Hiểu AI đủ để dùng đúng: 12 ngộ nhận người làm L&D hay gặp

Mỗi lần có một công nghệ mới, giới L&D lại có hai phản ứng quen thuộc. Một nhóm hào hứng thử mọi thứ, chia sẻ những câu lệnh "thần thánh". Một nhóm khác đứng ngoài, vì lo AI sẽ làm thay mình, hoặc vì đã thử một lần và thấy kết quả chung chung.

Cả hai phản ứng đều bắt nguồn từ cùng một chỗ: chưa hiểu đủ về AI để biết nó giỏi ở đâu và yếu ở đâu. Bài này không dạy kỹ thuật. Bài này giúp anh chị có một cái nhìn đủ tỉnh táo để bắt đầu dùng AI đúng chỗ, cho đúng việc.

Mục lục

1. AI tạo sinh khác gì AI "truyền thống"?
2. 12 ngộ nhận và thực tế đằng sau
3. Người làm L&D đang thật sự dùng AI vào việc gì?
4. Bốn rủi ro cần quản lý ngay từ đầu
5. Bắt đầu từ đâu: nhỏ, nhanh và có kiểm soát
6. Những điều cần nhớ
7. Câu hỏi thường gặp
8. Tài liệu tham khảo

AI tạo sinh khác gì AI "truyền thống"?

Câu hỏi dẫn: khi nói "dùng AI trong đào tạo", ta đang nói về loại AI nào?

Có hai nhóm cần phân biệt:

• AI truyền thống học từ dữ liệu lớn để nhận diện mẫu và dự đoán. Ví dụ: hệ thống học tập gợi ý khóa học dựa trên lịch sử học của nhân viên.
• AI tạo sinh (generative AI) tạo ra nội dung mới như văn bản, hình ảnh, âm thanh từ câu lệnh của người dùng. ChatGPT, Claude, Gemini, Copilot thuộc nhóm này.

Phần lớn người làm L&D hôm nay đang dùng AI tạo sinh. Trong khảo sát của ATD với 232 người làm phát triển nhân tài năm 2025, gần như toàn bộ người dùng AI đang dùng AI tạo sinh, chỉ khoảng 1/5 dùng AI truyền thống. Gần 2/3 mới bắt đầu dùng trong vòng một năm.

Điều quan trọng cần nhớ: AI tạo sinh dự đoán từ tiếp theo hợp lý nhất dựa trên dữ liệu nó đã học. Nó không "biết" công ty anh chị, không "hiểu" học viên của anh chị, trừ khi anh chị đưa bối cảnh đó vào.

Đầu ra: anh chị phân biệt được mình đang cần AI tạo nội dung hay AI phân tích dữ liệu, để chọn đúng công cụ và đặt đúng kỳ vọng.

12 ngộ nhận và thực tế đằng sau

Tác giả Myra Roldan, trong số TD at Work "Unlocking the Power of AI", có một bảng đối chiếu ngộ nhận và thực tế rất đáng đọc. Mình gom lại thành bốn nhóm, kèm cách hiểu cho bối cảnh doanh nghiệp Việt Nam.

Nhóm 1: Ngộ nhận về việc AI thay thế con người

1. "AI sẽ tự động thiết kế cả khóa học." Thực tế, AI hỗ trợ được từng bước, nhưng thiết kế học tập vẫn cần óc sáng tạo, chuyên môn nội dung và nguyên tắc sư phạm. AI cho anh chị bản nháp, không cho anh chị chương trình.
2. "AI coach, AI tutor sẽ thay giảng viên." Kết nối cảm xúc giữa người dạy và người học là yếu tố then chốt. AI tutor là công cụ bổ trợ cho một phạm vi hẹp, không phải người thay thế.
3. "Người làm L&D sẽ mất việc." AI mở rộng năng lực của đội L&D, giúp đội dành thời gian cho việc giá trị cao hơn. Đổi lại, người làm L&D cần thêm kỹ năng mới: biết giao việc cho AI và kiểm soát kết quả.

Nhóm 2: Ngộ nhận về chất lượng nội dung

4. "Nội dung AI viết tốt ngang người viết." Nội dung AI còn hạn chế về sắc thái, độ chính xác và tính nguyên bản. Chuyên gia vẫn phải đọc lại và chỉnh sửa.
5. "AI đánh giá được kỹ năng mềm và cảm xúc." AI chưa đo hiệu quả được những phẩm chất như năng lực lãnh đạo hay sự thấu cảm. Những thứ đó cần con người quan sát.
6. "AI sẽ cá nhân hóa hoàn toàn việc học." AI giúp cá nhân hóa tốt hơn, nhưng khác biệt giữa từng nhóm học viên, từng văn hóa đơn vị vẫn cần người thiết kế am hiểu bối cảnh.

Nhóm 3: Ngộ nhận về sự khách quan

7. "AI khách quan vì là thuật toán." Thiên lệch của AI đến từ dữ liệu huấn luyện. Nếu dữ liệu lệch, kết quả cũng lệch. Một ví dụ nổi tiếng là công cụ tuyển dụng thử nghiệm của Amazon từng bị dừng vì đánh giá thấp hồ sơ ứng viên nữ.
8. "Càng nhiều dữ liệu học viên, AI càng chính xác." Dữ liệu không liên quan hoặc xử lý kém làm giảm độ chính xác. Chất lượng và mục đích rõ ràng quan trọng hơn số lượng.
9. "AI là hộp đen, không ai hiểu được." Người dùng có quyền đòi hỏi minh bạch về cách dữ liệu được xử lý. Không minh bạch là thiếu đạo đức, không phải điều đương nhiên.

Nhóm 4: Ngộ nhận về triển khai

10. "Cài vào là chạy." Muốn AI tạo giá trị thật, phải gắn vào quy trình làm việc, đào tạo người dùng và điều chỉnh nhiều vòng. Giải pháp nhanh hiếm khi bền.
11. "Thuê nhà cung cấp là hết trách nhiệm." Đội L&D vẫn chịu trách nhiệm giám sát cách nhà cung cấp dùng dữ liệu và AI.
12. "Học viên đồng ý là đủ." Đồng ý một lần chưa đủ. Cần minh bạch liên tục, cho phép người học rút lại dữ liệu và kiểm soát cách dữ liệu được dùng.

Đầu ra: anh chị có thể tự kiểm tra kỳ vọng của mình và của sếp trước khi bắt đầu một dự án AI.

Người làm L&D đang thật sự dùng AI vào việc gì?

Câu hỏi dẫn: trong công việc hằng ngày, AI giúp được nhiều nhất ở khâu nào?

Báo cáo nghiên cứu "AI in Instructional Design" của ATD năm 2025 cho câu trả lời khá rõ:

Kết quả khảo sát	Con số
Người thiết kế học tập đang dùng AI	80%
Thấy AI cải thiện khả năng thiết kế khóa học (nhiều hoặc phần nào)	90%
Thấy AI rút ngắn thời gian thiết kế (nhiều hoặc phần nào)	92%
Thấy chất lượng khóa học tốt hơn từ khi dùng AI	70%
Thấy AI rất hữu ích để xử lý thông tin sai hoặc lỗi thời	chỉ 14%

Những việc được dùng nhiều nhất là tóm tắt và lập dàn ý, viết, động não ý tưởng. Trong thiết kế khóa học, AI được dùng nhiều để lập dàn ý, làm storyboard và viết mục tiêu học tập. Đây cũng là nhóm việc chuyên gia trong báo cáo đánh giá là "rủi ro thấp": nếu người làm L&D dành thời gian rà soát kết quả, năng suất tăng mạnh mà không đánh đổi nhiều.

Ngược lại, người làm L&D còn phân vân khi dùng AI cho phân tích dữ liệu học viên, quản lý dự án, tạo video và nhân vật ảo.

Đầu ra: anh chị biết nên bắt đầu thử AI ở việc nào để có kết quả sớm mà rủi ro thấp.

Bốn rủi ro cần quản lý ngay từ đầu

Câu hỏi dẫn: điều gì khiến người làm L&D lo nhất khi dùng AI?

Cũng theo khảo sát của ATD năm 2025, bốn mối lo hàng đầu là:

1. Bản quyền và sở hữu trí tuệ của nội dung AI tạo ra: 96% rất lo hoặc khá lo.
2. Độ chính xác của nội dung: 94%.
3. Bảo mật dữ liệu của tổ chức: 90%.
4. Thiên lệch của thuật toán: 90%.

Cách giảm rủi ro mà báo cáo gợi ý rất thực tế:

• Bản quyền: tìm hiểu quy định pháp luật nơi mình làm việc và chính sách của công ty.
• Độ chính xác: tự mình phải có hiểu biết nền về nội dung; mời chuyên gia nội dung kiểm tra; luôn đọc kết quả bằng tư duy phản biện.
• Bảo mật: làm theo chính sách quản trị dữ liệu của công ty; kiểm tra cài đặt quyền riêng tư của công cụ để biết dữ liệu của mình có bị dùng để huấn luyện mô hình không.
• Thiên lệch: viết câu lệnh cụ thể để tránh kết quả chung chung; luôn có người rà soát trước khi dùng.

Bắt đầu từ đâu: nhỏ, nhanh và có kiểm soát

Câu hỏi dẫn: một người làm L&D chưa có nhiều kinh nghiệm với AI nên làm gì trong tháng đầu tiên?

Lời khuyên chung từ các tài liệu của ATD có thể gói trong ba bước:

1. Bắt đầu với công cụ đã có sẵn. Nhiều phần mềm anh chị đang dùng như Microsoft 365, Google Workspace, Canva, Zoom đã tích hợp AI. Dùng chúng cho việc nhỏ và ghi lại lợi ích, rủi ro quan sát được.
2. Hỏi chính sách trước khi thử công cụ mới. Nếu công ty chưa có quy định về AI, hãy làm việc với pháp chế và IT. Minh bạch về việc mình đang thử, mời đồng nghiệp góp ý sớm.
3. Chạy thử nghiệm nhỏ, học nhanh, rồi mới mở rộng. Chọn một việc giá trị cao, đo thời gian trước và sau, ghi lại bài học. Luôn giữ người làm chuyên môn trong vòng rà soát.

Có một bước thứ tư mà mình muốn thêm từ kinh nghiệm xây hub này: khi một câu lệnh đã chạy tốt, đừng để nó nằm trong lịch sử trò chuyện. Hãy đóng gói nó thành một AI skill, tức là một quy trình chuẩn mà AI làm theo mỗi lần, để lần sau anh chị không phải viết lại từ đầu, và đồng nghiệp cũng dùng được.

Những điều cần nhớ

• AI tạo sinh dự đoán nội dung hợp lý, không "hiểu" tổ chức của anh chị trừ khi anh chị đưa bối cảnh vào.
• AI đưa anh chị từ 0 lên 80% nhanh hơn. 20% cuối, gồm độ chính xác, sắc thái và sự phù hợp, vẫn là việc của người làm nghề.
• Bắt đầu với việc rủi ro thấp: tóm tắt, lập dàn ý, viết mục tiêu, động não ý tưởng.
• Quản lý bốn rủi ro ngay từ đầu: bản quyền, độ chính xác, bảo mật, thiên lệch.
• Câu lệnh chạy tốt nên được đóng gói thành skill để dùng lại.

Câu hỏi thường gặp

Tôi không rành công nghệ, có dùng AI được không?

Được. Phần lớn công cụ AI tạo sinh hiện nay dùng bằng ngôn ngữ tự nhiên. Kỹ năng quan trọng nhất không phải công nghệ mà là biết mô tả rõ việc mình cần, đúng như khi anh chị giao việc cho một đồng nghiệp mới.

Nên dùng ChatGPT, Claude hay Gemini?

Công cụ nào công ty cho phép và anh chị thấy thuận tay thì dùng. Các skill trên hub đều dùng được cho cả ba. Điều quan trọng hơn là quy trình anh chị đưa cho AI.

Có cần nói với học viên là tài liệu có dùng AI không?

Nên minh bạch, đặc biệt khi nội dung ảnh hưởng đến quyết định của người học hoặc khi tổ chức có quy định. Minh bạch cũng giúp xây niềm tin với chính đội ngũ của anh chị.

Làm sao thuyết phục sếp cho thử AI?

Đề xuất một thử nghiệm nhỏ, có thời hạn, có chỉ số đo (thời gian tiết kiệm, chất lượng đầu ra), và có cam kết rõ về dữ liệu. Sếp thường dễ đồng ý với một thử nghiệm có kiểm soát hơn là một kế hoạch lớn.

Tài liệu tham khảo

• Roldan, M. (2024). Unlocking the Power of AI. TD at Work, ATD Press.
• ATD Research (2025). AI in Instructional Design: Transforming Workflows and Content Creation. Association for Talent Development.
• Lentz, M. (2025). Partner With AI for Instructional Design. TD at Work, ATD Press.