Năm 2026, 82% lãnh đạo doanh nghiệp cho biết tổ chức của họ cung cấp một hình thức đào tạo AI nào đó. Thế nhưng, 59% lại ghi nhận khoảng cách về kỹ năng AI. Nếu đào tạo AI phổ biến như vậy, vì sao nó không chuyển hóa thành năng lực cho lực lượng lao động?
Nguyên nhân không phải do thiếu quan tâm. Vấn đề nằm ở cách thiết kế đào tạo.
Trong khảo sát năm 2026 với hơn 500 lãnh đạo doanh nghiệp tại Mỹ và Anh, phối hợp cùng YouGov, các lãnh đạo liên tục chỉ ra những khiếm khuyết mang tính cấu trúc trong chương trình đào tạo AI của doanh nghiệp, đặc biệt về tính phù hợp, khả năng ứng dụng và đo lường.
Vấn đề nằm ở hiệu quả, không phải khả năng tiếp cận
Trong số các lãnh đạo được khảo sát:
- 82% cung cấp một dạng đào tạo AI nào đó
- 68% cho biết nhân viên có quyền truy cập tài nguyên học AI
- 46% cung cấp đào tạo kiến thức nền tảng về AI
Nhưng chỉ 35% cho biết họ có một chương trình nâng cao kỹ năng AI trưởng thành, bao trùm toàn tổ chức.
Đào tạo thì có; năng lực ở quy mô thì không. Vậy điều gì đang bị đứt gãy?
1. Học thụ động vẫn chiếm ưu thế trong đào tạo AI doanh nghiệp
Hình thức đào tạo AI phổ biến nhất là kết hợp học trực tuyến với các buổi học có giảng viên định kỳ (40%). Lãnh đạo cho biết các hình thức này gặp khó trong việc xây dựng năng lực ứng dụng:
- 23% nói các khóa học dạng video khiến việc áp dụng kỹ năng đã học vào thực tế trở nên khó khăn
- 24% nêu thiếu dự án hoặc phòng lab thực hành
Xem giải thích về AI không đồng nghĩa với sử dụng AI hiệu quả. Nếu không có luyện tập có cấu trúc, nhân viên có thể hiểu khái niệm AI nhưng chật vật khi áp dụng vào quy trình thực. Kết quả: quen thuộc nhưng không thuần thục.
2. Đào tạo AI không gắn với vai trò
Một phàn nàn nhất quán khác là thiếu điều chỉnh theo vai trò. Khi được hỏi về thách thức với học trực tuyến, gần một phần tư (23%) lãnh đạo cho biết lộ trình học không phù hợp cho từng vai trò cụ thể. Thêm 21% cho rằng nhân viên khó biết bắt đầu từ đâu.
Vấn đề cốt lõi là các buổi nâng cao hiểu biết AI mang tính chung chung thường không gắn với trách nhiệm hằng ngày. Thực tế, một lãnh đạo nhân sự, một quản lý tài chính và một nhà phân tích marketing dùng AI theo những cách khác nhau, nhưng nhiều chương trình đào tạo AI lại xem họ như nhau.
Khi học AI không được gắn với tình huống sử dụng thực tế, việc áp dụng sẽ rời rạc và thiếu nhất quán.
3. Tổ chức gặp khó khi đo lường ROI từ đào tạo
Đào tạo AI truyền thống cũng thiếu đo lường hiệu quả rõ ràng. Những phàn nàn phổ biến từ lãnh đạo gồm:
- Khó báo cáo ROI của các chương trình đào tạo (26%)
- Thiếu chứng chỉ hoặc bằng chứng về kỹ năng (15%)
Nếu tổ chức không thể đo lường việc đào tạo AI có cải thiện hiệu suất hay không, sẽ khó biện minh cho đầu tư dài hạn.
Điều này đặc biệt nan giải khi:
- 35% lãnh đạo nêu hạn chế về thời gian là rào cản lớn nhất để cải thiện kỹ năng AI
- 31% nêu thiếu ngân sách
Không có ROI rõ ràng, đào tạo AI sẽ phải cạnh tranh—và thường thua—trước các ưu tiên vận hành.
4. Đào tạo một lần không theo kịp tốc độ phát triển của AI
Công cụ AI thay đổi nhanh, nhưng nhiều tổ chức vẫn dựa vào các hội thảo một lần hoặc sáng kiến học ngắn hạn.
Hiểu biết về AI không phải là năng lực tĩnh. Nó đòi hỏi:
- Củng cố liên tục
- Luyện tập theo ngữ cảnh
- Vòng phản hồi
- Thích ứng liên tục
Mô hình đào tạo truyền thống được xây cho các kỹ năng thay đổi chậm hơn. Năng lực AI đòi hỏi một hệ thống khác.
Hệ quả: Nhận thức nhưng không ứng dụng
Khi đào tạo AI thụ động, chung chung và khó đo lường, kết cục dễ đoán:
- Nhân viên thử nghiệm với AI nhưng thiếu tự tin
- Tình huống sử dụng ở mức hời hợt
- Rủi ro tăng do lạm dụng hoặc hiểu sai
- ROI từ các khoản đầu tư AI đình trệ
Các tổ chức có chương trình nâng cao kỹ năng bao trùm lực lượng lao động ở mức trưởng thành gần như có khả năng báo cáo ROI AI tích cực đáng kể cao gấp đôi. Phân tích đầy đủ về mối tương quan giữa mức độ trưởng thành của đào tạo và ROI AI có trong Báo cáo Năng lực Dữ liệu & AI 2026.
Vậy đào tạo AI hiệu quả trông như thế nào
Những lãnh đạo báo cáo năng lực lực lượng lao động mạnh hơn thường vượt qua mô hình dựa trên khóa học truyền thống. Chương trình đào tạo AI hiệu quả là:
- Thực hành, nhấn mạnh luyện tập ứng dụng thay vì tiếp nhận thụ động
- Theo vai trò, được ánh xạ vào quy trình làm việc thực
- Có cấu trúc, với lộ trình tiến triển rõ ràng
- Được củng cố theo thời gian, không phải các buổi rời rạc
- Có thể đo lường, gắn với chuẩn kỹ năng và kết quả hiệu suất
Nói cách khác, chúng vận hành như hệ thống xây năng lực, không phải thư viện nội dung.
Lấy ví dụ thực tế, Bayer đã xây dựng Học viện Dữ liệu đa tầng, củng cố năng lực số và AI trên toàn doanh nghiệp, với hơn 90% người học báo cáo cải thiện đổi mới hoặc quy trình.
Khi Bayer tìm kiếm đối tác học tập cho Học viện Dữ liệu, DataCamp nổi bật ở cả độ rộng và mức độ phù hợp. Thông qua danh mục khóa học phong phú, trải rộng các lĩnh vực như phân tích dữ liệu, thống kê, machine learning, SQL và AI sinh tạo, nhiều nhóm người học khác nhau được hỗ trợ trong một giải pháp duy nhất.
Để đưa người học từ lý thuyết đến thực hành, Bayer ghép việc học trên DataCamp với các dự án capstone. Sau khi hoàn thành khóa học, nhân viên áp dụng những gì đã học vào các tình huống sử dụng thực của Bayer, từ nghiên cứu nhà kính đến cách xây dựng mạng nơ-ron, qua đó chứng minh năng lực và xác định cơ hội tạo giá trị kinh doanh.
Những kết quả này không được thúc đẩy bởi nhiều công cụ AI hơn. Chúng đến từ thiết kế đào tạo tốt hơn.
Từ cung cấp nội dung đến hệ thống xây năng lực
Tương lai của đào tạo AI không nằm ở việc có thêm nội dung. Mà là tích hợp tốt hơn giữa học và làm.
Các tổ chức coi hiểu biết AI là hạ tầng cốt lõi—tức là được nhúng vào quy trình, củng cố theo thời gian và đo lường theo kết quả—sẽ có khả năng cao hơn nhiều trong việc thu hẹp khoảng cách kỹ năng AI và cải thiện ROI.
DataCamp for Business được thiết kế theo mô hình này, kết hợp lộ trình học theo vai trò, bài tập thực hành, đánh giá và đối sánh lực lượng lao động để xây dựng năng lực AI ứng dụng ở quy mô lớn.
Nếu bạn đang đánh giá cách vượt qua đào tạo AI thụ động, hãy khám phá cách DataCamp for Business hỗ trợ nâng cao kỹ năng AI cho doanh nghiệp.