Đỗ Đức Dũng
Tóm tắt
Trong quản trị truyền thống, kinh nghiệm của người lãnh đạo, chuyên gia và cán bộ lâu năm giữ vai trò rất quan trọng. Kinh nghiệm giúp nhận ra vấn đề, hiểu bối cảnh, đánh giá rủi ro và ra quyết định trong điều kiện thông tin chưa đầy đủ. Tuy nhiên, trong thời đại dữ liệu lớn, AI, WebGIS, dashboard và Digital Twin, quyết định chỉ dựa vào kinh nghiệm cá nhân không còn đủ. Dữ liệu giúp tổ chức nhìn thấy hiện trạng khách quan hơn, kiểm chứng giả định, phát hiện xu thế, đo lường kết quả và giảm phụ thuộc vào cảm tính. Bài viết cho rằng không nên đặt dữ liệu và kinh nghiệm vào thế đối lập. Quyết định tốt trong thời đại AI phải là sự kết hợp giữa dữ liệu đáng tin, mô hình phù hợp, kinh nghiệm chuyên gia, hiểu biết bối cảnh và trách nhiệm của người ra quyết định. Dữ liệu không thay thế kinh nghiệm; kinh nghiệm cũng không thể đứng ngoài kiểm chứng của dữ liệu. Luận điểm chính của bài viết là: quản trị hiện đại không phải là bỏ kinh nghiệm để chạy theo dữ liệu, mà là dùng dữ liệu để làm cho kinh nghiệm sáng hơn, và dùng kinh nghiệm để làm cho dữ liệu có ý nghĩa hơn.
Từ khóa: ra quyết định, dữ liệu, kinh nghiệm, AI, quản trị, lãnh đạo, quản trị dữ liệu, quyết định dựa trên bằng chứng, tài nguyên nước, tổ chức nghiên cứu.
1. Đặt vấn đề
Trong quản lý, có một câu hỏi rất thường gặp:
Nên ra quyết định bằng dữ liệu hay bằng kinh nghiệm?
Người làm quản lý lâu năm thường tin vào kinh nghiệm. Điều này có lý. Bởi kinh nghiệm được tích lũy qua thời gian, va chạm, xử lý tình huống, thất bại, thành công và trách nhiệm thực tế.
Nhưng người làm chuyển đổi số lại nhấn mạnh dữ liệu. Điều này cũng có lý. Bởi nếu không có dữ liệu, tổ chức rất dễ quyết định theo cảm tính, theo thói quen, theo báo cáo một chiều hoặc theo nhận thức chủ quan.
Vấn đề là nếu đặt câu hỏi theo kiểu “dữ liệu hay kinh nghiệm”, ta đã vô tình tạo ra một đối lập không cần thiết.
Trong quản trị hiện đại, nhất là thời đại AI, câu hỏi đúng hơn phải là:
- Làm thế nào để kết hợp dữ liệu và kinh nghiệm để ra quyết định tốt hơn?
Dữ liệu cho ta bằng chứng.
Kinh nghiệm cho ta bối cảnh.
Dữ liệu cho ta tín hiệu.
Kinh nghiệm giúp phân biệt tín hiệu với nhiễu.
Dữ liệu giúp kiểm chứng nhận định.
Kinh nghiệm giúp đặt câu hỏi đúng với dữ liệu.
Dữ liệu giúp nhìn rộng hơn.
Kinh nghiệm giúp hiểu sâu hơn.
Nếu chỉ có dữ liệu mà không có kinh nghiệm, quyết định có thể máy móc.
Nếu chỉ có kinh nghiệm mà không có dữ liệu, quyết định có thể chủ quan.
Vì vậy, tương lai của quản trị không phải là “dữ liệu thay thế kinh nghiệm”, mà là “kinh nghiệm được kiểm chứng bằng dữ liệu”.
2. Kinh nghiệm có giá trị gì trong quản trị?
Kinh nghiệm là tài sản rất lớn của người lãnh đạo và chuyên gia.
Kinh nghiệm giúp nhận ra điều không bình thường.
Một người có kinh nghiệm có thể nhìn một báo cáo và biết phần nào cần hỏi lại.
Có thể nghe một phương án và nhận ra rủi ro chưa được nêu.
Có thể đọc một biểu đồ và thấy số liệu không tự nhiên.
Có thể nhìn một bản đồ ngập và biết vùng đó ngoài thực tế có vấn đề khác.
Kinh nghiệm giúp ra quyết định khi dữ liệu chưa đầy đủ.
Trong thực tế quản lý, rất hiếm khi người lãnh đạo có đủ mọi dữ liệu cần thiết. Dữ liệu có thể thiếu, chậm, sai, không đồng bộ hoặc mâu thuẫn. Khi đó, kinh nghiệm giúp phán đoán.
Kinh nghiệm giúp hiểu con người.
Dữ liệu có thể cho biết tiến độ chậm, nhưng kinh nghiệm lãnh đạo giúp hiểu vì sao chậm: do năng lực, do quá tải, do phối hợp kém, do thiếu động lực, do sợ trách nhiệm hay do quy trình bất hợp lý.
Kinh nghiệm giúp hiểu bối cảnh.
Một phương án kỹ thuật có thể đúng theo tính toán, nhưng kinh nghiệm cho biết địa phương có thể không đồng thuận, người dân có thể không chấp nhận, hoặc điều kiện vận hành thực tế không giống thiết kế.
Kinh nghiệm giúp nhìn thấy phần không đo được.
Không phải mọi giá trị đều đo được ngay bằng chỉ số. Niềm tin, văn hóa tổ chức, uy tín nghề nghiệp, cảm giác an toàn của người dân, sự trưởng thành của cán bộ trẻ — những thứ đó rất khó đo đầy đủ, nhưng lại rất quan trọng.
Vì vậy, không nên xem nhẹ kinh nghiệm.
Trong nhiều lĩnh vực như tài nguyên nước, thủy lợi, vận hành hồ chứa, phòng chống thiên tai, quy hoạch lưu vực, kinh nghiệm chuyên gia là lớp tri thức rất quý.
3. Nhưng kinh nghiệm cũng có giới hạn
Kinh nghiệm quý, nhưng không phải lúc nào cũng đúng.
Kinh nghiệm được hình thành từ quá khứ. Nhưng điều kiện hiện nay có thể đã khác.
Khí hậu thay đổi.
Đô thị hóa thay đổi.
Dữ liệu thay đổi.
Công nghệ thay đổi.
Hành vi xã hội thay đổi.
Tổ chức thay đổi.
Một kinh nghiệm đúng trong bối cảnh cũ có thể sai trong bối cảnh mới.
Kinh nghiệm cũng có thể bị thiên lệch.
Người ta thường nhớ những sự kiện ấn tượng, nhưng có thể quên những trường hợp bình thường. Người ta có thể quá tin vào một thành công cũ. Người ta cũng có thể sợ lặp lại một thất bại cũ đến mức trở nên quá thận trọng.
Kinh nghiệm cá nhân còn phụ thuộc vào phạm vi trải nghiệm của mỗi người. Một người hiểu sâu một lưu vực chưa chắc hiểu tốt lưu vực khác. Một người từng thành công với mô hình này chưa chắc nên áp dụng y nguyên cho vùng khác.
Vì vậy, kinh nghiệm cần được kiểm chứng.
Không phải để phủ nhận kinh nghiệm, mà để làm kinh nghiệm trở nên đáng tin hơn.
Đây là vai trò rất lớn của dữ liệu.
4. Dữ liệu có giá trị gì trong ra quyết định?
Dữ liệu giúp tổ chức nhìn thấy thực tế rõ hơn.
Một quyết định về lũ không thể chỉ dựa vào cảm giác mưa nhiều hay ít. Cần dữ liệu mưa, mực nước, dòng chảy, triều, hồ chứa, vùng ngập.
Một quyết định về nhân sự không thể chỉ dựa vào cảm tình. Cần dữ liệu về năng lực, kết quả công việc, mức độ đóng góp, khả năng học, tinh thần phối hợp.
Một quyết định về quy hoạch không thể chỉ dựa vào kinh nghiệm vùng. Cần dữ liệu dân cư, đất đai, khí hậu, nguồn nước, công trình, mô hình, rủi ro, kịch bản phát triển.
Dữ liệu giúp kiểm chứng nhận định.
Ví dụ, một người nói vùng này “ngập thường xuyên”. Dữ liệu có thể giúp kiểm tra ngập bao nhiêu lần, sâu bao nhiêu, kéo dài bao lâu, xu thế tăng hay giảm.
Dữ liệu giúp phát hiện xu thế.
Một vài quan sát có thể chưa đủ. Nhưng chuỗi dữ liệu dài có thể cho thấy mực nước đang tăng, hạn đang kéo dài, mặn vào sớm hơn, năng suất tổ chức giảm, hồ sơ xử lý chậm ở khâu nào.
Dữ liệu giúp minh bạch hóa quyết định.
Khi có dữ liệu, quyết định không chỉ dựa vào “tôi nghĩ”. Nó có thể dựa vào bằng chứng có thể kiểm tra.
OECD khi bàn về khu vực công dựa trên dữ liệu nhấn mạnh rằng dữ liệu là một tài sản, có vai trò trong hoạch định chính sách, cung cấp dịch vụ, quản lý tổ chức và đổi mới; cách tiếp cận dựa trên dữ liệu có thể thúc đẩy chính sách dựa trên bằng chứng và thiết kế dịch vụ công dựa trên dữ liệu, đồng thời phải gắn với các giá trị quản trị như liêm chính, cởi mở và công bằng.
Điều này rất phù hợp với quản trị hiện đại: dữ liệu không chỉ để báo cáo, mà để ra quyết định tốt hơn.
5. Dữ liệu cũng có giới hạn
Dữ liệu không tự nói.
Con người phải đặt câu hỏi.
Dữ liệu có thể sai.
Có thể thiếu.
Có thể chậm.
Có thể bị nhập sai.
Có thể bị đo sai.
Có thể bị diễn giải sai.
Có thể bị chọn lọc để phục vụ một kết luận có sẵn.
Dữ liệu cũng có thể phản ánh quá khứ, không phản ánh đầy đủ tương lai.
Trong AI, nếu dữ liệu đầu vào sai, thiếu hoặc thiên lệch, kết quả AI cũng có thể sai, thiếu hoặc thiên lệch. OECD khi bàn về AI trong chính phủ cũng cảnh báo rằng dữ liệu lệch có thể dẫn đến quyết định gây hại, thiếu minh bạch có thể làm suy giảm trách nhiệm giải trình, và quá lệ thuộc AI có thể lan truyền lỗi, làm giảm niềm tin của công dân.
Vì vậy, dữ liệu không thay thế được phán đoán.
Dữ liệu cần được hiểu.
Cần được kiểm tra.
Cần được đặt vào bối cảnh.
Cần được chuyên gia giải thích.
Cần được lãnh đạo cân nhắc cùng giá trị và trách nhiệm.
Một bảng số liệu đúng chưa chắc dẫn đến quyết định đúng nếu người dùng không hiểu hệ thống.
6. AI làm thay đổi quan hệ giữa dữ liệu và kinh nghiệm
Trước đây, kinh nghiệm và dữ liệu thường đi theo hai dòng riêng.
Người có kinh nghiệm dựa nhiều vào trí nhớ, thực địa, va chạm và phán đoán.
Người làm dữ liệu dựa vào bảng tính, mô hình, thống kê và báo cáo.
AI làm hai dòng này có cơ hội gặp nhau.
AI có thể giúp người có kinh nghiệm truy xuất dữ liệu nhanh hơn.
AI có thể giúp người làm dữ liệu hiểu lại các bài học chuyên gia.
AI có thể đọc báo cáo cũ, tìm sự kiện tương tự, tóm tắt lịch sử, phát hiện bất thường.
AI có thể hỗ trợ hỏi – đáp trên kho tri thức nội bộ.
AI có thể gợi ý câu hỏi phản biện cho người lãnh đạo.
Nhưng AI cũng tạo rủi ro mới: làm cho người chưa đủ kinh nghiệm tưởng rằng mình đã hiểu sâu chỉ vì AI trả lời mạch lạc.
Vì vậy, trong thời đại AI, cần một nguyên tắc:
AI giúp kết nối dữ liệu và kinh nghiệm, nhưng không được làm con người lười kiểm chứng.
NIST xây dựng Khung quản trị rủi ro AI để giúp tổ chức quản lý rủi ro của AI đối với cá nhân, tổ chức và xã hội. Điều này nhắc rằng AI không chỉ là công cụ tiện lợi, mà là hệ thống cần được quản trị, kiểm soát và đánh giá trong quá trình sử dụng.
7. Trong quản trị, quyết định tốt cần năm thành phần
Theo tôi, một quyết định tốt trong thời đại AI cần năm thành phần.
Thứ nhất là dữ liệu đáng tin.
Không có dữ liệu tốt, quyết định dễ rơi vào cảm tính.
Thứ hai là mô hình hoặc phương pháp phân tích phù hợp.
Dữ liệu cần được xử lý bằng phương pháp đúng.
Thứ ba là kinh nghiệm chuyên gia.
Kinh nghiệm giúp nhận ra điều dữ liệu chưa nói hết.
Thứ tư là hiểu biết bối cảnh.
Một quyết định đúng về kỹ thuật nhưng sai bối cảnh có thể thất bại.
Thứ năm là trách nhiệm của người ra quyết định.
Cuối cùng, vẫn phải có người chọn và chịu trách nhiệm.
Thiếu một trong năm thành phần này, quyết định sẽ yếu.
Dữ liệu mà không có kinh nghiệm: dễ máy móc.
Kinh nghiệm mà không có dữ liệu: dễ chủ quan.
Mô hình mà không có bối cảnh: dễ sai thực tế.
Bối cảnh mà không có trách nhiệm: dễ né tránh.
AI mà không có con người chịu trách nhiệm: nguy hiểm.
8. Ra quyết định trong ngành tài nguyên nước
Trong ngành tài nguyên nước, câu hỏi dữ liệu hay kinh nghiệm rất rõ.
Dự báo lũ cần dữ liệu mưa, mực nước, dòng chảy, mô hình và AI. Nhưng chuyên gia vẫn phải hiểu lưu vực, hiểu sai số trạm, hiểu hạ du, hiểu công trình.
Vận hành hồ chứa cần dữ liệu thời gian thực, mưa dự báo, mực nước hồ, dung tích, quy trình vận hành và mô hình hạ du. Nhưng người vận hành vẫn phải có kinh nghiệm và trách nhiệm.
Quy hoạch thủy lợi cần dữ liệu dân cư, đất đai, khí hậu, nguồn nước, mô hình, bản đồ, kịch bản phát triển. Nhưng người quy hoạch vẫn phải hiểu vùng, hiểu địa phương, hiểu lịch sử và hiểu xung đột lợi ích.
Cảnh báo ô bao ĐBSCL cần dữ liệu mực nước, cao trình đỉnh bao, DEM, dân cư, mùa vụ và kịch bản lũ. Nhưng người chuyên gia vẫn phải biết rằng không phải mọi rủi ro đều nằm trong một con số cao trình.
Vì vậy, quản trị nước là ví dụ rất tốt cho thấy dữ liệu và kinh nghiệm không thể tách nhau.
Dữ liệu cho thấy nước đang ở đâu.
Kinh nghiệm giúp hiểu nước sẽ đi như thế nào.
Mô hình giúp thử kịch bản.
AI giúp xử lý nhanh.
Lãnh đạo quyết định phải chịu trách nhiệm với người dân, công trình và hạ du.
9. Kết luận
Ra quyết định bằng dữ liệu hay bằng kinh nghiệm?
Câu trả lời là: không nên chọn một trong hai.
Quyết định tốt cần cả hai.
Dữ liệu giúp kiểm chứng kinh nghiệm.
Kinh nghiệm giúp giải thích dữ liệu.
AI giúp kết nối dữ liệu và kinh nghiệm.
Mô hình giúp thử kịch bản.
Con người giữ trách nhiệm cuối cùng.
Trong thời đại AI, người lãnh đạo không nên tự hào rằng mình chỉ cần kinh nghiệm. Nhưng cũng không nên nghĩ chỉ cần có dashboard và AI là đủ.
Quản trị tốt là biết kết hợp.
Dữ liệu làm cho quyết định bớt mù mờ.
Kinh nghiệm làm cho dữ liệu bớt vô hồn.
AI làm cho việc kết nối hai thứ đó nhanh hơn.
Nhưng quyết định đúng vẫn cần con người có trí tuệ, bản lĩnh và trách nhiệm.
Một suy nghĩ bổ sung
Tôi nghĩ kinh nghiệm giống như đôi mắt đã quen nhìn dòng sông.
Dữ liệu giống như hệ thống đo đạc giúp ta biết dòng sông đang thay đổi ra sao.
Nếu chỉ có đôi mắt mà không có số liệu, ta có thể nhầm.
Nếu chỉ có số liệu mà không có đôi mắt nghề nghiệp, ta có thể không hiểu hết ý nghĩa của con nước.
Thời đại AI cho ta thêm một công cụ rất mạnh: có thể đọc nhanh hơn, tính nhanh hơn, so sánh nhiều hơn, dự báo nhiều hơn.
Nhưng càng có công cụ mạnh, con người càng phải khiêm tốn.
Khiêm tốn để biết kinh nghiệm của mình có thể sai.
Khiêm tốn để biết dữ liệu cũng có thể sai.
Khiêm tốn để biết AI có thể sai.
Và đủ trách nhiệm để kiểm chứng trước khi quyết định.
Một quyết định tốt không phải là quyết định của riêng dữ liệu, cũng không phải của riêng kinh nghiệm.
Đó là quyết định nơi dữ liệu, kinh nghiệm, mô hình, bối cảnh và trách nhiệm gặp nhau.
Tài liệu tham khảo
- OECD. A Data-Driven Public Sector: Enabling the Strategic Use of Data for Productive, Inclusive and Trustworthy Governance. OECD Publishing, 2019.
- OECD. Governing with Artificial Intelligence: Are Governments Ready? OECD Publishing, 2025.
- OECD. OECD AI Principles. OECD, thông qua năm 2019, cập nhật năm 2024.
- NIST. Artificial Intelligence Risk Management Framework (AI RMF 1.0). National Institute of Standards and Technology, 2023.
- Davenport, T. H. Competing on Analytics: The New Science of Winning. Harvard Business Review Press, 2007.
- Kahneman, D. Thinking, Fast and Slow. Farrar, Straus and Giroux, 2011.
- Thủ tướng Chính phủ. Quyết định số 142/QĐ-TTg ngày 02/02/2024 phê duyệt Chiến lược dữ liệu quốc gia đến năm 2030.
Thủ tướng Chính phủ. Quyết định số 749/QĐ-TTg ngày 03/06/2020 phê duyệt Chương trình Chuyển đổi số quốc gia đến năm 2025, định hướng đến năm 2030.