Khoảng cách năng lực AI tại doanh nghiệp Việt Nam

Khoảng cách năng lực AI là khoảng cách giữa việc có quyền truy cập công cụ và khả năng dùng AI ổn định trong công việc thật. Nó thường xuất hiện ở kỹ năng, dữ liệu, quy trình, trách nhiệm và cách đo kết quả.

Tóm tắt nhanh

• OECD ghi nhận thiếu kỹ năng là một rào cản đáng kể đối với việc áp dụng AI ở doanh nghiệp.
• Đa số người lao động cần năng lực số, dữ liệu và giải quyết vấn đề hơn là kỹ năng xây mô hình nâng cao.
• Đào tạo tạo tác động khi gắn với vai trò, có cơ hội thực hành và nằm trong một hệ thống quản trị phù hợp.

Vì sao khoảng cách vẫn tồn tại?

Một buổi giới thiệu công cụ có thể tạo hứng thú nhưng chưa giải quyết được các câu hỏi vận hành: nhiệm vụ nào nên dùng AI, dữ liệu nào được phép, đầu ra đạt chuẩn là gì, ai kiểm tra và chỉ số nào chứng minh cải thiện. Nếu các câu hỏi này chưa có câu trả lời, việc sử dụng thường dừng ở từng cá nhân.

Tiêu đề bài đặt vấn đề trong bối cảnh doanh nghiệp Việt Nam; các nguồn hiện có của bài là OECD và World Economic Forum, không phải một khảo sát đại diện riêng cho Việt Nam. Vì vậy bài không đưa ra tỷ lệ toàn quốc. Khi chưa có dữ liệu sơ cấp phù hợp, cách đáng tin cậy hơn là đánh giá khoảng cách ở từng tổ chức bằng bằng chứng công việc.

Cách thu hẹp khoảng cách

1. Chọn một use case theo vai trò và ghi đường cơ sở trước khi thử.
2. Đào tạo trên dữ liệu, tiêu chuẩn và tình huống gần với công việc.
3. Thiết kế bước kiểm tra của con người và nguyên tắc sử dụng dữ liệu.
4. Review kết quả theo thời gian, chất lượng, mức sử dụng và rủi ro.
5. Chỉ mở rộng khi cách làm có thể được lặp lại bởi nhiều người.

Diagnostic năm câu hỏi cho từng đội ngũ

Yêu cầu mỗi nhóm chọn một nhiệm vụ thật và trả lời:

• Bài toán: kết quả nào đang chậm, tốn công hoặc thiếu nhất quán?
• Chuẩn chuyên môn: ví dụ nào được xem là đạt và ai có quyền xác nhận?
• Dữ liệu: thông tin nào được phép dùng, thông tin nào phải loại bỏ?
• Workflow: AI hỗ trợ bước nào và bước nào bắt buộc có con người?
• Bằng chứng: sau bốn tuần, thay đổi nào chứng minh giá trị hoặc cho thấy nên dừng?

Nếu đội ngũ chưa trả lời được ba câu đầu, ưu tiên nên là làm rõ công việc và dữ liệu, không phải mua thêm công cụ.

Ba lớp năng lực cần tách biệt

Năng lực nền gồm khả năng, giới hạn, riêng tư và kiểm chứng. Năng lực theo vai trò là cách áp dụng vào Sales, HR, Marketing, Data, vận hành hoặc lãnh đạo. Năng lực tổ chức là owner, chính sách, dữ liệu, đo lường và cơ chế học. Một khóa học có thể hỗ trợ lớp đầu; hai lớp sau cần sự tham gia của quản lý và quy trình.

World Economic Forum cho thấy nhu cầu AI/data đi cùng tư duy phân tích, lãnh đạo và khả năng thích nghi. Điều này ủng hộ cách xây năng lực kết hợp, không phải chỉ đào tạo thao tác prompt.

Câu hỏi thường gặp

AI literacy có đủ để tạo hiệu suất không?

AI literacy là nền tảng, nhưng hiệu suất còn đòi hỏi chuyên môn, quy trình, dữ liệu và khả năng kiểm chứng đầu ra.

Nên đào tạo toàn công ty hay theo nhóm nhỏ?

Kiến thức nền có thể triển khai rộng. Phần ứng dụng nên ưu tiên nhóm có bài toán rõ, dữ liệu phù hợp và quản lý cam kết review kết quả.