Trong nhận thức của công chúng kể từ Cách mạng Công nghiệp (cuối thế kỷ 18) thì năng suất cũng gắn liền với đổi mới công nghệ. Các doanh nghiệp biết kịp thời áp dụng công nghệ mới thường sẽ trở nên năng suất hơn và vượt qua những đối thủ chậm chân. Tuy nhiên, một xã hội năng suất lại khác với một công ty năng suất. Trong khi các doanh nghiệp chỉ cần ưu tiên tập trung nguồn lực cho lĩnh vực của mình thì xã hội lại có một mục tiêu phức tạp hơn nhiều – cải thiện năng suất của tất cả mọi thành viên. Lựa chọn công nghệ đã thúc đẩy một doanh nghiệp tăng trưởng năng suất có thể sẽ không giúp ích gì, hay thậm chí còn gây tác dụng ngược, đối với tổng thể nền kinh tế.
Không phải ai cũng hiểu rõ điều này bởi giả định rằng những lợi ích từ tiến bộ công nghệ, sau cùng sẽ lan tỏa đến tất cả mọi người. Nhưng về bản chất thì chỉ một nhóm nhỏ – các doanh nghiệp, nhà đầu tư và chuyên gia – nắm giữ công nghệ mới là người được hưởng lợi lớn nhất. Như lập luận của hai nhà kinh tế Daron Acemoglu và Simon Johnson1, Cách mạng Công nghiệp có thể đã mở ra kỷ nguyên tăng trưởng kinh tế hiện đại, nhưng những tiến bộ liên quan đến phúc lợi cho người lao động bình thường trong suốt một thế kỷ sau đó là rất hạn chế.
“Năng suất không phải là tất cả, nhưng về lâu dài thì lại gần như là tất cả” . Paul Krugman (Nobel Kinh tế 2008) |
Thời đại siêu toàn cầu hóa (cuối thế kỷ 20 – đầu 21) đã ghi nhận không ít nghịch lý. Trong thập niên 1990, chi phí thương mại và hoạt động sản xuất chế tạo được mở rộng trên quy mô toàn cầu đã giúp nhiều doanh nghiệp ở những quốc gia thu nhập thấp và trung bình nhanh chóng hội nhập sâu vào chuỗi cung ứng. Nhờ áp dụng các công nghệ sản xuất hiện đại mà họ cũng đạt được năng suất nhảy vọt. Tuy nhiên, năng suất của những nền kinh tế khai sinh các doanh nghiệp này, trong nhiều trường hợp lại lâm vào cảnh trì trệ, thậm chí thụt lùi. Mexico là một ví dụ điển hình. Sau khi áp dụng những cải cách tự do hóa (cuối thập niên 1980) và nhờ tác động từ Hiệp định Thương mại Tự do Bắc Mỹ (NAFTA) – được ký kết năm 1990, nước này đã chứng kiến sự bùng nổ của khu vực FDI và xuất khẩu hàng hóa chế tạo. Nhưng kết quả ở các mảng khác lại hết sức tệ hại khiến năng suất tổng các yếu tố (TFP) của Mexico sụt giảm trong những thập niên tiếp theo, giống như kinh nghiệm của nhiều quốc gia láng giềng.
Trên thực tế, ngành công nghiệp chế tạo của Mexico, cụ thể là những doanh nghiệp kịp đổi mới, đã trở nên năng suất hơn rất nhiều khi bị buộc tham gia cuộc cạnh tranh toàn cầu. Các công ty sản xuất lớn – đại diện cho khu vực kinh tế chính thức (formal economy) – có xu hướng dần thu hẹp quy mô nhân sự và chỉ hấp thụ được một phần nhỏ của lực lượng lao động. Ngược lại, những doanh nghiệp vừa và nhỏ – chủ yếu đại diện cho khu vực phi chính thức (informal economy), ngày càng tụt hậu về năng suất. Ngoài ra, các quy định chưa hoàn thiện và bất hợp lý liên quan đến tiền lương, bảo hiểm xã hội,… đã khuyến khích người lao động lựa chọn tham gia các hoạt động kinh tế phi chính thức thay vì chính thức. Kết quả là những lợi ích từ năng suất tăng trưởng trong ngành sản xuất chế tạo định hướng xuất khẩu đã được đánh đổi để lấy hiệu suất kém hơn trong các lĩnh vực khác. Thứ nữa, trong quá trình hội nhập sâu vào chuỗi giá trị, các quốc gia thiếu vốn, kỹ năng và tri thức chắc chắn sẽ đối mặt với đường cong chi phí (cost curve) ngày càng hướng lên trên. Điều này ngăn cản những doanh nghiệp của họ mở rộng quy mô và hấp thụ thêm nhiều lao động. Do không có nhiều lựa chọn, di dân từ nông thôn ra thành thị buộc phải chấp nhận các công việc năng suất (cùng tiền lương) thấp trong ngành dịch vụ nhỏ lẻ. Chúng ta cũng có thể bắt gặp tình trạng phân hóa năng suất tương tự ở nhiều nền kinh tế đang phát triển ở châu Á, Mỹ Latinh hay khu vực Hạ Sahara.
Đó là bài học mà chúng ta cần nghiêm túc xem xét trước làn sóng trí tuệ nhân tạo (AI). Các mô hình ngôn ngữ lớn (LLM) đang chứng tỏ chúng có khả năng giúp con người hoàn thành rất nhiều nhiệm vụ theo cách vô cùng nhanh chóng và hiệu quả, qua đó tạo nên sự hưng phấn về triển vọng tăng trưởng năng suất trong tương lai. Nhưng hãy còn quá sớm để đưa ra đánh giá về mức độ lan tỏa của những lợi ích do AI mang lại đối với toàn bộ nền kinh tế. Như Arjun Ramani và Zhengdong Wang2 cảnh báo, hiệu quả này sẽ bị giới hạn nếu các khu vực quan trọng khác của nền kinh tế như xây dựng và những ngành công nghiệp dịch vụ, sáng tạo đặc thù (không thể thay thế vai trò của con người) vẫn miễn nhiễm. Đó là biểu hiện của căn bệnh Baumol – giá cả tăng tương đối trong một số ngành nghề kìm hãm sự cải thiện mức sống toàn diện của nền kinh tế.
Việc tích cực hội nhập vào chuỗi cung ứng toàn cầu và tham gia ngày càng nhiều hiệp định thương mại tự do (FTA) đã giúp Việt Nam vươn lên trở thành nước xuất khẩu lớn và nền kinh tế mở nhất ASEAN (quy mô ngoại thương gấp gần hai lần GDP). Riêng thặng dư buôn bán của Việt Nam với Mỹ hiện đã đứng thứ ba thế giới, chỉ sau Trung Quốc và Mexico. Tuy nhiên, chúng ta cần nghiên cứu kỹ bài học Mexico để tránh đi vào vết xe đổ tương tự – chứng kiến sự bùng nổ về xuất khẩu và thu hút FDI, trong khi tăng trưởng năng suất tổng các yếu tố (TFP) èo uột khiến nền kinh tế mắc bẫy thu nhập trung bình (middle income trap). |
Góc nhìn trên không nhằm cổ vũ xu hướng bi quan hay chủ trương chống lại các tiến bộ do công nghệ mang lại. Tuy nhiên, chúng ta không được đồng nhất một cách mù quáng giữa đổi mới công nghệ với tăng trưởng năng suất, mặc dù đó là điều kiện cần để các xã hội phát triển thịnh vượng. Chỉ những chính sách tốt, đảm bảo tính công bằng và bao trùm mới có thể giúp chuyển hóa đổi mới công nghệ thành lợi ích lan tỏa và thúc đẩy tăng trưởng năng suất một cách toàn diện.
Theo Project Syndicate
(*) Tác giả Dani Rodrik là giáo sư kinh tế chính trị tại Trường Quản lý Nhà nước Kennedy thuộc Đại học Harvard; chủ tịch Hiệp hội Kinh tế Quốc tế (IEA); tác giả cuốn Straight Talk on Trade: Ideas for a Sane World Economy (Đối thoại thẳng thắn về thương mại: những ý tưởng cho một nền kinh tế thế giới lành mạnh).
Chú thích
1. Xem Daron Acemoglu & Simon Johnson (2023), Power and Progress: Our Thousand-Year Struggle Over Technology and Prosperity, Public Affairs.
2. Xem Arjun Ramani & Zhengdong Wang (2023), Why transformative artificial intelligence is really, really hard to achieve, The Gradient, Link: https://thegradient.pub/why-transformative-artificial-intelligence-is-really-really-hard-to-achieve/