Đỗ Đức Dũng
Tóm tắt
Trong nhiều lĩnh vực kỹ thuật, quản lý công và tài nguyên nước, một thế hệ chuyên gia đầu tiên đang hoặc sắp bước vào giai đoạn nghỉ hưu. Đó là những người đã trực tiếp tham gia điều tra cơ bản, xây dựng mô hình, lập quy hoạch, thiết kế công trình, vận hành hệ thống, xử lý thiên tai, đào tạo đội ngũ và hình thành nên ký ức nghề nghiệp của tổ chức. Khi họ nghỉ hưu, mất mát lớn nhất không chỉ là thiếu người làm việc, mà là nguy cơ mất tri thức ngầm: kinh nghiệm hiện trường, trực giác chuyên môn, bài học thất bại, hiểu biết về vùng, phán đoán rủi ro, mạng lưới quan hệ công việc và năng lực đọc được những điều không nằm trong báo cáo. Bài viết phân tích điều gì xảy ra khi thế hệ chuyên gia đầu tiên rời khỏi hệ thống; vì sao tổ chức thường đánh giá thấp mất mát này; AI có thể giúp lưu giữ và tái sử dụng tri thức chuyên gia như thế nào; và vì sao AI không thể thay thế hoàn toàn quá trình truyền nghề giữa các thế hệ. Luận điểm chính của bài viết là: nghỉ hưu của chuyên gia không nên được nhìn như một thủ tục nhân sự, mà phải được xem là một sự kiện quản trị tri thức. Nếu biết chuẩn bị, đây có thể là cơ hội để chuyển tri thức cá nhân thành tài sản số của tổ chức; nếu không, tổ chức có thể mất đi một phần trí nhớ mà nhiều năm sau cũng khó khôi phục.
Từ khóa: AI, tri thức chuyên gia, nghỉ hưu, tri thức ngầm, quản trị tri thức, chuyển giao thế hệ, tài nguyên nước, thủy lợi, tổ chức nghiên cứu, ký ức tổ chức.
1. Đặt vấn đề
Có những cuộc chia tay nhìn bề ngoài rất nhẹ nhàng.
Một quyết định nghỉ hưu.
Một buổi gặp mặt.
Một bó hoa.
Vài lời cảm ơn.
Một người rời khỏi phòng làm việc quen thuộc sau mấy chục năm gắn bó.
Nhưng phía sau sự nhẹ nhàng ấy có thể là một mất mát rất lớn đối với tổ chức.
Bởi người ra đi không chỉ mang theo tuổi tác, chức danh hay vị trí công tác. Họ còn mang theo ký ức nghề nghiệp, kinh nghiệm xử lý tình huống, hiểu biết về vùng, những bài học thất bại, những mối quan hệ công việc, những trực giác chuyên môn và cả những điều chưa bao giờ được viết thành báo cáo.
Trong các ngành kỹ thuật như thủy lợi, tài nguyên nước, quy hoạch, vận hành hồ chứa, mô hình thủy văn – thủy lực, phòng chống thiên tai, điều này càng rõ.
Một chuyên gia lâu năm có thể nhìn một biểu đồ mực nước và biết có gì bất thường.
Có thể đọc một bản đồ địa hình và đoán vùng nào dễ ngập.
Có thể nghe một phương án vận hành hồ chứa và nhận ra rủi ro hạ du.
Có thể xem một báo cáo mô hình và biết chỗ nào “đẹp trên giấy” nhưng khó đúng ngoài thực tế.
Có thể nhớ một trận lũ cách đây hai mươi năm, một lần mặn vào sâu, một tuyến đê từng tràn, một vùng từng thất bại khi chuyển đổi sản xuất.
Những tri thức ấy không dễ thay thế.
Vì vậy, câu hỏi đặt ra là:
- Điều gì xảy ra khi thế hệ chuyên gia đầu tiên nghỉ hưu?
Câu hỏi này không chỉ thuộc về cá nhân những người đang đi đến cuối hành trình công vụ. Nó thuộc về các viện nghiên cứu, cơ quan quản lý, đơn vị tư vấn, trường đại học và cả những ngành dựa rất nhiều vào kinh nghiệm tích lũy qua nhiều thế hệ.
Trong thời đại AI, câu hỏi này càng trở nên cấp bách hơn. Bởi AI có thể giúp lưu giữ, tổ chức và khai thác tri thức, nhưng chỉ khi tri thức ấy được nhận diện, ghi lại, số hóa, kiểm chứng và đặt vào đúng bối cảnh.
2. Thế hệ chuyên gia đầu tiên là ai?
“Thế hệ chuyên gia đầu tiên” ở đây không nhất thiết chỉ là thế hệ đầu tiên theo nghĩa lịch sử tuyệt đối.
Trong nhiều tổ chức, đó là thế hệ đã xây nền.
Họ là những người bước vào nghề khi điều kiện còn thiếu thốn, dữ liệu còn ít, máy tính còn hạn chế, bản đồ còn thủ công, mô hình còn mới, phần mềm chưa phổ biến, nhiều lưu vực còn phải đi khảo sát bằng kinh nghiệm và công sức trực tiếp.
Họ từng đo đạc, khảo sát, tính toán bằng tay, đi thực địa dài ngày, làm bản đồ, lập quy hoạch, xây dựng mô hình, bảo vệ phương án, tranh luận kỹ thuật và chịu trách nhiệm trước các quyết định lớn.
Trong ngành tài nguyên nước và thủy lợi, đó có thể là thế hệ đã tham gia:
- điều tra cơ bản tài nguyên nước;
- lập các quy hoạch thủy lợi vùng và lưu vực;
- xây dựng hệ thống công trình tưới, tiêu, kiểm soát lũ, kiểm soát mặn;
- phát triển mô hình thủy văn – thủy lực;
- xử lý các trận lũ, hạn, mặn lớn;
- tham gia xây dựng tiêu chuẩn, quy trình, định mức, quy hoạch;
- đào tạo lớp kỹ sư và chuyên gia kế tiếp.
Họ không chỉ có kiến thức. Họ có “độ dày nghề nghiệp”.
Độ dày ấy được hình thành từ thời gian, va chạm, thất bại, chịu trách nhiệm và trải nghiệm thực tế.
Đây là thứ rất khó mua, khó thuê và khó đào tạo cấp tốc.
3. Mất chuyên gia không chỉ là mất nhân sự
Khi một chuyên gia nghỉ hưu, tổ chức thường nhìn thấy phần dễ thấy nhất: mất một vị trí làm việc.
Nhưng phần quan trọng hơn là mất tri thức.
Có ít nhất bảy loại mất mát.
3.1. Mất ký ức kỹ thuật
Một tổ chức có thể lưu báo cáo, bản vẽ, dữ liệu và hồ sơ dự án. Nhưng nhiều quyết định kỹ thuật trong quá khứ không được ghi đầy đủ.
Vì sao phương án A được chọn thay vì phương án B?
Vì sao tham số mô hình được hiệu chỉnh như vậy?
Vì sao một vùng được khuyến nghị không xây công trình cứng?
Vì sao một tuyến kênh được đổi hướng?
Vì sao một trận lũ đã làm thay đổi quan điểm quy hoạch?
Những câu trả lời này thường nằm trong trí nhớ chuyên gia.
Khi chuyên gia nghỉ hưu mà không được ghi lại, ký ức kỹ thuật bị đứt đoạn.
3.2. Mất kinh nghiệm hiện trường
Có những điều chỉ hiện trường mới dạy.
Số liệu trạm có thể đẹp, nhưng người đi thực địa biết trạm đó thường bị ảnh hưởng bởi triều, bồi lắng, công trình hoặc thao tác vận hành.
Bản đồ có thể thể hiện một vùng là thấp, nhưng người có kinh nghiệm biết nước vào vùng đó theo đường nào, bị chặn ở đâu, thoát ra sao.
Mô hình có thể cho một kết quả hợp lý, nhưng người từng sống với lưu vực biết kết quả ấy còn thiếu một yếu tố địa phương.
Kinh nghiệm hiện trường là dạng tri thức rất khó mã hóa đầy đủ.
3.3. Mất trực giác chuyên môn
Trực giác chuyên môn không phải là cảm tính tùy tiện.
Đó là kết quả của nhiều năm quan sát, tính toán, so sánh, sai và sửa.
Một chuyên gia giỏi có thể nhận ra điều bất thường trước khi có đủ bằng chứng.
Một đường quá trình mực nước “không giống tự nhiên”.
Một kết quả mô hình “quá mượt”.
Một phương án vận hành “nghe thì đúng nhưng hạ du sẽ khó chịu”.
Một số liệu “đẹp quá mức”.
Những phán đoán ấy không dễ viết thành công thức.
Michael Polanyi từng nêu một ý tưởng rất nổi tiếng về tri thức ngầm: con người có thể biết nhiều hơn những gì họ có thể nói ra thành lời. Đây là nền tảng quan trọng để hiểu vì sao kinh nghiệm chuyên gia không thể được chuyển hết thành văn bản đơn giản.
3.4. Mất bài học thất bại
Tổ chức thường lưu thành công tốt hơn thất bại.
Báo cáo thường viết phương án được chọn, ít khi viết đầy đủ những sai lầm, tranh luận, điều chỉnh và bài học đau xót.
Nhưng chính thất bại mới là nơi chứa nhiều tri thức quý.
Một mô hình từng dự báo sai.
Một công trình từng vận hành chưa tốt.
Một quy hoạch từng đánh giá thấp rủi ro.
Một phương án từng không được địa phương chấp nhận.
Nếu chuyên gia nghỉ hưu mang theo những bài học đó, thế hệ sau có thể lặp lại sai lầm cũ trong hình thức mới.
3.5. Mất mạng lưới quan hệ nghề nghiệp
Một chuyên gia lâu năm không chỉ biết việc. Họ còn biết người.
Biết ai hiểu vùng này.
Biết đơn vị nào có dữ liệu gốc.
Biết địa phương nào cần trao đổi trước.
Biết chuyên gia nào từng làm mô hình đó.
Biết cán bộ vận hành nào nắm thực tế hồ chứa.
Biết ai có thể xác minh một thông tin không có trong báo cáo.
Mạng lưới quan hệ này là hạ tầng mềm của tri thức.
Khi chuyên gia nghỉ hưu, nếu không chuyển giao, tổ chức mất cả mạng lưới kết nối.
3.6. Mất năng lực thẩm định tinh
Một báo cáo kỹ thuật có thể đúng hình thức nhưng yếu bản chất.
Chuyên gia có kinh nghiệm thường nhìn ra điều này.
Họ biết câu nào là viết cho đủ, số nào cần kiểm chứng, mô hình nào chưa đáng tin, phương án nào thiếu dữ liệu, kết luận nào vượt quá chứng cứ.
Đây là năng lực thẩm định tinh.
Nếu thiếu lớp chuyên gia này, tổ chức có thể dễ bị thuyết phục bởi báo cáo đẹp, mô hình đẹp, bản đồ đẹp hoặc AI trả lời trôi chảy nhưng chưa chắc đúng.
3.7. Mất văn hóa nghề nghiệp
Một ngành kỹ thuật không chỉ truyền kiến thức, mà còn truyền thái độ nghề nghiệp.
Cẩn trọng với số liệu.
Tôn trọng hiện trường.
Không đánh đổi an toàn hạ du.
Không tùy tiện với mô hình.
Không viết điều mình không kiểm chứng.
Không coi nước chỉ là con số.
Những điều này tạo nên đạo đức nghề nghiệp.
Khi thế hệ chuyên gia ra đi mà không truyền được văn hóa nghề, tổ chức có thể vẫn còn người, còn máy, còn phần mềm, nhưng mất đi “cái nết kỹ thuật”.
4. Vì sao tổ chức thường đánh giá thấp mất mát này?
Có nhiều lý do.
Thứ nhất, tri thức chuyên gia thường vô hình. Những gì nằm trong đầu người rất khó đưa vào bảng kiểm kê tài sản.
Thứ hai, tổ chức thường quản lý nhân sự theo biên chế, vị trí việc làm, chức danh và tuổi nghỉ hưu, nhưng chưa quản lý tri thức theo mức độ quan trọng và rủi ro mất mát.
Thứ ba, báo cáo và hồ sơ tạo cảm giác rằng tri thức đã được lưu đầy đủ. Nhưng thực tế, báo cáo chỉ là phần nổi của tảng băng.
Thứ tư, chuyển giao tri thức cần thời gian. Nhiều tổ chức chỉ nghĩ đến chuyển giao khi chuyên gia đã chuẩn bị nghỉ, lúc đó thường quá muộn.
Thứ năm, người trẻ nhiều khi được giao việc mới nhanh, nhưng ít có cơ hội được nghe chuyên gia giải thích vì sao làm như vậy, sai ở đâu, bài học gì.
Thứ sáu, tổ chức có thể nhầm giữa “bàn giao hồ sơ” và “bàn giao tri thức”.
Bàn giao hồ sơ là giao tài liệu.
Bàn giao tri thức là giải thích bối cảnh, logic, kinh nghiệm, rủi ro, giả thiết và bài học.
Hai việc này rất khác nhau.
NASA xem “critical knowledge” là loại tri thức thiết yếu để cơ quan thực hiện sứ mệnh và ra quyết định đúng; loại tri thức này thường hình thành qua kinh nghiệm cá nhân hoặc tổ chức, không dễ thay thế và cần được duy trì để bảo đảm thành công nhiệm vụ. Cách nhìn này rất đáng học: không phải mọi tri thức đều có giá trị như nhau, nhưng tri thức cốt lõi phải được quản trị như tài sản chiến lược.
5. Tri thức chuyên gia gồm những gì?
Muốn giữ tri thức chuyên gia, trước hết phải nhận diện nó.
Theo tôi, tri thức chuyên gia trong ngành tài nguyên nước và thủy lợi gồm mười nhóm.
5.1. Tri thức dữ liệu
Biết dữ liệu nào đáng tin, dữ liệu nào cần nghi ngờ, trạm nào thường sai, thời đoạn nào thiếu, số liệu nào đã từng được hiệu chỉnh, nguồn nào là gốc.
5.2. Tri thức hiện trường
Biết vùng nào ngập thật, vùng nào thoát chậm, đoạn sông nào bồi lắng, công trình nào vận hành khác thiết kế, người dân dùng nước ra sao.
5.3. Tri thức mô hình
Biết mô hình nào phù hợp, tham số nào nhạy, điều kiện biên nào quan trọng, kết quả nào cần kiểm chứng, trường hợp nào mô hình dễ sai.
5.4. Tri thức công trình
Biết hồ nào khó vận hành, cống nào thường gặp sự cố, tuyến đê nào yếu, trạm bơm nào không đạt công suất thực tế, kênh nào bị bồi hoặc bị lấn chiếm.
5.5. Tri thức quy hoạch
Biết vì sao một phương án được chọn, vùng nào không nên can thiệp mạnh, xung đột lợi ích nằm ở đâu, quy hoạch nào từng không khả thi.
5.6. Tri thức thiên tai
Biết các trận lũ lớn, đợt hạn nặng, mùa mặn lịch sử, điểm vỡ, điểm tràn, vùng sơ tán, cách địa phương ứng phó.
5.7. Tri thức thể chế
Biết văn bản nào quan trọng, quy trình nào cần tuân thủ, cơ quan nào liên quan, điểm nghẽn phối hợp ở đâu.
5.8. Tri thức con người và địa phương
Biết ai nắm dữ liệu, ai hiểu vùng, ai có kinh nghiệm vận hành, địa phương nào cần làm việc kỹ, cộng đồng nào dễ bị ảnh hưởng.
5.9. Tri thức đạo đức nghề nghiệp
Biết điều gì không nên làm dù mô hình cho kết quả thuận lợi; biết khi nào phải thận trọng; biết trách nhiệm với hạ du, môi trường và người dân.
5.10. Tri thức chiến lược
Biết ngành đang đi về đâu, vấn đề nào sẽ trở thành lớn trong tương lai, dữ liệu nào cần chuẩn bị, thế hệ sau cần học gì.
Nếu không phân loại như vậy, tổ chức dễ chỉ lưu tài liệu mà bỏ sót phần tinh túy nhất của nghề.
6. Khi thế hệ chuyên gia nghỉ hưu, tổ chức có thể rơi vào “khoảng trống tri thức”
Khoảng trống tri thức không xuất hiện ngay lập tức.
Trong vài tháng đầu, mọi thứ có vẻ vẫn bình thường. Người mới tiếp nhận hồ sơ. Công việc vẫn chạy. Báo cáo vẫn viết. Mô hình vẫn mở được. Dữ liệu vẫn còn trong máy chủ.
Nhưng khoảng trống sẽ lộ ra khi có tình huống khó.
Một trận lũ bất thường.
Một dự án cần thẩm định gấp.
Một mô hình cho kết quả lạ.
Một địa phương hỏi lại căn cứ cũ.
Một quy hoạch cần điều chỉnh.
Một dữ liệu lịch sử cần truy nguyên.
Một công trình có dấu hiệu mất an toàn.
Một cuộc họp cần giải thích vì sao trước đây ngành chọn hướng đó.
Lúc ấy, tổ chức mới nhận ra: người biết câu trả lời đã nghỉ hưu.
Và đôi khi không ai biết phải hỏi ai.
Đó là lúc mất mát tri thức trở thành mất mát năng lực.
IAEA đã nhìn thấy nguy cơ này từ rất sớm trong ngành hạt nhân, một lĩnh vực rủi ro cao và phụ thuộc mạnh vào chuyên gia. Báo cáo về lực lượng lao động già hóa của ngành hạt nhân nhấn mạnh nhu cầu giữ lại và chuyển giao tri thức cần thiết để thiết kế, xây dựng, vận hành và bảo trì nhà máy điện hạt nhân. Dù thủy lợi không phải hạt nhân, bài học quản trị tri thức trong các ngành kỹ thuật có rủi ro cao là rất gần nhau: khi chuyên gia ra đi, mất tri thức có thể ảnh hưởng đến an toàn và năng lực vận hành.
7. Nghỉ hưu là sự kiện nhân sự hay sự kiện tri thức?
Thông thường, nghỉ hưu được xử lý như một sự kiện nhân sự.
Đến tuổi.
Làm quyết định.
Bàn giao hồ sơ.
Nghỉ chế độ.
Tổ chức người thay thế.
Nhưng với chuyên gia cốt lõi, nghỉ hưu phải được xem là một sự kiện tri thức.
Cần hỏi:
- Người này nắm tri thức gì?
- Tri thức nào là độc nhất?
- Tri thức nào chưa được ghi lại?
- Dữ liệu nào chỉ họ biết nguồn gốc?
- Mô hình nào họ từng hiệu chỉnh?
- Dự án nào họ hiểu sâu bối cảnh?
- Bài học thất bại nào cần ghi lại?
- Ai là người kế thừa gần nhất?
- Cần bao lâu để chuyển giao?
- Cần phỏng vấn gì?
- Cần số hóa gì?
- Cần xây bộ câu hỏi nào?
- Cần đưa tri thức vào kho nào?
Nếu không đặt những câu hỏi đó, tổ chức chỉ nghỉ hưu một con người nhưng mất đi cả một phần ký ức.
8. AI có thể giúp gì trong việc giữ tri thức chuyên gia?
AI không giải quyết được tất cả, nhưng có thể giúp rất nhiều nếu dùng đúng.
8.1. AI hỗ trợ phỏng vấn chuyên gia
AI có thể tạo bộ câu hỏi có cấu trúc để phỏng vấn chuyên gia nghỉ hưu.
Không chỉ hỏi “anh đã làm gì”, mà hỏi sâu hơn:
- Dự án nào quan trọng nhất?
- Sai lầm nào đáng nhớ nhất?
- Mô hình nào từng cho kết quả không tin được?
- Dữ liệu nào cần cẩn trọng?
- Địa phương nào có đặc điểm đặc biệt?
- Nếu làm lại, anh sẽ làm khác điều gì?
- Người trẻ cần học điều gì trước?
Những câu hỏi này giúp chuyên gia nhớ lại tri thức ngầm.
8.2. AI hỗ trợ chuyển âm thanh, video thành tri thức tra cứu
Các buổi nói chuyện, phỏng vấn, seminar, trao đổi kỹ thuật có thể được ghi âm, ghi hình, chuyển thành văn bản, gắn thẻ, tóm tắt và đưa vào kho tri thức.
NASA có những nỗ lực chuyển nhiều thập kỷ tri thức về bộ đồ không gian, bài học và trình bày của chuyên gia thành cơ sở dữ liệu có thể tìm kiếm, cho thấy giá trị của việc biến tri thức chuyên gia thành tài nguyên số có thể truy cập lâu dài.
8.3. AI hỗ trợ tìm kiếm trong kho tri thức
Thay vì tìm trong hàng nghìn báo cáo PDF, người dùng có thể hỏi:
- Trận lũ nào từng gây ngập vùng này?
- Mô hình nào đã dùng cho lưu vực này?
- Vì sao phương án cống này từng bị loại?
- Ai từng làm dự án này?
- Dữ liệu gốc nằm ở đâu?
AI có thể hỗ trợ truy xuất nhanh, nhưng phải dựa trên kho dữ liệu nội bộ đáng tin cậy.
8.4. AI hỗ trợ tạo bản đồ tri thức
AI có thể giúp tổ chức xác định ai biết gì, tri thức nào nằm ở đâu, lĩnh vực nào có nguy cơ mất chuyên gia, chủ đề nào chưa có người kế thừa.
Đây là bản đồ rủi ro tri thức.
8.5. AI hỗ trợ đào tạo thế hệ sau
Từ kho tri thức chuyên gia, AI có thể tạo bài học, tình huống, câu hỏi, mô phỏng, bài tập, checklist, hướng dẫn kiểm tra và trợ lý học tập cho kỹ sư trẻ.
8.6. AI hỗ trợ lưu giữ kinh nghiệm trong quy trình
Một kinh nghiệm chuyên gia có thể được chuyển thành quy tắc kiểm tra.
Ví dụ:
- Khi dùng mực nước trạm này trong mùa triều mạnh, phải kiểm tra thêm trạm lân cận.
- Khi mô hình cho vùng ngập giảm bất thường sau khi thêm đê bao, phải kiểm tra kết nối thủy lực.
- Khi dự báo lũ hạ du, phải kiểm tra độ trễ từ hồ đến khu dân cư.
AI có thể nhắc lại những quy tắc này trong quá trình làm việc.
Các nghiên cứu gần đây cho thấy tác nhân AI và mô hình ngôn ngữ lớn có thể hỗ trợ khai thác tri thức ngầm thông qua đối thoại có cấu trúc, đặt câu hỏi, tái dựng bối cảnh và kết nối tri thức rời rạc trong tổ chức; tuy nhiên, các nghiên cứu này cũng nhấn mạnh yêu cầu về tin cậy, bảo mật, kiểm chứng và văn hóa chia sẻ.
9. Nhưng AI không thể lấy lại thứ chưa bao giờ được trao
Đây là một điểm rất quan trọng.
AI chỉ có thể học từ dữ liệu, tài liệu, đối thoại, ghi âm, video, mô hình, báo cáo và kinh nghiệm được ghi lại theo một cách nào đó.
Nếu chuyên gia đã nghỉ hưu nhiều năm, tài liệu thất lạc, dữ liệu không còn, người kế thừa không biết hỏi gì, thì AI cũng không thể tái tạo đầy đủ tri thức đã mất.
AI không phải máy gọi hồn ký ức tổ chức.
Nó không thể tự biết một trận lũ ngoài hiện trường nếu không có dữ liệu hoặc lời kể.
Nó không thể hiểu một quyết định quy hoạch trong quá khứ nếu không có hồ sơ và người giải thích.
Nó không thể thay thế sự kèm cặp trực tiếp giữa chuyên gia và người trẻ.
Vì vậy, tổ chức phải hành động khi chuyên gia còn đang làm việc, còn nhớ, còn có thể kể, còn có thể giải thích và còn có thể phản biện.
Chuyển giao tri thức phải bắt đầu trước nghỉ hưu nhiều năm, không phải trước ngày nhận quyết định nghỉ vài tuần.
10. Tri thức ngầm không thể chuyển hết thành văn bản
Một sai lầm phổ biến là nghĩ rằng chỉ cần phỏng vấn, ghi âm, chép lại là xong.
Không đúng.
Tri thức ngầm có phần có thể diễn đạt, nhưng cũng có phần chỉ truyền qua làm cùng, quan sát cùng, tranh luận cùng, đi hiện trường cùng, kiểm tra mô hình cùng, xử lý sự cố cùng.
Nonaka và Takeuchi nổi tiếng với mô hình chuyển hóa tri thức giữa tri thức ngầm và tri thức hiển minh thông qua các quá trình xã hội hóa, ngoại hiện, kết hợp và nội hóa. Mô hình này nhắc chúng ta rằng tri thức tổ chức không chỉ được tạo ra bằng lưu tài liệu, mà bằng tương tác giữa con người, kinh nghiệm và bối cảnh.
Với ngành thủy lợi, điều này rất đúng.
Một kỹ sư trẻ có thể đọc báo cáo về vùng ngập. Nhưng nếu đi thực địa cùng chuyên gia, nghe giải thích tại sao nước đi theo đường này chứ không phải đường kia, họ sẽ hiểu sâu hơn nhiều.
Một người có thể học phần mềm mô hình. Nhưng nếu ngồi cùng chuyên gia khi hiệu chỉnh một trận lũ khó, họ mới hiểu vì sao không nên tin ngay một kết quả có chỉ số sai số đẹp.
Một cán bộ có thể đọc quy trình vận hành hồ chứa. Nhưng nếu tham gia trực vận hành trong mưa lớn, họ mới hiểu áp lực của quyết định xả lũ.
Vì vậy, AI có thể hỗ trợ chuyển giao, nhưng không thay thế hoàn toàn truyền nghề.
11. Điều gì xảy ra nếu không chuyển giao tri thức?
Nếu không chuyển giao tri thức, tổ chức sẽ gặp ít nhất tám hậu quả.
11.1. Lặp lại sai lầm cũ
Những bài học đã từng trả giá bằng thời gian, tiền bạc hoặc rủi ro có thể bị lặp lại vì thế hệ sau không biết lịch sử.
11.2. Mất năng lực thẩm định
Tổ chức có thể dễ chấp nhận báo cáo hoặc mô hình chưa đủ tin cậy vì thiếu người có kinh nghiệm phát hiện vấn đề.
11.3. Dữ liệu mất ý nghĩa
Dữ liệu vẫn còn, nhưng không ai biết nguồn gốc, sai số, điều kiện đo, lý do hiệu chỉnh hoặc bối cảnh sử dụng.
11.4. Mô hình trở thành hộp đen
File mô hình vẫn mở được, nhưng không ai hiểu vì sao xây dựng như vậy, tham số nào quan trọng, giới hạn áp dụng ở đâu.
11.5. Người trẻ học chậm hơn
Không có người dẫn đường, người trẻ phải tự học lại bằng thử sai. Quá trình trưởng thành nghề nghiệp kéo dài hơn và dễ lệch hướng.
11.6. Tổ chức phụ thuộc vào bên ngoài
Khi mất chuyên gia nội bộ, tổ chức phải phụ thuộc nhiều hơn vào tư vấn hoặc nhà cung cấp công nghệ.
11.7. Mất bản sắc nghề nghiệp
Một tổ chức nghiên cứu không chỉ có sản phẩm. Nó có phong cách kỹ thuật, chuẩn mực chất lượng, cách đặt câu hỏi và thái độ nghề nghiệp. Khi chuyên gia ra đi mà không truyền lại, bản sắc ấy nhạt dần.
11.8. AI học từ dữ liệu nghèo
Nếu kho tri thức nghèo, AI nội bộ cũng nghèo. AI có thể trả lời hay về kiến thức chung, nhưng không hiểu sâu lịch sử, dữ liệu và đặc thù của tổ chức.
12. Nghỉ hưu cũng có thể là cơ hội
Tuy nhiên, không nên nhìn nghỉ hưu chỉ như mất mát.
Nếu biết chuẩn bị, đây là cơ hội rất lớn để tổ chức chuyển tri thức cá nhân thành tài sản chung.
Một chuyên gia khi còn làm việc thường bận rộn với nhiệm vụ, họp hành, hồ sơ, quản lý, dự án.
Giai đoạn chuẩn bị nghỉ hưu có thể là thời điểm phù hợp để nhìn lại, hệ thống hóa, kể lại, viết lại, đào tạo lại và để lại di sản chuyên môn.
Vấn đề là tổ chức có biết trân trọng thời điểm đó không.
Thay vì chỉ tổ chức buổi chia tay, tổ chức nên tổ chức cả một chương trình chuyển giao tri thức.
Một chuỗi seminar.
Một bộ phỏng vấn sâu.
Một tập bài học nghề nghiệp.
Một kho video chuyên đề.
Một bản đồ tri thức chuyên gia.
Một bộ hướng dẫn cho người kế thừa.
Một thư viện tình huống thất bại và thành công.
Một trợ lý AI được huấn luyện trên tài liệu đã kiểm chứng.
Nghỉ hưu khi đó không phải là kết thúc đột ngột. Nó trở thành quá trình chuyển hóa tri thức.
OECD khi bàn về chuyển giao tri thức giữa các thế hệ nhấn mạnh rằng các tổ chức có thể tạo điều kiện chuyển giao cả tri thức hiển minh và tri thức ngầm thông qua chính sách phù hợp, đào tạo, công nhận kỹ năng và tăng sự tham gia của lao động lớn tuổi trong hoạt động phát triển năng lực.
13. Tổ chức nghiên cứu cần làm gì trước khi chuyên gia nghỉ hưu?
Tôi cho rằng các viện nghiên cứu, cơ quan quản lý và đơn vị kỹ thuật cần có một chương trình quản trị tri thức chuyên gia với ít nhất mười việc.
13.1. Lập danh mục chuyên gia cốt lõi
Không phải ai nghỉ hưu cũng có cùng mức rủi ro tri thức. Cần xác định ai đang nắm tri thức độc nhất, tri thức chiến lược, dữ liệu quan trọng, mô hình quan trọng hoặc kinh nghiệm đặc biệt.
13.2. Lập bản đồ tri thức
Mỗi chuyên gia đang nắm những mảng nào: lưu vực nào, mô hình nào, dữ liệu nào, công trình nào, vùng nào, quy hoạch nào, quan hệ công việc nào.
13.3. Xác định người kế thừa
Không thể chuyển giao cho “tổ chức” một cách chung chung. Phải có người hoặc nhóm người kế thừa cụ thể.
13.4. Tổ chức phỏng vấn sâu
Phỏng vấn theo chủ đề, theo dự án, theo lưu vực, theo bài học thất bại, theo mô hình, theo dữ liệu, theo quyết định quan trọng.
13.5. Ghi hình seminar chuyên gia
Mỗi chuyên gia nên có những buổi nói chuyện chuyên sâu về lĩnh vực mình đã tích lũy, được ghi lại, biên tập và lưu trữ.
13.6. Xây kho tri thức số
Tài liệu, video, bản đồ, mô hình, dữ liệu, bài học, câu hỏi – trả lời phải được đưa vào một kho có cấu trúc, có tìm kiếm, có phân quyền.
13.7. Chuyển kinh nghiệm thành checklist
Những kinh nghiệm quan trọng nên được chuyển thành danh mục kiểm tra: kiểm tra dữ liệu, kiểm tra mô hình, kiểm tra quy hoạch, kiểm tra vận hành, kiểm tra rủi ro.
13.8. Tạo tình huống đào tạo
Từ các dự án thực tế, xây dựng case study để đào tạo người trẻ: một trận lũ, một mô hình sai, một quy hoạch khó, một hồ chứa vận hành căng thẳng.
13.9. Dùng AI nội bộ có kiểm soát
Xây trợ lý AI truy vấn kho tri thức nội bộ, nhưng phải có nguồn trích dẫn, phân quyền và chuyên gia kiểm chứng.
13.10. Gắn chuyển giao tri thức với đánh giá tổ chức
Chuyển giao tri thức không nên là việc tự nguyện hoàn toàn. Nó phải trở thành một nhiệm vụ chính thức trong quản lý nhân sự và quản trị tổ chức.
14. AI nội bộ cho tri thức chuyên gia nên được thiết kế như thế nào?
Nếu một tổ chức muốn dùng AI để giữ tri thức chuyên gia, không nên đơn giản đưa tài liệu lên một hệ thống AI công cộng rồi hỏi đáp.
Cần một kiến trúc cẩn trọng.
Thứ nhất, phải có kho dữ liệu nội bộ được phân loại: công khai, nội bộ, hạn chế, nhạy cảm.
Thứ hai, tài liệu phải có metadata: tác giả, năm, dự án, lưu vực, phiên bản, độ tin cậy, tình trạng hiệu lực.
Thứ ba, AI nên dùng cơ chế truy xuất nguồn, nghĩa là trả lời dựa trên tài liệu cụ thể và chỉ rõ nguồn nội bộ.
Thứ tư, cần có chuyên gia kiểm duyệt các câu trả lời quan trọng.
Thứ năm, phải ghi nhật ký câu hỏi, câu trả lời, nguồn dùng và người sử dụng.
Thứ sáu, không để AI tự tạo kết luận kỹ thuật vượt quá nguồn dữ liệu.
Thứ bảy, cần cơ chế cập nhật sau mỗi dự án, mỗi mùa lũ, mỗi đợt vận hành, mỗi bài học mới.
Thứ tám, phải bảo vệ dữ liệu chiến lược và tri thức nhạy cảm.
AI nội bộ tốt không phải là AI nói hay nhất. Đó là AI biết dựa vào kho tri thức đúng, chỉ nguồn rõ, thừa nhận điều chưa biết và hỗ trợ con người kiểm chứng.
15. Với ngành tài nguyên nước, nên giữ loại tri thức nào trước?
Nếu nguồn lực hạn chế, ngành tài nguyên nước nên ưu tiên giữ những tri thức có rủi ro mất mát cao nhất.
15.1. Tri thức về dữ liệu lịch sử
Nguồn gốc số liệu, sai số trạm, chuỗi đã hiệu chỉnh, dữ liệu từng dùng trong quy hoạch, dữ liệu trận lũ lớn, mùa hạn lớn, mùa mặn lớn.
15.2. Tri thức về mô hình
Mô hình lưu vực, mô hình thủy lực, mô hình mặn, mô hình hồ chứa, bộ tham số, điều kiện biên, bài học hiệu chỉnh.
15.3. Tri thức về vùng đặc thù
Đồng bằng sông Cửu Long, miền Trung lũ nhanh, Tây Nguyên hạn và nước dưới đất, Đông Nam Bộ đô thị hóa và hồ chứa, ven biển xâm nhập mặn.
15.4. Tri thức về công trình quan trọng
Hồ chứa lớn, cống kiểm soát mặn, hệ thống tiêu thoát, đê bao, trạm bơm, hệ thống thủy lợi liên tỉnh.
15.5. Tri thức về các sự kiện cực đoan
Lũ lịch sử, hạn lịch sử, mặn lịch sử, sự cố công trình, các quyết định vận hành khó.
15.6. Tri thức về quy hoạch
Vì sao chọn phương án, vì sao loại phương án, bài học thực hiện, điểm nghẽn địa phương, xung đột liên ngành.
15.7. Tri thức về thể chế và phối hợp
Quy trình làm việc, quan hệ giữa cơ quan, địa phương, đơn vị vận hành, dữ liệu chia sẻ, cơ chế cảnh báo.
Đây là những thứ nếu mất sẽ rất khó khôi phục.
16. Người nghỉ hưu có vai trò mới trong thời đại AI
Trong mô hình cũ, nghỉ hưu thường được hiểu là rời khỏi hệ thống.
Trong thời đại AI và quản trị tri thức, người nghỉ hưu có thể có vai trò mới.
Họ có thể trở thành cố vấn tri thức.
Người phản biện mô hình.
Người kể lại lịch sử kỹ thuật.
Người đào tạo thế hệ sau.
Người tham gia hội đồng chuyên gia.
Người hỗ trợ xây kho tri thức.
Người giúp kiểm chứng AI nội bộ.
Người viết lại bài học nghề nghiệp.
Điều này đặc biệt phù hợp với những người có nhiều kinh nghiệm nhưng không còn muốn hoặc không còn cần làm quản lý hằng ngày.
Họ có thể rời khỏi vị trí hành chính, nhưng không nhất thiết rời khỏi đời sống tri thức của ngành.
Đây cũng là một cách nhân văn hơn để nhìn về nghỉ hưu: không phải kết thúc, mà là chuyển vai.
17. Người trẻ cần học gì từ thế hệ chuyên gia đầu tiên?
Người trẻ không nên chỉ học kết quả. Phải học cách nghĩ.
Học cách đặt câu hỏi.
Học cách nghi ngờ số liệu.
Học cách đọc bản đồ.
Học cách đi thực địa.
Học cách hiểu mô hình.
Học cách nhận ra sai số.
Học cách viết báo cáo có trách nhiệm.
Học cách bảo vệ phương án.
Học cách lắng nghe địa phương.
Học cách cân nhắc hạ du.
Học cách tôn trọng quá khứ nhưng không bị quá khứ trói buộc.
Thế hệ trẻ có lợi thế lớn về công nghệ, dữ liệu, AI, ngoại ngữ, phần mềm và tốc độ học. Nhưng lợi thế đó chỉ trở thành năng lực thật nếu được đặt trên nền tảng nghề nghiệp vững chắc.
Ngược lại, thế hệ chuyên gia đi trước cũng cần học cách chia sẻ tri thức theo cách mới: không giữ kinh nghiệm trong đầu, không chỉ truyền bằng lời nói rời rạc, mà cùng tổ chức biến nó thành tài sản số.
18. Một khung chuyển giao tri thức chuyên gia bằng AI
Tôi đề xuất một khung gồm tám bước.
Bước 1: Nhận diện chuyên gia và tri thức cốt lõi
Ai đang nắm tri thức quan trọng nhất? Tri thức đó thuộc lĩnh vực nào? Rủi ro mất mát ra sao?
Bước 2: Thu thập tài liệu và dữ liệu liên quan
Báo cáo, bản đồ, mô hình, file tính, nhật ký, bài trình bày, bản thảo, ghi chú, hình ảnh hiện trường.
Bước 3: Phỏng vấn sâu theo cấu trúc
Phỏng vấn theo dự án, lưu vực, mô hình, bài học, thất bại, dữ liệu, quyết định, lời khuyên cho thế hệ sau.
Bước 4: Ghi hình và chuyển thành văn bản
Tạo dữ liệu số từ tri thức nói, không để seminar và trao đổi chuyên môn biến mất sau khi kết thúc.
Bước 5: Gắn thẻ và tổ chức kho tri thức
Phân loại theo lưu vực, chủ đề, công trình, mô hình, loại rủi ro, năm, chuyên gia, mức độ tin cậy.
Bước 6: Xây trợ lý AI truy vấn có nguồn
AI trả lời dựa trên kho nội bộ, có trích nguồn, có phân quyền, có cảnh báo mức độ chắc chắn.
Bước 7: Kiểm chứng bởi chuyên gia và người kế thừa
Không đưa tri thức chưa kiểm chứng vào sử dụng rộng rãi cho quyết định quan trọng.
Bước 8: Cập nhật liên tục
Sau mỗi dự án, mùa lũ, mùa hạn, đợt vận hành hoặc bài học mới, kho tri thức phải được cập nhật.
Đây là cách để chuyển từ ký ức cá nhân sang trí nhớ tổ chức.
19. Giao điểm cá nhân và giao điểm của thời đại
Bài viết này có lẽ đặc biệt hơn các bài trước vì nó chạm vào một giao điểm rất người.
Một người làm nghề mấy chục năm, nhất là trong lĩnh vực tài nguyên nước, khi đứng trước ngưỡng nghỉ hưu, thường không chỉ nghĩ về chế độ hay chức vụ.
Điều sâu hơn là câu hỏi: những gì mình đã học, đã làm, đã sai, đã hiểu, đã tích lũy, rồi sẽ đi về đâu?
Có được dùng tiếp không?
Có giúp được người sau không?
Có biến thành tri thức chung không?
Hay sẽ tan dần theo trí nhớ cá nhân?
Đây không phải là nỗi lo riêng của một người. Đó là nỗi lo của cả một thế hệ chuyên gia đầu tiên trong nhiều ngành.
Với những người đã sống qua thời kỳ dữ liệu còn thiếu, mô hình còn khó, bản đồ còn thủ công, hiện trường còn vất vả, quyết định còn nhiều áp lực, họ hiểu rằng tri thức nghề nghiệp không tự nhiên mà có.
Nó được trả bằng thời gian.
Bằng sức khỏe.
Bằng va chạm.
Bằng trách nhiệm.
Bằng cả những đêm không ngủ trong mùa lũ, mùa hạn, mùa vận hành căng thẳng.
Nếu thế hệ ấy nghỉ hưu mà không để lại được một phần tri thức cho tổ chức, đó là mất mát lớn.
Nhưng nếu biết dùng AI, dữ liệu, WebGIS, Digital Twin, kho tri thức số và chương trình truyền nghề, thì thế hệ ấy có thể để lại một di sản mới: không chỉ là công trình, báo cáo hay quy hoạch, mà là một nền tri thức sống cho người đi sau.
20. Kết luận
Khi thế hệ chuyên gia đầu tiên nghỉ hưu, điều xảy ra không chỉ là thay đổi nhân sự.
Đó là một phép thử đối với năng lực quản trị tri thức của tổ chức.
Nếu tổ chức chỉ bàn giao hồ sơ, nó sẽ mất nhiều tri thức ngầm.
Nếu tổ chức chỉ thay người, nó sẽ mất ký ức nghề nghiệp.
Nếu tổ chức chỉ lưu báo cáo, nó sẽ mất bối cảnh.
Nếu tổ chức không chuẩn bị người kế thừa, nó sẽ mất năng lực thẩm định và phản biện.
Nhưng nếu tổ chức nhìn nghỉ hưu như một sự kiện tri thức, thì đây là cơ hội rất lớn.
Cơ hội để phỏng vấn, ghi lại, số hóa, hệ thống hóa, chuyển giao và biến tri thức cá nhân thành tài sản chung.
AI có thể giúp quá trình này mạnh hơn nhiều so với trước đây. AI có thể hỗ trợ phỏng vấn, chuyển âm thanh thành văn bản, tóm tắt, gắn thẻ, tìm kiếm, hỏi – đáp, đào tạo và truy xuất tri thức.
Nhưng AI không thể tự cứu tri thức nếu con người không chịu chia sẻ, tổ chức không biết tổ chức, người trẻ không chịu học và dữ liệu không được quản trị.
Vì vậy, câu trả lời cho câu hỏi “điều gì xảy ra khi thế hệ chuyên gia đầu tiên nghỉ hưu” phụ thuộc vào cách tổ chức chuẩn bị.
Nếu không chuẩn bị, nghỉ hưu là mất mát.
Nếu chuẩn bị tốt, nghỉ hưu là chuyển giao.
Nếu có AI và quản trị tri thức đúng cách, nghỉ hưu có thể trở thành quá trình biến kinh nghiệm cá nhân thành trí tuệ tổ chức.
Một suy nghĩ bổ sung
Có lẽ mỗi chuyên gia khi đi gần đến cuối chặng đường công vụ đều có một câu hỏi thầm lặng: mình sẽ để lại gì?
Không phải để lại chức vụ.
Không phải để lại một căn phòng làm việc.
Không phải để lại vài tấm bằng khen.
Điều đáng để lại nhất là tri thức, là cách nghĩ, là thái độ nghề nghiệp, là những bài học mà người sau có thể dùng để đi tiếp mà không phải trả lại đúng những cái giá mình đã từng trả.
Trong thời đại AI, câu hỏi ấy càng có ý nghĩa.
Bởi lần đầu tiên, chúng ta có công cụ đủ mạnh để ghi lại, tổ chức, tìm kiếm và tái sử dụng tri thức chuyên gia ở quy mô lớn.
Nhưng công cụ mạnh không tự tạo ra di sản.
Di sản chỉ hình thành khi con người muốn chia sẻ, tổ chức biết trân trọng, người trẻ biết học và công nghệ được dùng với trách nhiệm.
Tôi nghĩ, một chuyên gia nghỉ hưu không nên được nhìn như một thư viện đóng cửa.
Nếu làm đúng, đó có thể là lúc thư viện ấy được số hóa, được mở ra, được sắp xếp lại và được trao cho thế hệ sau theo một cách mới.
Một đời làm nghề không thể giữ lại tất cả.
Nhưng có thể giữ lại những điều cốt lõi.
Và nếu những điều cốt lõi ấy được biến thành tri thức sống của tổ chức, thì nghỉ hưu không còn là sự rút lui khỏi dòng chảy nghề nghiệp.
Nó trở thành một cách khác để tiếp tục đóng góp.
Tài liệu tham khảo
- Michael Polanyi. The Tacit Dimension và khái niệm tri thức ngầm: con người biết nhiều hơn những gì có thể diễn đạt thành lời.
- Ikujiro Nonaka và Hirotaka Takeuchi. Mô hình tạo lập tri thức tổ chức thông qua chuyển hóa giữa tri thức ngầm và tri thức hiển minh.
- NASA APPEL Knowledge Services. Knowledge Management và khái niệm “critical knowledge”.
- IAEA. The Nuclear Power Industry’s Ageing Workforce: Transfer of Knowledge to the Next Generation.
- OECD. Facilitating knowledge transfer between generations.
- OECD. Managing an ageing public service through tailored policies for older workers, 2025.
- NASA NTRS. Transitioning Sixty Years of NASA Spacesuit Knowledge Capture Lessons Learned to Searchable Knowledge Transfer Databases, 2024.
- Rui, H. et al. How does rapport impact knowledge transfer from older to younger employees?, 2022.
- Benderoth, M. et al. Socially Interactive Agents for Preserving and Transferring Tacit Knowledge in Organizations, 2025.
- Zuin, G. et al. Leveraging Large Language Models for Tacit Knowledge Discovery in Organizational Contexts, 2025.