Được rồi, nói thẳng ra thì câu hỏi này xuất hiện ở khắp mọi nơi. Trong các buổi gặp gỡ công nghệ, trong giờ giải lao uống cà phê ở công ty, và vâng, thậm chí cả trong những chuỗi bài đăng dài dòng trên LinkedIn mà chẳng ai thừa nhận là mình đã đọc. Nỗi lo khá thẳng thắn: nếu AI có thể xử lý nhiều công việc tự động hóa đến vậy, liệu điều đó có khiến khoa học dữ liệu trở nên… dễ bị loại bỏ? Câu trả lời ngắn gọn: không. Câu trả lời dài hơn? Nó phức tạp, rắc rối và thú vị hơn nhiều so với một câu trả lời đơn giản “có” hay “không”
Những bài viết bạn có thể muốn đọc sau bài này:
🔗 Khoa học dữ liệu và trí tuệ nhân tạo: Tương lai của sự đổi mới
Khám phá cách trí tuệ nhân tạo và khoa học dữ liệu định hình bối cảnh đổi mới của tương lai.
🔗 Liệu trí tuệ nhân tạo có thay thế các nhà phân tích dữ liệu: Thảo luận thẳng thắn
Hiểu rõ tác động của AI đối với vai trò của nhà phân tích dữ liệu và nhu cầu của ngành.
🔗 Quản lý dữ liệu cho các công cụ AI mà bạn nên xem xét
Các phương pháp quản lý dữ liệu quan trọng để tối đa hóa tiềm năng của các công cụ AI.
Điều gì thực sự làm cho khoa học dữ liệu trở nên có giá trị? 🎯
Vấn đề là ở chỗ, khoa học dữ liệu không chỉ đơn thuần là toán học cộng với các mô hình. Điều làm nên sức mạnh của nó chính là sự kết hợp kỳ lạ giữa độ chính xác thống kê, bối cảnh kinh doanh và một chút khả năng giải quyết vấn đề sáng tạo . Trí tuệ nhân tạo (AI) có thể tính toán hàng vạn xác suất trong nháy mắt, điều đó đúng. Nhưng liệu nó có thể quyết định nào quan trọng đối với lợi nhuận của công ty? Hay giải thích vấn đề đó liên quan như thế nào đến chiến lược và hành vi khách hàng? Đó là lúc con người vào cuộc.
Về bản chất, khoa học dữ liệu giống như một người phiên dịch. Nó lấy những thứ hỗn độn thô sơ - bảng tính xấu xí, nhật ký, khảo sát vô nghĩa - và biến chúng thành những quyết định mà người bình thường thực sự có thể hành động. Loại bỏ lớp phiên dịch đó và AI thường đưa ra những điều vô nghĩa đầy tự tin. HBR đã nói điều này trong nhiều năm: bí quyết không phải là các chỉ số chính xác, mà là sự thuyết phục và bối cảnh [2].
Kiểm tra thực tế: các nghiên cứu cho thấy AI có thể tự động hóa rất nhiều nhiệm vụ trong một công việc - đôi khi hơn một nửa . Nhưng việc xác định phạm vi công việc, đưa ra quyết định và phối hợp với những thứ phức tạp gọi là “một tổ chức”? Vẫn là lĩnh vực của con người [1].
So sánh nhanh: Khoa học dữ liệu so với Trí tuệ nhân tạo
Bảng này không hoàn hảo, nhưng nó làm nổi bật các vai trò khác nhau mà họ đảm nhiệm:
| Đặc điểm / Góc | Khoa học dữ liệu 👩🔬 | Trí tuệ nhân tạo 🤖 | Tại sao điều đó lại quan trọng |
|---|---|---|---|
| Trọng tâm chính | Hiểu biết sâu sắc & ra quyết định | Tự động hóa và dự đoán | Khoa học dữ liệu xác định "cái gì" và "tại sao" |
| Người dùng điển hình | Các nhà phân tích, chiến lược gia, đội ngũ kinh doanh | Kỹ sư, đội ngũ vận hành, ứng dụng phần mềm | Các đối tượng khán giả khác nhau, nhu cầu chồng chéo |
| Yếu tố chi phí 💸 | Lương và công cụ (có thể dự đoán được) | Điện toán đám mây (chi phí thay đổi tùy theo quy mô) | AI có vẻ rẻ hơn cho đến khi mức sử dụng tăng đột biến |
| Sức mạnh | Bối cảnh + kể chuyện | Tốc độ + khả năng mở rộng | Chúng cùng nhau tạo nên mối quan hệ cộng sinh |
| Điểm yếu | Chậm đối với các tác vụ lặp đi lặp lại | Khó khăn trong việc đối phó với sự mơ hồ | Chính xác là tại sao người này không giết người kia |
Huyền thoại về “Thay thế hoàn toàn” 🚫
Nghe có vẻ hay khi tưởng tượng trí tuệ nhân tạo (AI) sẽ đảm nhận mọi công việc liên quan đến dữ liệu, nhưng điều đó dựa trên một giả định sai lầm - rằng toàn bộ giá trị của khoa học dữ liệu chỉ nằm ở khía cạnh kỹ thuật. Trên thực tế, phần lớn giá trị của nó nằm ở khía cạnh diễn giải, chính trị và giao tiếp .
-
Không có giám đốc điều hành nào nói, "Hãy cung cấp cho tôi một mô hình có độ chính xác 94%."
-
Họ hỏi, "Chúng ta có nên mở rộng sang thị trường mới này không, có hay không?"
AI có thể tạo ra dự báo. Điều mà nó sẽ không tính đến: những rắc rối về quy định, sắc thái văn hóa hoặc mức độ chấp nhận rủi ro của CEO. Phân tích biến thành hành động vẫn là một trò chơi của con người , đầy rẫy sự đánh đổi và thuyết phục [2].
Nơi trí tuệ nhân tạo đang làm thay đổi mọi thứ 💥
Thành thật mà nói, một số lĩnh vực của khoa học dữ liệu đang bị trí tuệ nhân tạo (AI) "nuốt chửng" dần:
-
Làm sạch và chuẩn bị dữ liệu → Các kiểm tra tự động phát hiện các giá trị thiếu, bất thường và sự sai lệch nhanh hơn so với việc con người phải mất công xử lý dữ liệu trên Excel.
-
Lựa chọn và tinh chỉnh mô hình → AutoML thu hẹp các lựa chọn thuật toán và xử lý siêu tham số, tiết kiệm hàng tuần mày mò [5].
-
Trực quan hóa & báo cáo → Giờ đây, các công cụ có thể tạo bảng điều khiển hoặc tóm tắt văn bản chỉ từ một yêu cầu duy nhất.
Ai là người cảm nhận rõ nhất? Những người có công việc xoay quanh việc xây dựng biểu đồ hoặc lập mô hình cơ bản một cách lặp đi lặp lại. Giải pháp? Tiến lên vị trí cao hơn trong chuỗi giá trị: đặt câu hỏi sắc bén hơn, kể câu chuyện rõ ràng hơn và đưa ra những đề xuất tốt hơn.
Tóm tắt nhanh: một nhà bán lẻ thử nghiệm AutoML để dự đoán tỷ lệ khách hàng rời bỏ. Kết quả cho ra một mô hình cơ bản khá tốt. Nhưng thành công lớn đến khi nhà khoa học dữ liệu định hình lại nhiệm vụ: thay vì "Ai sẽ rời bỏ?", câu hỏi trở thành "Những biện pháp can thiệp nào thực sự làm tăng lợi nhuận ròng theo từng phân khúc?". Sự thay đổi đó - cộng với việc hợp tác với bộ phận tài chính để thiết lập các ràng buộc - chính là yếu tố tạo ra giá trị. Tự động hóa giúp tăng tốc quá trình, nhưng cách định hình mới là yếu tố mở khóa kết quả.
Vai trò của các nhà khoa học dữ liệu đang thay đổi 🔄
Thay vì biến mất, công việc này đang biến đổi thành những hình thức mới:
-
Các công cụ dịch thuật AI - giúp chuyển đổi các kết quả kỹ thuật thành dạng dễ hiểu đối với các nhà lãnh đạo quan tâm đến lợi nhuận và rủi ro thương hiệu.
-
Quản trị & đạo đức dẫn đầu - thiết lập thử nghiệm thiên vị, giám sát và kiểm soát phù hợp với các tiêu chuẩn như AI RMF của NIST [3].
-
Các chuyên gia chiến lược sản phẩm - tích hợp dữ liệu và trí tuệ nhân tạo vào trải nghiệm khách hàng và lộ trình phát triển sản phẩm.
Trớ trêu thay, khi trí tuệ nhân tạo dần đảm nhiệm nhiều công việc kỹ thuật đơn giản, các kỹ năng của con người - kể chuyện, đánh giá chuyên môn, tư duy phản biện - lại trở thành những yếu tố khó thay thế.
Các chuyên gia và dữ liệu đang nói gì? 🗣️
-
Tự động hóa là có thật, nhưng chỉ một phần : AI hiện tại có thể tự động hóa rất nhiều nhiệm vụ trong nhiều công việc, nhưng điều đó thường giải phóng con người để chuyển sang công việc có giá trị cao hơn [1].
-
Quyết định cần có con người : HBR chỉ ra rằng các tổ chức không hành động vì những con số thô - họ hành động vì những câu chuyện và lời kể khiến các nhà lãnh đạo hành động [2].
-
Tác động đến việc làm ≠ sa thải hàng loạt : Dữ liệu của WEF cho thấy các công ty kỳ vọng AI sẽ thay đổi vai trò và cắt giảm nhân viên ở những nơi có nhiệm vụ có thể tự động hóa cao, nhưng họ cũng đang tập trung mạnh vào việc đào tạo lại kỹ năng [4]. Mô hình này trông giống như thiết kế lại hơn là thay thế.
Vì sao nỗi sợ hãi vẫn tồn tại 😟
Các tiêu đề báo chí phát triển mạnh nhờ những viễn cảnh bi quan. “AI thay thế việc làm!” bán chạy. Nhưng các nghiên cứu nghiêm túc luôn chỉ ra sự khác biệt: tự động hóa nhiệm vụ, thiết kế lại quy trình làm việc và tạo ra vai trò mới [1][4]. Một ví dụ tương tự như máy tính là phù hợp: không ai còn thực hiện phép chia dài bằng tay nữa, nhưng bạn vẫn cần hiểu đại số để biết khi nào nên sử dụng máy tính.
Giữ vững vị thế: Cẩm nang thực tiễn 🧰
-
Hãy bắt đầu bằng việc đưa ra quyết định. Tập trung công việc của bạn vào câu hỏi kinh doanh và chi phí của việc mắc sai lầm.
-
Hãy để AI soạn thảo, bạn chỉnh sửa. Coi kết quả đầu ra của nó như những điểm khởi đầu - bạn đưa ra nhận định và bối cảnh phù hợp.
-
Xây dựng quản trị vào quy trình của bạn. Kiểm tra thiên kiến nhẹ, giám sát và tài liệu gắn liền với các khuôn khổ như của NIST [3].
-
Hãy chuyển hướng sang chiến lược và giao tiếp. Bạn càng ít bị ràng buộc bởi việc "nhấn nút", thì càng khó để tự động hóa loại bỏ bạn.
-
Hãy hiểu AutoML của bạn. Hãy nghĩ về nó như một thực tập sinh tài giỏi nhưng liều lĩnh: nhanh, không mệt mỏi, đôi khi sai lầm nghiêm trọng. Bạn cung cấp các rào chắn [5].
Vậy… Liệu trí tuệ nhân tạo (AI) có thay thế khoa học dữ liệu? ✅❌
Câu trả lời thẳng thắn: Không, nhưng nó sẽ định hình lại . Trí tuệ nhân tạo đang viết lại bộ công cụ - cắt giảm công việc lặp đi lặp lại, tăng quy mô và thay đổi những kỹ năng nào quan trọng nhất. Điều mà nó không loại bỏ là nhu cầu về sự diễn giải, sáng tạo và phán đoán của con người . Nếu có điều gì đó, thì các nhà khoa học dữ liệu giỏi hơn khi họ là người diễn giải các kết quả đầu ra ngày càng phức tạp.
Tóm lại: AI thay thế các nhiệm vụ chứ không phải nghề nghiệp [1][2][4].
Tài liệu tham khảo
[1] McKinsey & Company - Tiềm năng kinh tế của AI tạo sinh: Biên giới năng suất tiếp theo (tháng 6 năm 2023).
https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier
[2] Harvard Business Review - Khoa học dữ liệu và nghệ thuật thuyết phục (Scott Berinato, tháng 1-2 năm 2019).
https://hbr.org/2019/01/data-science-and-the-art-of-persuasion
[3] NIST - Khung quản lý rủi ro trí tuệ nhân tạo (AI RMF 1.0) (2023).
https://nvlpubs.nist.gov/nistpubs/ai/nist.ai.100-1.pdf
[4] Diễn đàn Kinh tế Thế giới - Liệu AI có đang đóng cánh cửa cơ hội việc làm ở cấp độ đầu vào? (30 tháng 4 năm 2025) - những hiểu biết từ Tương lai của Việc làm 2025.
https://www.weforum.org/stories/2025/04/ai-jobs-international-workers-day/
[5] He, X. et al. - AutoML: Khảo sát về trạng thái hiện tại (arXiv, 2019).
https://arxiv.org/abs/1908.00709