Mặc dù AI được áp dụng rộng rãi và có nhiều nỗ lực đào tạo, phần lớn doanh nghiệp vẫn chật vật trong việc xây dựng năng lực thực sự cho lực lượng lao động. Trong khảo sát năm 2026 của chúng tôi với hơn 500 lãnh đạo doanh nghiệp tại Mỹ và Anh, phối hợp cùng YouGov, đa số cho biết tổ chức của họ thiếu các kỹ năng AI cần thiết để áp dụng một cách tự tin và hiệu quả trong công việc hằng ngày.
Vấn đề không nằm ở khả năng tiếp cận công cụ AI; mà là liệu nhân viên có thể sử dụng chúng tốt hay không.
Khoảng cách kỹ năng AI không tồn tại biệt lập. Nó là một phần của sự lệch pha lớn hơn giữa kỳ vọng ngày càng tăng về năng lực hiểu biết AI và các hệ thống mà tổ chức sử dụng để xây dựng năng lực đó. Chúng tôi phân tích mô hình lớn hơn này—bao gồm định nghĩa, chuẩn tham chiếu và các xu hướng trên toàn doanh nghiệp—trong Tổng quan về năng lực dữ liệu và AI năm 2026.
Khoảng cách kỹ năng AI là gì?
Khoảng cách kỹ năng AI đề cập đến sự chênh lệch giữa năng lực AI mà tổ chức kỳ vọng ở lực lượng lao động và khả năng thực tế của nhân viên trong việc áp dụng AI hiệu quả vào vai trò của họ.
Điều quan trọng là khoảng cách kỹ năng AI không chủ yếu xoay quanh chuyên môn kỹ thuật AI nâng cao. Thay vào đó, nó bộc lộ ở các lĩnh vực nền tảng như:
- Đánh giá liệu đầu ra của AI là chính xác hay gây hiểu lầm
- Áp dụng công cụ AI vào quy trình công việc cụ thể
- Chuyển hóa các insight do AI tạo ra thành quyết định
- Hiểu về quản trị, rủi ro và sử dụng AI có trách nhiệm
Nói cách khác, khoảng cách này liên quan đến năng lực hiểu biết và ứng dụng AI trong môi trường làm việc rộng hơn, không chỉ là tuyển thêm chuyên gia kỹ thuật.
Nghịch lý đào tạo AI
Hầu hết các tổ chức không hoàn toàn bỏ qua đào tạo AI. Dù chỉ 35% lãnh đạo cho biết có chương trình nâng cao kỹ năng AI trưởng thành trên toàn tổ chức:
- 82% cung cấp một hình thức đào tạo AI nào đó
- 68% nói rằng nhân viên có quyền truy cập vào tài nguyên học AI
- 46% cung cấp đào tạo hiểu biết AI cơ bản
Vậy vì sao khoảng cách kỹ năng AI vẫn tồn tại? Bởi vì khả năng tiếp cận đào tạo không tự động chuyển hóa thành năng lực.
Vì sao đào tạo AI không chuyển hóa thành năng lực của lực lượng lao động
Phần lớn tổ chức không thất bại ở việc cung cấp đào tạo AI. Thay vào đó, họ thất bại trong việc thiết kế đào tạo sao cho phù hợp với thế giới của AI. Trong khảo sát năm 2026 với hơn 500 lãnh đạo doanh nghiệp, một số vấn đề mang tính cấu trúc đã xuất hiện.
1. Học thụ động chiếm ưu thế
Khóa học dạng video và các buổi trực tuyến kết hợp là định dạng đào tạo AI phổ biến nhất (40%). Nhưng các lãnh đạo cho biết những cách tiếp cận này còn hạn chế:
- 23% nói rằng các khóa học dạng video khiến việc áp dụng kỹ năng vào thực tế trở nên khó khăn
- 24% cho rằng thiếu dự án hoặc phòng lab thực hành
Xem AI được giải thích không đồng nghĩa với việc sử dụng AI hiệu quả. Không có thực hành ứng dụng, nhân viên khó chuyển giao kiến thức vào quy trình hằng ngày.
Kết quả là hiểu biết nhưng thiếu tự tin, và áp dụng nhưng thiếu phán đoán.
2. Đào tạo không phù hợp với vai trò
Khoảng ba trong năm lãnh đạo báo cáo gặp thách thức với các nhà cung cấp đào tạo trực tuyến bên thứ ba về học dữ liệu và AI:
- 23% nói lộ trình học không được điều chỉnh theo vai trò cụ thể
- 21% nói nhân viên gặp khó khi biết nên bắt đầu từ đâu
Các buổi đào tạo hiểu biết AI chung chung thường không gắn với cách mọi người thực sự làm việc. Nhân viên có thể hiểu khái niệm AI về mặt lý thuyết nhưng gặp khó khi:
- Xác định các trường hợp sử dụng thực tế trong chức năng của mình
- Tích hợp công cụ AI vào quy trình hiện có
- Đo lường tác động lên hiệu suất
Khi đào tạo AI không bám vào vai trò cụ thể, mức độ áp dụng sẽ trở nên thiếu nhất quán.
3. Không có lộ trình tiến triển rõ ràng hoặc củng cố
Nhiều tổ chức cung cấp tài nguyên học AI nhưng thiếu các lộ trình có cấu trúc giúp xây dựng năng lực theo thời gian. Không có gì ngạc nhiên khi 26% lãnh đạo gặp khó khi báo cáo ROI của đào tạo.
Ngoài ra, chỉ 35% lãnh đạo cho biết có chương trình nâng cao kỹ năng AI trưởng thành trên toàn tổ chức.
Hiểu biết AI không phải là năng lực một lần là xong. Nó đòi hỏi lặp lại, phản hồi và củng cố theo ngữ cảnh. Thiếu cấu trúc và đo lường, đào tạo AI sẽ phân mảnh — và khoảng cách kỹ năng AI vẫn tồn tại.
Khoảng cách kỹ năng AI và ROI của AI
Hệ quả của khoảng cách kỹ năng AI có thể đo lường được. Nhìn chung:
- 21% lãnh đạo báo cáo ROI tích cực đáng kể từ đầu tư AI
- 17% cho biết không thấy ROI tích cực
Tuy nhiên, trong các tổ chức có chương trình nâng cao hiểu biết AI trưởng thành trên toàn lực lượng lao động:
- Báo cáo về ROI AI đáng kể gần như tăng gấp đôi lên 42%
- Báo cáo không có ROI giảm xuống còn 11%
Điều này cho thấy mối quan hệ rõ ràng giữa việc xây dựng năng lực có cấu trúc và lợi tức đầu tư vào AI.
Phân tích đầy đủ về các phát hiện này có trong Báo cáo Năng lực Dữ liệu & AI 2026.
Nơi khoảng cách kỹ năng AI bộc lộ rõ nhất
Khoảng cách kỹ năng AI thể hiện rõ nhất ở các năng lực nền tảng:
- Chuyển đầu ra do AI tạo ra thành các quyết định vững chắc
- Phân biệt insight đáng tin cậy với ảo giác
- Áp dụng AI vào các bài toán kinh doanh thực
- Xoay xở với quản trị và sử dụng AI có trách nhiệm
- Truyền đạt rõ ràng các insight do AI thúc đẩy
Đây là các kỹ năng về phán đoán và ứng dụng, không thuần túy kỹ thuật.
Đó là lý do việc giải quyết khoảng cách kỹ năng AI đòi hỏi nâng cao hiểu biết AI trên toàn doanh nghiệp, không chỉ là tuyển dụng kỹ thuật.
Khắc phục khoảng cách kỹ năng AI trong năm 2026
Các tổ chức đang đạt tiến bộ có những đặc điểm chung. Các chương trình nâng cao kỹ năng AI hiệu quả thường:
- Có khả năng mở rộng, vươn ra ngoài các đội ngũ kỹ thuật
- Phù hợp với vai trò và được điều chỉnh theo quy trình hằng ngày
- Thực hành trực tiếp với trọng tâm là ứng dụng
- Được củng cố theo thời gian, không phải các phiên đơn lẻ
- Có thể đo lường và gắn với kết quả hiệu suất
Thu hẹp khoảng cách kỹ năng AI không phải là có thêm nội dung, mà là thiết kế học tập tốt hơn. Đây là lý do các tổ chức dẫn đầu đang chuyển sang các hệ thống học tập có cấu trúc, mang tính ứng dụng, tích hợp trực tiếp hiểu biết AI vào công việc hằng ngày thay vì chỉ dựa vào các khóa học thụ động hoặc đào tạo rời rạc.
DataCamp for Business được xây dựng dựa trên mô hình này, kết hợp lộ trình học theo vai trò, dự án thực hành, cá nhân hóa bằng AI và các chuẩn đo lường kỹ năng để giúp tổ chức xây dựng năng lực AI ở quy mô lớn.
Thực tế triển khai
Các tổ chức toàn cầu hàng đầu đang bắt đầu chuyển dịch từ đào tạo AI rời rạc sang các chương trình năng lực có cấu trúc, phù hợp với vai trò.
Chẳng hạn, Bayer đã xây dựng Học viện Dữ liệu ba cấp để hỗ trợ năng lực AI và dữ liệu trên toàn doanh nghiệp, từ hiểu biết AI tạo sinh nền tảng cho mọi nhân viên đến các lộ trình nâng cao cho chuyên gia kỹ thuật. Kết quả là hơn 90% người học cho biết đã phát triển ý tưởng, quy trình hoặc giải pháp đổi mới sau khi hoàn thành đào tạo.
