Một giảng đường vật lý và câu hỏi về thời gian
Đào tạo người mới là khoản chi âm thầm của mọi doanh nghiệp: người hướng dẫn mất giờ, người học mất tuần, mà chất lượng thì tùy người dạy. Vì thế một thí nghiệm ở giảng đường Harvard đáng để chủ doanh nghiệp SME dừng lại đọc, dù đề tài của nó là vật lý chứ không phải bán hàng hay vận hành.
Theo nghiên cứu của nhóm tác giả Kestin, Miller, Klales, Milbourne và Ponti, đăng trên tạp chí Scientific Reports ngày 3/6/2025, các nhà nghiên cứu ở Harvard đã làm một thử nghiệm ngẫu nhiên có đối chứng (RCT) vào học kỳ mùa thu năm 2023. Đối tượng là sinh viên một khóa vật lý nhập môn dành cho ngành khoa học đời sống.
Vấn đề: lớp học chủ động đã tốt, liệu còn tốt hơn được không?
Điểm xuất phát không phải là một lớp học tệ. Khóa học này vốn dùng phương pháp học chủ động trên lớp, được nhiều nghiên cứu xem là mạnh hơn kiểu giảng bài một chiều. Câu hỏi của nhóm tác giả là: một gia sư AI được thiết kế cẩn thận có thể đạt hiệu quả ngang hoặc hơn phương pháp đó hay không?
Điều này khác với việc cho sinh viên tự do hỏi một chatbot đa dụng. Theo bài báo, lời nhắc (prompt) của gia sư được xây dựng dựa trên các nguyên tắc sư phạm như khuyến khích người học chủ động tham gia, kiểm soát khối lượng thông tin trong mỗi bước và nuôi dưỡng tư duy phát triển. Gia sư dẫn sinh viên đi qua từng phần của bài toán theo thứ tự, và được cung cấp lời giải từng bước do giảng viên chuẩn bị để câu trả lời chính xác.
Họ đã làm gì
Thiết kế thử nghiệm khá gọn. Theo bài báo, khóa học có 233 sinh viên đăng ký, trong đó 194 người đủ điều kiện đưa vào phân tích. Mỗi sinh viên học hai bài trong hai tuần liên tiếp (một bài về sức căng bề mặt, một bài về dòng chảy chất lỏng). Một bài học với gia sư AI ở nhà, bài còn lại học theo kiểu chủ động trên lớp; thứ tự được phân ngẫu nhiên giữa các nhóm. Nhờ vậy mỗi sinh viên tự làm đối chứng cho chính mình, giảm bớt chuyện khác biệt về năng lực giữa hai nhóm.
Kết quả: những con số và cách đọc cho đúng
Theo bài báo, điểm trung vị sau bài của nhóm học với gia sư AI là 4,5, so với 3,5 ở nhóm học chủ động trên lớp. Các tác giả cho biết mức tăng điểm trung vị của nhóm AI hơn gấp đôi nhóm kia (họ cũng lưu ý hiệu ứng trần điểm), với kích thước hiệu ứng ước tính trong khoảng 0,73 đến 1,3 độ lệch chuẩn theo phương pháp hồi quy phân vị. Họ cũng cho rằng ước lượng bằng hồi quy tuyến tính (0,63) có thể đã thấp hơn thực tế vì nhiều sinh viên chạm trần điểm tối đa.
Về thời gian, thời gian học trung vị với gia sư AI là 49 phút. Cần đọc chính xác điểm này: buổi học trên lớp kéo dài 75 phút, nhưng 15 phút trong đó dành cho kiểm tra đầu và cuối bài, nên các tác giả giả định thời gian học thực chất là 60 phút. Vậy phép so sánh đúng là 49 phút so với khoảng 60 phút, không phải 49 so với 75. Theo bài báo, khoảng 70% sinh viên học với gia sư AI mất dưới 60 phút.
Ngoài ra, theo bài báo, sinh viên tự đánh giá mức gắn kết ở nhóm gia sư AI là 4,1 so với 3,6 và mức động lực là 3,4 so với 3,1. Tuy nhiên, mức độ thích thú và tư duy phát triển không khác biệt có ý nghĩa thống kê giữa hai nhóm.
Những điều chưa biết
Chính các tác giả nêu ra khá nhiều giới hạn, và chủ doanh nghiệp nên đọc kỹ:
- Đây là một khóa học, ở một trường, với kiến thức nhập môn. Chưa rõ kết quả có giữ được với nội dung đòi hỏi tổng hợp phức tạp hoặc tư duy phản biện bậc cao.
- Điều kiện thử nghiệm khá tốt: mô hình mạnh, video chất lượng và lời nhắc do chuyên gia viết. Kết quả có thể phụ thuộc vào những yếu tố này.
- Gia sư dựa vào lời giải viết sẵn từng bước, chưa tự sinh lời giải. Nó cũng chỉ phản hồi khi sinh viên đặt câu hỏi và chưa đọc được bài làm dạng hình ảnh hay âm thanh.
- Đây là kết quả ngắn hạn qua bài kiểm tra sau buổi học, chưa nói gì về việc nhớ lâu hay áp dụng vào công việc thật.
Cần nói rõ: thử nghiệm không tách riêng từng yếu tố nên không thể kết luận chắc điều gì tạo ra chênh lệch. Điều có thể nói là gia sư trong nghiên cứu được thiết kế có chủ đích, chứ không phải một chatbot thông thường để sinh viên hỏi tự do.
Bốn bài học cho chủ doanh nghiệp SME
1. Thiết kế quy trình học trước, chọn công cụ sau
Gia sư trong nghiên cứu tuân theo một trình tự sư phạm rõ ràng. Với onboarding, hãy bắt đầu bằng việc viết ra: nhân viên mới cần biết gì, theo thứ tự nào, làm sao biết họ đã hiểu.
2. Cho AI nền kiến thức chuẩn của chính doanh nghiệp
Theo bài báo, gia sư được cấp lời giải từng bước do giảng viên chuẩn bị nhằm giữ câu trả lời chính xác. Từ đó có thể gợi ý rằng quy trình bán hàng, chính sách đổi trả, cách xử lý khiếu nại do công ty bạn quy định nên là nguồn mà trợ lý đào tạo dựa vào, thay vì để nó tự suy diễn.
3. Hãy theo dõi thời gian học, đừng chỉ nhìn điểm số
Theo bài báo, thời gian học trung vị là 49 phút so với khoảng 60 phút giả định ở lớp học. Đó không phải phép màu, và nghiên cứu không đo thời gian của người dạy. Tuy vậy, với đào tạo lặp đi lặp lại, doanh nghiệp có thể tự đo xem công cụ có rút ngắn thời gian học của nhân viên mới hay không, và liệu người quản lý có bớt phải giải đáp câu hỏi cơ bản để dành sức cho phần cần con người như nhận xét, huấn luyện tình huống.
4. Thử nhỏ, đo rõ, rồi mới mở rộng
Nghiên cứu này có nhóm đối chứng và bài kiểm tra chung. SME không cần quy mô đó, nhưng nên chọn một vị trí hoặc một mảng kiến thức, đặt câu hỏi kiểm tra trước và sau, so sánh với cách đào tạo hiện tại. Đừng suy ra rằng kết quả ở giảng đường Harvard sẽ lặp lại y nguyên trong công ty bạn.
Lời kết
Câu chuyện Harvard gợi ý rằng AI có thể hỗ trợ đào tạo tốt khi đi theo một quy trình được thiết kế có chủ đích, dù cần kiểm chứng thêm trong bối cảnh của từng doanh nghiệp. Cách BLA Tech tiếp cận cũng bắt đầu từ đó: hiểu bài toán thật của doanh nghiệp, thiết kế AI Agents bám theo quy trình, rồi đồng hành để hệ thống vận hành ổn định và cải thiện dần.
