Học AI bằng cách tự bảo vệ quyết định
Đào tạo AI đại học hiệu quả là giúp sinh viên vận dụng công cụ vào vấn đề thực tế, đồng thời hiểu giới hạn của công nghệ và chịu trách nhiệm về những quyết định do mình đưa ra. Đây là điểm đáng chú ý trong chương trình trải nghiệm mà Đại học IE ở Tây Ban Nha và Đại học California, Berkeley tại Mỹ cùng tổ chức: mục tiêu không chỉ là biết dùng AI, mà còn giữ quyền phán đoán của con người. Chương trình [YOU] on AI + X kéo dài 8 tuần, bắt đầu từ đầu tháng 10. Sinh viên hai trường làm việc xuyên Đại Tây Dương, thảo luận về AI và khả năng phán đoán, đồng thời xây dựng dự án thực tế. Cách tiếp cận này đáng được chú ý vì biến tư duy phản biện thành một phần của việc làm, chứ không phải lời nhắc chung chung bên lề lớp học. Khi sinh viên ứng dụng AI, họ cần giải thích vì sao chọn vấn đề, việc gì giao cho hệ thống và cách kiểm tra kết quả.
Dự án thực tế đặt trách nhiệm lên người học
Mỗi người học phát triển một dự án AI có thể hoạt động ngoài đời thực, theo hướng khởi nghiệp, nghiên cứu hoặc sáng tạo sản phẩm phục vụ lợi ích cộng đồng. Trong quá trình đó, sinh viên trình bày ý tưởng, đặt câu hỏi và tiếp nhận phản hồi; cố vấn giúp họ xem xét rủi ro, vấn đề đạo đức và trải nghiệm người dùng. Thiết kế này có giá trị bởi nó buộc người học đối diện với hệ quả của lựa chọn, thay vì xem câu trả lời do AI tạo ra là kết luận cuối cùng. Theo Ikhlaq Sidhu, sinh viên cần có khả năng bảo vệ quyết định của mình, từ lý do chọn vấn đề đến cách kiểm chứng kết quả và phần trách nhiệm vẫn thuộc về con người. Cuối chương trình, các nhóm sẽ giới thiệu sản phẩm trong Ngày trình bày sản phẩm, kèm hồ sơ mô tả quá trình xây dựng, thử nghiệm và quản trị dự án.
Đây là một chuẩn đào tạo đáng hướng tới: đánh giá không chỉ sản phẩm cuối, mà cả lập luận và cách người học xử lý phản biện. Nếu thiếu phần đó, một dự án có vẻ hữu ích vẫn có thể che khuất lỗi, thiên lệch hoặc rủi ro mà người tạo ra chưa nhận diện.
AI phổ biến khiến đại học phải đổi cách dạy
Nhu cầu đổi mới không đến từ một trào lưu nhất thời. AI đang được ứng dụng ngày càng rộng trong doanh nghiệp, khiến người mới tốt nghiệp cần biết dùng công nghệ để cải thiện hiệu quả công việc; đồng thời, giáo dục đại học phải xem lại sinh viên cần học gì và học như thế nào để thích ứng với thị trường lao động thay đổi nhanh. Phát biểu với báo chí tại Hà Nội ngày 27 tháng 10, Tiến sĩ Tan Hong Ming thuộc Trường Kinh doanh NUS nhấn mạnh rằng biết sử dụng AI chưa đủ đáp ứng yêu cầu tuyển dụng. Người học vẫn cần kiến thức chuyên ngành, hiểu sâu lĩnh vực của mình, cùng năng lực giao tiếp, thuyết trình và phỏng vấn. Vì vậy, AI trong giáo dục không nên được hiểu là thêm một môn hướng dẫn thao tác công cụ. Trọng tâm phải là dạy sinh viên nhận ra khi nào công nghệ hữu ích, cách đánh giá đầu ra và cách giải quyết vấn đề độc lập.
Tư duy phản biện và năng lực chuyên môn cần được rèn cùng nhau: thiếu nền tảng ngành, sinh viên khó nhận ra câu trả lời của AI sai ở đâu; thiếu khả năng đánh giá, kiến thức có sẵn cũng khó chuyển thành quyết định tốt. Đó là lý do đào tạo AI đại học phải gắn với tình huống nghề nghiệp, chứ không dừng ở kỹ năng sử dụng.
Công nghệ chỉ có ích khi gắn với cách làm việc
Ứng dụng AI không tự động cải thiện kết quả nếu quy trình xung quanh nó không phù hợp. Tiến sĩ Tan Hong Ming nêu ví dụ một quán phở dùng AI xử lý đơn nhanh hơn: nếu khâu bếp không được điều chỉnh, lượng đơn tăng có thể khiến khu vực chế biến quá tải. Bài học này cũng áp dụng cho trường đại học. Sinh viên cần hiểu bối cảnh chuyên môn và tổ chức công việc nơi công cụ được đưa vào, thay vì chỉ học cách tạo đầu ra bằng AI. Hợp tác với doanh nghiệp để xây dựng học phần, đưa tình huống thật vào chương trình và tăng cơ hội thực tập có thể giúp việc học sát hơn với yêu cầu nghề nghiệp. Các dự án của IE và UC Berkeley gợi mở một hướng thực hành hữu ích; nhưng muốn tạo tác động bền vững, đào tạo còn phải nối công cụ với kiến thức chuyên ngành và trải nghiệm làm việc.
Kết luận đáng rút ra không phải là chọn giữa AI và năng lực con người. Đại học cần dạy sinh viên dùng AI có mục đích, kiểm tra kết quả và tự chịu trách nhiệm cho quyết định của mình. Khi công nghệ được đặt trong nền tảng chuyên môn và tư duy phản biện, người học mới có thể biến khả năng của AI thành giá trị thực.
