Nhà tuyển dụng đòi hỏi kỹ năng AI, kiến thức đại học liệu có còn đủ dùng?

Chỉ cần vài dòng chat, một người chưa từng viết code cũng có thể có trong tay một ứng dụng chạy được. Tra cứu thông tin giờ có thể giao cho Gemini hay Claude tự lướt web và tổng hợp, còn những việc như phân tích dữ liệu, gợi ý phương án hay viết phần mềm, AI làm nhanh đến mức nhiều lập trình viên chuyên nghiệp cảm thấy lo lắng. Thị trường lao động vì thế đổi luật chơi: Biết dùng AI không còn là điểm cộng, mà dần thành điều kiện tối thiểu. Chính vì vậy, nhiều sinh viên cũng tự đặt câu hỏi: Những gì mình học trên giảng đường liệu có đủ để ứng dụng vào công việc?

Biết dùng AI đã thành 'kỹ năng mặc định' trong mắt nhà tuyển dụng

Để dễ hình dung, AI tạo sinh là các mô hình như ChatGPT, Gemini hay Claude, có thể viết, tìm kiếm, phân tích và lập trình theo yêu cầu bằng ngôn ngữ đời thường. Các nhà tuyển dụng đã nhìn ra sức mạnh đó từ khá sớm. Trong báo cáo Work Trend Index 2024 của Microsoft và LinkedIn, 2/3 lãnh đạo doanh nghiệp cho biết sẽ không tuyển người thiếu kỹ năng AI, riêng tại Việt Nam, tỷ lệ đồng tình với quan điểm này lên tới 76%, theo Statista.

Đến năm 2026, xu hướng còn rõ hơn. Một khảo sát của Trường Kinh doanh Kogod (ĐH American, Mỹ) cho thấy, tỷ lệ sinh viên bị nhà tuyển dụng hỏi về kỹ năng AI đã tăng từ 11,6% năm 2024 lên 42,6% năm 2026, theo Poets & Quants. Dễ thấy, áp lực không chỉ nằm ở vòng phỏng vấn, hơn một nửa doanh nghiệp đã chuyển một phần ngân sách tuyển vị trí mới vào AI, và 48% nhà quản lý tuyển dụng nói họ muốn đầu tư vào công cụ AI hơn là tuyển rồi đào tạo một sinh viên mới ra trường, theo HR Dive.

Sinh viên ĐH Bách khoa Hà Nội học môn Thực hành với máy tính.

Hệ quả nhãn tiền trong thực tế: Một CV không có dấu hiệu nào cho thấy ứng viên biết dùng AI, có thể bị loại khá nhanh. Đồ án, sản phẩm doanh nghiệp cũng dần mặc định có một luồng tích hợp AI, thiếu nó, sản phẩm dễ bị đánh giá là kém cạnh tranh. Thậm chí, đã có công cụ có thể phân tích một phần mềm sẵn có rồi dựng lại phiên bản tương tự, khiến cả câu chuyện bản quyền lẫn vị thế của lập trình viên “truyền thống” trở nên thời sự.

Chính sách đã chuyển động, giảng đường vẫn còn “độ trễ”

Về phía quản lý, tín hiệu thay đổi là có thật. Theo Thông tư 54/2026/TT-BGDĐT có hiệu lực từ 30/6, chuẩn đầu ra bậc đại học phải bao gồm yêu cầu về năng lực số và nội dung AI. Bộ GD - ĐT cũng lần đầu quy định việc dùng AI trong đào tạo và nghiên cứu, xác định AI là công cụ hỗ trợ và yêu cầu các trường ban hành bộ quy tắc ứng xử riêng.

Một số nơi đi trước: ĐHQG Hà Nội đã đưa học phần 3 tín chỉ về công nghệ số và AI thành môn bắt buộc cho sinh viên năm thứ nhất, từ tháng 9/2025, còn ĐH Bách khoa Hà Nội hợp tác với NVIDIA để đào tạo và cấp chứng chỉ AI. Dù vậy, khoảng cách giữa văn bản và lớp học vẫn còn.

Theo phản ánh của không ít sinh viên tại các trường lớn như Bách khoa hay Kinh tế Quốc dân, nhiều môn tính toán như Giải tích, Đại số... vẫn trừu tượng, vẫn có cảm giác thủ công, môn Lập trình vẫn đặt nặng “code tay”, khối lượng lý thuyết dàn trải trên nhiều mảng nhưng ít đi sâu vào ứng dụng. Việc đưa công cụ AI vào chính quá trình dạy và học vẫn chưa phổ biến, đây là điều không ít sinh viên cảm thấy.

Talkshow “ICT trong kỷ nguyên AI: Cơ hội và thách thức” diễn ra ngày 13/10/2026, trong khuôn khổ Triển lãm Thành tựu Khoa học Công nghệ chào mừng 70 năm thành lập ĐH Bách khoa Hà Nội. Ảnh: SoICT

Kiến thức trên lớp: Đủ phần “móng”, thiếu phần “tay nghề”

Nói kiến thức đại học “vô dụng” thì chắc chắn là không đúng. Toán, thuật toán, cấu trúc dữ liệu hay kiến thức chuyên ngành chính là thứ giúp bạn biết AI đang làm đúng hay sai. Điều này càng quan trọng khi vai trò của con người đang dịch chuyển: 96% lãnh đạo nhân sự trong một nghiên cứu của Cognizant và Pearson cho rằng, các vị trí mới vào nghề rồi sẽ chuyển sang quản lý, giám sát AI. Nghĩa là người đi làm sẽ “chấm điểm” sản phẩm AI tạo ra, hoặc điều phối nhiều AI cùng làm, nơi mô hình cấp cao kiểm tra từng phần việc của mô hình cấp thấp. Không có kinh nghiệm sử dụng AI, bạn sẽ không thể hiểu được đầu ra chứ chưa nói đến việc chấm và quản lý.

Nhưng có trợ lý không có nghĩa là giao hết cho trợ lý. ThS Nguyễn Đức Tiến - Giảng viên ĐH Bách khoa Hà Nội ví von, nếu ai đó hỏi chúng ta mà ta không làm gì, chỉ chuyển tiếp câu hỏi cho trợ lý, thì về sau người ta sẽ hỏi thẳng trợ lý chứ không cần hỏi ta nữa. Và đó sẽ là lý do khiến chúng ta bị thay thế.

Các diễn giả trao đổi về yêu cầu chuyên môn và những vấn đề đặt ra khi đưa các giải pháp AI vào thực tiễn. Ảnh: SoICT

Tự bổ sung thế nào để không bị “lệch pha”?

Tin vui là phần này hoàn toàn tự học được. Cách đơn giản mà hiệu quả là thiết lập sẵn một đoạn chat: Nói rõ mục tiêu, đưa tài liệu môn học vào, rồi yêu cầu AI đóng vai trợ giảng hoặc bạn học, chỉ ra lỗi sai thay vì làm hộ. Tiếp theo, hãy thử đưa một luồng AI vào chính đồ án của mình, và ghi rõ trong CV bạn đã dùng công cụ nào, cho việc gì.

Quan trọng là mục tiêu phải do chính bạn đặt ra. ThS Nguyễn Đức Tiến lấy ví dụ với môn Kiến trúc máy tính: Có người thích học theo chiều rộng để hiểu các cấu trúc máy tính khác nhau, có người chỉ cần nắm cơ sở để qua môn, có người lại chỉ cần phần phù hợp để viết phần mềm cho hiệu quả, và lựa chọn nào cũng tốt: “Ta chỉ cần xác định mục tiêu và đặt các câu hỏi mở rộng cho AI. AI không thể quyết định rằng, sinh viên thích học theo chiều rộng hay chiều sâu được”.

Song song, đừng bỏ thói quen kiểm chứng: Bạn không cần thuộc từng bước AI làm, nhưng phải hiểu đủ để biết nó có đang “bịa” hay không. Cuối cùng, dùng AI minh bạch. Quy định mới coi việc dùng AI để gian lận, hay không công bố việc dùng AI khi được yêu cầu, là vi phạm liêm chính học thuật.