KINH NGHIỆM QUỐC TẾ TỪ MỸ

Mặc dù AI đang tạo nên những cuộc tranh luận sôi nổi về tiềm năng thay đổi xã hội, nhưng tác động kinh tế thực tiễn của nó vẫn còn nhiều bất định. Giáo sư Daron Acemoglu, nhà kinh tế học tại Viện Công nghệ Massachusetts, Mỹ với bề dày nghiên cứu về mối quan hệ giữa công nghệ và xã hội đã được trao Giải thưởng Sveriges Riksbank về Khoa học Kinh tế để tưởng nhớ Alfred Nobel tháng 10/2024. Giáo sư đã thực hiện nhiều công trình từ mô hình hóa việc ứng dụng các tiến bộ công nghệ trên quy mô lớn đến các nghiên cứu thực nghiệm về ảnh hưởng của tự động hóa, đặc biệt là robot đối với thị trường lao động.

Nghiên cứu của ông chỉ ra rằng động lực tăng trưởng kinh tế chủ yếu đến từ đổi mới công nghệ, vì vậy cách các xã hội tích hợp và sử dụng AI trở thành trọng tâm nghiên cứu của Giáo sư Daron Acemoglu. Trong những năm gần đây, ông tập trung nghiên cứu các khía cạnh như năng suất, phân bổ lao động và tác động xã hội của công nghệ để trả lời cho câu hỏi then chốt: “Trong bối cảnh AI tạo sinh phát triển mạnh, những nhiệm vụ mới nào sẽ dành cho con người và chúng sẽ xuất hiện từ đâu?”. Ông nhấn mạnh rằng hiện chưa có câu trả lời rõ ràng và đây chính là thách thức lớn. Những câu hỏi này không chỉ cho thấy sự phức tạp trong việc định hình tương lai việc làm mà còn mở ra hướng nghiên cứu quan trọng về cách AI thay đổi tổ chức và thực hiện công việc trong xã hội.

Những tác động có thể đo lường được của AI là gì?

Kể từ năm 1947, nền kinh tế Mỹ tăng trưởng trung bình 3% mỗi năm, với năng suất lao động tăng 2% hàng năm. Trong bối cảnh đó, nhiều dự báo lạc quan cho rằng AI có thể thúc đẩy tăng trưởng vượt xa mức này. Tuy nhiên, Giáo sư Daron Acemoglu đã đưa ra đánh giá thận trọng rằng: trong thập kỷ tới, AI chỉ đóng góp từ 1,1% đến 1,6% vào GDP (tương đương tăng năng suất 0,05% mỗi năm). Dự báo này dựa trên các nghiên cứu cho thấy khoảng 20–23% nhiệm vụ công việc tại Mỹ có thể bị ảnh hưởng bởi AI, cùng tiềm năng tiết kiệm chi phí khoảng 27%. Acemoglu cho rằng mức tăng này là tích cực nhưng không đủ để tạo ra “cuộc cách mạng kinh tế” như kỳ vọng. Ông cũng thừa nhận đây chỉ là ước tính, chưa bao gồm các đột phá mới như AI dự đoán cấu trúc protein – lĩnh vực từng được trao Giải Nobel vào tháng 10/2024.

Tốc độ nào cho việc áp dụng công nghệ là tốt nhất cho đổi mới?

Giáo sư Daron Acemoglu và cộng sự đã có lập luận rằng việc áp dụng công nghệ, đặc biệt là AI, không nên được thúc đẩy nhanh nhất có thể giống như các quan điểm phổ biến. Họ cho rằng khi lợi ích của công nghệ đi kèm với tổn hại xã hội (như mất việc, thông tin sai lệch, thao túng hành vi), thì tăng trưởng bền vững lại đòi hỏi tốc độ triển khai chậm hơn, theo một lộ trình tăng dần để kịp ứng phó với các hệ quả phát sinh.Acemoglu phản đối quan điểm của chủ nghĩa cơ bản thị trường, nhấn mạnh kinh tế học không ủng hộ việc đổi mới vô kiểm soát. Ông cảnh báo AI có thể bị lạm dụng để thao túng người tiêu dùng hoặc thay thế lao động một cách quá mức nếu không được định hướng đúng. Những rủi ro này nhấn mạnh nhu cầu điều chỉnh lại mục tiêu phát triển AI từ tự động hóa sang bổ trợ con người.

Để đạt được tốc độ áp dụng phù hợp, Acemoglu đề xuất hai hướng đi: Một là, quy định của nhà nước để kiểm soát rủi ro, dù hiện nay khung pháp lý vẫn còn yếu; Hai là, giảm bớt “cường điệu” xung quanh AI, vốn đang thúc đẩy đầu tư thiếu hiệu quả và triển khai vội vàng. Ông nhấn mạnh rằng sự hưng phấn quá mức là một động lực kinh tế nguy hiểm, khiến việc điều chỉnh trở nên khó khăn. Từ đó cho thấy, cần phải có một cách tiếp cận cân nhắc, minh bạch và định hướng xã hội để đảm bảo AI phục vụ lợi ích bền vững và công bằng.

BÀI HỌC KINH NGHIỆM CỦA TRUNG QUỐC

Trung Quốc đang tái định hình giáo dục đại học với AI làm trung tâm, nhằm trở thành quốc gia dẫn đầu về đổi mới sáng tạo vào năm 2035. Chiến lược này kết hợp chính sách, cải cách đào tạo, hạ tầng công nghệ và hợp tác công nghiệp, giúp nâng cao năng lực công nghệ và cạnh tranh toàn cầu.

Chiến lược quốc gia và Khung chính sách

Kế hoạch AI Thế hệ mới (năm 2017) của Trung Quốc đặt mục tiêu: đến năm 2025, AI thúc đẩy tăng trưởng; đến năm 2030, trở thành trung tâm đổi mới toàn cầu. Năm 2023, các quy định tạm thời về AI tạo sinh được ban hành để cân bằng đổi mới và đạo đức, cho phép thử nghiệm có kiểm soát trong giáo dục. Kế hoạch “Quốc gia Giáo dục Mạnh mẽ” 2025 nhấn mạnh tích hợp AI vào đào tạo, bồi dưỡng “tài năng sáng tạo”. Đây là chiến lược từ trên xuống, được hỗ trợ bởi các chính sách ưu đãi thuế và đầu tư lớn (như quỹ bán dẫn với 47,5 tỷ USD), thúc đẩy AI và giáo dục số, nhưng cũng đặt ra thách thức về đạo đức và công bằng tiếp cận công nghệ.

Đại tu chương trình giảng dạy và bồi dưỡng tài năng

- Mở rộng tuyển sinh và định hướng chiến lược: Các trường đại học hàng đầu của Trung Quốc như Bắc Kinh, Giao thông Thượng Hải đã mở rộng tuyển sinh mạnh vào các lĩnh vực trọng điểm: AI, mạch tích hợp, y sinh học, nhằm đáp ứng nhu cầu nhân lực cho nền kinh tế số.

- Tích hợp kiến thức AI vào chương trình giảng dạy: Nhờ đột phá của các mô hình AI tiết kiệm chi phí (như DeepSeek), các trường đại học Trung Quốc đã tích hợp khóa học AI chuyên sâu vào đào tạo.

- Học tập cá nhân hóa thông qua công nghệ AI: Công cụ như Squirrel AI sử dụng hơn 10.000 “điểm kiến thức” để cá nhân hóa lộ trình học, giúp học sinh học hiệu quả theo nhu cầu cá nhân.

Bảng 1. Các mốc chính sách quan trọng thúc đẩy AI trong giáo dục đại học và sau đại học của Trung Quốc

Hợp tác giữa ngành công nghiệp và các trường đại học, viện nghiên cứu

Trung Quốc tận dụng ngành công nghiệp AI (70 tỷ USD, hơn 4.300 doanh nghiệp) để kết nối lý thuyết với thực tiễn, thúc đẩy đổi mới. Thông qua hợp tác giữa trường đại học và doanh nghiệp (như DeepSeek, Baidu), cùng triển khai AI trong y tế, sản xuất, năng lượng, các phòng thí nghiệm AI trở thành nơi sinh viên tích lũy kinh nghiệm và rèn kỹ năng giải quyết vấn đề thực tế.

Cơ sở hạ tầng và các yếu tố hỗ trợ hệ sinh thái

- Tài nguyên tính toán và dữ liệu: Trung Quốc đầu tư mạnh vào 5G, trung tâm dữ liệu xanh và thành lập Cơ quan Quản lý Dữ liệu Quốc gia, tạo hệ sinh thái thuận lợi, cung cấp dữ liệu và nguồn lực tính toán chất lượng cao cho nghiên cứu và đào tạo AI.

- Các mô hình nguồn mở và thu hẹp khoảng cách công nghệ: Trung Quốc đã thu hẹp chênh lệch hiệu suất với AI phương Tây từ 8% xuống còn 1,7% vào năm 2024, chủ yếu nhờ ưu tiên các mô hình AI nguồn mở, giúp giảm chi phí và mở rộng tiếp cận cho trường đại học và viện nghiên cứu.

Bảng 2. Sự phát triển của các phương pháp tiếp cận phát triển tài năng AI

Thách thức và hệ quả toàn cầu

- Khoảng cách nhân tài và thách thức khu vực: Mặc dù đã đạt được những tiến bộ đáng kể trong việc tích hợp AI vào giáo dục đại học, Trung Quốc vẫn đối mặt với những thách thức lớn, đặc biệt là sự thiếu hụt các nhà nghiên cứu AI cao cấp và sự chênh lệch về năng lực giữa các khu vực.

- Thách thức đạo đức trong giáo dục AI: Việc sử dụng phổ biến các công cụ dạy kèm AI như Squirrel AI giúp cải thiện điểm số nhưng có nguy cơ ưu tiên thi cử hơn phát triển tư duy sáng tạo. Sự phụ thuộc quá mức có thể hạn chế kỹ năng phản biện và đổi mới, những năng lực quan trọng để thích ứng với các thách thức tương lai.

MỘT SỐ GIẢI PHÁP VỚI VIỆT NAM, ĐẶC BIỆT LÀ CÁC TRƯỜNG ĐẠI HỌC ĐÀO TẠO CHUYÊN NGÀNH KINH TẾ

Ngành giáo dục Việt Nam nói chung và các trường đại học chuyên ngành kinh tế của Việt Nam nói riêng cần đúc rút những bài học quốc tế, từ đó xây dựng chiến lược giảng dạy, đào tạo, thích ứng và tận dụng AI làm ưu thế trong thời kỳ chuyển đổi.

Các lĩnh vực và phạm vi trọng tâm mới của kinh tế AI

- Kinh tế chính trị của AI: Phân tích cách AI định hình quyền lực, gia tăng bất bình đẳng.

- AI và thị trường lao động: Tác động đến việc làm, tiền lương, tự động hóa, nhu cầu đào tạo lại và tạo công việc mới.

- AI trong dự báo kinh tế và hoạch định chính sách: Ứng dụng AI phân tích dữ liệu lớn để dự báo thương mại, tiền tệ, đánh giá chính sách.

- Quy định về AI: Cần kiểm soát rủi ro như thiên vị thuật toán (AI có thể sao chép định kiến từ dữ liệu huấn luyện), xâm phạm dữ liệu, lạm dụng công nghệ.

- AI và ổn định xã hội – chính trị: Ảnh hưởng đến việc làm, bất bình đẳng, tin giả – cần quản lý để duy trì ổn định.

- AI và bất bình đẳng quyền lực toàn cầu: Nguy cơ gia tăng khoảng cách số giữa các quốc gia, đòi hỏi cần có sự hợp tác quốc tế.

Xây dựng cơ sở hạ tầng và hệ sinh thái hỗ trợ đào tạo AI

- Cơ sở hạ tầng hỗ trợ đào tạo AI như 5G, trung tâm dữ liệu rất tốn kém, vượt khả năng nhiều trường. Do đó, cần liên kết với viện nghiên cứu và doanh nghiệp công nghệ để tận dụng hạ tầng, nguồn lực và tạo cơ hội thực tập.

- Các chuyên gia, kỹ sư AI từ doanh nghiệp cần được huy động để truyền đạt kiến thức thực tiễn.

- Cần thực hiện liên kết nhà trường với các doanh nghiệp, tổ chức. Đây là then chốt để đào tạo AI một cách hiệu quả.

Xây dựng chính sách, cơ chế kiểm soát, đảm bảo về phạm trù đạo đức trong ứng dụng AI

Ứng dụng AI đi kèm với nhiều mối quan tâm về đạo đức, cũng như an toàn, an ninh về dữ liệu, vì vậy, cần xây dựng bộ quy tắc, tiêu chuẩn ứng xử, cũng như cơ chế kiểm soát chặt chẽ, để đảm bảo quản lý tốt những rủi ro đi kèm với AI.

Xây dựng ngân sách cho việc phát triển AI, đặc biệt là các sáng kiến AI mang tính ứng dụng cao

Như đã phân tích bên trên, AI là ngành đòi hỏi đầu tư lớn và các sáng kiến về AI có thể chưa mang lại kết quả trong thời gian ngắn, vì vậy, quỹ đầu tư dành cho AI là rất cần thiết. Nguồn ngân quỹ này có thể trở thành những hạt giống đầu tư, để phát triển các sáng kiến về AI trong trường đại học, đem đến kết quả đầu tư, cũng như danh tiếng về đào tạo AI cho nhà trường.

Tái định hướng bộ máy đại học theo mục tiêu phi lợi nhuận nhằm xây dựng giá trị xã hội bền vững và lâu dài

Trung Quốc và Mỹ cho thấy mô hình đại học phi lợi nhuận, được nhà nước và xã hội hỗ trợ, giúp tập trung vào nghiên cứu và chất lượng thay vì lợi nhuận. Việt Nam nên học tập để giảm gánh nặng tài chính, thúc đẩy đổi mới và lấy sinh viên làm trung tâm.Trong bối cảnh AI làm thay đổi nhanh kinh tế - chính trị, cần định hướng đúng để AI phục vụ tương lai công bằng, nhân văn.

KẾT LUẬN

Kỷ nguyên AI mang đến những cơ hội và thách thức lớn cho kinh tế và giáo dục, đòi hỏi chiến lược thích ứng linh hoạt. Từ kinh nghiệm của Mỹ và Trung Quốc, Việt Nam cần rút ra bài học để phát triển. Đối với Việt Nam, đặc biệt là các trường đại học khối kinh tế, cần có một kế hoạch toàn diện: tái định hướng chương trình giảng dạy, tăng cường liên kết với doanh nghiệp và xây dựng khung pháp lý về đạo đức AI. Việc đầu tư vào mô hình đại học phi lợi nhuận cũng là yếu tố then chốt. Bằng cách kết hợp những bài học này, Việt Nam có thể tận dụng AI để xây dựng một tương lai kinh tế bền vững và phát triển.

[Quý độc giả đón đọc Tạp chí An toàn thông tin số 4 (086) 2025 tại đây]