AI reskilling cho người mới bắt đầu

AI reskilling là quá trình học năng lực cần thiết để chuyển sang một vai trò khác khi AI làm thay đổi cách một số công việc được thực hiện. Điều đó không đồng nghĩa với việc phải trở thành kỹ sư AI hay học mọi công cụ mới. Hãy xác định vai trò muốn hướng tới, rồi chọn kỹ năng phù hợp.

Nếu bạn chưa biết nên bắt đầu bằng lập trình, một khóa học AI hay chuyển nghề, hãy xác định vai trò đang cân nhắc trước. Nhờ vậy, bạn có thể quyết định nên học gì và tạm gác điều gì.

Điểm chính

• Khái niệm: Reskilling (đào tạo lại kỹ năng) giúp bạn chuẩn bị cho một vai trò khác; upskilling (nâng cao kỹ năng) giúp phát triển năng lực trong vai trò hiện tại.
• Cách thực hiện: Chọn vai trò mục tiêu, so sánh yêu cầu với thế mạnh hiện có, rồi tập trung vào những khoảng trống kỹ năng quan trọng nhất thông qua học tập và thực hành.
• Ý nghĩa: Bạn có thể bắt đầu mà không cần nền tảng kỹ thuật chuyên sâu nếu vai trò mục tiêu không đòi hỏi điều đó. Thời gian học phụ thuộc vào vai trò và điểm xuất phát; học tập không đảm bảo bạn sẽ có việc làm.

AI reskilling là gì?

AI reskilling là học năng lực mới để chuẩn bị cho một vai trò khác, trong đó có những vai trò có nhiệm vụ hoặc công cụ chịu ảnh hưởng của AI. Mục tiêu là sẵn sàng làm công việc bạn hướng tới, chứ không chỉ biết sử dụng một sản phẩm AI cụ thể. Hướng dẫn reskilling của Cornerstone mô tả reskilling là sự chuẩn bị cho vai trò khác, phân biệt với việc phát triển thêm trong vai trò hiện tại. [C1]

Ví dụ, một nhân viên chăm sóc khách hàng muốn chuyển sang mảng vận hành có thể tìm hiểu nhiệm vụ của công việc đó, rồi học thêm kỹ năng còn thiếu về báo cáo hoặc quy trình. Biết dùng chatbot AI có thể hữu ích, nhưng điều đó chưa đủ để chứng minh bạn sẵn sàng cho vai trò mới.

Reskilling và upskilling: Hướng nào phù hợp với mục tiêu của bạn?

Reskilling hướng tới một vai trò khác; upskilling phát triển năng lực trong vai trò hiện tại. Cornerstone cũng phân biệt hai khái niệm theo cách này. [C1]

Bạn có thể thực hiện cả hai theo thời gian. Bài viết này tập trung vào reskilling: tìm hiểu yêu cầu của một vai trò khác và xây dựng năng lực cần thiết.

Chọn vai trò mục tiêu trước khi chọn khóa học

Hãy chọn một vai trò khả thi hoặc một nhóm nhỏ các vai trò liên quan trước khi mua khóa học hay cam kết với kế hoạch học tập dài hạn. Khi biết nội dung đào tạo cần chuẩn bị cho loại công việc nào, bạn sẽ dễ đánh giá mức độ phù hợp hơn.

1. Xác định một hướng đi có thể cân nhắc. Chọn vai trò phù hợp với sở thích, kinh nghiệm hoặc hoàn cảnh. Đây chưa cần là quyết định nghề nghiệp cuối cùng.
2. Tìm hiểu công việc thực tế. Đọc mô tả nhiệm vụ hằng ngày, không chỉ xem chức danh. So sánh nhiều mô tả nếu có thể, vì chức danh và yêu cầu có thể khác nhau giữa các tổ chức.
3. Xem xét kỹ năng có thể chuyển đổi. Cân nhắc liệu những việc bạn đang làm – chẳng hạn giải thích thông tin, điều phối nhiệm vụ hoặc xử lý câu hỏi của khách hàng – có ích trong vai trò mới hay không.
4. Ghi lại những điều cần tìm hiểu thêm. Nếu công việc hoặc yêu cầu chưa rõ, hãy trao đổi với người am hiểu lĩnh vực đó hoặc tìm cách ít rủi ro để thử nhiệm vụ liên quan.

Ví dụ, một điều phối viên dự án đang cân nhắc các vai trò vận hành hoặc hỗ trợ dự án có thể so sánh nhiệm vụ thường ngày trước khi chọn khóa học. Thay vì hỏi “Tôi nên học gì về AI?”, hãy hỏi “Công việc này đòi hỏi năng lực nào, và tôi cần phát triển năng lực nào?”. So sánh vai trò và kỹ năng cũng là điểm khởi đầu hữu ích trong hướng dẫn reskilling của Cornerstone. [C2, C3]

Đối chiếu kỹ năng hiện có với vai trò mục tiêu

Hãy so sánh những việc bạn đã làm được với nhiệm vụ và năng lực trong mô tả vai trò mục tiêu. Nhờ đó, bạn có thể xác định kinh nghiệm nào áp dụng được sang công việc mới và yêu cầu nào cần luyện tập có trọng tâm. [C2, C3]

Lập danh sách hai cột: “Tôi đã làm được việc này” và “Tôi cần học hoặc tìm hiểu thêm”. Khi có thể, hãy ghi kèm minh chứng như báo cáo đã lập, quy trình đã điều phối hoặc vấn đề khách hàng đã xử lý. Mô tả công việc là nguồn gợi ý, không phải danh sách đầy đủ hay chuẩn mực tuyệt đối.

Nếu từng làm chăm sóc khách hàng và đang tìm hiểu vai trò vận hành, bạn có thể đã có kinh nghiệm giải thích vấn đề, phân loại trường hợp theo mức độ ưu tiên và phát hiện vấn đề lặp lại. Hãy tìm hiểu xem công việc mục tiêu có yêu cầu báo cáo, sử dụng bảng tính hoặc tài liệu hóa quy trình hay không. Đừng mặc định một kỹ năng là bắt buộc chỉ vì nó xuất hiện trong một tin tuyển dụng. Hãy tìm những yêu cầu lặp lại và, nếu có thể, hỏi người có kinh nghiệm phù hợp.

Ưu tiên những khoảng trống kỹ năng quan trọng nhất

Bạn không cần học mọi kỹ năng hay công cụ có thể liên quan đến một vai trò. Hãy ưu tiên những kỹ năng thường xuất hiện trong công việc đã tìm hiểu và có thể luyện tập hoặc thể hiện được.

1. Tập trung vào nhiệm vụ cốt lõi. Ưu tiên năng lực gắn với những công việc xuất hiện thường xuyên trong phần trách nhiệm của vai trò mục tiêu.
2. Phân biệt kỹ năng thiết yếu với nội dung bổ sung. Một công cụ hoặc chứng chỉ xuất hiện trong một tin tuyển dụng có thể không phải yêu cầu chung của cả lĩnh vực. Hãy xác minh trước khi xem đó là điều kiện bắt buộc.
3. Chọn khoảng trống có thể luyện tập. Bài tập hoặc dự án nhỏ giúp bạn kiểm tra mức độ liên quan của kỹ năng và xác định điều cần học thêm.
4. Xem lại thứ tự ưu tiên. Khi hiểu rõ hơn về vai trò, hãy cập nhật danh sách thay vì coi đánh giá ban đầu là quyết định cuối cùng.

Nếu đang cân nhắc công việc vận hành thiên về dữ liệu, các nhiệm vụ lặp lại liên quan đến bảng tính hoặc diễn giải thông tin có thể là điểm khởi đầu để tìm hiểu. Không phải mọi vai trò như vậy đều có yêu cầu giống nhau. Hãy dựa vào mô tả công việc và trao đổi liên quan đến mục tiêu của bạn, thay vì thu thập hướng dẫn về công cụ AI không gắn với công việc cụ thể.

Xây dựng lộ trình học phù hợp với điểm xuất phát

Hãy chọn nội dung học phù hợp với kỹ năng hiện có và vai trò muốn hướng tới. Một khóa học AI tổng quát có thể giúp bạn làm quen với lĩnh vực, nhưng chưa chắc giải quyết được khoảng trống gắn với công việc đã xác định. Lộ trình theo vai trò cần cân nhắc điểm xuất phát và đích đến của người học. [C3]

AI literacy (hiểu biết về AI) là nền tảng thực tế với nhiều người: hiểu công cụ AI được yêu cầu làm gì, đưa ra chỉ dẫn hữu ích và kiểm tra độ tin cậy của kết quả. Hướng dẫn của Harvard Professional & Executive Development nêu việc tìm hiểu cách mô hình AI hoạt động, viết câu lệnh và đánh giá đầu ra là những phần của AI literacy. [C7] Các năng lực này có thể hữu ích trong cả công việc không thiên về kỹ thuật. Sử dụng AI trong một vai trò khác với đào tạo để xây dựng hệ thống AI; hai hướng này đòi hỏi lộ trình học khác nhau. [C5]

Một nhân viên không chuyên về kỹ thuật đang tìm hiểu công việc kinh doanh có ứng dụng AI có thể thực hành với công cụ được phê duyệt trên một nhiệm vụ ít rủi ro, rồi đối chiếu kết quả với thông tin đáng tin cậy. Nếu mục tiêu là xây dựng hệ thống AI, hãy tìm hiểu riêng yêu cầu kỹ thuật của công việc đó. Không nên mặc định mọi lộ trình đều cần lập trình; hãy xác minh yêu cầu của hướng đi cụ thể.

Khi so sánh khóa học hoặc hình thức học khác, hãy xem nội dung có liên quan đến nhiệm vụ mục tiêu không, có phù hợp với trình độ hiện tại không và có cơ hội áp dụng kiến thức không. Kiểm tra mô tả và yêu cầu của đơn vị cung cấp; tên khóa học không đủ để biết khóa đó có chuẩn bị cho một công việc cụ thể hay không.

Kết hợp khóa học với thực hành và phản hồi

Hãy kết hợp việc học với công việc thực tế: khóa học giới thiệu khái niệm, còn dự án giúp bạn áp dụng chúng vào nhiệm vụ liên quan đến vai trò mục tiêu. Reskilling có thể kết hợp khóa học, dự án và cố vấn thay vì chỉ dựa vào hướng dẫn trên lớp. [C4] Bài viết của Harvard Professional & Executive Development cũng mô tả học tập qua dự án là một cách tích lũy kinh nghiệm thực hành với kỹ năng AI. [C8]

Chọn một dự án nhỏ mô phỏng nhiệm vụ đã xác định. Chẳng hạn, bạn có thể tạo quy trình mẫu, lập báo cáo từ thông tin giả lập hoặc công khai, hay phân tích một tập câu hỏi khách hàng mẫu. Nhờ đồng nghiệp, người cố vấn hoặc người làm trong lĩnh vực đánh giá sản phẩm về độ rõ ràng, chính xác và mức độ phù hợp với nhiệm vụ.

Hãy xem dự án là minh chứng cho những gì bạn đã thực hành, không phải bằng chứng rằng bạn đủ tiêu chuẩn cho một vai trò hoặc chắc chắn có việc làm. Khi tạo bài tập cho hồ sơ năng lực, hãy dùng thông tin giả lập hoặc công khai, trừ khi bạn có quyền rõ ràng và quy trình được phê duyệt phù hợp để sử dụng dữ liệu thực tế tại nơi làm việc.

Đánh giá tiến độ và điều chỉnh kế hoạch

Hãy kiểm tra xem việc học giúp bạn thực hiện được nhiệm vụ liên quan hay chỉ hoàn thành bài học. Hoàn thành khóa học cho thấy bạn đã học một chủ đề, nhưng không tự nó chứng minh bạn có thể áp dụng kiến thức vào công việc mục tiêu.

Xem xét sản phẩm đã hoàn thành, phản hồi từ người am hiểu nhiệm vụ và bản đối chiếu cập nhật giữa yêu cầu của vai trò mục tiêu với năng lực hiện tại. Ví dụ, sau một dự án sử dụng bảng tính, hãy so sánh sản phẩm với công việc được mô tả trong một số tin tuyển dụng mục tiêu và hỏi người có chuyên môn xem phần nào cần cải thiện.

Nếu thực hành cho thấy bạn còn thiếu kỹ năng mới, hãy điều chỉnh kế hoạch. Nếu một kỹ năng bạn nghĩ sẽ cần lại ít liên quan hơn, hãy hạ mức ưu tiên. Việc đánh giá rồi điều chỉnh giúp kế hoạch học bám sát mục tiêu, thay vì trở thành danh sách khóa học kéo dài không có điểm dừng. [C2, C3, C4]

Mất bao lâu để reskilling trong lĩnh vực AI?

Không có mốc thời gian chung phù hợp với tất cả mọi người. Thời gian phụ thuộc vào độ phức tạp của vai trò mục tiêu và mức độ kỹ năng hiện có đáp ứng yêu cầu của vai trò đó. [C6]

Thay vì dựa vào một khoảng thời gian cố định, hãy đặt các mốc học tập và thực hành. Bạn có thể đặt mục tiêu hiểu một nhiệm vụ quan trọng, hoàn thành dự án liên quan và nhận phản hồi. Người bổ sung năng lực gần với công việc hiện tại có thể có lộ trình khác với người chuẩn bị cho công việc khác biệt đáng kể. Các mốc giúp bạn lập kế hoạch, nhưng không dự đoán chính xác khi nào bạn sẵn sàng hoặc liệu bạn có cơ hội việc làm hay không.

Bước đầu thực tế để hướng tới vai trò mới

Hãy chọn một vai trò mục tiêu khả thi và xem một số mô tả công việc. Đánh dấu nhiệm vụ bạn đã quen, kỹ năng có thể chứng minh và yêu cầu cần tìm hiểu thêm. Sau đó, chọn một hoạt động học tập và một nhiệm vụ thực hành nhỏ gắn với khoảng trống kỹ năng được ưu tiên. [C2, C3, C4]

Kế hoạch khởi đầu này giúp bạn thử nghiệm và điều chỉnh, đồng thời xây dựng kỹ năng phù hợp và minh chứng cho quá trình học. Nó không đảm bảo việc làm hay một kết quả nghề nghiệp cụ thể. Hãy để vai trò mục tiêu – không phải công cụ AI hay khóa học mới nhất – định hướng điều bạn học tiếp theo.

Đọc thêm trong chuyên đề Kỹ năng AI và Tương lai việc làm:

• Kiến thức nền tảng: Khả năng thích ứng nghề nghiệp trong thời đại AI
• Chuyên sâu cùng chủ đề: Kỹ năng AI cho công việc: Hướng dẫn cho người mới bắt đầu
• Hướng dẫn thực hành & Mẫu Prompt: Vì sao kỹ năng AI chuyển dịch từ Prompt sang Context Engineering?
• Khám phá toàn bộ chuyên mục: Kỹ năng AI cho công việc & Sự nghiệp