Chương 16. Chi phí ẩn của AI trong giáo dục

AI trong giáo dục thường được bán bằng một câu rất đẹp:

Mỗi học sinh sẽ có một gia sư riêng.

Mỗi giáo viên sẽ có một trợ lý riêng.

Mỗi trường sẽ có một bộ máy vận hành thông minh hơn.

Mỗi hệ thống giáo dục sẽ hiểu dữ liệu tốt hơn, can thiệp sớm hơn, cá nhân hóa sâu hơn.

Câu này không sai hoàn toàn.

Và chính vì không sai hoàn toàn nên nó nguy hiểm hơn một lời quảng cáo rỗng.

AI thật sự có thể giúp giáo viên tiết kiệm thời gian.

AI thật sự có thể giúp học sinh nhận phản hồi nhanh hơn.

AI thật sự có thể giúp tạo tài liệu, dịch, tóm tắt, mô phỏng, cá nhân hóa bài luyện, phát hiện điểm hổng, hỗ trợ người học khuyết tật, hỗ trợ người học không có gia sư.

AI thật sự có thể làm một số việc mà hệ thống giáo dục cũ làm quá chậm.

Nhưng mỗi chữ “có thể” đều có hóa đơn phía sau.

Hóa đơn tiền.

Hóa đơn dữ liệu.

Hóa đơn thời gian giáo viên.

Hóa đơn hạ tầng.

Hóa đơn kiểm chứng.

Hóa đơn pháp lý.

Hóa đơn môi trường.

Hóa đơn bất bình đẳng.

Hóa đơn lệ thuộc.

Hóa đơn năng lực bị teo đi vì được thay thế quá sớm.

Và hóa đơn chính trị: ai được quyền quyết định phần nào của giáo dục nên được tự động hóa?

Chương này không hỏi “AI tốt hay xấu?”.

Câu hỏi đó quá nghèo.

Chương này hỏi:

Khi AI vào giáo dục, ai được lợi trước?

Ai phải sửa lỗi?

Ai trả tiền khi bản dùng thử kết thúc?

Ai chịu rủi ro khi hệ thống sai?

Ai mất năng lực vì phụ thuộc?

Ai bị biến thành dữ liệu?

Ai có quyền rời đi?

Và nếu AI thật sự hữu ích, chúng ta có đủ trung thực để tính đúng tổng chi phí của nó không?

1. Cuộc họp mua AI

Hãy tưởng tượng một cuộc họp ở một sở giáo dục.

Phòng họp có đủ các phe.

Một công ty EdTech trình bày sản phẩm AI tutor.

Một lãnh đạo hệ thống giáo dục đang chịu áp lực cải thiện kết quả học tập.

Một hiệu trưởng muốn giảm tải cho giáo viên.

Một giáo viên giỏi nhưng kiệt sức.

Một phụ huynh muốn con có người kèm ngoài giờ.

Một học sinh nói thật rằng em đã dùng ChatGPT rồi, chỉ là người lớn chưa biết.

Một cán bộ tài chính nhìn bảng giá.

Một chuyên gia dữ liệu hỏi chuyện bảo mật.

Một nhà nghiên cứu hỏi bằng chứng học tập.

Một người làm chính sách công bằng hỏi trường nghèo sẽ được gì.

Một người phản công nghệ ngồi cuối phòng, không tin bất kỳ slide nào.

Công ty bắt đầu:

“AI sẽ giúp cá nhân hóa học tập ở quy mô lớn. Mỗi học sinh có một trợ lý 24/7. Giáo viên được giảm việc soạn bài, chấm bài, tạo tài liệu. Nhà trường có dashboard theo dõi tiến độ. Chi phí thấp hơn gia sư người thật rất nhiều.”

Lãnh đạo hệ thống nghe thấy một lời hứa khó cưỡng.

Giáo viên nghe thấy một nửa hy vọng, một nửa đe dọa.

Phụ huynh nghe thấy cơ hội.

Học sinh nghe thấy thứ em đã dùng nhưng giờ có vẻ hợp pháp hơn.

Cán bộ tài chính nghe thấy “chi phí thấp”, nhưng bắt đầu ghi thêm dòng.

Chuyên gia dữ liệu nghe thấy “24/7” và nghĩ đến 24/7 dữ liệu.

Nhà nghiên cứu nghe thấy “cá nhân hóa” và hỏi: cá nhân hóa cái gì, cho ai, bằng chứng nào?

Người phản công nghệ nghe thấy “quy mô lớn” và nghĩ: lại thêm một cách làm trường học xa con người hơn.

Cuộc họp này mới là hình dạng thật của AI trong giáo dục.

Không phải một công nghệ rơi từ trời xuống.

Mà là một cuộc thương lượng giữa hy vọng, áp lực, tiền, quyền lực, dữ liệu, nghề nghiệp và trẻ em.

Nếu chỉ nghe phe bán hàng, ta sẽ thấy tương lai.

Nếu chỉ nghe phe phản đối, ta sẽ thấy tai họa.

Nếu nghe tất cả, ta bắt đầu thấy chi phí ẩn.

2. Phe ủng hộ nói đúng điều gì?

Phe ủng hộ AI trong giáo dục không toàn nói bậy.

Họ có những luận điểm mạnh.

Thứ nhất, giáo viên đang quá tải.

Nếu AI giúp tạo bản nháp kế hoạch bài dạy, câu hỏi luyện tập, rubric, tài liệu phân hóa, email phụ huynh, tóm tắt nội dung, thì đó không phải chuyện nhỏ.

Một nghiên cứu của NFER, được Education Endowment Foundation và Hg Foundation đặt hàng, thử nghiệm việc giáo viên khoa học dùng ChatGPT để chuẩn bị bài và tài nguyên cho học sinh lớp 7-8 ở Anh. Kết quả chính cho thấy trong giai đoạn tuần 6 đến tuần 10, nhóm dùng ChatGPT dành thời gian chuẩn bị bài và tài nguyên bằng khoảng 69% thời gian của nhóm không dùng GenAI. Đây là một bằng chứng thực tế, không phải chỉ là khẩu hiệu.

Nếu một giáo viên tiết kiệm được thời gian chuẩn bị tài liệu mà chất lượng không sụp, điều đó có giá trị.

Không nên xem nhẹ.

Thứ hai, người học cần hỗ trợ ngoài giờ học.

Một lớp có 35, 45, 50 học sinh không thể cho mỗi em một giáo viên riêng.

Gia sư người thật đắt.

Phụ huynh không phải ai cũng có thời gian, kiến thức, tiền.

AI có thể giải thích lại, cho ví dụ khác, gợi ý bước tiếp theo, tạo bài luyện, dịch ngôn ngữ, đọc văn bản thành giọng nói, hỗ trợ người học chậm hơn, nhanh hơn, hoặc ngại hỏi trong lớp.

Nếu được thiết kế đúng, AI có thể là lớp hỗ trợ đầu tiên, không thay giáo viên nhưng giảm khoảng trống giữa “em không hiểu” và “tuần sau mới hỏi được”.

Thứ ba, hệ thống giáo dục có nhiều việc hành chính lặp lại.

Không ai vào nghề giáo để viết cùng một loại nhận xét hàng trăm lần.

Không ai muốn giáo viên mất buổi tối cho công việc giấy tờ mà máy có thể hỗ trợ.

Nếu AI giúp giảm tải hành chính, giáo viên có thể dành nhiều thời gian hơn cho tương tác người-người.

Thứ tư, AI có thể mở rộng khả năng tiếp cận.

Dịch tự động giúp người học tiếp cận tài liệu khác ngôn ngữ.

Tạo phụ đề giúp người khiếm thính.

Text-to-speech giúp người khó đọc.

Speech-to-text giúp người khó viết.

Tóm tắt, đổi mức độ đọc, tạo ví dụ theo bối cảnh địa phương, có thể giúp tài liệu trở nên gần hơn.

Thứ năm, AI có thể giúp hệ thống phản ứng nhanh hơn.

Tạo nội dung bổ sung nhanh.

Phân tích dữ liệu sớm.

Hỗ trợ giáo viên mới.

Tìm mẫu khó khăn trong bài làm.

Gợi ý can thiệp.

Tạo môi trường luyện tập không phán xét.

Những điểm này không phải ảo tưởng hoàn toàn.

OECD cũng nhìn nhận AI có tiềm năng nâng chất lượng, công bằng và hiệu quả, nếu giáo viên và người học có điều kiện phù hợp. UNESCO cũng không kêu gọi cấm sạch AI; hướng dẫn của UNESCO nhấn mạnh cách tiếp cận lấy con người làm trung tâm, chính sách dài hạn, năng lực con người và quản trị.

Vì vậy, nếu một người nói “AI chẳng có ích gì cho giáo dục”, họ đang nói quá.

Nhưng nếu một người nói “AI sẽ tự động giải cứu giáo dục”, họ cũng đang nói quá.

Tranh luận thật bắt đầu ở chữ “nếu”.

Nếu có điều kiện phù hợp.

Nếu giáo viên được huấn luyện.

Nếu công cụ đủ chính xác.

Nếu dữ liệu được bảo vệ.

Nếu có hạ tầng.

Nếu có đánh giá.

Nếu không tăng bất bình đẳng.

Nếu không biến học sinh thành người tiêu thụ câu trả lời.

Nếu không làm giáo viên mất quyền nghề nghiệp.

Những chữ “nếu” này chính là chi phí ẩn.

3. Phe phản biện hỏi: AI tiết kiệm thời gian cho ai?

Phe ủng hộ nói AI giảm tải giáo viên.

Phe giáo viên phản biện:

“Giảm tải phần nào, hay chuyển tải sang phần khác?”

AI tạo bản nháp nhanh.

Nhưng ai kiểm tra bản nháp?

AI tạo câu hỏi.

Nhưng ai kiểm tra câu hỏi có đúng chương trình, đúng mức độ, không sai kiến thức, không thiên lệch?

AI tạo nhận xét.

Nhưng ai bảo đảm nhận xét phù hợp với học sinh thật?

AI gợi ý kế hoạch bài dạy.

Nhưng ai biến nó thành bài học sống trong lớp có người học cụ thể?

AI chấm bài.

Nhưng ai xử lý khi học sinh khiếu nại?

AI phát hiện học sinh có nguy cơ.

Nhưng ai gọi điện, gặp gia đình, hiểu hoàn cảnh, tránh dán nhãn?

Đây là nghịch lý workload.

Một công cụ có thể giảm một phần việc, nhưng tạo ra việc mới: kiểm chứng, sửa lỗi, học cách dùng, thiết lập chính sách, giải thích cho phụ huynh, xử lý ngoại lệ, bảo vệ dữ liệu, cập nhật quy trình, làm lại đánh giá, quản lý kỳ vọng.

Nếu hệ thống chỉ mua công cụ mà không mua thời gian cho giáo viên học, thử, thất bại, sửa, trao đổi, thì “giảm tải” có thể trở thành một nhiệm vụ nữa.

OECD cảnh báo rằng công nghệ có thể tăng workload cho giáo viên và quản trị nếu hệ sinh thái bị phân mảnh, phải nhập dữ liệu nhiều nơi, công cụ không được thiết kế cùng nghề giáo, hoặc dashboard không thân thiện. Trong AI, điều này còn mạnh hơn vì giáo viên không chỉ dùng phần mềm; họ phải giám sát một hệ thống sinh nội dung có thể sai theo cách rất thuyết phục.

Phe lãnh đạo có thể nói:

“Nhưng thử nghiệm NFER cho thấy giáo viên tiết kiệm thời gian.”

Phe giáo viên có thể đáp:

“Đúng, nhưng đó là trong một tình huống cụ thể: giáo viên khoa học, một giai đoạn, có hướng dẫn, nhiệm vụ chuẩn bị bài. Kết quả đó đáng chú ý, nhưng không tự động chứng minh mọi ứng dụng AI trong mọi môn, mọi cấp, mọi trường đều giảm tải.”

Phe nghiên cứu chen vào:

“Chúng ta cần phân biệt task-level saving và system-level saving.”

Tiết kiệm thời gian ở một nhiệm vụ không có nghĩa tổng hệ thống tiết kiệm.

Nếu giáo viên tiết kiệm 30 phút soạn bài nhưng mất 20 phút kiểm chứng, 15 phút xử lý lỗi, 10 phút ghi hồ sơ sử dụng AI, 10 phút giải thích cho phụ huynh, thì lợi ích ròng thay đổi.

Nếu AI giúp giáo viên tạo tài liệu nhiều hơn, lãnh đạo có thể kỳ vọng giáo viên làm nhiều hơn.

Nếu công cụ làm tăng tiêu chuẩn tốc độ, thời gian tiết kiệm có thể bị hệ thống nuốt mất.

Đây là một mâu thuẫn rất thật:

AI có thể giảm tải nếu dùng để cắt bỏ việc không cần thiết.

AI có thể tăng tải nếu dùng để tăng sản lượng kỳ vọng.

Cùng một công nghệ, hai kết quả trái ngược, tùy quản trị.

4. Phe học sinh nói: “Em cần giúp ngay bây giờ”

Người lớn thường nói về AI như thể học sinh đang chờ chính sách.

Thực tế, nhiều học sinh đã dùng rồi.

Các em dùng để giải thích bài.

Dịch văn bản.

Làm dàn ý.

Sửa câu.

Tạo ví dụ.

Viết bài.

Giải toán.

Lập trình.

Tóm tắt tài liệu.

Hỏi những câu ngại hỏi giáo viên.

Một học sinh có thể nói:

“Em không có gia sư. Bố mẹ không giúp được. Giáo viên bận. Bạn bè cũng không hiểu. Nếu AI giải thích lại cho em lúc 11 giờ tối, vì sao người lớn chỉ nói rủi ro?”

Đây là câu hỏi mạnh.

Một hệ thống giáo dục bỏ mặc học sinh sau giờ học rồi đạo đức hóa việc các em tìm hỗ trợ từ AI là không công bằng.

Nếu trường học không cung cấp đủ phản hồi, đủ cơ hội hỏi, đủ tài nguyên, đủ hỗ trợ cá nhân, thì AI lấp khoảng trống có thật.

Nhưng phe phản biện hỏi lại:

“AI đang giúp em học, hay giúp em tạo sản phẩm thay cho học?”

Một chatbot có thể giải thích.

Nó cũng có thể làm hộ.

Nó có thể gợi ý bước tiếp theo.

Nó cũng có thể đưa lời giải hoàn chỉnh.

Nó có thể hỏi ngược để học sinh suy nghĩ.

Nó cũng có thể tối ưu cho câu trả lời nhanh làm người học hài lòng.

AI có thể tạo “ảo giác làm chủ”.

Người học thấy một bài văn mượt, một lời giải đẹp, một đoạn code chạy được, rồi cảm giác đó là năng lực của mình.

Nhưng khi không có AI, họ không viết được, không giải thích được, không sửa được, không phát hiện sai được.

Đây không phải chỉ là chuyện gian lận.

Gian lận là vấn đề cũ có công cụ mới.

Vấn đề sâu hơn là sự nhầm lẫn giữa output và learning.

Trường học vốn đã có xu hướng đánh giá sản phẩm cuối: bài nộp, điểm số, câu trả lời. AI làm khủng hoảng này lộ ra. Nếu bài tập chỉ đo sản phẩm cuối có thể tạo bằng máy, thì bài tập đó vốn đã mong manh.

Phe học sinh có thể nói:

“Nhưng thế giới sau này cũng dùng AI. Nếu cấm em dùng, trường đang dạy em sống trong quá khứ.”

Phe giáo viên có thể đáp:

“Đúng, nhưng nếu em dùng AI trước khi có năng lực nền, em không trở thành người dùng AI giỏi. Em trở thành người phụ thuộc vào AI.”

Đây là mâu thuẫn thật:

Không dạy học sinh dùng AI là lỗi thời.

Cho học sinh dùng AI không có cấu trúc là bỏ mặc.

Cấm sạch có thể bất công và không thực tế.

Thả tự do có thể làm rỗng học tập.

Giải pháp không nằm ở khẩu hiệu “cấm” hay “cho”.

Giải pháp nằm ở thiết kế nhiệm vụ học: khi nào AI được dùng, dùng để làm gì, phần nào phải tự làm, phần nào phải giải thích quá trình, phần nào phải kiểm chứng, phần nào phải trình bày miệng, phần nào phải làm trên giấy, phần nào phải cộng tác, phần nào phải phản tư về cách dùng AI.

Chi phí ẩn ở đây là chi phí thiết kế lại sư phạm và đánh giá.

Không trả chi phí này, AI sẽ tự thiết kế lại giáo dục theo hướng dễ nhất: tạo output nhanh.

5. Phe tài chính hỏi: giá license không phải tổng chi phí

Một nhà cung cấp có thể đưa ra bảng giá rất hấp dẫn.

Mỗi học sinh vài đô một tháng.

Mỗi giáo viên một gói trợ lý.

Dùng thử miễn phí.

Giảm giá cho trường.

Tích hợp nhanh.

Triển khai trong vài tuần.

Phe tài chính trong giáo dục nên mỉm cười lịch sự, rồi mở bảng tính khác.

Tổng chi phí AI không chỉ là license.

Nó gồm:

Thiết bị.

Kết nối.

Tài khoản.

Tích hợp với LMS, SIS, SSO.

Quản trị danh tính.

Bảo mật.

Đánh giá tác động dữ liệu.

Pháp lý.

Đào tạo giáo viên.

Thời gian giáo viên thử nghiệm.

Hỗ trợ kỹ thuật.

Hỗ trợ phụ huynh.

Tài liệu hướng dẫn.

Chính sách sử dụng.

Giám sát chất lượng.

Đánh giá hiệu quả.

Xử lý lỗi.

Quy trình khiếu nại.

Điều chỉnh đánh giá.

Mua thêm dung lượng khi usage tăng.

Chi phí API.

Chi phí lưu trữ.

Chi phí chuyển nhà cung cấp.

Chi phí rời đi.

Chi phí khi giá tăng sau năm đầu.

Chi phí nếu sản phẩm bị dừng.

Chi phí nếu dữ liệu bị khóa.

Chi phí nếu hệ thống phụ thuộc vào một vendor.

Trong procurement, chi phí nguy hiểm nhất thường là chi phí không xuất hiện trong proposal.

Một công cụ AI có thể rẻ ở năm đầu vì nhà cung cấp đang mua thị phần.

Nhưng nếu trường đã đưa nó vào bài học, dữ liệu, quy trình, kỳ vọng phụ huynh, thói quen học sinh, thì năm thứ ba giá mới là bài kiểm tra thật.

Phe vendor có thể phản biện:

“Mọi công nghệ đều có chi phí triển khai. Không thể vì có chi phí mà không đổi mới.”

Đúng.

Nhưng phe công phản biện lại:

“Không ai nói không đổi mới. Chúng tôi nói phải tính đủ hóa đơn trước khi ký.”

Một hệ thống giáo dục nghèo có thể bị hút vào AI vì nó hứa “rẻ hơn giáo viên”.

Nhưng nếu AI cần thiết bị, mạng ổn định, dữ liệu sạch, hỗ trợ kỹ thuật, giáo viên được đào tạo, quy trình bảo mật, thì nơi nghèo nhất lại có ít điều kiện nhất để biến AI thành lợi ích.

Nếu chỉ tính license, AI có vẻ dân chủ.

Nếu tính tổng chi phí, AI có thể làm bất bình đẳng lộ rõ hơn.

6. Phe kỹ thuật nói: AI không phải phép màu, nó là hạ tầng

Trong slide bán hàng, AI thường hiện ra như một giao diện chat sạch sẽ.

Học sinh hỏi.

AI trả lời.

Giáo viên nhập yêu cầu.

AI tạo tài liệu.

Nhà trường xem dashboard.

Mọi thứ trơn tru.

Phe kỹ thuật nhìn thấy thứ khác.

Model.

Data pipeline.

Prompt orchestration.

Guardrails.

Logging.

Authentication.

Authorization.

Data retention.

Content filtering.

Human review.

Latency.

Uptime.

Rate limits.

Model updates.

Evaluation sets.

Bias tests.

Security monitoring.

Incident response.

Vendor dependency.

Fallback plan.

AI trong giáo dục không phải một “app”.

Nó là hạ tầng hành vi.

Khi nó sai, sai có thể rất mềm.

Không phải màn hình vỡ.

Không phải server chết.

Mà là một lời giải sai nghe hợp lý.

Một nhận xét không phù hợp với học sinh.

Một gợi ý can thiệp làm tăng định kiến.

Một bài tập quá dễ cho nhóm này, quá khó cho nhóm khác.

Một hệ thống chặn nhầm nội dung của học sinh thiểu số.

Một chatbot nói quá tự tin về điều không biết.

Một công cụ viết nhận xét làm giọng giáo viên đồng loạt hóa.

Một mô hình cập nhật âm thầm khiến kết quả tuần này khác tuần trước.

Đây là chi phí kiểm thử.

Muốn dùng AI nghiêm túc, phải có bộ đánh giá.

Không chỉ benchmark chung.

Mà là benchmark theo chương trình học, ngôn ngữ, độ tuổi, nhóm học sinh, dạng nhiệm vụ, tiêu chuẩn an toàn, yêu cầu accessibility, bối cảnh văn hóa.

Phe vendor có thể nói:

“Model của chúng tôi đạt điểm cao trên benchmark quốc tế.”

Phe giáo dục phải hỏi:

“Benchmark đó có giống học sinh lớp tôi không?”

“Có kiểm tra tiếng Việt không?”

“Có kiểm tra học sinh dùng tiếng lóng, sai chính tả, trộn ngôn ngữ không?”

“Có kiểm tra nội dung lịch sử địa phương không?”

“Có kiểm tra học sinh khuyết tật không?”

“Có kiểm tra khi học sinh cố tình jailbreak không?”

“Có kiểm tra khi phụ huynh khiếu nại không?”

“Có kiểm tra khi giáo viên dùng sai không?”

NIST, trong AI Risk Management Framework và hồ sơ riêng cho Generative AI, nhấn mạnh quản trị rủi ro theo vòng đời, tính đáng tin cậy, đo lường, quản lý, và đặc thù rủi ro của AI tạo sinh. Dù NIST không viết riêng cho trường học, tinh thần của nó rất quan trọng: AI không thể được quản trị bằng niềm tin vào demo.

Demo là khoảnh khắc tốt nhất của sản phẩm.

Trường học là đời sống thật của sản phẩm.

Khoảng cách giữa hai thứ là chi phí kỹ thuật.

7. Phe bảo vệ trẻ em hỏi: dữ liệu học sinh có phải nhiên liệu miễn phí?

AI cần dữ liệu theo nhiều cách.

Có công cụ dùng dữ liệu để cá nhân hóa ngay trong phiên.

Có công cụ lưu lịch sử để cải thiện trải nghiệm.

Có công cụ dùng input để huấn luyện hoặc tinh chỉnh.

Có công cụ phân tích dữ liệu học tập để dự đoán.

Có công cụ kết hợp dữ liệu học sinh, giáo viên, phụ huynh, thiết bị, hành vi.

Trong giáo dục, dữ liệu không phải chỉ là dữ liệu.

Một câu hỏi sai của học sinh là dữ liệu về điểm yếu.

Một bài văn là dữ liệu về cảm xúc, gia đình, suy nghĩ.

Một lịch sử truy vấn là dữ liệu về tò mò, sợ hãi, lỗ hổng kiến thức.

Một bản ghi giọng nói là dữ liệu sinh trắc hoặc gần sinh trắc.

Một pattern làm bài là dữ liệu về hành vi.

Một dự đoán “nguy cơ thấp năng lực” có thể đi theo học sinh lâu hơn ta tưởng.

Phe ủng hộ nói:

“Không có dữ liệu thì không cá nhân hóa được.”

Phe quyền trẻ em đáp:

“Không phải mọi cá nhân hóa đều biện minh cho mọi thu thập.”

UNICEF, trong hướng dẫn về AI cho trẻ em, đặt quyền trẻ em vào trung tâm: an toàn, công bằng, không phân biệt đối xử, bảo vệ dữ liệu, minh bạch, giải thích được, trách nhiệm giải trình, và môi trường cho trẻ phát triển. Đây không phải phụ lục pháp lý; nó là điều kiện đạo đức.

EU AI Act cũng xem nhiều ứng dụng AI trong giáo dục và đào tạo nghề là nhóm rủi ro cao, đặc biệt khi dùng để quyết định tiếp cận, phân bổ vào cơ sở giáo dục, hoặc đánh giá người học. Dù bối cảnh pháp lý mỗi nước khác nhau, tín hiệu chính sách rất rõ: AI trong giáo dục không được đối xử như app giải trí.

Phe trường học có thể phản biện:

“Nhưng chúng tôi cần dữ liệu để hỗ trợ học sinh. Nếu quá sợ dữ liệu, chúng tôi sẽ mù.”

Đúng.

Không có dữ liệu nào cũng nguy hiểm.

Một học sinh vắng học nhiều, tụt bài, cần hỗ trợ, nhưng hệ thống không thấy, đó cũng là thất bại.

Vấn đề không phải là dữ liệu hay không dữ liệu.

Vấn đề là dữ liệu tối thiểu đủ dùng, mục đích rõ, thời hạn lưu rõ, quyền truy cập rõ, quyền sửa/xóa rõ, quyền giải thích rõ, không dùng lại ngoài mục đích giáo dục nếu không có cơ sở chính đáng, và không biến dữ liệu yếu thế thành nhãn định mệnh.

Chi phí ẩn ở đây là chi phí quản trị dữ liệu.

Nếu trường không có năng lực dữ liệu, AI không làm trường thông minh hơn.

Nó chỉ làm trường thu thập nhiều hơn.

8. Phe công bằng hỏi: AI cá nhân hóa cho người giàu trước?

AI được quảng cáo như công cụ bình đẳng.

Một gia sư cho mọi học sinh.

Một trợ lý cho mọi giáo viên.

Một cách hỗ trợ trường thiếu nhân lực.

Nhưng công bằng không xảy ra vì một công cụ có thể scale.

Công bằng xảy ra nếu điều kiện sử dụng được phân phối công bằng.

Ai có thiết bị đủ tốt?

Ai có internet ổn?

Ai có không gian học?

Ai có người lớn hướng dẫn?

Ai có kỹ năng đặt câu hỏi?

Ai biết kiểm chứng AI?

Ai được học cách dùng AI một cách chiến lược?

Ai chỉ dùng bản miễn phí giới hạn?

Ai được dùng model tốt hơn?

Ai bị giới hạn ngôn ngữ?

Ai có trường đủ năng lực triển khai?

Ai bị biến thành nhóm thử nghiệm vì trường nghèo thiếu lựa chọn?

Đây là mâu thuẫn gai góc.

Phe ủng hộ nói:

“AI rẻ hơn gia sư, nên nó giúp người nghèo.”

Phe công bằng đáp:

“Có thể. Nhưng người giàu cũng dùng AI tốt hơn, cộng thêm gia sư người, trường tốt, phụ huynh biết định hướng. Khoảng cách không tự động giảm.”

Người có vốn văn hóa cao dùng AI như đòn bẩy.

Người thiếu vốn văn hóa có thể dùng AI như nạng.

Người học giỏi biết hỏi câu sâu.

Người học yếu có thể hỏi câu mơ hồ và nhận câu trả lời mơ hồ.

Người biết kiểm chứng phát hiện hallucination.

Người không biết kiểm chứng học sai một cách tự tin.

Người có giáo viên hướng dẫn học cách dùng AI để tư duy.

Người bị bỏ mặc học cách dùng AI để nộp bài.

AI có thể giảm bất bình đẳng ở tầng truy cập.

AI có thể tăng bất bình đẳng ở tầng sử dụng.

Hai câu này có thể cùng đúng.

Vì vậy, một chính sách AI công bằng không thể chỉ cấp tài khoản.

Nó phải cấp năng lực.

Nó phải cấp thời gian giáo viên.

Nó phải cấp hạ tầng.

Nó phải cấp tài liệu bằng ngôn ngữ người học.

Nó phải cấp mô hình hỗ trợ cho học sinh yếu.

Nó phải bảo vệ trường nghèo khỏi sản phẩm kém chất lượng được bán bằng lời hứa “rẻ”.

Nó phải đo tác động theo nhóm, không chỉ trung bình.

Nếu trung bình tăng nhưng học sinh yếu tụt lại, đó không phải thành công công bằng.

9. Phe đánh giá hỏi: AI làm hỏng bài kiểm tra, hay lộ ra bài kiểm tra đã hỏng?

Khi ChatGPT xuất hiện, nhiều trường phản ứng bằng nỗi sợ gian lận.

Học sinh có thể nộp bài do AI viết.

Sinh viên có thể tạo code.

Bài luận ở nhà trở nên khó xác thực.

AI detector không đáng tin tuyệt đối.

Giáo viên mất thời gian nghi ngờ.

Quan hệ tin cậy bị tổn thương.

Đây là vấn đề thật.

Nhưng phe cải cách đánh giá nói:

“AI không phá bài kiểm tra. AI chỉ cho thấy nhiều bài kiểm tra vốn đã đo thứ máy có thể bắt chước.”

Nếu một bài luận chỉ yêu cầu tổng hợp chung chung, AI làm được.

Nếu một bài tập chỉ yêu cầu định nghĩa, AI làm được.

Nếu một bài code chỉ là mẫu phổ biến, AI làm được.

Nếu một bài reflection có thể viết bằng giọng chung chung, AI làm được.

Nhưng nếu đánh giá yêu cầu quá trình, bản nháp, phản hồi, bảo vệ miệng, dữ liệu cá nhân hóa, liên hệ trải nghiệm thật, giải quyết vấn đề tại chỗ, thảo luận, phản biện, chỉnh sửa sau feedback, AI khó thay thế hoàn toàn hơn.

Phe giáo viên phản biện:

“Nghe hay, nhưng ai có thời gian thiết kế lại toàn bộ đánh giá?”

Đây là chi phí ẩn.

AI buộc giáo dục trả món nợ đã khất lâu: đánh giá phải đo tư duy, quá trình, năng lực chuyển giao, không chỉ sản phẩm dễ chấm.

Nhưng thiết kế đánh giá tốt tốn công.

Chấm quá trình tốn công.

Phỏng vấn miệng tốn công.

Tạo đề địa phương hóa tốn công.

Đào tạo giáo viên tốn công.

Giảm sĩ số lớp tốn tiền.

Nếu hệ thống không trả chi phí này, nó sẽ chọn hai đường tắt:

Một là cấm AI và săn gian lận.

Hai là bỏ cuộc, chấp nhận mọi bài ở nhà có thể có AI.

Cả hai đều nghèo.

Một hệ thống trưởng thành hơn sẽ phân loại:

Có nhiệm vụ cấm AI để luyện năng lực nền.

Có nhiệm vụ cho dùng AI nhưng phải khai báo.

Có nhiệm vụ yêu cầu so sánh câu trả lời của AI với nguồn khác.

Có nhiệm vụ đánh giá kỹ năng prompt và kiểm chứng.

Có nhiệm vụ làm tại lớp không AI.

Có nhiệm vụ dùng AI như đối tượng phê bình.

Có nhiệm vụ dùng AI để tăng chất lượng sản phẩm nhưng đánh giá quá trình con người.

Chi phí ẩn không phải chỉ là công nghệ chống gian lận.

Chi phí ẩn là thiết kế lại văn hóa đánh giá.

10. Phe môi trường hỏi: AI có nằm ngoài trường học nhưng vẫn tính vào giáo dục không?

Một chatbot trong lớp học trông nhẹ như không khí.

Không sách in.

Không xe đưa tài liệu.

Không phòng máy lớn trong trường.

Chỉ một ô nhập chữ.

Nhưng phía sau là trung tâm dữ liệu, chip, điện, nước làm mát, mạng, thiết bị, khai thác khoáng sản, chuỗi cung ứng, rác điện tử.

IEA ước tính data centers tiêu thụ khoảng 415 TWh điện năm 2024, tương đương khoảng 1,5% điện toàn cầu, và trong kịch bản cơ sở có thể tăng lên khoảng 945 TWh vào năm 2030. IEA cũng lưu ý tác động địa phương có thể lớn hơn tỷ lệ toàn cầu vì data centers tập trung ở một số khu vực, gây áp lực lên lưới điện, nước và quy hoạch năng lượng.

Phe ủng hộ AI phản biện:

“Nhưng giáo dục chỉ là một phần nhỏ của AI. Không thể bắt trường học chịu toàn bộ tội của data centers. AI cũng có thể giúp tối ưu năng lượng, giảm lãng phí, thay thế một số hoạt động vật lý.”

Đúng.

Không nên tính mọi điện data center vào giáo dục.

Không nên dùng môi trường như lá bài chặn mọi công nghệ.

Nhưng cũng không thể xem chi phí môi trường là chuyện ngoài giáo dục.

Nếu một hệ thống giáo dục triển khai AI ở quy mô hàng triệu học sinh, với truy vấn hằng ngày, tạo nội dung hàng loạt, video, hình ảnh, chấm bài, phân tích dữ liệu, thì nó tham gia vào nhu cầu tính toán.

Và giáo dục là lĩnh vực đạo đức đặc biệt.

Một trường dạy học sinh về biến đổi khí hậu nhưng mua công nghệ không hỏi carbon, năng lượng, thiết bị, vòng đời phần cứng, sẽ tự mâu thuẫn.

Phe kỹ thuật có thể nói:

“Mô hình nhỏ, chạy cục bộ, caching, giới hạn tác vụ, tối ưu inference, chọn nhà cung cấp năng lượng sạch, có thể giảm chi phí môi trường.”

Đúng.

Vậy đó chính là chi phí thiết kế.

AI bền vững hơn không tự xảy ra.

Nó cần yêu cầu procurement.

Nó cần báo cáo năng lượng.

Nó cần lựa chọn kiến trúc.

Nó cần tránh dùng mô hình cực lớn cho nhiệm vụ nhỏ.

Nó cần chính sách không tạo nội dung vô hạn vì rẻ.

Nó cần văn hóa “đủ dùng”.

Trong giáo dục, một câu hỏi nên trở thành bình thường:

Tác vụ này có cần AI tạo sinh không?

Hay chỉ cần một checklist, một template, một công cụ tìm kiếm, một phần mềm quy tắc, một cuộc trao đổi với giáo viên?

Không phải mọi vấn đề cần mô hình lớn.

Không phải mọi câu hỏi của học sinh cần đi qua đám mây.

Không phải mọi nội dung cần được cá nhân hóa bằng tính toán đắt.

Đôi khi công nghệ xanh nhất là không gọi AI.

11. Phe vendor nói: “Nếu không thử bây giờ, sẽ tụt hậu”

Đây là luận điểm mạnh về chính trị.

AI đang thay đổi lao động, nghiên cứu, truyền thông, sáng tạo, lập trình, quản trị.

Nếu trường học chậm, học sinh sẽ ra đời với năng lực lỗi thời.

Nếu giáo viên không dùng AI, họ sẽ bị bỏ lại.

Nếu hệ thống công quá thận trọng, thị trường tư sẽ chiếm giáo dục AI.

Nếu quốc gia không đầu tư, quốc gia khác sẽ dẫn trước.

Phe vendor nói:

“Rủi ro lớn nhất không phải dùng AI. Rủi ro lớn nhất là không dùng AI.”

Phe phản biện đáp:

“Không. Rủi ro lớn nhất là dùng AI sai, ở quy mô lớn, rồi khóa hệ thống vào một mô hình không phục vụ giáo dục.”

Hai bên đều có phần đúng.

Không thử gì cả là nguy hiểm.

Thử bừa cũng nguy hiểm.

Giáo dục không thể chờ bằng chứng hoàn hảo vì công nghệ thay đổi nhanh.

Nhưng giáo dục cũng không thể lấy tốc độ thị trường làm nhịp đạo đức.

Một startup có thể pivot.

Một trường học không thể pivot học sinh.

Một nhà đầu tư có thể chấp nhận nhiều thất bại để tìm một sản phẩm thắng.

Một hệ thống giáo dục không thể xem học sinh là portfolio rủi ro.

Vì vậy, cần phân biệt thử nghiệm với triển khai đại trà.

Thử nghiệm tốt có giả thuyết rõ.

Có nhóm người học rõ.

Có tiêu chí thành công và tiêu chí dừng.

Có bảo vệ dữ liệu.

Có giáo viên tham gia thiết kế.

Có đánh giá độc lập.

Có kênh phản hồi.

Có kế hoạch nếu sản phẩm không hiệu quả.

Có quyền rời đi.

Triển khai đại trà mà không có các điều này không phải đổi mới.

Đó là đánh cược bằng hạ tầng công.

12. Phe nhà nước hỏi: quy định có bóp chết đổi mới không?

Khi nói đến AI trong giáo dục, một số người lập tức đòi quy định chặt.

Phải phê duyệt.

Phải kiểm toán.

Phải cấm dữ liệu nhạy cảm.

Phải minh bạch.

Phải có trách nhiệm giải trình.

Phải có quyền khiếu nại.

Phải có đánh giá tác động.

Phe startup thở dài:

“Nếu quy định quá nặng, chỉ Big Tech mới chịu nổi. Startup nhỏ chết. Đổi mới chậm. Trường học mất cơ hội.”

Đây là phản biện đáng nghe.

Quy định có thể bảo vệ người học.

Quy định cũng có thể tạo rào cản gia nhập.

Nếu yêu cầu compliance quá phức tạp, chỉ công ty lớn có đội pháp lý, bảo mật, policy mới thắng. Khi đó, hệ thống giáo dục nói muốn tránh độc quyền nhưng lại thiết kế quy định giúp độc quyền.

Phe quyền trẻ em phản biện:

“Nhưng nếu không quy định, trẻ em trở thành vùng thử nghiệm rẻ nhất.”

Cũng đúng.

Giáo dục không phải sandbox vô chủ.

Một AI dùng để đánh giá, phân loại, can thiệp, tư vấn, hoặc ảnh hưởng cơ hội học tập phải có chuẩn cao hơn app tiêu dùng.

EU AI Act đặt nhiều hệ thống AI trong giáo dục vào nhóm rủi ro cao không phải vì ghét đổi mới, mà vì giáo dục ảnh hưởng trực tiếp tới cơ hội đời người.

Câu hỏi khó là thiết kế quy định thông minh.

Không phải mọi AI giáo dục đều cùng rủi ro.

Một công cụ giúp giáo viên tạo bản nháp worksheet có rủi ro khác một hệ thống chấm điểm tự động quyết định đậu rớt.

Một chatbot luyện từ vựng có rủi ro khác một hệ thống tư vấn chọn trường.

Một công cụ nội bộ cho giáo viên trưởng thành có rủi ro khác một companion AI cho học sinh 10 tuổi.

Một bộ lọc gợi ý tài nguyên có rủi ro khác một hệ thống dự đoán nguy cơ bỏ học rồi tự động xếp nhóm.

Quy định tốt phải phân tầng rủi ro.

Nhẹ với tác vụ thấp rủi ro.

Nặng với tác vụ ảnh hưởng quyền, cơ hội, dữ liệu nhạy cảm, trẻ nhỏ, đánh giá, phân loại.

Hỗ trợ startup bằng sandbox có giám sát, chuẩn mở, tài liệu mẫu, hướng dẫn rõ.

Không biến compliance thành mê cung.

Nhưng cũng không biến “đổi mới” thành giấy phép miễn trách nhiệm.

13. Chi phí lệ thuộc: khi trường học quên cách tự làm

Một chi phí ẩn khó đo nhất là atrophy.

Teo năng lực.

Nếu giáo viên dùng AI để tạo ví dụ thỉnh thoảng, không sao.

Nếu giáo viên dùng AI để tham khảo nhiều cách giải thích, có thể tốt.

Nếu giáo viên dùng AI để viết bản nháp rồi chỉnh bằng chuyên môn, có thể tiết kiệm thời gian.

Nhưng nếu giáo viên dần không còn tự thiết kế bài học, không còn tự viết câu hỏi, không còn tự phản hồi sâu, không còn tự đọc bài học sinh mà chỉ duyệt gợi ý, nghề giáo mất cơ.

Phe giáo viên nói:

“Chúng tôi cần công cụ, không cần bị thay thế.”

Phe quản lý nói:

“Không ai thay thế giáo viên. AI chỉ hỗ trợ.”

Nhưng thay thế không luôn diễn ra bằng sa thải.

Thay thế có thể diễn ra bằng cách làm rỗng kỹ năng.

Giáo viên vẫn ở đó, nhưng quyền thiết kế chuyển sang nền tảng.

Giáo viên vẫn ký tên, nhưng nhận xét do máy gợi ý.

Giáo viên vẫn chọn, nhưng lựa chọn nằm trong menu vendor thiết kế.

Giáo viên vẫn chịu trách nhiệm, nhưng không còn kiểm soát toàn bộ quá trình.

Học sinh cũng vậy.

Nếu AI luôn tóm tắt, học sinh ít luyện đọc dài.

Nếu AI luôn viết dàn ý, học sinh ít luyện tổ chức ý.

Nếu AI luôn sửa câu, học sinh ít luyện cảm giác ngôn ngữ.

Nếu AI luôn gợi ý bước giải, học sinh ít luyện chịu đựng bế tắc.

Nếu AI luôn phản hồi tức thì, học sinh ít luyện tự đánh giá.

Phe ủng hộ phản biện:

“Máy tính bỏ túi cũng thay đổi cách học toán. Không ai đòi học sinh căn bậc hai thủ công mãi.”

Đúng.

Vấn đề không phải là giữ mọi kỹ năng cũ.

Vấn đề là phân biệt kỹ năng nào nên được tự động hóa, kỹ năng nào là nền tảng của tư duy.

Không cần học sinh làm mọi phép tính lớn bằng tay.

Nhưng cần học sinh hiểu số, ước lượng, quan hệ, mô hình.

Không cần học sinh viết mọi email từ trắng.

Nhưng cần học sinh có ý, lập luận, giọng, trách nhiệm với lời mình nói.

Không cần giáo viên tự tạo mọi bài tập từ đầu.

Nhưng cần giáo viên hiểu mục tiêu, lỗi sai thường gặp, cấu trúc kiến thức, nhu cầu người học.

AI tốt phải giống giàn giáo.

Nó giúp khi người học xây.

Rồi rút dần.

AI xấu giống bộ xương ngoài không bao giờ tháo.

Người học di chuyển được, nhưng cơ không phát triển.

14. Chi phí văn hóa: giáo dục có còn chịu được sự không tối ưu?

AI thích tối ưu.

Tối ưu thời gian.

Tối ưu phản hồi.

Tối ưu lộ trình.

Tối ưu câu hỏi.

Tối ưu điểm số.

Tối ưu dự đoán.

Tối ưu tương tác.

Giáo dục cũng cần tối ưu ở nhiều chỗ.

Không nên lãng phí thời gian giáo viên.

Không nên bắt học sinh chờ phản hồi quá lâu.

Không nên để quy trình rối.

Không nên để tài nguyên kém.

Nhưng giáo dục cũng có những phần không nên tối ưu quá mức.

Một cuộc trò chuyện lệch khỏi giáo án nhưng mở ra suy nghĩ mới.

Một phút im lặng sau câu hỏi khó.

Một học sinh giải sai nhưng sai theo cách đáng nghe.

Một bài văn vụng về nhưng có giọng thật.

Một cuộc tranh luận không đi đến đáp án nhanh.

Một giáo viên kể chuyện vì biết lớp hôm nay cần điều đó.

Một nhóm học sinh mất thời gian cãi nhau để học cách hợp tác.

Một quá trình đọc chậm.

Một thất bại không có dữ liệu đẹp.

AI có thể làm giáo dục hiệu quả hơn.

Nhưng nếu văn hóa trường học mê hiệu quả quá mức, nó sẽ xem những khoảng không tối ưu là lỗi cần loại bỏ.

Phe dữ liệu nói:

“Nếu không đo, làm sao biết cải thiện?”

Phe nhân văn đáp:

“Nếu chỉ giữ thứ đo được, làm sao biết còn giáo dục?”

Đây không phải câu hỏi thơ mộng.

Nó là câu hỏi quản trị.

Dashboard sẽ kéo sự chú ý của lãnh đạo về thứ có số.

AI sẽ làm một số khía cạnh của học tập dễ thấy hơn.

Nhưng cái dễ thấy không luôn là cái quan trọng nhất.

Tự tin, phẩm giá, quan hệ, tò mò, can đảm trí tuệ, khả năng ở lại với vấn đề khó, không dễ biến thành metric tốt.

Nếu AI làm hệ thống nhìn rõ hơn một phần giáo dục, nó cũng có thể làm hệ thống quên phần còn lại.

Chi phí ẩn là sự thu hẹp tưởng tượng giáo dục.

15. Tổng chi phí sở hữu AI trong giáo dục

Nếu một trường hoặc hệ thống muốn đánh giá AI nghiêm túc, cần tính TCO: total cost of ownership.

Nhưng TCO cho AI giáo dục không chỉ là bảng chi phí công nghệ.

Nó phải gồm ít nhất mười hai nhóm:

1. Chi phí tài chính trực tiếp: license, API, thiết bị, kết nối, lưu trữ, tích hợp.

2. Chi phí nhân sự: đào tạo, hỗ trợ kỹ thuật, thời gian giáo viên học và thiết kế lại bài học.

3. Chi phí kiểm chứng: đánh giá chất lượng đầu ra, kiểm thử theo môn, tuổi, ngôn ngữ, nhóm học sinh.

4. Chi phí dữ liệu: bảo mật, quyền riêng tư, quản trị truy cập, lưu trữ, xóa, kiểm toán.

5. Chi phí pháp lý: hợp đồng, trách nhiệm khi sai, tuân thủ quy định, bản quyền, khiếu nại.

6. Chi phí sư phạm: thiết kế nhiệm vụ, đánh giá, hướng dẫn dùng AI, chống ảo giác hiểu.

7. Chi phí công bằng: hỗ trợ trường yếu, thiết bị, băng thông, ngôn ngữ, accessibility.

8. Chi phí nghề nghiệp: quyền tự chủ giáo viên, nguy cơ tăng workload, nguy cơ giám sát lao động.

9. Chi phí học sinh: phụ thuộc, mất năng lực nền, dữ liệu hóa, ảnh hưởng chú ý và wellbeing.

10. Chi phí môi trường: điện, nước, thiết bị, vòng đời phần cứng, lựa chọn nhà cung cấp.

11. Chi phí cơ hội: tiền và thời gian dùng cho AI không dùng cho giảm sĩ số, thư viện, cố vấn học tập, bồi dưỡng giáo viên, sức khỏe học đường.

12. Chi phí rời đi: xuất dữ liệu, chuyển hệ thống, thay đổi thói quen, mất tài nguyên, khóa vendor.

Nếu một proposal AI không trả lời được mười hai nhóm này, nó chưa đủ trưởng thành cho giáo dục.

Không phải để giết innovation.

Mà để innovation không sống bằng việc đẩy hóa đơn cho người khác.

16. Khi nào AI đáng dùng?

Sau tất cả phản biện, vẫn phải trả lời câu hỏi thực dụng:

Vậy khi nào nên dùng AI?

Một câu trả lời hợp lý:

Nên dùng AI khi nó giải quyết một vấn đề giáo dục có thật, tốt hơn phương án không AI, với rủi ro được hiểu và quản trị, tổng chi phí chấp nhận được, và con người vẫn giữ quyền phán đoán ở những điểm quan trọng.

Cụ thể hơn:

AI đáng dùng khi nhiệm vụ lặp lại, tốn thời gian, ít rủi ro, và đầu ra luôn được con người kiểm tra.

Ví dụ: tạo bản nháp tài liệu, biến đổi mức độ đọc, gợi ý câu hỏi, tạo ví dụ phụ, tóm tắt tài liệu cho giáo viên.

AI đáng dùng khi nó mở khả năng tiếp cận mà trước đó người học không có.

Ví dụ: phụ đề, dịch, đọc văn bản, hỗ trợ người học khuyết tật, giải thích lại bằng ngôn ngữ dễ hiểu hơn.

AI đáng dùng khi nó giúp giáo viên nhìn thấy điều cần hỏi tiếp, không tự động ra quyết định thay giáo viên.

Ví dụ: gợi ý nhóm học sinh cần hỗ trợ dựa trên dữ liệu, nhưng giáo viên xác minh bằng hiểu biết bối cảnh.

AI đáng dùng khi học sinh được dạy cách dùng nó như công cụ tư duy.

Ví dụ: yêu cầu học sinh kiểm chứng câu trả lời AI, tìm lỗi, so sánh nguồn, cải thiện prompt, phản tư về phần nào là của mình.

AI đáng dùng khi có khả năng tắt, thay thế, rời đi.

Một công cụ không thể rời đi không phải công cụ. Nó là hạ tầng quyền lực.

Ngược lại, AI không nên dùng, hoặc phải cực kỳ thận trọng, khi:

Nó quyết định cơ hội học tập mà không có giải thích và khiếu nại.

Nó chấm điểm tự động cho nhiệm vụ phức tạp mà không có kiểm tra người.

Nó thu dữ liệu nhạy cảm quá mức.

Nó dùng với trẻ nhỏ theo cơ chế giữ chân.

Nó thay tương tác người-người ở nơi quan hệ là cốt lõi.

Nó được mua chỉ vì “mọi người đang dùng”.

Nó không có bằng chứng tối thiểu.

Nó làm giáo viên tăng việc nhưng được gọi là giảm tải.

Nó khiến học sinh tạo output đẹp hơn nhưng năng lực thật yếu hơn.

Nó không có kế hoạch rời đi.

17. Một cuộc mặc cả trung thực

AI trong giáo dục không phải ma thuật.

Nó là một cuộc mặc cả.

Ta có thể đổi một phần tiền để lấy thời gian.

Đổi một phần dữ liệu để lấy cá nhân hóa.

Đổi một phần tự động hóa để lấy quy mô.

Đổi một phần chuẩn hóa để lấy nhất quán.

Đổi một phần phụ thuộc vào hạ tầng để lấy khả năng mới.

Nhưng cuộc mặc cả chỉ đạo đức khi người tham gia biết mình đang đổi gì.

Nếu học sinh không biết dữ liệu của mình đi đâu, đó không phải mặc cả.

Nếu giáo viên không có quyền từ chối công cụ làm tăng việc, đó không phải mặc cả.

Nếu phụ huynh chỉ nghe “AI giúp con học tốt hơn” mà không biết rủi ro, đó không phải mặc cả.

Nếu trường chỉ thấy giá license mà không thấy chi phí rời đi, đó không phải mặc cả.

Nếu nhà nước dùng AI để tránh đầu tư vào giáo viên, đó không phải đổi mới.

Nếu doanh nghiệp bán “cá nhân hóa” nhưng đẩy chi phí kiểm chứng cho trường, đó không phải hiệu quả.

Nếu người học nghèo được giao AI thay cho hỗ trợ người thật, còn người học giàu có cả AI lẫn người thật, đó không phải công bằng.

AI có thể là một công cụ tốt trong giáo dục.

Nhưng muốn nó tốt, phải làm điều rất không giống quảng cáo công nghệ:

Tính đủ.

Chậm lại ở điểm cần chậm.

Thử nhỏ trước khi mở rộng.

Giữ giáo viên trong vai trò thiết kế.

Giữ học sinh trong vai trò người học, không phải nguồn dữ liệu.

Giữ quyền rời đi.

Giữ những phần người của giáo dục khỏi bị tối ưu hóa nhầm.

Chi phí ẩn của AI không phải lý do để từ chối mọi AI.

Nó là lý do để thôi nói về AI như một món quà miễn phí.

Trong giáo dục, không có gì miễn phí nếu cuối cùng trẻ em, giáo viên hoặc xã hội phải trả bằng năng lực, quyền riêng tư, thời gian, môi trường hoặc phẩm giá.

Câu hỏi không phải:

AI có làm được không?

Câu hỏi là:

AI làm được bằng cách bắt ai trả phần còn lại?

Và chúng ta có đủ can đảm để đưa phần còn lại đó lên hóa đơn trước khi ký không?

Ghi chú nguồn và gợi ý đọc tiếp

1. UNESCO, Guidance for generative AI in education and research (2023, cập nhật trang 2026). Tài liệu nhấn mạnh cách tiếp cận lấy con người làm trung tâm, chính sách dài hạn, năng lực con người, bảo vệ người học và quản trị GenAI trong giáo dục. Nguồn: https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research

2. OECD, Opportunities, guidelines and guardrails for effective and equitable use of AI in education, trong OECD Digital Education Outlook 2023. OECD nêu cả cơ hội của AI trong cá nhân hóa, hỗ trợ giáo viên, cảnh báo sớm, lẫn rủi ro về bất bình đẳng, quyền riêng tư, bias, workload, phụ thuộc và thu hẹp chương trình học. Nguồn: https://www.oecd.org/en/publications/2023/12/oecd-digital-education-outlook-2023_c827b81a/full-report/opportunities-guidelines-and-guardrails-for-effective-and-equitable-use-of-ai-in-education_2f0862dc.html

3. OECD, Towards a digital transformation of education, trong OECD Digital Education Outlook 2023. Phần này hữu ích cho luận điểm về chi phí ẩn của hệ sinh thái số phân mảnh, workload tăng, underuse và chi phí quản trị dữ liệu. Nguồn: https://www.oecd.org/en/publications/oecd-digital-education-outlook-2023_c74f03de-en/full-report/towards-a-digital-transformation-of-education-distance-travelled-and-journey-ahead_84a6abf5.html

4. NFER, ChatGPT in lesson preparation - A Teacher Choices Trial (2024). Nghiên cứu thử nghiệm giáo viên khoa học dùng ChatGPT để chuẩn bị bài và tài nguyên, cho thấy nhóm ChatGPT dùng khoảng 69% thời gian chuẩn bị so với nhóm không dùng GenAI trong tuần 6-10. Nguồn: https://www.nfer.ac.uk/publications/chatgpt-in-lesson-preparation-a-teacher-choices-trial/

5. Education Endowment Foundation, Can using ChatGPT for lesson planning cut teacher workload? (2024). Nguồn bối cảnh cho thử nghiệm về ChatGPT và workload giáo viên, giúp đặt vấn đề bằng chứng thay vì chỉ suy đoán. Nguồn: https://educationendowmentfoundation.org.uk/news/can-using-chatgpt-for-lesson-planning-cut-teacher-workload

6. UK Department for Education, Generative artificial intelligence (AI) in education (cập nhật 2025). Tài liệu chính sách nêu cơ hội giảm tải, tạo tài nguyên, feedback, hỗ trợ cá nhân hóa, đồng thời cảnh báo đầu ra AI có thể sai, không phù hợp, thiên lệch, lỗi thời, xâm phạm IP hoặc không bám chương trình. Nguồn: https://www.gov.uk/government/publications/generative-artificial-intelligence-in-education/generative-artificial-intelligence-ai-in-education

7. European Commission, Ethical guidelines on the use of artificial intelligence and data in teaching and learning for educators (2022). Hướng dẫn cho giáo viên và trường phổ thông về sử dụng AI và dữ liệu một cách hiệu quả, phê phán và có đạo đức. Nguồn: https://education.ec.europa.eu/node/2285

8. UNICEF Innocenti, Guidance on AI and children / Policy guidance on AI for children. Hướng dẫn đặt quyền trẻ em vào trung tâm khi thiết kế, triển khai và quản trị AI: an toàn, quyền riêng tư, công bằng, minh bạch, trách nhiệm giải trình, phát triển và wellbeing. Nguồn: https://www.unicef.org/innocenti/reports/policy-guidance-ai-children

9. EU AI Act, Annex III về hệ thống AI rủi ro cao trong giáo dục và đào tạo nghề. Nguồn này hữu ích để hiểu vì sao AI dùng cho tiếp cận giáo dục, phân bổ, đánh giá người học không nên bị xem như công cụ tiêu dùng thông thường. Nguồn: https://ai-act-service-desk.ec.europa.eu/en/ai-act/annex-3

10. NIST, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile (2024, cập nhật trang 2026). Khung quản trị rủi ro GenAI theo vòng đời, hữu ích cho các luận điểm về kiểm thử, đo lường, quản trị, bảo mật và trách nhiệm khi dùng AI trong tổ chức. Nguồn: https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence

11. International Energy Agency, Energy and AI (2025), đặc biệt phần Energy demand from AI. IEA ước tính data centres tiêu thụ khoảng 415 TWh điện năm 2024 và có thể tăng lên khoảng 945 TWh vào năm 2030 trong kịch bản cơ sở, đồng thời nhấn mạnh tác động địa phương lên lưới điện và hạ tầng. Nguồn: https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai

12. Stanford HAI, AI Index Report 2025 - Education. Báo cáo cung cấp bối cảnh về năng lực AI/CS trong giáo dục, khoảng cách chuẩn bị của giáo viên và xu hướng giáo dục AI. Nguồn: https://hai.stanford.edu/ai-index/2025-ai-index-report/education