Đào tạo nhân lực AI theo mô hình "ba nhà": Kinh nghiệm từ Singapore và bài học cho Việt Nam

Trí tuệ nhân tạo (AI) đang trở thành động lực cốt lõi của cuộc Cách mạng Công nghiệp 4.0, với tiềm năng ứng dụng sâu rộng trong mọi ngành kinh tế - xã hội. Nhiều quốc gia đã xây dựng chiến lược quốc gia nhằm phát triển AI, trong đó trọng tâm là đào tạo nguồn nhân lực AI chất lượng cao. Tuy nhiên, thách thức đặt ra là làm thế nào để chương trình đào tạo bắt kịp tốc độ phát triển của công nghệ và đáp ứng đúng nhu cầu thực tiễn của doanh nghiệp.

Thực tế cho thấy, một khoảng cách lớn vẫn tồn tại giữa kiến thức AI trong nhà trường và kỹ năng triển khai AI tại doanh nghiệp. Không ít sinh viên tốt nghiệp chuyên ngành AI hay khoa học dữ liệu thiếu kinh nghiệm thực tế, trong khi các công ty lại “khát” nhân lực có thể áp dụng AI giải quyết bài toán kinh doanh ngay lập tức.

Nói cách khác, “industry need AI engineers, not AI students” – ngành công nghiệp cần những kỹ sư AI thực thụ chứ không chỉ những sinh viên học AI thuần túy. Đây chính là triết lý cốt lõi trong cách tiếp cận đào tạo AI của Singapore, quốc gia được xem là hình mẫu khu vực về phát triển nguồn nhân lực AI. Bài viết này phân tích mô hình đào tạo nhân lực AI theo cách tiếp cận “ba nhà” (nhà nước – nhà trường – nhà doanh nghiệp) của Singapore, qua đó rút ra một số bài học gợi mở cho Việt Nam trong hoạch định chính sách phát triển nhân lực AI.

Thách thức

Đào tạo nhân lực AI đối mặt với nhiều thách thức đặc thù. Thứ nhất, tính liên ngành và tốc độ đổi mới của AI khiến giáo trình hàn lâm khó theo kịp thực tiễn. Chương trình đại học thường tập trung vào thuật toán, mô hình và lý thuyết nền tảng, nhưng triển khai AI trong doanh nghiệp đòi hỏi thêm kỹ năng kỹ nghệ phần mềm, xử lý dữ liệu lớn, tích hợp hệ thống và vận hành mô hình máy học (ML-Ops). Nhiều khảo sát quốc tế ghi nhận phần lớn mô hình AI thử nghiệm không bao giờ được đưa vào sản xuất thực tế, do thiếu nhân lực có kỹ năng triển khai hệ thống AI hoàn chỉnh.

Thứ hai, khoảng cách giữa viện nghiên cứu – trường đại học và doanh nghiệp vẫn rộng. Ở nhiều nơi, các nhóm nghiên cứu AI hàn lâm tạo ra mô hình mới nhưng thiếu đối thoại với doanh nghiệp về bài toán thực tế; ngược lại, doanh nghiệp gặp vấn đề nhưng không kết nối được với giới nghiên cứu để tìm giải pháp AI phù hợp. Sự thiếu gắn kết này dẫn đến việc sinh viên ra trường thiếu kinh nghiệm thực tiễn, còn doanh nghiệp khó tuyển dụng được người làm AI “vừa hồng vừa chuyên”.

Thứ ba, thiếu cơ chế và chính sách hỗ trợ để khuyến khích hợp tác ba bên. Đào tạo gắn với nhu cầu thị trường thường đòi hỏi nguồn lực tài chính và thời gian đáng kể, điều mà từng bên (trường học hay doanh nghiệp) khó tự mình đảm đương nếu không có hỗ trợ từ phía nhà nước. Tất cả những thách thức trên đòi hỏi một cách tiếp cận mới: hệ sinh thái “ba nhà” cùng tham gia đào tạo, đảm bảo đầu ra nhân lực AI vừa có nền tảng học thuật vững, vừa thông thạo kỹ năng thực hành triển khai.

Mô hình Singapore

Singapore là quốc gia sớm ý thức được tầm quan trọng của cách tiếp cận “ba nhà” trong đào tạo nhân lực AI. Chính phủ Singapore năm 2017 đã khởi xướng chương trình quốc gia về AI (AI Singapore – AISG) với ngân sách lớn, đóng vai trò như một “hub” kết nối giữa nhà nước, các trường đại học và doanh nghiệp để thúc đẩy nghiên cứu ứng dụng AI và phát triển nhân lực. Mô hình Singapore có một số đặc điểm nổi bật sau:

1. Nhà nước kiến tạo và đầu tư chiến lược: Chính phủ Singapore thông qua AISG làm cầu nối điều phối cung – cầu trong hệ sinh thái AI. AISG được đặt tại Đại học Quốc gia Singapore (NUS) nhưng hoạt động như một đơn vị trung gian công lập về đổi mới sáng tạo AI. Nhà nước hỗ trợ kinh phí cho các dự án AI có tính ứng dụng cao (chương trình “100 Experiments”), qua đó khuyến khích doanh nghiệp đưa ra bài toán thực tiễn và mời gọi nhóm kỹ sư, chuyên gia từ các trường/viện cùng tham gia giải quyết. Vai trò nhà nước còn thể hiện ở chiến lược đào tạo dài hạn: Singapore xây dựng lộ trình trở thành “quốc gia sẵn sàng về AI” với mục tiêu cụ thể về số lượng chuyên gia, kỹ sư AI trong nước, xem đây là hạ tầng nguồn nhân lực để thu hút đầu tư và nâng cao năng lực cạnh tranh quốc gia.

2. Nhà trường đổi mới chương trình và gắn kết thực tiễn: Các trường đại học, viện nghiên cứu tại Singapore tích cực tham gia vào các dự án do AISG điều phối. Thay vì đào tạo thuần lý thuyết, các trường đã đưa nội dung AI ứng dụng vào giảng dạy, cập nhật giáo trình theo sát tiến bộ công nghệ và nhu cầu doanh nghiệp. Chẳng hạn, chương trình AI for Industry (AI4I) cung cấp các khóa học ngắn hạn về AI ứng dụng cho kỹ sư và chuyên viên đang làm việc; còn AI for Students (AI4S) và AI for Everyone (AI4E) nâng cao nhận thức và kiến thức nền tảng AI cho học sinh, công chức và người lao động nói chung.

Đặc biệt, từ năm 2018, Singapore triển khai Chương trình Học việc AI (AI Apprenticeship Programme – AIAP) – một sáng kiến đào tạo mang tính “thực chiến” cao. Thông qua AIAP, những bạn trẻ có nền tảng lập trình và kiến thức nền về AI được tuyển chọn vào làm “học viên AI” trong chín tháng, trực tiếp tham gia các dự án AI do doanh nghiệp đặt hàng dưới sự dẫn dắt của các chuyên gia AISG. Kết thúc chương trình, học viên không chỉ tích lũy kinh nghiệm triển khai dự án thực tế mà còn thường được doanh nghiệp nhận vào làm chính thức. Mô hình học qua dự án này đã tạo ra một thế hệ kỹ sư AI “vừa hồng vừa chuyên”, đáp ứng ngay được yêu cầu công việc tại các công ty.

3. Doanh nghiệp chủ động tham gia và hưởng lợi: Trong cách tiếp cận của Singapore, doanh nghiệp không đứng ngoài cuộc mà là một trụ cột của quá trình đào tạo. Doanh nghiệp nêu các bài toán hay nhu cầu cụ thể (ví dụ: tối ưu chuỗi cung ứng bằng AI, phân tích hành vi khách hàng, v.v.), đóng góp một phần kinh phí cho dự án và sẵn sàng tiếp nhận các nhóm chuyên gia/trẻ tài năng do AISG kết nối.

Chính việc “dùng mỗi dự án công nghiệp làm cơ hội huấn luyện” đã mang lại lợi ích hai chiều: doanh nghiệp có giải pháp AI nguyên mẫu để tiếp tục phát triển ứng dụng, còn học viên và nhà nghiên cứu có môi trường thực tiễn để trau dồi kỹ năng. Doanh nghiệp Singapore cũng hưởng lợi từ mạng lưới chuyên gia do AISG tạo dựng – họ có thể dễ dàng tìm kiếm các kỹ sư AI có chứng nhận trong cơ sở dữ liệu quốc gia, từ đó giảm chi phí và rủi ro khi tuyển dụng.

4. Chứng nhận nghề nghiệp và phát triển chuyên môn: Một điểm sáng tạo trong mô hình Singapore là thiết lập hệ thống chứng chỉ hành nghề cho chuyên gia AI nhằm công nhận năng lực và chuẩn hóa nghề nghiệp. Hiệp hội AI Professionals (AI Professionals Association) ở Singapore – được hậu thuẫn bởi AISG – cấp chứng chỉ Chartered AI Engineer (CAIE) ở các bậc Associate, Level 1, Level 2 cho những cá nhân đáp ứng tiêu chí về kinh nghiệm triển khai dự án và kiến thức chuyên môn. Tính đến năm 2025 đã có hàng trăm kỹ sư AI Singapore đạt chứng nhận CAIE, trở thành lực lượng nòng cốt trong ngành.

Gần đây, Singapore tiếp tục triển khai chứng chỉ Certified AI Practitioner (CAIP) cho các lĩnh vực ứng dụng AI chuyên sâu như pháp lý, truyền thông, kỹ thuật, y tế…, nhằm bổ sung kỹ năng AI cho chuyên gia ngành đó. Việc chuyên nghiệp hóa các vai trò AI thông qua hệ thống chứng nhận mang lại nhiều lợi ích: cá nhân có lộ trình phấn đấu rõ ràng để nâng cao tay nghề; nhà tuyển dụng có thước đo tin cậy về kỹ năng ứng viên; còn nhà nước thì xây dựng được một tiêu chuẩn chung cho nguồn nhân lực AI, phục vụ quy hoạch và quảng bá nhân tài.

5. Tư duy “học qua làm” và cải tiến liên tục: Triết lý xuyên suốt mô hình Singapore là học đi đôi với hành, lý thuyết gắn liền với thực tiễn. Mọi sáng kiến đào tạo mới đều được thử nghiệm nhanh và điều chỉnh linh hoạt. Chẳng hạn, nội dung khóa học AI4I, AI4E liên tục cập nhật theo phản hồi từ học viên và sự phát triển của công nghệ (gần đây bổ sung kiến thức về công cụ AI thế hệ mới, kỹ năng prompt trong tương tác với mô hình ngôn ngữ lớn, v.v.).

Bản thân AISG cũng thường xuyên đánh giá hiệu quả các chương trình như AIAP hay CAIE để điều chỉnh quy trình tuyển chọn và huấn luyện cho phù hợp với nhu cầu nhân lực mỗi năm. Nhờ cách tiếp cận linh hoạt đó, Singapore vừa đảm bảo số lượng người được đào tạo (phổ cập AI rộng rãi), vừa đảm bảo chất lượng tinh hoa (một mạng lưới nhỏ những chuyên gia đầu ngành nhưng có sức ảnh hưởng lớn).

Tóm lại, mô hình “ba nhà” của Singapore đã tạo ra một hệ sinh thái đào tạo AI hoàn chỉnh: nhà nước định hướng và hỗ trợ, nhà trường cung cấp nền tảng và đổi mới phương pháp, doanh nghiệp tích cực tham gia cung – cầu và tiếp nhận nhân lực. Thành công của mô hình này được thể hiện qua việc Singapore nhanh chóng thu hẹp khoảng cách kỹ năng AI: Các chỉ số về ứng dụng AI trong doanh nghiệp tại Singapore tăng trưởng đáng kể sau vài năm, và quốc gia này thu hút nhiều dự án đầu tư AI nhờ có sẵn lực lượng kỹ sư chất lượng. Quan trọng hơn, Singapore đã xây dựng được văn hóa “học qua làm” trong cộng đồng AI – một yếu tố tài sản vô hình nhưng bền vững, giúp quốc gia thích ứng nhanh với những tiến bộ AI trên thế giới.

Bài học cho Việt Nam

Đối chiếu với Việt Nam, nhu cầu phát triển nguồn nhân lực AI chất lượng cao cũng đang trở nên cấp bách. Chính phủ Việt Nam đã phê duyệt chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng AI đến năm 2030, đặt mục tiêu đưa Việt Nam vào nhóm dẫn đầu khu vực về AI. Để hiện thực hóa mục tiêu này, bài học từ mô hình Singapore gợi mở một số định hướng chính sách như sau:

• Thúc đẩy hợp tác ba bên thông qua chương trình quốc gia: Cần hình thành một chương trình trọng điểm cấp quốc gia về đào tạo và ứng dụng AI với cơ chế linh hoạt, tương tự vai trò của AI Singapore. Chương trình này (có thể tạm gọi là “AI Việt Nam”) nên được thiết kế như một đầu mối kết nối viện/trường với doanh nghiệp dưới sự bảo trợ của nhà nước. Nhà nước hỗ trợ kinh phí khởi động các dự án AI ứng dụng tại doanh nghiệp Việt Nam (đặc biệt là doanh nghiệp vừa và nhỏ) thông qua hình thức đồng tài trợ: doanh nghiệp đề xuất bài toán, cam kết dữ liệu và cơ sở triển khai; nhóm chuyên gia/giảng viên và sinh viên từ trường đại học tham gia giải quyết; nhà nước tài trợ một phần kinh phí, đồng thời giám sát chất lượng và tiến độ. Mô hình hợp tác này sẽ khuyến khích các bên chủ động tìm đến nhau vì lợi ích chung, thay vì hoạt động rời rạc như hiện nay.

• Đổi mới phương pháp đào tạo tại các trường đại học: Các trường cần chuyển mạnh sang phương pháp đào tạo thông qua dự án (project-based learning) đối với lĩnh vực AI. Thay vì sinh viên chỉ làm đồ án tốt nghiệp giả lập, hãy tạo điều kiện để họ tham gia các dự án thực do doanh nghiệp đặt hàng ngay từ năm cuối hoặc bậc cao học. Mỗi khoa chuyên ngành có thể xây dựng phòng thí nghiệm AI ứng dụng hợp tác với một doanh nghiệp cụ thể, tại đó sinh viên và giảng viên cùng doanh nghiệp giải quyết các bài toán của doanh nghiệp đó. Ngoài ra, chương trình giảng dạy nên cập nhật các kỹ năng triển khai thực tế như kỹ thuật ML-Ops, kỹ năng làm việc nhóm liên ngành, quản lý dự án AI, v.v. Nhà trường cũng có thể mời chuyên gia từ doanh nghiệp, đặc biệt là các cựu sinh viên đang làm về AI, về giảng dạy hoặc cố vấn cho sinh viên. Việc gắn kết chặt chẽ với doanh nghiệp không làm giảm tính học thuật mà trái lại, giúp nâng cao chất lượng nghiên cứu ứng dụng trong trường, đồng thời giúp sinh viên có “trải nghiệm thực chiến” trước khi ra trường.

• Vai trò dẫn dắt của doanh nghiệp trong đào tạo nhân lực: Doanh nghiệp Việt Nam cần chủ động hơn trong việc phối hợp cùng trường đại học và chính phủ để đào tạo nhân viên AI cho chính mình. Bài học Singapore cho thấy doanh nghiệp vừa là người hưởng lợi, vừa nên là người đóng góp tích cực cho quá trình đào tạo. Các doanh nghiệp lớn trong nước có thể đặt hàng các bài toán AI cho giới nghiên cứu, tài trợ học bổng hoặc kinh phí cho các đồ án AI xuất sắc, và tiếp nhận sinh viên thực tập dài hạn để họ tham gia phát triển sản phẩm AI thực tế. Doanh nghiệp cũng nên tham gia xây dựng chuẩn kỹ năng nghề: phối hợp với các hiệp hội và nhà nước để xác định những kỹ năng, chứng chỉ cần thiết đối với các vị trí như kỹ sư AI, nhà khoa học dữ liệu, chuyên gia phân tích dữ liệu…, từ đó định hướng cho cơ sở đào tạo. Khi doanh nghiệp coi mình là một “nhà trường thứ hai” của người lao động và sẵn sàng chia sẻ tri thức, chất lượng nhân lực AI sẽ được nâng cao đồng bộ.

• Xây dựng hệ thống chứng nhận và cộng đồng AI chuyên nghiệp: Việt Nam có thể nghiên cứu áp dụng mô hình chứng chỉ hành nghề AI như Singapore đã làm. Trước mắt, có thể phối hợp với các tổ chức quốc tế để công nhận các chứng chỉ như Chartered AI Engineer hay các chứng chỉ uy tín về khoa học dữ liệu, học máy do các tổ chức nghề nghiệp cấp. Về lâu dài, Việt Nam nên thành lập Hiệp hội chuyên gia AI quy tụ các nhà khoa học, kỹ sư hàng đầu, giao nhiệm vụ xây dựng bộ tiêu chuẩn kỹ năng cho các cấp độ nghề nghiệp trong lĩnh vực AI. Khi có một hệ thống đánh giá và chứng nhận minh bạch, người học sẽ có động lực phấn đấu đạt chứng chỉ, xã hội cũng có cơ sở tin cậy để tuyển dụng và sử dụng nhân tài AI. Bên cạnh đó, cần tạo các diễn đàn, mạng lưới cộng đồng AI để những người làm AI kết nối, học hỏi lẫn nhau. Singapore đã rất thành công với các sự kiện như AI Student Developer Conference, cộng đồng #LearnAI… Việt Nam cũng có thể tổ chức các cuộc thi, hội nghị AI thường niên, các câu lạc bộ AI tại địa phương để nuôi dưỡng đam mê và gắn kết những người làm trong ngành, tạo môi trường học tập liên tục ngay cả sau khi rời ghế nhà trường.

• Chính sách và thể chế hỗ trợ linh hoạt: Cuối cùng, nhà nước cần có chính sách cởi mở và linh hoạt để thúc đẩy thử nghiệm các mô hình đào tạo mới. Có thể thí điểm mô hình “đào tạo thực chiến” tại một số trường trọng điểm và khu công nghệ, cho phép sử dụng ngân sách khoa học công nghệ vào việc hỗ trợ sinh viên tham gia dự án thực tế. Bên cạnh đó, cần cơ chế đãi ngộ và thu hút chuyên gia: mời gọi chuyên gia AI người Việt ở nước ngoài tham gia cố vấn cho các chương trình trong nước; khen thưởng các doanh nghiệp tích cực đóng góp cho đào tạo nhân lực; hỗ trợ khởi nghiệp AI để tạo thêm môi trường cho tài năng AI phát triển. Vai trò của nhà nước còn ở chỗ đảm bảo sự phối hợp liên ngành (giáo dục, khoa học-công nghệ, thông tin-truyền thông, kinh tế) trong triển khai các sáng kiến về AI, tránh tình trạng mỗi bộ, mỗi nơi làm một kiểu thiếu đồng bộ.

Tựu trung, bài học lớn nhất từ Singapore là: muốn phát triển nhân lực AI thì không thể đơn độc – cần một hệ sinh thái hợp tác chặt chẽ giữa nhà nước, nhà trường và doanh nghiệp. Mỗi bên đều có thế mạnh riêng, và khi kết hợp lại sẽ tạo ra sức mạnh cộng hưởng đưa chất lượng đào tạo lên tầm cao mới.
***
Cuộc đua AI đặt ra không ít thách thức cho Việt Nam về nhân lực, nhưng cũng mở ra cơ hội để chúng ta tái tạo phương thức giáo dục và đào tạo theo hướng năng động, hiệu quả hơn. Nếu biết phát huy sức mạnh hợp lực của “ba nhà” và lấy mục tiêu cuối cùng là tạo ra những kỹ sư AI thực chiến phục vụ phát triển kinh tế – xã hội, Việt Nam hoàn toàn có thể kỳ vọng vào một thế hệ vàng trong lĩnh vực AI, sẵn sàng đóng góp cho khát vọng vươn lên của đất nước.

Tài liệu tham khảo
AI Singapore. (2025, June 17). Journey to an AI Ready Nation: A Singapore’s Perspective [Conference presentation]. AVPN Vietnam Summit, Ho Chi Minh City, Vietnam.
AI Professionals Association. (2024). Chartered AI Engineer (CAIE) Registry & Certification Overview. https://www.aip.org.sg/caie-registry/
Etzkowitz, H., & Leydesdorff, L. (2000). The dynamics of innovation: From National Systems and “Mode 2” to a Triple Helix of university–industry–government relations. Research Policy, 29(2), 109–123. https://doi.org/10.1016/S0048-7333(99)00055-4
Fountaine, T., McCarthy, B., & Saleh, T. (2019). Building the AI-powered organization. Harvard Business Review. https://hbr.org/2019/07/building-the-ai-powered-organization
Howells, J. (2006). Intermediation and the role of intermediaries in innovation. Research Policy, 35(5), 715–728. https://doi.org/10.1016/j.respol.2006.03.005
National AI Office. (2023). Singapore National AI Strategy 2.0: A strategy for a future-ready nation. Smart Nation and Digital Government Group (SNDGG). https://www.smartnation.gov.sg/
Sculley, D., Holt, G., Golovin, D., Davydov, E., Phillips, T., Ebner, D., ... & Dennison, D. (2015). Hidden technical debt in machine learning systems. In Advances in Neural Information Processing Systems (NeurIPS 2015). https://papers.nips.cc/paper_files/paper/2015/file/86df7dcfd896fcaf2674f757a2463eba-Paper.pdf