Năng lực số và kiến thức AI chính thức trở thành chuẩn đầu ra bắt buộc cho sinh viên đại học theo Thông tư số 54/2026/TT-BGDĐT, cụ thể hóa tinh thần Nghị quyết số 71-NQ/TW về phát triển nhân lực kỷ nguyên số. Trao đổi với phóng viên, ông Nguyễn Văn Hinh - Phó Viện trưởng Viện Ứng dụng công nghệ và Đào tạo phát triển nguồn nhân lực (ITAT) đã có những phân tích sâu về thách thức và giải pháp cho các trường
Từ "nhồi kiến thức" sang "build năng lực" - bước ngoặt tất yếu
Đánh giá về quyết sách mới của Bộ GD-ĐT, ông Nguyễn Văn Hinh cho rằng đây là một bước đi đúng timing và khá là đột phá trong cách quản lý giáo dục đại học. Trong bối cảnh thị trường lao động đang chuyển mình chưa từng thấy, AI và tự động hóa không chỉ thay thế các công việc lặp đi lặp lại mà còn len lỏi sâu vào cả những lĩnh vực từng được coi là "safe" như phân tích tài chính, thiết kế, truyền thông, thậm chí là một phần việc quản trị và lập trình.
Theo ông, nếu giáo dục đại học vẫn cứ chạy theo mô hình truyền thụ kiến thức tĩnh, đóng khung trong niên chế cứng nhắc, thì khoảng cách giữa điều sinh viên được học và nhu cầu thực tế của thị trường sẽ ngày càng xa cách. Do đó, Thông tư số 54/2026/TT-BGDĐT không đơn thuần là văn bản kỹ thuật điều chỉnh chương trình đào tạo, mà là một "tuyên ngôn" chính sách mạnh mẽ, buộc giáo dục đại học Việt Nam phải chuyển từ logic đào tạo kiến thức sang logic kiến tạo năng lực thích ứng
Điểm đột phá nhất của văn bản này là năng lực số và AI không còn là học phần tự chọn mang tính hình thức nữa, mà đã được "luật hóa" thành phần bắt buộc trong chuẩn đầu ra, đi cùng với ngoại ngữ và khả năng học tập suốt đời.
Cách tiếp cận này bám sát tinh thần của Nghị quyết số 71-NQ/TW, khi xác định giáo dục và đào tạo là đột phá chiến lược, đồng thời yêu cầu gắn giáo dục với đổi mới sáng tạo, chuyển đổi số và phát triển nguồn nhân lực chất lượng cao để đưa đất nước vào nhóm quốc gia có nền giáo dục tiên tiến.
Ông Nguyễn Văn Hinh nhấn mạnh: "Xét trên bình diện quốc gia, đây cũng là một hình thức tái tạo sức lao động theo nghĩa hiện đại. Chúng ta không phải chỉ bồi dưỡng thể lực hay tay nghề đơn thuần, mà là tái cấu trúc năng lực tư duy, năng lực làm việc cùng công nghệ và năng lực tự học của cả một thế hệ, để lực lượng lao động trẻ Việt Nam không bị động trước làn sóng tự động hóa, mà chủ động sử dụng AI như một công cụ nâng cao năng suất và giá trị lao động của chính mình".
Bốn "vấn đề nhức nhối" khi triển khai
Bất kỳ cuộc cải cách nào cũng có độ trễ nhất định giữa quy định và năng lực thực thi, và Thông tư số 54/2026/TT-BGDĐT cũng không ngoại lệ. Nhận diện về những khó khăn ban đầu mà các trường phải đối mặt, ông Hinh chỉ ra bốn "nút thắt" quan trọng.
Khó khăn số 1: Thiếu giảng viên "xịn"
Số lượng giảng viên đủ khả năng vừa dạy chuyên môn nền tảng, vừa tích hợp kiến thức, kỹ năng AI và chuyển đổi số vào bài giảng hiện còn rất mỏng, đặc biệt là ở khối ngành Khoa học xã hội, Nhân văn và Sư phạm.
Khó khăn số 2: Hạ tầng và học liệu chưa đủ
Việc giảng dạy năng lực số và AI một cách thực chất đòi hỏi hệ thống phòng thực hành, máy chủ, quyền truy cập các nền tảng công nghệ và nguồn dữ liệu thực hành hợp pháp. Đây đều là những khoản đầu tư không hề nhỏ, trong khi cơ chế tài chính của các trường công lập vẫn còn nhiều ràng buộc
Khó khăn số 3: Redesign chương trình đào tạo
Khâu thiết kế lại chương trình đào tạo, đề cương học phần và chuẩn đầu ra cho hàng trăm ngành, chuyên ngành khác nhau trong thời gian chuyển tiếp có giới hạn. Điều này đòi hỏi các trường phải rà soát đồng bộ, tránh tình trạng "gắn nhãn" AI hay năng lực số một cách hình thức mà không thay đổi thực chất nội dung.
Khó khăn số 4: Mindset và văn hóa tổ chức
Ông Nguyễn Văn Hinh cho rằng, một bộ phận cán bộ quản lý và giảng viên vẫn quen với tư duy "đủ giờ, đủ tín chỉ" hơn là tư duy "đủ năng lực đầu ra". Do đó, việc chuyển đổi tư duy quản trị chất lượng theo hướng hậu kiểm, lấy minh chứng năng lực làm trung tâm sẽ cần thời gian và quyết tâm rất lớn từ ban lãnh đạo các trường
Ba lớp kỹ thuật để đo được "thực lực" sinh viên
Điều 7 của Thông tư nhấn mạnh chuẩn đầu ra phải được cụ thể hóa thành các yêu cầu có thể quan sát, đánh giá và đo lường được. Để không rơi vào tình trạng "trên giấy" với những năng lực biến đổi nhanh như AI, ông Nguyễn Văn Hinh đề xuất các trường cần tiếp cận theo ba lớp cốt lõi.
Lớp 1: Xây dựng ma trận liên kết
Mỗi chuẩn đầu ra về năng lực số và AI phải được "trải" xuống từng học phần cụ thể, xác định rõ học phần nào giới thiệu, học phần nào rèn luyện và học phần nào đạt mức thành thạo - tuyệt đối tránh tình trạng năng lực công nghệ chỉ xuất hiện ở một học phần rồi "biến mất" suốt khóa học.
Lớp 2: Thiết lập bộ công cụ đánh giá (rubric) đa level
Thay vì đánh giá đạt/không đạt chung chung, các trường cần xây dựng thang đo từ 3-5 mức, ví dụ từ mức sử dụng công cụ có hướng dẫn đến mức thiết kế, đánh giá phản biện sản phẩm do AI tạo ra và ứng dụng thực tế vào bài toán chuyên ngành.
Lớp 3: Trọng dụng minh chứng thực học
Các trường cần ưu tiên đánh giá qua sản phẩm đầu ra thực tế như đồ án tích hợp công nghệ, dự án dữ liệu hay portfolio năng lực số thay vì các bài thi lý thuyết, bởi năng lực số bản chất là năng lực hành động, chỉ bộc lộ rõ nhất qua sản phẩm và quá trình thực hiện
Song song với ba lớp kỹ thuật trên, các trường cũng cần thiết lập cơ chế rà soát định kỳ ma trận và công cụ đánh giá theo chu kỳ ngắn hơn so với chương trình truyền thống. Lý do là vì công nghệ AI thay đổi theo từng tháng, trong khi chương trình đào tạo thường được thiết kế theo chu kỳ 4-5 năm. Nếu thiếu cơ chế cập nhật linh hoạt, chuẩn đầu ra sẽ nhanh chóng outdated so với thực tế.
Đối với nhóm chỉ số khó đo lường như "khả năng thích ứng và học tập suốt đời", ông Nguyễn Văn Hinh khuyến nghị chuyển từ đo lường trực tiếp sang đo lường gián tiếp thông qua các chỉ báo hành vi.
Cụ thể, có thể đánh giá qua: hồ sơ học tập cá nhân hóa (mức độ sinh viên chủ động chọn học phần tự chọn, chứng chỉ ngắn hạn hay các khóa online mở ngoài chương trình bắt buộc); năng lực tự phản tư qua nhật ký học tập, bài luận phản tư sau các dự án thực tế để sinh viên tự nhận diện điểm mạnh-yếu; và khả năng chuyển đổi kiến thức liên ngành khi vận dụng công cụ mới vào giải quyết bài toán quen thuộc.
Toàn bộ dữ liệu này cần được gắn với hệ thống portfolio năng lực số do trường quản lý xuyên suốt, kết hợp feedback từ đơn vị sử dụng lao động qua các đợt thực tập
Mô hình trung tâm đánh giá độc lập và roadmap ba giai đoạn
Theo ông Hinh, để nguyên tắc hậu kiểm vận hành hiệu quả theo đúng tinh thần quản trị đại học hiện đại, các trường bắt buộc phải xây dựng một hệ thống quản lý học tập tích hợp (LMS) kết nối trực tiếp với hồ sơ năng lực số của từng sinh viên. Hệ thống này có nhiệm vụ lưu vết toàn bộ quá trình học tập, kết quả đánh giá, chứng chỉ công nghệ đã đạt và có khả năng kết nối với cơ sở dữ liệu ngành của Bộ GD-ĐT.
Về mô hình tổ chức, thay vì để từng khoa hay giảng viên tự đánh giá năng lực số một cách phân tán, ông Nguyễn Văn Hinh đề xuất các trường nên thành lập trung tâm đánh giá năng lực số và AI mang tính chuyên trách, hoạt động độc lập với các khoa chuyên môn, tương tự mô hình trung tâm khảo thí ngoại ngữ hiện nay.
Trung tâm này sẽ đảm nhận ba chức năng cốt lõi: Xây dựng ngân hàng đề thi và bài đánh giá chuẩn hóa; tổ chức các kỳ đánh giá độc lập ở những mốc quan trọng của chương trình; và cấp chứng nhận năng lực có giá trị xác thực cao. Cách làm này vừa đảm bảo tính khách quan, hạn chế xung đột lợi ích khi giảng viên vừa dạy vừa tự đánh giá, vừa giảm tải áp lực cho đội ngũ giảng viên để họ tập trung vào giảng dạy chuyên sâu. Để tối ưu chi phí, các trường có thể chọn lộ trình hợp tác công-tư, liên kết với doanh nghiệp công nghệ để dùng chung hạ tầng đánh giá thay vì đầu tư dàn trải
Để vượt qua những rào cản trong giai đoạn chuyển tiếp 2-3 năm tới, chuyên gia từ ITAT gợi ý roadmap thực thi chia làm ba giai đoạn rõ rệt.
Giai đoạn 1 (6-12 tháng đầu): Tập trung rà soát, phân loại chương trình theo mức độ ưu tiên, trong đó ưu tiên các ngành có mức độ tương tác trực tiếp với công nghệ số trước; đồng thời tổ chức bồi dưỡng cấp tốc năng lực số nền tảng cho toàn bộ giảng viên theo hình thức online kết hợp thực hành.
Giai đoạn 2 (năm thứ hai): Triển khai tích hợp học phần, module AI chuyên ngành vào chương trình đào tạo, thí điểm ma trận liên kết tại một số ngành trọng điểm và hình thành đội ngũ giảng viên nòng cốt để lan tỏa trong nội bộ.
Giai đoạn 3 (từ năm thứ ba trở đi): Vận hành ổn định trung tâm đánh giá năng lực số, tổ chức đánh giá độc lập theo chuẩn đầu ra mới cho toàn bộ khóa sinh viên nhập học từ năm 2026 trở đi, đồng thời thiết lập cơ chế rà soát học liệu tối đa 12 tháng/lần.
Bên cạnh nỗ lực của từng trường, ông Nguyễn Văn Hinh khẳng định rất cần có cơ chế điều phối liên trường, chia sẻ học liệu mở, đội ngũ chuyên gia và hạ tầng đánh giá dùng chung dưới sự dẫn dắt của Bộ GD-ĐT để tránh tình trạng mỗi trường "tự bơi" phân tán và lãng phí nguồn lực.
Chia sẻ thông điệp tâm huyết gửi tới các trường trước bước ngoặt chuyển đổi quan trọng, ông Nguyễn Văn Hinh nhấn mạnh: "Thông tư số 54/2026/TT-BGDĐT chỉ thực sự tạo ra đột phá nếu được nhìn nhận không phải là yêu cầu tuân thủ hành chính, mà là cơ hội để giáo dục đại học Việt Nam tái định vị chính mình trong chuỗi giá trị nhân lực toàn cầu.
Một chính sách dù đúng đắn đến đâu cũng chỉ phát huy giá trị khi được chuyển hóa thành hành động cụ thể, nhất quán, có giám sát và có trách nhiệm giải trình ở từng trường, từng giảng viên, từng sinh viên. Tái tạo sức lao động của thế hệ trẻ bằng tri thức, khoa học công nghệ và AI không phải là câu chuyện riêng của ngành giáo dục, mà là câu chuyện của cả một nền kinh tế đang chuyển mình, và giáo dục đại học chính là nơi bắt đầu"
Nguồn: svvn.tienphong.vn