AI không thay thế nền tảng kỹ thuật: Một góc nhìn về đào tạo nhân lực tự động hóa trong bối cảnh chuyển đổi số

TS. Bùi Văn Huy

Khoa Tự động hoá, Trường Điện – Điện tử, Đại học Công Nghiệp Hà nội

Tóm tắt

Trong bối cảnh chuyển đổi số, trí tuệ nhân tạo đang tác động mạnh mẽ đến giáo dục kỹ thuật và sản xuất công nghiệp. Đối với lĩnh vực Tự động hóa, AI chỉ phát huy giá trị khi được sử dụng trên nền tảng kiến thức kỹ thuật vững chắc, tư duy hệ thống, năng lực thực hành và hiểu biết về điều kiện vận hành thực tế. Bài viết phân tích vai trò đúng của AI trong đào tạo nhân lực Tự động hóa, làm rõ vị trí của lĩnh vực này trong định hướng phát triển khoa học, công nghệ và công nghệ chiến lược của Việt Nam. Trên cơ sở đó, bài viết đề xuất một số chiến lược thực thi trong đào tạo, bao gồm tích hợp AI có kiểm chứng, đổi mới bài tập và đồ án, phát triển phòng thí nghiệm gắn với dữ liệu công nghiệp, tăng cường hợp tác doanh nghiệp và xây dựng quy định học thuật về sử dụng AI. Từ góc nhìn của Đại học Công nghiệp Hà Nội, việc triển khai đồng thời hai chương trình Công nghệ kỹ thuật Điều khiển & Tự động hóa và Kỹ thuật sản xuất thông minh cho thấy hướng tiếp cận cân bằng: cập nhật AI và công nghệ số nhưng không xem nhẹ nền tảng kỹ thuật, kỹ năng thực hành và trách nhiệm nghề nghiệp của người kỹ sư.

1. Đặt vấn đề

Chuyển đổi số đang làm thay đổi sâu sắc phương thức học tập, nghiên cứu, quản trị và sản xuất. Tại Việt Nam, Quyết định số 749/QĐ-TTg đã xác định chuyển đổi số là chương trình cấp quốc gia đến năm 2025, định hướng đến năm 2030 [1]. Trong xu hướng đó, trí tuệ nhân tạo đang trở thành một công cụ quan trọng trong giáo dục kỹ thuật, hỗ trợ người học tìm kiếm tri thức, phân tích dữ liệu, mô phỏng hệ thống, kiểm tra logic điều khiển và đề xuất phương án thiết kế.

Tuy nhiên, đối với lĩnh vực Tự động hóa, cần nhìn nhận AI một cách tỉnh táo. AI có thể hỗ trợ quá trình học tập và thiết kế kỹ thuật, nhưng không thể thay thế nền tảng chuyên môn, năng lực đo kiểm, khả năng phân tích hệ thống và kinh nghiệm xử lý tình huống thực tế của người kỹ sư. Một gợi ý do AI tạo ra có thể nghe hợp lý về mặt ngôn ngữ, nhưng vẫn có thể sai nếu không phù hợp với tín hiệu cảm biến, giới hạn thiết bị, logic an toàn hoặc điều kiện vận hành của dây chuyền.

Quan điểm này phù hợp với khuyến nghị của UNESCO về AI trong giáo dục. UNESCO cho rằng AI có tiềm năng đổi mới dạy và học, nhưng sự phát triển nhanh của công nghệ cũng kéo theo nhiều rủi ro, đòi hỏi chính sách, quản trị và trách nhiệm con người đi kèm [2]. Điều đó đặc biệt quan trọng trong đào tạo kỹ thuật, bởi mục tiêu đào tạo không phải là tạo ra người dùng công cụ số, mà là hình thành đội ngũ kỹ sư có khả năng hiểu hệ thống, chẩn đoán sự cố, ra quyết định kỹ thuật và chịu trách nhiệm với các hệ thống vật lý đang vận hành trong thực tế.

2. Tự động hóa: Lĩnh vực kết nối dữ liệu, thiết bị và hệ thống vật lý

Tự động hóa là lĩnh vực trực tiếp chuyển đổi tín hiệu, dữ liệu và thuật toán thành hành động của thiết bị trong nhà máy. Một hệ thống tự động hóa không chỉ bao gồm phần mềm, thuật toán hay dữ liệu, mà còn bao gồm cảm biến, cơ cấu chấp hành, động cơ, biến tần, servo, PLC, robot công nghiệp, SCADA, HMI, mạng truyền thông công nghiệp, ..

Hình 1. Vai trò của AI trong đào tạo nhân lực tự động hoá
( Nguồn: Tác giả cùng cộng sự AI)

Theo bài viết về năng lực và triển vọng nghề nghiệp của nhân lực Tự động hóa, người học trong lĩnh vực này cần được trang bị năng lực liên ngành, từ điều khiển, đo lường, truyền động, PLC, SCADA, HMI, mạng công nghiệp,… đến năng lực công nghệ số và phân tích dữ liệu [3]. Điều này chỉ ra rằng năng lực của nhân lực Tự động hóa không thể hình thành chỉ từ việc sử dụng công cụ số. Năng lực đó phải được xây dựng trên hiểu biết có hệ thống về thiết bị, tín hiệu, điều khiển, an toàn và quy trình vận hành.

Tại Đại học Công nghiệp Hà Nội, định hướng đào tạo nhân lực Tự động hóa hiện được triển khai thông qua hai chương trình đào tạo thuộc lĩnh vực này là Công nghệ kỹ thuật Điều khiển & Tự động hóa và Kỹ thuật sản xuất thông minh. Hai chương trình có sự giao thoa về nền tảng điện, điện tử, điều khiển, cảm biến, truyền động và hệ thống tự động; đồng thời mỗi chương trình có trọng tâm riêng để đáp ứng các yêu cầu khác nhau của doanh nghiệp công nghiệp.

Chương trình Công nghệ kỹ thuật Điều khiển & Tự động hóa hướng nhiều hơn tới thiết kế, vận hành, tích hợp và bảo trì các hệ thống điều khiển tự động. Trong khi đó, chương trình Kỹ thuật sản xuất thông minh mở rộng trọng tâm sang tích hợp hệ thống sản xuất, dữ liệu công nghiệp, quản trị quá trình sản xuất và các công nghệ nền của nhà máy thông minh [3], [4]. Sự kết hợp này tạo điều kiện để nhà trường vừa giữ vững nền tảng kỹ thuật truyền thống của ngành Tự động hóa, vừa mở rộng sang các năng lực mới về dữ liệu, kết nối và chuyển đổi số trong sản xuất.

Hình 2. Giảng viên khoa Tự động hoá, Trường Điện- Điện tử nhận chuyển giao công nghệ về Nhà máy thông minh

Trong môi trường công nghiệp, dữ liệu chỉ có ý nghĩa khi được đặt trong quan hệ với hệ thống vật lý tạo ra dữ liệu đó. Chương trình về thiết kế và phân tích hệ thống sản xuất thông minh của NIST nhấn mạnh các nội dung như thiết kế hệ thống, phân tích hệ thống, điều khiển thời gian thực và phân tích dữ liệu ở cấp doanh nghiệp [5]. Cách tiếp cận này cho thấy nhân lực Tự động hóa không chỉ cần biết xử lý dữ liệu, mà còn phải hiểu dữ liệu đến từ cảm biến nào, trong điều kiện vận hành nào, chịu ảnh hưởng bởi loại nhiễu nào và có ý nghĩa gì đối với quyết định điều khiển.

Thực tế sản xuất cho thấy nhiều sự cố không xuất hiện dưới dạng dữ liệu đầy đủ, sạch và sẵn sàng cho AI xử lý. Một dây chuyền dừng máy có thể bắt nguồn từ cảm biến bị lệch vị trí ban đầu, tín hiệu liên động không hoạt động, lỗi truyền thông, biến tần giới hạn dòng, cơ cấu khí nén chậm phản hồi, encoder mất xung hoặc một điều kiện công nghệ chưa được đáp ứng. Trong những tình huống đó, AI có thể hỗ trợ phân tích và đề xuất hướng kiểm tra, nhưng người kỹ sư vẫn phải là người đọc bản vẽ, đo kiểm tín hiệu, đối chiếu logic PLC, đánh giá trạng thái thiết bị và đưa ra phương án xử lý an toàn. Đây là sự khác biệt căn bản giữa “biết dùng công cụ” và “có năng lực kỹ thuật”.

3. Vai trò của Tự động hóa trong định hướng công nghệ chiến lược quốc gia

Nhìn từ định hướng phát triển quốc gia, vai trò của Tự động hóa ngày càng trở nên rõ ràng. Nghị quyết số 57-NQ/TW ngày 22/12/2024 của Bộ Chính trị xác định phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số quốc gia là đột phá quan trọng hàng đầu; đồng thời nhấn mạnh thể chế, nhân lực, hạ tầng, dữ liệu và công nghệ chiến lược là các nội dung trọng tâm, cốt lõi [6].

Trong cấu trúc đó, nhân lực Tự động hóa giữ vai trò kết nối giữa hạ tầng vật lý, dữ liệu công nghiệp và các thuật toán số. Nếu thiếu đội ngũ có khả năng thiết kế, tích hợp, vận hành và bảo trì hệ thống tự động, nhiều định hướng công nghệ khó chuyển hóa thành năng lực sản xuất thực tế. Nói cách khác, Tự động hóa không chỉ là một ngành kỹ thuật riêng lẻ, mà còn là nền tảng triển khai của nhiều công nghệ chiến lược trong công nghiệp hiện đại.

Các quyết định của Thủ tướng Chính phủ về danh mục công nghệ chiến lược và sản phẩm công nghệ chiến lược cũng cho thấy yêu cầu này. Quyết định số 1131/QĐ-TTg ngày 12/6/2025 đã ban hành danh mục công nghệ chiến lược và sản phẩm công nghệ chiến lược [7]. Tiếp đó, Quyết định số 21/2026/QĐ-TTg ngày 30/4/2026 tiếp tục ban hành danh mục công nghệ chiến lược và danh mục sản phẩm công nghệ chiến lược, có hiệu lực từ ngày 01/7/2026 [8].

Các nhóm công nghệ như trí tuệ nhân tạo, dữ liệu lớn, bản sao số, điện toán biên, Internet vạn vật, robot, hệ thống sản xuất thông minh, chip bán dẫn và công nghệ năng lượng mới đều cần đến năng lực đo lường, điều khiển, tích hợp hệ thống, truyền thông công nghiệp và vận hành thiết bị tự động. Vì vậy, Tự động hóa có thể được xem là một nền tảng kỹ thuật trung gian giúp đưa công nghệ chiến lược từ mô hình, thuật toán và thiết kế phòng thí nghiệm vào dây chuyền, nhà máy và hạ tầng công nghiệp.

Từ góc nhìn thị trường lao động, yêu cầu đối với nhân lực kỹ thuật cũng đang thay đổi nhanh. Báo cáo The Future of Jobs Report 2025 của Diễn đàn Kinh tế Thế giới tổng hợp quan điểm của hơn 1.000 nhà tuyển dụng toàn cầu, đại diện cho hơn 14 triệu lao động tại 55 nền kinh tế, nhằm phân tích sự thay đổi của việc làm và kỹ năng trong giai đoạn 2025–2030 [9]. Điều này đặt ra yêu cầu kép cho các trường đại học kỹ thuật: người học phải có năng lực số để thích ứng với công nghệ mới, đồng thời vẫn phải có nền tảng kỹ thuật đủ sâu để giải quyết các bài toán thực tế của doanh nghiệp.

Nhân lực Tự động hóa trong tương lai không chỉ là người biết sử dụng AI, mà là người biết kết hợp AI với tư duy hệ thống, hiểu biết thiết bị và năng lực thực hành. Đây là điểm then chốt trong đào tạo kỹ thuật hiện nay.

4. AI trong đào tạo Tự động hóa: Công cụ hỗ trợ, không phải năng lực thay thế

Thách thức trong đào tạo hiện nay không nằm ở việc người học có nên sử dụng AI hay không, mà là sử dụng AI trên nền tảng nào. Nếu người học chưa nắm chắc nguyên lý điện, điều khiển, cảm biến, truyền động, PLC, robot và an toàn hệ thống, AI rất dễ tạo ra cảm giác hiểu biết bề mặt. Người học có thể nhanh chóng tạo một đoạn mã, một bản thuyết minh hoặc một ý tưởng có vẻ hiện đại, nhưng vẫn lúng túng khi đọc bản vẽ điện, phân tích lỗi liên động, kiểm tra tín hiệu vào/ra hoặc xử lý một tình huống dừng máy.

Khoảng cách giữa năng lực số và năng lực kỹ thuật thực tế chính là vấn đề cốt lõi mà giáo dục kỹ thuật cần chủ động thu hẹp. Đối với ngành Tự động hóa, việc sử dụng AI phải được đặt trong quan hệ với mô hình vật lý, thiết bị thật, dữ liệu đo kiểm và yêu cầu an toàn. AI có thể hỗ trợ đọc tài liệu kỹ thuật, gợi ý cấu trúc chương trình, phân tích dữ liệu vận hành, đề xuất kịch bản lỗi, kiểm tra logic điều khiển và hỗ trợ mô phỏng. Tuy nhiên, mọi kết quả do AI tạo ra phải được kiểm chứng bằng kiến thức chuyên môn, mô hình có cơ sở, đo kiểm thực nghiệm và hiểu biết về điều kiện vận hành.

Đại học Công nghiệp Hà Nội có cơ sở để tiếp cận vấn đề này theo hướng cân bằng. Nhà trường khuyến khích người học tiếp cận AI và công nghệ số, nhưng đồng thời phải giữ vững nền tảng kỹ thuật, thực hành thí nghiệm và gắn kết doanh nghiệp. Bài viết của HaUI về chương trình Kỹ thuật sản xuất thông minh cho thấy chương trình được xây dựng nhằm đào tạo nhân lực kỹ thuật cao, tích hợp các khối kiến thức về kỹ thuật điện, cảm biến, điều khiển, hệ thống sản xuất thông minh, xử lý dữ liệu và quản trị quá trình sản xuất [10]. Đây là hướng tiếp cận phù hợp: chuyển đổi số trong đào tạo kỹ thuật không có nghĩa là thay thế thiết bị thật bằng phần mềm, mà là đưa năng lực số vào một nền tảng kỹ thuật có cấu trúc.

Cách tiếp cận này cũng tương thích với quan điểm của OECD về giáo dục số. OECD nhấn mạnh rằng giáo dục số hiệu quả không chỉ là sử dụng công nghệ trong lớp học, mà cần được đặt trong một hệ sinh thái giáo dục số có tổ chức, có quản trị và có mục tiêu rõ ràng [11]. Đối với đào tạo Tự động hóa, hệ sinh thái đó phải bao gồm chương trình đào tạo, phòng thí nghiệm, xưởng thực hành, mô hình công nghiệp, dữ liệu vận hành, phần mềm mô phỏng, doanh nghiệp đối tác và đội ngũ giảng viên thường xuyên cập nhật công nghệ. Nếu thiếu các thành phần này, việc đưa AI vào đào tạo dễ dừng lại ở mức sử dụng công cụ, chưa tạo ra năng lực nghề nghiệp bền vững.

Một định hướng quan trọng khác là gắn đào tạo với doanh nghiệp. Đào tạo gắn kết doanh nghiệp là quá trình phối hợp giữa cơ sở giáo dục và doanh nghiệp trong nhiều khâu của quá trình đào tạo, từ thiết kế chương trình, tổ chức giảng dạy, thực hành, thực tập, nghiên cứu khoa học đến đánh giá kết quả học tập và tuyển dụng lao động [12]. Đối với lĩnh vực Tự động hóa, mô hình này đặc biệt cần thiết vì công nghệ sản xuất, thiết bị điều khiển, robot công nghiệp và hệ thống dữ liệu thay đổi nhanh. Khi giảng viên và sinh viên tiếp cận bài toán thật của doanh nghiệp, AI không còn là công cụ trừu tượng trong môi trường học thuật, mà trở thành phương tiện hỗ trợ giải quyết các vấn đề kỹ thuật có ràng buộc thực tế.

5. Chiến lược thực thi trong đào tạo nhân lực Tự động hóa thời kỳ AI

Để quan điểm “AI không thay thế nền tảng kỹ thuật” không dừng lại ở khẩu hiệu, cần chuyển hóa thành các chiến lược thực thi cụ thể trong chương trình đào tạo, phương pháp giảng dạy, đánh giá học tập và hợp tác doanh nghiệp.

Trước hết, cần tích hợp AI theo nguyên tắc “AI đi sau nền tảng kỹ thuật”. Điều này có nghĩa là người học chỉ sử dụng AI hiệu quả khi đã được trang bị các kiến thức cốt lõi về mạch điện, điện tử công suất, cảm biến, truyền động điện, điều khiển tự động, PLC, SCADA, robot công nghiệp, mạng truyền thông công nghiệp và an toàn hệ thống. Trong các học phần chuyên ngành, AI nên được sử dụng như công cụ hỗ trợ đọc tài liệu kỹ thuật, phân tích dữ liệu, mô phỏng, kiểm tra logic chương trình và gợi ý phương án xử lý sự cố. Tuy nhiên, sinh viên phải giải thích được cơ sở kỹ thuật của mọi kết quả do AI đề xuất.

Thứ hai, cần thiết kế lại bài tập và đồ án theo hướng “AI có kiểm chứng”. Thay vì cấm sinh viên sử dụng AI, giảng viên có thể yêu cầu sinh viên công khai cách sử dụng AI, nêu rõ phần nào do AI hỗ trợ, phần nào do người học tự phân tích, đồng thời bắt buộc kiểm chứng bằng tính toán, mô phỏng, đo kiểm hoặc thử nghiệm trên mô hình thực. Ví dụ, trong một bài tập PLC, sinh viên có thể dùng AI để gợi ý cấu trúc chương trình, nhưng phải tự xây dựng bảng địa chỉ vào/ra, phân tích liên động, kiểm tra trạng thái lỗi và chạy thử trên mô hình. Trong bài tập truyền động điện, sinh viên có thể dùng AI để tham khảo phương án điều khiển, nhưng phải tự tính toán tham số, kiểm tra giới hạn dòng, đặc tính tải và điều kiện bảo vệ thiết bị.
Thứ ba, cần phát triển hệ thống phòng thí nghiệm theo hướng kết hợp giữa thiết bị thật, mô phỏng và dữ liệu công nghiệp. Các mô hình PLC, biến tần, servo, robot, HMI, SCADA, IoT công nghiệp và dây chuyền sản xuất mô phỏng cần được kết nối với dữ liệu vận hành để sinh viên có thể học cách thu thập, làm sạch, phân tích và diễn giải dữ liệu. Khi đó, AI không còn là công cụ tạo văn bản, mà trở thành phương tiện hỗ trợ chẩn đoán lỗi, phát hiện bất thường, tối ưu tham số và cải thiện hiệu quả vận hành.

Thứ tư, cần xây dựng các học phần hoặc chuyên đề ngắn về AI ứng dụng trong Tự động hóa. Nội dung không nên thiên về lý thuyết AI thuần túy, mà cần tập trung vào các tình huống nghề nghiệp như sử dụng AI để đọc datasheet và manual thiết bị, hỗ trợ lập trình PLC/HMI, phân tích dữ liệu cảm biến, xây dựng mô hình dự báo lỗi, hỗ trợ bảo trì dự đoán, tối ưu năng lượng trong dây chuyền, kiểm tra logic an toàn và hỗ trợ viết báo cáo kỹ thuật. Mục tiêu là giúp sinh viên biết dùng AI đúng việc, đúng giới hạn và đúng trách nhiệm.
Thứ năm, cần đổi mới đánh giá năng lực người học. Nếu chỉ đánh giá bằng bài viết hoặc báo cáo, sinh viên có thể phụ thuộc vào AI mà không bộc lộ đầy đủ năng lực kỹ thuật thật. Vì vậy, đánh giá cần kết hợp giữa báo cáo, vấn đáp kỹ thuật, thao tác trên thiết bị, kiểm tra chương trình điều khiển, xử lý tình huống lỗi và giải thích quyết định kỹ thuật. Một sinh viên Tự động hóa không chỉ cần trình bày được một giải pháp, mà còn phải chứng minh được giải pháp đó hoạt động an toàn, ổn định và phù hợp với điều kiện vận hành.

Thứ sáu, cần tăng cường hợp tác doanh nghiệp theo mô hình bài toán thật. Doanh nghiệp có thể cung cấp các tình huống kỹ thuật như lỗi dây chuyền, dữ liệu vận hành, yêu cầu cải tiến năng suất, tối ưu năng lượng, nâng cấp hệ thống điều khiển hoặc tích hợp giám sát từ xa. Trên cơ sở đó, sinh viên được giao các dự án có ràng buộc thực tế, giảng viên đóng vai trò hướng dẫn chuyên môn, còn AI được sử dụng như công cụ hỗ trợ phân tích và đề xuất phương án. Cách làm này giúp người học hiểu rằng giá trị của AI không nằm ở việc tạo ra câu trả lời nhanh, mà ở khả năng hỗ trợ con người giải quyết vấn đề kỹ thuật có kiểm chứng.

Thứ bảy, cần bồi dưỡng đội ngũ giảng viên theo hướng kết hợp năng lực chuyên môn, năng lực số và năng lực triển khai công nghiệp. Giảng viên Tự động hóa không chỉ cần biết AI, mà còn cần biết cách đưa AI vào bài giảng, bài thí nghiệm, đồ án và đề tài nghiên cứu theo cách không làm suy yếu nền tảng kỹ thuật của người học. Đây là điều kiện quan trọng để chuyển đổi số trong đào tạo không trở thành phong trào hình thức, mà thực sự cải thiện chất lượng đào tạo.

Cuối cùng, cần xây dựng quy định học thuật rõ ràng về sử dụng AI. Nhà trường và khoa cần hướng dẫn sinh viên sử dụng AI một cách minh bạch, có trách nhiệm và có kiểm chứng. Sinh viên cần được yêu cầu khai báo việc sử dụng AI trong báo cáo, không sao chép máy móc kết quả do AI tạo ra, không dùng AI để thay thế thao tác thực nghiệm và phải chịu trách nhiệm về tính đúng đắn của sản phẩm học tập. Đây là nền tảng để hình thành đạo đức nghề nghiệp trong bối cảnh công nghệ số phát triển nhanh.

6. Kết luận

Đào tạo nhân lực Tự động hóa trong bối cảnh chuyển đổi số không phải là lựa chọn giữa “nền tảng kỹ thuật” và “AI”, mà là xây dựng năng lực kết hợp hai yếu tố đó. Người học cần học AI, sử dụng AI và làm chủ AI; nhưng đồng thời phải đọc được bản vẽ, hiểu được thiết bị, lập trình được hệ thống, đo kiểm được tín hiệu, phân tích được lỗi và vận hành được mô hình thật.

Đối với Đại học Công nghiệp Hà Nội, đây là cơ hội để tiếp tục khẳng định bản sắc đào tạo ứng dụng. Việc triển khai đồng thời hai chương trình thuộc lĩnh vực Tự động hóa là Công nghệ kỹ thuật Điều khiển & Tự động hóa và Kỹ thuật sản xuất thông minh cho thấy cách tiếp cận toàn diện của nhà trường: vừa củng cố năng lực điều khiển, tích hợp, vận hành hệ thống tự động, vừa mở rộng sang các năng lực mới về sản xuất thông minh, dữ liệu công nghiệp và chuyển đổi số.

Trong bối cảnh hiện nay, giá trị của nhân lực Tự động hóa không nằm ở việc cạnh tranh với AI, mà nằm ở khả năng sử dụng AI để giải quyết tốt hơn các bài toán kỹ thuật thực tế. Vì vậy, đổi mới đào tạo Tự động hóa cần được đo bằng năng lực triển khai hệ thống thực, không chỉ bằng khả năng sử dụng các công cụ số. Đó cũng là hướng đào tạo cần được kiên trì: phát triển người học có nền tảng vững, tư duy hệ thống, năng lực thực hành, khả năng học tập suốt đời và trách nhiệm nghề nghiệp.

Tài liệu tham khảo

[1] Thủ tướng Chính phủ, “Quyết định số 749/QĐ-TTg phê duyệt ‘Chương trình Chuyển đổi số quốc gia đến năm 2025, định hướng đến năm 2030’,” Jun. 3, 2020. [Online]. Available: https://chinhphu.vn/default.aspx?docid=200163&pageid=27160. [Accessed: May 25, 2026].
[2] UNESCO, AI and Education: Guidance for Policy-makers. Paris, France: UNESCO, 2021. [Online]. Available: https://www.unesco.org/en/digital-education/artificial-intelligence. [Accessed: May 25, 2026].
[3] B. V. Huy, Q. Đ. Cường, and V. N. Ánh, “Năng lực, triển vọng nghề nghiệp của nhân lực tự động hoá trong kỷ nguyên số,” Góc nhìn HaUI, Đại học Công nghiệp Hà Nội, Jul. 7, 2025. [Online]. Available: https://www.haui.edu.vn/vn/goc-nhin-haui/nang-luc-trien-vong-nghe-nghiep-cua-nhan-luc-tu-dong-hoa-trong-ky-nguyen-so/66661. [Accessed: May 25, 2026].
[4] Trường Điện - Điện tử, Đại học Công nghiệp Hà Nội, “Chương trình đào tạo Kỹ thuật sản xuất thông minh,” [Online]. Available: https://seee.haui.edu.vn/vn/html/ky-thuat-san-xuat-thong-minh. [Accessed: May 25, 2026].
[5] National Institute of Standards and Technology, “Smart Manufacturing Systems Design and Analysis Program,” NIST, Gaithersburg, MD, USA. [Online]. Available: https://www.nist.gov/programs-projects/smart-manufacturing-systems-design-and-analysis-program. [Accessed: May 25, 2026].
[6] Bộ Chính trị, “Nghị quyết số 57-NQ/TW ngày 22/12/2024 về đột phá phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số quốc gia,” Dec. 22, 2024. [Online]. Available: https://xaydungchinhsach.chinhphu.vn/toan-van-nghi-quyet-ve-dot-pha-phat-trien-khoa-hoc-cong-nghe-doi-moi-sang-tao-va-chuyen-doi-so-quoc-gia-119241224180048642.htm. [Accessed: May 25, 2026].
[7] Thủ tướng Chính phủ, “Quyết định số 1131/QĐ-TTg ban hành Danh mục công nghệ chiến lược và sản phẩm công nghệ chiến lược,” Jun. 12, 2025. [Online]. Available: https://vanban.chinhphu.vn/?docid=213929&pageid=27160. [Accessed: May 25, 2026].
[8] Thủ tướng Chính phủ, “Quyết định số 21/2026/QĐ-TTg ban hành Danh mục công nghệ chiến lược và Danh mục sản phẩm công nghệ chiến lược,” Apr. 30, 2026. [Online]. Available: https://vanban.chinhphu.vn/?docid=218002&pageid=27160. [Accessed: May 25, 2026].
[9] World Economic Forum, The Future of Jobs Report 2025. Geneva, Switzerland: World Economic Forum, 2025. [Online]. Available: https://www.weforum.org/publications/the-future-of-jobs-report-2025/. [Accessed: May 25, 2026].
[10] P. V. Minh and B. V. Huy, “Kỹ thuật sản xuất thông minh - Chương trình đào tạo nhân lực kỹ thuật cao,” Góc nhìn HaUI, Đại học Công nghiệp Hà Nội, Feb. 7, 2023. [Online]. Available: https://www.haui.edu.vn/vn/goc-nhin-haui/ky-thuat-san-xuat-thong-minh-chuong-trinh-dao-tao-nhan-luc-ky-thuat-cao/63973. [Accessed: May 25, 2026].
[11] OECD, OECD Digital Education Outlook 2023: Towards an Effective Digital Education Ecosystem. Paris, France: OECD Publishing, 2023. [Online]. Available: https://www.oecd.org/en/publications/2023/12/oecd-digital-education-outlook-2023_c827b81a.html. [Accessed: May 25, 2026].
[12] B. V. Huy and Q. Đ. Cường, “Đào tạo gắn kết doanh nghiệp qua hoạt động cử giảng viên tiếp nhận, chuyển giao công nghệ từ thực tiễn sản xuất,” Góc nhìn HaUI, Đại học Công nghiệp Hà Nội, Sep. 15, 2025. [Online]. Available: https://www.haui.edu.vn/vn/goc-nhin-haui/dao-tao-gan-ket-doanh-nghiep-qua-hoat-dong-cu-giang-vien-tiep-nhan-chuyen-giao-cong-nghe-tu-thuc-tien-san-xuat/66872. [Accessed: May 25, 2026]