a16z “Những ý tưởng lớn năm 2026: Phần một”

Bài viết này sẽ chia sẻ quan điểm từ các nhóm Cơ sở hạ tầng, Tăng trưởng, Sinh học + Sức khỏe và nhóm Speedrun.

Tác giả: a16z New Media

Biên dịch: Block unicorn

Là nhà đầu tư, nhiệm vụ của chúng tôi là hiểu sâu về mọi ngóc ngách của ngành công nghệ để nắm bắt xu hướng phát triển trong tương lai. Do đó, vào tháng 12 hàng năm, chúng tôi đều mời các nhóm đầu tư chia sẻ một ý tưởng lớn mà họ cho rằng các doanh nghiệp công nghệ sẽ giải quyết trong năm tới.

Hôm nay, chúng tôi sẽ chia sẻ quan điểm từ các nhóm Cơ sở hạ tầng, Tăng trưởng, Sinh học + Sức khỏe và nhóm Speedrun. Hãy đón chờ những chia sẻ từ các nhóm khác vào ngày mai.

Cơ sở hạ tầng

Jennifer Li: Các startup làm thế nào để điều hướng sự hỗn loạn của dữ liệu đa mô hình

Dữ liệu phi cấu trúc, đa mô hình luôn là nút thắt lớn nhất mà doanh nghiệp phải đối mặt, đồng thời cũng là kho báu lớn nhất chưa được khai phá. Mỗi công ty đều ngập trong biển PDF, ảnh chụp màn hình, video, nhật ký, email và dữ liệu bán cấu trúc. Các mô hình ngày càng thông minh hơn, nhưng dữ liệu đầu vào lại ngày càng hỗn loạn, dẫn đến hệ thống RAG gặp sự cố, các agent thất bại theo cách khó phát hiện và tốn kém, các quy trình công việc quan trọng vẫn phụ thuộc nặng vào kiểm tra chất lượng thủ công. Yếu tố hạn chế của các công ty AI hiện nay là entropy dữ liệu: trong thế giới dữ liệu phi cấu trúc, tính mới, cấu trúc và tính xác thực đều liên tục suy giảm, trong khi 80% tri thức doanh nghiệp hiện nằm trong các dữ liệu phi cấu trúc này.

Chính vì vậy, làm rõ dữ liệu phi cấu trúc trở thành cơ hội ngàn năm có một. Doanh nghiệp cần một phương pháp liên tục để làm sạch, xây dựng, xác thực và quản lý dữ liệu đa mô hình của mình, nhằm đảm bảo các tác vụ AI phía sau thực sự phát huy tác dụng. Ứng dụng thì ở khắp nơi: phân tích hợp đồng, quy trình onboarding, xử lý bồi thường, tuân thủ, chăm sóc khách hàng, mua sắm, tìm kiếm kỹ thuật, hỗ trợ bán hàng, pipeline phân tích, và tất cả các quy trình agent phụ thuộc vào ngữ cảnh đáng tin cậy. Những startup xây dựng nền tảng có thể trích xuất cấu trúc từ tài liệu, hình ảnh, video, giải quyết xung đột, sửa pipeline hoặc duy trì tính mới và khả năng truy xuất của dữ liệu sẽ nắm giữ chìa khóa cho vương quốc tri thức và quy trình doanh nghiệp.

Joel de la Garza: AI làm hồi sinh tuyển dụng an ninh mạng

Trong phần lớn thập kỷ qua, thách thức lớn nhất của các Giám đốc An ninh Thông tin (CISO) là tuyển dụng. Từ 2013 đến 2021, số vị trí tuyển dụng trong an ninh mạng tăng từ dưới 1 triệu lên 3 triệu. Nguyên nhân là các đội an ninh thuê rất nhiều kỹ sư lành nghề để làm các công việc cấp 1 nhàm chán như kiểm tra log mà không ai muốn làm. Gốc rễ vấn đề là các đội an ninh mua sản phẩm có thể phát hiện mọi thứ, tạo ra khối lượng công việc khổng lồ, buộc đội ngũ phải kiểm tra tất cả thông tin – điều này lại tạo ra sự thiếu hụt lao động giả tạo. Một vòng luẩn quẩn.

Đến năm 2026, AI sẽ phá vỡ vòng luẩn quẩn này và lấp đầy khoảng trống tuyển dụng bằng cách tự động hóa nhiều công việc lặp lại của đội an ninh mạng. Bất cứ ai từng làm việc trong đội an ninh lớn đều biết một nửa công việc có thể tự động hóa dễ dàng, nhưng khi công việc chất đống, rất khó xác định nên tự động hóa phần nào. Các công cụ AI gốc giúp đội an ninh giải quyết vấn đề này sẽ cho phép họ tập trung vào điều họ thực sự muốn làm: săn lùng kẻ xấu, xây dựng hệ thống mới và sửa lỗi bảo mật.

Malika Aubakirova: Hạ tầng agent gốc sẽ trở thành tiêu chuẩn

Đến năm 2026, cú sốc lớn nhất về hạ tầng sẽ không đến từ bên ngoài doanh nghiệp mà đến từ bên trong. Chúng ta đang chuyển từ lưu lượng "tốc độ con người" có thể dự đoán, ít đồng thời sang tải công việc "tốc độ agent" quy mô lớn, đột biến, đệ quy.

Backend doanh nghiệp hiện nay được thiết kế cho tỷ lệ 1:1 giữa thao tác con người và phản hồi hệ thống. Nó không được kiến trúc để một agent đơn lẻ có thể kích hoạt 5000 tác vụ con, truy vấn cơ sở dữ liệu và gọi API nội bộ ở cấp độ mili giây. Khi agent cố gắng tái cấu trúc codebase hoặc sửa log bảo mật, nó không giống một người dùng. Trong mắt database truyền thống hoặc bộ giới hạn lưu lượng, nó giống như một cuộc tấn công DDoS.

Xây dựng hệ thống cho agent năm 2026 nghĩa là phải thiết kế lại control plane. Chúng ta sẽ chứng kiến sự trỗi dậy của hạ tầng "agent native". Hạ tầng thế hệ tiếp theo phải coi "thundering herd" là trạng thái mặc định. Thời gian khởi động lạnh phải rút ngắn, độ trễ phải giảm mạnh, giới hạn đồng thời phải tăng gấp nhiều lần. Nút thắt nằm ở điều phối: routing, locking, quản lý trạng thái và thực thi chính sách trong thực thi song song quy mô lớn. Chỉ những nền tảng có thể xử lý dòng chảy công cụ khổng lồ này mới chiến thắng cuối cùng.

Justine Moore: Công cụ sáng tạo hướng tới đa mô hình

Chúng ta hiện đã có các module xây dựng kể chuyện bằng AI: tạo giọng nói, nhạc, hình ảnh và video. Nhưng với bất kỳ nội dung nào vượt quá một đoạn ngắn, việc lấy được kết quả mong muốn thường tốn thời gian, gây thất vọng – thậm chí là không thể – đặc biệt khi bạn muốn kiểm soát ở mức độ đạo diễn truyền thống.

Tại sao chúng ta không thể cho mô hình một video 30 giây, rồi để nó tiếp tục diễn cảnh đó với nhân vật mới tạo ra từ hình ảnh và âm thanh tham chiếu? Hoặc quay lại video từ góc nhìn khác, hoặc khiến hành động khớp với video tham chiếu?

Năm 2026 sẽ là năm AI tiến tới đa mô hình. Bạn có thể cung cấp cho mô hình bất kỳ dạng nội dung tham khảo nào và dùng nó để sáng tạo nội dung mới hoặc chỉnh sửa cảnh hiện có. Chúng ta đã thấy một số sản phẩm sớm như Kling O1 và Runway Aleph. Nhưng vẫn còn nhiều việc phải làm – cần đổi mới cả ở tầng mô hình lẫn ứng dụng.

Sáng tạo nội dung là một trong những ứng dụng sát thương nhất của AI, tôi kỳ vọng sẽ thấy nhiều sản phẩm thành công xuất hiện, bao phủ nhiều kịch bản và nhóm khách hàng, từ người làm meme đến đạo diễn Hollywood.

Jason Cui: Data stack gốc AI tiếp tục tiến hóa

Năm qua, khi các công ty dữ liệu chuyển từ tập trung vào ingest, transform, compute sang các nền tảng hợp nhất, chúng ta đã chứng kiến sự hội tụ của "modern data stack". Ví dụ: sự hợp nhất của Fivetran/dbt và sự trỗi dậy của các nền tảng hợp nhất như Databricks.

Dù toàn bộ hệ sinh thái đã trưởng thành rõ rệt, chúng ta vẫn đang ở giai đoạn đầu của kiến trúc dữ liệu gốc AI thực sự. Chúng tôi hào hứng với cách AI tiếp tục thay đổi nhiều mắt xích trong data stack, và bắt đầu nhận ra dữ liệu và hạ tầng AI đang trở nên không thể tách rời.

Dưới đây là một số hướng đi chúng tôi đánh giá cao:

• Dữ liệu sẽ chảy vào vector database hiệu năng cao cùng với dữ liệu cấu trúc truyền thống như thế nào
• AI agent giải quyết "bài toán ngữ cảnh" ra sao: liên tục truy cập đúng ngữ cảnh dữ liệu kinh doanh và tầng ngữ nghĩa, từ đó xây dựng ứng dụng mạnh mẽ như tương tác với dữ liệu và đảm bảo các ứng dụng này luôn có định nghĩa nghiệp vụ đúng trên nhiều hệ thống ghi nhận
• Khi workflow dữ liệu ngày càng agent hóa và tự động hóa, các công cụ BI truyền thống và bảng tính sẽ thay đổi thế nào

Yoko Li: Năm chúng ta bước vào video

Đến năm 2026, video sẽ không còn là nội dung chúng ta thụ động xem nữa, mà giống như một không gian chúng ta thực sự có thể hiện diện bên trong. Mô hình video cuối cùng cũng hiểu được thời gian, nhớ những gì đã trình chiếu, phản ứng với thao tác của chúng ta và duy trì sự nhất quán đáng tin cậy như thế giới thực. Các hệ thống này không chỉ tạo ra vài giây hình ảnh rời rạc, mà còn duy trì nhân vật, vật thể và hiệu ứng vật lý đủ lâu để hành động có ý nghĩa và thể hiện hậu quả. Sự chuyển đổi này biến video thành một phương tiện có thể phát triển liên tục: robot có thể luyện tập, game có thể tiến hóa, nhà thiết kế có thể tạo prototype, agent có thể học qua thực hành. Kết quả cuối cùng không còn giống một đoạn video, mà giống một môi trường sống động, một không gian bắt đầu thu hẹp khoảng cách giữa nhận thức và hành động. Lần đầu tiên, chúng ta cảm thấy mình có thể thực sự bước vào video do mình tạo ra.

Tăng trưởng

Sarah Wang: Hệ thống ghi nhận mất vị thế thống trị

Đến năm 2026, sự thay đổi đột phá thực sự trong phần mềm doanh nghiệp là hệ thống ghi nhận cuối cùng sẽ mất vị thế thống trị. AI đang thu hẹp khoảng cách giữa ý định và thực thi: mô hình giờ đây có thể đọc, ghi và suy luận trực tiếp trên dữ liệu vận hành, biến hệ thống ITSM và CRM từ database thụ động thành engine workflow tự chủ. Khi các tiến bộ mới nhất về mô hình suy luận và workflow agent tích lũy, các hệ thống này không chỉ phản hồi mà còn dự đoán, điều phối và thực thi quy trình end-to-end. Giao diện chuyển thành lớp agent động, còn hệ thống ghi nhận truyền thống lùi về hậu trường, trở thành tầng lưu trữ phổ quát – lợi thế chiến lược sẽ thuộc về ai kiểm soát môi trường thực thi agent mà nhân viên sử dụng hàng ngày.

Alex Immerman: AI ngành dọc tiến hóa từ truy xuất thông tin, suy luận sang hợp tác đa bên

AI thúc đẩy phần mềm ngành dọc tăng trưởng chưa từng có. Các công ty y tế, pháp lý, bất động sản chỉ trong vài năm đã đạt ARR trên 100 millions USD; tài chính và kế toán theo sát phía sau. Sự tiến hóa này bắt đầu từ truy xuất thông tin: tìm kiếm, trích xuất, tổng hợp thông tin đúng. Năm 2025 mang lại năng lực suy luận: Hebbia phân tích báo cáo tài chính và xây dựng mô hình, Basis đối chiếu bảng tính giữa các hệ thống, EliseAI chẩn đoán sự cố bảo trì và điều phối nhà cung cấp phù hợp.

Năm 2026 sẽ mở khóa mô hình hợp tác đa bên. Phần mềm ngành dọc hưởng lợi từ giao diện, dữ liệu và tích hợp đặc thù. Nhưng bản chất công việc ngành dọc là hợp tác nhiều bên. Nếu agent đại diện cho lực lượng lao động, chúng cần hợp tác. Từ người mua, người bán, đến người thuê, cố vấn, nhà cung cấp, mỗi bên có quyền hạn, workflow và yêu cầu tuân thủ khác nhau – chỉ phần mềm ngành dọc mới hiểu được.

Hiện nay, các bên đều dùng AI độc lập, dẫn đến thiếu ủy quyền khi chuyển giao. AI phân tích hợp đồng mua sắm không trao đổi với CFO để điều chỉnh mô hình. AI bảo trì cũng không biết nhân viên hiện trường từng hứa gì với người thuê. Sự đổi mới của hợp tác đa bên là điều phối giữa các stakeholder: định tuyến nhiệm vụ tới chuyên gia chức năng, duy trì ngữ cảnh, đồng bộ thay đổi. AI của đối tác thương mại đàm phán trong phạm vi tham số đã định, đánh dấu điểm bất đối xứng để con người kiểm tra. Đánh dấu của partner cấp cao dùng để huấn luyện hệ thống toàn công ty. Nhiệm vụ do AI thực hiện sẽ có tỷ lệ thành công cao hơn.

Khi giá trị của hợp tác đa bên và đa agent tăng lên, chi phí chuyển đổi cũng tăng theo. Chúng ta sẽ chứng kiến hiệu ứng mạng mà ứng dụng AI luôn mơ ước: lớp hợp tác trở thành hào lũy bảo vệ.

Stephenie Zhang: Thiết kế cho agent, không phải cho con người

Đến năm 2026, con người sẽ bắt đầu tương tác với web thông qua agent. Những gì từng tối ưu cho người dùng sẽ không còn quan trọng với agent.

Nhiều năm qua, chúng ta tối ưu cho hành vi con người có thể dự đoán: xếp hạng cao trên Google, đứng đầu Amazon, mở đầu bằng "TL;DR" ngắn gọn. Hồi cấp ba, tôi học báo chí, cô giáo dạy phải viết "5W1H", bài chuyên đề phải mở đầu hấp dẫn. Có thể người đọc sẽ bỏ lỡ những luận điểm giá trị ở trang 5, nhưng AI thì không.

Chuyển đổi này cũng thể hiện ở phần mềm. Ứng dụng được thiết kế cho nhu cầu thị giác và thao tác của con người, tối ưu là UI tốt và quy trình trực quan. Khi AI đảm nhận truy xuất và diễn giải, thiết kế thị giác không còn quan trọng với việc hiểu. Kỹ sư không còn dán mắt vào dashboard Grafana, AI SRE có thể diễn giải dữ liệu telemetry và post kết quả lên Slack. Đội sales không cần lục lọi CRM, AI tự động trích xuất mẫu và tóm tắt.

Chúng ta không còn thiết kế nội dung cho con người, mà cho AI. Mục tiêu tối ưu mới không còn là phân cấp thị giác, mà là khả năng đọc máy – điều này sẽ thay đổi cách chúng ta sáng tạo và công cụ chúng ta sử dụng.

Santiago Rodriguez: Kết thúc KPI "thời gian màn hình" trong ứng dụng AI

15 năm qua, thời gian màn hình là chỉ số tốt nhất đo giá trị ứng dụng tiêu dùng và doanh nghiệp. Chúng ta sống trong mô hình lấy thời lượng stream Netflix, số lần click trong EMR y tế (để chứng minh sử dụng hiệu quả), thậm chí thời gian dùng ChatGPT làm KPI. Khi chúng ta chuyển sang mô hình định giá dựa trên kết quả, điều phối hoàn hảo động lực giữa nhà cung cấp và người dùng, chúng ta sẽ loại bỏ báo cáo thời gian màn hình đầu tiên.

Chúng ta đã thấy điều này trong thực tế. Khi tôi chạy truy vấn DeepResearch trên ChatGPT, dù thời gian màn hình gần như bằng 0, tôi vẫn nhận được giá trị lớn. Khi Abridge tự động ghi lại hội thoại bác sĩ-bệnh nhân và thực hiện tác vụ tiếp theo, bác sĩ gần như không cần nhìn màn hình. Khi Cursor phát triển ứng dụng end-to-end hoàn chỉnh, kỹ sư đã lên kế hoạch cho chu kỳ phát triển tiếp theo. Khi Hebbia viết slide dựa trên hàng trăm tài liệu công khai, banker cuối cùng cũng được ngủ ngon.

Điều này tạo ra một thách thức độc đáo: tiêu chuẩn tính phí người dùng đơn lẻ của ứng dụng cần phương pháp đo ROI phức tạp hơn. Ứng dụng AI phổ biến sẽ nâng cao sự hài lòng của bác sĩ, hiệu suất lập trình viên, phúc lợi nhà phân tích tài chính và hạnh phúc người tiêu dùng. Những công ty trình bày ROI ngắn gọn nhất sẽ tiếp tục vượt lên đối thủ.

Sinh học + Sức khỏe

Julie Yoo: Người dùng hoạt động hàng tháng khỏe mạnh (MAU)

Đến năm 2026, một nhóm khách hàng chăm sóc sức khỏe mới sẽ trở thành tâm điểm: "Người dùng hoạt động hàng tháng khỏe mạnh".

Hệ thống chăm sóc sức khỏe truyền thống chủ yếu phục vụ ba nhóm: (a) "Người dùng hoạt động hàng tháng mắc bệnh": nhu cầu biến động lớn, chi phí cao; (b) "Người dùng hoạt động hàng ngày mắc bệnh *": ví dụ bệnh nhân cần chăm sóc đặc biệt lâu dài; và (c) "Người dùng trẻ khỏe mạnh hoạt động *": tương đối khỏe mạnh, ít đi khám. Người dùng trẻ khỏe mạnh có nguy cơ chuyển thành người dùng mắc bệnh hàng tháng/hàng ngày, và chăm sóc dự phòng có thể làm chậm quá trình này. Nhưng hệ thống chi trả y tế thiên về điều trị hơn phòng ngừa, nên dịch vụ kiểm tra, giám sát chủ động không được ưu tiên, bảo hiểm cũng hiếm khi chi trả.

Giờ đây, nhóm người dùng hoạt động hàng tháng khỏe mạnh xuất hiện: họ không mắc bệnh, nhưng muốn theo dõi, hiểu sức khỏe bản thân thường xuyên – và có thể là nhóm lớn nhất trong người tiêu dùng. Chúng tôi dự đoán một loạt công ty – gồm cả startup AI gốc và phiên bản nâng cấp của doanh nghiệp hiện tại – sẽ bắt đầu cung cấp dịch vụ định kỳ cho nhóm này.

Với tiềm năng giảm chi phí dịch vụ y tế nhờ AI, sự xuất hiện của sản phẩm bảo hiểm sức khỏe mới tập trung vào phòng ngừa, cùng việc người tiêu dùng sẵn sàng tự trả phí theo mô hình đăng ký, "người dùng hoạt động hàng tháng khỏe mạnh" sẽ là nhóm khách hàng tiềm năng tiếp theo của công nghệ y tế: họ tham gia liên tục, dựa trên dữ liệu và chú trọng phòng ngừa.

Speedrun (tên một nhóm đầu tư nội bộ của a16z)

Jon Lai: World Model tỏa sáng trong lĩnh vực kể chuyện

Năm 2026, world model do AI dẫn dắt sẽ cách mạng hóa cách kể chuyện thông qua thế giới ảo tương tác và kinh tế số. Các công nghệ như Marble (World Labs) và Genie 3 (DeepMind) đã có thể tạo ra môi trường 3D hoàn chỉnh từ prompt văn bản, cho phép người dùng khám phá như trong game. Khi nhà sáng tạo áp dụng các công cụ này, hình thức kể chuyện mới sẽ xuất hiện, cuối cùng có thể tiến hóa thành "Minecraft sinh thành", nơi người chơi cùng tạo ra vũ trụ khổng lồ liên tục phát triển. Những thế giới này có thể kết hợp cơ chế game với lập trình ngôn ngữ tự nhiên, ví dụ, người chơi có thể ra lệnh "tạo một cây cọ, biến mọi thứ tôi chạm vào thành màu hồng".

Các mô hình này sẽ xóa nhòa ranh giới giữa người chơi và nhà sáng tạo, biến người dùng thành đồng sáng tạo của thực tại động chia sẻ. Sự tiến hóa này có thể tạo ra đa vũ trụ sinh thành liên kết, nơi các thể loại như kỳ ảo, kinh dị, phiêu lưu cùng tồn tại. Trong các thế giới ảo này, kinh tế số sẽ phát triển mạnh, nhà sáng tạo có thể kiếm tiền bằng cách tạo tài sản, hướng dẫn người mới hoặc phát triển công cụ tương tác mới. Ngoài giải trí, các thế giới sinh thành này còn là môi trường mô phỏng phong phú để huấn luyện AI agent, robot, thậm chí AGI. Do đó, sự trỗi dậy của world model không chỉ đánh dấu sự xuất hiện của thể loại game mới, mà còn báo hiệu một phương tiện sáng tạo và biên giới kinh tế hoàn toàn mới.

Josh Lu: "Năm của tôi"

Năm 2026 sẽ là "năm của tôi": sản phẩm sẽ không còn sản xuất hàng loạt, mà được cá nhân hóa cho bạn.

Chúng ta đã thấy xu hướng này ở khắp nơi.

Trong giáo dục, các startup như Alphaschool đang xây dựng AI mentor có thể thích ứng với tiến độ và sở thích học tập của từng học sinh, giúp mỗi trẻ nhận được giáo dục phù hợp với nhịp độ và sở thích của mình. Nếu không chi hàng chục ngàn USD cho mỗi học sinh, mức độ quan tâm này là không thể.

Trong lĩnh vực sức khỏe, AI đang thiết kế các gói bổ sung dinh dưỡng, kế hoạch tập luyện và chế độ ăn hàng ngày cá nhân hóa theo đặc điểm sinh lý của bạn. Không cần huấn luyện viên hay phòng thí nghiệm.

Ngay cả trong truyền thông, AI cũng giúp nhà sáng tạo tái tổ chức tin tức, chương trình, câu chuyện để tạo ra luồng thông tin cá nhân hóa hoàn toàn theo sở thích của bạn.

Các công ty lớn nhất thế kỷ trước thành công vì họ tìm ra người tiêu dùng đại chúng.

Các công ty lớn nhất thế kỷ tới sẽ chiến thắng bằng cách tìm ra từng cá nhân trong số người tiêu dùng đại chúng đó.

Năm 2026, thế giới sẽ không còn tối ưu cho tất cả, mà bắt đầu tối ưu cho bạn.

Emily Bennett: Đại học gốc AI đầu tiên

Tôi dự đoán năm 2026 chúng ta sẽ chứng kiến sự ra đời của đại học gốc AI đầu tiên, một tổ chức được xây dựng từ đầu xoay quanh hệ thống AI.

Vài năm qua, các trường đại học đã thử áp dụng AI vào chấm điểm, hướng dẫn, sắp xếp khóa học. Nhưng giờ đây đang xuất hiện một hệ thống AI sâu hơn, có khả năng học và tự tối ưu theo thời gian thực.

Hãy tưởng tượng trong một tổ chức như vậy, khóa học, tư vấn, hợp tác nghiên cứu, thậm chí vận hành tòa nhà đều liên tục điều chỉnh dựa trên vòng lặp phản hồi dữ liệu. Thời khóa biểu tự tối ưu. Danh sách đọc cập nhật mỗi đêm, tự động viết lại khi có nghiên cứu mới. Lộ trình học điều chỉnh theo thời gian thực để phù hợp tiến độ và thực tế của từng sinh viên.

Chúng ta đã thấy một số tín hiệu. Đại học Bang Arizona (ASU) hợp tác toàn trường với OpenAI đã tạo ra hàng trăm dự án AI cho giảng dạy và quản trị. Đại học Bang New York (SUNY) đã đưa AI literacy vào yêu cầu giáo dục đại cương. Đó là nền tảng cho triển khai sâu hơn.

Ở đại học gốc AI, giáo sư sẽ là kiến trúc sư học tập, chịu trách nhiệm quản lý dữ liệu, tinh chỉnh mô hình và hướng dẫn sinh viên cách chất vấn lý luận của máy.

Cách đánh giá cũng sẽ thay đổi. Công cụ phát hiện và lệnh cấm đạo văn sẽ được thay thế bằng đánh giá nhận thức AI, tiêu chí chấm điểm không còn là có dùng AI hay không, mà là dùng AI như thế nào. Minh bạch và chiến lược thay thế cấm đoán.

Khi mọi ngành đều nỗ lực tuyển dụng người có khả năng thiết kế, quản lý, hợp tác với hệ thống AI, đại học kiểu mới này sẽ là trung tâm đào tạo, cung cấp sinh viên tốt nghiệp thành thạo điều phối hệ thống AI, hỗ trợ thị trường lao động thay đổi nhanh chóng.

Đại học gốc AI này sẽ là động cơ nhân tài cho nền kinh tế mới.

Hôm nay đến đây thôi, hẹn gặp lại ở phần tiếp theo, hãy đón chờ.