Điểm chuẩn ngành AI chạm trần: sức nóng đầu vào chưa chắc thành lợi thế đầu ra
Điểm chuẩn ngành AI là ngưỡng điểm trúng tuyển cho các chương trình đại học về trí tuệ nhân tạo, phản ánh mức độ cạnh tranh giữa thí sinh và sức hút xã hội đối với lĩnh vực này; khi điểm chuẩn ngành AI đạt mức tuyệt đối hoặc thuộc nhóm cao nhất trong trường, điều đó cho thấy AI đang được coi là “ngành mũi nhọn” nhưng đồng thời cũng đặt ra câu hỏi lớn về việc những chương trình đào tạo hiện tại có thực sự chuẩn bị cho sinh viên hệ kỹ năng phù hợp với nhu cầu tuyển dụng AI đang thay đổi nhanh chóng hay không. Năm nay, tại Trường ĐH Công nghệ thông tin (ĐH Quốc gia TP.HCM), ngành AI có điểm chuẩn cao nhất trong số 19 ngành với 100 điểm, tương đương 30 điểm theo thang 30 điểm. Tại Trường ĐH Khoa học tự nhiên cùng đại học này, ngành AI đạt 95,6/100, tương đương 28,68/30, nằm trong tốp 2. Ở phía bắc, khoa học dữ liệu và trí tuệ nhân tạo dẫn đầu 68 ngành của ĐH Bách khoa Hà Nội với 29,54 điểm. Sức nóng điểm chuẩn rõ ràng xuất phát từ sự nhận thức của người trẻ rằng AI đang bước vào mọi lĩnh vực và trở thành năng lực cần thiết, nhưng nếu chỉ dừng ở cạnh tranh đầu vào, không có sự chuyển dịch tương xứng trong đào tạo AI Việt Nam, lợi thế này sẽ nhanh chóng bị bào mòn khi bước ra thị trường lao động.
AI là “phòng chuyên môn cao”: chương trình đào tạo đã đủ sâu về toán và dữ liệu?
Nếu công nghệ thông tin là “ngôi nhà lớn” thì trí tuệ nhân tạo đang đóng vai trò một “phòng chuyên môn cao” tập trung vào thuật toán giúp máy có thể học và suy luận gần giống con người. Điều này đồng nghĩa sinh viên ngành AI không thể chỉ dừng ở kỹ năng lập trình cơ bản như Java, C++ hay Python, mà phải đi sâu vào nền tảng toán học và kỹ năng phân tích dữ liệu. Các chương trình đào tạo AI Việt Nam hiện nay được mô tả là chuyên sâu vào đại số tuyến tính, xác suất thống kê, học máy, học sâu, xử lý ngôn ngữ tự nhiên, thị giác máy tính và hệ thống đa tác nhân. Người học được yêu cầu tư duy toán học xuất sắc, khả năng phân tích dữ liệu chuyên sâu và nghiên cứu thuật toán tối ưu. Trên lý thuyết, điều này khá sát với nhu cầu tuyển dụng AI – nơi các vị trí như kỹ sư học máy, nhà khoa học dữ liệu, kỹ sư AI thường phải xử lý khối dữ liệu lớn, thiết kế mô hình và tối ưu hiệu suất. Tuy nhiên, điểm yếu dễ thấy là không phải tất cả chương trình đều biến khối kiến thức này thành dự án, sản phẩm và kết quả thực tế mà thị trường có thể đánh giá, trong khi chính việc “chuyển hóa kiến thức thành sản phẩm” mới là thước đo quan trọng cho chất lượng đào tạo nhân lực AI hiện nay.
Nhu cầu tuyển dụng AI: rộng hơn nhiều so với vài vị trí kỹ sư lương cao
Đằng sau sức hút điểm chuẩn ngành AI là thị trường lao động đang dịch chuyển mạnh. Theo một báo cáo quốc tế, 86% doanh nghiệp được khảo sát kỳ vọng AI và công nghệ xử lý thông tin sẽ làm thay đổi hoạt động của họ trước năm 2030. Đó không chỉ là vài hãng công nghệ lớn, mà là tài chính, giáo dục, y tế, sản xuất, quản trị… khi AI đã len vào cấu trúc vận hành của nhiều ngành. Vì mức độ chuyên môn hóa cao, sinh viên tốt nghiệp ngành AI hiện chủ yếu vào công ty công nghệ, trung tâm R&D hoặc doanh nghiệp có dữ liệu lớn, với những vị trí như kỹ sư học máy, kỹ sư AI, nhà khoa học dữ liệu, kỹ sư thị giác máy tính/NLP, chuyên viên nghiên cứu thuật toán. Thị trường lao động ngành AI được đánh giá là yêu cầu khắt khe về trình độ, nhiều vị trí ưu tiên bằng thạc sĩ, tiến sĩ hoặc kinh nghiệm dự án R&D, với lương khởi điểm ngành AI trung bình cao hơn mặt bằng IT truyền thống. Nhưng nếu chỉ nhìn nhu cầu tuyển dụng AI qua số lượng kỹ sư, chúng ta đã bỏ qua bức tranh lớn: như góc nhìn từ một học viện đào tạo cho rằng phải hỏi “bao nhiêu công việc sẽ được thiết kế lại bởi AI”, bởi nhu cầu thực tế đang hình thành ở nhiều tầng – từ người nghiên cứu mô hình, người tích hợp và vận hành hệ thống đến lực lượng đông đảo hơn biết đưa AI vào chuyên môn của mình.
Khoảng cách kỹ năng: sinh viên dùng AI mỗi ngày nhưng chưa học cách làm chủ
Điểm chuẩn cao cho thấy người trẻ hiểu AI là cơ hội, nhưng cách họ dùng AI hàng ngày lại phơi bày khoảng cách đáng lo giữa năng lực thực tế và nội dung đào tạo. So với 2–3 năm trước, khi sinh viên chỉ xem AI là công nghệ mới để tìm hiểu, hiện nhiều người đã coi AI là công cụ phục vụ học tập và công việc: tìm kiếm thông tin, tóm tắt tài liệu, hỗ trợ viết nội dung, xây dựng ý tưởng, dịch thuật, thiết kế hình ảnh. Vấn đề nằm ở sự phân hóa trong cách sử dụng: một nhóm chủ động học hỏi, biết đặt câu hỏi, kiểm chứng thông tin và dùng AI như trợ lý để nâng cao năng lực; nhóm còn lại thì phụ thuộc vào kết quả AI tạo ra, thiếu tư duy phản biện. Điều này cho thấy các chương trình AI lẫn những ngành khác vẫn thiếu nhấn mạnh vào năng lực hiểu giới hạn của AI, rủi ro sai lệch, bản quyền, đạo đức và kỹ năng kiểm chứng thông tin. Việc giảng dạy “công cụ” mà bỏ qua tư duy phản biện, năng lực sáng tạo, giao tiếp, làm việc nhóm và giải quyết vấn đề – các kỹ năng mà người trẻ được khuyến nghị nên chú trọng – vô tình tạo ra thế hệ kỹ sư và cử nhân biết dùng AI nhưng không biết làm chủ AI. Lợi thế cạnh tranh trong tương lai sẽ thuộc về những người kết hợp hiệu quả năng lực con người với sức mạnh của AI để tạo ra giá trị mới, chứ không phải người chạy theo công cụ mới nhất.
Từ “ngành hot” đến năng lực bền vững: đào tạo AI cần đổi trọng tâm
Sức hút công nghệ AI trong mùa tuyển sinh phản ánh đúng nhu cầu từ doanh nghiệp, nhưng hệ đào tạo sẽ mắc sai lầm nếu tiếp tục đối xử với AI như một “ngành hot” chỉ để tăng điểm chuẩn. Khả năng hiểu, sử dụng và làm chủ AI đang trở thành năng lực cần thiết với người trẻ, bất kể họ theo học AI, khoa học dữ liệu hay các ngành khác. Điều sinh viên cần trước tiên không phải là học một công cụ cụ thể mà là xây dựng nền tảng tư duy logic, toán, thống kê, lập trình, dữ liệu và khả năng tự học, kèm hiểu rõ AI làm được gì, giới hạn ở đâu và những rủi ro về chính xác thông tin, bảo mật, bản quyền, đạo đức. Với người theo đuổi chuyên sâu AI, kiến thức công nghệ thông tin vững, cộng với chuyên môn AI, chỉ có ý nghĩa nếu được chuyển thành giải pháp, mô hình và ứng dụng thực tế. Do đó, khoảng cách giữa điểm chuẩn ngành AI và năng lực nghề nghiệp sẽ chỉ được thu hẹp khi các trường chuyển trọng tâm từ “đào tạo để đỗ” sang “đào tạo để làm”: tăng cường dự án với dữ liệu thật trong doanh nghiệp, yêu cầu sinh viên giải quyết vấn đề cụ thể bằng AI, và đánh giá họ bằng sản phẩm, không bằng số tín chỉ. Khi ấy, lương khởi điểm ngành AI cao hơn IT truyền thống sẽ không chỉ là “lời hứa” thu hút thí sinh, mà trở thành phần thưởng xứng đáng cho năng lực thực sự phù hợp với nhu cầu tuyển dụng AI đang mở rộng theo chiều sâu.
