Trong các chương trình đào tạo cho tổ chức lớn tôi từng đứng lớp, có một con số lặp lại nhiều lần đến mức tôi không còn coi là ngẫu nhiên. Học viên vỗ tay khi thấy tôi demo trực tiếp những gì vừa dạy, khảo sát cuối khóa toàn điểm 4 và 5, ai cũng nói "rất hữu ích, sẽ áp dụng ngay".
Nhưng ba tháng sau, trong 100 người học, chỉ khoảng 5 người thực sự bắt tay triển khai, va vấp với khó khăn thật ngoài công việc, và tìm cách vượt qua để biến kiến thức mới thành thói quen làm việc mới.
Học AI xong không biết áp dụng không phải vì học viên lười hay nội dung khóa học dở. Nghiên cứu về transfer of training trong gần bốn thập kỷ cho thấy chỉ khoảng 10 đến 30% kiến thức từ một khóa đào tạo thực sự chuyển thành hành vi công việc, bất kể ngành nào hay giảng viên giỏi tới đâu. Gốc rễ nằm ở 5 lý do cụ thể bên dưới, và phần lớn nằm ở môi trường sau đào tạo, không nằm ở nội dung khóa học.
Học AI xong không biết áp dụng: con số 5/100 không phải bạn tệ, mà là quy luật
Trước khi đi vào 5 lý do, cần nói thẳng một điều. Nếu bạn là trainer hay chủ doanh nghiệp đang tự trách vì tỷ lệ áp dụng thấp, con số bạn quan sát được không lệch nhiều so với dữ liệu nghiên cứu suốt gần 40 năm qua.
| Nguồn | Phát hiện |
|---|---|
| Baldwin & Ford (1988), Personnel Psychology | Chỉ 10-30% kiến thức đào tạo chuyển thành hành vi công việc, tỷ lệ gần như không đổi suốt 3 thập kỷ nghiên cứu tiếp theo |
| Association for Talent Development (ATD) | Chỉ 12% học viên áp dụng kỹ năng mới nếu không có theo sát sau khóa học, và chỉ 20% áp dụng thành công nếu thiếu hỗ trợ từ quản lý trực tiếp |
| Đường cong lãng quên Ebbinghaus | Không ôn lại, não bộ quên khoảng 70% nội dung sau 24 giờ và tới 90% sau 7 ngày |
| Diffusion of Innovation (Everett Rogers) | Nhóm "innovators", người tự thử cái mới bất kể môi trường có ủng hộ hay không, chỉ chiếm 2.5% dân số |
Đặt cạnh nhau, 4 nguồn độc lập đều chỉ về cùng một vùng số: một nhóm nhỏ, đâu đó từ 2.5% đến 30%, sẽ tự vượt qua trở ngại để áp dụng cái mới bất kể môi trường xung quanh ra sao. Phần còn lại cần một hệ thống hỗ trợ để đi tiếp.
Con số 5/100 bạn quan sát không phải bằng chứng bạn thất bại. Nó là bằng chứng bạn đang chứng kiến một hiện tượng phổ quát của hành vi con người và tổ chức. Điều cần cẩn trọng là kết luận tiếp theo: nhiều trainer thấy con số này rồi bỏ cuộc, cho rằng "con người vốn vậy, không làm gì được". Đó là kết luận sai. Đòn bẩy lớn nhất không nằm ở làm nội dung hay hơn, mà nằm ở thiết kế môi trường sau đào tạo. Training Industry ghi nhận nếu không có quản lý trực tiếp khuyến khích, kèm cặp và làm mẫu hành vi mới, tới 60-90% những gì học được trong đào tạo không bao giờ được dùng tới.
Lý do 1: học công cụ chung chung, không gắn quy trình của chính doanh nghiệp
Phần lớn khóa AI dạy prompt tổng quát: viết email, tóm tắt văn bản, tạo nội dung. Học viên thấy hay ngay tại lớp vì ví dụ dễ hiểu. Nhưng về công ty, họ đối diện với một quy trình cụ thể, dữ liệu cụ thể, hệ thống cũ cụ thể. Khoảng cách giữa "prompt mẫu trong slide" và "việc thật trên bàn làm việc" chính là nơi phần lớn học viên bỏ cuộc.
Lý do 2: thiếu bước chọn điểm nghẽn trước khi học
Sai lầm phổ biến là học trước, tìm việc để áp dụng sau. Thứ tự đúng phải ngược lại: xác định điểm nghẽn vận hành đáng tiền nhất trước, rồi mới học đúng kỹ năng để giải điểm nghẽn đó.
Tôi đã viết chi tiết thứ tự này trong bài triển khai AI bắt đầu từ đâu. Học xong mới đi tìm việc để dùng cũng giống như mua công cụ trước khi biết mình cần sửa gì, xác suất công cụ đó nằm im trong ngăn kéo là rất cao.
Lý do 3: kỹ năng cá nhân không tự thành năng lực tổ chức
Đây là lý do bị bỏ qua nhiều nhất. Một nhân viên học xong AI có kỹ năng cá nhân, không phải năng lực tổ chức. Người đó nghỉ việc, kỹ năng đi theo luôn. Kỹ năng chỉ trở thành năng lực tổ chức khi được viết thành quy trình, gắn vào công cụ dùng chung, và đo bằng KPI kinh doanh chứ không phải số chứng chỉ.
Tôi có phân tích sâu hơn khoảng cách này trong bài đào tạo AI gắn với quy trình vận hành và bài năng suất cá nhân và năng suất doanh nghiệp, lý giải vì sao một người giỏi hơn không tự động khiến cả tổ chức giỏi hơn.
Lý do 4: không có người dẫn triển khai sau khóa học
Đây là lý do có nhiều bằng chứng nghiên cứu nhất và cũng dễ sửa nhất. Theo ATD, việc học không có theo sát khiến tỷ lệ áp dụng rơi xuống 12%. Có quản lý trực tiếp hỗ trợ, tỷ lệ mới lên được 20%.
Quá trình lãng quên bắt đầu chỉ trong 48 giờ nếu không được ôn lại. Học viên quay về đúng workflow cũ, đồng nghiệp xung quanh không ai làm khác đi, và hành vi mới đòi hỏi nhiều công sức hơn hành vi cũ trong ngắn hạn. Không có gì bất ngờ khi họ quay lại lối mòn.
Lý do 5: kỳ vọng sai về AI, chạy theo phong trào
Một số học viên đi học vì thấy ai cũng học, kỳ vọng AI "làm hộ tất cả". Khi va vào thực tế là AI vẫn cần người thiết kế quy trình, kiểm soát chất lượng đầu ra, họ thất vọng và bỏ.
Đây cũng là lý do MIT ghi nhận 95% dự án AI tạo sinh tại doanh nghiệp thất bại, phần lớn vì vấn đề tổ chức chứ không phải công nghệ, theo báo cáo được Fortune trích dẫn. Kỳ vọng sai dẫn tới thiết kế sai ngay từ đầu, và không có công cụ nào cứu được một kỳ vọng sai.
Portal chỉ 3/100 đăng ký: đừng vội kết luận nội dung dở
Nếu bạn từng khảo sát "học viên có muốn học tiếp không" và ai cũng gật đầu, rồi mở portal ra chỉ có 3% đăng ký, đừng vội kết luận nội dung của mình không đủ hấp dẫn. Đó là khoảng cách kinh điển giữa điều người ta nói họ muốn và điều người ta thực sự làm, phổ biến trong mọi khảo sát sau sự kiện.
Con số 3% cũng không lệch nhiều so với dữ liệu ngành. Các khóa học mở tự do kiểu MOOC có tỷ lệ hoàn thành trung bình 3-15%, trung vị khoảng 12%. Nhưng khi có cấu trúc: deadline theo cohort, có người theo dõi, có động lực gắn kèm, tỷ lệ hoàn thành ở các chương trình trả phí có thể lên 50-80%. Có ưu đãi hoàn thành, con số này có thể nhảy từ 35% lên 85%.
Nói cách khác, chênh lệch không nằm ở việc học viên có muốn học hay không. Nó nằm ở việc portal của bạn có deadline không, có ai theo dõi tiến độ không, có áp lực xã hội (cohort, nhóm học cùng) không. Một portal tự học, không giới hạn thời gian, không ai nhắc, đang cạnh tranh trực tiếp với mọi việc khẩn cấp khác trong ngày của học viên, và luôn thua.
Cách thoát: đảo ngược thứ tự, học gắn 1 use case thật
Nếu không muốn tiếp tục chứng kiến cảnh học AI xong không biết áp dụng lặp lại ở đội ngũ mình, đây là công thức tôi áp dụng khi thiết kế lại chương trình đào tạo AI, thay vì dạy trước và hy vọng học viên tự tìm việc để áp dụng sau:
- Chọn 1 điểm nghẽn vận hành cụ thể, đáng tiền nhất, trước khi mở bất kỳ slide nào.
- Thiết kế quy trình giải bài toán đó, xác định rõ AI làm phần nào, người làm phần nào.
- Dạy đúng kỹ năng cần cho quy trình đó, không dạy công cụ tràn lan.
- Có người theo sát 30-90 ngày sau khóa học để đảm bảo quy trình thật sự chạy, không phải kiến thức nằm trong đầu một người.
- Đo bằng KPI kinh doanh: thời gian xử lý giảm bao nhiêu, chi phí giảm bao nhiêu, không đo bằng số chứng chỉ hay điểm khảo sát cuối khóa.
Đây cũng là cách tôi thiết kế chương trình AI Roadmap tại Markus Lab: không có bài giảng lý thuyết đứng riêng, mọi buổi học gắn vào một use case thật của chính doanh nghiệp, và có theo dõi triển khai sau khóa thay vì kết thúc bằng một buổi tổng kết rồi thôi. Nếu bạn đang đứng trước một chương trình đào tạo AI sắp triển khai, có thể đặt 30 phút tư vấn miễn phí để cùng xác định đúng use case đầu tiên trước khi xuống tiền cho bất kỳ khóa học nào.
Câu hỏi thường gặp
Tự học AI có áp dụng được không, hay bắt buộc phải qua khóa đào tạo? Tự học hoàn toàn được, miễn là áp dụng đúng thứ tự: chọn điểm nghẽn trước, học đúng phần cần cho điểm nghẽn đó, rồi thực hành ngay trên việc thật. Rào cản lớn nhất của tự học không phải kiến thức, mà là thiếu người theo sát để duy trì kỷ luật triển khai.
Mất bao lâu để một kỹ năng AI mới thực sự trở thành thói quen làm việc? Theo dữ liệu transfer of training, khoảng 30-90 ngày với việc lặp lại đều đặn và có người nhắc, gắn với ít nhất một quy trình cụ thể. Học một lần rồi không dùng lại trong vài tuần đầu gần như chắc chắn sẽ quên.
Doanh nghiệp nhỏ, ít người, ít ngân sách, nên bắt đầu đào tạo AI như thế nào? Bắt đầu với 1 người, 1 quy trình, trong 30 ngày, thay vì đào tạo đại trà cho cả team. Xem thêm khung chi phí thực tế trong bài chi phí triển khai AI cho doanh nghiệp để biết mức đầu tư hợp lý theo quy mô.
Vì sao có khảo sát hài lòng cao mà vẫn xảy ra tình trạng học AI xong không biết áp dụng? Vì hài lòng (Kirkpatrick gọi là cấp độ 1, phản ứng) và thay đổi hành vi thật (cấp độ 3) là hai chuyện khác nhau. Một buổi học hay, giảng viên giỏi, ví dụ thuyết phục hoàn toàn có thể tạo ra sự hài lòng cao mà không tạo ra thay đổi hành vi, nếu thiếu môi trường hỗ trợ sau đó.
Nhận bài viết mới nhất từ Markus Lab
2-3 bài mỗi tuần về AI, build sản phẩm, và growth cho founder & SME Việt. Không spam, unsubscribe bất cứ lúc nào.
