Sẵn sàng cho công việc trong kỷ nguyên số: Vai trò của kỹ năng mềm, trải nghiệm nghề nghiệp và năng lực AI

Trần Nam Quốc

Email: [email protected]

Nguyễn Văn Thọ, Huỳnh Thế Lâm

Trường Đại học Ngân hàng Thành phố Hồ Chí Minh

Tóm tắt

Nghiên cứu này phân tích tác động của kỹ năng mềm, trải nghiệm nghề nghiệp và năng lực sử dụng trí tuệ nhân tạo (AI) đến mức độ sẵn sàng cho công việc của sinh viên tại Việt Nam trong kỷ nguyên số. Dữ liệu thu thập từ 151 sinh viên đại học khối ngành kinh tế, quản trị và tài chính tại Việt Nam, được phân tích bằng hồi quy OLS và PLS-SEM bootstrapping. Kết quả cho thấy Tư duy phản biện, Thực tập chuyên môn và Năng lực AI là 3 yếu tố tác động mạnh nhất đến Sự sẵn sàng cho công việc; Thực tập chuyên môn đóng vai trò trung gian quan trọng. Nghiên cứu đóng góp bằng chứng định lượng về cấu trúc vốn nhân lực tối ưu cho giáo dục đại học Việt Nam giai đoạn chuyển đổi số.

Từ khóa: Kỹ năng mềm, năng lực AI, sẵn sàng cho công việc, thực tập, sinh viên đại học, Việt Nam

Abstract

This study analyzes the impact of soft skills, professional experience, and artificial intelligence (AI) competency on students’ job readiness in Viet Nam in the digital era. Data were collected from 151 university students majoring in economics, management, and finance in Viet Nam and analyzed using OLS regression and PLS-SEM bootstrapping methods. The results indicate that Critical Thinking, Professional Internship Experience, and AI Competency are the three strongest determinants of Job Readiness, while Professional Internship Experience also plays a significant mediating role. The study contributes quantitative evidence regarding the optimal human capital structure for higher education in Viet Nam during the digital transformation period.

Keywords: Soft skills, AI competency, job readiness, internship, university students, Viet Nam

GIỚI THIỆU

Trong bối cảnh chuyển đổi số diễn ra mạnh mẽ, trí tuệ nhân tạo (AI) đang tái định hình cấu trúc việc làm và yêu cầu năng lực trên thị trường lao động toàn cầu. Nhà tuyển dụng ngày càng coi trọng năng lực thích ứng, tư duy phản biện, kỹ năng làm việc nhóm, trải nghiệm thực tiễn và khả năng khai thác công nghệ số. Trong khi đó, các mô hình ngôn ngữ lớn (LLMs) vừa mở rộng khả năng hỗ trợ học tập, vừa tiềm ẩn nguy cơ làm xói mòn tư duy độc lập nếu người học lạm dụng.

Các nghiên cứu khẳng định vai trò của kỹ năng mềm và trải nghiệm thực tiễn, nhưng phần lớn tiếp cận từng nhóm yếu tố này một cách tách biệt hoặc xem công nghệ chỉ là bối cảnh. Khoảng trống nghiên cứu này càng rõ hơn tại Việt Nam, nơi các cơ sở giáo dục vừa dạy kỹ năng mềm, vừa thử nghiệm AI, nhưng còn thiếu đo lường hệ thống về tác động kết hợp của 3 nhóm yếu tố này đối với mức độ sẵn sàng cho công việc.​

Do đó, nghiên cứu này đo lường và phân tích tác động của kỹ năng mềm, trải nghiệm nghề nghiệp và năng lực AI đến sự sẵn sàng cho công việc của sinh viên đại học tại Việt Nam.

Nghiên cứu có sự đóng góp về mặt lý thuyết bằng việc xây dựng khung phân tích toàn diện thông qua việc tích hợp Lý thuyết vốn nhân lực (HCT), Lý thuyết học tập trải nghiệm (ELT) và Mô hình chấp nhận công nghệ (TAM). Cách tiếp cận này cho thấy rằng, AI không chỉ là yếu tố ngoại sinh, mà còn có thể được xem như một dạng vốn nhân lực số, tương tác với kỹ năng mềm và trải nghiệm nghề nghiệp để tạo ra năng lực cạnh tranh trên thị trường lao động. Về mặt thực tiễn, kết quả nghiên cứu cung cấp bằng chứng định lượng cho các bên liên quan trong việc thiết kế chương trình đào tạo, mô hình thực tập và chiến lược tích hợp AI nhằm rút ngắn khoảng cách giữa hệ thống giáo dục và nhu cầu thị trường lao động giai đoạn 2025-2030.

CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Cơ sở lý thuyết

Lý thuyết vốn nhân lực (HCT) xem giáo dục và đào tạo là một khoản đầu tư làm gia tăng năng suất lao động và thu nhập kỳ vọng của cá nhân. Trong kỷ nguyên số, vốn nhân lực không chỉ là bằng cấp, mà còn bao gồm kỹ năng mềm, khả năng học tập suốt đời và năng lực công nghệ. Trong nghiên cứu này, kỹ năng mềm, trải nghiệm nghề nghiệp và năng lực AI được xem là 3 cấu phần vốn nhân lực số mà sinh viên cần tích lũy để gia tăng khả năng cạnh tranh trên thị trường lao động.

Lý thuyết học tập trải nghiệm (ELT) của Kolb (1984) cho rằng, học tập là quá trình chuyển hóa trải nghiệm thông qua 4 giai đoạn từ quan sát đến thử nghiệm tích cực. Trong môi trường giáo dục đại học, các hoạt động thực tập nghề nghiệp và việc làm thêm cung cấp những trải nghiệm cụ thể để sinh viên suy ngẫm, rút ra nguyên tắc và hình thành năng lực nghề nghiệp. Tuy nhiên, nếu chu trình này bị rút ngắn do lạm dụng thì khả năng phát triển tư duy phản biện và kỹ năng giải quyết vấn đề có thể bị suy giảm. Do đó, ELT cung cấp nền tảng lý luận để giải thích vai trò trung tâm của trải nghiệm thực tiễn trong việc chuyển hóa kỹ năng mềm thành năng lực nghề nghiệp bền vững.

Mô hình chấp nhận công nghệ (TAM) cho rằng, hành vi sử dụng công nghệ được quyết định bởi tính hữu ích và tính dễ sử dụng. Sinh viên tích hợp các công cụ AI vào học tập để tiết kiệm thời gian, nâng cao hiệu quả và hỗ trợ xử lý các nhiệm vụ phức tạp. Tuy nhiên, nghiên cứu này tiếp cận năng lực sử dụng AI theo hướng làm chủ công nghệ, không chỉ dừng ở kỹ năng thao tác kỹ thuật, mà còn bao gồm năng lực thẩm định và khai thác AI như công cụ hỗ trợ tư duy phản biện, tránh nguy cơ phụ thuộc thay thế nỗ lực nhận thức.

Mô hình nghiên cứu

Kế thừa HCT, ELT và TAM, nghiên cứu đề xuất Mức độ sẵn sàng cho công việc là biến phụ thuộc, chịu ảnh hưởng của 3 nhóm yếu tố chính: Kỹ năng mềm, Trải nghiệm thực tiễn và Năng lực AI. Trong đó, nhóm Kỹ năng mềm bao gồm: Tư duy phản biện, Kỹ năng giải quyết vấn đề, Kỹ năng làm việc nhóm và Kỹ năng giao tiếp; Trải nghiệm thực tiễn gồm: Kinh nghiệm thực tập, Việc làm thêm và Năng lực sử dụng AI. Mô hình đồng thời xem xét khả năng các dạng Trải nghiệm thực tiễn đóng vai trò cầu nối, giúp chuyển hóa Kỹ năng mềm và Năng lực sử dụng AI thành Mức độ sẵn sàng thông qua cơ chế học tập trải nghiệm trong môi trường doanh nghiệp và công việc thực tế (Hình).

Hình: Mô hình nghiên cứu đề xuất

Nguồn: Đề xuất của nhóm tác giả

Giả thuyết nghiên cứu

Dựa trên khung lý thuyết và tổng quan nghiên cứu, các giả thuyết được đề xuất như sau:

H1: Tư duy phản biện có tác động dương đến Mức độ sẵn sàng cho công việc. Khả năng sàng lọc thông tin và phát hiện tri thức ảo từ AI giúp người học đưa ra quyết định độc lập, từ đó nâng cao năng lực thích ứng trong môi trường làm việc biến động (Megasari và cộng sự, 2025).

H2: Kỹ năng giải quyết vấn đề có tác động dương đến Mức độ sẵn sàng cho công việc (Haritha, 2023; Martínez-Peláez và cộng sự, 2025).

H3: Kỹ năng làm việc nhóm có tác động dương đến Mức độ sẵn sàng cho công việc (Haritha, 2023; Martínez-Peláez và cộng sự, 2025).

H4: Kỹ năng giao tiếp có tác động dương đến Mức độ sẵn sàng cho công việc (Wut và cộng sự, 2025).

H5: Kinh nghiệm thực tập nghề nghiệp đóng vai trò trung gian trong mối quan hệ giữa các kỹ năng Giao tiếp, Làm việc nhóm và Mức độ sẵn sàng cho công việc. Dựa trên lý thuyết ELT, thực tập tạo chu trình học tập thực tế giúp chuyển hóa các kỹ năng giao tiếp và làm việc nhóm từ môi trường học thuật thành năng lực nghề nghiệp cụ thể (Martínez-Peláez và cộng sự, 2025).

H6: Năng lực sử dụng AI điều tiết theo hướng làm mạnh thêm tác động của Kinh nghiệm thực tập lên Mức độ sẵn sàng cho công việc. Khả năng làm chủ và tích hợp AI vào quy trình làm việc thực tế tạo ra đòn bẩy quan trọng, biến công nghệ thành một thành tố then chốt của vốn nhân lực số (Digital Human Capital).

H7: Kinh nghiệm làm thêm điều tiết theo hướng làm mạnh thêm tác động của Kỹ năng giao tiếp lên Mức độ sẵn sàng cho công việc. Việc vận dụng kỹ năng giao tiếp trong môi trường bán thời gian thực tế giúp củng cố vốn xã hội và nhân lực, làm tăng hiệu quả của năng lực này so với việc rèn luyện thuần túy học thuật (AACSB, 2025).

Phương pháp nghiên cứu

Nghiên cứu thực hiện khảo sát theo thang đo Likert với sinh viên tại một số trường đại học ở Việt Nam, chủ yếu thuộc các khối ngành kinh tế, quản trị và tài chính. Đây là những lĩnh vực chịu tác động trực tiếp của chuyển đổi số và ứng dụng AI trong hoạt động chuyên môn. Tiêu chí chọn mẫu gồm: (i) đang học từ năm thứ hai trở lên và (ii) đã có hoặc đang chuẩn bị có ít nhất một trong 2 loại trải nghiệm thực tiễn là thực tập nghề nghiệp hoặc làm thêm. Bảng hỏi được xây dựng dựa trên các thang đo trong Bảng 1. Nghiên cứu kết hợp OLS và PLS-SEM để kiểm định các giả định và đánh giá đồng thời mô hình đo lường cùng các hiệu ứng cấu trúc (trực tiếp, điều tiết).

Bảng 1: Xây dựng thang đo

Nguồn: Tổng hợp của nhóm tác giả

KẾT QUẢ VÀ THẢO LUẬN

Kết quả cho thấy tất cả các thang đo đều đạt độ tin cậy chấp nhận được; tất cả thang đo đều đạt hoặc vượt ngưỡng Cronbach’s Alpha (theo Nunnally và Bernstein,1994; Hair và cộng sự, 2017), cho thấy độ tin cậy nội tại và đủ điều kiện để tiếp tục các phân tích cấu trúc. Mối quan hệ giữa mức độ sẵn sàng cho công việc và các biến giải thích được trình bày bằng phương trình sau:

READINESS_i = β₀ + β₁CRIT_i + β₂TEAM_i + β₃SOLVING_i + β₄COM_i + β₅AI_i + β₆PARTTIME_i + β₇INTERN_i + ε_i

Trong đó, READINESS_i là mức độ sẵn sàng cho công việc của quan sát thứ i, β₀ là hằng số hồi quy, và β₁, β₂, …, β₇ là các hệ số hồi quy phản ánh tác động cận biên của từng biến giải thích lên READINESS_i; và CRIT_i, TEAM_i, SOLVING_i, COM_i, AI_i, PARTTIME_i, INTERN_i lần lượt là các biến đo lường tư duy phản biện, kỹ năng làm việc nhóm, kỹ năng giải quyết vấn đề, kỹ năng giao tiếp, năng lực sử dụng AI, kinh nghiệm làm thêm và kinh nghiệm thực tập chuyên môn của quan sát thứ i; và ε_i là sai số ngẫu nhiên.

Kết quả ước lượng cho thấy mô hình đạt độ phù hợp cao với R² = 0,7376, nghĩa là các biến độc lập giải thích được 73,76% biến thiên của READINESS. Hệ số R² hiệu chỉnh = 0,725 xác nhận rằng mức độ giải thích không bị thổi phồng bởi số lượng biến trong mô hình. Kiểm định F-statistic = 57,44 với Pr(F) = 0,0000 bác bỏ giả thuyết H₀: β₁ = β₂ = … = β₇ = 0 ở mức ý nghĩa 1%, khẳng định mô hình có ý nghĩa thống kê tổng thể. Chỉ số Durbin-Watson d = 1,99 nằm trong vùng chấp nhận (d~2), cho thấy không có hiện tượng tự tương quan trong phần dư.

Bảng 2 cho thấy mô hình OLS có ý nghĩa thống kê cao và giải thích được tỷ lệ lớn biến thiên của READINESS. Trong đó, INTERN và AI là 2 yếu tố tác động mạnh nhất đến sự sẵn sàng cho công việc. Kỹ năng tư duy phản biện (CRIT) có hệ số hồi quy dương và ý nghĩa ở mức 1%, khẳng định khả năng phân tích, đánh giá thông tin logic, khách quan là yếu tố quan trọng nâng cao mức độ sẵn sàng việc làm của sinh viên, phù hợp với các nghiên cứu nhấn mạnh vai trò của tư duy phản biện trong giáo dục hậu COVID‑19 và kỷ nguyên số (Rispler và cộng sự, 2025). Đáng chú ý, dù mang dấu dương nhưng COM và SOLVING chưa đạt ý nghĩa thống kê (p > 0,05), trong khi TEAM và PARTTIME không cho thấy tác động trực tiếp rõ rệt. Kết quả kiểm định VIF (từ 1,07 đến 3,27) xác nhận mô hình không vi phạm hiện tượng đa cộng tuyến. Điều này gợi ý rằng tại Việt Nam, trải nghiệm thực tế và năng lực công nghệ đang là những “lực đẩy” trực tiếp hơn so với các kỹ năng mềm thuần túy trong mô hình tuyến tính.

Bảng 2: Kết quả phân tích hồi quy

Nguồn: Tính toán của nhóm tác giả

Kết quả Bootstrapping từ mô hình PLS‑SEM cho thấy rõ cách kỹ năng mềm, trải nghiệm và AI cùng định hình sự sẵn sàng việc làm của người học. Năng lực sử dụng AI có tác động trực tiếp, tích cực và có ý nghĩa đến READINESS, phù hợp với các nghiên cứu cho rằng AI, khi được dùng có chủ đích, có thể hỗ trợ phát triển tư duy phản biện và giải quyết vấn đề trong giáo dục đại học (Martínez-Peláez và cộng sự, 2025). Ngược lại, tương tác AI × INTERN mang dấu âm cho thấy phụ thuộc quá nhiều vào AI trong quá trình thực tập có thể làm loãng trải nghiệm học tập và dẫn tới nguy cơ suy giảm năng lực nghề nghiệp như đã được cảnh báo (Ferdman, 2025). Ngược lại, kỹ năng COM và TEAM thể hiện hiệu quả rõ rệt thông qua kênh trung gian thực tập, giúp chuyển hóa kỹ năng từ môi trường học thuật thành năng lực thực tiễn (Grant, 2024). Đặc biệt, kinh nghiệm làm thêm dù không tác động trực tiếp nhưng đóng vai trò “khuếch đại” hiệu quả cho kỹ năng giao tiếp, giúp gia tăng vốn xã hội sớm cho người học. Tổng thể, mô hình PLS-SEM nhấn mạnh nhu cầu xây dựng cấu trúc vốn nhân lực cân bằng, nơi AI được sử dụng để hỗ trợ thay vì thay thế nỗ lực nhận thức.

Kết quả PLS‑SEM sau bootstrapping cho thấy cả mô hình đo lường và mô hình cấu trúc đều đạt độ tin cậy và giá trị đo lường phù hợp. Ở mô hình đo lường phản xạ, hầu hết các hệ số tải đều ≥ 0,70, cho thấy các chỉ báo gắn kết tốt với biến tiềm ẩn. Các thang đo AI, COM, CRIT, INTERN, PARTTIME, READINESS, SOLVING và TEAM đều có hệ số tải trong ngưỡng chấp nhận, các chỉ báo thấp hơn 0,70 vẫn được giữ lại do CR và AVE đều đạt chuẩn. Các biến tương tác AI × INTERN và PARTTIME × COM được mã hóa theo các chỉ số sản phẩm với hệ số tải cố định bằng 1. Ngoài ra, giá trị phân biệt được đảm bảo khi tất cả các chỉ số HTMT giữa các cặp biến tiềm ẩn đều < 0,85, cho thấy các khái niệm trong mô hình là đủ tách biệt.

Bảng 3: Tóm tắt kết quả đo lường PLS-SEM

Nguồn: Tính toán của nhóm tác giả

Thảo luận kết quả

Để kiểm định các giả thuyết liên quan đến tác động của các kỹ năng mềm, từ H1 đến H4, kết quả PLS-SEM và OLS thống nhất cho thấy CRIT là yếu tố tác động mạnh nhất đến Mức độ sẵn sàng cho công việc (β_SEM = 0,273; β_OLS = 0,232; p = 0,000). Điều này khẳng định CRIT giúp sinh viên sàng lọc tri thức ảo từ AI và duy trì tính tự chủ trong môi trường số (Martínez-Peláez và cộng sự, 2025). Đáng chú ý, kỹ năng giao tiếp và làm việc nhóm dù có ý nghĩa trong PLS-SEM nhưng lại không đạt mức ý nghĩa thống kê trong OLS (p > 0,05). Điều này cho thấy khi xét tác động riêng lẻ (OLS), các kỹ năng tương tác xã hội chưa đủ để tạo ra sự đột phá về năng lực nếu thiếu đi sự cộng hưởng từ các yếu tố vốn nhân lực khác trong mô hình cấu trúc. Trong bối cảnh thị trường lao động Việt Nam đang chuyển đổi số mạnh mẽ, việc sinh viên sở hữu tư duy độc lập và khả năng xử lý tình huống phức tạp là “chìa khóa” để thích ứng, thay vì chỉ dừng lại ở các kỹ năng giao tiếp cơ bản vốn dễ bị bão hòa hoặc được hỗ trợ bởi công cụ công nghệ.

Với giả thuyết H5 về vai trò trung gian của thực tập chuyên môn (INTERN), dựa trên ELT, xem thực tập chuyên môn như cơ chế trung gian chuyển hóa kỹ năng giao tiếp và làm việc nhóm thành năng lực nghề nghiệp thực tiễn. Kết quả PLS‑SEM cho thấy COM → INTERN (0,567; p = 0,000) và TEAM → INTERN (0,310; p = 0,000), kết hợp với INTERN → READINESS (0,238; p = 0,005), tạo nên các hiệu ứng gián tiếp có ý nghĩa từ COM và TEAM đến READINESS thông qua INTERN. Kết quả này minh chứng cho lý thuyết ELT rằng các kỹ năng mềm hình thành tại nhà trường chỉ thực sự trở thành lợi thế nghề nghiệp khi được vận dụng vào chu trình ‘quan sát - phản tỉnh - áp dụng’ tại doanh nghiệp (Grant, 2024; Megasari và cộng sự, 2025). Điều này gợi ý các trường đại học cần ưu tiên mô hình học tập tích hợp công việc (Work-integrated learning) để giảm ‘sốc văn hóa’ cho sinh viên đi làm khi vừa tốt nghiệp.

Để kiểm định giả thuyết H6, kết quả nghiên cứu ghi nhận một tác động tương tác đáng chú ý. Khi kết hợp với thực tập chuyên môn, năng lực AI lại mang dấu âm đến sự sẵn sàng cho công việc (β = -0,124; p = 0,003). Điều này hàm ý rằng việc sử dụng AI thiếu kiểm soát trong giai đoạn thực hành có thể gây ra hiệu ứng ngược, khiến người học trở nên thụ động và giảm khả năng tự giải quyết vấn đề. Phát hiện này củng cố quan điểm của Martínez‑Peláez và cộng sự (2025), cho rằng AI nên được sử dụng như một công cụ ‘kích thích tư duy’ thay vì một thực thể thay thế hoàn toàn nỗ lực nhận thức. Trong bối cảnh Việt Nam, sinh viên cần được định hướng để khai thác AI như một nguồn lực hỗ trợ, tránh việc phụ thuộc quá mức dẫn đến suy giảm khả năng thực hành và thích ứng thực tế tại doanh nghiệp.

Kết quả PLS‑SEM ủng hộ giả thuyết H7. Tương tác PARTTIME × COM → INTERN đạt 0,159 (p = 0,004) và PARTTIME × COM → READINESS đạt 0,038 (p = 0,042). Kinh nghiệm làm thêm đóng vai trò là vốn xã hội sớm, tạo không gian thực tế để sinh viên tôi luyện kỹ năng giao tiếp và sự tự tin trước khi bước vào kỳ thực tập chuyên môn (AACSB, 2025). Kết quả này cho thấy làm thêm chỉ thực sự mang lại giá trị khi sinh viên biết vận dụng kỹ năng giao tiếp để chuyển hóa những trải nghiệm phổ thông thành năng lực thích ứng. Điều này gợi ý rằng thay vì chỉ tập trung vào số lượng giờ làm, sinh viên Việt Nam cần chú trọng việc rèn luyện khả năng tương tác xã hội trong môi trường làm việc thực tế để tối ưu hóa vốn nhân lực cá nhân.

KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH

Kết luận

Nghiên cứu tích hợp cả 3 lý thuyết để phân tích tác động đồng thời của kỹ năng mềm, trải nghiệm thực tiễn và năng lực sử dụng AI đối với mức độ sẵn sàng cho công việc của sinh viên đại học Việt Nam trong kỷ nguyên số. Kết quả cho thấy, những năng lực này giúp người học xử lý thông tin phức tạp và ra quyết định độc lập, tạo lợi thế cạnh tranh bền vững khi các tác vụ lặp lại dần bị thay thế. Trải nghiệm thực tập chuyên môn nổi lên như yếu tố có tác động trực tiếp mạnh nhất đến sự sẵn sàng nghề nghiệp, vượt trội so với làm thêm phổ thông. Năng lực sử dụng AI có tác động tích cực nhưng với cường độ thấp hơn, hoạt động chủ yếu như công cụ hỗ trợ khuếch tán hiệu quả học tập và làm việc, và chỉ phát huy đầy đủ giá trị khi đi cùng tư duy phản biện, giải quyết vấn đề và trải nghiệm thực tế, tránh nguy cơ phụ thuộc dẫn tới suy giảm năng lực nhận thức.

Tổng thể, cấu trúc vốn nhân lực tối ưu không nằm ở việc “cộng thêm” công nghệ, mà ở sự kết hợp hài hòa giữa kỹ năng nhận thức bậc cao, kỹ năng mềm, các trải nghiệm học tập gắn nghề và năng lực công nghệ được phát triển có chiến lược.

Hàm ý chính sách

Trên cơ sở kết quả nghiên cứu, nhóm tác giả đề xuất một số hàm ý như sau:

Thứ nhất, các cơ sở giáo dục cần dịch chuyển sang phát triển năng lực toàn diện, coi tư duy phản biện và giải quyết vấn đề là trục xuyên suốt chương trình thay vì những mô‑đun kỹ năng mềm rời rạc (Phạm và cộng sự, 2025). Chuẩn đầu ra nên nhấn mạnh lập luận logic, phân tích đa chiều, thiết kế giải pháp sáng tạo và nghiên cứu tình huống.

Thứ hai, chương trình học tập trải nghiệm cần được mở rộng và chuẩn hóa thông qua học kỳ doanh nghiệp, thực tập bắt buộc với mục tiêu học tập rõ ràng, cơ chế giám sát và đánh giá ba bên, tập trung vào nhiệm vụ chuyên môn gắn với ngành học. Việc tích hợp AI vào đào tạo nên được triển khai có chiến lược nhằm nâng cao AI literacy mà không làm suy giảm nỗ lực nhận thức của sinh viên.

Thứ ba, doanh nghiệp nên thiết kế lộ trình thực tập với nhiệm vụ chuyên môn cụ thể, phản hồi định kỳ, cơ hội tham gia dự án thực tế và tiêu chí đánh giá dựa trên năng lực. Quy trình tuyển dụng nên nhấn mạnh đánh giá kỹ năng mềm và khả năng sử dụng AI trong bối cảnh công việc cụ thể thông qua bài tập tình huống và phỏng vấn hành vi.

Thứ tư, về hàm ý chính sách, cần xây dựng khung chính sách đồng bộ tích hợp các tiêu chí về “sự sẵn sàng cho công việc”, tỷ lệ thực tập và năng lực số vào bộ tiêu chuẩn kiểm định chương trình đại học. Mô hình hợp tác giữa 3 bên (trường - doanh nghiệp - người học) và ưu tiên phát triển con người với sự kết hợp hài hòa giữa kỹ năng nhận thức bậc cao và năng lực làm chủ công nghệ. Về dài hạn, thu hẹp khoảng cách kỹ năng và nâng cao năng suất lao động quốc gia đòi hỏi hình thành thế hệ lao động trẻ có tư duy phản biện và khả năng thích ứng bền vững trong kỷ nguyên số.

Hạn chế và hướng nghiên cứu tiếp theo

Nghiên cứu còn hạn chế về quy mô mẫu và cách thu thập dữ liệu dựa trên tự báo cáo, nên khả năng khái quát hóa kết quả vẫn còn giới hạn. Các nghiên cứu tương lai nên mở rộng khảo sát đa ngành, đa vùng và áp dụng thiết kế nghiên cứu dọc để theo dõi sự biến đổi năng lực theo thời gian. Ngoài ra, việc kết hợp phương pháp định tính với các mô hình cấu trúc nâng cao sẽ giúp làm rõ sâu hơn vai trò điều tiết của AI trong những bối cảnh nghề nghiệp chuyên biệt.

Tài liệu tham khảo:

1. AACSB (2025). Experiential Learning Assures Workforce Readiness. AACSB Insights. https://www.aacsb.edu/

2. Ferdman, A. (2025). AI Deskilling is a structural problem. AI & SOCIETY, 1-13.

3. Grant, M. T. (2024). The graduate employability cycle of learning. Journal of University Teaching & Learning Practice, 21(3), 1-20.

4. Hair, J. F., Henseler, J., Ringle, C. M., & Sarstedt, M. (2017). A primer on partial least squares structural equation modeling (PLS-SEM) (2nd ed.). SAGE Publications.

5. Haritha, G. (2023). Integrating Kolb’s Experiential Learning Theory for Soft Skills Development. Journal of Engineering Education Transformations, 36(3), 120-128.

6. Kolb, D. A. (1984). Experiential learning: Experience as the source of learning and development. Prentice Hall.

7. Martínez-Peláez, R., Mena, L. J., Toral-Cruz, H., Ochoa-Brust, A., Potes, A. G., Flores, V., ... & Félix, V. G. (2025). Can Large Language Models Foster Critical Thinking, Teamwork, and Problem-Solving Skills in Higher Education?: A Literature Review. Systems, 13(11), 1013.

8. Megasari, E. M., Yoto, Y., & Widiyanti, W. (2025). The Role of Internship Experience, Soft Skills, and Self-Efficacy in Enhancing Vocational Readiness: A Systematic Literature Review. Didaktika: Jurnal Kependidikan, 14(4 Nopember), 6353-6370.

9. Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.

10. Paden, G., JEREZ, M. J., & BALUYOS, G. (2025). Challenges Encountered By Hospitality Management Students During Internship. Journal of Higher Education Research Disciplines, 10(1), 137-180.

11. Phạm, T. H., Đinh, Đ. L., Nguyễn, M.C., Nguyễn T.N.T. (2025). Góc nhìn của giảng viên và sinh viên về việc lồng ghép kỹ năng nghề nghiệp vào giảng dạy tại Trường Đại học Nha Trang. Tạp chí Khoa học và Công nghệ - Đại học Thái Nguyên, 230(08).

12. Rispler, C., Eizenberg, M. M., & Yakov, G. (2025). Understanding Students' Perceptions of Generative AI: Implications for Pedagogy and Graduate Employability. Journal of Teaching and Learning for Graduate Employability, 16(1), 145-170.

13. Wut, T. M., Wong, H. S. M., & Sum, C. K. M. (2025). Person-to-person interactions in hybrid teaching and learning. International Journal of Educational Research Open, 9, 100485.