Đào tạo AI không thể chỉ dừng ở lý thuyết
Đào tạo nhân lực AI là quá trình trang bị kiến thức nền tảng và kinh nghiệm thực hành để người học có thể nghiên cứu, phát triển, ứng dụng và vận hành hệ thống trí tuệ nhân tạo nhằm giải quyết các vấn đề thực tế. Đây phải là ưu tiên chiến lược, không phải một nhánh chuyên môn tách rời: AI đang tác động từ sản xuất, y tế, giáo dục, tài chính đến quản trị và dịch vụ công. Nhưng thiếu nhân lực AI chất lượng cao đang cản trở việc biến công nghệ thành năng suất và năng lực tự chủ. Nhu cầu không chỉ là thêm kỹ sư biết sử dụng công cụ; đất nước còn cần chuyên gia có khả năng nghiên cứu, làm chủ công nghệ lõi và giải bài toán cụ thể. Vì vậy, đào tạo cần chuyển từ truyền đạt kiến thức sang rèn năng lực tạo ra công nghệ và giá trị.
Khoảng cách giữa giảng đường và công việc bắt đầu từ cách đo năng lực. Người học cần biết triển khai trọn vẹn một bài toán: thu thập dữ liệu, chọn mô hình, kiểm thử rồi đưa hệ thống vào vận hành. Điều đó đòi hỏi kỹ năng trí tuệ nhân tạo liên ngành, kết hợp toán học, thống kê, khoa học máy tính với tư duy nghiên cứu và hiểu biết lĩnh vực ứng dụng. Nếu chương trình chỉ dạy công cụ hiện có, sinh viên có thể nhanh chóng tụt lại khi công nghệ đổi khác. Chất lượng đào tạo phải được đánh giá bằng khả năng giải quyết vấn đề và tạo giá trị thực tế, chứ không chỉ bằng lượng kiến thức đã học.
Ba điểm nghẽn không thể giải quyết riêng lẻ
Thiếu chuyên gia, thiếu hạ tầng tính toán và thiếu cơ chế giữ chân nhân tài đang tạo thành một vòng cản trở. Các trường, viện nghiên cứu phải cạnh tranh với doanh nghiệp trong và ngoài nước để tuyển người có chuyên môn sâu, trong khi điều kiện đãi ngộ và cơ hội nghiên cứu ở cơ sở đào tạo công lập còn hạn chế. Đào tạo chuyên sâu lại cần nhóm nghiên cứu bền vững, người hướng dẫn giàu kinh nghiệm, dữ liệu tốt và năng lực tính toán lớn. Một trường khó tự mình gánh toàn bộ những yêu cầu đó; đầu tư rời rạc còn có nguy cơ trùng lặp và nhanh lỗi thời. Đây là lý do hợp tác đào tạo AI không thể chỉ là thỏa thuận trên giấy: các bên cần cùng chia sẻ chuyên gia, dữ liệu, hạ tầng và bài toán.
Doanh nghiệp cũng không nên chỉ chờ tuyển người sau khi sinh viên tốt nghiệp. Nhu cầu công nghệ và sản xuất cần tham gia từ lúc xây dựng chương trình, đặt hàng nghiên cứu, cung cấp dữ liệu đến hướng dẫn thực tập và đánh giá đầu ra. Nhà trường đóng góp nền tảng học thuật và năng lực nghiên cứu; doanh nghiệp đem đến vấn đề thực tiễn, môi trường triển khai và phản hồi kỹ năng; chính phủ tạo chính sách, điều phối đầu tư và thúc đẩy chia sẻ hạ tầng. Thiếu một mắt xích, chương trình dễ lệch khỏi nhu cầu hoặc thiếu nguồn lực để thực hiện. Phối hợp nhiều bên vì thế là điều kiện thiết yếu để rút ngắn khoảng cách đào tạo – việc làm.
Liên kết phải có mục tiêu và trách nhiệm cụ thể
Mô hình nhà trường–doanh nghiệp–chính phủ chỉ hữu ích khi biến thành cơ chế làm việc cụ thể. Trường đại học cần cập nhật chương trình theo hướng liên ngành, tăng thực hành và gắn dự án học tập với bài toán thật. Doanh nghiệp cần góp mặt từ đầu, không chỉ tiếp nhận thực tập sinh, mà còn đặt hàng nghiên cứu, chia sẻ dữ liệu phù hợp, hướng dẫn dự án và phản hồi về năng lực đầu ra. Chính phủ có thể khuyến khích doanh nghiệp đồng đầu tư đào tạo, hỗ trợ phòng thí nghiệm và tổ chức các trung tâm dữ liệu, tính toán dùng chung cho trường, viện và doanh nghiệp. Cách làm này giúp giảm đầu tư manh mún, đồng thời đưa kiến thức mới và yêu cầu nghề nghiệp vào lớp học nhanh hơn.
Kế hoạch quốc gia đặt mục tiêu đến năm 2030 đào tạo mới, chuyển đổi và bồi dưỡng ít nhất 50.000 người trình độ đại học trở lên có năng lực ứng dụng AI trong các lĩnh vực trọng điểm; đồng thời đào tạo ít nhất 10.000 nhân lực trình độ cao, chuyên sâu, trong đó có 1.500 chuyên gia có thể nghiên cứu, phát triển và làm chủ công nghệ lõi. Quy mô ấy chỉ có ý nghĩa nếu đi cùng chất lượng, người hướng dẫn và cơ hội thực hành. Việc dành 40% thời lượng cho thực hành phòng thí nghiệm được nêu như một hướng triển khai, nhưng cần bảo đảm sinh viên được làm trên dữ liệu và tình huống có giá trị, thay vì hoàn thành bài tập hình thức.
Đích đến là năng lực tự chủ, không phải chỉ tiêu tuyển dụng
Điểm đáng chú ý trong định hướng chính sách là đào tạo nhân lực AI được nối với nghiên cứu, đổi mới sáng tạo và nhu cầu phát triển của doanh nghiệp. Ngày 29/10/2026, Bộ Khoa học và Công nghệ cho biết đã thành lập Mạng lưới chuyên gia trí tuệ nhân tạo Việt Nam toàn cầu; bộ cũng sẽ phối hợp với Bộ Giáo dục và Đào tạo cùng các cơ quan liên quan, chia sẻ thông tin về xu hướng công nghệ, nhu cầu nhân lực và kỹ năng để rà soát, cập nhật chương trình. Đây là bước cần thiết, nhưng thông tin chỉ tạo tác động khi được chuyển thành nội dung học, dự án nghiên cứu và cơ hội thực hành cụ thể. Nếu làm đúng, người học có thể tham gia thiết kế giải pháp trong nước thay vì chỉ vận hành sản phẩm có sẵn.
Thước đo cuối cùng không nên là số khóa học mở ra hay số chứng chỉ được cấp, mà là khả năng giải quyết vấn đề trong các ngành thiết yếu và đóng góp vào năng lực công nghệ của đất nước. Nhà trường cần cam kết chất lượng học thuật; doanh nghiệp cần đầu tư thời gian, dữ liệu và bài toán; chính phủ cần tạo cơ chế dài hạn cho chuyên gia và hạ tầng dùng chung. Khi ba bên cùng chịu trách nhiệm về kết quả, đào tạo mới theo kịp thực tiễn. Nếu không, khoảng cách kỹ năng sẽ tiếp tục lớn lên, còn mục tiêu có nhân lực AI chất lượng cao chỉ nằm trên kế hoạch.
