Bài toán của Việt Nam trong cuộc đua AI: Chạy đua tạo ‘móng’ hay đón đầu ‘ngọn’?
Việt Nam đang đặt tham vọng lớn trong cuộc đua trí tuệ nhân tạo (AI), từ mục tiêu đào tạo nhân lực quy mô lớn đến kì vọng AI có thể mang lại hàng tỉ USD cho nền kinh tế.
Nhưng phía sau tham vọng ấy là một câu hỏi quan trọng: Chúng ta đang đào tạo người “học AI”, hay người thật sự biết dùng AI để giải các bài toán cụ thể trong y tế, nông nghiệp, logistics và dịch vụ công?
Với Việt Nam, AI không chỉ là cuộc đua về số lượng người biết công nghệ. Điều cốt lõi là họ có thể làm gì với AI, tạo ra giá trị nào và đóng góp ra sao cho nền kinh tế. Chiến lược quốc gia về AI đến năm 2030 đã xác định đây là công nghệ nền tảng của Cách mạng công nghiệp lần thứ tư, đồng thời nhấn mạnh định hướng lấy con người và doanh nghiệp làm trung tâm.
Tham vọng này có cơ sở. Theo nghiên cứu của Google, nếu được ứng dụng rộng rãi, AI có thể mang lại cho doanh nghiệp Việt Nam khoảng 79,3 tỉ USD vào năm 2030, tương đương gần 12% GDP dự kiến. Điều đó cho thấy AI không còn là câu chuyện riêng của phòng nghiên cứu hay các tập đoàn công nghệ, mà có thể tác động trực tiếp đến năng suất, sản xuất, dịch vụ và quản lí.
Nhưng tham vọng càng lớn, câu hỏi về nền móng nhân lực càng trở nên cấp bách.
Khoảng cách giữa tham vọng và thực tế
Một số thống kê trước đây cho thấy lực lượng nhân sự AI chuyên sâu của Việt Nam vẫn còn khá mỏng. Dù bức tranh hiện nay có thể đã thay đổi, nhu cầu về kĩ sư, chuyên gia dữ liệu và nhân sự biết ứng dụng AI vào thực tế vẫn đang tăng nhanh hơn nguồn cung chất lượng cao.
Trong khi đó, các mục tiêu đào tạo lại rất tham vọng. Việt Nam được nhắc tới với định hướng phát triển lực lượng lao động AI quy mô lớn, đồng thời các chương trình về công nghệ cao, bán dẫn và đổi mới sáng tạo cũng cần thêm nhiều nhân sự có năng lực về dữ liệu, thuật toán và triển khai AI.
Khoảng trống này không thể lấp bằng cách mở thêm thật nhiều lớp học hay gắn chữ “AI” vào nhiều chương trình đào tạo. Vấn đề không chỉ là đào tạo bao nhiêu người, mà là đào tạo ra kiểu người nào, có đủ năng lực giải bài toán thực tế hay không.
Việt Nam cần cả “móng” lẫn “ngọn”. “Móng” là toán, thống kê, dữ liệu, thuật toán, hạ tầng tính toán, an toàn và đạo đức AI. “Ngọn” là chatbot, thị giác máy tính, phân tích dữ liệu, mô hình ngôn ngữ lớn, tự động hóa quy trình và các ứng dụng doanh nghiệp đang cần.
Không có nền móng, Việt Nam dễ rơi vào thế chỉ biết dùng công cụ của người khác. Nhưng nếu chỉ xây nền tảng mà xa rời ứng dụng, AI sẽ mắc kẹt trong phòng lab. Bài toán đúng không phải chọn “móng” hay “ngọn”, mà là xây móng đủ chắc và kéo ngọn xuống sát đời sống.
Thừa người học AI, thiếu người làm được AI
Thị trường lao động đang phơi bày một nghịch lí. Doanh nghiệp không thiếu ứng viên từng học qua AI, từng làm demo mô hình hoặc từng dùng công cụ tạo sinh. Nhưng họ thiếu người có thể triển khai một hệ thống thật, trên dữ liệu thật, trong môi trường thật.
Ông Phạm Thái Sơn, Tổng giám đốc NTQ một trong những công ty công nghệ và gia công phần mềm hàng đầu tại Việt Nam, từng mô tả ngành công nghệ thông tin Việt Nam đang ở tình trạng “thừa thợ, thiếu chuyên gia”. Số sinh viên tốt nghiệp mỗi năm không nhỏ, nhưng nguồn nhân lực đáp ứng được yêu cầu thực tế ở các lĩnh vực mới như AI, dữ liệu lớn hay an ninh mạng vẫn còn hạn chế.
Một nhận định khác còn trực diện hơn. Thị trường không thiếu người học AI, mà thiếu người làm được AI. Nhiều ứng viên được đào tạo nặng lí thuyết, quen với môi trường học thuật hoặc các sản phẩm demo. Trong khi đó, doanh nghiệp cần người biết xử lí dữ liệu thực tế, tích hợp hệ thống, tối ưu chi phí vận hành, bảo mật thông tin và chứng minh hiệu quả kinh doanh.
Theo báo cáo của ITviec được Prima dẫn lại, bài toán nhân sự đang là một rào cản lớn với doanh nghiệp. Có 46,4% doanh nghiệp cho biết đội ngũ hiện tại chưa được trang bị đủ kiến thức và kĩ năng AI, trong khi 42,9% thiếu nhân sự chuyên môn cao. Đáng chú ý, rủi ro lớn nhất mà doanh nghiệp lo ngại là kết quả AI thiếu chính xác, còn chưa đến 40% có chiến lược AI rõ ràng.
Điều đó cho thấy AI không chỉ cần người biết viết mã hay gọi mô hình. AI cần người hiểu dữ liệu, hiểu nghiệp vụ, biết kiểm chứng kết quả và biết chịu trách nhiệm với hệ thống mình đưa vào vận hành.
Các trường đại học lớn của Việt Nam đang làm gì
Nhìn từ thông tin công khai, các trường đại học lớn của Việt Nam đã không đứng ngoài cuộc. Đại học Bách khoa Hà Nội có chương trình Khoa học dữ liệu và Trí tuệ nhân tạo DS&AI thuộc hệ ELITECH. Chương trình được thiết kế theo hướng hiện đại, giảng dạy bằng tiếng Anh, có các nền tảng như toán, xác suất thống kê, học máy, học sâu, khai phá dữ liệu, xử lí dữ liệu lớn, đổi mới sáng tạo và khởi nghiệp. Điểm đáng chú ý là thời lượng thực hành tại phòng lab được mô tả tương đương thời gian học lí thuyết.
Tại Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội, ngành Trí tuệ nhân tạo có cấu trúc 135 tín chỉ. Chương trình bao gồm khối kiến thức toán, công nghệ số, AI, học máy, học sâu, xử lí ngôn ngữ tự nhiên, thị giác máy tính, cùng khối thực tập và tốt nghiệp. Cấu trúc này cho thấy đào tạo AI đã được đặt trong một khung bài bản, thay vì chỉ là vài môn học rời rạc.
Ở phía Nam, Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia TP.HCM triển khai chương trình cử nhân Trí tuệ nhân tạo từ năm 2021. Trường nhấn mạnh đào tạo từ lí thuyết đến thực hành, đầu tư phòng thí nghiệm chuyên sâu và khuyến khích sinh viên phát triển ứng dụng AI trong các lĩnh vực như y tế, giao thông và tài chính.
Trường Đại học Công nghệ Thông tin, Đại học Quốc gia TP.HCM cũng có ngành Trí tuệ nhân tạo với chỉ tiêu tuyển sinh riêng. Chương trình hướng tới đào tạo người học có khả năng phân tích, lập trình, thiết kế và triển khai hệ thống AI phục vụ thực tiễn.
Như vậy, nếu chỉ nhìn vào khung chương trình, khó nói các trường lớn đang “dạy lí thuyết suông”. Nhiều cấu phần thực hành, lab, thực tập, khóa luận và đồ án đã xuất hiện. Nhưng câu hỏi quan trọng hơn là các cấu phần đó đã đủ gần với bài toán thật hay chưa.
Thực chiến không chỉ là làm đồ án đẹp
Một đồ án AI có thể đạt điểm cao nhưng chưa chắc đã “thực chiến”. Thực chiến nghĩa là sinh viên được làm với dữ liệu thật: không sạch, thiếu nhãn, sai lệch, có ràng buộc quyền riêng tư, giới hạn chi phí và người dùng cụ thể. Mô hình cũng không chỉ cần chạy được trong notebook, mà phải tích hợp vào quy trình vận hành, có cơ chế giám sát, cập nhật, sửa lỗi và đo hiệu quả sau triển khai.
Đây là khoảng cách lớn giữa “học AI” và “làm được AI”. Trong lớp học, bài toán thường có dữ liệu sẵn, mục tiêu rõ và thước đo kĩ thuật cụ thể. Còn trong doanh nghiệp, dữ liệu có thể nằm rải rác ở nhiều hệ thống, chất lượng kém, thiếu chuẩn và không rõ ai chịu trách nhiệm. Người dùng không quan tâm mô hình dùng thuật toán gì. Họ chỉ cần biết hệ thống có giúp giảm chi phí, tăng tốc độ, hạn chế sai sót hoặc hỗ trợ ra quyết định tốt hơn hay không.
Vì vậy, đào tạo AI thực chiến không thể chỉ dừng ở học máy, học sâu hay xử lí ngôn ngữ tự nhiên. Sinh viên cần được học cách đặt vấn đề, làm sạch dữ liệu, đánh giá sai số, kiểm tra thiên lệch, bảo vệ dữ liệu cá nhân, giải thích kết quả và làm việc với chuyên gia trong từng lĩnh vực.
Con người là trung tâm, nhưng phải là người giải được vấn đề thật
Nói “con người là trung tâm” trong AI là đúng, nhưng chưa đủ. Việt Nam cần xác định rõ đó là kiểu con người nào. Không chỉ là nhà nghiên cứu viết bài báo quốc tế, kĩ sư biết huấn luyện mô hình hay người dùng thành thạo chatbot. Điều cần hơn là một lớp nhân lực lai, vừa hiểu công nghệ, vừa hiểu ngành, vừa biết biến nhu cầu xã hội thành bài toán AI có thể triển khai.
Trong y tế, đó là người biết dùng AI để hỗ trợ đọc ảnh, phân luồng bệnh nhân, quản lí hồ sơ, nhưng hiểu rằng quyết định cuối cùng liên quan đến sinh mạng con người không thể phó mặc cho thuật toán. Trong nông nghiệp, đó là người biết kết hợp dữ liệu vệ tinh, cảm biến, thời tiết và kinh nghiệm canh tác để dự báo sâu bệnh, tối ưu mùa vụ. Trong logistics, đó là người biết dùng AI để tối ưu tuyến đường, tồn kho, giao nhận, nhưng vẫn hiểu ràng buộc hạ tầng và chi phí. Với dịch vụ công, đó là người có thể ứng dụng AI để giảm tải thủ tục, nhưng không đánh đổi minh bạch và quyền riêng tư lấy sự tiện lợi.
Đây mới là kiểu “con người trung tâm” mà Việt Nam cần: không phải số lượng kĩ sư trên giấy, mà là đội ngũ có khả năng làm cầu nối giữa công nghệ và vấn đề thật.
Đào tạo theo bài toán, không theo phong trào
Việt Nam không nên chạy theo giấc mơ đào tạo đại trà những “kĩ sư AI toàn năng”. Mở ồ ạt lớp học hoặc mã ngành chỉ vì AI đang nóng có thể tạo ra một lớp nhân sự biết khái niệm, nhưng không giải được bài toán cụ thể nào.
Hướng đi thực chất hơn là phân tầng nhân lực. Một nhóm nhỏ cần được đào tạo chuyên sâu về mô hình, thuật toán, dữ liệu, hạ tầng và an toàn AI. Một nhóm lớn hơn cần trở thành kĩ sư triển khai, biết đưa AI vào sản phẩm, quy trình và dịch vụ. Nhóm rộng nhất là nhân lực trong từng ngành, được trang bị kiến thức AI đủ để đặt đúng bài toán, dùng đúng công cụ và phối hợp hiệu quả với đội ngũ kĩ thuật.
Với các trường đại học, thước đo mới không chỉ là số môn học AI, số tín chỉ hay điểm chuẩn đầu vào. Điều quan trọng hơn là số dự án dùng dữ liệu thật, số bài toán đặt hàng từ bệnh viện, hợp tác xã, doanh nghiệp logistics, cơ quan hành chính; số sản phẩm được thử nghiệm ngoài môi trường học thuật và số sinh viên hiểu cả mô hình lẫn bối cảnh ứng dụng.
Cuộc đua AI của Việt Nam vì thế không nên là cuộc đua đặt tên ngành thật nhanh. Đó phải là cuộc đua xây móng đủ sâu và kéo ngọn đủ sát đời sống. Khi AI giải được những vấn đề cụ thể của người Việt, bằng dữ liệu Việt Nam và trong điều kiện Việt Nam, “con người là trung tâm” sẽ không còn là khẩu hiệu, mà trở thành lợi thế cạnh tranh của quốc gia.
