Ngành AI 30 điểm: Cơ hội việc làm có tương xứng ?

Nhu cầu thật hay hiệu ứng "ngành hot" ?

Trường ĐH Công nghệ thông tin (ĐH Quốc gia TP.HCM) công bố điểm chuẩn ngành AI là 30. Tại Trường ĐH Bách khoa Hà Nội, ngành khoa học dữ liệu và trí tuệ nhân tạo cũng ghi nhận mức điểm rất cao lên tới 29,54/30, tiệm cận mức tuyệt đối… Việc ngành AI có điểm chuẩn lên tới 30 đang tạo sự chú ý lớn trong mùa tuyển sinh.

Theo giáo sư Nguyễn Nguyễn Trúc Đào, giáo sư bậc 1 tại Khoa Toán và thống kê, ĐH San Diego State (Mỹ), mức điểm chuẩn rất cao của ngành AI phản ánh đồng thời 2 yếu tố: nhu cầu nhân lực thực sự tăng và tâm lý chạy theo một ngành đang "thời thượng".

"AI hiện không còn giới hạn trong các công ty công nghệ mà đang được ứng dụng trong rất nhiều lĩnh vực như: tài chính, y tế, sản xuất, giáo dục, giao thông, thương mại điện tử và nghiên cứu khoa học. Vì vậy, sinh viên và phụ huynh nhìn thấy khá rõ cơ hội nghề nghiệp trong lĩnh vực này", giáo sư Đào nhận định.

Tuy nhiên, theo giáo sư Đào, không thể lấy điểm chuẩn tuyển sinh để suy ra rằng thị trường lao động sẽ cần một số lượng không giới hạn kỹ sư AI. Bởi điểm chuẩn trước hết phản ánh mức độ cạnh tranh của người học khi lựa chọn ngành, chứ không phải trực tiếp phản ánh cung và cầu nhân lực trên thị trường lao động.

ẢNH: NVCC

Tiến sĩ Nguyễn Quốc Trình, Trưởng phòng R&D kiêm Giám đốc điều hành tại Cybercore Vietnam, Phó viện trưởng PRIMA Lab tại ĐH tỉnh Iwate (Iwate Prefectural University, Nhật Bản), cũng cho rằng cần tách bạch 2 yếu tố này. Theo ông, điểm chuẩn ngành AI lên đến 30 cho thấy hàng chục ngàn học sinh và phụ huynh đang cùng nhìn thấy một tín hiệu: AI đang thẩm thấu vào nhiều lĩnh vực và người làm chủ công nghệ này có thể có lợi thế nghề nghiệp.

"Nhưng ở chiều ngược lại, điểm chuẩn cao cũng có thể tạo ra hiệu ứng đám đông, khi nhiều học sinh giỏi cùng dồn vào một ngành vì nghe rằng đây là ngành "hot", có thu nhập cao, mà chưa thực sự hiểu công việc sau khi tốt nghiệp là gì. Điểm chuẩn ngành AI lên đến 30 là chỉ báo tốt về sức hút của ngành trong tuyển sinh hơn là một thước đo chính xác về nhu cầu nhân lực AI", tiến sĩ Trình phân tích.

Tiến sĩ Nguyễn Gia Hy, giảng viên tại ĐH Swinburne và Box Hill Institute (Úc), đồng thời là cố vấn R&D tại Viện Nghiên cứu trí tuệ nhân tạo A2I2, ĐH Deakin (Úc), cho rằng có nhiều nguyên nhân khiến AI trở thành ngành được cạnh tranh mạnh.

ẢNH: NVCC

"Một trong số đó là nhu cầu tuyển dụng đang mở rộng, trong khi nhân lực chất lượng cao vẫn thiếu. AI hiện không còn là một lĩnh vực thuần công nghệ thông tin mà đã trở thành một lớp công nghệ có thể được tích hợp vào tài chính ngân hàng, y tế, logistics, bán lẻ, sản xuất thông minh hay bán dẫn. Bên cạnh đó, mức đãi ngộ, cơ hội làm việc trong môi trường quốc tế và làn sóng đầu tư nghiên cứu phát triển AI cũng góp phần làm tăng sức hút của ngành", tiến sĩ Hy nói.

Tuy nhiên, tiến sĩ Hy lưu ý: "Không phải cứ tốt nghiệp ngành AI là chắc chắn có việc làm tốt. Thị trường việc làm bây giờ cạnh tranh rất căng thẳng. Sinh viên không chỉ cần học thật tốt để có kết quả khác biệt mà còn phải chủ động tìm kiếm cơ hội thực tập, cọ xát từ sớm để có kinh nghiệm thực tiễn".

Vừa hiểu AI vừa hiểu ngành khác sẽ có lợi thế đáng kể

Một trong những câu hỏi lớn đặt ra với người học là doanh nghiệp thực sự cần gì ở một kỹ sư AI?

Theo giáo sư Nguyễn Nguyễn Trúc Đào, một nhân lực AI tốt đầu tiên phải có nền tảng toán học và khoa học máy tính. Đại số tuyến tính, xác suất thống kê, tối ưu hóa, thuật toán và machine learning (học máy) là những kiến thức giúp người học hiểu bản chất của mô hình, biết vì sao một hệ thống hoạt động, khi nào nó có thể thất bại và làm thế nào để cải thiện.

ẢNH: NVCC

Tiếp theo là năng lực lập trình và xây dựng hệ thống. Biết python (ngôn ngữ lập trình bậc cao) hay sử dụng một số thư viện AI là chưa đủ. Người làm việc trong lĩnh vực này phải có khả năng xử lý dữ liệu, xây dựng và đánh giá mô hình, triển khai mô hình vào hệ thống thực tế, đồng thời hiểu về hiệu năng, độ tin cậy và khả năng mở rộng. Quan trọng không kém là khả năng kết hợp AI với một lĩnh vực cụ thể.

Từ góc nhìn thị trường lao động, tiến sĩ Nguyễn Gia Hy dự báo trong 5 - 10 năm tới, nhu cầu sẽ dịch chuyển mạnh từ giai đoạn nghiên cứu, thử nghiệm sang triển khai AI ở quy mô lớn và tạo ra giá trị thương mại thực tế. "Một số vị trí có thể tiếp tục được săn đón gồm kỹ sư AI, MLOps (Machine Learning Operations), là những người đưa mô hình từ phòng thí nghiệm ra sản phẩm, hay kỹ sư AI ứng dụng và tích hợp; kỹ sư dữ liệu, nhà khoa học dữ liệu, hoặc kỹ sư AI cho bán dẫn, phần cứng, thiết bị IoT...", ông Hy nói.

Tiến sĩ Hy nhấn mạnh, sinh viên không nên chỉ hỏi: "Mô hình này có độ chính xác bao nhiêu?", mà phải biết đặt câu hỏi: "Mô hình này giúp doanh nghiệp tăng doanh thu hay tiết kiệm chi phí như thế nào?".

Đó cũng là lý do tiến sĩ Nguyễn Quốc Trình cho rằng những người vừa hiểu AI vừa hiểu một ngành khác sẽ có lợi thế đáng kể. Theo ông, một sinh viên có kiến thức AI kết hợp với tài chính có thể đi theo AI tài chính (phát hiện gian lận, chấm điểm tín dụng, giao dịch định lượng), kết hợp với y sinh có thể tham gia AI y tế (chẩn đoán hình ảnh, hỗ trợ quyết định lâm sàng), kết hợp với AI sản xuất có thể làm các hệ thống thị giác máy tính, bảo trì dự đoán, hoặc kết hợp với tâm lý học, luật, thiết kế để tham gia các lĩnh vực như: quản trị AI, an toàn AI, tương tác giữa người và AI...

"Phần lớn giá trị AI tạo ra nằm ở giao điểm với một ngành khác, và người vừa hiểu AI vừa hiểu ngành đó luôn khan hiếm hơn người chỉ giỏi thuật toán", tiến sĩ Trình nói.