Chuyển đổi số – "Đòn bẩy" thu hẹp khoảng cách giữa đào tạo và thị trường lao động trong kỷ nguyên AI

Sự chuyển động nhanh của thị trường lao động trong kỷ nguyên số

Trí tuệ nhân tạo (AI) đang làm thay đổi căn bản cách thức vận hành của các lĩnh vực truyền thông, báo chí, quảng cáo và marketing. Từ khi các mô hình ngôn ngữ lớn như ChatGPT ra mắt vào cuối năm 2022, cấu trúc thị trường lao động đã có những biến đổi sâu sắc. Tại Anh, tỷ lệ tin tuyển dụng yêu cầu bằng đại học giảm tới 63%; ở Mỹ con số này là 43% (Financial Times, 2025). Đây không phải là hiện tượng ngẫu nhiên mà phản ánh tác động của làn sóng tự động hóa và chuyển đổi số, tiếp nối những thay đổi về cơ cấu kỹ năng đã hình thành từ thời Cách mạng công nghiệp (Autor, 2015).

Trong bối cảnh đó, các vị trí nghề nghiệp trong ngành truyền thông ngày nay không chỉ đòi hỏi năng lực sáng tạo và giao tiếp truyền thống, mà còn yêu cầu khả năng vận hành công cụ số, hiểu biết dữ liệu, khai thác hệ thống tự động và tư duy phản biện trong môi trường số (Ahadi et al., 2022; WEF, 2023, 2025). Tuy nhiên, trong khi thị trường lao động dịch chuyển với tốc độ cao, nhiều chương trình đào tạo đại học vẫn duy trì nhịp độ đổi mới chậm hơn, dẫn đến sự gia tăng khoảng cách giữa nội dung đào tạo và yêu cầu nghề nghiệp thực tế.

Khoảng cách giữa định hướng đào tạo và yêu cầu nghề nghiệp qua "lăng kính" dữ liệu

Một nghiên cứu quốc tế quy mô lớn đã sử dụng các phương pháp xử lý ngôn ngữ tự nhiên (NLP) để phân tích và so sánh hơn 60 mô tả học phần tại các trường đại học hàng đầu ở Anh với hơn 100 tin tuyển dụng trong lĩnh vực truyền thông và quảng cáo. Kết quả cho thấy sự sai biệt đáng kể về trọng tâm nội dung giữa môi trường đào tạo và thị trường lao động (Yaprak và cộng sự, 2025)

Tỷ lệ từ vựng liên quan đến AI, dữ liệu và nền tảng số trong mô tả chương trình chiếm khoảng 6% tổng số từ, trong khi ở tin tuyển dụng chỉ là 2,3% — một khác biệt có ý nghĩa thống kê lớn (χ² = 314,4; p < 0,001). Phân tích TF–IDF cho thấy các văn bản học thuật tập trung mạnh vào các khía cạnh khái niệm và phản biện như quản trị nền tảng, đạo đức công nghệ, chính trị và quyền lực dữ liệu, trong khi tin tuyển dụng ưu tiên các từ khóa gắn với thao tác kỹ thuật và vận hành chiến dịch, như SEO, PPC, truyền thông đa kênh hay phân tích hiệu suất.

Mô hình chủ đề (LDA) củng cố phát hiện này: các chương trình đào tạo nghiêng về các chủ đề như Phân tích dữ liệu, Chính trị – quyền lực – quản trị, Đạo đức – xã hội, trong khi thị trường lao động tập trung vào thực thi chiến dịch và hiệu quả vận hành. Điều đó cho thấy sự phân kỳ rõ rệt giữa hai hệ quy chiếu nội dung: nhà trường ưu tiên giải đáp câu hỏi “tại sao” của AI và công nghệ số, còn thị trường tập trung vào câu hỏi “làm thế nào”. Khoảng phân kỳ này đòi hỏi sinh viên phải chủ động bù đắp kỹ năng sau khi tốt nghiệp, làm gia tăng thách thức trong quá trình chuyển tiếp từ đào tạo sang nghề nghiệp.

Định hướng học thuật và yêu cầu thực hành: Hai mặt của cùng một vấn đề

Phân tích sâu hơn nghiên cứu của Yaprak và cộng sự (2025) cho thấy, sáu nhóm chủ đề lớn trong các chương trình đào tạo phản ánh một cách tiếp cận liên ngành đặc trưng của giáo dục truyền thông. Một số cơ sở tập trung vào năng lực phân tích dữ liệu và hiểu biết nền tảng số; một số khác chú trọng đến tác động chính trị – xã hội của công nghệ, bao gồm quản trị nền tảng, quyền lực thuật toán và trách nhiệm công dân kỹ thuật số. Có những trường lại nhấn mạnh khía cạnh khán giả – cộng đồng, gắn với truyền thống báo chí công ích ở châu Âu (Gillespie, 2010; Jaakkola & Uotila, 2022).

Tuy nhiên, khi đặt cạnh yêu cầu tuyển dụng, có thể nhận thấy rõ sự không tương ứng giữa cấu trúc kỹ năng đào tạo và kỹ năng vận hành tại nơi làm việc. Các năng lực như SEO, PPC, tối ưu chiến dịch, trực quan hóa bảng điều khiển, kiểm thử A/B hay quản trị CRM – vốn là yêu cầu thường xuyên của nhà tuyển dụng – lại xuất hiện rất ít hoặc hoàn toàn vắng bóng trong chương trình học. Ngược lại, các nội dung như đạo đức công nghệ, quản trị dữ liệu hay quyền lực nền tảng – trọng tâm của đào tạo – lại ít được nhắc tới trong thị trường lao động. Điều này phản ánh một khoảng cách về định hướng nội dung và ưu tiên kỹ năng mà các chương trình đào tạo hiện nay cần xem xét nghiêm túc.

Giữ vững chiều sâu học thuật, bổ sung kỹ năng vận hành

Các chuyên gia khuyến nghị rằng thay vì từ bỏ nền tảng học thuật để chạy theo yêu cầu ngắn hạn của thị trường, các cơ sở đào tạo nên lựa chọn cách tiếp cận bổ sung có chiến lược. Một hướng đi khả thi là triển khai các mô-đun ngắn hạn hoặc chứng chỉ vi mô (micro-credentials) tập trung vào các kỹ năng kỹ thuật cụ thể như prompt engineering, SEO nâng cao, phân tích chiến dịch đa kênh hoặc trực quan hóa dữ liệu. Những mô-đun này có thể được thiết kế linh hoạt, tích hợp vào chương trình hiện có mà không làm xáo trộn cấu trúc tổng thể.

Bên cạnh đó, một số mô hình đào tạo tiên tiến như studio AI — nơi sinh viên học tập và thực hành cùng các chuyên gia doanh nghiệp trong môi trường “phòng thí nghiệm ứng dụng” — có thể giúp tăng cường năng lực thao tác kỹ thuật đồng thời duy trì được chiều sâu phản biện (Diakopoulos, 2019). Song song với đó, việc xây dựng cơ chế cập nhật định kỳ chương trình đào tạo thông qua các hội đồng đồng thiết kế giữa giảng viên và doanh nghiệp sẽ giúp rút ngắn độ trễ trong thích ứng nội dung, đảm bảo chương trình theo kịp tốc độ đổi mới công nghệ.

Khuyến nghị chính sách: Chuyển đổi số giáo dục là nền tảng đổi mới

Từ thực tiễn quốc tế, có thể thấy rõ vai trò then chốt của chuyển đổi số trong việc rút ngắn khoảng cách giữa nhà trường và thị trường lao động. Đối với Việt Nam, đây cũng là một định hướng chiến lược. Nghị quyết số 71-NQ/TW (2025) của Bộ Chính trị xác định giáo dục – đào tạo là một trong ba đột phá chiến lược, trong đó chuyển đổi số đóng vai trò hạ tầng và động lực. Tiếp đó, Nghị quyết số 281/NQ-CP (2025) đã ban hành Chương trình hành động của Chính phủ để triển khai Nghị quyết 71, với trọng tâm là đổi mới căn bản, toàn diện giáo dục thông qua chuyển đổi số. Bên cạnh đó, Chương trình Chuyển đổi số quốc gia đến năm 2030, và Quyết định 131/QĐ-TTg về Chuyển đổi số ngành giáo dục cũng đã đưa ra các mục tiêu cụ thể về đổi mới phương pháp, chuẩn hóa dữ liệu, phát triển nguồn nhân lực số và xây dựng hạ tầng giáo dục mở.

Từ các chính sách này, có thể đề xuất bốn định hướng trọng tâm cho giáo dục đại học:

Thứ nhất, xây dựng hệ thống quản trị chương trình và nội dung đào tạo dựa trên nền tảng số, cho phép cập nhật nhanh các học phần, kỹ năng và phương pháp giảng dạy để thích ứng với sự thay đổi của công nghệ và thị trường.

Thứ hai, đẩy mạnh đào tạo và bồi dưỡng năng lực số cho đội ngũ giảng viên, kết hợp giữa kiến thức lý luận – phản biện và kỹ năng công cụ (AI, dữ liệu, nền tảng số), biến họ thành lực lượng dẫn dắt đổi mới trong nhà trường.

Thứ ba, tăng cường hợp tác giữa trường đại học – doanh nghiệp – nhà nước trong xây dựng và triển khai chương trình, nhằm hình thành “vòng phản hồi ngắn” giữa thị trường và giảng đường, rút ngắn độ trễ kỹ năng.

Thứ tư, phát triển mô hình học tập linh hoạt và chứng chỉ vi mô (micro-credentials), cho phép người học cập nhật nhanh kỹ năng mới trong môi trường số mà không bị ràng buộc bởi khung chương trình cứng nhắc, đồng thời tạo ra hệ sinh thái học tập mở phù hợp với định hướng chuyển đổi số quốc gia.

Chuyển đổi số không chỉ là công cụ, mà là chiến lược phát triển giáo dục

Chuyển đổi số không đơn thuần là số hóa bài giảng hay áp dụng công nghệ vào lớp học, mà là quá trình tái cấu trúc toàn diện mô hình giáo dục, từ tư duy thiết kế chương trình, phương thức quản trị, đội ngũ nhà giáo đến cách thức kết nối với thị trường lao động. Đây chính là đòn bẩy chiến lược để rút ngắn khoảng cách giữa đào tạo và thực tiễn, giữa tốc độ của công nghệ và nhịp thay đổi của nhà trường. Nếu được triển khai đồng bộ trên cơ sở các chính sách quốc gia hiện có, chuyển đổi số sẽ giúp giáo dục đại học Việt Nam không chỉ theo kịp, mà còn có thể chủ động dẫn dắt quá trình chuyển đổi trong kỷ nguyên AI — hình thành một hệ sinh thái giáo dục linh hoạt, mở, chất lượng cao, đáp ứng mục tiêu phát triển quốc gia trong giai đoạn mới.

Vân An

Ahadi, A., Kitto, K., Rizoiu, M. A., & Musial-Gabrys, K. (2022). Skills taught vs skills sought: Using skills analytics to identify the gaps between curriculum and job markets. Proceedings of the International Conference on Educational Data Mining, Durham, UK.

Autor, D. H. (2015). Why are there still so many jobs? The history and future of workplace automation. Journal of Economic Perspectives, 29(3), 3–30. https://doi.org/10.1257/jep.29.3.3

Crawford, J. et al. (2020). COVID-19: 20 countries’ higher education intra-period digital pedagogy responses. Journal of Applied Learning & Teaching, 3(1), 1–20.

Diakopoulos, N. (2019). Automating the news: How algorithms are rewriting the media. Harvard University Press.

Financial Times. (2025). Is AI killing graduate jobs? https://www.ft.com/content/99b6acb7-a079-4f57-a7bd-8317c1fbb728

Gillespie, T. (2010). The politics of “platforms”. New Media & Society, 12(3), 347–364.

Jaakkola, M., & Uotila, P. (2022). Exploring the normative foundation of journalism education. Journalism and Media, 3(3), 436–452.

World Economic Forum. (2023). Future of Jobs Report 2023. https://www3.weforum.org/docs/WEF_Future_of_Jobs_2023.pdf

World Economic Forum. (2025). Future of Jobs Report 2025. https://reports.weforum.org/docs/WEF_Future_of_Jobs_Report_2025.pdf

Yaprak, B., Ercan, S., Coşan, B., & Ecevit, M. Z. (2025). Curriculum–skill gap in the AI era: Assessing alignment in communication-related programs. Journalism and Media, 6(4), 171. https://doi.org/10.3390/journalmedia6040171