Cơ hội AI nằm ngoài ngành phần mềm
Nghề nghiệp liên ngành về AI là những công việc kết hợp năng lực công nghệ với hiểu biết chuyên môn của một lĩnh vực để giải quyết vấn đề thực tế bằng dữ liệu và hệ thống thông minh. Đây không còn là lối rẽ hiếm hoi dành cho kỹ sư phần mềm: tài chính, xây dựng và nhiều ngành khác đều có thể cần người thiết kế, tích hợp hoặc kiểm định giải pháp AI.
Trong tài chính, kỹ sư full-stack Nguyễn Văn Cường chọn xây dựng mô hình AI dự đoán thị trường chứng khoán cho đồ án tốt nghiệp. AI có thể hỗ trợ phân tích thông tin phục vụ quyết định đầu tư, nhưng dự báo ổn định trước biến động thị trường vẫn là thách thức; mô hình không thay thế quyết định của nhà đầu tư. AI trong xây dựng cũng nằm trong bức tranh ứng dụng liên ngành, song cơ hội cụ thể phụ thuộc vào vấn đề và cách doanh nghiệp triển khai.
Điểm đáng chú ý là công việc mới không chỉ dành cho nhà phát triển mô hình. Kỹ sư phần mềm, chuyên gia dữ liệu và nhân sự an ninh có thể góp sức ngay trong doanh nghiệp ngoài ngành công nghệ, từ sắp xếp dữ liệu đến tích hợp hệ thống và kiểm tra đầu ra AI.
Nhu cầu nhân lực đi trước cách đào tạo
Quy mô đào tạo STEM tăng là tín hiệu tích cực, nhưng số người học nhiều hơn không tự động tạo ra đúng loại việc làm. Ngày 24/5/2025, Thủ tướng ban hành Quyết định 1002 phê duyệt đề án đào tạo nhân lực phục vụ phát triển công nghệ cao giai đoạn 2025–2035, tầm nhìn đến năm 2045. Theo Bộ Giáo dục và Đào tạo, năm 2026 có 467.590 thí sinh đăng ký xét tuyển vào các ngành STEM, chiếm 53,4% tổng số thí sinh đăng ký xét tuyển đại học.
Khoảng cách nằm ở chỗ công việc liên ngành đòi hỏi nhiều hơn kiến thức lập trình hoặc thao tác công cụ. Kỹ sư còn phải hiểu quy trình kinh doanh, chất lượng dữ liệu và điều kiện triển khai thực tế. Dữ liệu doanh nghiệp có thể ít, nhiễu hoặc mất cân bằng; sản phẩm còn phải đáp ứng yêu cầu về chi phí vận hành, bảo trì và trách nhiệm.
Trong khi đó, mỗi lĩnh vực có yêu cầu riêng và trường đại học khó cập nhật toàn bộ biến động của thị trường nếu tách khỏi doanh nghiệp. Vì thế, nghề nghiệp ngành AI sẽ rộng hơn khi chương trình học chuẩn bị được cho sinh viên cách kết nối chuyên môn với công nghệ, chứ không chỉ tăng số môn mang tên AI.
Đào tạo AI phải bắt đầu từ bài toán của từng ngành
Phát biểu tại Hà Nội ngày 27/10 về đào tạo AI ở đại học, Tiến sĩ Tan Hong Ming, Trường Kinh doanh NUS thuộc Đại học Quốc gia Singapore, cho rằng sinh viên cần biết dùng công nghệ để nâng hiệu quả công việc, nhưng kỹ năng sử dụng AI chưa đủ đáp ứng yêu cầu tuyển dụng. Kiến thức chuyên ngành, tư duy độc lập và giao tiếp vẫn là nền tảng cần thiết.
Do đó, đào tạo trí tuệ nhân tạo không nên dừng ở hướng dẫn thao tác. Sinh viên cần học cách xác định việc nào phù hợp để AI hỗ trợ, áp dụng công cụ vào quy trình, đánh giá kết quả và tự xử lý vấn đề. Một giải pháp có thể tăng tốc một khâu nhưng làm nghẽn khâu khác nếu tổ chức công việc không thay đổi tương ứng.
Đại học nên cùng doanh nghiệp xây dựng học phần theo tình huống thật, đưa thực tập vào trọng tâm và cập nhật nội dung theo yêu cầu từng nghề. Tiến sĩ Tan Hong Ming đề xuất tăng hợp tác này, đồng thời cân nhắc giảm thời gian học tại trường để sinh viên có thêm trải nghiệm làm việc. Đây là cách thu hẹp khoảng cách giữa chương trình giảng dạy và năng lực mà nơi tuyển dụng cần.
Công nghệ mở cửa, chuyên môn quyết định ai bước qua
AI tạo thêm lựa chọn nghề nghiệp cho người làm công nghệ, nhưng không biến mọi kỹ năng thành có thể thay thế lẫn nhau. Người xây dựng hệ thống cho tài chính cần hiểu giới hạn của dự báo và bối cảnh ra quyết định; người triển khai AI ở ngành khác cũng phải nắm quy trình, dữ liệu và trách nhiệm liên quan. Công cụ có thể phổ biến, còn năng lực đánh giá khi nào nên tin hoặc sửa kết quả vẫn cần được rèn luyện.
Vì vậy, đại học không nên xem AI là một lớp kỹ năng chung có thể ghép vào bất kỳ ngành nào theo cùng một cách. Mô hình đào tạo hiệu quả phải kết hợp nền tảng AI với chuyên môn ngành, tư duy phản biện, giao tiếp và trải nghiệm tại doanh nghiệp. Khi người học giải được bài toán thật, cơ hội nghề nghiệp liên ngành mới có cơ sở bền vững.
