Trí tuệ nhân tạo (AI) ngày càng được ứng dụng rộng rãi, kéo theo nhu cầu lớn về nhân lực có năng lực nghiên cứu, phát triển và sử dụng công nghệ hiệu quả, an toàn. Trước xu hướng này, các trường đại học, cơ sở giáo dục và doanh nghiệp đẩy mạnh đào tạo AI, nhưng cũng đặt ra nguy cơ mở ngành theo phong trào, chạy theo chỉ tiêu hoặc cấp chứng chỉ chưa bảo đảm năng lực thực chất. Vì vậy, bài toán không chỉ là đào tạo bao nhiêu nhân lực AI, mà quan trọng hơn là đào tạo đúng đối tượng, đúng trình độ và đáp ứng được công việc thực tế.
Đào tạo nhân lực cho kỷ nguyên AI: Đáp ứng thị trường, nâng năng lực tự chủ công nghệ
Đào tạo nhân lực cho kỷ nguyên trí tuệ nhân tạo (AI) vừa là yêu cầu cấp thiết của thị trường lao động, vừa là nền tảng để Việt Nam nâng cao năng lực tự chủ công nghệ. AI đang chuyển nhanh từ phòng nghiên cứu vào sản xuất, kinh doanh và quản lý xã hội. Doanh nghiệp sử dụng công nghệ để xử lý dữ liệu, dự báo nhu cầu, tự động hóa quy trình và hỗ trợ ra quyết định. Nhiều lĩnh vực như y tế, giáo dục, tài chính, logistics, truyền thông cũng bắt đầu xuất hiện những vị trí việc làm mới. Vì vậy, thị trường không chỉ cần thêm kỹ sư phần mềm, mà còn đòi hỏi chuyên gia dữ liệu, người phát triển mô hình, nhân sự quản trị hệ thống và những người có khả năng kết hợp công nghệ với kiến thức chuyên ngành.
Quy mô nhu cầu này đã được cụ thể hóa trong chính sách quốc gia. Theo Quyết định số 1002/QĐ-TTg ngày 24/5/2025, đến năm 2030, Việt Nam đặt mục tiêu mỗi năm có khoảng 80.000 người tốt nghiệp các chương trình công nghệ thông tin và truyền thông, trong đó 8.000 người được đào tạo chuyên sâu về AI. Văn bản cũng yêu cầu các chương trình cử nhân, kỹ sư và thạc sĩ thuộc khối STEM tích hợp kiến thức, kỹ năng phân tích dữ liệu và ứng dụng công nghệ mới. Những mục tiêu này cho thấy phát triển nhân lực công nghệ đã trở thành nhiệm vụ gắn với chuyển đổi mô hình tăng trưởng và nâng cao năng suất lao động.
Sức ép đào tạo không chỉ đến từ nhu cầu tuyển dụng mà còn từ sự thay đổi trong từng nghề nghiệp. Báo cáo của Tổ chức Lao động Quốc tế công bố tháng 4/2026 cho thấy nhóm nhân viên hỗ trợ hành chính có mức độ chịu tác động cao nhất, với gần hai phần ba lao động làm việc trong những nghề có khả năng tự động hóa một phần nhiệm vụ. Các lĩnh vực tài chính – bảo hiểm, bán buôn – bán lẻ, thông tin và truyền thông cũng có mức độ tiếp xúc cao. Riêng Hà Nội, Thành phố Hồ Chí Minh và Đà Nẵng chiếm hơn một phần ba số việc làm có khả năng chịu ảnh hưởng trên cả nước.
Điều này không đồng nghĩa máy móc sẽ thay thế con người trên diện rộng, mà cho thấy nhiều công việc sẽ được tổ chức lại. Người lao động không biết khai thác công cụ mới, kiểm tra kết quả hoặc thích ứng với quy trình số có nguy cơ tụt lại, ngay cả khi nghề nghiệp của họ vẫn tồn tại. Do đó, đào tạo AI cần được nhìn rộng hơn việc đào tạo một nhóm kỹ sư chuyên sâu, hướng tới trang bị năng lực sử dụng và kiểm soát công nghệ cho lực lượng lao động ở nhiều ngành nghề.
Sự chuyển dịch này đồng thời mở ra cơ hội cho người học. Sinh viên khối kỹ thuật có thể tham gia các công việc về dữ liệu, tự động hóa, phát triển phần mềm và sản phẩm số. Người học y tế, kinh tế, luật, giáo dục hay truyền thông không nhất thiết trở thành kỹ sư AI, nhưng cần biết lựa chọn công cụ, đánh giá độ tin cậy của kết quả và kiểm soát rủi ro. Với người đang làm việc, các chương trình bồi dưỡng phù hợp có thể giúp nâng cao năng suất, chuyển đổi vị trí hoặc đảm nhận nhiệm vụ mới. Vì vậy, giá trị của đào tạo không nằm ở việc mở thêm ngành học, mà ở khả năng hình thành đội ngũ vừa vững chuyên môn, vừa biết vận dụng công nghệ để giải quyết những vấn đề cụ thể.
Đối với các trường đại học, nhu cầu này cũng tạo động lực đổi mới chương trình, phương pháp giảng dạy và nghiên cứu. Quyết định số 1002/QĐ-TTg đặt mục tiêu đến năm 2030 thu hút ít nhất 2.000 tiến sĩ thuộc các ngành STEM đang làm việc ở nước ngoài tham gia giảng dạy trong nước và hình thành tối thiểu 30 nhóm nghiên cứu mạnh. Để đạt mục tiêu, các trường cần giảm cách đào tạo nặng về lý thuyết, tăng cường phòng thí nghiệm, dữ liệu thực hành, dự án liên ngành và sự tham gia của doanh nghiệp. Liên kết giữa cơ sở giáo dục, viện nghiên cứu và đơn vị sử dụng lao động sẽ giúp chương trình sát hơn với yêu cầu nghề nghiệp, đồng thời đưa bài toán thực tế vào quá trình đào tạo.
Về lâu dài, chất lượng nhân lực sẽ quyết định khả năng làm chủ dữ liệu, hạ tầng và sản phẩm công nghệ của Việt Nam. Chiến lược quốc gia đến năm 2030 xác định nhiệm vụ phổ cập kỹ năng cơ bản cho người lao động, xây dựng các trung tâm đào tạo, nghiên cứu chất lượng cao và thu hút chuyên gia trong, ngoài nước tham gia phát triển hệ sinh thái công nghệ. Đây là điều kiện quan trọng để Việt Nam không chỉ tiếp cận các tiện ích do AI mang lại mà còn từng bước chủ động về dữ liệu, nghiên cứu công nghệ lõi và phát triển những giải pháp phù hợp với điều kiện kinh tế – xã hội trong nước.
Như vậy, bài toán nhân lực AI không đơn thuần là đào tạo thêm bao nhiêu người, mà là đào tạo đúng năng lực, đúng nhu cầu và tạo được khả năng làm chủ công nghệ. Khi đào tạo gắn với thị trường lao động, nghiên cứu và thực tiễn sản xuất, nguồn nhân lực AI mới có thể trở thành một trong những nền tảng nâng cao năng suất và năng lực tự chủ công nghệ quốc gia.
Đào tạo chỉ có giá trị khi tốc độ mở rộng phù hợp với năng lực bảo đảm chất lượng
Nhu cầu nhân lực công nghệ tăng nhanh đang thúc đẩy nhiều cơ sở giáo dục mở ngành, chuyên ngành và các khóa bồi dưỡng liên quan đến AI. Tuy nhiên, đưa một tên gọi hấp dẫn vào chương trình tuyển sinh đơn giản hơn nhiều so với việc xây dựng đội ngũ giảng viên, phòng thực hành, nguồn dữ liệu và hệ thống bảo đảm chất lượng. Nếu quy mô đào tạo tăng nhanh hơn năng lực đáp ứng, cơ hội phát triển nhân lực dễ biến thành cuộc cạnh tranh về chỉ tiêu và chứng chỉ.
Pháp luật về giáo dục đại học đã quy định cơ sở đào tạo khi mở ngành phải chứng minh nhu cầu nhân lực, chương trình, đội ngũ giảng viên cơ hữu, học liệu, cơ sở vật chất và hệ thống bảo đảm chất lượng. Những điều kiện này cần được thể hiện trong thực tế đào tạo, thay vì chỉ tồn tại trong hồ sơ. Với lĩnh vực đòi hỏi năng lực tính toán và thực hành cao như AI, người học phải được tiếp xúc với dữ liệu, xây dựng mô hình, kiểm thử sản phẩm và xử lý tình huống thực tế. Nếu thiếu nền tảng này, chương trình dễ dừng ở việc giới thiệu khái niệm hoặc hướng dẫn sử dụng một số công cụ sẵn có.
Một biểu hiện khác của đào tạo theo phong trào là đánh đồng khả năng sử dụng công cụ với năng lực chuyên môn. Tạo văn bản, hình ảnh hay viết câu lệnh mới chỉ phản ánh kỹ năng khai thác công nghệ ở mức cơ bản. Người làm nghề còn phải biết xác định vấn đề, lựa chọn phương pháp, đánh giá độ tin cậy của kết quả, nhận diện sai lệch và bảo vệ dữ liệu. Nếu chương trình quá phụ thuộc vào những nền tảng đang phổ biến, kiến thức của người học có thể nhanh chóng lỗi thời khi công nghệ thay đổi.
Vì vậy, chương trình cần được xây dựng từ vị trí việc làm và năng lực đầu ra, thay vì bắt đầu bằng tên ngành hoặc công cụ đang được quan tâm. Người học phải biết sau khi hoàn thành chương trình có thể đảm nhiệm công việc nào, giải quyết loại bài toán gì và tạo ra sản phẩm ở mức độ nào. Với nhân lực nghiên cứu, yêu cầu cốt lõi là nền tảng toán học, thống kê, thuật toán và phương pháp khoa học. Kỹ sư triển khai cần làm chủ dữ liệu, lập trình, hạ tầng tính toán và quy trình kiểm thử. Trong khi đó, nhân lực ứng dụng phải kết hợp kiến thức chuyên ngành với khả năng đánh giá và kiểm soát kết quả do hệ thống cung cấp.
Sự phân tầng này cũng giúp xác định đúng mức độ của từng chương trình. UNESCO đề xuất khung năng lực dành cho người học gồm các nhóm về tư duy lấy con người làm trung tâm, đạo đức, kỹ thuật, ứng dụng và thiết kế hệ thống; quá trình phát triển trải từ hiểu biết đến vận dụng và sáng tạo. Do đó, người sử dụng phổ thông, nhân lực ứng dụng, kỹ sư triển khai và chuyên gia nghiên cứu cần những chương trình khác nhau. Một khóa bồi dưỡng ngắn hạn không nên được quảng bá như chương trình đào tạo chuyên sâu nếu không có chuẩn đầu ra tương xứng.
Chuẩn đầu ra cũng cần được lượng hóa bằng những yêu cầu có thể quan sát và kiểm chứng, thay vì những cách diễn đạt chung như “nắm vững”, “sử dụng thành thạo” hay “có khả năng ứng dụng”. Cần xác định rõ người học có thể xây dựng mô hình hay chỉ khai thác công cụ có sẵn; xử lý được loại dữ liệu nào; nhận diện và kiểm soát sai số ra sao; có thể triển khai sản phẩm trong môi trường thực tế hay không. Thông tư số 04/2025/TT-BGDĐT quy định hoạt động kiểm định chất lượng chương trình giáo dục đại học, qua đó đặt việc đánh giá chương trình trong một quy trình độc lập. Kiểm định cần được xem là công cụ phát hiện khoảng trống và cải tiến nội dung, không chỉ là thủ tục hoàn thiện hồ sơ.
Năng lực nghề nghiệp chỉ hình thành đầy đủ khi người học được làm việc với dữ liệu, tình huống và yêu cầu thực tế. Bài giảng lý thuyết giúp hiểu nguyên lý nhưng không thể thay thế quá trình làm sạch dữ liệu, lựa chọn phương pháp, kiểm tra kết quả, sửa lỗi và trình bày sản phẩm trước người sử dụng. Vì vậy, chương trình cần có đồ án xuyên suốt, thực tập có hướng dẫn và đánh giá dựa trên sản phẩm. Doanh nghiệp nên tham gia từ khâu xác định bài toán, xây dựng học phần đến phản biện đầu ra, thay vì chỉ dừng ở các thỏa thuận hợp tác. Khoảng cách giữa nhà trường và doanh nghiệp cũng là một chỉ dấu quan trọng để đánh giá chương trình có thực sự đáp ứng yêu cầu nghề nghiệp hay không.
Bên cạnh đào tạo, sự gắn kết giữa giảng dạy, nghiên cứu và đổi mới sáng tạo cần được tổ chức thành một hệ thống. Nghị định số 125/2026/NĐ-CP đã thiết lập khuôn khổ cho hoạt động khoa học, công nghệ và đổi mới sáng tạo trong các cơ sở giáo dục đại học, tạo điều kiện đưa kết quả nghiên cứu vào giảng dạy và để sinh viên tham gia phòng thí nghiệm, nhóm nghiên cứu, dự án phát triển sản phẩm. Thay vì mỗi trường đầu tư dàn trải, có thể hình thành các trung tâm dùng chung về dữ liệu, năng lực tính toán và thử nghiệm. Mô hình này vừa tiết kiệm nguồn lực, vừa thúc đẩy hợp tác liên ngành giữa kỹ thuật với y tế, kinh tế, luật, giáo dục và khoa học xã hội.
Đội ngũ giảng viên phải được phát triển trước hoặc ít nhất song hành với quy mô tuyển sinh. Người dạy cần có nền tảng chuyên môn, kinh nghiệm triển khai và khả năng phân tích giới hạn của công nghệ. Việc cập nhật không thể chỉ dựa vào các khóa tập huấn ngắn ngày, bởi công cụ có thể thay đổi nhanh nhưng nền tảng khoa học, phương pháp kiểm chứng và trách nhiệm nghề nghiệp phải được duy trì. Chính sách phát triển giảng viên cần gắn với nghiên cứu thực tế, trao đổi học thuật, hợp tác doanh nghiệp và khả năng tiếp cận hạ tầng hiện đại.
Đào tạo AI cũng không thể tách rời yêu cầu về đạo đức, pháp lý và trách nhiệm xã hội. Dữ liệu phục vụ học tập, nghiên cứu hoặc thử nghiệm có thể chứa thông tin về sức khỏe, tài chính, học tập và hành vi cá nhân. Luật Bảo vệ dữ liệu cá nhân có hiệu lực từ ngày 1/1/2026 tạo cơ sở pháp lý trực tiếp cho việc thu thập, xử lý, lưu trữ và bảo vệ thông tin cá nhân. Vì vậy, người học cần được thực hành các nguyên tắc xin phép sử dụng dữ liệu, loại bỏ thông tin nhận diện, kiểm soát quyền truy cập và xử lý sự cố rò rỉ. Những yêu cầu này nên được tích hợp vào bài tập, đồ án và quy trình đánh giá, thay vì chỉ giới thiệu trong một học phần lý thuyết.
Cuối cùng, chất lượng cần được đo bằng kết quả sau đào tạo. Cơ sở giáo dục cần công khai đội ngũ giảng viên, điều kiện thực hành, đối tác chuyên môn, sản phẩm tiêu biểu, kết quả kiểm định và khả năng tìm việc của người tốt nghiệp. Phản hồi từ doanh nghiệp và cựu sinh viên cần được sử dụng để điều chỉnh chương trình định kỳ. Một chương trình đáng tin cậy không phải là chương trình có tên gọi hấp dẫn nhất, mà là chương trình chứng minh được người học tiến bộ ra sao, tạo ra sản phẩm gì và đáp ứng công việc đến mức nào.
Mở rộng đào tạo nhân lực AI là cần thiết, nhưng tốc độ mở rộng phải đi cùng năng lực bảo đảm chất lượng. Khi chương trình được xây dựng từ nhu cầu việc làm, chuẩn đầu ra được kiểm chứng, người học được thực hành trong môi trường thực tế, đội ngũ giảng viên đủ năng lực và dữ liệu được quản trị có trách nhiệm, đào tạo mới có thể vượt khỏi tính phong trào để trở thành nền tảng cho năng lực công nghệ dài hạn.
Đào tạo nhân lực trí tuệ nhân tạo không đơn thuần là mở thêm ngành học để đáp ứng một xu hướng công nghệ, mà là quá trình chuẩn bị năng lực con người cho sự thay đổi sâu rộng của thị trường lao động, nền sản xuất và phương thức phát triển quốc gia. Trong bối cảnh AI ngày càng tham gia vào nhiều khâu của đời sống kinh tế – xã hội, yêu cầu đặt ra không chỉ là có thêm những kỹ sư biết xây dựng mô hình, mà còn phải hình thành một lực lượng lao động đủ khả năng hiểu, sử dụng, kiểm chứng và kiểm soát công nghệ trong từng lĩnh vực chuyên môn.
Vì vậy, thước đo của đào tạo không thể dừng ở số ngành được mở, chỉ tiêu tuyển sinh hay số chứng chỉ được cấp. Điều quan trọng hơn là người học sau quá trình đào tạo có thực sự làm được việc, giải quyết được vấn đề, nhận diện được giới hạn của công nghệ và chịu trách nhiệm với những kết quả do hệ thống tạo ra hay không. Một nền đào tạo tốt phải tạo ra sự phân tầng rõ ràng về trình độ, từ năng lực sử dụng công cụ phổ thông đến khả năng triển khai hệ thống và nghiên cứu công nghệ lõi; đồng thời giúp người học duy trì nền tảng khoa học đủ vững để thích ứng khi công cụ và nền tảng công nghệ liên tục thay đổi.
Ở tầm rộng hơn, chất lượng nhân lực AI còn liên quan trực tiếp đến khả năng tự chủ của nền kinh tế. Nếu người lao động chỉ được đào tạo để sử dụng những công cụ có sẵn, Việt Nam có thể nhanh chóng tiếp cận các tiện ích mới nhưng khó hình thành năng lực nghiên cứu, phát triển và làm chủ công nghệ. Ngược lại, khi đào tạo gắn với nghiên cứu, dữ liệu thực tế, nhu cầu doanh nghiệp và những bài toán đặc thù của đất nước, nguồn nhân lực có thể trở thành lực lượng tạo ra sản phẩm, quy trình và giải pháp mang giá trị riêng, thay vì chỉ là người tiêu dùng công nghệ.
Do đó, thách thức lớn nhất không phải là đào tạo thật nhanh để bắt kịp AI, mà là xây dựng một hệ thống đào tạo đủ nhanh để đáp ứng thay đổi nhưng đủ chắc để không chạy theo thay đổi. Điều này đòi hỏi quy mô tuyển sinh phải đi cùng năng lực giảng viên và hạ tầng; chương trình phải đi cùng chuẩn đầu ra và thực hành; đổi mới công nghệ phải đi cùng trách nhiệm dữ liệu, đạo đức và pháp lý; còn mở rộng đào tạo phải đi cùng kiểm định và đánh giá kết quả sau tốt nghiệp. Chỉ khi những yếu tố đó được đặt trong một chỉnh thể, làn sóng AI mới có thể chuyển từ một cơ hội thị trường thành năng lực phát triển bền vững và năng lực làm chủ công nghệ của Việt Nam.
Anh Tuấn
Tài liệu tham khảo
1.Bộ Giáo dục và Đào tạo (2022), Thông tư số 02/2022/TT-BGDĐT ngày 18/01/2022 quy định điều kiện, trình tự, thủ tục mở ngành đào tạo, đình chỉ hoạt động của ngành đào tạo trình độ đại học, thạc sĩ, tiến sĩ.
2.Bộ Giáo dục và Đào tạo (2025), Thông tư số 04/2025/TT-BGDĐT ngày 17/02/2025 quy định về kiểm định chất lượng chương trình đào tạo các trình độ của giáo dục đại học.
3.Chính phủ (2026), Nghị định số 125/2026/NĐ-CP ngày 06/4/2026 quy định về hoạt động khoa học, công nghệ và đổi mới sáng tạo trong cơ sở giáo dục đại học.
4.International Labour Organization (2026), Generative AI and Jobs in Viet Nam: Labour Market Exposure and Policy Considerations, International Labour Organization, Geneva.
5.Quốc hội (2025), Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15 ngày 26/6/2025.
6.Thủ tướng Chính phủ (2021), Quyết định số 127/QĐ-TTg ngày 26/01/2021 ban hành Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo đến năm 2030.
7.Thủ tướng Chính phủ (2024), Quyết định số 1705/QĐ-TTg ngày 31/12/2024 phê duyệt Chiến lược phát triển giáo dục đến năm 2030, tầm nhìn đến năm 2045.
8.Thủ tướng Chính phủ (2025), Quyết định số 1002/QĐ-TTg ngày 24/5/2025 phê duyệt Đề án đào tạo nguồn nhân lực phục vụ phát triển công nghệ cao giai đoạn 2025–2035 và định hướng tới năm 2045.
9.UNESCO (2023), Guidance for Generative AI in Education and Research, United Nations Educational, Scientific and Cultural Organization, Paris.
10.UNESCO (2024), AI Competency Framework for Students, United Nations Educational, Scientific and Cultural Organization, Paris.