Chuyển giao kỹ năng bằng AI 2026 – 3 tầng tri thức ẩn và chi phí

“Người đó mà nghỉ thì công đoạn này đứng.” — tại các nhà máy Nhật Bản ở Thái Lan, hầu như ai cũng lờ mờ nhận ra điều này nhưng chưa ai thực sự động tay vào. Rồi AI tạo sinh xuất hiện, và cụm từ chuyển giao kỹ năng bằng AI bỗng trở nên có vẻ khả thi. Có điều, số dự án thất bại cũng nhiều ngang số dự án được khởi động: quay video xong đẩy lên server rồi thôi, hoặc giao cho thợ lành nghề viết tài liệu rồi dự án chết yểu. Bài viết này không bàn chuyện chung chung “AI có làm được chuyển giao kỹ năng hay không”, mà bàn về một việc cụ thể hơn nhiều: chia tri thức ẩn thành 3 tầng, xác định tới đâu thì đưa lên AI và từ đâu thì chuyển sang thiết kế đào tạo.

Vì sao các dự án chuyển giao kỹ năng bằng AI thất bại

Kiểu thất bại thứ nhất: “quay video rồi để lên server”

Đây là kiểu phổ biến nhất. Quay lại thao tác của thợ lành nghề, lưu vào thư mục chia sẻ, NAS, hoặc cloud storage. Bản thân việc đó không sai. Vấn đề là sau đó không có gì xảy ra nữa.

Nửa năm sau, thứ còn lại là một thư mục với những cái tên file kiểu 20260312_congdoan-mai_anh-Kato.mp4. Mỗi file dài từ 30 phút đến một tiếng. Một bạn trẻ thắc mắc “khi gọt bavia mà mặt bị nhám thì phải làm sao” cũng chẳng biết phải mở video nào, tua tới phút thứ mấy giây thứ mấy. Cuối cùng vẫn quay sang hỏi người thợ ngồi bên cạnh. Nghĩa là so với trước khi quay, không có gì thay đổi.

Lý do video không được dùng rất rõ ràng: video là định dạng không tìm kiếm được. Thông tin không được cắt về mức độ chi tiết mà con người tra cứu nổi thì có tích lũy bao nhiêu cũng không ai truy cập. Hơn nữa, video hầu như không ghi lại được “vì sao lại làm như vậy”. Đôi tay thì hiện lên màn hình, nhưng lúc đó người thợ nhìn cái gì, so sánh với cái gì, và phán đoán ra sao thì không hề hiện lên. Vì họ làm một cách vô thức, nên cũng không nói ra thành lời.

Kiểu thất bại thứ hai: giao cho thợ lành nghề tự viết rồi bỏ dở

Kiểu phổ biến thứ hai là quyết định “vậy thì mình soạn lại tài liệu hướng dẫn đi” rồi giao việc chấp bút cho chính người thợ lành nghề. Cách này gần như chắc chắn sẽ dừng giữa chừng. Có ba lý do.

Thứ nhất, viết lách không phải nghề của họ. Việc cấu trúc hóa suy nghĩ thành văn bản tự nó đã là một kỹ năng riêng. Một người đứng chuyền suốt 40 năm không nhất thiết soạn được một quy trình có phân cấp mạch lạc trên máy tính. Thứ hai, khối lượng công việc thường ngày của họ không hề giảm đi. Càng là thợ giỏi thì càng bị gọi đi chữa cháy ở hiện trường. Một việc viết lách không có deadline thì chắc chắn bị đẩy xuống cuối hàng đợi. Thứ ba, bản thân họ không ý thức được mình đang biết những gì. Đây mới là bức tường lớn nhất. Những phán đoán đã trở thành vô thức, với chính người đó là “chuyện đương nhiên”, nên không được nhận diện là thông tin đáng viết ra. Kết quả là thứ nộp lên chỉ là một văn bản chung chung, nội dung gần như trùng khớp với bản tiêu chuẩn thao tác đã có sẵn.

Kiểu thất bại thứ ba: nghĩ rằng cứ đưa AI vào là xong

Và kiểu thứ ba là kiểu tăng mạnh trong năm 2026. Lập luận là: AI tạo sinh giờ đã đọc được tài liệu nội bộ, vậy chỉ cần quăng hết tài liệu hiện có vào là chuyển giao kỹ năng sẽ tự động diễn ra.

Chỗ thiếu ở đây là một sự thật rất căn bản: thứ tri thức mà bạn muốn giữ lại vốn chưa từng được viết thành văn bản. AI chỉ đọc được những gì đã được viết ra. Tiêu chí phán đoán chỉ nằm trong đầu người thợ thì dùng mô hình mạnh đến mấy cũng không đọc ra được. Nếu cứ đánh chỉ mục toàn bộ thư mục hiện có rồi bật tìm kiếm, thứ hiện ra sẽ là bản quy trình cũ chưa sửa đổi từ mười năm trước, ghi chú cá nhân của ai đó, và một bản nháp chưa được phê duyệt. Không những không dùng được, bạn còn tạo ra một cơ chế trả lời sai một cách đầy tự tin.

Điểm chung của cả ba: thiếu sự phân loại “giữ lại cái gì”

Điểm xuyên suốt cả ba kiểu thất bại là: đây không phải vấn đề năng lực của AI. Cả ba đều xuất phát từ việc không phân loại “tri thức cần giữ lại” theo từng chủng loại. Quy trình thao tác, tiêu chí phán đoán, cảm giác cơ thể — gộp hết lại gọi chung là “tri thức ẩn” rồi tìm cách xử lý một cục. Nhưng ba thứ đó khác nhau hoàn toàn về công việc cần làm, về mức độ khả thi, và về cấu trúc chi phí.

Độ khó này thể hiện rất rõ trong số liệu thống kê. Trong phần giải thích về Sách trắng Ngành chế tạo bản 2026 của Bộ Kinh tế, Thương mại và Công nghiệp Nhật Bản (METI), con số được nêu về khó khăn trong chuyển giao kỹ năng là “khó chuyển tri thức và kinh nghiệm của thợ lành nghề thành tri thức tường minh” chiếm 68,6%. Kèm theo đó là các hạng mục “không biết phương pháp chuyển thành tri thức tường minh” 28,6% và thiếu nguồn lực quản trị 28,1%. Nói cách khác, phần lớn doanh nghiệp đang ở trạng thái: “biết rõ là phải làm, nhưng không biết làm thế nào”.

Cũng trong phần giải thích đó, một con số khác được đưa ra: trong số các doanh nghiệp đã thực hiện liên kết dữ liệu, 71,8% chưa ứng dụng AI. Dữ liệu đã bắt đầu được kết nối ở một mức độ nhất định, nhưng vẫn chưa bước được sang ứng dụng AI. Bản chất của sự đứt gãy này chính là sự vắng mặt của bước phân loại “giữ lại cái gì”. Giữa việc chuẩn hóa dữ liệu và việc đưa AI vào, có một công đoạn thiết kế bị bỏ sót: quyết định giữ lại tri thức nào, ở định dạng nào, dành cho ai đọc.

Xin nói rõ: đây là số liệu về ngành chế tạo Nhật Bản. Nhưng cấu trúc vấn đề mà nó mô tả — lực lượng thợ lành nghề già đi, tri thức nằm trong đầu chứ không nằm trên giấy, và doanh nghiệp biết mình cần số hóa tay nghề nhưng không có phương pháp — thì các nhà máy tại Việt Nam và ASEAN đang đối diện gần như y hệt, chỉ khác về thời điểm và tốc độ.

Tri thức ẩn cần được chia thành 3 tầng

Mô hình 3 tầng

Khi thiết kế một hệ thống chuyển giao kỹ năng bằng AI, việc đầu tiên phải làm là phân loại tri thức ẩn. Cách chia dễ dùng nhất trong thực chiến là 3 tầng dưới đây.

Vì sao phải chia thành 3 tầng

Vì không chia thì không ra được quyết định đầu tư.

Tầng 1 có hiệu quả chi phí rất rõ ràng. Kiểm kê và cập nhật tài liệu hiện có, cắt nhỏ video, đa ngôn ngữ hóa. Khối lượng công việc ước lượng được, kết quả cũng đo được. Nhưng chỉ chuẩn hóa tầng 1 thì bài toán chuyển giao kỹ năng vẫn không được giải. Bởi vì thứ làm nhân viên trẻ bế tắc không phải là “không biết quy trình”, mà là tình huống “đã làm đúng quy trình mà vẫn không ra kết quả”.

Tầng 2 tốn công đúng bằng phần công đoạn khai thác, nhưng đây là nơi cho hiệu quả cao nhất. Khi “vì sao lúc đó lại chọn phương án này” được tích lũy lại, phạm vi mà nhân viên trẻ tự phán đoán được sẽ mở rộng ra. Khoản đầu tư vào chuyển giao kỹ năng bằng AI, xét cho cùng, được quyết định bởi việc bạn làm dày tầng 2 tới đâu.

Tầng 3 thì không giữ lại được. Chấp nhận điều này là việc quan trọng nhất về mặt thiết kế. Nếu bị cuốn theo những khẩu hiệu kiểu “tái hiện tay nghề nghệ nhân bằng AI” mà đưa cả tầng 3 vào tầm ngắm, dự án chắc chắn sẽ phình ra rồi đổ vỡ. Tầng 3 là đối tượng của chuyển giao, nhưng không phải đối tượng của AI. Nó thuộc về địa hạt thiết kế đào tạo: chương trình huấn luyện, mẫu giới hạn, đánh giá tay nghề thực hành.

Từ bỏ tầng 3 chính là cách bảo vệ tầng 1 và tầng 2

Khi trình bày điều này tại hiện trường, đôi khi phản ứng nhận được là: “vậy rốt cuộc phần quan trọng nhất vẫn không giữ được à”. Nhận định này một nửa là đúng, một nửa là hiểu nhầm.

Ở phần lớn các công đoạn, thứ thực sự chặn bước nhân viên trẻ không phải tầng 3 mà là tầng 2. Phân biệt “tiếng này là bất thường hay bình thường” thuộc tầng 3, nhưng “sau khi biết là bất thường thì kiểm tra từ đâu trước” lại thuộc tầng 2. Nếu vế sau được giữ lại, nhân viên trẻ có thể tự đi được một quãng khá xa. Đến lúc thực sự tắc thì mới gọi người đi trước. Mục tiêu là giảm số lần phải gọi thợ lành nghề, chứ không phải đưa con số đó về không.

Một tác dụng khác của việc tách tầng 3 ra là thứ tự ưu tiên của đào tạo trở nên rõ ràng. Khi bạn xác định được “ở công đoạn này, thứ bắt buộc phải học bằng cơ thể chỉ có 3 điều”, thì thời gian huấn luyện có thể dồn hết vào đó. Chính vì gộp cả tầng 1 và tầng 2 vào OJT nên thời gian đào tạo mới bị kéo dài ra hàng năm trời.

Phân rã sâu hơn nội dung của tầng 2

Tầng 2 có phạm vi khá rộng, nên chia thêm một cấp nữa sẽ dễ thiết kế hơn.

Bốn phân nhóm này có thể dùng trực tiếp làm khung thiết kế câu hỏi phỏng vấn. Chúng tôi sẽ nói kỹ ở phần sau.

Vì sao chuyển giao kỹ năng bằng AI lại cấp bách tại các nhà máy Nhật Bản ở Thái Lan

Chuyên gia biệt phái thay ca mỗi 3–5 năm

Ở Nhật Bản, chuyện chuyển giao kỹ năng được kể theo trục thời gian “thợ lành nghề đến tuổi nghỉ hưu”. Tại các nhà máy Nhật Bản ở Thái Lan, chồng lên trục đó là một chiếc đồng hồ thứ hai: nhiệm kỳ của chuyên gia người Nhật biệt phái.

Ở phần lớn doanh nghiệp Nhật, thời gian biệt phái vào khoảng 3 đến 5 năm. Trong quãng thời gian đó, người biệt phái học thuộc đặc tính của thiết bị, chủng loại sản phẩm, khách hàng và nhà cung ứng tại chỗ, rồi dựng nên bộ tiêu chí phán đoán của riêng mình. “Lô này là hàng cho khách Nhật, nên phải dừng ở ngưỡng này.” “Thiết bị này cứ vào mùa mưa là chạy khác hẳn.” “Vật tư của nhà cung ứng này chênh lệch giữa các lô lớn, nên phải siết kiểm tra đầu vào.” — những tri thức như vậy không hề có trong bộ tiêu chuẩn của trụ sở Nhật Bản. Chúng được tạo ra tại chỗ, dùng tại chỗ, và là tri thức ẩn theo đúng nghĩa đen.

Rồi khi hết nhiệm kỳ, toàn bộ khối tri thức đó biến mất. Người kế nhiệm từ Nhật sang, lại xây lại từ đầu. Những nhà máy lặp đi lặp lại vòng lặp này mỗi 3–5 năm không hề hiếm. Nếu nói chuyển giao kỹ năng trong nước Nhật là bài toán “thứ tích lũy suốt 40 năm bị mất đi một lần”, thì nhà máy Nhật Bản tại Thái Lan mang bài toán “thứ tích lũy trong 3–5 năm bị mất đi lặp đi lặp lại”. Xét về tổng lượng tri thức bị mất, có trường hợp vế sau còn lớn hơn.

Giá trị của việc cân nhắc chuyển giao kỹ năng bằng AI tại Thái Lan nằm ở cấu trúc kép này. Đối tượng không chỉ là thợ tay nghề ở hiện trường, mà bao gồm cả tiêu chí phán đoán của chuyên gia biệt phái. Đây là luận điểm không xuất hiện trong các cuộc thảo luận dành riêng cho thị trường nội địa Nhật Bản.

Với các nhà máy có vốn Nhật Bản, Hàn Quốc hay Đài Loan tại Việt Nam, cấu trúc này lặp lại gần như nguyên vẹn. Chuyên gia kỹ thuật nước ngoài sang theo nhiệm kỳ, dựng chuẩn tại chỗ, rồi về nước. Câu hỏi đặt ra vì thế cũng giống hệt: những gì họ quyết định trong nhiệm kỳ đó có được viết lại ở dạng người ở lại đọc được không.

Người tiếp nhận là nhân viên bản địa — đa ngôn ngữ không phải “tùy chọn” mà là “yêu cầu”

Còn một điều kiện nữa, đặc thù và mang tính quyết định. Người tiếp nhận tri thức được giữ lại không phải người Nhật.

Tài liệu quy trình viết bằng tiếng Nhật, video có thuyết minh tiếng Nhật, bộ Hỏi–Đáp cấu trúc hóa bằng tiếng Nhật. Với chính người làm ra chúng, mọi thứ trông hoàn hảo. Nhưng người thực sự sử dụng là operator, technician và supervisor người Thái. Một tài liệu để nguyên tiếng Nhật, với họ, tương đương với không tồn tại.

Điều hay bị xem nhẹ ở đây là: dịch thuật và đa ngôn ngữ hóa là hai việc khác nhau. Đưa tài liệu tiếng Nhật qua máy dịch thì đúng là ra tiếng Thái, nhưng những thuật ngữ dùng thật ở hiện trường (tên đồ gá, tên gọi thiết bị, từ viết tắt nội bộ) không dịch nổi, và kết quả là gây thêm rối loạn. Thứ cần làm là dựng bảng thuật ngữ trước, cố định cách gọi, rồi mới dịch.

Chỗ AI tạo sinh thực sự phát huy tác dụng trong bối cảnh chuyển giao kỹ năng, thật ra cũng nằm ở đây. Vì chi phí đa ngôn ngữ hóa đã giảm rất mạnh so với trước, nên thay vì “giữ bằng tiếng Nhật rồi sau này dịch”, thiết kế “vận hành song song 3 ngôn ngữ Nhật–Thái–Anh ngay từ đầu” đã trở nên khả thi. Ở Việt Nam thì tổ hợp thường gặp là Nhật–Việt–Anh, nhưng nguyên tắc không đổi. Tuy vậy, việc kiểm soát thuật ngữ và rà soát bởi người tại hiện trường vẫn phải do con người làm. Bỏ qua khâu này thì bản dịch kém chính xác sẽ làm hiện trường mất lòng tin, và cả cơ chế sẽ bị bỏ không. Luận điểm về cách xây dựng một cơ chế thực sự bám rễ tại chỗ trùng khớp với nội dung chúng tôi đã bàn trong bài 4 nguyên nhân khiến đào tạo AI tạo sinh không bám rễ.

Sự khan hiếm nhân lực tay nghề bậc trung tại Thái Lan

Thêm nữa, cấu trúc thị trường lao động tại chỗ cũng là một phần bối cảnh. Trong ngành chế tạo Thái Lan, các nhận định về việc ngày càng khó tuyển được nhân lực tay nghề bậc trung — technician, supervisor, maintenance — vẫn liên tục xuất hiện. Kỹ sư mới ra trường hay operator chưa có kinh nghiệm thì tuyển được, nhưng tầng nhân lực đã tích lũy đủ kinh nghiệm để tự phán đoán thì lại mỏng.

Về quy mô, số lao động trong ngành chế tạo Thái Lan vào khoảng 6,24 triệu người (số liệu tháng 12/2024). Bên cạnh đó, Ủy ban Đầu tư Thái Lan (BOI) được cho là đã đưa ra các biện pháp nâng cao kỹ năng nhân lực với quy mô khoảng 5 tỷ baht, hướng tới khoảng 100.000 người, cho thấy chính ở cấp quốc gia, tình trạng thiếu hụt lao động tay nghề cũng đang được nhìn nhận như một vấn đề.

Nhìn từ hiện trường nhà máy, sự khan hiếm này hiện ra như sau. Tầng nhân lực bậc trung bị săn đón rồi nhảy việc. Không tuyển được người lấp vào chỗ trống. Đành phải đôn nhân viên trẻ lên, nhưng họ chưa tự phán đoán được nên vẫn chạy sang hỏi quản lý người Nhật. Tải công việc của quản lý người Nhật tăng lên. Rồi vài năm sau, chính người Nhật đó cũng hồi hương.

Chuyển giao kỹ năng bằng AI là phương tiện để cắt đứt vòng lặp này ở một mắt xích nào đó. Nó không phải công cụ giải quyết tất cả. Nó chỉ vận hành đúng khi bạn đặt cho nó một mục tiêu hạn chế nhưng có hiệu lực thực tế: “giảm số lần nhân viên phải chạy đi hỏi tiêu chí phán đoán”.

Với thị trường Việt Nam, hình dạng của vấn đề tương tự nhưng chuyển động nhanh hơn. Theo những gì chúng tôi ghi nhận tại các khu công nghiệp lớn, mức độ luân chuyển ở tầng technician và tổ trưởng khiến khoảng thời gian mà một cá nhân tích lũy tri thức trước khi rời đi bị rút ngắn. Nghĩa là cửa sổ để bạn khai thác tri thức từ một người cũng hẹp hơn — lý do để bắt đầu sớm, chứ không phải lý do để hoãn lại.

Công đoạn “khai thác” — đừng bắt thợ lành nghề viết, hãy hỏi rồi tự cấu trúc hóa

Ngoại hiện hóa là công việc lắng nghe, không phải công việc viết

Làm sao rút được tầng 2 (tiêu chí phán đoán) ra ngoài? Đây chính là trung tâm phần thực chiến của chuyển giao kỹ năng bằng AI.

Như đã nói ở trên, phương thức bắt thợ lành nghề chấp bút sẽ đổ vỡ. Cách phải chọn thay thế là: phỏng vấn, và để phía người nghe làm việc cấu trúc hóa. Người sở hữu tri thức chỉ cần nói; phần việc văn bản hóa do một người khác đảm nhận. Việc phân công này có thành lập được hay không sẽ quyết định dự án chạy thế nào.

Cách tư duy này tương ứng với giai đoạn “ngoại hiện hóa” (Externalization) trong mô hình SECI — khung lý thuyết kinh điển của quản trị tri thức — tức bước chuyển tri thức ẩn thành tri thức tường minh. Về mặt lý thuyết thì nó đã có từ thập niên 1990, nhưng trong thực tế nó luôn bị chặn lại bởi bài toán nhân lực: “ai đi phỏng vấn, và ai văn bản hóa”. Chỗ AI tạo sinh phát huy tác dụng chính là đây.

Đặt AI vào vai “người hỏi” — Interview Agent của NTT DATA

Một ví dụ cụ thể là PoC về chuyển giao tri thức ẩn mà NTT DATA đã công bố. Đối tượng là nghiệp vụ thiết kế của Kawasaki Heavy Industries, và cách tiếp cận được giới thiệu là dùng một “interview agent” (tác nhân phỏng vấn) để khai thác tri thức từ người có tay nghề cao, qua đó hỗ trợ quá trình ngoại hiện hóa trong mô hình SECI.

Điểm mấu chốt là AI được đặt vào vai “người đặt câu hỏi” chứ không phải “người đưa ra câu trả lời”. Trước đây, để khai thác tri thức ẩn thì cần một người nghe hiểu được nghiệp vụ. Không đặt đúng câu hỏi thì người thợ giỏi sẽ không nói ra tiêu chí phán đoán của mình. Khi AI đảm nhận vai người hỏi, ràng buộc về việc phải tìm cho ra một người nghe có nghề sẽ được nới lỏng. Người thợ chỉ cần trả lời theo nhịp của chính mình, vừa đối thoại vừa nhớ dần ra.

Điều này đưa ra một gợi ý quan trọng cho việc thiết kế hệ thống chuyển giao kỹ năng bằng AI: công việc đầu tiên của AI không phải là trả lời, mà là hỏi cho ra chuyện. Việc dựng một kho tri thức tìm kiếm được là chuyện của giai đoạn sau đó.

Các khuôn mẫu câu hỏi — hỏi gì thì tiêu chí phán đoán mới lộ ra

Thành bại của phỏng vấn được quyết định bởi thiết kế câu hỏi. Hỏi “anh chia sẻ bí quyết của công đoạn này đi” thì chỉ nhận được “à, quen tay thôi mà”. Muốn khai thác tiêu chí phán đoán thì phải có khuôn mẫu. Bốn khuôn mẫu vận hành được trong thực chiến như sau.

Trong bốn khuôn mẫu trên, hỏi về “điều không làm” đặc biệt hiệu quả. Con người không giải thích “những việc mình đang làm” vì chúng quá hiển nhiên, nhưng “những việc mình không làm” lại được ý thức rất rõ ràng, nên câu trả lời tuôn ra trôi chảy đến mức đáng ngạc nhiên. Hơn nữa, đằng sau đó bao giờ cũng có một lý do được chống đỡ bởi trải nghiệm thất bại thật.

Một mẹo nữa là hỏi ngay tại hiện trường, vừa nhìn thao tác vừa hỏi. Phỏng vấn trong phòng họp thì chỉ ra được những lý thuyết chung chung trong phạm vi trí nhớ. Đứng cạnh lúc người ta đang thực sự làm việc rồi hỏi “vừa rồi anh nhìn cái gì?” thì những phán đoán mà chính họ cũng không tự ý thức sẽ được ngôn ngữ hóa. Cùng xem lại video rồi hỏi cũng rất hiệu quả. “Chỗ này anh khựng lại một nhịp. Anh vừa kiểm tra cái gì vậy?” — câu hỏi đó kéo một phần những thứ tưởng là tầng 3 xuống thành tầng 2.

Thiết kế và vận hành buổi phỏng vấn

Về cách triển khai thực tế, cách chia nhỏ dưới đây là dễ xử lý nhất.

1. Thu hẹp công đoạn mục tiêu: đừng làm toàn bộ công đoạn ngay từ đầu. Thu hẹp còn khoảng 3 công đoạn thuộc loại “người đó nghỉ là đứng”. Tiêu chí chọn cơ bản là mức độ phụ thuộc cá nhân và mức độ ảnh hưởng tới sản xuất.
2. Đọc tài liệu hiện có trước: hãy đọc hết quy trình, tiêu chuẩn thao tác và báo cáo lỗi đã có rồi mới bước vào phỏng vấn. Hỏi lại những gì đã được viết ra là lãng phí thời gian, và còn làm người thợ mất thiện cảm.
3. Mỗi buổi 30–60 phút, chia thành nhiều buổi: một buổi phỏng vấn dài dằng dặc chỉ khiến cả hai kiệt sức và chất lượng đi xuống. Chia thành nhiều buổi, mỗi buổi vừa xác nhận lại nội dung buổi trước vừa đào sâu thêm.
4. Cấu trúc hóa ngay tại chỗ và nhờ chính người đó xác nhận: bản gỡ băng để nguyên thì không dùng được. Hãy sắp lại thành bảng điều kiện hoặc tuyển tập tình huống, rồi hỏi “tôi hiểu như thế này có đúng không”. Chính công đoạn xác nhận này quyết định chất lượng đầu ra.
5. Cho nhân viên bản địa ngồi cùng: kéo người tiếp nhận vào ngay từ đầu thì những chỗ “giải thích như vậy là không hiểu được” sẽ lộ ra ngay tại chỗ. Bạn chỉnh lại được về đúng mức độ chi tiết dễ hiểu trước cả khi đem đi dịch.

Đối tượng “khai thác” không chỉ là thợ tay nghề ở hiện trường

Tại các nhà máy Nhật Bản ở Thái Lan, nhất định phải đưa cả chuyên gia biệt phái người Nhật vào danh sách phỏng vấn. Như đã nói, ở đó có những tiêu chí phán đoán sẽ biến mất cùng với nhiệm kỳ.

Khi phỏng vấn người biệt phái, khuôn mẫu câu hỏi thay đổi đôi chút. “Phán đoán này là theo chuẩn của trụ sở Nhật Bản, hay là quy tắc anh tự lập ra tại chỗ?” “Vì sao tại chỗ lại phải đổi chuẩn đi?” “Anh có phân biệt được đâu là thứ nhận bàn giao từ người tiền nhiệm, đâu là thứ tự anh quyết định không?” Chỉ ba câu này thôi đã tạo ra giá trị đáng kể cho bộ tài liệu bàn giao cho người kế nhiệm.

Và chính tiêu chí phán đoán của chuyên gia biệt phái mới là thứ cần đa ngôn ngữ hóa. Giữ nó ở dạng không chỉ người Nhật kế nhiệm mà cả tầng quản lý bản địa đọc được sẽ giúp giảm bớt tình trạng hiện trường bị xáo trộn mỗi lần thay nhiệm kỳ.

Xây dựng hệ thống chuyển giao kỹ năng bằng AI như thế nào — triển khai theo từng tầng

Triển khai tầng 1: sắp xếp quy trình và đa ngôn ngữ hóa

Tầng 1 là địa hạt mà công việc sắp xếp chiếm tỷ trọng lớn hơn phần việc của AI. Những việc cần làm như sau.

• Kiểm kê: lập danh sách xem tài liệu quy trình phiên bản nào đang nằm ở đâu. Thư mục chia sẻ, máy tính cá nhân, bản in, bảng dán tường — tất cả đều là đối tượng
• Loại bỏ và hợp nhất: gạt đi các phiên bản cũ, bản nháp chưa được phê duyệt, và các bản trùng lặp. Bỏ qua bước này là bạn đang xây một cơ chế để AI trả về thông tin lỗi thời
• Thống nhất mức độ chi tiết: quyết định một file ứng với một công đoạn hay một file ứng với một chuyền, rồi làm cho đồng nhất. Điều này ảnh hưởng trực tiếp tới độ chính xác khi tìm kiếm
• Cắt nhỏ video và gắn nhãn: video dài một tiếng sẽ không ai xem. Cắt theo từng bước thao tác và gắn mô tả bằng văn bản cho biết đó là thao tác gì
• Đa ngôn ngữ hóa: cố định bảng thuật ngữ trước rồi mới dịch. Đưa khâu rà soát bởi nhân viên bản địa vào quy trình

Công việc này rất tẻ nhạt, nhưng phần lớn độ chính xác của hệ thống chuyển giao kỹ năng bằng AI được quyết định ngay ở đây. Nền tảng tìm kiếm có tinh vi đến đâu, nếu tập tài liệu đối tượng đã cũ hoặc trùng lặp thì đầu ra sẽ không được tin cậy.

Triển khai tầng 2: đưa tiêu chí phán đoán về dạng Hỏi–Đáp, tình huống, rồi đặt lên RAG

Tiêu chí phán đoán khai thác được từ phỏng vấn, để nguyên như vậy thì không phù hợp cho tìm kiếm. Phải chỉnh về dạng dùng được.

Việc làm cho khối tri thức đã sắp xếp như trên có thể tìm kiếm và tham chiếu được như tài liệu nội bộ chính là vai trò của RAG (Retrieval-Augmented Generation, sinh nội dung tăng cường bằng truy xuất). Đó là cơ chế: người dùng đặt câu hỏi bằng ngôn ngữ tự nhiên, hệ thống tìm các tài liệu nội bộ liên quan, rồi trả lời dựa trên nội dung đó. Lý do RAG phù hợp với bối cảnh chuyển giao kỹ năng là vì nó trình bày được tài liệu gốc làm căn cứ cho câu trả lời. Nếu không chỉ ra được “điều này ghi ở mục này trong tuyển tập tình huống” mà chỉ nói “AI bảo thế”, hiện trường sẽ không tin. Cách triển khai và cách tư duy về chi phí, chúng tôi đã sắp xếp chi tiết trong bài Chi phí và cách triển khai RAG cho nhà máy.

Cần lưu ý rằng RAG không phải cây đũa thần. Nó không trả về được thứ không có trong tài liệu, và nếu tồn tại nhiều tài liệu mâu thuẫn nhau thì nó sẽ trả lời mâu thuẫn. Chính vì vậy, việc kiểm kê ở tầng 1 và cấu trúc hóa ở tầng 2 là điều kiện tiên quyết. Đảo ngược trình tự thành “cứ đưa RAG vào trước rồi chỉnh nội dung sau” thì kết quả gây thất vọng sẽ làm bạn mất lòng tin của hiện trường.

Một số sáng kiến có thật để tham khảo

Trong lĩnh vực chuyển giao kỹ năng và khai thác tri thức, các dịch vụ cụ thể cũng đã hình thành tại Nhật Bản. Để tham khảo khi cân nhắc, chúng tôi nêu ba trường hợp có tính chất khác nhau.

Điểm chung của cả ba là: chúng đều là công cụ hỗ trợ một phần trong quy trình khai thác – sắp xếp – sử dụng tri thức. Dù bạn tham khảo cái nào đi nữa, việc tự quyết định “công ty mình sẽ giữ lại cái gì” cũng không được thay thế. Nếu không nắm điểm này mà lao thẳng vào so sánh sản phẩm, bạn sẽ tiêu thời gian cho câu hỏi “công cụ nào tốt hơn” rồi triển khai với phần nội dung rỗng không.

Triển khai tầng 3: chuyển sang thiết kế đào tạo thay vì AI

Tầng 3 (cảm giác và tri thức cơ thể) nằm ngoài phạm vi của chuyển giao kỹ năng bằng AI. Nhưng điều đó không có nghĩa là bỏ mặc nó. Ngược lại, chính vì đã thu hẹp phạm vi đưa lên AI mà bạn mới có nguồn lực dồn sang thiết kế đào tạo.

Các nước cờ thực tế cho tầng 3 gồm:

• Chuẩn bị mẫu giới hạn: giữ lại hiện vật hàng đạt và hàng lỗi. Trong nhiều trường hợp, việc phải là hiện vật chứ không phải ảnh chụp mới là điểm mấu chốt
• Thiết kế giáo trình huấn luyện thực hành: định nghĩa rõ làm gì, bao nhiêu lần, trong bao lâu thì đạt được năng lực
• Làm rõ tiêu chí đánh giá: quyết định ai đánh giá “đã làm được” và đánh giá bằng cách nào. Cứ mơ hồ thì việc huấn luyện sẽ không bao giờ kết thúc
• Cân nhắc thay thế bằng đo lường: xem xét liệu có thể thay năng lực nhận biết vốn dựa vào giác quan con người bằng cảm biến hoặc thiết bị kiểm tra không. Đến đây thì câu chuyện chuyển từ chuyển giao kỹ năng sang đầu tư thiết bị
• Thu hẹp phạm vi OJT: nếu tầng 1 và tầng 2 đã tra được bằng AI, thời gian OJT có thể dồn hết vào tầng 3

Hạng mục cuối cùng chính là lợi ích thực tế lớn nhất của việc chia 3 tầng. OJT theo lối cũ phụ thuộc hoàn toàn vào lời truyền miệng của những người đi trước: giải thích quy trình cũng vậy, giải thích tiêu chí phán đoán cũng vậy, huấn luyện cảm giác cơ thể cũng vậy. Nếu chuyển hai thứ đầu sang phía AI, quỹ thời gian ít ỏi của những người đi trước sẽ được dùng cho đúng thứ chỉ con người mới truyền được.

5 tầng chi phối chi phí của chuyển giao kỹ năng bằng AI

“Trọn gói bao nhiêu” thì không đánh giá được

Báo giá cho một dự án chuyển giao kỹ năng bằng AI, nếu chỉ nhìn “phí bản quyền công cụ AI” thì vô nghĩa. Bởi vì phần lớn chi phí thực tế nằm ngoài phần AI. Bài viết này không đưa ra con số cụ thể (vì số lượng công đoạn mục tiêu, tình trạng tài liệu hiện có và số ngôn ngữ hỗ trợ làm con số nhảy cả một bậc, nên không có mức nào có thể khẳng định chắc chắn). Thay vào đó, chúng tôi trình bày các biến số chi phối chi phí, được chia theo tầng. Nếu bạn xin báo giá theo đúng cách phân tầng này, bạn sẽ so sánh được giữa nhiều nhà cung cấp.

Chi phí dồn về tầng nào

Trong phần lớn trường hợp, trọng tâm chi phí nằm ở ① và ②. Không phải bản thân công cụ, mà là nhân lực làm ra phần nội dung. Điều này có thể phản trực giác, nhưng cũng hoàn toàn hợp lý: tri thức mà một hệ thống chuyển giao kỹ năng bằng AI xử lý là tri thức riêng có của doanh nghiệp bạn, nên không có bất cứ thứ gì mua sẵn được.

Nói ngược lại, một bản báo giá làm mỏng ① và ② thì kết quả cũng mỏng đi đúng chừng ấy. Đề xuất kiểu “chỉ cần nạp tài liệu hiện có vào là xong” trông rẻ chính vì nó đã bỏ mất công đoạn tốn công nhất. Khi so sánh báo giá, thay vì nhìn tổng số tiền, hãy xem có bao nhiêu công (man-hour) được chất vào ① và ② — như vậy bạn nắm được thực chất hơn nhiều.

Với ③, cấu trúc thay đổi tùy theo bạn dùng thẳng một dịch vụ AI tạo sinh phổ thông hay xây một nền tảng tìm kiếm riêng cho tài liệu nội bộ. ④ là tầng hay bị bỏ sót, nhưng một kho tri thức không được cập nhật thì chẳng bao lâu sẽ bị bỏ không. Thiết bị đổi, chủng loại sản phẩm đổi, quy trình đổi, mà chỉ có nội dung ghi trong kho là bất động, thì hiện trường sẽ ngừng tra cứu. Thất bại điển hình là chỉ so sánh báo giá xây dựng ban đầu rồi khởi động mà chưa quyết định cơ chế cập nhật.

Cách chia giai đoạn khi khởi động nhỏ

Nếu chia theo giai đoạn, cách chia dưới đây là thực tế nhất.

Giai đoạn 1 (1 công đoạn, tầng 1 + một phần tầng 2): chọn một công đoạn có mức độ phụ thuộc cá nhân cao nhất, tiến hành kiểm kê tài liệu hiện có và phỏng vấn. Sản phẩm đầu ra là bộ tài liệu quy trình của công đoạn đó (bản cập nhật, đa ngôn ngữ) và một tuyển tập tình huống về tiêu chí phán đoán khoảng 20–30 mục. Ở giai đoạn này bạn chưa cần đưa công cụ AI vào. Mục đích là kiểm chứng xem công đoạn “khai thác rồi cấu trúc hóa” có vận hành được trong nội bộ công ty bạn hay không.

Giai đoạn 2 (đưa nền tảng tìm kiếm vào): đặt cơ chế tìm kiếm và hỏi đáp lên chính sản phẩm đầu ra của giai đoạn 1. Vì phạm vi đã được thu hẹp nên việc kiểm chứng độ chính xác dễ hơn nhiều. Ở đây bạn xác nhận hai điều: “có thực sự được dùng không” và “câu trả lời có được tin không”. Nếu không được dùng, nguyên nhân không nằm ở công cụ mà nằm ở phần nội dung hoặc ở cách vận hành.

Giai đoạn 3 (nhân rộng và định hình cơ chế vận hành): vừa mở rộng số công đoạn mục tiêu, vừa quyết định người phụ trách cập nhật và tần suất cập nhật. Đây là giai đoạn tổ chức phải chốt: ai sẽ tiếp tục phỏng vấn, ai sẽ phê duyệt nội dung. Việc nội bộ hóa được khâu này hay không sẽ ảnh hưởng rất lớn tới chi phí dài hạn. Về cách tiến hành nội bộ hóa, cách tư duy chúng tôi đã sắp xếp trong bài Hỗ trợ nội bộ hóa AI có thể dùng làm tham chiếu.

Cuối mỗi giai đoạn, hãy đánh giá xem có đáng đi tiếp hay không. Ưu điểm của cách chia này là kể cả khi dừng giữa chừng, thành quả của các bước trước (tài liệu quy trình và tuyển tập tình huống) vẫn ở lại như một tài sản. Cách tiếp cận đi từ công cụ không có tính chất đó.

Thông tin cần chuẩn bị khi xin báo giá

Một bản báo giá thiếu thông tin bao giờ cũng lệch về phía đắt. Tối thiểu, hãy chuẩn bị những mục sau.

• Danh sách công đoạn ứng viên và lý do lựa chọn (mức độ phụ thuộc cá nhân, mức độ ảnh hưởng tới sản xuất)
• Số lượng thợ lành nghề và chuyên gia biệt phái thuộc diện phỏng vấn, cùng thời gian họ có thể dành ra
• Vị trí và số lượng ước chừng của tài liệu hiện có (cấu trúc thư mục, số file, định dạng, thời điểm cập nhật cuối)
• Ngôn ngữ của tài liệu quy trình hiện tại, và các ngôn ngữ cần hỗ trợ
• Cơ cấu người tiếp nhận (bao nhiêu operator, bao nhiêu technician, mỗi nhóm đọc được ngôn ngữ nào)
• Tình trạng các hệ thống hiện có (đang dùng gì cho quản lý sản xuất, bảo trì thiết bị, quản lý tài liệu)
• Chính sách IT nội bộ (có được dùng cloud không, có hạn chế đưa dữ liệu ra ngoài không)
• Dự kiến ai sẽ phụ trách cập nhật (nếu chưa quyết thì cứ nói “chưa quyết”. Chỉ riêng việc biết điều này đã làm bản đề xuất khác đi)

Hạng mục cuối đặc biệt quan trọng. Thiết kế trên giả định chưa có cơ chế cập nhật và thiết kế trên giả định sẽ vận hành nội bộ là hai thiết kế khác nhau, cả về giao diện lẫn về kiến trúc.

Đo lường hiệu quả — đặt chỉ số vào đâu

“Số lần dùng AI” không phải là chỉ số

Sai lầm hay gặp khi đo lường hiệu quả của chuyển giao kỹ năng bằng AI là đặt chỉ số vào số lượt sử dụng hay số lượt truy cập. Loại số liệu này tăng vọt ngay sau khi triển khai nhờ tính mới lạ, rồi một thời gian sau thì rơi xuống. Và khi nó rơi, bạn không rút ra được điều gì ngoài kết luận “không bám rễ được”.

Mục đích của chuyển giao kỹ năng là tri thức dịch chuyển từ người này sang người khác. Vì vậy chỉ số cũng phải là thứ đo được sự dịch chuyển đó. Bốn chỉ số dễ dùng trong thực chiến như sau.

Lấy đường cơ sở (baseline) trước

Những chỉ số này, nếu không đo trước khi triển khai thì sau đó không nói được hiệu quả. Đặc biệt với “số ngày để thành thạo” và “số lượt hỏi thợ lành nghề”, nếu bắt đầu đo sau khi triển khai thì bạn không có đối tượng để so sánh.

Cách làm thực tế là: ngay tại thời điểm chốt công đoạn mục tiêu cho giai đoạn 1, hãy hỏi và ghi lại xem trong quá khứ đã có bao nhiêu nhân viên mới, mất bao nhiêu ngày để thành thạo công đoạn đó. Không cần con số chính xác tuyệt đối. Chỉ cần nhận thức chung của hiện trường kiểu “trước giờ mất khoảng nửa năm” được chia sẻ, đó đã là một đường cơ sở.

Còn về số lượt hỏi, có một cách khả thi là ghi nhận đơn giản trong 1–2 tuần. Đưa cho các thợ lành nghề một tờ phiếu nhỏ, nhờ họ ghi đúng một dòng: “ai hỏi, hỏi cái gì”. Bản ghi này vừa là đường cơ sở để đo lường hiệu quả, vừa trở thành danh sách gợi ý cho việc nên hỏi gì trong buổi phỏng vấn. Bởi vì thứ hay bị hỏi chính là thứ đáng được giữ lại.

Điều kiện để vận hành bám rễ

Có đặt chỉ số mà vận hành không chạy thì con số vẫn đứng yên. Các điều kiện để biến nó thành một cơ chế bền như sau.

• Tình huống sử dụng được nhúng vào quy trình làm việc: không phải “khi nào bí thì mở ra xem”, mà là “trước khi bắt đầu thao tác thì kiểm tra hạng mục tương ứng” — nhúng vào chính quy trình
• Vận hành bằng ngôn ngữ của người tiếp nhận: màn hình, tìm kiếm, câu trả lời — tất cả phải hoàn tất được bằng tiếng Thái hoặc tiếng Anh (tại Việt Nam là tiếng Việt hoặc tiếng Anh). Còn sót một chỗ bắt buộc phải dùng tiếng Nhật là dòng chảy sẽ dừng ngay tại đó
• Người phụ trách và tần suất cập nhật đã được ấn định: “ai phát hiện thì người đó sửa” đồng nghĩa với không ai sửa cả. Hãy chốt người phụ trách và một buổi rà soát định kỳ theo tháng hoặc theo quý
• Có quy tắc phê duyệt: ai phê duyệt nội dung, ai bảo đảm tính đúng đắn về mặt kỹ thuật — phải quyết trước. Một cơ chế cho phép thêm nội dung mà không qua phê duyệt sẽ mất uy tín sớm muộn
• Câu trả lời có kèm căn cứ: mỗi câu trả lời của AI phải kèm liên kết tới tài liệu quy trình hoặc tình huống gốc. Thiếu điều này, hiện trường sẽ tự đi kiểm chứng lại và thành ra làm hai lần
• Có kênh báo lỗi: bất kỳ ai cũng báo được “câu trả lời này sai”, và báo cáo đó dẫn tới việc cập nhật. Chỉ những cơ chế có kênh này mới nâng dần được độ chính xác

Danh sách kiểm tra thực chiến để tránh thất bại

Chúng tôi tóm gọn nội dung từ đầu tới đây thành dạng có thể rà soát trước khi khởi động.

Cần xác nhận trước khi bắt đầu

1. Đã thu hẹp công đoạn mục tiêu xuống còn 3 trở xuống chưa? Có đang bắt đầu bằng triển khai toàn công ty không? Ba trục để chọn là mức độ phụ thuộc cá nhân (người đó nghỉ thì có đứng không), mức độ ảnh hưởng tới sản xuất (tổn thất khi đứng), và có nhận được sự hợp tác của người liên quan không. Nếu chọn ngay “công đoạn khó nhất” — nơi tỷ trọng cảm giác và tri thức cơ thể cực kỳ cao — thì bạn sẽ đâm vào bức tường tầng 3 và chỉ còn lại kết luận “AI không làm được”
2. Đã phân loại tri thức sắp mất đi ở công đoạn đó vào một trong 3 tầng chưa?
3. Đã loại tầng 3 (cảm giác và tri thức cơ thể) ra khỏi phạm vi chưa? Nếu chưa loại thì vì sao?
4. Đã quyết ai thực hiện phỏng vấn và ai cấu trúc hóa chưa? Kế hoạch có đang là bắt thợ lành nghề tự viết không?
5. Đã xác nhận ngôn ngữ đọc hiểu của người tiếp nhận (nhân viên bản địa) và đưa đa ngôn ngữ hóa vào yêu cầu chưa?
6. Đã đặt việc kiểm kê và loại bỏ tài liệu hiện có ở phía trước việc đưa AI vào chưa?
7. Đã quyết người phụ trách và tần suất cập nhật chưa? Nếu chưa quyết, đã nói rõ điều đó khi đặt hàng thiết kế chưa?
8. Đã có kế hoạch lấy chỉ số đo lường hiệu quả và đường cơ sở của chúng trước khi triển khai chưa?

Các dấu hiệu cần theo dõi trong lúc chạy

• Lịch phỏng vấn liên tục bị hoãn → tải công việc của thợ lành nghề quá nặng, hoặc ban lãnh đạo chưa đặt đủ ưu tiên
• Thợ lành nghề không phản hồi lại phần nội dung đã cấu trúc hóa → mức độ chi tiết khi xác nhận quá vụn, hoặc định dạng khó đọc
• Nhân viên bản địa không hề nói “thế này thì không hiểu được” → nhiều khả năng khâu rà soát đang mang tính hình thức. Không có ý kiến gì mới là bất thường
• Hiện trường tra ra câu trả lời rồi vẫn đi kiểm chứng lại bằng tài liệu gốc → nghĩa là chưa được tin. Vấn đề nằm ở việc trình bày căn cứ hoặc ở chất lượng tài liệu gốc

Câu hỏi thường gặp

Chi phí cho chuyển giao kỹ năng bằng AI khoảng bao nhiêu?

Không thể đưa ra một con số đồng nhất, bởi vì phần lớn chi phí không nằm ở công cụ mà nằm ở nhân lực khai thác và sắp xếp tri thức. Công đoạn mục tiêu là 1 hay 10 sẽ làm khối lượng công việc chênh nhau cả một bậc; tài liệu hiện có đã gọn gàng hay đang lộn xộn cũng làm thay đổi con số. Số ngôn ngữ hỗ trợ cũng tác động trực tiếp. Khi xin báo giá, hãy yêu cầu tách theo 5 tầng đã nêu trong bài (① kiểm kê và thiết kế phỏng vấn ② sản xuất nội dung ③ nền tảng tìm kiếm ④ vận hành và cập nhật ⑤ thiết kế đào tạo). Nếu chỉ so sánh tổng số tiền, bạn sẽ có xu hướng chọn phải bản đề xuất rẻ nhất — tức bản đã cắt mất hai hạng mục quan trọng nhất là ① và ②. Cách chính xác nhất là thực hiện giai đoạn 1 với đúng một công đoạn, rồi dựa trên số công thực tế phát sinh ở đó để ước lượng toàn bộ.

Tri thức ẩn có thực sự giữ lại được bằng AI không?

Tùy loại. Quy trình thao tác (tầng 1) và tiêu chí phán đoán (tầng 2) thì giữ được. Cảm giác và tri thức cơ thể (tầng 3) thì không. Nếu không phân loại như vậy mà chỉ nghĩ chung chung “dùng AI cho tri thức ẩn”, chắc chắn sẽ sinh ra khoảng lệch so với kỳ vọng. Điều quan trọng về mặt thực chiến là: ở phần lớn hiện trường, thứ chặn bước nhân viên trẻ không phải tầng 3 mà là tầng 2. Bản thân năng lực nhận biết vốn chỉ học được bằng cơ thể thì không chuyển giao được, nhưng phần việc diễn ra sau đó — kiểm tra từ đâu trước, dựa vào căn cứ nào để quyết định dừng máy — thì chuyển giao được. Chỉ cần giữ được phần này, số lần phải gọi thợ lành nghề đã giảm đi. Nó sẽ không về không, và cũng không nên đặt mục tiêu về không.

Công ty tôi đã có bộ tiêu chuẩn thao tác. Chỉ cần nạp cho AI đọc là đủ chứ?

Không đủ, vì hai lý do. Thứ nhất, thứ được viết trong tiêu chuẩn thao tác chỉ là tầng 1 (quy trình), gần như không chứa tiêu chí phán đoán. Điều làm nhân viên trẻ bế tắc là tình huống “đã làm đúng quy trình mà vẫn không ra kết quả”, và tình huống đó nằm bên ngoài bản tiêu chuẩn. Thứ hai, nếu nạp thẳng tài liệu hiện có thì các bản cũ, bản nháp chưa phê duyệt và các bản trùng lặp sẽ lẫn nguyên vào phạm vi tìm kiếm. AI sẽ trả về nội dung sai kèm theo căn cứ hẳn hoi, và điều đó làm tổn hại lòng tin còn nhiều hơn. Trước khi nạp, nhất định phải kiểm kê, loại bỏ và hợp nhất. Công việc sắp xếp này rất tẻ nhạt, nhưng nó quyết định phần lớn chất lượng đầu ra.

Tôi lo thợ lành nghề không chịu hợp tác phỏng vấn. Nên làm thế nào?

Trước hết, đừng nhờ họ viết. Bị yêu cầu viết lách thì ai cũng dựng rào phòng thủ, nhưng “cho tôi nghe anh kể chuyện” thì dễ được chấp nhận hơn nhiều. Bên cạnh đó, ba điểm sau rất hiệu quả. Thứ nhất, giảm bớt công việc thường ngày cho họ. Hãy chính thức bố trí thời gian phỏng vấn như thời gian làm việc, và sắp xếp người khác gánh phần việc tương ứng. Cấp trên cần nói rõ “đây là công việc”. Thứ hai, cho chính họ thấy thành quả. Nếu bạn luôn có bước để họ xác nhận lại nội dung đã cấu trúc hóa, cảm giác “tri thức của mình đã thành hình” sẽ xuất hiện. Thứ ba, hỏi ngay tại hiện trường. Thay vì gọi vào phòng họp, hãy hỏi ngay bên cạnh nơi họ làm việc — cảm giác gánh nặng khác hẳn. Nguyên nhân lớn nhất của việc không nhận được hợp tác, trong hầu hết trường hợp, không nằm ở thái độ của người thợ mà nằm ở cách đặt vấn đề và việc bố trí thời gian.

Cứ làm tài liệu bằng tiếng Nhật rồi sau đó dịch sang tiếng Thái hoặc tiếng Việt có được không?

Về trình tự thì làm được, nhưng thiết kế đa ngôn ngữ ngay từ đầu rốt cuộc lại rẻ hơn. Lý do là khi dịch sau, việc kiểm soát thuật ngữ đã không còn khả thi. Tên đồ gá, tên gọi thiết bị, từ viết tắt nội bộ sẽ khác nhau tùy từng người dịch, và tại hiện trường sẽ phát sinh rối loạn kiểu “cái này rốt cuộc là cái nào”. Trình tự bắt buộc là: dựng bảng thuật ngữ trước, cố định nó, rồi mới dịch — và đây là việc phải quyết ngay ở giai đoạn làm bản tiếng Nhật. Một điểm nữa, khâu rà soát bởi nhân viên bản địa phải được đưa vào ngay từ đầu. Bản dịch có đúng về mặt ngôn ngữ mà không phải cách nói dùng được ở hiện trường thì vẫn không ai dùng. Độ chính xác dịch thuật tự nó đã tăng lên đáng kể nhờ AI tạo sinh, nhưng kiểm soát thuật ngữ và rà soát hiện trường vẫn phải do con người đảm nhận.

Cách làm này dùng cho việc bàn giao của chuyên gia biệt phái được không?

Tại các nhà máy Nhật Bản ở Thái Lan, đôi khi đây mới là chỗ hiệu quả nhìn thấy rõ hơn cả. Với cấu trúc chuyên gia biệt phái thay ca mỗi 3–5 năm, những tiêu chí phán đoán được dựng lên tại chỗ — cách vận dụng tiêu chuẩn chất lượng theo từng khách hàng, sự khác biệt trong hành vi thiết bị theo mùa, chính sách kiểm tra đầu vào theo từng nhà cung ứng — sẽ mất đi cùng lúc với việc kết thúc nhiệm kỳ. Đây là bài toán có cấu trúc giống hệt tri thức ẩn của thợ tay nghề ở hiện trường. Khi thực hiện, hãy tách nó ra khỏi bộ tài liệu bàn giao thông thường. Thứ được viết trong tài liệu bàn giao là sơ đồ tổ chức và danh mục công việc phụ trách, gần như không chứa tiêu chí phán đoán. Cái bạn cần là “vì sao lại phán đoán như vậy”, và để khai thác nó thì bốn khuôn mẫu câu hỏi đã nêu trong bài (điểm rẽ nhánh của phán đoán / ngoại lệ / kinh nghiệm thất bại / điều không làm) đều dùng được. Thêm nữa, hãy lưu lại bằng ngôn ngữ mà tầng quản lý bản địa đọc được. Nếu chỉ giữ ở dạng người Nhật kế nhiệm mới đọc được, thì tới lần thay ca sau, mọi chuyện lại lặp lại y hệt.

Tổng kết

Thành bại của chuyển giao kỹ năng bằng AI không được quyết định bởi năng lực của AI, mà bởi việc phân loại xem giữ lại cái gì. Xin tóm lược các điểm chính.

• Chia tri thức ẩn thành 3 tầng: tầng 1 quy trình thao tác (dễ tường minh hóa), tầng 2 tiêu chí phán đoán (khai thác thì giữ được), tầng 3 cảm giác và tri thức cơ thể (không giữ được). Chỉ đưa tầng 1 và tầng 2 lên AI, còn tầng 3 chuyển sang thiết kế đào tạo
• Từ bỏ tầng 3 chính là cách bảo vệ tầng 1 và tầng 2: dự án cố giữ lại tất cả sẽ phình ra rồi đổ vỡ. Mục tiêu là giảm số lần phải gọi thợ lành nghề, chứ không phải đưa về không
• Thất bại quy về 3 kiểu: quay video rồi để lên server / giao thợ lành nghề tự viết rồi bỏ dở / nạp hết tài liệu hiện có cho AI rồi nhận về câu trả lời sai. Cả ba đều bắt nguồn từ việc thiếu phân loại
• “Khó chuyển tri thức và kinh nghiệm của thợ lành nghề thành tri thức tường minh” là 68,6%: theo phần giải thích về Sách trắng Ngành chế tạo 2026. Kèm theo đó là “không biết phương pháp” 28,6% và thiếu nguồn lực quản trị 28,1%. Trong số các doanh nghiệp đã liên kết dữ liệu, 71,8% vẫn chưa ứng dụng AI
• Trọng tâm nằm ở công đoạn khai thác: không bắt viết, mà hỏi cho ra chuyện rồi để người nghe cấu trúc hóa. Bốn khuôn mẫu câu hỏi là “điểm rẽ nhánh của phán đoán”, “ngoại lệ”, “kinh nghiệm thất bại”, “điều không làm”. PoC của NTT DATA cho thấy một thiết kế đặt AI vào vai người hỏi
• Tại Thái Lan, tiêu chí phán đoán của chuyên gia biệt phái cũng là đối tượng: tri thức mất đi qua mỗi kỳ thay ca 3–5 năm có cùng cấu trúc với tri thức ẩn của thợ tay nghề. Vì người tiếp nhận là nhân viên bản địa, đa ngôn ngữ hóa không phải tùy chọn mà là yêu cầu
• Xin báo giá theo 5 tầng: ① kiểm kê và thiết kế phỏng vấn ② sản xuất nội dung ③ nền tảng tìm kiếm (RAG) ④ vận hành và cập nhật ⑤ thiết kế đào tạo. Trọng tâm không nằm ở công cụ mà ở nhân lực của ① và ②
• Đo hiệu quả bằng sự dịch chuyển của tri thức: số ngày để thành thạo, phạm vi công việc tự làm được một mình, số lượt hỏi thợ lành nghề, số lượt cập nhật kho tri thức. Đường cơ sở phải lấy trước khi triển khai
• Bắt đầu từ 1 công đoạn: chọn theo mức độ phụ thuộc cá nhân, mức độ ảnh hưởng tới sản xuất, và khả năng nhận được hợp tác. Chọn ngay công đoạn khó nhất thì kết cục chỉ là “AI không làm được”

Chuyển giao kỹ năng không phải loại bài toán mua AI về là xong. Nhưng cũng là sự thật rằng ở từng công đoạn — “khai thác”, “sắp xếp”, “làm cho tìm kiếm được”, “đưa tới người đọc bằng ngôn ngữ của họ” — tầm với của chúng ta đã rộng hơn trước rất nhiều. Giữ đúng trình tự thì khoản đầu tư sẽ ở lại dưới dạng tài sản. Đảo ngược trình tự thì thứ ở lại chỉ là một thư mục không ai mở và một màn hình chat không ai gõ.

TOMAS TECH là nhà tích hợp hệ thống đặt trụ sở tại Bangkok, Thái Lan, chuyên về lĩnh vực IT nhà máy và OT/FA cho các doanh nghiệp sản xuất Nhật Bản tại Thái Lan và ASEAN. Từ kinh nghiệm xử lý dữ liệu thao tác và thiết bị tại hiện trường thông qua hệ thống quản lý sản xuất PEGASUS, chúng tôi có thế mạnh trong việc thiết kế thông tin dựa trên câu hỏi “ai sẽ là người đọc” tại những hiện trường trộn lẫn tiếng Nhật, tiếng Thái, tiếng Việt và tiếng Anh. Bạn hoàn toàn có thể bắt đầu từ những trao đổi ở giai đoạn rất sớm, kiểu “nên động vào công đoạn nào trước” hay “tài liệu quy trình của chúng tôi ở tình trạng này thì có đưa lên AI được không”. Nếu được nghe về tình trạng tài liệu hiện tại và công đoạn đang có nguy cơ mất tri thức, chúng tôi có thể cùng bạn phác thảo xem vấn đề đang nằm ở tầng nào trong 3 tầng — hãy liên hệ thoải mái qua trang Liên hệ.

Nguồn tham khảo

• Sách trắng Ngành chế tạo bản 2026｜Bộ Kinh tế, Thương mại và Công nghiệp Nhật Bản (METI)
• Phân tích Sách trắng Ngành chế tạo 2026｜SmartF
• Institute of Language Understanding ra mắt “AI tri thức hiện trường sản xuất”｜IT Leaders
• PoC chuyển giao tri thức ẩn (Kawasaki Heavy Industries, nghiệp vụ thiết kế)｜NTT DATA
• Takumi AI｜Mitsubishi Research Institute
• Why Thailand’s Manufacturing Sector Is Facing a Talent Bottleneck｜A Plus Career
• Skilled-labour Crisis in Thailand: Prognosis, Policies and Prospects｜RSIS