Ngày đăng: 16:39 17/11/2026 - Lượt xem: 21
![]() |
Ông Võ Tiến Đạt - Giảng viên Hội đồng Ứng dụng AI và Nâng cao năng lực số Kỳ cuối: AI Future Skills – Năng Lực Cốt Lõi Trong Tương Lai Sau hành trình 7 kỳ đi từ thay đổi tư duy (AI Mindset), xây dựng quy trình (AI Workflow), thiết lập quản trị (AI Governance) cho đến ứng dụng vào nhân sự và giữ vững ranh giới đạo đức – an toàn (AI Ethics & Security), chúng ta đã có một bức tranh toàn cảnh về cách đưa AI vào vận hành tổ chức. Tuy nhiên, mọi hệ thống hay công cụ tối tân nhất cuối cùng vẫn quay về một điểm tựa cốt lõi: Con người. Trong kỳ cuối của chuỗi bài viết này, chúng ta sẽ cùng giải mã bài toán mang tính quyết định đối với cả người lao động lẫn doanh nghiệp trong kỷ nguyên mới: Đâu là những năng lực cốt lõi (Future Skills) giúp con người không chỉ đứng vững mà còn gia tăng giá trị vượt trội khi làm việc cùng AI? Có một câu hỏi tôi thường đặt ra khi trao đổi về AI với doanh nghiệp và người học: “Trong vài năm tới, ai sẽ là người có nguy cơ bị thay thế?” - Người không biết sử dụng AI? Theo tôi, câu trả lời chưa đầy đủ. Bởi vì biết mở ChatGPT, biết viết prompt, biết dùng Copilot, Gemini hay một vài công cụ AI khác chưa chắc đã tạo ra lợi thế nghề nghiệp bền vững. Điều đáng quan tâm hơn là: “Khi AI ngày càng làm được nhiều việc mà trước đây con người phải làm, phần giá trị nào còn lại mà chúng ta phải chịu trách nhiệm tạo ra?” Đây mới là câu hỏi quan trọng khi nói về Future Skills – năng lực trong tương lai. Sau một thời gian đào tạo và triển khai AI vào nhiều nhóm công việc khác nhau, tôi nhận thấy một điều khá rõ: khoảng cách giữa những người sử dụng AI hiệu quả và những người chỉ “biết dùng AI” ngày càng lớn. Khác biệt không nằm ở việc ai biết nhiều công cụ hơn. Khác biệt nằm ở năng lực làm việc trong một môi trường mà con người và AI cùng tham gia tạo ra kết quả. |

FUTURE SKILLS KHÔNG PHẢI LÀ MỘT DANH SÁCH KỸ NĂNG MỚI
Khi nói về kỹ năng tương lai, chúng ta thường nghĩ đến những thứ như AI, dữ liệu, tư duy số, sáng tạo, giải quyết vấn đề, giao tiếp hay khả năng thích nghi. Những năng lực đó đều quan trọng. Nhưng nếu chỉ lập một danh sách rồi tổ chức từng khóa đào tạo riêng lẻ, doanh nghiệp rất dễ rơi vào tình trạng “có đào tạo nhưng năng lực làm việc không thay đổi.”
Tôi nhìn Future Skills theo một cách khác. Đó là sự dịch chuyển từ: Biết thực hiện công việc → Biết giải quyết vấn đề → Biết phối hợp với AI → Biết kiểm soát chất lượng → Biết tạo ra giá trị và chịu trách nhiệm về kết quả. Đây là thay đổi rất lớn.
Trước đây, một nhân viên giỏi có thể được đánh giá bằng việc làm nhanh, làm chính xác và có nhiều kinh nghiệm. Nhưng khi AI có thể hỗ trợ viết báo cáo, tổng hợp tài liệu, phân tích dữ liệu, xây dựng kế hoạch, so sánh phương án, tạo nội dung và tự động hóa nhiều công việc, thì tiêu chuẩn của một người giỏi phải thay đổi. Giá trị của con người sẽ dịch chuyển từ “người trực tiếp làm mọi thứ” sang “người hiểu việc, thiết kế cách làm, kiểm soát AI và đưa ra quyết định”.
NĂNG LỰC QUAN TRỌNG ĐẦU TIÊN: BIẾT ĐẶT ĐÚNG VẤN ĐỀ
AI có thể đưa ra rất nhiều câu trả lời, nhưng AI không thể chịu trách nhiệm thay chúng ta về việc đang giải quyết đúng hay sai vấn đề. Trong công việc thực tế, đây là năng lực cực kỳ quan trọng. Một phòng nhân sự thấy tỷ lệ nghỉ việc tăng, câu hỏi đơn giản có thể là: “Làm thế nào để giảm turnover?”
Nhưng người có năng lực tốt hơn sẽ đặt tiếp những câu hỏi: “Nhóm nhân viên nào đang nghỉ nhiều nhất? Ở giai đoạn nào? Nguyên nhân thực sự nằm ở thu nhập, quản lý trực tiếp, công việc, môi trường hay cơ hội phát triển? Dữ liệu hiện tại có đủ để kết luận chưa? Vấn đề cần giải quyết là giữ người hay phải xem lại chính cách tuyển người?”
AI có thể giúp phân tích, nhưng chất lượng của bài toán vẫn phụ thuộc rất nhiều vào chất lượng tư duy của con người. Vì vậy, trong kỷ nguyên AI, năng lực đặt câu hỏi, xác định vấn đề và hiểu bối cảnh kinh doanh sẽ ngày càng có giá trị.
TỪ “PROMPT SKILL” ĐẾN “AI COLLABORATION SKILL”
Tôi cho rằng trong tương lai, chúng ta sẽ ít nói hơn về kỹ năng viết prompt đơn thuần. Thay vào đó là năng lực cộng tác với AI – AI Collaboration Skill. Một người có năng lực này không chỉ biết hỏi AI, họ biết: giao việc – cung cấp bối cảnh – cung cấp dữ liệu – quy định tiêu chuẩn – yêu cầu đầu ra – phản biện – điều chỉnh – kiểm tra – quyết định.
Đây cũng chính là điều tôi nhận thấy rất rõ trong quá trình đào tạo AI ứng dụng. Hai người sử dụng cùng một công cụ AI nhưng kết quả có thể khác nhau hoàn toàn. Người thứ nhất đưa yêu cầu, nhận câu trả lời rồi sử dụng ngay. Người thứ hai biết chia nhỏ vấn đề, cung cấp dữ liệu, yêu cầu AI phân tích nhiều góc nhìn, kiểm tra giả định, yêu cầu sửa lại và cuối cùng tự mình đánh giá kết quả. Người thứ hai không đơn giản là biết dùng AI tốt hơn, họ đang quản lý AI như một nguồn lực hỗ trợ công việc.

TƯ DUY PHẢN BIỆN SẼ QUAN TRỌNG HƠN, KHÔNG PHẢI ÍT HƠN
Một nghịch lý của thời đại AI là: “AI càng thông minh, con người càng phải biết phản biện.” Bởi vấn đề nguy hiểm nhất không phải lúc AI trả lời quá tệ. Khi câu trả lời vô lý, chúng ta thường nhận ra ngay. Rủi ro lớn hơn nằm ở những câu trả lời rất hợp lý, rất chuyên nghiệp, nhưng chưa chắc đúng.
Nếu người sử dụng thiếu kiến thức nền hoặc không kiểm chứng, một báo cáo đẹp có thể chứa dữ liệu sai; một phân tích thuyết phục có thể dựa trên giả định sai; một đề xuất tuyển dụng có thể chứa thiên kiến; một chính sách được viết rất chuyên nghiệp vẫn có thể không phù hợp với thực tế doanh nghiệp.
Vì vậy, năng lực tương lai không phải là: “AI trả lời → Con người sử dụng”. Mà phải là: “AI tạo ra → Con người kiểm tra → Con người phản biện → Con người quyết định → Con người chịu trách nhiệm”. Đây là nguyên tắc tôi cho rằng cần được đưa thẳng vào năng lực AI của nhân viên.
DATA LITERACY – KHÔNG CẦN TRỞ THÀNH DATA SCIENTIST, NHƯNG PHẢI BIẾT LÀM VIỆC VỚI DỮ LIỆU
AI và dữ liệu gần như không thể tách rời, nhưng Data Literacy không có nghĩa mọi nhân viên phải học lập trình hay trở thành chuyên gia phân tích dữ liệu. Điều doanh nghiệp cần là người lao động biết đặt những câu hỏi rất thực tế: “Dữ liệu này đến từ đâu? Có đầy đủ không? Có sạch không? Có được phép sử dụng không? Có đủ để đưa ra kết luận không?”
Ví dụ, AI có thể phân tích dữ liệu nhân sự và phát hiện một nhóm nhân viên có khả năng nghỉ việc cao. Nhưng trước khi hành động, HR và quản lý phải hiểu dữ liệu nào tạo ra kết luận đó, dữ liệu có thiên lệch không và liệu một dự báo xác suất có đủ để đưa ra quyết định liên quan đến con người hay không. Trong doanh nghiệp tương lai, data literacy không còn là năng lực riêng của phòng IT hay Data. Nó dần trở thành năng lực nền của người lao động tri thức.
WORKFLOW THINKING – ĐỪNG CHỈ DÙNG AI ĐỂ LÀM NHANH MỘT TÁC VỤ
Đây là năng lực tôi đặc biệt coi trọng, một người mới sử dụng AI thường hỏi: “Công việc này dùng AI nào?” Người có năng lực cao hơn sẽ hỏi: “Quy trình công việc này nên được thiết kế lại như thế nào khi đã có AI?” Hai câu hỏi tạo ra hai cấp độ hoàn toàn khác nhau. Ví dụ, thay vì chỉ dùng AI để viết một báo cáo tuyển dụng nhanh hơn, chúng ta có thể nhìn toàn bộ workflow: “Dữ liệu tuyển dụng → Chuẩn hóa → AI phân tích → Phát hiện xu hướng → HR kiểm tra → Đề xuất hành động → Quản lý quyết định → Theo dõi kết quả.”
Khi đó AI không còn là một công cụ đứng riêng lẻ. AI trở thành một thành phần trong quy trình vận hành. Người lao động tương lai vì vậy cần có năng lực nhìn công việc theo hệ thống: đầu vào là gì, đầu ra là gì, bước nào AI làm tốt, bước nào con người phải làm, điểm nào cần kiểm soát và ai chịu trách nhiệm cuối cùng. Đây chính là bước chuyển từ AI User sang AI-enabled Worker.

KHẢ NĂNG HỌC LẠI SẼ QUAN TRỌNG HƠN NHỮNG GÌ CHÚNG TA ĐANG BIẾT
Một công cụ AI hôm nay rất mạnh có thể vài năm nữa không còn quan trọng. Một kỹ thuật prompt hôm nay hữu ích có thể sớm trở thành chức năng mặc định. Vì vậy, tôi không cho rằng chiến lược tốt nhất là cố gắng chạy theo tất cả công cụ AI mới. Năng lực bền vững hơn là khả năng học – bỏ cái cũ – và học lại. Người lao động tương lai cần hình thành thói quen: “Learn → Apply → Reflect → Unlearn → Relearn.”
Điều này cũng đặt ra bài toán cho L&D. Doanh nghiệp không thể tiếp tục xây dựng chương trình phát triển năng lực chỉ dựa trên câu hỏi: “Nhân viên đang thiếu kỹ năng gì?” Mà cần thêm câu hỏi: “Công việc của họ đang thay đổi như thế nào vì AI, và năng lực nào cần được tái thiết kế theo sự thay đổi đó?”
HUMAN SKILLS KHÔNG MẤT ĐI – CHÚNG TRỞ NÊN ĐẮT GIÁ HƠN
Có một điều tưởng như nghịch lý: càng nhiều AI, chúng ta càng cần những năng lực rất “con người”: Khả năng lắng nghe; Thấu cảm; Giao tiếp; Xây dựng niềm tin; Đàm phán; Coaching; Lãnh đạo; Hiểu bối cảnh; Đưa ra phán đoán trong những tình huống không có đáp án hoàn hảo.
AI có thể giúp một quản lý chuẩn bị nội dung cho cuộc trao đổi hiệu suất. Nhưng AI không thay người quản lý nhìn thấy sự lo lắng trên gương mặt nhân viên. AI có thể phân tích engagement survey. Nhưng AI không tự xây dựng được niềm tin trong một đội ngũ đang có xung đột. AI có thể đề xuất một quyết định. Nhưng trách nhiệm đạo đức của quyết định đó vẫn thuộc về con người.
Vì vậy, tương lai không phải cuộc cạnh tranh giữa Human Skills và AI Skills. Người có lợi thế sẽ là người kết hợp được cả hai.

TỪ MINDSET – SKILLSET – TOOLSET ĐẾN MỘT HỆ NĂNG LỰC MỚI
Trong các chương trình đào tạo, tôi thường tiếp cận theo ba lớp: Mindset – Skillset – Toolset. Nhưng với AI, ba lớp này cần được kết nối thành một hệ thống.
Tôi muốn bổ sung thêm một lớp thứ tư: Responsibility – Trách nhiệm. Bởi cuối cùng, dù AI có tham gia bao nhiêu phần trong quy trình thì tổ chức vẫn cần một con người trả lời được câu hỏi: “Ai chịu trách nhiệm cho kết quả này?” Đó là lý do tôi cho rằng công thức năng lực tương lai nên được nhìn theo hướng: “Future Capability = Mindset × Skillset × Toolset × Responsibility”
Không phải phép cộng, mà là phép nhân. Bởi một thành phần quá yếu có thể kéo chất lượng của cả hệ thống xuống.
DOANH NGHIỆP ĐỪNG CHỈ “ĐÀO TẠO AI” – HÃY TÁI THIẾT KẾ NĂNG LỰC
Nếu AI đang làm thay đổi công việc, doanh nghiệp không thể giữ nguyên competency framework rồi chỉ bổ sung thêm một dòng “kỹ năng sử dụng AI”. Theo tôi, đây sẽ là một trong những bài toán lớn của HR và L&D trong những năm tới. Hãy bắt đầu từ công việc. Role → Task → AI Impact → Human Value → Future Capability.
Với từng vị trí, hãy xác định: công việc nào AI có thể hỗ trợ; công việc nào có thể tự động hóa; công việc nào vẫn cần con người; phần giá trị của vị trí đó sẽ dịch chuyển về đâu; và nhân viên cần năng lực mới nào để thực hiện phần giá trị đó?
Khi làm được điều này, đào tạo AI mới gắn trực tiếp với chiến lược nhân lực thay vì trở thành một phong trào học công cụ.

NGƯỜI LAO ĐỘNG TƯƠNG LAI KHÔNG PHẢI LÀ NGƯỜI BIẾT NHIỀU AI NHẤT
Qua 8 kỳ của chuỗi bài này, tôi đã đi từ AI Mindset → AI Literacy → AI Workflow → AI Governance → AI Leadership → AI for HR → AI Ethics & Security → AI Future Skills.
Có một tư tưởng xuyên suốt mà tôi muốn giữ lại: “Trọng tâm của chuyển đổi AI cuối cùng vẫn là con người.” AI có thể làm chúng ta nhanh hơn; AI có thể giúp chúng ta xử lý lượng thông tin lớn hơn; AI có thể giúp một người thực hiện khối lượng công việc mà trước đây cần nhiều người. Nhưng điều đó không tự động làm chúng ta giỏi hơn.
Người lao động có giá trị trong tương lai không nhất thiết là người biết nhiều công cụ AI nhất. Đó sẽ là người hiểu công việc đủ sâu để biết vấn đề nào cần giải quyết; hiểu AI đủ rõ để biết nên giao việc gì; hiểu dữ liệu đủ tốt để không bị đánh lừa bởi kết quả; có tư duy phản biện để kiểm chứng; có khả năng thiết kế lại cách làm việc; có năng lực con người để tạo niềm tin và ảnh hưởng; và có trách nhiệm để đứng sau quyết định cuối cùng.
Vì vậy, câu hỏi mà mỗi cá nhân nên đặt ra không còn là: “AI có thể làm thay công việc của tôi hay không?” Mà nên là: “Khi AI có thể làm ngày càng nhiều phần việc của tôi, tôi sẽ phát triển năng lực nào để phần giá trị còn lại của mình ngày càng lớn hơn?” Và với doanh nghiệp, câu hỏi thậm chí còn quan trọng hơn: “Chúng ta đang đào tạo nhân viên sử dụng AI của hôm nay, hay đang phát triển năng lực để họ có thể làm việc trong tổ chức của ngày mai?”
Tôi tin rằng chính câu trả lời cho câu hỏi này sẽ quyết định doanh nghiệp đang thực sự phát triển nguồn nhân lực cho kỷ nguyên AI, hay chỉ đơn giản là trang bị thêm một công cụ mới cho cách làm việc cũ.
