Nên học AI hay Công nghệ thông tin? Chọn theo điều gì?

Nên học AI hay Công nghệ thông tin phụ thuộc vào việc bạn thích xây phần mềm, làm với dữ liệu hay vận hành hệ thống. Đừng chọn chỉ vì chữ AI đang được nhắc nhiều. Hãy so nội dung học, yêu cầu nền tảng và loại công việc mình muốn thử trước.

Nếu gia đình đang bắt đầu tìm hiểu, có thể đọc bản đồ hướng nghiệp AI và phần mềm trước. Bài này đi sâu vào câu hỏi: mỗi nhóm người thực sự làm gì?

Minh họa gốc Kstudy: Sơ đồ cùng một quán cơm với ba nhóm việc: phần mềm, học máy và ứng dụng AI.

AI, Khoa học máy tính và Kỹ thuật phần mềm khác nhau gì?

Trong bài này, Công nghệ thông tin (CNTT) được dùng theo nghĩa rộng để nói về nhóm hướng học công nghệ. Tên ngành và cách chia chuyên ngành ở từng trường có thể khác; không nên hiểu mọi chương trình có chữ CNTT đều dạy giống nhau.

Khoa học máy tính tập trung vào nền tảng tính toán, thuật toán và cách hệ thống máy tính hoạt động. Nền đó có thể mở sang phần mềm, dữ liệu hoặc AI. Trang giới thiệu của Trường Đại học Công nghệ, ĐHQGHN là một nguồn để hình dung mối liên hệ này.

Kỹ thuật phần mềm đi sâu vào việc xây dựng, kiểm thử và duy trì phần mềm. Hướng AI đi sâu hơn vào dữ liệu, mô hình và cách đánh giá hệ thống AI. Các phần này giao nhau chứ không phải ba căn phòng tách biệt.

Nếu chưa chắc mình muốn đi sâu AI, hãy ưu tiên chương trình có nền tảng phù hợp và cơ hội thử dự án. Nếu đã thích dữ liệu và mô hình, hãy xem kỹ phần Toán, lập trình, dữ liệu và đánh giá, thay vì chỉ nhìn tên ngành.

Cùng một quán cơm, ba bài toán khác nhau

Giả sử quán cơm gần trường muốn nhận đơn trực tuyến. Ví dụ này chỉ dùng để giải thích nghề.

Đầu tiên, quán cần khách chọn món, nhập số lượng và nhìn thấy đơn đã được ghi nhận. Sau đó, quán muốn dự đoán ngày mai nên chuẩn bị nhiều món nào. Cuối cùng, quán muốn khách nhắn bằng tiếng Việt và có trợ lý hỗ trợ đặt món.

Ba yêu cầu nghe có vẻ đều là "làm app AI", nhưng phần việc bên trong khác nhau.

Người làm phần mềm: giữ cho cửa hàng số hoạt động

Ở bài toán đầu, kỹ sư phần mềm cần hiểu cách quán nhận và xử lý đơn. Khách bấm hai lần thì có tạo hai đơn không? Hết món thì giao diện hiển thị thế nào? Ai được sửa giá?

Giao diện là phần khách nhìn thấy. Phần xử lý phía sau nhận yêu cầu, kiểm tra và lưu dữ liệu. Cơ sở dữ liệu là nơi thông tin được tổ chức để tra cứu và cập nhật. Đây là cách giải thích giản lược cho người mới, không có nghĩa một sản phẩm chỉ gồm ba phần ấy.

Ngày làm việc có thể có viết chức năng, đọc mã của người khác, thử lỗi và trao đổi với người dùng. Không phải lúc nào cũng ngồi nghĩ ra ứng dụng mới.

Người thích làm sản phẩm chạy ổn, tìm nguyên nhân lỗi và sắp xếp logic có thể thử hướng này. Bài dự án câu lạc bộ đầu tay là một cách bắt đầu an toàn hơn việc lập tức nhận làm website bán hàng thật.

Người làm học máy: tìm quy luật trong dữ liệu

Ở bài toán dự đoán lượng cơm bán, người làm học máy cần xem dữ liệu quán đã ghi như thế nào. Có ngày nghỉ lễ không? Món mới có ít dữ liệu hơn món cũ không? Một hôm bán hết sớm là do nhu cầu cao hay do quán nấu ít?

Học máy là cách xây dựng mô hình học các mẫu từ dữ liệu, thay vì viết riêng mọi quy tắc bằng tay. Nhưng có dữ liệu không đồng nghĩa mô hình sẽ dự đoán tốt. Cần đánh giá trên dữ liệu chưa dùng để học và xem sai lệch có chấp nhận được không. Đây là những nội dung nền tảng trong Machine Learning Crash Course của Google.

Nếu thích Toán, phân tích và tìm hiểu vì sao một kết quả đúng hoặc sai, bạn có thể khám phá hướng này. Đừng hiểu nó là nghề chỉ cần ngồi "dạy AI thông minh hơn".

Người làm ứng dụng AI: nối mô hình với việc cần giải quyết

Ở bài toán nhắn tin đặt món, nhóm phát triển có thể dùng một mô hình có sẵn, thay vì tự huấn luyện mô hình lớn từ đầu.

LLM, viết tắt của mô hình ngôn ngữ lớn, có thể hỗ trợ xử lý ngôn ngữ và tạo câu trả lời. Nhưng để biết hôm nay còn món gì, nó cần được cung cấp thông tin đúng từ hệ thống của quán.

API có thể hình dung như quầy tiếp nhận yêu cầu giữa hai phần mềm. Ứng dụng gửi câu hỏi "món này còn không", hệ thống kho trả dữ liệu. So sánh này giúp hiểu vai trò kết nối, không có nghĩa API tự hiểu mọi câu nói của con người.

Kỹ sư ứng dụng AI phải thiết kế cách lấy dữ liệu, xử lý câu trả lời và kiểm tra lỗi. Công việc này vẫn cần nền tảng phần mềm.

AI Agent thêm điều gì?

Minh họa gốc Kstudy: Sơ đồ AI Agent tra thực đơn, kiểm tra món, hỏi lại, soạn đơn và chờ người phụ trách xác nhận.

AI Agent không chỉ nói. Trong một thiết kế phù hợp, nó có thể chọn công cụ và thực hiện từng bước dựa trên kết quả nhận được. Anthropic phân biệt giữa quy trình có đường đi định sẵn và agent có khả năng quyết định cách làm linh hoạt hơn.

Ở quán cơm, trợ lý có thể tra món còn bán, hỏi lại phần ăn rồi soạn đơn. Nhưng quyền "xem thực đơn" và quyền "hoàn tiền" phải khác nhau. Không nên để một câu khách nhắn làm hệ thống tự ý thay đổi giá.

Vì vậy, làm AI Agent còn có thiết kế giới hạn hành động, điểm xin duyệt, cách dừng và cách xem lại lỗi. Tài liệu Agentic AI khơi nguồn chuỗi bài đặc biệt nhấn mạnh những phần này.

Không phải cứ ghép nhiều trợ lý với nhau là tốt hơn. Quán cơm nhỏ có thể chỉ cần biểu mẫu và một quy trình rõ ràng. Việc chọn giải pháp đơn giản cũng là năng lực kỹ thuật.

Tên vị trí không phải bản mô tả công việc

Một công ty gọi vị trí là AI Engineer nhưng công việc thiên về ứng dụng mô hình có sẵn. Nơi khác dùng cùng tên cho người huấn luyện và triển khai mô hình. Khi tìm hiểu cơ hội sau này, hãy đọc nhiệm vụ, kiến thức đầu vào và sản phẩm cần làm, thay vì đoán từ chức danh.

Ở THPT, chưa cần tự gắn nhãn quá chặt. Có thể bắt đầu bằng nền lập trình, thử làm sản phẩm và xem mình muốn đào sâu phần nào. Lộ trình lớp 10 đến lớp 12 gợi ý cách giữ các lựa chọn còn mở.

Ngành Tự động hóa có phải là AI Automation không?

Không nên đồng nhất hai cách gọi. Trong hướng kỹ thuật điều khiển và tự động hóa công nghiệp, người học có thể làm với thiết bị, cảm biến và hệ thống điều khiển. Khoa Tự động hóa của Bách khoa Hà Nội giới thiệu những nhóm chuyên môn như PLC, cảm biến và tự động hóa công nghiệp.

Còn khi nói tự động hóa công việc văn phòng, ví dụ có biểu mẫu mới thì ghi dữ liệu vào bảng, trọng tâm có thể nằm ở quy trình phần mềm. Nếu thêm AI để đọc nội dung hoặc phân loại, đó là một cách ứng dụng AI Automation. Hai hướng có thể kết hợp, nhưng một khóa sử dụng AI trong công việc không thay chương trình kỹ thuật điều khiển.

Đọc tiếp bài AI Automation là gì, có cần biết lập trình không? để hiểu nhánh tự động hóa công việc trước khi chọn khóa học.

Chọn trải nghiệm học theo điều muốn thử

Nếu muốn thử biến ý tưởng thành website hoặc ứng dụng, có thể xem AI Vibe Coding tại Kstudy. Đây là hướng trải nghiệm sản phẩm, không phải chương trình đào tạo kỹ sư học máy.

Nếu mục tiêu là học máy chuyên sâu, vẫn cần lộ trình lập trình, Toán, dữ liệu và đánh giá mô hình. Không nên chọn khóa chỉ vì tên có chữ AI; với học sinh cần xác nhận riêng điều kiện tham gia.

Câu hỏi thường gặp

Nên học AI hay Công nghệ thông tin khi chưa biết mình thích gì? Hãy so nội dung chương trình và thử một việc nhỏ trước. Nền tảng lập trình, dữ liệu và tư duy giải quyết vấn đề giúp tìm hiểu nhiều hướng; không cần chọn chỉ vì một tên ngành đang được nhắc nhiều.

Làm AI Agent có cần tự tạo mô hình như ChatGPT không? Không nhất thiết. Trong phạm vi ứng dụng được bàn ở đây, nhóm kỹ thuật có thể sử dụng mô hình sẵn có và tập trung vào dữ liệu, công cụ, kiểm thử và vận hành.

Học phần mềm có thể chuyển sang làm ứng dụng AI không? Nền tảng phần mềm có giá trị cho hướng này. Tuy nhiên, người học vẫn cần bổ sung kiến thức về hành vi mô hình, dữ liệu, đánh giá và an toàn.

Nghề nào phù hợp nhất? Chưa thể trả lời chỉ bằng tên nghề. Hãy thử công việc nhỏ và quan sát mình thích phần nào trong quá trình, theo bài tự khám phá mức độ phù hợp.

Nguồn tài liệu khơi nguồn

Chuỗi bài tham khảo ý tưởng nền tảng, học bằng dự án và kiểm soát quyền từ tài liệu “Lộ trình hoàn chỉnh để trở thành Kỹ sư Agentic AI năm 2026” của Lamhot Siagian, bản tiếng Việt do Phan Đông Giang dịch, đề ngày 19/01/2026. Tài liệu tập trung vào ứng dụng AI Agent, không đại diện cho toàn bộ ngành AI và không phải chuẩn đánh giá hướng nghiệp.