Lợi thế đón đầu chiến lược nhân lực AI quốc gia trong giáo dục

Khi AI trở thành năng lực nền tảng của quốc gia

Ngày 11/8/2026, Phó Thủ tướng Chính phủ Lê Tiến Châu ký Quyết định số 1528/QĐ-TTg phê duyệt Chương trình quốc gia phát triển nhân lực trí tuệ nhân tạo đến năm 2030, định hướng đến năm 2035. Đây không đơn thuần là một kế hoạch tăng số người học AI. Thông điệp chính sách sâu hơn là đưa năng lực sử dụng và ứng dụng AI trở thành một trong những năng lực thiết yếu của người học, người lao động, đội ngũ quản lý và quản trị trong kỷ nguyên số.

Đến năm 2030, Chương trình phấn đấu 100% người học trong các cơ sở giáo dục đại học được trang bị kiến thức, kỹ năng cơ bản về AI, đạo đức và an toàn dữ liệu; đào tạo mới, đào tạo chuyển đổi và bồi dưỡng nâng cao tối thiểu 50.000 nhân lực trình độ đại học trở lên có năng lực ứng dụng AI trong các ngành, lĩnh vực trọng điểm; phát triển ít nhất 10.000 nhân lực AI trình độ cao, trong đó có tối thiểu 1.500 chuyên gia có khả năng nghiên cứu, phát triển và làm chủ công nghệ lõi. Chương trình cũng đặt mục tiêu phát triển ít nhất 25 cơ sở giáo dục đại học trở thành đầu mối đào tạo, nghiên cứu và đổi mới sáng tạo về AI.

Những mục tiêu ấy cho thấy cấu trúc nhân lực AI quốc gia được thiết kế theo ba tầng: phổ cập, ứng dụng theo ngành và chuyên sâu. Việt Nam cần các nhà khoa học và chuyên gia làm chủ công nghệ lõi, nhưng đồng thời cần một lực lượng lớn kỹ sư, cán bộ chuyên môn có thể đưa AI vào sản xuất, vận hành, quản trị và dịch vụ công. Bởi vậy, các mô hình AI+X và X+AI không phải khẩu hiệu thời thượng; đó là yêu cầu đưa AI vào đúng miền tri thức, đúng quy trình nghề nghiệp và đúng bài toán phát triển của nền kinh tế.

Trọng tâm của cuộc chuyển dịch vì thế không nằm ở số lượng ngành AI được mở, mà ở năng lực tích hợp AI vào từng ngành đào tạo. Một chương trình chỉ dạy công cụ sẽ nhanh chóng lạc hậu; một chương trình chỉ nhấn mạnh thuật toán nhưng tách rời bối cảnh ứng dụng sẽ khó tạo ra giá trị. Đào tạo nhân lực AI trong giai đoạn mới phải đồng thời trả lời hai câu hỏi: người học làm chủ công nghệ đến đâu, và công nghệ ấy giải quyết vấn đề thực tiễn nào một cách an toàn, hiệu quả, có trách nhiệm.

Không chỉ biết thuật toán, phải hiểu hệ thống

Kỹ sư AI của Trường Đại học Điện lực trước hết phải là một kỹ sư AI đúng nghĩa. Nền tảng bắt buộc vẫn là toán học, lập trình, cấu trúc dữ liệu, học máy, học sâu, dữ liệu lớn, thị giác máy tính, tối ưu hóa và kỹ thuật triển khai hệ thống. Bản mô tả chương trình đào tạo ngành Trí tuệ nhân tạo ban hành năm 2025 xác định rõ năng lực thiết kế, triển khai giải pháp AI trong các hệ thống tự động hóa thông minh và năng lượng; đồng thời yêu cầu người học có khả năng làm việc với dữ liệu lớn, giải quyết bài toán tối ưu và tuân thủ trách nhiệm nghề nghiệp, chuẩn mực đạo đức.

Điểm khác biệt không nằm ở việc tạo ra một thứ “AI riêng” cho ngành điện, càng không phải biến sinh viên AI thành kỹ sư điện học thêm vài thuật toán. Khác biệt nằm ở lớp tri thức miền ứng dụng được đặt bên cạnh nền tảng AI: hệ thống điện, năng lượng, điều khiển và tự động hóa. Chính lớp tri thức ấy giúp người học hiểu dữ liệu được hình thành như thế nào, mô hình chịu những ràng buộc gì và quyết định của AI sẽ tác động ra sao đến một hệ thống vật lý đang vận hành.

Một mô hình dự báo phụ tải có thể đạt sai số thấp trên bộ dữ liệu thử nghiệm, nhưng người hiểu hệ thống điện sẽ phải đặt thêm câu hỏi: sai số ấy ảnh hưởng thế nào đến cân bằng cung - cầu, dự phòng công suất và kế hoạch vận hành? Một thuật toán tối ưu có thể cho nghiệm đẹp trên máy tính, nhưng khi triển khai phải tôn trọng giới hạn điện áp, dòng điện, công suất, độ tin cậy và an toàn. Trong hạ tầng thiết yếu, độ chính xác chỉ là điều kiện cần; khả năng kiểm soát, tính ổn định và trách nhiệm của con người đối với quyết định cuối cùng mới là điều kiện đủ.

Đó cũng là ranh giới giữa người biết sử dụng mô hình và người có năng lực kỹ thuật để đưa mô hình vào đời sống. Doanh nghiệp không chỉ cần một thuật toán chạy được; doanh nghiệp cần một hệ thống vận hành được, đo lường được hiệu quả, kiểm soát được rủi ro và có thể tích hợp vào quy trình hiện hữu. Kỹ sư AI ứng dụng vì vậy phải hiểu cả thuật toán lẫn đối tượng mà thuật toán phục vụ.

Năng lượng và tự động hóa - miền ứng dụng tạo bản sắc

Hệ thống điện đang biến đổi nhanh dưới tác động của năng lượng tái tạo, nguồn điện phân tán, hệ thống lưu trữ, xe điện và quá trình số hóa lưới điện. AI có thể hỗ trợ dự báo phụ tải, dự báo công suất điện gió và điện mặt trời, phát hiện bất thường, đánh giá tình trạng thiết bị, tối ưu vận hành lưới, quản lý lưu trữ năng lượng và điều phối trạm sạc. Nhưng mỗi bài toán đều gắn với quy luật vật lý, chất lượng dữ liệu, độ trễ đo lường, giới hạn thiết bị và yêu cầu an toàn vận hành.

Dữ liệu của máy biến áp, tua-bin, bộ biến đổi công suất hay phụ tải công nghiệp không đơn thuần là những cột số. Phía sau dữ liệu là trạng thái thiết bị, điều kiện môi trường, chế độ vận hành và quan hệ nhân - quả của hệ thống. Mô hình có thể tốt trong phòng máy tính nhưng chưa chắc đủ tin cậy trong thực tế nếu người phát triển không hiểu dữ liệu thiếu ở đâu, nhiễu xuất hiện thế nào, sai lệch cảm biến ra sao và khi nào cần chuyển quyền quyết định về cho con người.

Tự động hóa đặt ra yêu cầu tương tự. Trên nền bộ điều khiển khả trình PLC, cảm biến, cơ cấu chấp hành và hệ thống giám sát, thu thập dữ liệu SCADA, các nhà máy đang bổ sung thị giác máy tính, bảo trì dự báo, bản sao số, robot thông minh và quản lý năng lượng theo thời gian thực. Sinh viên AI không chỉ cần biết xây dựng mô hình nhận dạng; họ phải hiểu camera đặt ở đâu, dữ liệu hình thành thế nào, tốc độ xử lý có đáp ứng chu kỳ điều khiển hay không và kết quả nhận dạng sẽ kích hoạt hành động gì trên dây chuyền.

Cấu trúc chương trình đào tạo của Trường Đại học điện lực đã phản ánh định hướng này. Khối chuyên ngành AI trong tự động hóa có các học phần như robot công nghiệp và CNC, điều khiển thông minh, thiết kế hệ thống nhúng, triển khai và vận hành giải thuật học máy, ứng dụng học sâu và phân tích dữ liệu lớn. Khối chuyên ngành AI trong năng lượng tập trung vào các hệ thống năng lượng, năng lượng tái tạo, điều khiển tối ưu - thích nghi - dự báo, cùng kỹ thuật triển khai ứng dụng học sâu và phân tích dữ liệu lớn. Đây là nền tảng để kết nối năng lực AI với các miền ứng dụng mà Trường Đại học Điện lực có truyền thống đào tạo và nghiên cứu.

Chuẩn bị sớm là lợi thế, nhưng lợi thế không tự nhiên bền vững

Định hướng AI gắn với năng lượng và tự động hóa tại Trường Đại học Điện lực được hình thành trước khi Quyết định số 1528/QĐ-TTg được ban hành. Thông báo phương án tuyển sinh đại học chính quy năm 2025 xác định ngành Trí tuệ nhân tạo, mã ngành 7480107, với 120 chỉ tiêu. Thông tin tuyển sinh năm 2026 dự kiến 250 chỉ tiêu; chương trình có hai chuyên ngành: Trí tuệ nhân tạo trong tự động hóa và Trí tuệ nhân tạo trong năng lượng.

Nhìn từ Chương trình quốc gia, đây là sự chuẩn bị sớm cho hướng đào tạo AI theo ngành, lĩnh vực. Sinh viên vẫn phải có năng lực nghề nghiệp chung để tham gia thị trường AI rộng lớn như kỹ sư ở các cơ sở đào tạo khác; nhưng khi đi vào các bài toán điện, năng lượng, công nghiệp và tự động hóa, họ có thêm lợi thế từ hiểu biết hệ thống. Lợi thế ấy tạo ra bản sắc, nhưng không nên được hiểu như một “vùng an toàn” để tự bằng lòng.

Quy mô tuyển sinh tăng là tín hiệu tích cực về nhu cầu và niềm tin đối với ngành học, song số lượng không thể thay thế chất lượng. Có hai cực đoan cần tránh: một là đào tạo AI quá chung, thiếu chiều sâu kỹ thuật và tách rời hệ thống vật lý; hai là thu hẹp AI vào vài bài toán ngành điện, làm giảm khả năng dịch chuyển nghề nghiệp của người học. Mô hình hợp lý phải bảo đảm nền tảng AI chuẩn, đồng thời tạo chiều sâu ứng dụng đủ mạnh để người học giải quyết những bài toán thực.

Chương trình quốc gia đặt mục tiêu hình thành ít nhất 25 cơ sở giáo dục đại học làm đầu mối đào tạo, nghiên cứu và đổi mới sáng tạo về AI. Đó là không gian cạnh tranh mà Trường Đại học Điện lực có cơ sở tham gia nhờ lợi thế ngành năng lượng và tự động hóa, nhưng vị thế không đến từ tên ngành hay chỉ tiêu tuyển sinh. Vị thế phải được chứng minh bằng chất lượng đội ngũ, chuẩn đầu ra, công bố và sản phẩm nghiên cứu, dữ liệu thực, phòng thí nghiệm, năng lực chuyển giao và mức độ tham gia của doanh nghiệp.

Từ mở ngành đến kiến tạo hệ sinh thái AI trong đại học

Quyết định số 1528/QĐ-TTg đặt mục tiêu đến năm 2030, 100% cơ sở giáo dục đại học triển khai quy định về sử dụng AI trong đào tạo, nghiên cứu và đánh giá. Điều đó cho thấy trách nhiệm của một trường đại học không dừng ở đào tạo một ngành AI. AI phải trở thành năng lực dùng chung của người học, công cụ nâng cao năng lực nghiên cứu và quản trị, đồng thời được đặt trong khuôn khổ đạo đức, an toàn dữ liệu và liêm chính học thuật.

Trước hết, Trường cần tiếp tục rà soát chương trình và chuẩn đầu ra theo hướng bám sát Khung năng lực AI quốc gia khi được ban hành, duy trì nền tảng toán - máy tính - dữ liệu đủ sâu, đồng thời cập nhật nhanh công nghệ mới. Song song với ngành Trí tuệ nhân tạo, các chương trình kỹ thuật, kinh tế và quản lý cũng cần được tích hợp năng lực AI ở mức phù hợp với nghề nghiệp, tránh tình trạng AI chỉ nằm trong phạm vi một khoa hoặc một ngành học.

Thứ hai, cần phát triển hạ tầng dữ liệu và môi trường thực hành dùng chung. Với năng lượng và tự động hóa, giá trị đào tạo nằm ở khả năng cho sinh viên làm việc với dữ liệu đủ gần thực tiễn, mô hình hóa được ràng buộc vật lý và thử nghiệm trong môi trường an toàn. Các phòng thí nghiệm số, nền tảng mô phỏng, bộ dữ liệu có quản trị, bài toán liên ngành và dự án theo nhóm phải trở thành cấu phần thường xuyên của chương trình, thay vì chỉ là hoạt động bổ trợ.

Thứ ba, doanh nghiệp phải tham gia từ khâu xác định bài toán đến hướng dẫn thực tập, cung cấp dữ liệu phù hợp, đồng đánh giá sản phẩm và tiếp nhận kết quả nghiên cứu. Liên kết này giúp chương trình tránh hai nguy cơ: chạy theo công cụ đang thịnh hành nhưng thiếu chiều sâu, hoặc nặng về lý thuyết nhưng không giải quyết được yêu cầu vận hành. Đây cũng là con đường để hình thành các nhóm nghiên cứu ứng dụng, sản phẩm chuyển giao và năng lực đổi mới sáng tạo có thể đo đếm.

Cuối cùng, yếu tố quyết định vẫn là đội ngũ. Nhà giáo phải đồng thời cập nhật tri thức AI, hiểu miền ứng dụng và có khả năng tổ chức học tập theo dự án. Trường cần cơ chế phát triển nhóm giảng viên liên ngành, thu hút chuyên gia doanh nghiệp, hợp tác với viện nghiên cứu và cơ sở đào tạo trong, ngoài nước, đồng thời bảo đảm giảng viên có dữ liệu, hạ tầng tính toán và thời gian nghiên cứu cần thiết. Không có đội ngũ đủ mạnh, mọi lợi thế về định hướng sẽ khó chuyển thành chất lượng bền vững.

Trong cuộc đua nhân lực AI, Việt Nam không cần mọi trường đại học đào tạo những kỹ sư giống nhau. Quốc gia cần chuyên gia AI lõi, kỹ sư phần mềm, nhà khoa học dữ liệu và một lực lượng đông đảo kỹ sư AI hiểu sâu ngành mà công nghệ sẽ đi vào. Với Trường Đại học Điện lực, năng lượng và tự động hóa là hai miền ứng dụng tự nhiên để tạo khác biệt. Giá trị của việc “đón đầu” vì thế không nằm ở chỗ mở đúng ngành vào đúng thời điểm, mà ở khả năng đào tạo những kỹ sư vừa làm chủ nền tảng AI, vừa hiểu hệ thống vật lý, tôn trọng ràng buộc an toàn và có thể biến thuật toán thành năng lực sản xuất, vận hành và đổi mới sáng tạo. Đó mới là đóng góp thực chất của một trường đại học kỹ thuật đối với chiến lược nhân lực AI quốc gia.