Quyết định 1671/QĐ-TTg và Trường Đại học Ngoại thương: từ Chiến lược quốc gia trí tuệ nhân tạo đến năm bản lề 2026-2027

Mục 1. Vì sao một trường kinh tế phải đọc trọn 64 trang chiến lược trí tuệ nhân tạo

Ngày 28 tháng 8 năm 2026, Phó Thủ tướng Chính phủ Hồ Quốc Dũng ký ban hành Quyết định số 1671/QĐ-TTg phê duyệt Chiến lược quốc gia về Trí tuệ nhân tạo đến năm 2030, tầm nhìn đến năm 2045. Văn bản có hiệu lực kể từ ngày ký và thay thế Chiến lược quốc gia về trí tuệ nhân tạo giai đoạn trước theo Quyết định số 127/QĐ-TTg ngày 26 tháng 01 năm 2021. Bản gốc dài 64 trang, kèm hai phụ lục liệt kê 97 nhiệm vụ, giải pháp và 32 chỉ tiêu đo đếm được.

Với nhiều người làm giáo dục, phản ứng đầu tiên khi nghe đến một chiến lược quốc gia về trí tuệ nhân tạo là gán nó cho ngành công nghệ thông tin: đó là chuyện của các viện nghiên cứu, của các hãng phần mềm, của những kỹ sư làm mô hình. Cuộn qua vài chục trang đầu đầy những thuật ngữ về hạ tầng tính toán, dữ liệu, tham số mô hình, người ta dễ kết luận rằng không có gì liên quan đến sổ ghi chép của một hội đồng trường kinh tế.

Cách đọc ấy bỏ sót điều cốt lõi: đây trước hết là một văn bản về kinh tế. Chiến lược đặt mục tiêu đến năm 2030 kinh tế trí tuệ nhân tạo chiếm tỷ trọng khoảng 6% tổng sản phẩm quốc nội (GDP — chỉ tiêu đo giá trị nền kinh tế), năng suất lao động tăng thêm 10-15% nhờ ứng dụng trí tuệ nhân tạo. Các trọng tâm ngành được điểm tên gồm thương mại điện tử - logistics, tài chính - ngân hàng, nông nghiệp, năng lượng, giao thông - đô thị: gần như trùng khớp với danh mục ngành đào tạo và mảng nghiên cứu chủ lực của Trường Đại học Ngoại thương. Một nền kinh tế mà sáu phần trăm tổng sản phẩm xoay quanh trí tuệ nhân tạo không thể là nền kinh tế mà trường kinh tế đứng ngoài nhìn vào.

Ba con số đáng ghi nhớ trước khi lật trang: 6% — tỷ trọng kinh tế trí tuệ nhân tạo mục tiêu năm 2030; 50.000 — nhân lực trình độ đại học trở lên có năng lực ứng dụng trí tuệ nhân tạo trong các ngành trọng điểm mà quốc gia cần đào tạo; 45 — số lần cụm "cơ sở giáo dục" được nhắc đến trong văn bản, phần lớn trong danh sách nhiệm vụ của Phụ lục I. Con số thứ ba nói lên điều mà tiêu đề văn bản không nói thẳng: trường học không đứng ngoài chiến lược này, mà là một chủ thể được giao việc.

Bài viết này trả lời hai câu hỏi. Một, Chiến lược quốc gia về trí tuệ nhân tạo thực chất nói gì, ra đời trong bối cảnh nào, và đặt trường đại học vào vị trí nào? Hai, với Kế hoạch chuyển đổi số năm học 2026-2027 đang triển khai, Trường Đại học Ngoại thương cần bổ sung những gì để vừa tuân thủ pháp luật, vừa nắm lấy cơ hội mà văn bản mở ra? Câu trả lời cho câu hỏi thứ hai không phải là một kế hoạch mới đứng cạnh kế hoạch đang có, mà là ba lớp việc gia thêm đúng chỗ vào khung kế hoạch hiện hành — luận điểm mà các mục cuối sẽ chứng minh.

Mục 2. Bối cảnh ra đời: từ "ứng dụng trí tuệ nhân tạo" đến "chuyển đổi bằng trí tuệ nhân tạo"

2.1. Năm 2021 và giới hạn của tư duy "ứng dụng"

Chiến lược quốc gia về trí tuệ nhân tạo đầu tiên được phê duyệt đầu năm 2021, khi cả nước chưa có đạo luật riêng về lĩnh vực này. Định hướng của văn bản cũ tóm gọn trong cụm từ "nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo". Trong bối cảnh đó, cách hiểu phổ biến ở các tổ chức, kể cả các trường đại học, là tư duy "lắp thêm": chọn một vài bài toán, mua hoặc xây một công cụ, gắn vào quy trình đang chạy. Công nghệ đóng vai như một thiết bị ngoại vi — cắm vào thì tiện hơn, rút ra thì quy trình vẫn chạy như cũ.

Nghiên cứu quốc tế đã cảnh báo giới hạn của tư duy này từ sớm. Tổng quan đa ngành về trí tuệ nhân tạo của (Dwivedi và cộng sự, 2021) chỉ rõ rằng việc mua công nghệ không tự động sinh ra giá trị; hiệu quả chỉ xuất hiện khi quy trình vận hành, cấu trúc tổ chức và năng lực con người thay đổi theo công nghệ. Nói cách khác, "có công cụ" và "đã chuyển đổi" là hai trạng thái khác nhau, và khoảng cách giữa chúng chính là nơi phần lớn tổ chức bỏ tiền mà không thu được kết quả.

Năm năm triển khai Chiến lược 2021 ở Việt Nam cũng cho thấy mô hình ấy: có những điểm sáng ứng dụng rải rác, nhưng mặt bằng chung của các tổ chức, doanh nghiệp và cơ quan nhà nước vẫn là số hóa từng phần trên nền quy trình cũ. Bài học đó không phải của riêng quốc gia — như các mục sau sẽ cho thấy, chính Trường Đại học Ngoại thương cũng đã trả học phí tương tự với những quy trình học vụ bị số hóa nguyên trạng, càng số hóa càng phơi bày sự rườm rà vốn có.

2.2. Nửa cuối năm 2024 đến năm 2025: hệ pháp lý dựng xong bộ khung

Bước ngoặt đến từ Nghị quyết số 57-NQ/TW ngày 22 tháng 12 năm 2024 của Bộ Chính trị về đột phá phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số quốc gia. Với vị thế nghị quyết của Bộ Chính trị, chuyển đổi số chính thức được nâng từ chủ đề ngành lên đột phá chiến lược của cả hệ thống. Trên nền định hướng ấy, trong vòng một năm, Quốc hội thông qua một chuỗi đạo luật chưa từng có tiền lệ về mật độ: Luật Dữ liệu (ngày 30 tháng 11 năm 2024); Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15 (ngày 26 tháng 6 năm 2025), kèm Nghị định số 356/2025/NĐ-CP có hiệu lực từ ngày 01 tháng 01 năm 2026 thay thế Nghị định số 13/2023/NĐ-CP; Luật Công nghiệp công nghệ số (ngày 14 tháng 6 năm 2025); Luật Trí tuệ nhân tạo (thông qua ngày 10 tháng 12 năm 2025); Luật Chuyển đổi số (ngày 11 tháng 12 năm 2025); Luật An ninh mạng số số 116/2025/QH15 (ngày 10 tháng 12 năm 2025, hiệu lực từ ngày 01 tháng 7 năm 2026).

Hệ quả rất trực diện: Chiến lược năm 2021 được viết cho một môi trường chưa có luật, trong khi đến năm 2026, quốc gia đã có bộ khung pháp lý hoàn chỉnh điều chỉnh từ dữ liệu, an toàn thông tin đến chính ngành công nghiệp trí tuệ nhân tạo. Một văn bản định hướng 10 năm không thể tiếp tục vận hành khi căn cứ pháp lý của nó đã thay đổi đến tận gốc. Việc ban hành chiến lược mới vì thế không phải điều chỉnh kỹ thuật, mà là viết lại bản đồ cho phù hợp với địa hình pháp lý mới — và ở quốc gia nào, việc thay văn bản chiến lược cũng cần một cột mốc đủ mạnh. Ở Việt Nam, cột mốc đó là bộ luật năm 2025.

2.3. Bối cảnh quốc tế: chiến lược như một lời kể về tương lai

Việt Nam không làm việc này một mình. Từ cuối thập niên 2010, các quốc gia lần lượt công bố chiến lược trí tuệ nhân tạo quốc gia, hình thành một làn sóng chính sách kéo dài đến nay. Nghiên cứu phân tích diễn ngôn của (Bareis và Katzenbach, 2021) về các chiến lược này chỉ ra một điểm thú vị: chiến lược quốc gia về trí tuệ nhân tạo ít khi hoạt động như một kế hoạch kỹ thuật chi tiết, và chủ yếu hoạt động như một công cụ kể chuyện — chính phủ dùng nó để định hình kỳ vọng xã hội, điều phối doanh nghiệp và tổ chức nghiên cứu hướng về một tương lai công nghệ mà nhà nước muốn kiến tạo. Khi nghiên cứu công bố, hơn 60 quốc gia đã có văn bản kiểu này.

So với làn sóng nói trên, Việt Nam tham gia chậm hơn một nhịp, nhưng chậm có lợi thế của người đi sau: chiến lược mới được ban hành khi hệ pháp lý chuyên biệt đã có hiệu lực — điều mà nhiều quốc gia đi đầu vẫn còn thiếu. Vị thế "hậu phát có luật" cho phép chiến lược không dừng ở lời kêu gọi, mà gắn trực tiếp vào nghĩa vụ pháp lý đo được, có thời hạn, có cơ quan chịu trách nhiệm.

2.4. Bước nhảy khái niệm năm 2026: từ "ứng dụng" sang "chuyển đổi bằng"

Điểm khác biệt sâu nhất giữa hai văn bản nằm ở một cụm từ. Quan điểm chỉ đạo đầu tiên của Quyết định số 1671/QĐ-TTg viết nguyên văn: "chuyển từ nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo sang chuyển đổi toàn diện bằng trí tuệ nhân tạo trong các lĩnh vực của đời sống kinh tế - xã hội".

Trong câu chữ hành chính tưởng như chỉ là cách diễn đạt, sự dịch chuyển này có cấu trúc ngữ pháp rõ ràng: trí tuệ nhân tạo chuyển từ vị trí đối tượng bị ứng dụng sang vị trí công cụ chủ đạo của toàn bộ quá trình chuyển đổi. "Ứng dụng trí tuệ nhân tạo" hỏi: bài toán nào nên gắn thêm công nghệ? "Chuyển đổi bằng trí tuệ nhân tạo" hỏi: quy trình nào, dịch vụ nào, mô hình vận hành nào cần được thiết kế lại, và trong thiết kế lại đó trí tuệ nhân tạo đóng vai gì ở tận gốc?

Với một tổ chức, hai câu hỏi đó dẫn tới hai hành động khác hẳn nhau. Câu hỏi thứ nhất kết thúc ở phòng mua sắm: chọn nhà cung cấp, ký hợp đồng. Câu hỏi thứ hai bắt đầu ở phòng tổ chức: vẽ lại quy trình, phân công lại trách nhiệm, đo lại kết quả. Đây chính là mạch logic mà Mục 4 sẽ chứng minh bằng thực tiễn của chính Trường Đại học Ngoại thương: quốc gia vừa hợp thức hóa bài học mà trường đã tự rút ra khi thiết kế lại quy trình xét tốt nghiệp — số hóa một quy trình rườm rà chỉ khiến sự rườm rà chạy nhanh hơn; phải thiết kế lại quy trình, rồi đặt trí tuệ nhân tạo vào đúng chỗ trong thiết kế mới.

Mục 3. Giải phẫu Quyết định 1671: đọc bản chiến lược như một nhà quản trị

3.1. Sáu quan điểm, một mệnh lệnh duy nhất

Phần quan điểm của Quyết định số 1671/QĐ-TTg gồm sáu ý, nhưng đọc gộp lại chỉ có một mệnh lệnh xuyên suốt: lấy người dân, doanh nghiệp làm trung tâm; coi dữ liệu là tài nguyên; bảo đảm an toàn, an ninh, đạo đức của trí tuệ nhân tạo; phát huy sức mạnh tổng hợp của cả hệ thống chính trị; chủ động hợp tác quốc tế gắn với tự chủ nội sinh — và trên nền đó, chuyển từ nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo sang chuyển đổi toàn diện bằng trí tuệ nhân tạo trong các lĩnh vực của đời sống kinh tế - xã hội. Quan điểm thứ nhất giữ vai trò kim chỉ nam cho cả văn bản: nó quyết định cách đọc mọi mục tiêu, nhiệm vụ đứng sau. Một tổ chức hiểu đúng quan điểm này sẽ không hỏi "năm nay mua công cụ gì", mà hỏi "năm nay thiết kế lại quy trình nào".

3.2. Mục tiêu đến năm 2030: bốn nhóm chỉ tiêu đan sợi chỉ đỏ

Đến năm 2030, Việt Nam phấn đấu vào nhóm 3 quốc gia dẫn đầu khu vực Đông Nam Á (ASEAN — Hiệp hội các quốc gia Đông Nam Á) về trí tuệ nhân tạo; kinh tế trí tuệ nhân tạo chiếm tỷ trọng khoảng 6% tổng sản phẩm quốc nội; năng suất lao động tăng thêm 10-15% nhờ ứng dụng trí tuệ nhân tạo. Đó là ba chỉ tiêu "đầu ra" mang tính kinh tế. Bốn nhóm chỉ tiêu còn lại chia theo lý do tồn tại của một chiến lược:

Nhóm công nghệ: phát triển 5 nền tảng công nghệ dùng chung; tối thiểu 10 thương hiệu sản phẩm, dịch vụ trí tuệ nhân tạo của Việt Nam có vị thế tại khu vực; phát triển 8 mô hình nền tảng trí tuệ nhân tạo tiếng Việt chia theo 4 cỡ tham số — 2 mô hình nhỏ dưới 7 tỷ tham số, 2 mô hình vừa từ 7 đến 70 tỷ tham số, 2 mô hình lớn từ 70 đến 300 tỷ tham số, 2 mô hình rất lớn trên 300 tỷ tham số. Cách chia theo cỡ tham số không phải thuật ngữ kỹ thuật suông: nó cho biết quốc gia muốn có đầy đủ thang sản phẩm, từ mô hình nhẹ chạy trên thiết bị cho đến mô hình ngôn ngữ cỡ lớn phục vụ hạ tầng quốc gia.

Nhóm nhân lực: đào tạo 10.000 chuyên gia trí tuệ nhân tạo chất lượng cao; 50.000 nhân lực trình độ đại học trở lên có năng lực ứng dụng trí tuệ nhân tạo trong các ngành trọng điểm; 500.000 lao động được đào tạo lại về trí tuệ nhân tạo đến năm 2030; 10 triệu lao động được trang bị kỹ năng cơ bản về ứng dụng trí tuệ nhân tạo. Bốn cấp nhân lực này xếp thành hệ sinh thái hình tháp: đỉnh là chuyên gia nghiên cứu, phát triển; ba tầng giữa là người ứng dụng thành thạo, người được đào tạo lại và người có kỹ năng cơ bản. Trường đại học kinh tế không cạnh tranh ở tầng chuyên gia kỹ thuật, nhưng trực tiếp phục vụ cả ba tầng giữa — nơi quyết định liệu trí tuệ nhân tạo có thực sự đi vào nền kinh tế hay không.

Nhóm hạ tầng và nguồn lực: huy động đầu tư 1-1,5% tổng sản phẩm quốc nội hằng năm cho phát triển trí tuệ nhân tạo; hạ tầng tính toán đạt 560 EFLOPS BF16 hoặc 1.100 EFLOPS FP8 (EFLOPS — đơn vị đo tốc độ tính toán của siêu máy tính; BF16 và FP8 là hai định dạng tính toán) với công suất tiêu thụ khoảng 500 MW. Đây là những con số cam kết ngân sách và hạ tầng, cho thấy chiến lược được tính bằng đồng tiền chứ không phải lời kêu gọi.

3.3. Tầm nhìn đến năm 2045: trí tuệ nhân tạo và bài toán vượt bẫy thu nhập trung bình

Đến năm 2045, Việt Nam phấn đấu thuộc nhóm 10 quốc gia dẫn đầu châu Á về trí tuệ nhân tạo; phấn đấu trở thành quốc gia phát triển, thông qua trí tuệ nhân tạo để vượt bẫy thu nhập trung bình. Câu này đáng dừng lại: quốc gia không coi trí tuệ nhân tạo là ngành công nghiệp để phát triển song song, mà là đòn bẩy để giải một bài toán kinh tế tổng thể. Điều đó lý giải vì sao văn bản xuyên suốt là các lĩnh vực kinh tế - xã hội chứ không phải danh sách dự án công nghệ. Với một trường kinh tế, tầm nhìn 2045 thực chất là một thông điệp gửi đến ngành khoa học kinh tế: công cụ mới đã sẵn sàng, bài toán trang bị cho thế hệ sẽ cầm trịch nền kinh tế năm 2045 là của khoa học kinh tế.

3.4. Chín trụ cột và hai trụ cột trực tiếp chạm trường học

Chiến lược tổ chức công việc thành 9 trụ cột trọng tâm: hoàn thiện thể chế, pháp luật và chuẩn kỹ thuật; dữ liệu và hạ tầng tính toán; nghiên cứu, phát triển và đổi mới sáng tạo; nhân lực; môi trường đầu tư kinh doanh và doanh nghiệp; quốc phòng, an ninh; hợp tác quốc tế; truyền thông, giáo dục và nhận thức xã hội; quản trị số và trí tuệ nhân tạo. Chín trụ cột này là cách quốc gia chia việc cho toàn hệ thống; với một cơ sở giáo dục, hai trụ cột trực tiếp chạm đến sổ việc hằng ngày là "truyền thông, giáo dục và nhận thức xã hội" và "quản trị số và trí tuệ nhân tạo". Trụ cột trước giao trường việc nâng cao nhận thức, phổ biến pháp luật, bồi dưỡng kỹ năng; trụ cột sau đòi hỏi chính trường phải quản trị bằng dữ liệu trước khi dạy điều đó cho người khác.

Chín trụ cột đó không đối xử với mọi tổ chức như nhau — mỗi trụ cột kéo một nhóm chủ thể khác nhau vào cuộc. Trụ cột thể chế kéo theo cơ quan soạn thảo chính sách, nhưng cũng buộc mỗi tổ chức dùng hệ thống trí tuệ nhân tạo phải đối chiếu chuẩn kỹ thuật mới. Trụ cột dữ liệu và hạ tầng tính toán chủ yếu là việc của nhà nước và doanh nghiệp hạ tầng, song nó quyết định giá cả và độ sẵn sàng của dịch vụ tính toán mà trường sẽ mua. Trụ cột nghiên cứu và đổi mới sáng tạo mở kênh đề tài, mạng lưới chuyên gia mà các khoa có thể trực tiếp nộp đơn tham gia. Trụ cột nhân lực là mảnh đất cốt lõi của giáo dục đại học: cả bốn cấp nhân lực của hình tháp đều phải đi qua giảng đường. Trụ cột môi trường đầu tư và doanh nghiệp ảnh hưởng gián tiếp qua bức tranh việc làm mà chương trình đào tạo phải phản hồi. Trụ cột quốc phòng - an ninh đặt yêu cầu an toàn hệ thống mà bộ phận công nghệ thông tin trường phải tuân theo. Trụ cột hợp tác quốc tế quyết định việc trường có thể nhận chuyển giao, gửi giảng viên đi bồi dưỡng, hay tham gia chuẩn khu vực. Riêng hai trụ cột cuối — truyền thông, giáo dục và nhận thức xã hội; quản trị số và trí tuệ nhân tạo — giao trực tiếp cho mọi cơ sở giáo dục hai đầu việc: dạy cho xã hội hiểu, và tự quản trị cho đúng.

3.5. Trọng tâm "trí tuệ nhân tạo cho giáo dục": giải mã sáu thành phần

Trong danh sách trọng tâm ngành, mục "trí tuệ nhân tạo cho giáo dục" được viết với hai gạch đầu dòng nguyên văn:

"Phát triển nền tảng giáo dục thông minh, học liệu số mở, hệ thống học tập thích ứng, trợ lý học tập AI và công cụ đánh giá năng lực người học."

"Phát triển, triển khai, sử dụng AI hỗ trợ cơ sở giáo dục quản lý, vận hành dựa trên dữ liệu; nâng cao năng lực quản lý giáo dục, chất lượng dạy và học, khả năng tiếp cận giáo dục và kỹ năng AI cho người học, nhà giáo, người lao động."

Gạch đầu dòng thứ nhất gói gọn năm thành phần phía người học. Nền tảng giáo dục thông minh là lớp vỏ hạ tầng; học liệu số mở là điều kiện để dữ liệu học tập lưu thông; hệ thống học tập thích ứng điều chỉnh lộ trình theo từng người — hướng đã được tổng quan hệ thống của (Merino-Campos, 2025) xác nhận là một trong những ứng dụng tạo khác biệt rõ nhất về kết quả học tập; trợ lý học tập AI đi cùng người học trong từng bước; công cụ đánh giá năng lực đổi cách đo kết quả. Gạch thứ hai bổ sung thành phần thứ sáu phía nhà trường: quản lý, vận hành dựa trên dữ liệu. Đầy đủ sáu thành phần, một cơ sở giáo dục mới trọn vòng từ dạy học đến quản trị.

Đáng chú ý là sáu thành phần này không phải sáng kiến mới của văn bản: tổng quan hệ thống kinh điển về trí tuệ nhân tạo trong giáo dục đại học của (Zawacki-Richter và cộng sự, 2019) đã xác định từ năm 2019 rằng bốn hướng nghiên cứu lớn nhất của lĩnh vực chính là hệ thống đánh giá và dự đoán kết quả học tập, hệ thống hỗ trợ thích ứng, trợ lý học tập và phản hồi tự động — tức đúng các thành phần mà chiến lược quốc gia hiện đặt thành trọng tâm ngành. Điều đó có hai hàm ý: các nền tảng mà trường định xây năm 2027 đứng trên mười lăm năm nghiên cứu quốc tế, không phải thí kiện mạo hiểm; và kinh nghiệm - sai lầm của người đi trước đã được tổng hợp đầy đủ, việc của trường là đọc được chúng chứ không phải trả lại học phí.

3.6. "Cơ sở giáo dục" xuất hiện 45 lần: trường đại học là chủ thể, không phải khán giả

Trong toàn văn, cụm "cơ sở giáo dục" xuất hiện 45 lần, tập trung ở Phụ lục I — danh mục 97 nhiệm vụ, giải pháp. Rà soát những lần xuất hiện đó cho thấy trường học được giao vai trò chủ thể của hàng chục nhiệm vụ: từ việc tham gia mạng lưới chuyên gia trí tuệ nhân tạo người Việt toàn cầu, xây dựng các chương trình đào tạo, bồi dưỡng nhân lực, cho đến "thúc đẩy hợp tác giữa doanh nghiệp, tổ chức khoa học và công nghệ, cơ sở giáo dục đại học và nhà đầu tư" — một liên minh nghiên cứu - phát triển trong đó trường đại học là mắt xích cạnh doanh nghiệp và vốn. Nhiệm vụ nhóm thể chế còn ghi rõ "tổ chức truyền thông, phổ biến, giáo dục pháp luật, tập huấn về nội dung Luật Trí tuệ nhân tạo" — nghĩa vụ phổ biến pháp luật đến đội ngũ của chính mình.

Đọc theo cách đó, bức tranh rất rõ: Quyết định số 1671/QĐ-TTg không đặt trường đại học ở vị trí người chờ nhận công nghệ, mà ở vị trí người được giao việc cụ thể trong 97 nhiệm vụ quốc gia. Câu hỏi của một hội đồng trường không phải "chiến lược này có liên quan đến mình không", mà là "trong 97 nhiệm vụ đó, trường nhận về bao nhiêu việc, và việc nào phải làm trước năm học 2026-2027 này". Mục tiếp theo trả lời câu hỏi đó cho trường hợp cụ thể của Trường Đại học Ngoại thương.

Mục 4. Sự cần thiết áp dụng Chiến lược quốc gia trí tuệ nhân tạo tại Trường Đại học Ngoại thương

Nếu Mục 3 trả lời "văn bản nói gì", mục này trả lời "vì sao trường phải hành động ngay trong năm học 2026-2027". Có năm lý do, xếp theo mức độ cấp bách giảm dần: ba lý do đầu mang tính bắt buộc hoặc thời điểm, hai lý do sau mang tính cơ hội. Cả năm đều xuất phát từ dữ kiện đã kiểm chứng — văn bản pháp luật có hiệu lực, số liệu khảo sát nội bộ của trường và bằng chứng nghiên cứu quốc tế đã xác minh.

4.1. Luật đã có hiệu lực: tuân thủ không còn là lựa chọn

Luật Trí tuệ nhân tạo được Quốc hội thông qua ngày 10 tháng 12 năm 2025 và hệ thống văn bản thi hành đi kèm đã tạo ra ba mốc thời hạn cụ thể, không phụ thuộc vào việc trường có theo đuổi chiến lược nào hay không.

Thứ nhất, Quyết định số 33/2026/QĐ-TTg ngày 02 tháng 7 năm 2026 của Thủ tướng Chính phủ ban hành Danh mục hệ thống trí tuệ nhân tạo có rủi ro cao, kèm yêu cầu rà soát, đánh giá, kiểm toán tuân thủ và gắn nhãn các hệ thống thuộc danh mục — hạn hoàn thành trước ngày 01 tháng 9 năm 2027. Với một trường đại học đang dùng phần mềm khảo thí tự động, công cụ phát hiện đạo văn, hệ thống gợi ý đăng ký học phần — những hệ thống đều có thành phần trí tuệ nhân tạo tác động đến quyền lợi người học — việc đối chiếu với danh mục này không thể trì hoãn. Chỉ còn đúng một năm học: năm 2026-2027.

Thứ hai, Thông tư số 10/2026/TT-BGDĐT về quy chế văn bằng, chứng chỉ giáo dục đại học có hiệu lực từ ngày 01 tháng 01 năm 2026, chuẩn hóa văn bằng ký số và cơ chế xác thực qua VNeID (ứng dụng định danh điện tử quốc gia). Văn bằng không đáp ứng chuẩn này về nguyên tắc không xác thực được trong hệ thống quốc gia.

Thứ ba, Nghị định số 88/2026/NĐ-CP ngày 28 tháng 3 năm 2026 về quản lý dữ liệu ngành giáo dục quy định việc cấp mã định danh cho người học và kết nối cơ sở dữ liệu giáo dục của trường với cơ sở dữ liệu quốc gia về giáo dục — hạn trước ngày 01 tháng 01 năm 2027, tức rơi vào giữa Đợt 1 của Kế hoạch chuyển đổi số năm học 2026-2027.

Điểm mấu chốt cần nói thẳng: rủi ro lớn nhất của việc chậm tuân thủ không phải tiền phạt. Đó là tình huống hệ thống quản lý đào tạo của trường không kết nối được với cơ sở dữ liệu quốc gia, sinh viên tốt nghiệp mà văn bằng không xác thực được, hồ sơ người học không có mã định danh hợp lệ. Những hậu hại đó đánh thẳng vào tín nhiệm của một trường tuyển sinh đầu năm — thứ tài sản mất nhiều năm mới xây lại được. Trụ cột thứ nhất của Kế hoạch chuyển đổi số hiện hành (rà soát thể chế, chính sách, tuân thủ) chính là mỏ neo tự nhiên cho cả ba việc; vấn đề duy nhất là nội dung rà soát phải được mở rộng cho thành phần trí tuệ nhân tạo, không dừng ở an toàn thông tin truyền thống.

4.2. Thị trường lao động phái sinh từ chiến lược: sinh viên năm nhất 2026 tốt nghiệp giữa năm 2030

Chiến lược đặt mục tiêu kinh tế trí tuệ nhân tạo chiếm khoảng 6% tổng sản phẩm quốc nội vào năm 2030, gắn với hai chỉ tiêu nhân lực trực tiếp: 50.000 nhân lực trình độ đại học trở lên có năng lực ứng dụng trí tuệ nhân tạo trong các ngành trọng điểm, và 500.000 lao động được đào tạo lại. Ngành trọng điểm trong danh mục chiến lược — thương mại, logistics, tài chính - ngân hàng — trùng với chính các chuyên ngành đào tạo chủ lực của Trường Đại học Ngoại thương.

Sinh viên nhập học tháng 9 năm 2026 sẽ tốt nghiệp khoảng giữa năm 2030 — đúng thời điểm cả ba chỉ tiêu trên phải đạt. Nói cách khác, thế hệ đang ngồi giảng đường năm học này là thế hệ mà chiến lược định nghĩa trước thị trường việc làm của nó. Nếu đến kỳ tuyển dụng 2030, nhà tuyển dụng mặc định ứng viên ngành kinh tế phải dùng thành thạo công cụ trí tuệ nhân tạo trong phân tích thị trường, vận hành chuỗi cung ứng, quản trị rủi ro, thì chương trình đào tạo nào chưa chứa nội dung đó đã trễ một nhịp tổng thể.

Nghiên cứu quốc tế xác nhận đây không phải phỏng đoán của người làm kế hoạch. Khảo sát sinh viên về công cụ trí tuệ nhân tạo tạo sinh của (Chan và Hu, 2023) cho thấy người học không chờ nhà trường: họ đã dùng, và họ đòi hỏi được hướng dẫn sử dụng chính đáng cùng chính sách rõ ràng thay vì lệnh cấm đoán toàn phần. (Walter, 2024) luận giải năng lực sử dụng trí tuệ nhân tạo đã trở thành năng lực nền tảng của cả người dạy lẫn người học, tương tự trình độ công nghệ thông tin hai thập kỷ trước. Về phía người sử dụng lao động, nghiên cứu thực địa của (Brynjolfsson và cộng sự, 2023) về công cụ trí tuệ nhân tạo tạo sinh tại doanh nghiệp dịch vụ cho thấy năng suất tăng rõ rệt nhất ở nhóm nhân viên kinh nghiệm trung bình — bằng chứng rằng công nghệ này tái phân công lao động tri thức, nâng nhóm theo kịp nhanh hơn thay vì chỉ thưởng cho chuyên gia đầu ngành. Hàm ý với đào tạo kinh tế: trang bị năng lực ứng dụng trí tuệ nhân tạo là cách nâng giá trị lao động của số đông sinh viên, đúng đối tượng của trường.

Chỉ tiêu 500.000 lao động đào tạo lại còn mở một thị trường thứ hai ít được nói đến: đào tạo thường xuyên. Người cần đào tạo lại về trí tuệ nhân tạo không phải chủ yếu là sinh viên chính quy — mà là người đã đi làm ở các doanh nghiệp xuất nhập khẩu, logistics, tài chính, những người không thể quay lại giảng đường trọn vẹn hai năm. Trường kinh tế có truyền thống đào tạo ngắn hạn, bổ túc, chứng chỉ cho doanh nghiệp đang nắm đúng kênh đến nhóm đối tượng này. Khi quốc gia đặt con số nửa triệu người đào tạo lại đến năm 2030, câu hỏi của một nhà cung cấp dịch vụ đào tạo rất thực tế: trong nửa triệu đó, trường chiếm được bao nhiêu, bằng sản phẩm gì, giá bao nhiêu. Chương trình bồi dưỡng năng lực ứng dụng trí tuệ nhân tạo cho cán bộ doanh nghiệp — thiết kế theo các mô đun ngắn, học phần rời, cấp chứng chỉ mở rộng — vừa là dịch vụ vừa là kênh xây dựng liên minh doanh nghiệp của Mục 4.5. Ngân sách nhà nước cho việc này chưa chắc qua ngân sách giáo dục đại học; nó có thể qua quỹ đào tạo lại của doanh nghiệp, qua các chương trình của địa phương — tức thị trường mở cho người đi trước.

4.3. "Chuyển đổi bằng trí tuệ nhân tạo" gọi đúng tên bài học trường đã trả học phí

Trường hợp nội bộ thuyết phục nhất không nằm ở văn bản quốc gia, mà ở chính kết quả khảo sát quy trình phục vụ Kế hoạch chuyển đổi số 2026-2027. Quy trình xét tốt nghiệp hiện hành gồm 12 bước, đi qua 5 đơn vị, vòng xét duyệt kéo dài 49-94 ngày; khoảng 30% sinh viên phải điền lại đơn do sai sót dữ liệu. Quy trình đăng ký học phần trải 8-9 bước trên 3 hệ thống khác nhau. Cả hai đều đã được số hóa từng phần — đơn điện tử, phần mềm quản lý đào tạo, cổng thông tin — nhưng thời gian xử lý và tỷ lệ sai sót không giảm tương xứng.

Đó chính là minh chứng của luận điểm mà nghiên cứu chuyển đổi số đã xác lập từ trước: (Mergel và cộng sự, 2019) phân biệt dứt khoát giữa số hóa (chuyển giấy thành điện tử trên quy trình cũ) và chuyển đổi số (thiết kế lại quy trình và cấu trúc tổ chức, rồi đặt công nghệ vào thiết kế mới). Mô hình đánh giá mức trưởng thành đại học của (Rodríguez-Abitia và Bribiesca-Correa, 2021) cũng đo trên bốn trục dữ liệu - công nghệ - quy trình - con người, trong đó công nghệ chỉ là một trục. Nghiên cứu rào cản của (Singun, 2025) bổ sung góc nhìn vận hành: rào cản lớn nhất của chuyển đổi số đại học nằm ở năng lực số của giảng viên và lãnh đạo cùng văn hóa tổ chức, không nằm ở ngân sách mua công cụ.

Mô hình tái thiết kế mà trường đã lập đề cương — quy trình xét tốt nghiệp rút từ 12 bước, 49-94 ngày xuống 5 bước, 7-10 ngày — là hiện thân của đúng phương pháp mà Quyết định số 1671/QĐ-TTg nâng thành quan điểm chỉ đạo quốc gia. Trường đã tự trả học phí cho bài học "số hóa chưa bằng tái thiết kế" trong những năm qua; chiến lược quốc gia giờ hợp thức hóa bài học ấy thành phương pháp chung. Đưa thành phần trí tuệ nhân tạo vào các quy trình đã thiết kế lại (tự động kiểm tra đủ điều kiện, cảnh báo bất thường hồ sơ, gợi ý lộ trình) là lúc bài học nội bộ sinh lời — thay vì rải công nghệ lên quy trình 12 bước cũ và gọi đó là ứng dụng.

4.4. Công bằng số: trí tuệ nhân tạo không được để lại sinh viên phía sau

Bằng chứng thứ nhất đến từ chính người học trong nước. Nghiên cứu thực nghiệm của (Nguyen và Habók, 2021) về năng lực số của sinh viên Việt Nam cho thấy mức độ thành thạo không đồng đều theo vùng miền và hoàn cảnh gia đình: một bộ phận sinh viên vào đại học đã xử lý thông tin số lưu loát, trong khi bộ phận khác chưa đạt mức cơ bản. Khoảng cách đó không tự khép lại; nó lớn dần lên mỗi khi một công cụ mạnh hơn xuất hiện mà chỉ nhóm đã thành thạo biết khai thác.

Trí tuệ nhân tạo tạo sinh đúng là công cụ như thế. Nếu nhà trường im lặng, nhóm sinh viên đã có nền công nghệ sẽ tự khám phá và chạy xa; nhóm còn lại sẽ chỉ dùng nó để... chép nhanh hơn — hệ quả giáo dục ngược hoàn toàn với ý định. Nghiên cứu tổng quan các tổng quan của (Bond và cộng sự, 2024) về trí tuệ nhân tạo trong giáo dục đại học chỉ ra khoảng trống nghiên cứu về công bằng: phần lớn nghiên cứu thực hiện tại Bắc Mỹ và châu Âu, ít chú ý việc công nghệ này phô bày hay nới rộng bất bình đẳng năng lực số giữa các nhóm người học — một câu hỏi mà bối cảnh Việt Nam còn thiếu dữ liệu hơn nữa. Trường nào chủ động đo sớm, trường đó sở hữu dữ liệu và vị thế dẫn dắt thảo luận.

Kế hoạch chuyển đổi số hiện hành của trường đã có sẵn hai chương trình phù hợp để hóa giải rủi ro này: bình dân học vụ số (khoá bồi dưỡng kỹ năng số cơ bản cho toàn thể người học) và đội Sứ giả số (sinh viên tình nguyện hỗ trợ kỹ năng số cho đồng đội và cộng đồng). Điểm cần bổ sung chỉ là một: định hướng trí tuệ nhân tạo rõ ràng trong hai chương trình đó, cùng việc mang kết quả đánh giá năng lực số đầu vào theo khung DigComp (khung năng lực số cho người học) từ trạng thái số liệu chung chung sang công cụ phân bổ hỗ trợ — khoa nào, nhóm nào yếu ở năng lực nào thì nhận can thiệp trước. Đo để phân bổ, không đo để lưu trữ.

4.5. Vị thế nghiên cứu: dữ liệu tiếng Việt và những bài toán kinh tế mà phòng thí nghiệm kỹ thuật không có

Chiến lược đặt chỉ tiêu số công bố khoa học về trí tuệ nhân tạo của Việt Nam tăng tối thiểu 10% mỗi năm và phát triển 8 mô hình nền tảng trí tuệ nhân tạo tiếng Việt chia theo 4 cỡ tham số. Hai chỉ tiêu này mở ra không gian nghiên cứu rất đặc thù cho một trường kinh tế.

Mô hình tiếng Việt, để hữu ích trong kinh tế, cần đến ba thứ mà doanh nghiệp công nghệ không tự sản xuất được: ngữ liệu thương mại - tài chính tiếng Việt (hợp đồng, báo cáo, trao đổi doanh nghiệp), hiểu biết bối cảnh kinh tế - xã hội Việt Nam (thể chế, hành vi tiêu dùng, cấu trúc thị trường), và khả năng đặt câu hỏi kinh tế đúng (đo lường, suy luận, hàm ý chính sách). Đây là vùng dữ liệu và vấn đề của khoa học kinh tế — xứ sở của trường. Nghiên cứu tình huống của (Vũ và cộng sự, 2023) về một trường đại học Việt Nam xây tầm nhìn và lộ trình trí tuệ nhân tạo cho thấy tiền lệ: trường ấy chọn cách tham gia vào hệ sinh thái bằng thế mạnh đào tạo - nghiên cứu của mình chứ không đua hạ tầng. Đánh giá mức sẵn sàng thị trường của (Vuong và cộng sự, 2019) cũng chốt điểm nghẽn của Việt Nam ở hạ tầng và nhân lực — nghĩa là lợi thế so sánh của người tham gia muộn nằm ở nhân lực chất lượng và bài toán đúng, không ở số lượng máy chủ.

Phụ lục I của Quyết định số 1671/QĐ-TTg còn ghi nhiệm vụ "thúc đẩy hợp tác giữa doanh nghiệp, tổ chức khoa học và công nghệ, cơ sở giáo dục đại học và nhà đầu tư" — hình thức liên minh nghiên cứu - phát triển giữa bốn bên. Với Trường Đại học Ngoại thương, đây là cơ hội chuyển quan hệ doanh nghiệp từ mô hình tài trợ - tuyển dụng sang mô hình đối tác nghiên cứu: doanh nghiệp mang bài toán và dữ liệu thật, trường mang phương pháp và nhân lực nghiên cứu. So với mục tiêu công bố 10% mỗi năm, vài đề án liên minh kiểu này đáng giá hơn nhiều cuộc chạy đua đăng bài lẻ.

Tóm lại, năm lý do trên không đòi hỏi trường lập một chiến lược mới. Chúng đòi hỏi trường nhìn thẳng vào ba nghĩa vụ pháp lý có thời hạn, một thị trường lao động đang định hình lại, một bài học tái thiết kế quy trình đã tự trả học phí, một nghĩa vụ công bằng số với sinh viên, và một không gian nghiên cứu nằm đúng thế mạnh. Toàn bộ việc cần làm đều thả được vào khung Kế hoạch chuyển đổi số 2026-2027 đang có — và Mục 5 sẽ chỉ rõ thả vào đâu, ai làm, mất bao nhiêu, đo bằng gì.

Mục 5. Kế hoạch hành động: gắn Chiến lược quốc gia trí tuệ nhân tạo vào Kế hoạch chuyển đổi số năm học 2026-2027

5.1. Nguyên tắc thiết kế: ba lớp gia vào một khung, không dựng khung mới

Nguyên tắc xuyên suốt của mục này: Kế hoạch chuyển đổi số năm học 2026-2027 đang triển khai là khung xương sống; việc bổ sung cho Chiến lược quốc gia trí tuệ nhân tạo là ba lớp việc gia thêm vào đúng các trụ cột, đợt và dòng phân công đang tồn tại. Không lập kế hoạch song song, không tạo cơ cấu điều phối mới. Ủy ban trí tuệ nhân tạo được thiết lập như tổ chuyên trách dưới Ban Chỉ đạo Chuyển đổi số của trường, đúng theo cơ chế trụ cột thứ nhất của kế hoạch hiện hành; mọi nhiệm vụ mới phải tìm được dòng tương ứng trong ma trận phân công trách nhiệm (RACI — ma trận phân công trách nhiệm theo vai trò người thực hiện, người chịu trách nhiệm, người được tham vấn, người được thông báo) 106 dòng đã có: chỉnh dòng, không thêm dòng trôi nổi.

Ba lớp việc cần gia thêm là: lớp tuân thủ (đối chiếu pháp luật, hồ sơ rủi ro, kiểm toán), lớp giáo dục (năng lực số - trí tuệ nhân tạo cho người học, nhà giáo, cán bộ), lớp nghiên cứu (dữ liệu tiếng Việt, liên minh doanh nghiệp). Ba lớp này phủ lên cả sáu trụ cột của khung hiện hành: trụ cột thể chế gánh lớp tuân thủ; trụ cột con người và văn hóa số gánh lớp giáo dục; trụ cột giáo dục - nghiên cứu số gánh lớp nghiên cứu; trụ cột hạ tầng, dữ liệu và quy trình là nền đáp ứng cả ba.

Vì sao nhất định phải gia vào khung cũ? Vì bài học của chính Mục 4: chiến lược dạng "kế hoạch AI" thứ hai đứng cạnh kế hoạch chuyển đổi số thứ nhất là biến thể của tư duy "lắp thêm" — mua công nghệ đặt ngoài quy trình. Nếu chuyển đổi bằng trí tuệ nhân tạo là phương pháp, nó phải hiện diện bên trong kế hoạch đang chạy, cùng hệ chỉ số, cùng nhịp phân công, cùng văn bản chỉ đạo.

5.2. Đợt 1 (tháng 9 năm 2026 đến tháng 1 năm 2027): làm cho đúng luật trước khi làm nhanh

Sáu việc của đợt một, theo thứ tự:

Thứ nhất, rà soát toàn bộ hệ thống có thành phần trí tuệ nhân tạo đang vận hành: phần mềm khảo thí, công cụ phát hiện đạo văn, trợ lý ảo hiện có, hệ thống gợi ý học phần, bộ lọc hồ sơ tuyển sinh. Sản phẩm: danh mục hệ thống kèm mô tả chức năng, chủ đầu tư, nhà cung cấp. Việc này gần như không tốn kinh phí — chỉ tốn kỷ luật tổ chức.

Thứ hai, lập hồ sơ rủi ro cho từng hệ thống trong danh mục, đối chiếu Danh mục hệ thống trí tuệ nhân tạo có rủi ro cao theo Quyết định số 33/2026/QĐ-TTg. Hồ sơ trả lời bốn câu: hệ thống tác động đến quyền lợi người học ở đâu; thuộc diện rủi ro cao không; dữ liệu cá nhân nào được dùng; kiểm soát sai số và thiên lệch bằng cách nào. Việc lập hồ sơ này đồng thời hoàn thiện hồ sơ bảo đảm an ninh mạng theo mô hình cấp độ mà Nghị định số 85/2016/NĐ-CP đã quy định — một lần làm, hai nghĩa vụ cùng xong.

Thứ ba, tập huấn Luật Trí tuệ nhân tạo cho lãnh đạo trường, lãnh đạo khoa và công chức chủ chốt. Đây không chỉ là nhu cầu nội bộ: nhiệm vụ nhóm thể chế của Phụ lục I Chiến lược quốc gia ghi rõ "tổ chức truyền thông, phổ biến, giáo dục pháp luật, tập huấn về nội dung Luật Trí tuệ nhân tạo" — trường vừa thực hiện nghĩa vụ quốc gia, vừa xây năng lực cho đội ngũ mình.

Thứ tư, đánh giá năng lực số đầu vào cho toàn thể sinh viên năm nhất theo khung DigComp, dùng nền khảo sát sẵn có của trường, không mua thêm công cụ. Kết quả dùng cho hai việc: phân bổ hỗ trợ theo Mục 4.4 và làm dữ liệu nền cho các chỉ số của đợt hai.

Thứ năm, hoàn thành cấp mã định danh người học trước ngày 01 tháng 01 năm 2027 theo Nghị định số 88/2026/NĐ-CP. Hạn quốc gia rơi đúng giữa đợt một; chậm là vi phạm pháp luật, không phải trượt kế hoạch.

Thứ sáu, phê duyệt đề cương thí điểm ba quy trình học vụ có thành phần trí tuệ nhân tạo (chi tiết ở đợt hai), để bộ phận tham gia biết trước vai trò của mình ngay từ đầu năm học.

Toàn bộ sáu việc trên phù hợp với thực tế ngân sách: năm 2026 trường được giao 4,3 tỷ đồng cho chuyển đổi số, đã giải ngân 2,4 tỷ đến ngày 30 tháng 6, dự kiến 1,9 tỷ cuối năm. Cả đợt một không cần kinh phí mới đáng kể — đó chính là lý do thiết kế nó như một đợt "làm cho đúng luật trước khi làm nhanh".

5.3. Đợt 2 (tháng 2 đến tháng 8 năm 2027): ba thí điểm, hai nền tảng, một chính sách

Đợt hai là nơi kinh phí dự toán năm 2027 thực sự vào cuộc. Bảy việc, gom thành ba cụm:

Ba thí điểm quy trình. Vùng thử nghiệm (sandbox) đã được kế hoạch hiện hành thiết lập; đợt hai dùng nó cho ba quy trình học vụ nền tảng. Một, xét tốt nghiệp: chuyển từ quy trình 12 bước, 49-94 ngày sang mô hình 5 bước, 7-10 ngày, với thành phần trí tuệ nhân tạo đảm nhận kiểm tra đủ điều kiện tự động, cảnh báo hồ sơ bất thường, tổng hợp kết quả. Hai, đăng ký học phần: gộp 8-9 bước trên 3 hệ thống về một luồng duy nhất, trợ lý gợi ý lộ trình dựa trên dữ liệu học tập. Ba, bảo lưu - chuyển tiếp: quy trình giấy rải rác nay thành một dịch vụ số có theo dõi trạng thái. Ba thí điểm đều có chỉ tiêu đo được: thời gian xử lý, tỷ lệ hồ sơ làm lại, mức độ hài lòng.

Hai nền tảng. Dự toán 2027 dành 1 tỷ đồng cho "nền tảng phân tích dữ liệu người học và công cụ trí tuệ nhân tạo hỗ trợ giảng dạy" và 1 tỷ đồng cho "trợ lý ảo sinh viên trên nền tảng đám mây hợp pháp" (dịch vụ trí tuệ nhân tạo trên đám mây của Microsoft — Azure OpenAI). Hai nền tảng này là hiện thân trực tiếp của sáu thành phần mục "trí tuệ nhân tạo cho giáo dục" đã giải mã ở Mục 3.5: phân tích dữ liệu người học phục vụ học tập thích ứng và cảnh báo sớm; trợ lý ảo là lớp trợ lý học tập hướng đến toàn thể sinh viên. Điều kiện khởi động: hai nền tảng chỉ triển khai sau khi hồ sơ rủi ro của đợt một hoàn tất — quy tắc "không mua gì trước khi hồ sơ được duyệt".

Một chính sách. Ban hành bộ chính sách trí tuệ nhân tạo của trường trước tháng 8 năm 2027: phạm vi sử dụng cho phép trong dạy - học - đánh giá, nghĩa vụ minh bạch (khi dùng công cụ hỗ trợ phải khai báo), cách xử lý vi phạm liêm chính học thuật. Cùng hạn đó, hoàn thành kiểm toán và gắn nhãn tuân thủ tuân thủ cho các hệ thống trí tuệ nhân tạo rủi ro cao theo Quyết định số 33/2026/QĐ-TTg — hạn quốc gia 01 tháng 9 năm 2027.

Ba việc còn lại của đợt: mở rộng bình dân học vụ số và Sứ giả số với nội dung ứng dụng trí tuệ nhân tạo cho mọi trình độ; gắn nội dung trí tuệ nhân tạo ứng dụng vào các học phần kinh tế hiện có (không lập ngành mới — tăng cường học phần, đúng tinh thần liên thông của chiến lược); tổng kết giữa kỳ để trình Ban Giám hiệu quyết định đầu tư đợt ba.

5.4. Đợt 3 (cuối năm 2027): hai khoản đầu tư lớn làm nền quản trị dữ liệu

Hai khoản đầu tư lớn nhất của dự toán 2027 — hệ thống quản lý dữ liệu tập trung 5,4 tỷ đồng và hạ tầng đám mây tập trung 35 tỷ đồng — được xếp vào cuối dòng thời gian với một lý do: chúng là điều kiện hạ tầng của cụm "quản lý, vận hành dựa trên dữ liệu" trong mục giáo dục của chiến lược, và chỉ phát huy giá trị khi ba việc đã xong ở đợt một và hai — danh mục hệ thống rõ, hồ sơ rủi ro rõ, chuẩn dữ liệu thống nhất. Mua kho dữ liệu trước khi có chuẩn dữ liệu là mua một nhà kho cho hàng chưa phân loại.

Cuối đợt ba, trường đưa ra ba quyết định của cả giai đoạn: phê duyệt vận hành chính thức ba quy trình đã thí điểm (mở rộng toàn trường); quyết định đầu tư dứt điểm hạ tầng dữ liệu - đám mây; thành lập đề án Quỹ phát triển khoa học công nghệ và đổi mới sáng tạo giai đoạn 2028-2030 — kênh tài trợ nghiên cứu dài hạn đúng hình thức mà Chiến lược quốc gia khuyến khích, và là nơi các liên minh nghiên cứu doanh nghiệp của Mục 4.5 có thể gọi vốn không chỉ dựa vào ngân sách hằng năm. Để thấy tầm của quyết định này, chỉ cần đặt cạnh nhau: hai khoản đầu tư cuối đợt ba tổng cộng 40,4 tỷ đồng, chiếm khoảng 70% dự toán chuyển đổi số năm 2027 của trường — tức phần lớn nguồn lực của cả một năm dồn vào một lựa chọn kiến trúc. Với một trường tự chủ tài chính toàn phần, lựa chọn kiến trúc dữ liệu - đám mây chính là lựa chọn chiến lược lớn nhất của giai đoạn: chọn đúng, ba thí điểm và các nền tảng đợt hai có chỗ để lớn lên; chọn sai, mọi thứ xây năm 2027 sẽ trả giá làm lại trong năm 2028.

5.5. Những việc cố tình không làm

Một kế hoạch đáng tin không chỉ liệt kê việc làm mà còn nêu rõ việc không làm — vì mỗi việc bỏ qua đều là nguồn lực chuyển cho việc ưu tiên, và vì lịch sử các dự án công nghệ giáo dục chứng minh: thất bại thường đến từ ôm đồm, không phải từ bỏ sót.

Trường không xây mô hình trí tuệ nhân tạo riêng. Chỉ tiêu 8 mô hình nền tảng tiếng Việt là việc của các tập đoàn công nghệ và viện nghiên cứu có hạ tầng tính toán; trường mua, thuê và đối tác, không tự dựng. Mọi nỗ lực "tự nghiên cứu để chủ động" ngoài thế mạnh đều trừ trực tiếp khỏi ngân sách và nhân lực của ba lớp việc chính.

Trường không mua công cụ trí tuệ nhân tạo đứng riêng. Công cụ phải gắn với một quy trình đã thiết kế lại, có chủ trì bộ phận chức năng và chỉ số đo. Đơn khởi xướng mua sắm theo nguyên tắc bị từ chối nếu không nêu được quy trình nào nó phục vụ.

Trường không lập trung tâm mới hay bộ phận mới cho trí tuệ nhân tạo. Ủy ban trí tuệ nhân tạo là tổ chuyên trách của Ban Chỉ đạo Chuyển đổi số; nhân sự kiêm nhiệm có tính giờ công; kinh phí nằm trong các nhiệm vụ hiện hữu của dự toán. Mỗi cơ cấu mới đều sinh ra họp, sinh ra báo cáo, và thứ đắt nhất: sinh ra ranh giới "việc của trung tâm" khiến các đơn vị khác thả trôi trách nhiệm.

Trường không chạy đua số lượng hệ thống. Ba thí điểm quy trình là đủ cho năm 2027; kinh nghiệm của các trường đi trước cho thấy giãn cách giữa "ba thí điểm chín" và "mười thí điểm dở" quyết định việc ai còn nguồn lực cho năm 2028.

Bốn "không" này sẽ được ghi thẳng vào dự thảo chính sách trí tuệ nhân tạo của trường, để mỗi đề xuất mới đều được hỏi: việc này có rơi vào một trong bốn cung cấm không. Một kế hoạch có ranh giới mới là kế hoạch có thể từ chối được — và chỉ khi từ chối được, ưu tiên mới thật.

5.6. Phân công cụ thể theo đơn vị

Bảng dưới đây là phần gia thêm của lớp trí tuệ nhân tạo vào ma trận phân công hiện hành (viết tắt tên đơn vị theo đúng kế hoạch của trường: HCTH — Hành chính - Tổng hợp; TCNS — Tổ chức nhân sự; KHTC — Kế hoạch tài chính; ĐBCL — Khảo thí và Đảm bảo chất lượng; QLKH — Quản lý khoa học; QLĐT — Quản lý đào tạo; TTCNTT — Trung tâm Công nghệ thông tin; CTCTSV — Công tác học sinh sinh viên; VP — Văn phòng Trường):

5.7. Đo lường: bộ chỉ số trên nền Quyết định 4740/QĐ-BGDĐT

Nền đo lường giữ nguyên khung Bộ chỉ số đánh giá chuyển đổi số cơ sở giáo dục đại học theo Quyết định số 4740/QĐ-BGDĐT ngày 06 tháng 12 năm 2022, bổ sung sáu chỉ số chuyên biệt:

1. Tỷ lệ hệ thống có thành phần AI có hồ sơ rủi ro hoàn chỉnh — mục tiêu 100% trước 12/2026;

2. Tỷ lệ sinh viên năm nhất có kết quả đánh giá DigComp — mục tiêu 100% trong đợt 1;

3. Số học phần có thành phần AI chính thức trong đề cương — tối thiểu 3 học phần trong năm 2027;

4. Tỷ lệ văn bằng tốt nghiệp dạng ký số xác thực VNeID — 100% từ khóa tốt nghiệp 2027;

5. Thời gian xử lý xét tốt nghiệp tại khoa thí điểm — không quá 10 ngày;

6. Số cán bộ chủ chốt qua tập huấn Luật Trí tuệ nhân tạo — tối thiểu 90%.

Sáu chỉ số này không phải báo cáo trang trí thêm: chúng chốt vào ba nghĩa vụ pháp lý có thời hạn (chỉ số 1, 4, 6), một cam kết công bằng số (chỉ số 2) và hai kết quả chuyển đổi thật (chỉ số 3, 5). Rà soát theo đợt, công bố nội bộ toàn trường theo học kỳ — cách duy nhất để chỉ số điều tiết hành vi thay vì nằm trong biên bản.

Mục 6. Rủi ro và cách xử lý

Nhân lực kiêm nhiệm quá tải. Cả ba lớp việc mới đều rơi vào đội ngũ đang chạy kế hoạch hiện hành. Xử lý: Ủy ban AI là tổ chuyên trách có tính giờ công chuẩn; nhiệm vụ AI được trừ bớt khỏi các đầu việc khác trong cùng ma trận phân công, không cộng dồn.

Ảo tưởng "mua nền tảng là xong". Biểu hiện: hợp đồng 1 tỷ đồng ký trước khi quy trình 5 bước được duyệt, nền tảng chạy thông suốt trên quy trình 12 bước cũ. Xử lý: nguyên tắc bất diệt — không mua gì trước khi hồ sơ quy trình được duyệt; ngân sách chỉ mở sau sản phẩm của đợt một.

Lạm dụng AI tạo sinh trong đánh giá. (Cotton và cộng sự, 2023) mô tả thách thức liêm chính học thuật khi công cụ tạo sinh lan rộng; (Dwivedi và cộng sự, 2023) cảnh báo các phương pháp phát hiện vi phạm tự động vẫn chưa đủ tin cậy để làm căn cứ kỷ luật; (Kofinas và cộng sự, 2025) phân tích tác động của nó đến tính xác thực của đánh giá. Xử lý: thiết kế lại đánh giá theo hướng quá trình (bảo lưu bản nháp, hồ sơ quá trình, bảo vệ kết quả) kết hợp quy tắc minh bạch — khai báo khi dùng công cụ hỗ trợ — thay vì chiến dịch truy lùng vi phạm.

Dữ liệu phân tán trì hoãn giá trị. Kho dữ liệu 5,4 tỷ đồng chỉ về đích cuối 2027; nếu chờ kho mới bắt đầu chuẩn hóa dữ liệu thì ba quy trình thí điểm đợt hai sẽ chạy trên dữ liệu rời rạc. Xử lý: chuẩn dữ liệu chung được ban hành ngay trong đợt một, áp dụng cho mọi hệ thống đang vận hành — kho tập trung chỉ gom hàng đã phân loại.

Chênh lệch năng lực giữa các khoa. Thí điểm rơi vào vài khoa mạnh sẽ nới khoảng cách nội bộ. Xử lý: chương trình ghép cặp khoa mạnh - khoa yếu cùng chỉ số theo khoa công bố nội bộ; đội Sứ giả số của trường thêm nhiệm vụ hỗ trợ cán bộ, không chỉ sinh viên.

Câu trả lời nằm ở cách hiểu "chuyển đổi" đúng nghĩa của nó. Nghiên cứu về chuyển đổi số doanh nghiệp của (Verhoef và cộng sự, 2021) xếp chuyển đổi thành các giai đoạn từ số hóa đến chuyển đổi số rồi tái cấu trúc mô hình vận hành, trong đó giai đoạn cuối yêu cầu mô hình kinh doanh và cấu trúc tổ chức đổi theo công nghệ; tổng quan của (Hanelt và cộng sự, 2021) cũng cho thấy đa số tổ chức kẹt ở giai đoạn công nghệ thay vì giai đoạn tái cấu trúc. Với trường, ba thí điểm 2027 chính là bước sang giai đoạn tái cấu trúc: đổi quy trình trước, đổi công cụ theo sau. Nói cách khác, năm bản lề 2026-2027 không đòi hỏi trường làm nhiều hơn, mà làm đúng thứ tự.

Mục 7. Kết: năm bản lề 2026-2027

Năm học 2026-2027 là năm bản lề theo đúng nghĩa: cửa tiếp theo của chiến lược quốc gia chỉ mở nếu ba việc khớp nhau trong một năm — nghĩa vụ pháp lý hoàn thành đúng hạn, ba quy trình nền tảng được thiết kế lại và thí điểm, nền tảng dữ liệu đủ chín để quyết định đầu tư lớn. Ba quyết định lớn cần Ban Giám hiệu duyệt trong năm: điều chỉnh Đề án chuyển đổi số của trường cho khớp Quyết định số 1671/QĐ-TTg trước tháng 02 năm 2027; ban hành bộ chính sách trí tuệ nhân tạo - an toàn thông tin - quản trị dữ liệu trước tháng 8 năm 2027; phê duyệt đầu tư hạ tầng dữ liệu và đám mây vào cuối năm 2027.

Sinh viên nhập học tháng 9 năm 2026 sẽ 43-45 tuổi vào năm 2045 — đúng độ tuổi lãnh đạo nền kinh tế vào thời điểm Việt Nam phấn đấu thuộc nhóm 10 quốc gia dẫn đầu châu Á về trí tuệ nhân tạo. Câu hỏi đặt cho hội đồng trường năm nay vì thế không phải "trường có theo kịp công nghệ không", mà là "trường đã trang bị gì cho thế hệ sẽ điều hành nền kinh tế của tầm nhìn ấy". Ba lớp việc, sáu trụ cột, ba đợt — và một khung kế hoạch duy nhất đang mở ra cho câu trả lời.

Tài liệu tham khảo

Văn bản pháp lý và chiến lược

1. Nghị quyết số 57-NQ/TW ngày 22 tháng 12 năm 2024 của Bộ Chính trị về đột phá phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số quốc gia.

2. Luật Dữ liệu (được Quốc hội thông qua ngày 30 tháng 11 năm 2024).

3. Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15 ngày 26 tháng 6 năm 2025.

4. Nghị định số 356/2025/NĐ-CP quy định chi tiết một số điều của Luật Bảo vệ dữ liệu cá nhân (hiệu lực từ ngày 01 tháng 01 năm 2026).

5. Luật Công nghiệp công nghệ số (được Quốc hội thông qua ngày 14 tháng 6 năm 2025).

6. Luật Trí tuệ nhân tạo (được Quốc hội thông qua ngày 10 tháng 12 năm 2025).

7. Luật Chuyển đổi số (được Quốc hội thông qua ngày 11 tháng 12 năm 2025).

8. Luật An ninh mạng số số 116/2025/QH15 ngày 10 tháng 12 năm 2025.

9. Quyết định số 127/QĐ-TTg ngày 26 tháng 01 năm 2021 của Thủ tướng Chính phủ ban hành Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo đến năm 2030.

10. Quyết định số 1671/QĐ-TTg ngày 28 tháng 8 năm 2026 của Thủ tướng Chính phủ phê duyệt Chiến lược quốc gia về Trí tuệ nhân tạo đến năm 2030, tầm nhìn đến năm 2045.

11. Quyết định số 33/2026/QĐ-TTg ngày 02 tháng 7 năm 2026 của Thủ tướng Chính phủ ban hành Danh mục hệ thống trí tuệ nhân tạo có rủi ro cao.

12. Thông tư số 10/2026/TT-BGDĐT ban hành Quy chế văn bằng, chứng chỉ trong giáo dục đại học (hiệu lực từ ngày 01 tháng 01 năm 2026).

13. Nghị định số 88/2026/NĐ-CP ngày 28 tháng 3 năm 2026 về quản lý dữ liệu ngành giáo dục.

14. Quyết định số 4740/QĐ-BGDĐT ngày 06 tháng 12 năm 2022 của Bộ trưởng Bộ Giáo dục và Đào tạo ban hành Bộ chỉ số, tiêu chí đánh giá chuyển đổi số cơ sở giáo dục đại học.

15. Nghị định số 85/2016/NĐ-CP ngày 05 tháng 7 năm 2016 quy định cơ chế bảo đảm an ninh thông tin theo mô hình cấp độ.

Nguồn học thuật quốc tế

16. Bareis, J. & Katzenbach, C. (2021). Talking AI into Being: The Narrative Power of National AI Strategies. Science, Technology, & Human Values. https://doi.org/10.1177/01622439211030007

17. Bond, M., Khosravi, H., De Laat, M., & Bergdahl, N. (2024). A Meta Systematic Review of Artificial Intelligence in Higher Education: A Call for Increased Ethics, Collaboration, and Learner Centricity. International Journal of Educational Technology in Higher Education, 21. https://doi.org/10.1186/s41239-023-00436-z

18. Brynjolfsson, E., Li, D., & Raymond, L. (2023). Generative AI at Work. NBER Working Paper 31161. https://doi.org/10.3386/w31161

19. Chan, C. K. Y. (2023). A Comprehensive AI Policy Education Framework for University Teaching and Learning. International Journal of Educational Technology in Higher Education, 20. https://doi.org/10.1186/s41239-023-00408-3

20. Chan, C. K. Y., & Hu, W. (2023). Students' Voices on Generative AI: Perceptions, Benefits, and Challenges in Higher Education. International Journal of Educational Technology in Higher Education, 20. https://doi.org/10.1186/s41239-023-00411-8

21. Cotton, D. R. E., Cotton, P. A., & Shipway, J. R. (2023). Chatting and Cheating: Ensuring Academic Integrity in the Era of ChatGPT. Innovations in Education and Teaching International. https://doi.org/10.1080/14703297.2023.2190148

22. Dwivedi, Y. K., Hughes, L., Ismagilova, E., et al. (2021). Artificial Intelligence (AI): Multidisciplinary Perspectives on Emerging Challenges, Risks, and Consequences. International Journal of Information Management, 57. https://doi.org/10.1016/j.ijinfomgt.2019.08.002

23. Dwivedi, Y. K., Kshetri, N., Hughes, L., et al. (2023). "So What if ChatGPT Wrote It?" Multidisciplinary Perspectives on Opportunities, Challenges and Implications of Generative Conversational AI. International Journal of Information Management, 71. https://doi.org/10.1016/j.ijinfomgt.2023.102642

24. Hanelt, A., Bohnsack, R., Marz, D., & Antunes Marante, C. (2021). A Systematic Review of the Literature on Digital Transformation: Insights and Implications for Strategy and Organizational Change. Journal of Management Studies, 58(5). https://doi.org/10.1111/joms.12639

25. Kofinas, A. K., Tsay, C. H.-H., & Pike, D. A. (2025). The Impact of Generative AI on Academic Integrity of Authentic Assessments: A Systematic Literature Review. British Journal of Educational Technology. https://doi.org/10.1111/bjet.13585

26. Mergel, I., Edelmann, N., & Haug, N. (2019). Defining Digital Transformation: Results from Expert Interviews. Government Information Quarterly, 36(4). https://doi.org/10.1016/j.giq.2019.06.002

27. Merino-Campos, C. (2025). The Impact of AI on Personalized Learning in Higher Education: A Systematic Review. Higher Education, 4(2). https://doi.org/10.3390/higheredu4020017

28. Nguyen, L. A. T., & Habók, A. (2021). Digital Literacy of EFL Students: An Empirical Study in Vietnamese Universities. Libri, 71(4). https://doi.org/10.1515/libri-2020-0165

29. Rodríguez-Abitia, G., & Bribiesca-Correa, G. (2021). Assessing Digital Transformation in Universities. Future Internet, 13(2). https://doi.org/10.3390/fi13020052

30. Singun, A. (2025). Unveiling the Barriers to Digital Transformation in Higher Education Institutions: A Systematic Review. Discover Education. https://doi.org/10.1007/s44217-025-00430-9

31. Verhoef, P. C., Broekhuizen, T., Bart, Y., et al. (2021). Digital Transformation: A Multidisciplinary Reflection and Research Agenda. Journal of Business Research, 122. https://doi.org/10.1016/j.jbusres.2019.09.022

32. Vuong, Q.-H., Ho, M.-T., Vuong, T.-T., & La, V.-P. (2019). Artificial Intelligence vs. Natural Stupidity: Evaluating AI Readiness for the Vietnamese Market. Journal of Computational Medicine, 8(2). https://doi.org/10.3390/jcm8020168

33. Vũ, Q. K., Bùi, T. T., Chehri, A., & Đào, M. L. (2023). AI and Digital Transformation in Higher Education: Vision and Approach of a Specific University in Vietnam. Sustainability, 15(14), 11093. https://doi.org/10.3390/su151411093

34. Walter, Y. (2024). Embracing the Future of Artificial Intelligence in the Classroom: The Relevance of AI Literacy, Prompt Engineering, and Critical Thinking in Modern Education. International Journal of Educational Technology in Higher Education, 21. https://doi.org/10.1186/s41239-024-00448-3

35. Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic Review of Research on Artificial Intelligence Applications in Higher Education. International Journal of Educational Technology in Higher Education, 16. https://doi.org/10.1186/s41239-019-0171-0