Một khi AI trở thành yếu tố then chốt cho mọi tổ chức muốn hưởng lợi từ việc phân tích các tệp dữ liệu lớn, các tổ chức sẽ phải tham gia vào một cuộc chiến khô máu để giành giật những nhà khoa học dữ liệu được đào tạo bài bản. Hậu quả là ngày nay có sự thiếu hụt trầm trọng ở cấp độ toàn cầu về nhân tài AI. Các nhân tài AI hiện tại đang tập trung hết thảy vào một vài ông lớn công nghệ như Google, Facebook, Amazon và Microsoft. Theo một vài ước lượng, chỉ riêng Facebook và Google đã tuyển khoảng 80% tiến sĩ học máy từ thị trường lao động về làm cho họ.
Không phải ai làm về dữ liệu cũng là kỹ sư AI
Trong khi nhiều cá nhân ở các công ty đang đảm nhiệm những công việc với tên gọi gắn với khoa học dữ liệu, đa số không thành thạo về học máy và trí tuệ nhân tạo. Các doanh nghiệp vẫn xem các nhà khoa học dữ liệu là các chuyên gia phân tích thực thi công việc tình báo kinh doanh sử dụng bảng điều khiển, hoặc lạc quan nhất là các chuyên gia thống kê với nhiệm vụ tạo mẫu từ các tệp dữ liệu để rút ra các kết luận ở dạng tĩnh. Đa số các tổ chức mới chỉ bắt đầu cuộc cách mạng của họ hướng tới AI và vẫn chưa sở hữu một dàn các chuyên gia AI thực sự giỏi.
Kể từ năm 2000, số lượng các startup AI đã tăng 14 lần, còn vốn đầu tư mạo hiểm đổ vào những startup này đã tăng sáu lần trong cùng thời điểm. Tỷ lệ các công việc đòi hỏi kỹ năng AI tăng khoảng 4,5 lần kể từ năm 2013.34 Nhu cầu toàn cầu ban đầu về các nhà khoa học dữ liệu và các nhà quản trị thành thạo về phân tích đã thu hút sự chú ý của các chính trị gia, chính phủ, tập đoàn và các trường đại học trên toàn thế giới.
Đại học là nơi tạo nguồn cung AI đầu tiên
Tất nhiên, nguồn cung các nhà khoa học dữ liệu phải bắt đầu từ các chương trình đào tạo ở bậc đại học. Sự tăng trưởng về số lượng việc làm thu nhập cao trong mảng khoa học dữ liệu đã làm tăng lượng đăng ký theo học các chương trình khoa học dữ liệu: những sinh viên tốt nghiệp có bằng về khoa học dữ liệu và phân tích đã tăng 7,5 phần trăm từ năm 2010 đến năm 2015, vượt lên trên mọi loại bằng khác với mức độ tảng chỉ là 2,4 phần trăm xét về tổng thể. Hiện nay, hơn 120 chương trình thạc sĩ và 100 chương trình phân tích kinh doanh đang được cung cấp chỉ riêng ở Mỹ. Do nhu cầu đào tạo đội ngũ nhân viên hiện tại rất lớn, người ta thấy sự gia tăng rõ rệt về mức độ phổ biến và sẵn có của các trại huấn luyện, các khóa học trực tuyến dạng MOOC và những chương trình cấp chứng chỉ về khoa học dữ liệu.
Năm 2018, LinkedIn thông báo số vị trí việc làm gắn với nhà khoa học dữ liệu ở Mỹ đã tăng 500 phần trăm từ năm 2014 trong khi số vị trí việc làm gắn với kỹ sư học máy tăng tới 1200 phần trăm. Một nghiên cứu khác năm 2017 đưa ra dự báo rằng vào năm 2020 tổng số việc làm về phân tích và khoa học dữ liệu sẽ đạt con số 2,720,000 và sẽ tác động tới hàng loạt ngành công nghiệp khác nhau. Trên các trang web hay nền tảng tuyển dụng như Glassdoor và LinkedIn, các vị trí kỹ sư học máy, nhà khoa học dữ liệu và lập trình viên dữ liệu lớn luôn nổi bật nhất với nhu cầu tuyển dụng đến từ khắp các ngành công nghiệp.
Chính vì vậy, các công ty đang chi trả hậu hĩnh để thu hút các nhà khoa học dữ liệu. Năm 2014, Google mua lại startup trí tuệ nhân tạo DeepMind Technologies với chỉ 75 nhân viên, trong thương vụ trị giá khoảng 500 triệu đô la Mỹ, nói cách khác mỗi nhân viên trị giá hơn 6 triệu đô la Mỹ.39 Vụ thâu tóm này tạo ra ít nhất là hai kết quả quan trọng: phát triển AlphaGo, hay chương trình AI đầu tiên đánh bại người chơi chuyên nghiệp của trò chơi Go, một trò chơi lâu đời xuất xứ từ Trung Quốc, một khoảnh khắc thực sự “Sputnik” đối với Trung Quốc, khiến chính phủ nước này xem AI như một ưu tiên phát triển chiến lược.40 Gần đây hơn thuật toán AlphaFold của DeepMind chiến thắng cuộc thi CASP, được xem như “Olympics cuốn pretein ảo, với mục tiêu là dự đoán cơ cấu ba chiều của protein dựa trên dữ liệu chuỗi gien.” Đây là một lĩnh vực quan trọng trong nghiên cứu sinh học phân tử với tiềm năng mạnh mẽ trong việc nâng cao hiểu biết về dịch bệnh và khám phá các loại thuốc mới.
Hành động của các chính phủ để tăng nhân lực AI
Để giải quyết nhu cầu tổng thể về các kỹ năng khoa học dữ liệu, các chính phủ bắt đầu hành động. Viện Dữ liệu Mở của Anh và Viện Alan Turing, chiến lược dữ liệu 2014 của Ủy ban Châu Âu và Kế hoạch chiến lược phát triển và nghiên cứu Dữ liệu lớn 2016 của chính phủ liên bang Mỹ là những minh chứng về các nỗ lực phối hợp để giải quyết nhu cầu cung cấp các nhà khoa học dữ liệu đào tạo bài bản. Trung Quốc, quốc gia đã biến AI thành một trụ cột chính trong Kế hoạch 5 năm lần thứ mười ba và Kế hoạch phát triển Thế hệ AI mới, đang đầu tư không tiếc tiền vào nghiên cứu AI, bao gồm cả các chương trình đào tạo đại học để cho ra lò các nhà khoa học dữ liệu.42 Tuy nhiên Trung Quốc cũng dự trù họ sẽ đối mặt với sự thiếu hụt trầm trọng về các nhà khoa học dữ liệu: năm 2016, bộ công nghệ thông tin ước lượng Trung quốc sẽ cần thêm 5 triệu nhân sự AI để đáp ứng đủ nhu cầu.
Trên bình diện toàn cầu, các chương trình nghiên cứu truyền thống đang đóng góp vào nghiên cứu lõi và các công trình nghiên cứu đang được công bố với tốc độ cực nhanh. Các viện nghiên cứu hàng đầu như MIT, Carnegie Mellon, Stanford và USC ở Mỹ; Đại học công nghệ Nanyang, Đại học Quốc gia Singapore, Đại học Bách khoa Hồng Công, Đại học Trung quốc ở Hồng Công, Viện Tự động hóa; Đại học Tsinghua, và Viện Khoa học Trung quốc ở Châu Á; Đại học Grenada và Đại học Kỹ thuật Mu ních ở Châu Âu; cùng những đại học khác ở Canada, Thụy sĩ, Ý, Hà lan, Áo và Bỉ, v.v.
Các chương trình khoa học dữ liệu ở Mỹ đang được mở rộng ra rất nhiều hướng. Năm 2014, Đại học California ở Berkeley tung ra một chương trình thạc sĩ trực tuyến về khoa học dữ liệu và hiện nay cung cấp một chương trình đào tạo điều hành về khoa học dữ liệu và phân tích. Hơn 30 trường trung học ở California đã bắt đầu cung cấp các lớp học khoa học dữ liệu dành cho học sinh cấp hai và cấp ba. Về lâu dài, môn toán và khoa học máy tính cần được đặc biệt chú trọng đưa vào chương trình đào tạo, bắt đầu từ chương trình phổ thông để giải quyết những thiếu hụt kỹ năng AI.
Số lượng các khóa huấn luyện “boot camp” và chương trình đào tạo nhằm thu hút các nhà khoa học dữ liệu cung ngày một gia tăng. Những chương trình này thu hút các nhà thực hành với nền tảng kỹ thuật mạnh mẽ khác nhau như toán học, vật lý hay các ngành kỹ thuật khác, để huấn luyện và chuẩn bị hành trang cho họ bước vào sự nghiệp AI. Một vài khóa huấn luyện thậm chí được cung cấp trực tuyến, ví dụ Coursera cung cấp chương trình đào tạo trực tuyến cho cả nội dung học máy và học sâu. Các khóa học khác diễn ra trên lớp như chương trình Insight Data Science tại khu vực Vịnh San Francisco.
Nhu cầu về những người dịch thuật cho AI
Ngoài các nhà khoa học dữ liệu, các công ty cũng sẽ cần các cá nhân mà McKinsey gọi là “người dịch thuật.” Những người dịch thuật này giúp hàn gắn sự chia cách giữa các nhà thực hành AI và doanh nghiệp. Họ có đủ kiến thức về quản trị để hướng dẫn và khai thác các tài năng AI một cách hiệu quả, và cũng nắm khá rõ về AI để đảm bảo thuật toán được tích hợp đúng cách vào các thực tiễn kinh doanh.
Không nghi ngờ gì, chúng ta đang bước vào một thời điểm chuyển dịch khi mà các tổ chức đào tạo lại lực lượng lao động, tuyển những sinh viên tốt nghiệp có bằng AI, và thực hiện điều chỉnh theo hàng loạt thay đổi được thúc đẩy bởi những sáng tạo và ứng dụng AI. Tuy nhiên có một lộ trình sáng tỏ phía trước cho các tổ chức nhìn ra được một tương lai phụ thuộc vào AI tất yếu và hiểu được yêu cầu phải bắt tay xây dựng các năng lực AI ngay từ hôm nay. Ngày nay, các tổ chức có thể dựa vào chuyên môn của các nhà tư vấn AI và các đối tác công nghệ tin cậy trong khi đồng thời xây dựng năng lực AI nội bộ cho chính họ.
Nguồn: Digital Transformation: survive and thrive in an Era of Mass Extinction. Thomas Siebel (2017)
