1. Đặt vấn đề: Khi trí tuệ nhân tạo bước vào giảng đường
Ngày 2 tháng 7 năm 2026, Phó Thủ tướng Chính phủ Hồ Quốc Dũng ký Quyết định số 33/2026/QĐ-TTg ban hành Danh mục hệ thống trí tuệ nhân tạo có rủi ro cao. Đây là văn bản pháp lý đầu tiên tại Việt Nam phân loại cụ thể các hệ thống AI theo mức độ rủi ro, đánh dấu bước chuyển từ nguyên tắc quản lý chung sang khung pháp lý chi tiết (Quyết định 33/2026/QĐ-TTg).
Trong sáu lĩnh vực được liệt kê — giáo dục, dân tộc và tôn giáo, y tế, ngân hàng, tố tụng, giao thông vận tải — giáo dục đứng vị trí đầu tiên. Quyết định nêu rõ ba nhóm hệ thống AI giáo dục thuộc diện rủi ro cao: (1) hệ thống cung cấp nội dung tự học theo chương trình giáo dục có sử dụng nguồn dữ liệu không kiểm soát; (2) hệ thống sử dụng AI tự động kiểm tra, đánh giá kết quả, xếp hạng người học; (3) hệ thống sử dụng AI để giám sát, phân tích hành vi người học.
Thời hạn tuân thủ được ấn định chặt chẽ: trước ngày 1 tháng 9 năm 2027 đối với các hệ thống AI trong lĩnh vực giáo dục đã hoạt động trước ngày 15 tháng 8 năm 2026. Nghĩa là chỉ còn hơn một năm để các trường đại học, cơ sở đào tạo rà soát, đánh giá lại toàn bộ hệ thống AI đang sử dụng — từ phần mềm chấm bài tự động, hệ thống giám sát thi trực tuyến, đến công cụ phân tích hành vi học tập trên nền tảng học tập số.
Thực tế hiện nay cho thấy hầu hết giảng viên và sinh viên đang sử dụng AI tạo sinh (generative AI) như ChatGPT, Gemini, Claude mà thiếu một khung hướng dẫn rõ ràng. Nhiều trường chưa có chính sách AI nội bộ. Sinh viên dùng AI để viết tiểu luận mà không khai báo. Giảng viên dùng AI chấm bài mà không kiểm tra độ tin cậy. Nhà quản lý mua phần mềm AI mà không đánh giá rủi ro pháp lý và đạo đức. Đây không chỉ là vấn đề kỹ thuật — đây là vấn đề về tính toàn vẹn của toàn bộ hệ thống giáo dục đại học.
Bài viết này dựa trên Quyết định 33/2026/QĐ-TTg, Luật Trí tuệ nhân tạo, Nghị định 142/2026/NĐ-CP, cùng nghiên cứu học thuật quốc tế để phân tích các rủi ro cụ thể và đưa ra khuyến nghị thực tiễn cho ba nhóm đối tượng: giảng viên, sinh viên và nhà quản lý.
2. Khung pháp lý Việt Nam: Hệ thống AI rủi ro cao trong giáo dục là gì?
2.1. Từ Luật AI đến Quyết định 33: Hành trình pháp lý
Luật Trí tuệ nhân tạo (được Quốc hội thông qua) đặt nền móng quản lý bằng nguyên tắc rủi ro phân cấp. Điều 9 luật quy định các hệ thống AI có thể gây thiệt hại đáng kể đến tính mạng, sức khỏe, quyền và lợi ích hợp pháp, lợi ích quốc gia, an ninh quốc gia thuộc diện phải chịu các nghĩa vụ tuân thủ nghiêm ngặt. Nghị định số 142/2026/NĐ-CP quy định chi tiết các biện pháp thi hành, trong đó khoản 1 Điều 8 xác định tiêu chí phân loại rủi ro và khoản 2 Điều 8 quy định các trường hợp loại trừ.
Quyết định 33/2026/QĐ-TTg là bước cụ thể hóa tiếp theo: thay vì chỉ quy định nguyên tắc, văn bản này liệt kê chính xác từng hệ thống AI thuộc diện rủi ro cao theo từng lĩnh vực. Đây là cách tiếp cận tương tự Đạo luật AI của Liên minh châu Âu (EU AI Act), trong đó Annex III liệt kê các lĩnh vực và ứng dụng AI cụ thể thuộc nhóm rủi ro cao (Leinarte, 2024).
2.2. Ba nhóm hệ thống AI giáo dục rủi ro cao
Nhóm 1 — Cung cấp nội dung tự học với nguồn dữ liệu không kiểm soát: Các nền tảng AI tạo sinh có thể tạo ra nội dung học thuật trông rất hợp lý nhưng chứa thông tin sai lệch, bịa đặt hoặc thiên lệch. Khi sinh viên dùng những nội dung này làm tài liệu học tập mà không có sự kiểm chứng, rủi ro lan truyền kiến thức sai tăng theo cấp số nhân (Shoufan, 2026).
Nhóm 2 — Tự động kiểm tra, đánh giá, xếp hạng người học: Hệ thống chấm bài tự động sử dụng AI để đánh giá bài luận, bài thi của sinh viên. Rủi ro bao gồm thiên lệch thuật toán đối với nhóm sinh viên nhất định, sai sót đánh giá không thể giải thích, và việc chuyển giao thẩm quyền giáo dục từ giảng viên sang máy móc (Heil & Ifenthaler, 2024; Shafik, 2025).
Nhóm 3 — Giám sát, phân tích hành vi người học: Các hệ thống AI giám sát thi (proctoring) sử dụng nhận dạng khuôn mặt, theo dõi ánh mắt, phân tích âm thanh để phát hiện gian lận. Rủi ro bao gồm vi phạm quyền riêng tư, phân biệt đối xử với sinh viên khuyết tật hoặc sinh viên thi ở môi trường không tiêu chuẩn (Aziz et al., 2025).
Quyết định cũng nhấn mạnh bốn nguyên tắc hoạt động bắt buộc: (1) tuân thủ pháp luật về AI; (2) không thay đổi, chuyển giao hoặc loại trừ thẩm quyền trách nhiệm của người có thẩm quyền; (3) đảm bảo giám sát, kiểm soát và khả năng can thiệp của con người; (4) không thực hiện hành vi bị nghiêm cấm. Nguyên tắc thứ hai và thứ ba đặc biệt quan trọng đối với giáo dục: thẩm quyền đánh giá sinh viên thuộc về giảng viên, không thuộc về AI. Con người phải luôn có khả năng can thiệp vào quyết định của hệ thống.
2.3. So sánh với khung pháp lý quốc tế
Việt Nam không đơn độc trong việc phân loại AI giáo dục là rủi ro cao. EU AI Act cũng xếp các hệ thống AI dùng trong giáo dục và đào tạo nghề vào nhóm rủi ro cao, bao gồm hệ thống đánh giá người học và hệ thống phân bổ cơ hội giáo dục (Leinarte, 2024). Tuy nhiên, EU AI Act có cơ chế đánh giá tuân thủ (conformity assessment) cụ thể hơn, trong khi Việt Nam đang trong giai đoạn thiết lập các tiêu chuẩn đánh giá tương ứng.
Bài học từ EU cho thấy việc ban hành danh mục chỉ là bước đầu. Các trường đại học cần chủ động xây dựng quy trình nội bộ để đáp ứng yêu cầu pháp lý trước khi cơ quan quản lý nhà nước tiến hành thanh tra. (Chan & Colloton, 2024) đã chỉ ra rằng các chính sách AI trong giáo dục hiệu quả nhất là chính sách được xây dựng từ dưới lên (bottom-up), trong đó các cơ sở đào tạo tham gia cùng thiết kế khung quy định thay vì chỉ tuân thủ thụ động.
3. Phân tích rủi ro cụ thể cho các bên liên quan
3.1. Đối với giảng viên: Rủi ro khi dùng AI trong giảng dạy và đánh giá
Rủi ro đánh giá sai lệch (algorithmic bias): Nghiên cứu của (Shafik, 2025) phân tích các công cụ AI trong giáo dục và phát hiện nhiều dạng thiên lệch: thiên lệch ngôn ngữ (phần mềm chấm bài ưu tiên văn phong "chuẩn" tiếng Anh bản địa), thiên lệch văn hóa (đánh giá thấp các quan điểm không thuộc văn hóa phương Tây), và thiên lệch kinh tế-xã hội (sinh viên có điều kiện tiếp cận công cụ AI trả phí tốt hơn nhận kết quả khác so với sinh viên dùng công cụ miễn phí).
(Heil & Ifenthaler, 2024) nghiên cứu đạo đức trong đánh giá trực tuyến bằng AI và chỉ ra rằng khi giảng viên hoàn toàn phụ thuộc vào hệ thống chấm bài tự động, họ mất khả năng hiểu bối cảnh cá nhân của sinh viên — lý do xin gia hạn, hoàn cảnh ảnh hưởng đến bài làm, hoặc phong cách viết đặc thù của sinh viên quốc tế.
Rủi ro chuyển giao thẩm quyền giáo dục: Quyết định 33/2026/QĐ-TTg quy định rõ việc sử dụng AI không được làm thay đổi hoặc chuyển giao thẩm quyền của cơ quan, tổ chức, cá nhân có thẩm quyền. Trong giáo dục, thẩm quyền đánh giá kết quả học tập thuộc về giảng viên. Khi hệ thống AI chấm bài thay giảng viên, mà giảng viên chỉ phê duyệt kết quả mà không kiểm tra lại, về mặt pháp lý, thẩm quyền đã bị chuyển giao ngầm — dù không có văn bản nào ghi nhận điều này (Tao et al., 2026).
Rủi ro từ nội dung AI "ảo" (hallucination): (Shoufan, 2026) phân tích từ góc nhìn sinh viên và phát hiện rằng AI tạo sinh thường tự tạo ra trích dẫn giả — tồn tại tác giả, DOI và tóm tắt trông rất chân thực nhưng hoàn toàn không có thật. Khi giảng viên khuyến khích sinh viên dùng AI để tìm tài liệu tham khảo mà không hướng dẫn cách kiểm chứng, rủi ro sinh viên đưa thông tin sai vào bài luận là rất cao.
Rủi ro sử dụng AI không khai báo: (Quyen, 2026) nghiên cứu tác động của ChatGPT đến tư duy phản biện và tính toàn vẹn học thuật tại Việt Nam, phát hiện sinh viên thường xuyên dùng AI để viết bài mà không khai báo, và giảng viên thiếu công cụ cũng như kỹ năng phát hiện. Điều này đặt ra cả vấn đề đạo đức lẫn vấn đề pháp lý trong bối cảnh Luật AI yêu cầu minh bạch trong sử dụng hệ thống AI.
3.2. Đối với sinh viên: Rủi ro khi dùng AI trong học tập
Rủi ro bào mòn tư duy phản biện: (Razzaq & Zulfiqar, 2026) phát hiện rằng khi sinh viên dùng ChatGPT thường xuyên để hoàn thành bài tập, tư duy phản biện suy giảm đáng kể — đặc biệt ở nhóm sinh viên có kỹ năng phản biện ban đầu thấp. AI cung cấp câu trả lời nhanh, sẵn sàng, khiến sinh viên bỏ qua quá trình tự phân tích, đánh giá và tổng hợp thông tin.
(Koscielniak & Bielecki, 2024) lập bản đồ tâm lý học của AI tạo sinh trong giáo dục đại học, chỉ ra hai tác động song song: sinh viên cảm thấy tự tin hơn khi có AI hỗ trợ nhưng đồng thời giảm nỗ lực học tập cá nhân. Tác động này tạo ra "vòng xoáy phụ thuộc" — càng dùng AI, càng mất tự tin tự học, càng phải phụ thuộc vào AI.
Rủi ro đạo đức học thuật: (Shishakly & Nachouki, 2026) nghiên cứu tính toàn vẹn học thuật và sử dụng ChatGPT đạo đức, phát hiện rằng đa số sinh viên không hiểu rõ ranh giới giữa "sử dụng AI hỗ trợ" và "gian lận học thuật". Nhiều sinh viên cho rằng việc dùng AI viết toàn bộ bài luận nhưng chỉnh sửa lại văn phong là hành động "hợp lý" — khi pháp luật và quy chế nhà trường chưa quy định cụ thể (Stojanov et al., 2026).
Rủi ro quyền riêng tư: Khi sinh viên sử dụng các công cụ AI miễn phí, dữ liệu đầu vào — bao gồm bài luận, câu hỏi, thông tin cá nhân — có thể được nhà cung cấp thu thập để huấn luyện mô hình. (Francis et al., 2023) nhấn mạnh rằng nhiều hệ thống phân tích học tập (learning analytics) thu thập dữ liệu hành vi chi tiết mà sinh viên không hề biết, bao gồm thời gian đọc, tần suất đăng nhập, tốc độ trả lời câu hỏi.
Rủi ro bất bình đẳng số: (Shapiro & Lam, 2025) phân tích "khoảng cách AI" (AI divide) và phát hiện rằng sinh viên có điều kiện kinh tế tốt hơn có khả năng tiếp cận các phiên bản AI trả phí chất lượng cao hơn, tạo ra bất bình đẳng mới trong giáo dục — không còn là ai có sách giáo khoa, mà là ai có công cụ AI tốt hơn.
3.3. Đối với nhà quản lý: Rủi ro khi triển khai AI ở cấp trường
Rủi ro pháp lý khi mua sắm hệ thống AI không tuân thủ: Với Quyết định 33/2026/QĐ-TTg, các trường đại học phải chịu trách nhiệm khi triển khai hệ thống AI rủi ro cao mà không đảm bảo các nghĩa vụ tuân thủ. Nếu hệ thống AI chấm bài phân biệt đối xử với sinh viên, trường có thể bị kiện; nếu hệ thống giám sát thi thu thập dữ liệu sinh viên trái phép, trường có thể vi phạm pháp luật về bảo vệ dữ liệu cá nhân (Shrestha, 2026).
Rủi ro quản trị thiếu chính sách AI nội bộ: (Tao et al., 2026) khảo sát chính sách AI tại 76 trường đại học Anh và phát hiện rằng phần lớn các trường tập trung vào "chế độ quản trị đánh giá" (assessment-focused governance) — tức là chỉ quy định cách dùng AI trong thi cử — mà bỏ qua các khía cạnh quản trị rộng hơn như đào tạo kỹ năng AI cho giảng viên, quản lý dữ liệu, và thẩm định nhà cung cấp.
Rủi ro phụ thuộc công nghệ và bị khóa nhà cung cấp (vendor lock-in): Khi trường đầu tư mạnh vào một nền tảng AI cụ thể, dữ liệu sinh viên, cấu trúc khóa học, và quy trình đánh giá bị gắn chặt vào nền tảng đó. Nếu nhà cung cấp thay đổi chính sách giá, giảm chất lượng dịch vụ, hoặc ngừng hoạt động, trường sẽ mất rất nhiều thời gian và chi phí để chuyển đổi (Chouzouris, 2024).
Rủi ro từ việc sử dụng AI tạo sinh trong quy trình hành chính: Một số trường đã bắt đầu dùng AI để soạn văn bản hành chính, phân tích dữ liệu tuyển sinh, thậm chí tổng hợp phản hồi sinh viên. Khi AI tạo ra thông tin sai trong văn bản chính thức hoặc phân tích dữ liệu tuyển sinh có sai lệch, hậu quả có thể ảnh hưởng đến quyết định chiến lược của trường (Daly, 2026).
4. Khuyến nghị an toàn cho giảng viên
4.1. Nguyên tắc "con người trong vòng lặp" (human-in-the-loop)
Giảng viên phải luôn giữ vai trò quyết định cuối cùng trong đánh giá kết quả học tập. AI có thể hỗ trợ — gợi ý điểm, phát hiện lỗi phổ biến, so sánh bài làm — nhưng không được thay thế đánh giá chuyên môn của giảng viên. Trước khi phê duyệt kết quả chấm bài do AI đề xuất, giảng viên cần kiểm tra lại ít nhất một mẫu ngẫu nhiên (Heil & Ifenthaler, 2024).
4.2. Minh bạch với sinh viên về việc sử dụng AI
Khi giảng viên dùng AI để hỗ trợ chấm bài, sinh viên có quyền biết hệ thống nào được sử dụng, tiêu chí đánh giá ra sao, và cách thức kháng cáo nếu cho rằng AI đánh giá sai. (Sam & Olbrich, 2023) khuyến nghị rằng các trường nên ban hành "Tuyên bố AI trong giáo dục" (AI Disclosure Statement) để giảng viên công khai mức độ và cách thức sử dụng AI trong từng môn học.
4.3. Đào tạo kỹ năng kiểm chứng thông tin AI
Giảng viên cần tự trang bị kỹ năng nhận diện "ảo giác AI" (hallucination) — những thông tin AI tạo ra trông rất hợp lý nhưng hoàn toàn bịa đặt. Mỗi khi AI đưa ra trích dẫn, số liệu thống kê, hoặc phát biểu của một cá nhân, giảng viên phải kiểm chứng bằng ít nhất hai nguồn độc lập trước khi truyền đạt cho sinh viên (Shoufan, 2026).
4.4. Cập nhật quy chế môn học phù hợp với bối cảnh AI
Mỗi môn học cần quy định rõ: AI được phép dùng ở mức độ nào (nghiên cứu, viết nháp, kiểm tra lỗi ngữ pháp), những phần nào không được dùng AI (bài luận cuối kỳ, phần thi phản biện trực tiếp), và cách thức khai báo sử dụng AI. Quy chế này cần được cập nhật hàng học kỳ, bởi công nghệ AI thay đổi nhanh hơn quy trình hành chính của trường (Sam & Olbrich, 2023).
5. Khuyến nghị an toàn cho sinh viên
5.1. Hiểu rõ ranh giới đạo đức sử dụng AI
Sinh viên cần phân biệt được ba cấp độ sử dụng AI: cấp độ 1 — tham khảo (dùng AI để tìm hiểu khái niệm, mở rộng góc nhìn), cấp độ 2 — hỗ trợ (dùng AI để kiểm tra lỗi ngữ pháp, cấu trúc bài viết, nhưng nội dung chính do sinh viên viết), cấp độ 3 — gian lận (dùng AI viết toàn bộ bài tập, tiểu luận và trình như tác phẩm của mình). Chỉ cấp độ 1 và 2 là chấp nhận được trong hầu hết các trường hợp (Shishakly & Nachouki, 2026).
5.2. Bảo vệ dữ liệu cá nhân
Không nhập thông tin cá nhân (họ tên, mã sinh viên, địa chỉ, thông tin tài chính) vào các công cụ AI miễn phí. Không tải lên bài luận chưa nộp, đề thi, hoặc tài liệu nội bộ của trường. Các công cụ AI miễn phí thường thu thập dữ liệu đầu vào để huấn luyện mô hình — tức là bài luận sinh viên có thể trở thành phần dữ liệu huấn luyện cho AI, và nội dung đó có thể xuất hiện trong câu trả lời của AI cho người khác (Francis et al., 2023).
5.3. Luôn kiểm chứng thông tin từ AI
Tuyệt đối không sử dụng trích dẫn, số liệu thống kê, hay phát biểu cá nhân do AI tạo ra mà không kiểm chứng. AI tạo sinh thường bị "ảo giác" — tự tạo ra DOI, tên tác giả, và tóm tắt bài báo trông rất chân thực. Thực hành đúng: kiểm tra DOI trên CrossRef hoặc Google Scholar, tra cứu tác giả trên mạng xã hội học thuật, đối chiếu số liệu với nguồn gốc (Shoufan, 2026).
5.4. Phát triển tư duy phản biện thay vì phụ thuộc AI
Dùng AI như công cụ bổ sung, không phải thay thế tư duy. Quy trình khuyến nghị: (1) tự đọc tài liệu gốc, (2) tự viết bản phân tích, (3) dùng AI để kiểm tra xem có góc nhìn nào mình bỏ qua không, (4) đánh giá và tổng hợp, (5) viết lại bằng ngôn từ của mình. Quy trình này giúp sinh viên duy trì tư duy phản biện mà vẫn tận dụng lợi ích của AI (Razzaq & Zulfiqar, 2026).
5.5. Yêu cầu quyền được không sử dụng AI
(Daly, 2026) lập luận rằng sinh viên có quyền từ chối sử dụng AI chatbot trong học tập — tương tự quyền từ chối giám sát video. Khi trường yêu cầu sinh viên phải dùng một công cụ AI cụ thể để nộp bài, sinh viên có quyền được giải thích công cụ đó hoạt động ra sao, dữ liệu mình bị thu thập những gì, và có phương án thay thế không.
6. Khuyến nghị an toàn cho nhà quản lý trường đại học
6.1. Thiết lập chính sách AI nội bộ toàn diện
(Tao et al., 2026) phát hiện rằng các trường đại học có chính sách AI toàn diện — không chỉ dừng ở quy định thi cử mà bao gồm đào tạo giảng viên, quản lý dữ liệu, thẩm định công cụ, và quy trình giải quyết tranh chấp — ít gặp rủi ro pháp lý hơn. Khuyến nghị: thành lập Ủy ban AI trường (Institutional AI Committee) gồm đại diện từ phòng đào tạo, phòng công nghệ thông tin, khoa, và đại diện sinh viên.
6.2. Rà soát hệ thống AI đang sử dụng
Trước hạn 1 tháng 9 năm 2027, mỗi trường cần lập danh sách toàn bộ hệ thống AI đang sử dụng trong giáo dục: phần mềm chấm bài tự động (Turnitin, Grammarly AI, các giải pháp nội địa), hệ thống giám sát thi trực tuyến (ProctorU, Examus, giải pháp tự phát triển), nền tảng học tập số tích hợp AI (Moodle với plugin AI, Canvas AI, các LMS Việt Nam), và bất kỳ công cụ AI nào được giảng viên sử dụng cho mục đích đánh giá.
Đối với mỗi hệ thống, cần đánh giá: (1) có thuộc danh mục rủi ro cao theo Quyết định 33 không, (2) nhà cung cấp có cam kết tuân thủ pháp luật Việt Nam không, (3) dữ liệu sinh viên được xử lý ra sao, (4) có cơ chế giải thích và kháng cáo không, (5) đã được kiểm thử thiên lệch chưa (Shrestha, 2026).
6.3. Xây dựng quy trình thẩm định và mua sắm AI
(Chan & Colloton, 2024) khuyến nghị các trường xây dựng bộ tiêu chuẩn thẩm định AI (AI procurement checklist) bao gồm: yêu cầu pháp lý (tuân thủ Quyết định 33, Luật Bảo vệ dữ liệu cá nhân), yêu cầu kỹ thuật (minh bạch thuật toán, có thể kiểm tra, không khóa nhà cung cấp), yêu cầu đạo đức (đã kiểm thử thiên lệch, có cơ chế bảo vệ nhóm yếu thế), và yêu cầu hỗ trợ (đào tạo nhân viên, hỗ trợ kỹ thuật tiếng Việt).
6.4. Đào tạo nâng cao năng lực AI cho giảng viên
Không thể yêu cầu giảng viên tuân thủ quy định AI nếu họ không hiểu bản chất công nghệ. (Sam & Olbrich, 2023) khuyến nghị chương trình đào tạo bao gồm: (1) hiểu cơ bản về cách AI tạo sinh hoạt, (2) nhận diện ảo giác và sai lệch, (3) sử dụng AI hiệu quả và đạo đức trong giảng dạy, (4) phát hiện hành vi gian lận bằng AI, (5) thiết kế bài đánh giá "kháng AI" — tức là bài đánh giá khó để AI hoàn thành thay sinh viên.
6.5. Xây dựng cơ chế giám sát và phản hồi
Thiết lập kênh phản hồi riêng cho sinh viên khi họ cho rằng hệ thống AI đánh giá sai bài, vi phạm quyền riêng tư, hoặc phân biệt đối xử. (Tao et al., 2026) phát hiện rằng các trường có cơ chế khiếu nại rõ ràng cho vấn đề AI ít gặp khủng hoảng niềm tin hơn. Cơ chế này cần bao gồm: thời gian xử lý khiếu nại (tối đa 7 ngày làm việc), người chịu trách nhiệm giải quyết (không phải người thiết lập hệ thống AI), và quy trình kháng cáo lên cấp cao hơn.
7. Lộ trình triển khai khuyến nghị
7.1. Giai đoạn 1 — Ngắn hạn (trước tháng 1 năm 2027)
- Rà soát danh mục hệ thống AI đang sử dụng tại trường
- Thành lập Ủy ban AI trường (Institutional AI Committee) gồm đại diện phòng đào tạo, phòng CNTT, khoa và sinh viên
- Ban hành quy định tạm thời về sử dụng AI trong giảng dạy và học tập
- Tổ chức buổi tập huấn cơ bản cho giảng viên về rủi ro AI và Quyết định 33/2026/QĐ-TTg
- Bố trí kênh thông tin giải đáp thắc mắc cho sinh viên về quy định sử dụng AI
7.2. Giai đoạn 2 — Trung hạn (tháng 1–9 năm 2027)
- Xây dựng chính sách AI toàn diện của trường
- Thẩm định và ký kết lại hợp đồng với nhà cung cấp hệ thống AI
- Triển khai đào tạo nâng cao cho giảng viên
- Xây dựng cơ chế phản hồi và khiếu nại cho sinh viên
- Cập nhật quy chế đào tạo, quy chế thi để phù hợp với bối cảnh AI
7.3. Giai đoạn 3 — Dài hạn (sau tháng 9 năm 2027)
- Đánh giá hiệu quả chính sách AI sau một năm triển khai
- Cập nhật chính sách theo quy định mới của Chính phủ
- Xây dựng văn hóa sử dụng AI đạo đức như một phần của văn hóa học thuật
- Tham gia cộng đồng thực hành tốt (community of practice) về AI trong giáo dục với các trường khác trong nước và quốc tế
- Triển khai nghiên cứu nội bộ về tác động của AI đến chất lượng giáo dục tại trường
- Công bố báo cáo minh bạch về việc sử dụng AI và bảo vệ dữ liệu sinh viên
8. Kết luận
Quyết định số 33/2026/QĐ-TTg không phải là rào cản đối với việc ứng dụng AI trong giáo dục đại học. Đây là khung pháp lý cần thiết để đảm bảo AI phục vụ con người, không phải con người phục vụ AI. Bốn nguyên tắc cốt lõi — tuân thủ pháp luật, không chuyển giao thẩm quyền, đảm bảo can thiệp con người, không vi phạm điều cấm — chính là bệ phóng an toàn cho các trường đại học khai thác tiềm năng AI mà không đánh đổi tính toàn vẹn học thuật.
Giảng viên cần chuyển từ "người dùng AI bị động" thành "người quản lý AI chủ động" — biết rõ công cụ nào đang dùng, hiểu rõ giới hạn của nó, và luôn giữ vai trò quyết định trong đánh giá. Sinh viên cần hiểu rằng AI là công cụ hỗ trợ tư duy, không phải thay thế tư duy. Nhà quản lý cần chuyển từ "mua công nghệ rồi giao cho người dùng tự lo" sang "quản trị AI như một phần của chiến lược giáo dục tổng thể". (Nartey, 2026) nhấn mạnh rằng quản trị AI trong giáo dục không chỉ là vấn đề kỹ thuật mà là vấn đề văn hóa tổ chức — trường nào xây dựng được văn hóa sử dụng AI minh bạch, có trách nhiệm, trường đó sẽ khai thác được lợi ích AI mà giảm thiểu được rủi ro.
Thời hạn tuân thủ đến tháng 9 năm 2027 không xa. Càng chờ đợi, khoảng cách giữa yêu cầu pháp lý và năng lực thực tế càng lớn — và rủi ro cho sinh viên, giảng viên, và uy tín của trường càng cao.
Tài liệu tham khảo
Quyết định số 33/2026/QĐ-TTg (2026). Danh mục hệ thống trí tuệ nhân tạo có rủi ro cao. Chính phủ nước Cộng hòa Xã hội Chủ nghĩa Việt Nam. Available: https://baochinhphu.vn/danh-muc-he-thong-tri-tue-nhan-tao-co-rui-ro-cao-102260702152849868.htm
Nghị định số 142/2026/NĐ-CP (2026). Quy định chi tiết một số điều và biện pháp thi hành Luật Trí tuệ nhân tạo. Chính phủ nước Cộng hòa Xã hội Chủ nghĩa Việt Nam.
Sam, Abraham Kuuku; Olbrich, Philipp (2023). The Need for AI Ethics in Higher Education. In: AI Ethics in Higher Education. Springer. DOI: 10.1007/978-3-031-23035-6_1
Daly, Timothy (2026). Grounding the right to refuse AI chatbot use in higher education. AI and Ethics. DOI: 10.1007/s43681-026-01233-w
Heil, Joana; Ifenthaler, Dirk (2024). Ethics in AI-based online assessment in higher education. In: Technology-Enabled Academic Integrity. Elsevier. DOI: 10.1016/b978-0-443-18851-0.00008-1
Quyen, Nguyen Thi Diem (2026). The Impact of ChatGPT on Students' Critical Thinking and Academic Integrity in Higher Education: Evidence from Vietnam. Journal of Computer Science and Information Technology. DOI: 10.61424/jcsit.v3i1.867
Stojanov, Ana; Koh, Joyce Hwee Ling; Liu, Qian (2026). ChatGPT for Learning: Students' Perspectives, Opportunities, Challenges, and Academic Integrity Concerns. In: AI in Education. Springer. DOI: 10.1007/978-981-95-1875-3_17
Tao, Yingnian; Ryan, Mark; Bialy, Filip; Zhang, Xingna (2026). Assessment-focused governance mode? Mapping Generative AI policies across 76 UK higher education institutions. DOI: 10.21203/rs.3.rs-10029667/v1
Shrestha, Yugal (2026). Responsible Governance of Generative AI in Higher Education: Integrating Ethics, Policy, and the REM Framework. AI Policy and Ethics. DOI: 10.61274/apxc.2026.v05i01.009
Shafik, Wasswa (2025). Dissecting Bias and Fairness in AI-Driven Educational Tools. IGI Global. DOI: 10.4018/979-8-3373-3000-6.ch003
Aziz, Raziana Che; Zain, Murad Mohd; Chea, Chiam Chooi; Ninggal, Mohd Tajudin Md (2025). AI-Driven Online Proctoring: Balancing Integrity, Privacy, and Learner Experience in Distance Education. IEEE. DOI: 10.1109/ictaect67351.2025.11391268
Shoufan, Abdulhadi (2026). AI Hallucination from Students' Perspective: A Thematic Analysis. OSF. DOI: 10.35542/osf.io/cd298_v1
Razzaq, Niazmeen; Zulfiqar, Najia (2026). ChatGPT Use and Academic Performance among University Students: Moderating Role of Critical Thinking. DOI: 10.21203/rs.3.rs-9463352/v1
Koscielniak, Maciej; Bielecki, Maksymilian (2024). The Psychology of Generative AI in Higher Education: Mapping Benefits and Risks. DOI: 10.32388/x1itss
Shishakly, Rima; Nachouki, Mirna (2026). Academic Integrity and Students' Ethical Use of ChatGPT in Higher Education. Online Journal of Applied Knowledge Management. DOI: 10.28945/5730
Francis, Mary; Avoseh, Mejai; Card, Karen; Newland, Lisa (2023). Student Privacy and Learning Analytics. Journal of Learning Analytics. DOI: 10.18608/jla.2023.7975
Prinsloo, Paul; Slade, Sharon (2015). Student privacy self-management. In: Proceedings of the 5th International Learning Analytics & Knowledge Conference. ACM. DOI: 10.1145/2723576.2723585
Shapiro, Sidney J.; Lam, Vinh Dang (2025). Bridging the AI Divide. IGI Global. DOI: 10.4018/979-8-3373-1195-1.ch006
Leinarte, E. (2024). The Classification of High-Risk AI Systems Under the EU Artificial Intelligence Act. Artificial Intelligence and Law. DOI: 10.21552/aire/2024/3/4
Chan, Cecilia Ka Yuk; Colloton, Tom (2024). Developing an AI in Education Policy. In: Generative AI in Education. Routledge. DOI: 10.4324/9781003459026-5
Nartey, Emmanuel K (2026). Generative AI in Higher Education: Ethical Governance, Skills, and Employability. CRC Press. DOI: 10.1201/9781003502517
Chouzouris, Nikolaos (2024). AI for Higher Education: Alternative Ways of Learning and Risks. Emerald. DOI: 10.1108/978-1-83549-486-820241012