Phân tích nghề cùng doanh nghiệp - nền tảng để đổi mới chương trình đào tạo và đánh giá năng lực. 

Trí tuệ nhân tạo (AI) đang làm thay đổi cách thức con người thực hiện công việc trong nhiều ngành, nghề. Điều đáng chú ý là AI không nhất thiết làm cho một nghề biến mất ngay lập tức; trước hết, AI đang làm thay đổi các nhiệm vụ trong nghề, từ đó làm thay đổi yêu cầu về kỹ năng và năng lực nghề nghiệp.

Đối với giáo dục và đào tạo nghề, sự thay đổi này đặt ra một yêu cầu quan trọng: chương trình đào tạo không thể chỉ được xây dựng một lần rồi sử dụng trong thời gian dài, mà phải có cơ chế thường xuyên cập nhật theo sự thay đổi của nghề, công nghệ và thị trường lao động.

Trong bối cảnh đó, phân tích nghề DACUM - một phương pháp mà các cơ sở giáo dục nghề nghiệp đã sử dụng trong xây dựng chương trình đào tạo - có thể tiếp tục phát huy giá trị, thậm chí trở thành một công cụ quan trọng để cập nhật chương trình đào tạo và đánh giá năng lực trong thời đại AI.

1. AI đang thay đổi nhiệm vụ trước khi thay đổi toàn bộ nghề nghiệp

Một trong những xu hướng đáng chú ý hiện nay là AI tác động mạnh đến cấp độ nhiệm vụ (task level).

Có những nhiệm vụ AI có thể tự động hóa; có những nhiệm vụ AI chỉ hỗ trợ con người; và cũng có những nhiệm vụ vẫn đòi hỏi phán đoán chuyên môn, kiểm chứng và sự can thiệp có trách nhiệm của con người. Có thể khái quát quá trình này: AI → thay đổi NHIỆM VỤ → thay đổi KỸ NĂNG → thay đổi NĂNG LỰC NGHỀ NGHIỆP → cập nhật CHƯƠNG TRÌNH ĐÀO TẠO → cập nhật ĐÁNH GIÁ.

Điều này có nghĩa là khi công nghệ thay đổi, câu hỏi đối với nhà trường không chỉ là: “Nghề này còn cần hay không?” mà quan trọng hơn là: “Những nhiệm vụ nào của nghề đã thay đổi và người lao động cần có năng lực gì để thực hiện những nhiệm vụ đó trong môi trường công nghệ mới?”. Đây chính là điểm mà phân tích nghề DACUM có thể phát huy vai trò.

2. DACUM không chỉ để xây dựng chương trình đào tạo

DACUM xuất phát từ việc phân tích nghề thông qua những người đang thực hiện nghề trong thực tế. Phương pháp này giúp xác định công việc, nhiệm vụ và các yêu cầu năng lực cần thiết để thực hiện nghề.

Trong cách tiếp cận truyền thống, DACUM thường được sử dụng để trả lời câu hỏi: “Người lao động phải thực hiện những công việc và nhiệm vụ nào?”

Trong bối cảnh AI và chuyển đổi số, câu hỏi này cần được mở rộng: “Các công việc và nhiệm vụ đó đang thay đổi như thế nào dưới tác động của công nghệ, AI và yêu cầu mới của doanh nghiệp?”

Như vậy, DACUM có thể được nâng cấp từ công cụ xây dựng chương trình đào tạo thành công cụ phát hiện sự thay đổi của nghề. Có thể hình dung:

DACUM truyền thống: Nghề → Công việc → Nhiệm vụ → Kỹ năng.

DACUM trong bối cảnh AI: Nghề → Công việc → Nhiệm vụ → AI/Công nghệ tác động → Kỹ năng mới → Năng lực mới → Yêu cầu đánh giá.

Đây là sự chuyển đổi quan trọng từ “phân tích nghề tại một thời điểm” sang “theo dõi sự thay đổi của nghề theo thời gian”.

3. Doanh nghiệp - “cảm biến” phát hiện sự thay đổi của nghề

Để cập nhật chương trình đào tạo, nhà trường không thể chỉ dựa vào nhận định nội bộ. Doanh nghiệp và người lao động đang trực tiếp thực hiện nghề là nguồn thông tin quan trọng về những thay đổi đang diễn ra tại nơi làm việc.

Thông qua phân tích nghề có sự tham gia của doanh nghiệp, nhà trường có thể cùng xác định:

- Những nhiệm vụ nào vẫn giữ nguyên;

- Những nhiệm vụ nào đã thay đổi;

- Những nhiệm vụ nào đã được tự động hóa;

- Những nhiệm vụ nào được AI hỗ trợ;

- Những nhiệm vụ nào vẫn bắt buộc con người thực hiện;

- Những kỹ năng mới đang xuất hiện;

- Những năng lực nào doanh nghiệp đang thiếu;

- Những công cụ và công nghệ mới đang được sử dụng;

- Những yêu cầu mới về an toàn, đạo đức, dữ liệu và trách nhiệm nghề nghiệp.

Theo cách tiếp cận này, doanh nghiệp không chỉ là nơi tiếp nhận người học thực tập hoặc tuyển dụng người học sau tốt nghiệp, mà còn trở thành đối tác đồng thiết kế trong quá trình phát triển chương trình đào tạo.

4. Từ thay đổi nhiệm vụ đến thay đổi năng lực

Ví dụ, trong một nhiệm vụ kỹ thuật trước đây, người lao động có thể chỉ cần: “Chẩn đoán lỗi thiết bị.”.  Trong môi trường có AI, nhiệm vụ có thể trở thành: “Sử dụng hệ thống AI để hỗ trợ chẩn đoán lỗi, kiểm chứng kết quả và đưa ra quyết định kỹ thuật.”

Như vậy, yêu cầu năng lực không còn chỉ là biết sử dụng thiết bị. Người lao động cần có khả năng:

- Kiến thức: Hiểu nguyên lý kỹ thuật và cách thức AI hỗ trợ chẩn đoán.

- Kỹ năng: Sử dụng công cụ AI và hệ thống chẩn đoán.

- Kiểm chứng: Kiểm tra kết quả do AI cung cấp.

- Phán đoán chuyên môn: Đánh giá kết quả và lựa chọn phương án phù hợp.

- Hành động nghề nghiệp: Thực hiện giải pháp kỹ thuật.

- Trách nhiệm giải trình: Chịu trách nhiệm đối với quyết định và kết quả công việc.

Như vậy, AI không chỉ làm xuất hiện kỹ năng sử dụng công nghệ mới; AI còn làm tăng yêu cầu về phán đoán, kiểm chứng và trách nhiệm nghề nghiệp của con người.

5. Cập nhật chương trình đào tạo phải đi cùng cập nhật đánh giá

Nếu nhiệm vụ nghề nghiệp thay đổi mà chương trình đào tạo thay đổi, nhưng phương pháp đánh giá vẫn giữ nguyên, thì quá trình đổi mới chưa hoàn chỉnh.

Trong môi trường AI, người học có thể sử dụng AI để tạo ra một sản phẩm có vẻ đạt yêu cầu mà chưa chắc đã chứng minh được năng lực thực sự của mình. Do đó, đánh giá năng lực nghề nghiệp cần quan tâm nhiều hơn đến:

Quá trình thực hiện → Phán đoán → Kiểm chứng → Thực hiện nhiệm vụ → Minh chứng xác thực → Sản phẩm.

Thay vì chỉ đánh giá: “Người học tạo ra sản phẩm gì?”, cần đặt thêm các câu hỏi:

“Người học đã thực hiện như thế nào?”

“Người học có hiểu kết quả do AI hỗ trợ tạo ra hay không?”

“Người học có biết kiểm chứng kết quả hay không?”

“Người học có đủ năng lực đưa ra phán đoán nghề nghiệp hay không?”

“Người học có chịu trách nhiệm đối với quyết định của mình hay không?”

Đây là cơ sở để chuyển mạnh từ đánh giá sản phẩm sang đánh giá năng lực thực hiện thực chất.

6. DACUM - Doanh nghiệp - OBE: một chu trình đổi mới

Nếu kết hợp phân tích nghề DACUM với tiếp cận đào tạo dựa trên kết quả đầu ra (OBE) và sự tham gia thường xuyên của doanh nghiệp, nhà trường có thể hình thành một chu trình:

Tín hiệu thị trường lao động => DACUM / Phân tích nghề => Xác định thay đổi nhiệm vụ => Xác định khoảng cách kỹ năng => Cập nhật năng lực nghề nghiệp => Cập nhật chuẩn đầu ra => Cập nhật chương trình đào tạo => Cập nhật đánh giá => Doanh nghiệp xác nhận => Phản hồi cải tiến.

Đây thực chất là một chu trình PDCA ở cấp chương trình đào tạo, trong đó doanh nghiệp và thị trường lao động cung cấp những tín hiệu đầu vào để nhà trường liên tục cải tiến.

7. Từ “rà soát định kỳ” đến “cập nhật theo tín hiệu thay đổi”

Một chương trình đào tạo có chất lượng không chỉ được đánh giá bằng việc chương trình có đầy đủ các thành phần theo quy định, mà còn bằng khả năng duy trì sự phù hợp với thực tiễn nghề nghiệp.

Trong bối cảnh công nghệ thay đổi nhanh, việc chỉ rà soát chương trình theo một chu kỳ cố định có thể chưa đủ. Nhà trường có thể hướng tới mô hình: Rà soát định kỳ kết hợp với Rà soát khi xuất hiện tín hiệu thay đổi.

Chẳng hạn, khi doanh nghiệp đưa vào sử dụng một công nghệ mới, một hệ thống AI mới hoặc một quy trình sản xuất mới làm thay đổi đáng kể nhiệm vụ nghề nghiệp, điều đó có thể trở thành tín hiệu kích hoạt việc rà soát chương trình đào tạo.

Theo cách này, chương trình đào tạo có khả năng thích ứng nhanh hơn với thị trường lao động, thay vì chờ đến kỳ rà soát tiếp theo mới bắt đầu điều chỉnh.

8. Một hướng tiếp cận phù hợp với trường cao đẳng trong thời đại AI

Đối với các trường cao đẳng kỹ thuật - công nghệ, vấn đề không phải là đưa AI vào mọi mô-đun, mọi môn học bằng mọi giá. Điều quan trọng hơn là xác định:

- AI đang thay đổi nhiệm vụ nào?

- Nhiệm vụ đó làm thay đổi năng lực nào?

- Năng lực mới cần được đào tạo ở đâu?

- Đánh giá bằng cách nào để chứng minh người học thực sự có năng lực?

Từ đó, AI được tích hợp đúng chỗ, đúng mức độ và đúng mục tiêu, thay vì trở thành một hoạt động công nghệ mang tính phong trào. Có thể khái quát triết lý này bằng một chuỗi:

- Không bắt đầu từ AI.

- Bắt đầu từ sự thay đổi của nghề.

- Từ sự thay đổi của nghề xác định sự thay đổi của năng lực.

- Từ năng lực xác định chương trình đào tạo.

- Và từ chương trình xác định cách đánh giá.

Kết luận

AI đang đặt ra những yêu cầu mới đối với giáo dục nghề nghiệp, nhưng đồng thời cũng tạo cơ hội để các cơ sở Giáo dục nghề nghiệp đổi mới sâu hơn cách thức xây dựng chương trình, tổ chức đào tạo và đánh giá năng lực.

Trong quá trình đó, DACUM không phải là một phương pháp đã “cũ” chỉ vì đã được sử dụng từ trước. Ngược lại, khi được kết hợp với dữ liệu thị trường lao động, doanh nghiệp, chuyển đổi số, AI và OBE thì DACUM có thể trở thành một công cụ hữu hiệu để phát hiện sự thay đổi của nghề và chuyển hóa sự thay đổi đó thành yêu cầu mới về đào tạo và đánh giá.

Đối với nhà trường, mục tiêu cuối cùng là đào tạo những người lao động biết làm nghề trong môi trường có AI - có kỹ năng kỹ thuật, có khả năng sử dụng công nghệ, biết kiểm chứng, có phán đoán chuyên môn và có trách nhiệm đối với kết quả công việc.

- AI có thể thay đổi nhiệm vụ.

- Nhà trường phải thay đổi cách đào tạo.

- Doanh nghiệp phải cùng tham gia xác định sự thay đổi.

- Và đánh giá phải chứng minh được năng lực thực chất của người học.

Đó cũng là con đường để đổi mới chương trình đào tạo gắn với thị trường lao động, nâng cao chất lượng đào tạo và tăng cường năng lực thích ứng của người học trước sự thay đổi nhanh chóng của công nghệ.

Vũ Văn Đức - Chuyên gia