Báo cáo nghiên cứu từ tháng 6 năm 2028: Khi AI vượt quá mong đợi, nền kinh tế lại sụp đổ

CitriniResearch và Alap Shah đưa ra một giả thuyết hư cấu trong “Bản ghi nhớ vĩ mô từ tương lai”: AI nhiều lần vượt xa kỳ vọng lạc quan và không nhất thiết mang lại lợi ích cho tài sản và nền kinh tế, ngược lại, sự dồi dào của trí tuệ máy móc có thể qua việc đẩy lùi thu nhập lao động và vòng quay tiêu dùng, kích hoạt một cuộc thu hẹp nhu cầu do “phồn vinh năng suất” gây ra và định giá lại tài chính.

Trong thử nghiệm tư duy lấy mốc thời gian “tháng 6 năm 2028”, tỷ lệ thất nghiệp của Mỹ tăng lên 10,2%, cao hơn dự kiến 0,3 điểm phần trăm, sau khi công bố dữ liệu, thị trường giảm 2%, chỉ số S&P 500 từ đỉnh cao tháng 10 năm 2026 đã giảm tổng cộng 38%. Bản ghi nhớ cho biết, các nhà giao dịch đã trở nên chai lì trước các cú sốc, cách đây sáu tháng, dữ liệu tương tự có thể đã kích hoạt giới hạn trần.

Báo cáo phân tích quá trình khủng hoảng thành hai chuỗi liên kết tương tác thúc đẩy nhau: Một chuỗi xảy ra trong nền kinh tế thực, khả năng AI nâng cao dẫn đến thay thế các vị trí công việc văn phòng, tốc độ tăng lương thực tế sụt giảm, nền kinh tế “dựa vào con người” bắt đầu co lại, tạo ra vòng phản hồi tiêu cực “không có phanh tự nhiên”, thị trường chỉ chú ý đến AI, nhưng chính nền kinh tế bắt đầu biến dạng, sinh ra thứ gọi là “GDP ma” — tức là sản lượng được tính vào tài khoản quốc dân nhưng khó lưu thông trong nền kinh tế thực.

Chuỗi còn lại diễn ra trong hệ thống tài chính, khi kỳ vọng thu nhập bị tổn thương cấu trúc bắt đầu làm suy yếu định giá tài sản dựa trên dòng tiền của các khoản vay tư nhân và thế chấp nhà ở dựa vào dòng tiền của các nhân viên văn phòng, đồng thời thúc đẩy các cuộc thảo luận về chính sách và quản lý, nhưng đồng thời cũng nhấn mạnh rằng phản ứng chính sách vẫn chậm chạp, niềm tin của công chúng vào khả năng “cứu trợ” của chính phủ giảm sút, làm gia tăng rủi ro vòng xoáy giảm phát.

Có thể, như Citrini nói, “Khi đầu ra của máy móc tương đương với 10.000 nhân viên văn phòng mà không tiêu tốn đồng nào cho dịch vụ xã hội, đó không phải là kỳ tích kinh tế, mà là dịch bệnh kinh tế.”

Tỷ suất lợi nhuận cao không đồng nghĩa với sức khỏe kinh tế: Tiền không còn chảy qua khu vực gia đình

Trong giả thuyết này, đợt sa thải đầu tiên vào đầu năm 2026 do “con người trở nên lỗi thời” rất phù hợp với sở thích của thị trường chứng khoán: chi phí giảm, tỷ suất lợi nhuận tăng, lợi nhuận vượt kỳ vọng, giá cổ phiếu tăng. Đến tháng 10 năm 2026, chỉ số S&P 500 gần chạm 8.000 điểm, Nasdaq vượt 30.000 điểm. Lợi nhuận doanh nghiệp lại được “đổ” vào khả năng tính toán của AI, tạo thành một “bộ tăng tốc”.

Các chỉ số vĩ mô cũng “đẹp mắt”: GDP danh nghĩa nhiều lần ghi nhận tăng trung cao hàng năm, tốc độ tăng sản lượng thực theo giờ đạt mức mà tác giả gọi là “chưa từng thấy kể từ thập niên 1950”—AI đại lý không ngủ, không nghỉ ốm, cũng không cần bảo hiểm y tế.

Tuy nhiên, bản ghi nhớ nhấn mạnh, phần lớn của cải tập trung vào “chủ sở hữu năng lực tính toán”, trong khi thu nhập lao động sụt giảm. Tăng trưởng lương thực tế chuyển sang âm, nhân viên văn phòng buộc phải chuyển xuống các vị trí lương thấp hơn, vòng quay tiêu dùng — “động cơ trung tâm của con người”, chiếm khoảng 70% GDP thời điểm đó — bắt đầu co lại. Tác giả dùng một câu hỏi phản biện rất thẳng thắn để kết luận: Máy móc tiêu bao nhiêu tiền vào tiêu dùng tùy chọn? Câu trả lời là không đồng nào.

SaaS bị tấn công đầu tiên: Khi “tự viết một đoạn” trở thành lựa chọn mua sắm thông thường

Chuỗi domino đầu tiên đến từ phần mềm. Tác giả đặt điểm ngoặt vào cuối năm 2025: khả năng của các công cụ lập trình dựa trên đại lý xuất hiện “bước nhảy vọt theo bậc thang”. Một nhà phát triển đủ tiêu chuẩn phối hợp với Claude Code hoặc Codex, chỉ trong vài tuần có thể sao chép các chức năng cốt lõi của một sản phẩm SaaS trung cấp — không hoàn hảo, nhưng đủ để khiến CIO hỏi thêm: Chúng ta có thể tự làm không?

Vì ngân sách tài chính của doanh nghiệp thường được khóa trong quý cuối cùng của năm trước, việc xem xét lại vào giữa năm 2026 trở thành cơ hội đầu tiên để ra quyết định mua sắm “có tính khả dụng thực”. Trong đó, có đoạn mô tả chi tiết đàm phán: một quản lý mua hàng của tập đoàn Fortune 500 nói với tác giả rằng, ông đã dùng lý do “đang đàm phán với OpenAI về việc các kỹ sư triển khai AI thay thế nhà cung cấp” để thương lượng giảm giá 30%; còn các SaaS dài hạn như Monday.com, Zapier, Asana thì còn tệ hơn.

Quan trọng hơn, là cách “tự xây dựng” trở thành lựa chọn này thay đổi cấu trúc ngành: AI thúc đẩy phát triển và lặp lại các đặc điểm khác biệt, làm phẳng các lợi thế cạnh tranh; chiến tranh giá trở thành “đấu dao cùng lúc với đối thủ cũ và thách thức mới”, rào cản cạnh tranh không còn là chức năng, mà là chi phí và khả năng tài chính.

Các công ty bị đe dọa bởi AI, lại chính là những công ty có xu hướng phản ứng quyết liệt nhất: Chuỗi phản hồi phản xạ bắt đầu từ đây

Điểm mà bản ghi nhớ muốn nhấn mạnh nhất, khác với các sách giáo khoa trong lịch sử, là: Những kẻ bị phá vỡ vào năm 2026 không chọn “kháng cự”. Tác giả so sánh với con đường của Kodak, Blockbuster, BlackBerry, cho rằng dưới tác động của AI, nhiều công ty “không thể từ từ chết”, mà chỉ có thể tự cứu mình bằng cách nhanh.

Trong kịch bản này, ServiceNow trong quý 3 năm 2026 đã có tín hiệu rõ ràng: tốc độ tăng mới của doanh thu hợp đồng hàng năm (ACV) giảm từ 23% xuống còn 14%, đồng thời công bố cắt giảm 15% nhân sự, cổ phiếu giảm 18% trong ngày. Nguyên nhân không bí ẩn: họ bán số ghế, khách hàng cắt giảm 15% nhân viên sẽ tự động hủy 15% giấy phép; và lý do khách hàng cắt giảm nhân viên chính là do hiệu quả do AI mang lại.

Vì thế, xuất hiện “lý trí tập thể, thảm họa toàn diện” như bản ghi nhớ mô tả: các công ty cắt giảm chi phí để đầu tư vào AI, khả năng của AI lại thúc đẩy các vòng cắt giảm tiếp theo. Mỗi hành động đều hợp lý, nhưng cộng lại, lại làm mất đi khả năng kiểm soát.

Sau khi “ma sát” biến mất, các trung gian bắt đầu sụp đổ: từ đăng ký dịch vụ, hoa hồng đến phí tổ chức thẻ

Đến đầu năm 2027, tác giả giả định rằng việc sử dụng các mô hình ngôn ngữ lớn (LLM) đã trở thành cấu hình mặc định, nhiều người “dùng AI như dùng tính năng tự động hoàn thành” mà không nhận ra. Tiếp đó, trợ lý mua sắm dựa trên đại lý mã nguồn mở Qwen trở thành chất xúc tác, các trợ lý này nhanh chóng tích hợp chức năng thương mại điện tử dựa trên đại lý; việc phân rã mô hình giúp các đại lý chạy trên điện thoại và laptop, giảm chi phí suy luận biên.

Điều khiến tác giả lo ngại nhất là: đại lý không cần phải được kích hoạt, chúng luôn chạy nền dựa trên sở thích. Đến tháng 3 năm 2027, trung bình người dùng Mỹ tiêu thụ khoảng 400.000 tokens mỗi ngày, tăng gấp 10 lần so với cuối năm 2026. Giao dịch không còn là các quyết định rời rạc của từng người, mà trở thành tối ưu liên tục 24/7.

Điều này trực tiếp tấn công tầng thuê dựa trên “hạn chế của con người” trong 50 năm qua: tự động gia hạn đăng ký, tăng giá sau thử nghiệm, độ quen thuộc với thương hiệu thay thế so với so sánh giá… Những mô hình kiếm tiền dựa trên ma sát này bị đại lý biến thành “cơ chế đàm phán bị bắt giữ”.

Danh sách các trung gian “đầu tiên đổ vỡ” gồm: các nền tảng đặt phòng du lịch, bảo hiểm dựa vào gia hạn tự động, cố vấn tài chính, dịch vụ khai thuế, các công việc pháp lý thông thường. Thậm chí, môi giới bất động sản cũng không thoát khỏi: khi đại lý có thể truy cập MLS và dữ liệu giao dịch lịch sử, trung bình hoa hồng mua bán nhà ở các thành phố lớn của Mỹ đã giảm từ 2,5-3% xuống dưới 1%, ngày càng nhiều giao dịch không còn cần đến môi giới con người ở phía bên mua.

Khi đại lý kiểm soát giao dịch, chúng sẽ tiếp tục tìm kiếm các “đầu mối” lớn hơn: trong các giao dịch máy móc với máy móc, phí trao đổi của các tổ chức thẻ (card organization) từ 2-3% trở nên gây sốc. Tác giả giả định nhiều đại lý chuyển sang dùng stablecoin trên Solana hoặc Ethereum Layer 2 để thanh toán, chi phí gần như “chỉ bằng phần nhỏ của cent”. Trong đoạn này, Mastercard được mô tả như một “điểm ngoặt không thể đảo ngược”: ban lãnh đạo trong báo cáo tài chính đề cập đến “tối ưu giá dựa trên đại lý” và “áp lực tiêu dùng có chọn lọc”, cổ phiếu giảm; rủi ro lan rộng sang các ngân hàng phát hành thẻ và các tổ chức phát hành thẻ tín dụng độc lập, trong đó AmEx bị “tổn thương kép” nặng nhất (bị cắt giảm khách hàng cao cấp + phí bị né tránh).

Đây không phải là vấn đề “ngành công nghiệp phát triển tốt”: Nhu cầu dịch vụ dành cho nhân viên văn phòng bị đứt gãy do đòn bẩy

Năm 2026, thị trường vẫn xem các tác động tiêu cực này như là câu chuyện của các ngành phần mềm, tư vấn, thanh toán. Nhưng bản ghi nhớ phản bác rõ ràng: Mỹ là nền kinh tế dịch vụ dành cho nhân viên văn phòng, nhân viên văn phòng chiếm khoảng 50% lao động, nhưng lại chiếm tới 75% tiêu dùng tùy chọn.

Các số liệu nhấn mạnh hơn nữa về độ tập trung tiêu dùng: 10% nhóm người giàu nhất của Mỹ chi tiêu hơn 50%, 20% đầu tiên chiếm khoảng 65%. Do đó, chỉ cần tác động tập trung vào nhóm nhân viên cao cấp, dù tỷ lệ thất nghiệp không cao, cũng đủ gây thiệt hại “ít mà lợi” cho tiêu dùng tùy chọn. Tác giả dùng một ví dụ về đòn bẩy: giảm 2% việc làm của nhân viên văn phòng có thể tương ứng giảm 3-4% tiêu dùng tùy chọn; hơn nữa, nhóm này có tích lũy dự phòng, nên tác động sẽ xuất hiện chậm và sâu hơn khi có biến cố lớn.

Các tín hiệu về điểm ngoặt trong thị trường lao động được mô tả rất cụ thể: tháng 10 năm 2026, số lượng vị trí tuyển dụng (JOLTS) giảm xuống dưới 5,5 triệu, giảm 15% so với cùng kỳ; các vị trí của nhân viên văn phòng sụt giảm, trong khi lao động chân tay tương đối ổn định. Thị trường trái phiếu bắt đầu phản ứng bằng cách giảm kỳ vọng tiêu dùng, lợi tức trái phiếu Mỹ kỳ hạn 10 năm từ 4,3% xuống còn 3,2%.

Trong khi đó, đầu tư vào AI không giảm theo nhu cầu yếu đi, vì tác giả xem đó là “thay thế OpEx” chứ không phải chu kỳ CapEx truyền thống: doanh nghiệp chuyển khoản 1 tỷ USD dành cho nhân lực sang ngân sách AI, tổng chi giảm nhưng chi cho AI lại tăng gấp nhiều lần. Kết quả là, có một sự phân kỳ rõ rệt: hạ tầng AI vẫn duy trì đà tăng trưởng cao — doanh thu Nvidia đạt đỉnh, TSMC hoạt động với tỷ lệ sử dụng trên 95%, các nhà cung cấp đám mây quy mô lớn vẫn chi 150-200 tỷ USD mỗi quý cho trung tâm dữ liệu; trong khi đó, phía tiêu dùng bị thay thế bắt đầu mất đi.

Tác giả còn mở rộng sự phân kỳ này ra cấp độ quốc gia: Hàn Quốc hưởng lợi rõ rệt, tăng trưởng vượt trội; xuất khẩu dịch vụ CNTT của Ấn Độ (theo số liệu trong bài, hơn 2000 tỷ USD/năm) bị ảnh hưởng do “đại lý mã hóa AI có chi phí cận bằng giá điện”, dẫn đến các hợp đồng bị hủy nhanh hơn, đồng rupee mất giá 18% trong 4 tháng, đến quý 1 năm 2028, IMF đã bắt đầu thảo luận sơ bộ với New Delhi.

Cho vay tư nhân không “an toàn kín”: Nợ bảo hiểm nhân thọ kéo theo rủi ro

Ngòi nổ trong lĩnh vực tài chính bắt nguồn từ thị trường cho vay tư nhân. Bản ghi nhớ cung cấp quy mô biến động: từ dưới 1 nghìn tỷ USD năm 2015 lên hơn 2,5 nghìn tỷ USD năm 2026, trong đó phần lớn đổ vào các khoản mua lại công ty công nghệ và phần mềm, dựa trên giả định rằng doanh thu SaaS có thể “tăng trưởng bền vững theo lãi kép lâu dài”.

Khi AI làm vỡ “tính bền vững” của ARR, vấn đề không phải là lỗ, mà là khi lỗ được thừa nhận. Trong đó, có các sự kiện then chốt: tháng 4 năm 2027, Moody’s hạ xếp hạng 14 nhà phát hành với tổng nợ 18 tỷ USD hỗ trợ phần mềm, trong đó có Zendesk, với khoản vay 5 tỷ USD dựa trên ARR, bị định giá chỉ còn 58 cent trên đô la, trở thành “ví dụ điển hình” của vỡ nợ trong thị trường cho vay tư nhân dựa trên phần mềm.

Nếu chỉ dừng lại ở đó, tác giả thừa nhận “đây là điều có thể kiểm soát được” — phần lớn cho vay tư nhân là dạng kín, hạn kỳ cố định, không dễ bị bán tháo bắt buộc. Nhưng “vốn vĩnh viễn” trong kịch bản này lại hé lộ mặt khác: các quỹ đầu tư thay thế lớn thông qua việc mua lại các công ty bảo hiểm nhân thọ, biến các khoản nợ hưu trí thành nền tảng tài chính cho vay tư nhân (trong bài, đề cập đến Apollo/Athene, Brookfield/American Equity, KKR/Global Atlantic). Khi các khoản vỡ nợ phần mềm lan rộng, các cơ quan quản lý bảo hiểm bắt đầu siết chặt dự phòng rủi ro, buộc các tổ chức phải bổ sung vốn hoặc bán tài sản, nhưng thị trường không cho phép bán đúng giá. Moody’s hạ xếp hạng khả năng tài chính của Athene xuống triển vọng tiêu cực, khiến giá cổ phiếu Apollo giảm 22% trong hai ngày, gây tác động lan rộng đến các tổ chức tương tự.

Tác giả còn bổ sung một lớp “độ phức tạp đáng sợ hơn”: các cấu trúc bảo hiểm tái bảo hiểm offshore và các SPV làm mờ đi rõ ràng trách nhiệm, khiến trong thời gian ngắn khó xác định “ai là người gánh chịu lỗ”. Trong kịch bản, tháng 11 năm 2027, thị trường sụp đổ được mô tả như một bước chuyển từ “rút lui theo chu kỳ” sang “chuỗi hệ thống”, và trong cuộc họp khẩn của FOMC, Chủ tịch Fed Waller gọi đây là “chuỗi các cược dựa trên mối liên hệ giữa năng suất lao động của nhân viên văn phòng và các chuỗi liên kết liên quan”.

Khủng hoảng lớn thực sự nằm ở các khoản vay thế chấp: Ban đầu là khoản vay tốt, rồi thế giới thay đổi

Bản ghi nhớ để lại vấn đề “khó định giá hơn, cũng gây chết người hơn” trong thị trường thế chấp nhà ở. Quy mô thị trường thế chấp Mỹ khoảng 13 nghìn tỷ USD, giả định là người vay sẽ duy trì việc làm và thu nhập ổn định trong thời gian dài (thường 30 năm).

Trong kịch bản, điểm đáng sợ là: đây không phải là “cho vay xấu từ đầu” như năm 2008. Ngược lại, người vay là các khách hàng có điểm FICO trên 780, đặt cọc 20%, có thu nhập xác thực, lịch sử tín dụng sạch. Vấn đề nằm ở chỗ, sau khi dự kiến thu nhập của nhân viên văn phòng bị cắt giảm do hiệu quả AI, dòng tiền tương lai “cơ bản” của họ không còn đáng tin nữa — họ vay một khoản mà ngày càng ít người tin vào khả năng trả.

Tác giả đưa ra một loạt dấu hiệu “trước khi vỡ nợ”: rút tiền HELOC, rút trước 401(k), nợ thẻ tín dụng tăng, nhưng khoản vay thế chấp vẫn trả đúng hạn; sau đó, bắt đầu xuất hiện các khoản trễ ở San Francisco, Seattle, Manhattan, Austin. Đến tháng 6 năm 2028, chỉ số giá nhà Zillow giảm 11% ở San Francisco, 9% ở Seattle, 8% ở Austin; các chỉ số của Fannie Mae cho thấy các khu vực cao cấp (jumbo) có tỷ lệ trễ nợ sớm cao hơn. Các khu vực này có tỷ lệ công việc trong lĩnh vực kỹ thuật/ tài chính trên 40%.

Tác giả cố ý giữ giới hạn: trong cảnh báo này, “chưa hoàn toàn vào khủng hoảng thế chấp”, tỷ lệ trễ vẫn thấp hơn năm 2008, nhưng “đường đi” đã rõ. Nếu trong nửa cuối năm đó, các khoản vay thế chấp thực sự đổ vỡ, tác giả ước tính, mức giảm của thị trường chứng khoán có thể gần 57% so với đỉnh, chỉ số S&P có thể về quanh 3.500 điểm — gần mức trước “thời điểm ChatGPT” tháng 11 năm 2022.

Thứ gây khó khăn nhất cho chính sách là thời gian: Thu ngân sách dựa trên “thời gian của con người”

Bản ghi nhớ đánh giá chính sách rất thẳng thắn: Các công cụ truyền thống (hạ lãi suất, mua trái phiếu quy mô lớn) có thể cứu hệ thống tài chính, nhưng rất khó sửa chữa hệ thống thực, vì nguyên nhân của bệnh không phải là “tiền đắt”, mà là “trí tuệ con người ngày càng ít giá trị hơn”.

Cụ thể hơn, về mặt tài chính công, tác giả tóm tắt: thu nhập của chính phủ liên bang về bản chất là thuế trên thời gian của con người — con người làm việc, doanh nghiệp trả lương, chính phủ thu thuế. Đến quý 1 năm 2028, thu ngân sách liên bang thấp hơn dự báo của CBO khoảng 12%. Trong khi năng suất tăng vọt, phần lợi nhuận chủ yếu chảy vào sở hữu vốn và năng lực tính toán, không còn quay trở lại qua thuế thu nhập và thuế lương.

Thu nhập lao động chiếm tỷ trọng GDP dài hạn giảm từ 64% năm 1974 xuống còn 56% năm 2024; trong 4 năm sau cải thiện đột biến của AI, tỷ lệ này còn giảm xuống 46%, tác giả gọi là “lần giảm mạnh nhất trong lịch sử”.

Vì vậy, ngân sách nhà nước đối mặt với một nghịch lý cấu trúc: cần chuyển nhiều tiền hơn về cho gia đình, nhưng thuế thu từ gia đình lại ngày càng ít đi. Trong kịch bản, chính phủ bắt đầu bàn về “Transition Economy Act” (điều chỉnh dựa trên thâm hụt ngân sách + thu thuế năng lực AI) và “Shared AI Prosperity Act” (xây dựng quyền sở hữu công cộng đối với “lợi ích hạ tầng trí tuệ”, như quỹ chủ quyền hoặc quyền khai thác sản phẩm AI, dùng cổ tức để chuyển giao). Các tranh cãi chính trị rất gay gắt: phe bảo thủ gọi đó là “chuyển giao theo chủ nghĩa Mác”, lo sợ thuế năng lực AI sẽ nhường chỗ cho Trung Quốc; phe cấp tiến lo ngại hệ thống thuế bị các tập đoàn lớn “bắt giữ” trong quy trình quản lý; phe trung lập nhấn mạnh rằng thâm hụt ngân sách là không bền vững, còn phe “chim ăn cạn” thì lấy ví dụ về việc thắt chặt quá sớm sau khủng hoảng tài chính toàn cầu.

Xung đột xã hội cũng xuất hiện rõ: trong kịch bản, các cuộc biểu tình “Occupy Silicon Valley” phong tỏa các văn phòng của Anthropic và OpenAI ở San Francisco suốt ba tuần, thu hút truyền thông còn hơn cả số liệu thất nghiệp. Tác giả kết luận, tốc độ thay đổi thể chế không theo kịp tốc độ công nghệ, chuỗi phản hồi sẽ quyết định chính sách.

“Chênh lệch trí tuệ” rút lui: các giả định về dòng tiền của thế giới cũ cần phải tính lại

Bản ghi nhớ cuối cùng quy tất cả về một thay đổi định giá nền tảng: trong lịch sử kinh tế hiện đại, trí tuệ con người luôn là yếu tố khan hiếm, các mô hình lao động, định giá thế chấp, thuế, thậm chí các lợi thế cạnh tranh của doanh nghiệp đều dựa trên tính khan hiếm này. Giờ đây, trí tuệ máy móc trở thành hàng hóa thay thế và ngày càng rẻ hơn, “chênh lệch trí tuệ” bắt đầu giảm sút, hệ thống tài chính buộc phải định giá lại một cách đau đớn.

Tác giả cũng để ngỏ khả năng: việc định giá lại không nhất thiết dẫn đến sụp đổ, mà nền kinh tế có thể tìm ra trạng thái cân bằng mới; thách thức là “liệu có thể làm điều đó trước khi chuỗi phản hồi viết tiếp chương mới của nó hay không”. Tại thời điểm viết, tháng 2 năm 2026, chỉ số S&P vẫn còn ở mức cao, các phản hồi tiêu cực chưa khởi phát, lời nhắc của tác giả như một câu hỏi tự kiểm tra dành cho nhà đầu tư: tài sản và dòng tiền của bạn, có bao nhiêu phần thực sự dựa trên giả định “ma sát sẽ không biến mất, thu nhập của nhân viên văn phòng sẽ ổn định, khu vực gia đình sẽ tiếp tục là động lực nhu cầu”? Câu cuối cùng cũng chính là lời nhắc: “Con chim canary vẫn còn sống”.