Để hiểu những kỹ năng về dữ liệu và AI nào quan trọng nhất, chúng tôi đã khảo sát hơn 500 lãnh đạo doanh nghiệp tại Mỹ và Anh (phối hợp cùng YouGov) và yêu cầu họ xếp hạng mức độ quan trọng của các năng lực dữ liệu và AI cụ thể.
Kết quả cho thấy một mô hình rõ ràng và một khung thực tiễn để xây dựng năng lực hiểu biết về AI và dữ liệu trong doanh nghiệp.
Khung năng lực AI và dữ liệu 4 lớp cho năm 2026
Dữ liệu cho thấy năng lực doanh nghiệp chia thành bốn lớp riêng biệt, và không phải kỹ năng nào cũng có trọng số như nhau.
Lớp 1: Kỹ năng nền tảng về ra quyết định và diễn giải (giá trị doanh nghiệp cao nhất)
Đây là những kỹ năng được xếp hạng nhất quán nhất trên các tổ chức, với tỷ lệ lãnh đạo đánh giá các kỹ năng này là “quan trọng” hoặc “rất quan trọng” như sau:
- Ra quyết định dựa trên dữ liệu — 85%
- Diễn giải trực quan hóa dữ liệu & bảng điều khiển — 82%
- Phân tích và xử lý dữ liệu — 81%
- Công cụ Business Intelligence — 75%
- Tạo trực quan hóa dữ liệu — 72%
- Kể chuyện bằng dữ liệu — 71%
Đây không phải là các kỹ năng quá kỹ thuật; chúng mang tính diễn giải, dựa trên phán đoán, và quyết định việc dữ liệu có thực sự ảnh hưởng đến quyết định hay chỉ nằm yên trong các báo cáo.
Hãy coi đây là lõi của mọi khung năng lực AI hoặc dữ liệu hiệu quả.
Lớp 2: Khả năng thông thạo AI nền tảng và sử dụng có trách nhiệm (nhanh chóng trở thành tiêu chuẩn tối thiểu)
Kỳ vọng về hiểu biết AI đang tăng nhanh. Các lãnh đạo xếp hạng những kỹ năng AI sau là “quan trọng” hoặc “rất quan trọng”:
- Hiểu biết cơ bản về các khái niệm AI — 78%
- Hiểu các ứng dụng AI trong kinh doanh — 74%
- Đạo đức AI & AI có trách nhiệm — 72%
- Sử dụng AI copilots — 70%
Lớp này phản ánh một điều quan trọng: hiểu biết AI tại nơi làm việc không còn là chuyện thử nghiệm mà là sử dụng một cách có trách nhiệm, mang tính ứng dụng. Do đó, bất kỳ khung năng lực AI hiện đại nào cũng phải bao gồm cả khía cạnh sử dụng và quản trị.
Lớp 3: Nền tảng kỹ thuật cốt lõi (phụ thuộc vai trò)
Các kỹ năng sau vẫn “quan trọng” hoặc “rất quan trọng” đối với lãnh đạo, nhưng không phải kỳ vọng mang tính phổ quát:
- Cơ sở dữ liệu — 69%
- Kỹ thuật dữ liệu — 66%
- Lập trình bằng Python hoặc R — 59%
Dĩ nhiên, các kỹ năng này rất thiết yếu cho những vai trò cụ thể, nhưng không phải yêu cầu trên toàn doanh nghiệp. Phân biệt này rất quan trọng, vì lãnh đạo nhận thấy không phải nhân viên nào cũng cần xây dựng hệ thống. Tuy nhiên, đa số cần biết diễn giải và ứng dụng chúng.
Lớp 4: Kỹ năng phát triển AI nâng cao và mới nổi
Những kỹ năng này quan trọng về mặt chiến lược nhưng chỉ kỳ vọng ở một số vai trò nhất định. Một lần nữa, các tỷ lệ dưới đây thể hiện phần trăm lãnh đạo đánh giá chúng “quan trọng” hoặc “rất quan trọng” đối với công việc hằng ngày:
- Machine learning — 61%
- Phát triển sản phẩm phần mềm AI — 60%
- Tạo quy trình tác tử (agentic workflows) — 59%
- Kỹ thuật nhắc lệnh & điều hướng hệ thống AI — 67%
- Sử dụng AI suy luận sâu — 69%
Chúng đại diện cho các năng lực tiên phong, chắc chắn có giá trị, nhưng không phải là nền tảng của hiểu biết AI trên phạm vi toàn lực lượng lao động.
Điều này có ý nghĩa gì với các lãnh đạo doanh nghiệp
Những kỹ năng AI và dữ liệu quan trọng nhất vào năm 2026 không quá chuyên sâu về kỹ thuật, mà mang tính diễn giải, ứng dụng và dựa trên phán đoán. Điều này tác động trực tiếp đến cách các tổ chức thiết kế chương trình nâng cao kỹ năng.
Nhiều sáng kiến đào tạo AI tập trung nặng vào công cụ hoặc lập trình, nhưng các kỹ năng được xếp hạng cao nhất bởi các lãnh đạo là:
- Ra quyết định
- Diễn giải
- Truyền đạt
- Sử dụng có trách nhiệm
Đây là những kỹ năng quyết định việc AI cải thiện hiệu suất hay khuếch đại rủi ro.
Bảng xếp hạng đầy đủ và so sánh giữa các doanh nghiệp có trong Báo cáo Tình hình Hiểu biết về Dữ liệu & AI 2026.
Vì sao hầu hết các khung hiện nay chưa đúng
Năm 2026, 60% lãnh đạo cho biết tồn tại khoảng cách kỹ năng về dữ liệu, và 59% cho biết có khoảng cách kỹ năng về AI.
Nhiều sáng kiến đào tạo dữ liệu hoặc AI trong doanh nghiệp tập trung nặng vào kích hoạt kỹ thuật, trang bị cho chuyên gia xây dựng hoặc triển khai hệ thống AI. Những khoản đầu tư đó rất quan trọng, đặc biệt cho các vai trò kỹ thuật.
Tuy nhiên, khoảng cách kỹ năng xuất hiện khi hiểu biết nền tảng trên toàn lực lượng lao động không mở rộng song hành với năng lực kỹ thuật. Các tổ chức liên tục đầu tư thiếu cho các chủ đề như:
- Khả năng thông thạo nền tảng trên toàn lực lượng lao động
- Kể chuyện bằng dữ liệu
- Khoa học ra quyết định
- Hiểu biết AI ứng dụng
Hệ thống AI có thể được xây dựng tập trung, nhưng giá trị lại được tạo ra rộng khắp. Thiếu khả năng diễn giải phổ quát, lợi tức của đầu tư kỹ thuật sẽ bị hạn chế.
Thiết kế một khung năng lực AI và dữ liệu thực tiễn
Dựa trên phát hiện năm 2026, một khung doanh nghiệp hiệu quả nên:
- Bắt đầu với kỹ năng ra quyết định và diễn giải
- Bổ sung khả năng thông thạo AI nền tảng và sử dụng có trách nhiệm
- Phân biệt các lộ trình kỹ thuật theo vai trò
- Củng cố kỹ năng theo thời gian bằng thực hành ứng dụng
- Đo lường tiến bộ kỹ năng và tác động kinh doanh
Cách tiếp cận theo lớp này phù hợp với cách lãnh đạo xếp hạng mức độ quan trọng và cách các cải thiện hiệu suất được hiện thực hóa.
Từ kỹ năng đến hiệu suất
Các lãnh đạo gắn hiểu biết vững chắc về dữ liệu và AI với những kết quả đo lường được:
- 54% báo cáo ra quyết định nhanh hơn nhờ hiểu biết dữ liệu, và 49% báo cáo độ chính xác quyết định được cải thiện
- 48% báo cáo ra quyết định nhanh hơn nhờ hiểu biết AI, và 46% báo cáo đổi mới mạnh mẽ hơn
Những lợi ích này không đến từ các kỹ năng rời rạc; chúng đến từ các hệ thống năng lực tích hợp.
DataCamp for Business được thiết kế xoay quanh mô hình năng lực theo lớp, từ ra quyết định và diễn giải dữ liệu nền tảng đến chuyên môn AI nâng cao.
Thông qua lộ trình học theo vai trò, dự án thực hành và đo lường chuẩn kỹ năng, các tổ chức có thể xây dựng một khung hiểu biết AI và dữ liệu thực tiễn phù hợp với ưu tiên của doanh nghiệp.
Nếu bạn đang đánh giá cách cấu trúc hiểu biết AI và dữ liệu ở quy mô lớn, khám phá cách DataCamp for Business hỗ trợ nâng cao kỹ năng cho doanh nghiệp.