số | 34,4 |
| Khả năng đảm nhiệm nhiều công việc hơn trước | 34,4 |
| Giao tiếp và cộng tác | 18,8 |
| Kỹ năng liên quan dữ liệu và thông tin | 31,3 |
| Giải quyết vấn đề | 28,1 |
| Vận hành phần mềm và thiết bị | 43,8 |
Kết quả khảo sát 32 doanh nghiệp ngành dệt may thuộc đề tài ĐTĐL.XH/15-22 (2024) cho thấy nhu cầu cải thiện kỹ năng, kiến thức của người lao động tập trung chủ yếu vào năng lực thích ứng với quá trình tự động hóa và chuyển đổi công nghệ. Cụ thể, 78,1% doanh nghiệp cho rằng, người lao động cần cải thiện kiến thức về tự động hóa và Cách mạng công nghiệp lần thứ tư, cao nhất trong bảy nhóm kỹ năng, kiến thức được khảo sát. Kết quả này phản ánh yêu cầu ngày càng lớn đối với việc trang bị kiến thức công nghệ cho người lao động trong bối cảnh ngành dệt may đẩy mạnh ứng dụng máy móc, thiết bị và các giải pháp sản xuất thông minh. Đứng thứ hai là nhóm kỹ năng vận hành phần mềm và thiết bị, với 43,8% doanh nghiệp đánh giá người lao động cần cải thiện. Đây là nhóm kỹ năng có tính ứng dụng trực tiếp trong hoạt động sản xuất, cho thấy yêu cầu không chỉ dừng lại ở việc hiểu biết về công nghệ mà còn bao gồm khả năng sử dụng công nghệ trong thực tiễn công việc. Bên cạnh đó, 34,4% doanh nghiệp cho rằng, người lao động cần nâng cao khả năng sáng tạo nội dung kỹ thuật số và khả năng đảm nhiệm nhiều công việc hơn trước. Hai kết quả này gợi ý nhu cầu phát triển đồng thời năng lực số và tính linh hoạt trong thực hiện nhiệm vụ, phù hợp với xu hướng thay đổi quy trình làm việc và yêu cầu công việc trong môi trường sản xuất đang chuyển đổi.
Đối với các kỹ năng liên quan đến xử lý thông tin và giải quyết công việc, 31,3% doanh nghiệp đánh giá người lao động cần cải thiện kỹ năng liên quan đến dữ liệu và thông tin, trong khi tỷ lệ tương ứng đối với kỹ năng giải quyết vấn đề là 28,1%. Mặc dù các tỷ lệ này thấp hơn đáng kể so với nhóm kiến thức về tự động hóa, chúng vẫn cho thấy nhu cầu phát triển những năng lực hỗ trợ người lao động tiếp cận, xử lý thông tin và ứng phó với các tình huống phát sinh trong công việc. Trong bối cảnh sản xuất ngày càng gắn với dữ liệu và công nghệ số, các kỹ năng này có thể bổ trợ cho năng lực vận hành thiết bị, góp phần nâng cao hiệu quả thực hiện nhiệm vụ.
Khoảng cách giữa mục tiêu chính sách và mức tham gia đào tạo thực tế được ghi nhận ở cả các nền kinh tế phát triển. Tại EU, năm 2024 có 28,1% người từ 25- 64 tuổi tham gia giáo dục hoặc đào tạo trong 12 tháng trước khảo sát (Eurostat, 2025). Về kỹ năng số, khoảng 60% người dân EU có kỹ năng số cơ bản trở lên năm 2025, so với mục tiêu 80% vào năm 2030; tỷ lệ cao nhất là Hà Lan (84%) (Eurostat, 2026). Tại Việt Nam, tỷ lệ lao động qua đào tạo có bằng, chứng chỉ năm 2025 là 29,2% trên tổng lực lượng lao động 53,5 triệu người (Cục Thống kê, 2026), tương ứng khoảng 37,9 triệu lao động chưa có bằng, chứng chỉ đào tạo.
Tại Việt Nam, tỷ lệ lao động qua đào tạo có bằng, chứng chỉ năm 2025 đạt 29,2%. Đối với ngành dệt may, da giày, chỉ 20,3% người lao động tham gia đào tạo hoặc đào tạo lại trong giai đoạn 2023 – 2024, trong khi 67,1% chưa từng tham gia đào tạo kể từ khi đi làm. Những con số này cho thấy cơ hội đào tạo và nâng cao kỹ năng tại nơi làm việc còn là vấn đề đáng quan tâm. Trong khi đó, tại châu Âu, tỷ lệ người từ 25-64 tuổi tham gia giáo dục, đào tạo trong 12 tháng đạt 28,1% năm 2024; khoảng 60% người từ 16-74 tuổi có kỹ năng số cơ bản trở lên năm 2025. Mặc dù các chỉ báo khác nhau về đối tượng, phạm vi và phương pháp đo lường nên không thể so sánh trực tiếp nhưng những dữ liệu này đã cung cấp thêm bối cảnh tham chiếu về phát triển kỹ năng và học tập suốt đời. Kết quả đã nhấn mạnh sự cần thiết phải mở rộng cơ hội đào tạo, đào tạo lại và nâng cao kỹ năng số cho người lao động ngành dệt may, da giày, gắn với yêu cầu chuyển đổi công nghệ và thay đổi của thị trường lao động.
6. Khung phân tích đề xuất
Trên cơ sở tổng hợp các nghiên cứu và luận cứ thực tiễn về tự động hóa, nhu cầu lao động và mức độ tham gia đào tạo, bài viết đề xuất một khung phân tích hai chiều nhằm xác định trạng thái của một ngành, quốc gia hoặc doanh nghiệp tại một thời điểm nhất định. Khung phân tích được xây dựng dựa trên hai tiêu chí: (i) tình trạng cung ứng lao động, gồm dư thừa và khan hiếm lao động; và (ii) cường độ tự động hóa, gồm mức thấp và mức cao. Sự kết hợp giữa hai tiêu chí tạo thành bốn trạng thái, phản ánh những vấn đề khác nhau trong mối quan hệ giữa công nghệ và lao động, qua đó gợi mở các định hướng can thiệp và chính sách phù hợp (Bảng 4).
Bảng 4. Ma trận định vị trạng thái tự động hóa, thị trường lao động và ưu tiên chính sách tương ứng
| Cường độ tự động hóa thấp | Cường độ tự động hóa cao | |
| Lao động dư thừa | Cân bằng chi phí thấp: áp lực đổi mới thấp, nguy cơ duy trì ở phân khúc giá trị gia tăng thấp. Ưu tiên: nâng năng suất, đa dạng hóa sản phẩm | Dịch chuyển: hiệu ứng dịch chuyển (thay thế lao động) chiếm ưu thế. Ưu tiên: chuyển đổi công bằng, an sinh, đào tạo chuyển nghề |
| Lao động khan hiếm | Hạn chế năng lực: không tuyển đủ lao động, chưa có công nghệ bù đắp. Ưu tiên: hỗ trợ đầu tư công nghệ, giữ chân lao động | Bổ trợ: hiệu ứng tái tạo và năng suất (bổ trợ) chiếm ưu thế; ràng buộc chuyển từ số lượng sang chất lượng kỹ năng. Ưu tiên: đào tạo kỹ năng số tại chỗ, theo vị trí việc làm |
Trong khung phân tích này, “thay thế” được hiểu là hiệu ứng dịch chuyển lao động do công nghệ, trong khi “bổ trợ” được xác định khi hiệu ứng tái tạo việc làm và hiệu ứng năng suất bù đắp hoặc vượt quá hiệu ứng dịch chuyển. Cách tiếp cận này dựa trên khung lý thuyết của Acemoglu và Restrepo (2018), tuy nhiên, tác động bổ trợ của công nghệ không loại trừ khả năng thay thế lao động ở một số tác vụ cụ thể; hai tác động này có thể đồng thời tồn tại, tùy thuộc vào cách công nghệ được ứng dụng và tổ chức công việc của doanh nghiệp.
Ở trạng thái lao động dư thừa và cường độ tự động hóa thấp, doanh nghiệp có thể duy trì lợi thế cạnh tranh dựa trên chi phí lao động, nhưng đồng thời đối mặt với nguy cơ chậm đổi mới công nghệ và mắc kẹt trong phân khúc có giá trị gia tăng thấp. Ưu tiên chính sách là nâng cao năng suất, cải thiện tổ chức sản xuất và khuyến khích đa dạng hóa sản phẩm. Khi lao động dư thừa đi cùng cường độ tự động hóa cao, nền kinh tế hoặc ngành có thể chịu áp lực dịch chuyển lao động do công nghệ thay thế một số nhiệm vụ trước đây do con người thực hiện. Trong trường hợp này, chính sách cần chú trọng hỗ trợ chuyển đổi việc làm, đào tạo chuyển nghề và bảo đảm an sinh xã hội. Kinh nghiệm từ ngành dệt may Bangladesh có thể được xem xét để làm rõ trạng thái này, với điều kiện cần đối chiếu cụ thể các bằng chứng về thay đổi việc làm và mức độ ứng dụng tự động hóa.
Đối với trạng thái khan hiếm lao động và cường độ tự động hóa thấp, thiếu hụt nhân lực có thể trở thành rào cản đối với duy trì và mở rộng sản xuất khi doanh nghiệp chưa có đủ năng lực công nghệ để bù đắp. Vì vậy, các ưu tiên bao gồm hỗ trợ đầu tư công nghệ phù hợp, cải thiện điều kiện làm việc và tăng khả năng thu hút, giữ chân người lao động. Trong khi đó, khi khan hiếm lao động kết hợp với cường độ tự động hóa cao, công nghệ có thể góp phần giảm áp lực về số lượng lao động, nhưng đồng thời làm tăng yêu cầu đối với chất lượng kỹ năng. Khi đó, trọng tâm chính sách cần chuyển sang đào tạo kỹ năng số, kỹ năng vận hành thiết bị và khả năng xử lý tình huống tại nơi làm việc, gắn với yêu cầu cụ thể của từng vị trí việc làm.
Khung phân tích đề xuất có ba hàm ý chính.
Một là, trạng thái của ngành không cố định mà có thể thay đổi theo biến động thị trường và tiến bộ công nghệ. Chẳng hạn, nếu tăng trưởng đơn hàng chậm lại hoặc chi phí tự động hóa khâu may trở nên phù hợp, ngành dệt may Việt Nam có thể chuyển từ trạng thái “bổ trợ” sang “dịch chuyển”, khi hiệu ứng dịch chuyển (thay thế lao động) gia tăng. Trong bối cảnh đó, kỹ năng số được trang bị trước có thể hỗ trợ người lao động thích ứng với công nghệ và chuyển đổi vị trí việc làm.
Hai là, chính sách cần được thiết kế phù hợp với từng trạng thái của ma trận. Các giải pháp thúc đẩy đầu tư công nghệ và nâng cao kỹ năng trong bối cảnh khan hiếm lao động có thể không phù hợp nếu áp dụng nguyên trạng cho ngành đang dư thừa lao động và chịu áp lực thay thế việc làm.
Ba là, nhận thức của người lao động về nguy cơ bị công nghệ thay thế cần được xem xét trong mối quan hệ với điều kiện thị trường lao động thực tế. Mức độ lo ngại thấp có thể liên quan một phần đến tình trạng thiếu hụt lao động mà người lao động trải nghiệm, nhưng giả thuyết này cần được kiểm chứng bằng dữ liệu thực nghiệm. Nếu được xác nhận, truyền thông và đào tạo có thể nhấn mạnh lợi ích thiết thực của kỹ năng số đối với năng suất, thu nhập và cơ hội thăng tiến, thay vì chủ yếu dựa trên cảnh báo nguy cơ mất việc.
Giá trị của khung phân tích nằm ở việc tránh xem tự động hóa là giải pháp có tác động đồng nhất trong mọi điều kiện thị trường lao động. Cùng một mức độ ứng dụng công nghệ có thể tạo ra những hệ quả khác nhau tùy thuộc vào khả năng cung ứng lao động, cơ cấu kỹ năng và năng lực thích ứng của doanh nghiệp. Do đó, chính sách không nên chỉ tập trung vào thúc đẩy đầu tư công nghệ hoặc mở rộng đào tạo một cách riêng lẻ, mà cần phối hợp các giải pháp theo trạng thái cụ thể. Khung này cũng nhấn mạnh sự cần thiết phải phân biệt giữa tác động thay thế lao động và tác động bổ trợ giữa công nghệ với lao động, qua đó hỗ trợ xác định trọng tâm can thiệp phù hợp.
Về phương pháp, ma trận được đề xuất như một khung phân tích định tính ban đầu, không phải mô hình đã được kiểm định thực nghiệm. Việc vận dụng cần xác định rõ chỉ báo đo lường tình trạng khan hiếm lao động và cường độ tự động hóa. Đặc biệt, mức độ khan hiếm lao động cần được xem xét theo ngành nghề, địa bàn và trình độ kỹ năng; trong khi cường độ tự động hóa cần phản ánh mức độ ứng dụng công nghệ trong các nhiệm vụ hoặc quy trình sản xuất cụ thể.
Tài liệu tham khảo:
* Bài viết là sản phẩm của đề tài 14-2026-HV-VKTBĐ do Học viện Công nghệ Bưu chính Viễn thông đã tài trợ kinh phí thực hiện đề tài.
Acemoglu, D., & Restrepo, P. (2018). The race between man and machine: Implications of technology for growth, factor shares, and employment. American Economic Review, 108(6), 1488-1542.
Acemoglu, D., & Restrepo, P. (2020). Robots and jobs: Evidence from US labor markets. Journal of Political Economy, 128(6), 2188-2244.
Arntz, M., Gregory, T., & Zierahn, U. (2016). The risk of automation for jobs in OECD countries: A comparative analysis. OECD Social, Employment and Migration Working Papers No. 189.
Autor, D. (2015). Why are there still so many jobs? The history and future of workplace automation. Journal of Economic Perspectives, 29(3), 3-30.
Autor, D. (2022). The labor market impacts of technological change: From unbridled enthusiasm to qualified optimism to vast uncertainty. NBER Working Paper No. 30074.
Autor, D. H., Levy, F., & Murnane, R. J. (2003). The skill content of recent technological change: An empirical exploration. Quarterly Journal of Economics, 118(4), 1279–1333.
Bangladesh Labour Foundation, BRAC University, & Solidaridad Network Asia (2024). Assessment of technological transition in the apparel sector of Bangladesh and its impact on the workers. https://blfbd.com/assessment-of-technological-transition-in-apparel-sector-of-bangladesh-and-its-impact-on-the-workers/.
Cục Thống kê (2026). Thông cáo báo chí về tình hình dân số, lao động, việc làm quý IV và năm 2025.
Davison, W. P. (1983). The third-person effect in communication. Public Opinion Quarterly, 47(1), 1-15.
Đại biểu Nhân dân (2026). Vietnam’s textile, garment exports rise 1.7% in first half of 2026. https://en.daibieunhandan.vn/print/10422961.html.
Frey, C. B., & Osborne, M. A. (2017), The future of employment: How susceptible are jobs to computerisation?,Technological Forecasting and Social Change, Volume 114, Pages 254-280, https://doi.org/10.1016/j.techfore.2016.08.019.
Gangoda, A., Krasley, S., & Cobb, K. (2023). AI digitalisation and automation of the apparel industry and human workforce skills. International Journal of Fashion Design, Technology and Education, 16(3), 319–329. https://doi.org/10.1080/17543266.2023.2209589
Katz, L. F., & Murphy, K. M. (1992). Changes in relative wages, 1963 -1987: Supply and demand factors. Quarterly Journal of Economics, 107(1), 35-78.
International Federation of Robotics (2026). World Robotics 2025: Robot density surges in Europe, Asia and the Americas.
ILO (2016). ASEAN in transformation: How technology is changing jobs and enterprises. Bangkok.
ILO (2026). Navigating generative AI’s transformations in ASEAN labour markets.
Pew Research Center (2016). Public predictions for the future of workforce automation.
The LEADER (2026). Dệt may dồi dào đơn hàng, ‘khát’ lao động.
Tạp chí Kinh tế Tài chính (2026). Ngành Dệt may: Tăng trưởng phân hóa, áp lực biên lợi nhuận gia tăng. https://tapchikinhtetaichinh.vn/nganh-det-may-tang-truong-phan-hoa-ap-luc-bien-loi-nhuan-gia-tang-166977.html
Ủy ban châu Âu (2025). Eurobarometer on artificial intelligence in the workplace.
Eurostat (2025). Adult learning statistics.
Eurostat (2026). Skills for the digital age.
Vnbusiness (2026). Dệt may, thủy sản: Muốn giữ đơn hàng, phải giải bài toán thiếu người làm.
VietnamFinance (2026). Lãnh đạo Hiệp hội Dệt may Việt Nam: Trả lương như VinCons thì doanh nghiệp dệt may phá sản.
VnEconomy (2026). Ngành dệt may Việt Nam chuyển mình mạnh mẽ giữa thách thức toàn cầu.
Weinstein, N. D. (1980). Unrealistic optimism about future life events. Journal of Personality and Social Psychology, 39(5), 806-820.
