Đỗ Đức Dũng
Tóm tắt
Một viện nghiên cứu không chỉ tồn tại bằng trụ sở, biên chế, thiết bị, đề tài, dự án hay báo cáo đã hoàn thành. Giá trị sâu nhất của viện nằm ở tri thức tích lũy qua nhiều thế hệ chuyên gia: dữ liệu, mô hình, phương pháp, kinh nghiệm hiện trường, bài học thất bại, năng lực phản biện, hiểu biết vùng, chuẩn mực nghề nghiệp và khả năng giải quyết những bài toán chưa có sẵn đáp án. Khi các chuyên gia lâu năm nghỉ hưu, viện có nguy cơ mất đi một phần trí nhớ tổ chức nếu không có cơ chế quản trị tri thức. Mất mát này thường âm thầm, không xuất hiện ngay trong báo cáo nhân sự, nhưng sẽ bộc lộ khi cần truy lại dữ liệu cũ, hiệu chỉnh mô hình, thẩm định phương án, xử lý thiên tai, bảo vệ quy hoạch hoặc đào tạo người kế thừa. Bài viết phân tích vì sao viện nghiên cứu dễ mất tri thức sau mỗi đợt nghỉ hưu; phân biệt bàn giao hồ sơ với bàn giao tri thức; đề xuất khung quản trị tri thức gồm bản đồ tri thức, chương trình phỏng vấn chuyên gia, kho tri thức số, AI nội bộ, mentoring, seminar di sản, quản lý mô hình – dữ liệu – bài học, và đưa tri thức vào quy trình làm việc. Luận điểm chính của bài viết là: một viện nghiên cứu muốn không mất tri thức sau nghỉ hưu thì phải coi tri thức là tài sản chiến lược, nghỉ hưu là sự kiện quản trị tri thức, và AI là công cụ hỗ trợ chuyển ký ức cá nhân thành trí nhớ tổ chức.
Từ khóa: viện nghiên cứu, nghỉ hưu, tri thức chuyên gia, quản trị tri thức, AI nội bộ, kho tri thức số, tri thức ngầm, tài nguyên nước, thủy lợi, truyền nghề, trí nhớ tổ chức.
1. Đặt vấn đề
Một viện nghiên cứu thường được nhìn thấy qua những thứ hữu hình.
- Tên viện.
- Trụ sở.
- Phòng ban.
- Đội ngũ.
- Đề tài.
- Dự án.
- Báo cáo.
- Hồ sơ nghiệm thu.
- Bài báo.
- Sản phẩm chuyển giao.
Nhưng phần quan trọng nhất của một viện nghiên cứu lại không hoàn toàn nằm ở những thứ hữu hình đó.
Nó nằm trong ký ức nghề nghiệp của những con người đã làm việc ở đó nhiều năm.
Một chuyên gia nhớ vùng nào từng ngập sâu trong một trận lũ cũ.
Một người làm mô hình biết vì sao bộ tham số này không nên dùng cho giai đoạn sau khi lưu vực đã đô thị hóa.
Một người làm quy hoạch biết phương án nào từng bị loại vì không phù hợp với địa phương.
Một người làm công trình biết hồ nào có hạ du nhạy cảm.
Một người làm dữ liệu biết trạm nào từng thay đổi vị trí, chuỗi nào đã được hiệu chỉnh, số liệu nào cần kiểm tra lại.
Một người làm quản lý khoa học biết nhóm nào mạnh về mô hình, nhóm nào mạnh về hiện trường, ai từng làm lưu vực nào, ai có thể phản biện vấn đề gì.
Những điều này nhiều khi không nằm đầy đủ trong báo cáo chính thức.
Khi chuyên gia nghỉ hưu, nếu viện chỉ bàn giao hồ sơ, máy tính và tài liệu, viện có thể tưởng rằng tri thức đã được giữ lại. Nhưng thực tế, một phần rất lớn tri thức đã rời khỏi tổ chức cùng con người.
Câu hỏi vì vậy không chỉ là: ai thay người nghỉ hưu?
Câu hỏi sâu hơn là:
- Làm thế nào để viện nghiên cứu không mất tri thức sau mỗi đợt nghỉ hưu?
Trong thời đại AI, câu hỏi này càng quan trọng. Bởi AI có thể giúp lưu giữ, truy xuất, tổ chức và tái sử dụng tri thức tốt hơn trước rất nhiều. Nhưng AI chỉ phát huy khi viện có chiến lược quản trị tri thức nghiêm túc. Nếu không, AI chỉ đọc lại những gì còn sót trong hồ sơ, còn phần tinh túy nhất của kinh nghiệm vẫn biến mất.
2. Vì sao viện nghiên cứu dễ mất tri thức?
Viện nghiên cứu dễ mất tri thức vì đặc thù tri thức của viện không giống tri thức hành chính thông thường.
Trong một cơ quan hành chính, nhiều công việc có thể được quy định khá rõ bằng quy trình, biểu mẫu, văn bản, thẩm quyền và hồ sơ. Người mới có thể học theo quy trình và làm lại tương đối nhanh.
Nhưng trong viện nghiên cứu, đặc biệt là các viện kỹ thuật, rất nhiều tri thức nằm ở tầng sâu hơn.
Đó là cách đặt vấn đề nghiên cứu.
Cách nhận ra một số liệu bất thường.
Cách chọn mô hình phù hợp.
Cách hiểu vùng.
Cách phản biện một phương án.
Cách đánh giá sai số.
Cách biết khi nào cần đi thực địa.
Cách biến dữ liệu rời rạc thành nhận định có trách nhiệm.
Cách bảo vệ một luận điểm kỹ thuật trước hội đồng hoặc địa phương.
Những thứ này không thể chuyển giao chỉ bằng một biên bản bàn giao.
Viện nghiên cứu còn dễ mất tri thức vì công việc thường theo dự án. Mỗi đề tài, mỗi quy hoạch, mỗi nhiệm vụ kết thúc bằng sản phẩm giao nộp. Nhưng quá trình tạo ra sản phẩm, gồm tranh luận, sai số, giả định, phương án bị loại, kinh nghiệm hiện trường và bài học thất bại, thường không được lưu đầy đủ.
Khi người tham gia dự án nghỉ hưu, phần “quá trình” ấy biến mất trước, trong khi chính nó mới chứa nhiều bài học nhất.
3. Mất tri thức sau nghỉ hưu nguy hiểm hơn mất người
Mất người có thể nhìn thấy ngay.
Một phòng thiếu chuyên gia.
Một nhóm thiếu chủ nhiệm đề tài.
Một bộ môn thiếu người phản biện.
Một lĩnh vực thiếu cán bộ đầu đàn.
Nhưng mất tri thức thường âm thầm hơn.
Trong năm đầu, có thể chưa thấy vấn đề. Hồ sơ vẫn còn. Báo cáo vẫn có. Dự án mới vẫn triển khai. Người trẻ vẫn cố gắng tiếp nhận.
Nhưng đến khi gặp bài toán khó, khoảng trống mới lộ ra.
Cần truy lại nguồn dữ liệu cũ nhưng không ai biết bản nào là gốc.
Cần chạy lại mô hình nhưng không ai hiểu vì sao tham số được chọn như vậy.
Cần giải thích một phương án quy hoạch cũ nhưng người nắm bối cảnh đã nghỉ.
Cần thẩm định một báo cáo mới nhưng thiếu người đủ kinh nghiệm nhận ra lỗi tinh vi.
Cần xử lý một tình huống lũ, hạn, mặn bất thường nhưng thiếu người từng trải qua sự kiện tương tự.
Khi đó, viện không chỉ thiếu người. Viện thiếu trí nhớ.
NASA gọi “critical knowledge” là loại tri thức thiết yếu để tổ chức 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 phù hợp với các viện nghiên cứu kỹ thuật: không phải mọi tri thức đều có cùng mức độ quan trọng, nhưng tri thức cốt lõi phải được quản lý như tài sản chiến lược.
4. Bàn giao hồ sơ không phải bàn giao tri thức
Một sai lầm rất phổ biến là đồng nhất bàn giao hồ sơ với bàn giao tri thức.
Bàn giao hồ sơ là giao lại tài liệu, file, bản vẽ, báo cáo, máy tính, danh sách dự án, danh mục công việc.
Bàn giao tri thức là giải thích:
- vì sao tài liệu đó quan trọng;
- dữ liệu nào là gốc;
- dữ liệu nào cần nghi ngờ;
- mô hình nào còn dùng được;
- mô hình nào chỉ nên tham khảo;
- phương án nào từng bị loại;
- bài học nào cần nhớ;
- ai là người nắm phần nào;
- vấn đề nào người kế thừa phải đặc biệt cẩn trọng;
- điều gì chưa được viết trong báo cáo.
Bàn giao hồ sơ có thể làm trong vài ngày.
Bàn giao tri thức cần nhiều tháng, thậm chí nhiều năm.
Bàn giao hồ sơ chuyển vật mang tin.
Bàn giao tri thức chuyển năng lực hiểu và sử dụng thông tin.
Nếu một viện chỉ yêu cầu chuyên gia sắp nghỉ hưu bàn giao tài liệu, viện mới giữ được phần vỏ. Muốn giữ phần lõi, phải có chương trình chuyển giao tri thức có chủ đích.
5. Nghỉ hưu phải được xem là một sự kiện quản trị tri thức
Trong nhiều tổ chức, nghỉ hưu được xử lý như thủ tục nhân sự.
- Đủ tuổi.
- Làm quyết định.
- Bàn giao.
- Tổ chức gặp mặt.
- Kết thúc.
Cách làm ấy chưa đủ với chuyên gia cốt lõi.
Với viện nghiên cứu, mỗi đợt nghỉ hưu của chuyên gia đầu ngành phải được xem là một sự kiện quản trị tri thức.
Nghĩa là trước khi một chuyên gia nghỉ hưu, viện cần biết:
- người đó đang nắm tri thức gì;
- tri thức nào là độc nhất;
- tri thức nào chưa được tài liệu hóa;
- dữ liệu, mô hình, lưu vực, công trình nào gắn với người đó;
- ai là người kế thừa;
- cần phỏng vấn những nội dung gì;
- cần số hóa những tài liệu nào;
- cần tổ chức seminar nào;
- cần tạo checklist, case study, hướng dẫn nào;
- tri thức nào cần đưa vào AI nội bộ;
- tri thức nào cần bảo mật;
- tri thức nào cần cập nhật sau này.
IAEA từng cảnh báo rất sớm về nguy cơ lực lượng chuyên gia già hóa trong ngành hạt nhân và nhu cầu giữ lại tri thức cần thiết để thiết kế, vận hành, bảo trì nhà máy điện hạt nhân. Dù thủy lợi và tài nguyên nước không phải hạt nhân, bài học quản trị tri thức của các ngành kỹ thuật rủi ro cao là rất rõ: khi chuyên gia rời hệ thống mà tri thức không được chuyển giao, năng lực an toàn và vận hành có thể bị ảnh hưởng.
6. Viện nghiên cứu cần biết mình đang có những loại tri thức nào
Muốn không mất tri thức, viện phải biết mình đang có tri thức gì.
Một viện nghiên cứu tài nguyên nước, thủy lợi, quy hoạch hoặc phòng chống thiên tai thường có ít nhất mười nhóm tri thức.
6.1. Tri thức dữ liệu
Nguồn dữ liệu, chuỗi số liệu, trạm đo, sai số, hiệu chỉnh, khoảng trống dữ liệu, metadata, dữ liệu lịch sử.
6.2. Tri thức mô hình
Mô hình thủy văn, thủy lực, cân bằng nước, mặn, ngập, nước dưới đất, hồ chứa; bộ tham số; điều kiện biên; quá trình kiểm định; giới hạn áp dụng.
6.3. Tri thức lưu vực và vùng
Đặc điểm từng lưu vực, từng vùng ngập, vùng hạn, vùng mặn, vùng ven biển, vùng đô thị hóa, vùng chuyển đổi sản xuất.
6.4. Tri thức công trình
Hồ chứa, đê, cống, trạm bơm, kênh, ô bao, bờ bao, hệ thống tiêu thoát, công trình cấp nước, công trình kiểm soát mặn.
6.5. Tri thức quy hoạch
Phương án đã chọn, phương án bị loại, lý do lựa chọn, xung đột lợi ích, bài học triển khai, điểm nghẽn chính sách.
6.6. Tri thức thiên tai
Lũ lịch sử, hạn lịch sử, mặn lịch sử, sự cố công trình, bài học cảnh báo, bài học vận hành.
6.7. Tri thức hiện trường
Nhận xét khảo sát, kinh nghiệm địa phương, đường nước thực tế, điểm nghẽn thoát nước, vùng nhạy cảm không thể hiện đủ trên bản đồ.
6.8. Tri thức thể chế
Luật, nghị định, thông tư, quy trình, cơ chế phối hợp, phân cấp, trách nhiệm, cơ quan đầu mối.
6.9. Tri thức con người
Ai biết gì, ai từng làm dự án nào, chuyên gia nào hiểu lưu vực nào, ai có thể phản biện lĩnh vực nào.
6.10. Tri thức văn hóa nghề nghiệp
Cách làm việc cẩn trọng, thái độ với số liệu, trách nhiệm với hạ du, đạo đức trong mô hình và quy hoạch, chuẩn mực phản biện.
Nếu không phân loại, viện sẽ chỉ thấy “hồ sơ”. Khi phân loại, viện mới thấy “tài sản tri thức”.
7. Bước đầu tiên: lập bản đồ tri thức của viện
Một viện muốn không mất tri thức phải có bản đồ tri thức.
Bản đồ tri thức không phải bản đồ địa lý, mà là bản đồ cho biết tri thức nằm ở đâu, trong ai, trong tài liệu nào, trong mô hình nào, trong dự án nào, trong dữ liệu nào.
Bản đồ đó cần trả lời:
- lĩnh vực nào viện mạnh;
- lĩnh vực nào chỉ có một vài chuyên gia nắm;
- lưu vực nào có tri thức sâu;
- mô hình nào đã có người kế thừa;
- dữ liệu nào không ai hiểu rõ nguồn gốc;
- chuyên gia nào sắp nghỉ hưu;
- chuyên đề nào có nguy cơ đứt gãy;
- nhóm trẻ nào có thể tiếp nhận;
- mảng nào cần đào tạo khẩn cấp.
- Đây là bước rất thực tế.
Không có bản đồ tri thức, viện không biết mình sắp mất gì.
Có bản đồ tri thức, viện có thể chủ động chuyển giao trước khi quá muộn.
8. Xác định “tri thức cốt lõi” cần bảo vệ trước
Không phải mọi tri thức đều cần lưu giữ cùng mức độ.
Viện phải ưu tiên “tri thức cốt lõi”.
Đó là tri thức nếu mất đi sẽ gây ảnh hưởng lớn đến năng lực nghiên cứu, tư vấn, quy hoạch, thẩm định, vận hành hoặc đào tạo.
Ví dụ:
- bộ dữ liệu lũ lịch sử đã được hiệu chỉnh;
- mô hình thủy lực một vùng trọng điểm;
- kinh nghiệm vận hành hồ chứa có hạ du đông dân cư;
- tri thức về xâm nhập mặn Đồng bằng sông Cửu Long;
- tri thức về các lưu vực miền Trung lũ nhanh;
- tri thức về hệ thống thủy lợi liên tỉnh;
- tri thức về quy hoạch lớn đã có nhiều tranh luận;
- tri thức về các điểm yếu công trình;
- tri thức về các bài học thất bại.
NASA ưu tiên quản trị “critical knowledge” thay vì cố giữ mọi thứ như nhau; cách tiếp cận này giúp tổ chức tập trung vào loại tri thức không dễ thay thế và thiết yếu cho quyết định.
Với viện nghiên cứu, đây là nguyên tắc rất quan trọng: phải biết cái gì không được phép mất.
9. Thiết lập chương trình “trước nghỉ hưu 3 năm”
Không nên chờ chuyên gia có quyết định nghỉ hưu rồi mới bàn giao.
Một chương trình nghiêm túc nên bắt đầu trước 3 năm.
Năm thứ nhất: nhận diện và lập bản đồ
Xác định chuyên gia sắp nghỉ, lĩnh vực tri thức họ nắm, người kế thừa, tài liệu cần thu thập, mô hình cần bàn giao, dữ liệu cần chuẩn hóa.
Năm thứ hai: chuyển giao chủ động
Tổ chức seminar, phỏng vấn, cùng làm dự án với người trẻ, ghi lại bài học, chú giải mô hình, lập checklist, đưa người kế thừa vào công việc thực tế.
Năm thứ ba: bàn giao có kiểm chứng
Người kế thừa phải sử dụng được dữ liệu, chạy lại được mô hình, giải thích được phương án, trình bày được bài học, phản biện được vấn đề. Chuyên gia nghỉ hưu đóng vai trò kiểm chứng cuối cùng.
Làm như vậy, nghỉ hưu không còn là sự rời đi đột ngột, mà là một quá trình chuyển vai.
10. Xây kho tri thức số của viện
Một viện nghiên cứu hiện đại cần có kho tri thức số.
Kho này không nên chỉ là thư mục lưu file.
Nó phải là hệ thống có cấu trúc.
Cần có:
- báo cáo;
- bản đồ;
- dữ liệu;
- mô hình;
- ảnh hiện trường;
- video seminar;
- ghi âm phỏng vấn;
- biên bản kỹ thuật;
- bài học sau dự án;
- bài học sau thiên tai;
- checklist;
- quy trình;
- hướng dẫn mô hình;
- danh mục chuyên gia;
- metadata;
- phân quyền;
- công cụ tìm kiếm;
- AI truy xuất có nguồn.
ISO 30401:2018 đưa ra yêu cầu và hướng dẫn để thiết lập, triển khai, duy trì, rà soát và cải tiến hệ thống quản lý tri thức trong tổ chức; điều này cho thấy quản trị tri thức phải được xem như một hệ thống quản lý chính thức, không phải hoạt động lưu trữ tự phát.
Một kho tri thức tốt phải trả lời được các câu hỏi thực tế:
- Ai từng làm lưu vực này?
- Dữ liệu nào đã dùng?
- Mô hình nào đã xây?
- Báo cáo nào còn hiệu lực?
- Có bài học thất bại nào không?
- Trạm nào cần kiểm tra?
- Công trình nào có rủi ro?
- Chuyên gia nào từng phản biện vấn đề này?
Nếu không trả lời được những câu hỏi đó, kho tri thức chưa đủ giá trị.
11. Ghi lại bài học thất bại
Viện nghiên cứu thường có xu hướng lưu thành công nhiều hơn thất bại.
Nhưng tri thức quý nhất nhiều khi nằm trong thất bại.
Một mô hình từng dự báo sai.
Một phương án quy hoạch từng không khả thi.
Một dữ liệu từng dùng nhầm hệ cao độ.
Một công trình từng đánh giá thiếu tác động hạ du.
Một báo cáo từng bị phản biện mạnh.
Một dự án từng triển khai khó vì không hiểu địa phương.
Nếu không ghi lại, người sau có thể lặp lại sai lầm.
NASA duy trì các hệ thống lessons learned để chia sẻ kinh nghiệm từ chương trình, dự án và sự kiện, nhằm cải thiện đào tạo, thực hành tốt, chính sách và thủ tục. Tư duy “học từ sự kiện” này rất cần cho các viện nghiên cứu kỹ thuật, nơi mỗi dự án đều có bài học, kể cả khi sản phẩm cuối cùng được nghiệm thu.
Một viện nghiên cứu nên có quy định: mỗi đề tài, dự án, quy hoạch, mô hình, nhiệm vụ thiên tai sau khi kết thúc phải có phần “bài học rút ra”, gồm cả điều làm tốt và điều chưa tốt.
12. Tổ chức seminar di sản của chuyên gia
Một hình thức rất nhân văn và hiệu quả là seminar di sản.
Mỗi chuyên gia trước khi nghỉ hưu nên có một số buổi trình bày không chỉ về thành tích, mà về tri thức nghề nghiệp.
Ví dụ:
- “Ba mươi năm làm mô hình thủy lực, tôi học được gì?”
- “Những bài học lớn từ quy hoạch Đồng bằng sông Cửu Long.”
- “Những sai số thường gặp khi dùng số liệu mực nước.”
- “Điều cần nhớ khi vận hành hồ chứa trong mưa lớn.”
- “Vì sao đi thực địa vẫn không thể thay thế?”
- “Những thất bại giúp tôi hiểu nghề hơn.”
Các seminar này cần được ghi hình, chuyển thành văn bản, gắn thẻ, biên tập và đưa vào kho tri thức số.
Không nên để những buổi nói chuyện quý như vậy biến mất sau khi hội trường tắt đèn.
13. Phỏng vấn sâu chuyên gia bằng bộ câu hỏi chuẩn
Không phải chuyên gia nào cũng tự viết lại được kinh nghiệm của mình.
Cần có phỏng vấn sâu.
Bộ câu hỏi nên theo các nhóm:
- dữ liệu;
- mô hình;
- lưu vực;
- công trình;
- quy hoạch;
- vận hành;
- thiên tai;
- địa phương;
- bài học thất bại;
- người kế thừa;
- lời khuyên nghề nghiệp.
AI có thể hỗ trợ chuẩn bị câu hỏi, chuyển ghi âm thành văn bản, tóm tắt và gắn thẻ. Nhưng người phỏng vấn nên là người hiểu chuyên môn để hỏi tiếp được những điểm quan trọng.
Ví dụ, khi chuyên gia nói “trạm này không ổn”, người phỏng vấn phải hỏi tiếp:
- không ổn ở giai đoạn nào;
- vì sao không ổn;
- đã xử lý thế nào;
- có tài liệu nào ghi lại không;
- người sau cần kiểm tra gì.
Chỉ khi hỏi sâu như vậy, tri thức ngầm mới bắt đầu lộ ra.
14. Mentoring: truyền nghề không thể thay bằng kho tài liệu
Kho tri thức rất quan trọng, nhưng không đủ.
Viện cần cơ chế mentoring, tức chuyên gia giàu kinh nghiệm kèm cặp người trẻ.
OECD nhấn mạnh rằng tổ chức có thể tăng chuyển giao tri thức giữa các thế hệ bằng cách hình thành nhóm đa thế hệ, thúc đẩy mentoring, coaching và môi trường làm việc giúp người trẻ học từ kinh nghiệm của người đi trước.
Trong viện nghiên cứu, mentoring nên được thiết kế như nhiệm vụ chính thức, không chỉ là tự phát.
Một chuyên gia sắp nghỉ nên được giao kèm một nhóm kế thừa.
Người trẻ không chỉ nghe giảng, mà phải làm cùng:
- cùng đọc số liệu;
- cùng đi thực địa;
- cùng hiệu chỉnh mô hình;
- cùng viết báo cáo;
- cùng bảo vệ phương án;
- cùng phản biện đề tài;
- cùng tổng kết sau sự kiện.
Tri thức nghề nghiệp sâu nhất thường truyền qua làm cùng, không chỉ qua đọc tài liệu.
15. Mỗi mô hình phải có “hộ chiếu mô hình”
Một viện nghiên cứu thủy lợi thường có nhiều mô hình.
Nhưng nếu người xây dựng mô hình nghỉ hưu mà không có tài liệu đầy đủ, mô hình rất dễ trở thành hộp đen.
Vì vậy, mỗi mô hình quan trọng phải có “hộ chiếu mô hình”.
Hộ chiếu mô hình cần ghi:
- mục tiêu mô hình;
- phạm vi không gian;
- thời gian xây dựng;
- người xây dựng;
- nguồn dữ liệu;
- hệ tọa độ;
- hệ cao độ;
- điều kiện biên;
- tham số chính;
- trận hiệu chỉnh;
- trận kiểm định;
- sai số;
- giới hạn sử dụng;
- phiên bản phần mềm;
- các giả định quan trọng;
- bài học khi sử dụng;
- người có thể hỗ trợ.
Nếu làm được điều này, người sau có thể kế thừa mô hình, thay vì phải xây lại từ đầu hoặc dùng mô hình mà không hiểu.
16. Mỗi bộ dữ liệu phải có metadata và người chịu trách nhiệm
Dữ liệu không có metadata rất nguy hiểm.
Một file mực nước không cho biết trạm nào, thời gian nào, nguồn nào, đã hiệu chỉnh chưa, đơn vị gì, hệ cao độ nào, ai cung cấp, thì rất khó dùng cho quyết định nghiêm túc.
Vì vậy, viện cần quy định mỗi bộ dữ liệu phải có metadata.
Metadata tối thiểu gồm:
- tên bộ dữ liệu;
- nguồn;
- người phụ trách;
- thời gian;
- phạm vi;
- đơn vị đo;
- hệ tọa độ, hệ cao độ nếu có;
- phương pháp thu thập;
- mức độ kiểm chứng;
- giới hạn sử dụng;
- phiên bản;
- tài liệu liên quan.
Khi chuyên gia dữ liệu nghỉ hưu, metadata là thứ giúp người sau không bị mất phương hướng.
17. Xây AI nội bộ nhưng phải có nguồn và phân quyền
AI có thể giúp viện không mất tri thức, nhưng phải được thiết kế đúng.
Không nên chỉ dùng AI công cộng để hỏi các vấn đề nội bộ nhạy cảm.
Viện cần AI nội bộ dựa trên kho tri thức của chính mình.
AI đó phải có các nguyên tắc:
- trả lời dựa trên nguồn nội bộ;
- trích nguồn rõ;
- không trả lời nếu thiếu căn cứ;
- phân quyền theo người dùng;
- ghi nhật ký truy vấn;
- bảo vệ dữ liệu nhạy cảm;
- có chuyên gia kiểm chứng câu trả lời quan trọng;
- cập nhật thường xuyên.
NIST AI Risk Management Framework nhấn mạnh quản trị rủi ro AI cần gắn với độ tin cậy, khả năng giải thích, an toàn, bảo mật, trách nhiệm và kiểm soát trong toàn bộ vòng đời hệ thống AI. Với AI nội bộ của viện nghiên cứu, điều đó có nghĩa là AI phải được quản trị như một công cụ kỹ thuật có rủi ro, không phải một chatbot dùng tùy tiện.
AI nội bộ tốt không phải là AI nói nhiều nhất. Đó là AI biết dựa vào nguồn đúng, thừa nhận giới hạn và giúp người dùng tìm lại tri thức đáng tin.
18. Đưa tri thức vào quy trình làm việc
Một kho tri thức dù tốt cũng sẽ chết nếu không được dùng.
Muốn không mất tri thức, viện phải đưa tri thức vào quy trình làm việc.
Ví dụ:
- khi lập đề cương nghiên cứu, phải tra cứu các đề tài cũ liên quan;
- khi lập quy hoạch, phải kiểm tra kho tri thức vùng;
- khi xây mô hình, phải kiểm tra mô hình và dữ liệu đã có;
- khi thẩm định báo cáo, phải dùng checklist bài học cũ;
- khi vận hành hoặc cảnh báo, phải xem các sự kiện tương tự;
- sau mỗi dự án, phải cập nhật bài học mới vào kho;
- trước khi chuyên gia nghỉ hưu, phải hoàn thành hồ sơ tri thức.
Tri thức chỉ sống khi nó đi vào việc thật.
19. Gắn tri thức với WebGIS và Digital Twin
Với ngành nước, tri thức không nên chỉ nằm trong văn bản.
Nó phải gắn với không gian và thời gian.
Một ghi chú chuyên gia về vùng ngập nên gắn vào lớp WebGIS.
Một bài học về hồ chứa nên gắn với hồ, lưu vực, hạ du và sự kiện mưa lũ.
Một nhận xét về trạm đo nên gắn với vị trí trạm và chuỗi số liệu.
Một cảnh báo về ô bao nên gắn với bản đồ ô bao, cao trình đỉnh bao và kịch bản mực nước.
Khi tri thức được gắn với WebGIS và Digital Twin, nó sẽ xuất hiện đúng nơi người dùng cần.
Người dùng bấm vào một hồ, thấy không chỉ thông số hồ, mà cả bài học vận hành, sự kiện lũ, mô hình hạ du, chuyên gia từng phụ trách.
Người dùng bấm vào một vùng ngập, thấy không chỉ bản đồ, mà cả ảnh hiện trường, nhận xét chuyên gia, báo cáo cũ và sự kiện lịch sử.
Đây là cách tri thức chuyên gia đi vào bản sao số của hệ thống.
20. Xây văn hóa không che giấu sai lầm
Một viện không thể có kho tri thức tốt nếu không dám ghi lại sai lầm.
Trong nghiên cứu và kỹ thuật, sai lầm là nguồn học rất lớn.
Nhưng nhiều tổ chức có văn hóa chỉ báo cáo thành công. Khi đó, bài học thất bại bị đẩy ra ngoài trí nhớ chính thức.
Muốn không mất tri thức, viện cần văn hóa khác:
- thất bại kỹ thuật được phân tích để học, không phải để đổ lỗi;
- sai số mô hình được thừa nhận, không che giấu;
- dữ liệu yếu được ghi rõ, không làm đẹp;
- phương án bị loại được lưu lại, không xóa khỏi lịch sử;
- bài học sau thiên tai được viết thẳng, không chỉ viết chung chung.
Một viện nghiên cứu trưởng thành là viện có khả năng học từ chính sai lầm của mình.
21. Duy trì chuyên gia nghỉ hưu như “cố vấn tri thức”
Nghỉ hưu không nhất thiết là cắt đứt.
Viện có thể xây cơ chế cố vấn tri thức cho chuyên gia nghỉ hưu.
Không cần họ làm hành chính hằng ngày.
Nhưng có thể mời họ:
- phản biện đề tài quan trọng;
- giảng seminar chuyên đề;
- tham gia hội đồng chuyên môn;
- kiểm chứng kho tri thức;
- hỗ trợ đào tạo người trẻ;
- kể lại bài học lịch sử;
- tư vấn mô hình hoặc lưu vực họ am hiểu.
Điều này vừa nhân văn, vừa hiệu quả.
Nó giúp chuyên gia tiếp tục đóng góp bằng tri thức, không bằng chức vụ.
Nó cũng giúp người trẻ tiếp cận nguồn kinh nghiệm quý mà nếu mất đi sẽ rất khó tìm lại.
22. Đào tạo lớp kế thừa bằng bài toán thật
Đào tạo kế thừa không nên chỉ là cử đi học phần mềm.
Người trẻ cần được giao bài toán thật, nhưng có chuyên gia kèm.
Ví dụ:
- xây lại một mô hình cũ và giải thích khác biệt;
- kiểm tra lại một bộ dữ liệu lịch sử;
- viết lại bài học từ một quy hoạch cũ;
- đi thực địa kiểm chứng bản đồ ngập;
- thuyết trình lại một phương án trước chuyên gia;
- tự lập checklist kiểm tra mô hình;
- tham gia phản biện báo cáo với người đi trước.
Người trẻ phải được đặt vào tình huống cần suy nghĩ, không chỉ làm thao tác.
Chỉ khi đó tri thức mới chuyển thành năng lực.
23. Đo lường quản trị tri thức
Cái gì không đo thì khó quản lý.
Viện nên có các chỉ số quản trị tri thức.
Ví dụ:
- bao nhiêu chuyên gia cốt lõi đã có hồ sơ tri thức;
- bao nhiêu mô hình có hộ chiếu mô hình;
- bao nhiêu bộ dữ liệu có metadata;
- bao nhiêu seminar chuyên gia đã được ghi lại;
- bao nhiêu bài học sau dự án được cập nhật;
- bao nhiêu người trẻ có mentor;
- bao nhiêu truy vấn kho tri thức được sử dụng trong dự án;
- bao nhiêu báo cáo mới có tham chiếu bài học cũ;
- bao nhiêu tri thức quan trọng còn nằm ở một người duy nhất.
Những chỉ số này giúp viện thấy tiến bộ thật, không chỉ nói chung chung rằng “đã lưu trữ tài liệu”.
24. Một mô hình tổ chức đề xuất: Trung tâm tri thức nội bộ
Với một viện lớn, có thể thành lập một đơn vị hoặc nhóm phụ trách tri thức nội bộ.
Không nhất thiết phải là một trung tâm lớn ngay từ đầu. Có thể là tổ công tác liên phòng.
Nhiệm vụ gồm:
- quản lý kho tri thức;
- chuẩn hóa metadata;
- tổ chức phỏng vấn chuyên gia;
- quản lý seminar di sản;
- xây AI nội bộ;
- kiểm soát quyền truy cập;
- hỗ trợ các nhóm dự án tìm tri thức;
- cập nhật bài học sau dự án;
- theo dõi rủi ro mất tri thức do nghỉ hưu;
- phối hợp đào tạo người trẻ.
Đơn vị này không thay thế các phòng chuyên môn. Nó giúp tri thức của các phòng chuyên môn không bị rời rạc.
25. Khung hành động 10 bước cho một viện nghiên cứu
Tôi đề xuất một khung hành động thực tế.
Bước 1: Ban hành quan điểm chính thức
Lãnh đạo viện cần xác định tri thức là tài sản chiến lược, không phải phụ phẩm của dự án.
Bước 2: Lập bản đồ tri thức
Xác định tri thức nằm ở đâu, ai nắm, lĩnh vực nào có nguy cơ mất, chuyên gia nào sắp nghỉ.
Bước 3: Phân loại tri thức cốt lõi
Dữ liệu, mô hình, lưu vực, công trình, quy hoạch, sự kiện thiên tai, bài học thất bại, tri thức hiện trường.
Bước 4: Xây chương trình chuyển giao trước nghỉ hưu
Ít nhất 2–3 năm trước khi chuyên gia nghỉ, phải có kế hoạch chuyển giao.
Bước 5: Tổ chức phỏng vấn và seminar di sản
Ghi lại kinh nghiệm bằng âm thanh, video, văn bản, bản đồ, checklist.
Bước 6: Chuẩn hóa dữ liệu và mô hình
Mỗi bộ dữ liệu có metadata. Mỗi mô hình có hộ chiếu mô hình.
Bước 7: Xây kho tri thức số
Có phân loại, tìm kiếm, phân quyền, nguồn trích dẫn, cập nhật.
Bước 8: Xây AI nội bộ có kiểm soát
AI truy xuất tri thức nội bộ, trả lời có nguồn, có phân quyền và có chuyên gia kiểm chứng.
Bước 9: Đưa tri thức vào quy trình dự án
Mọi đề tài, quy hoạch, mô hình, thẩm định, vận hành phải dùng và cập nhật kho tri thức.
Bước 10: Đánh giá định kỳ
Hằng năm đánh giá rủi ro mất tri thức, mức độ sử dụng kho tri thức, hiệu quả mentoring và chất lượng chuyển giao.
Đây không phải việc làm một lần. Đây là năng lực quản trị lâu dài của viện.
26. Rủi ro nếu làm hình thức
Quản trị tri thức rất dễ bị làm hình thức.
Có thể có kho tài liệu nhưng không ai dùng.
Có thể có AI nhưng trả lời không nguồn.
Có thể có seminar nhưng không biên tập, không lưu, không gắn thẻ.
Có thể có metadata nhưng điền qua loa.
Có thể có mentoring nhưng chỉ trên giấy.
Có thể có bài học sau dự án nhưng viết chung chung, không nói thật.
Có thể có cơ sở dữ liệu nhưng không cập nhật.
Làm hình thức còn nguy hiểm hơn không làm, vì nó tạo cảm giác an tâm giả.
Viện tưởng rằng tri thức đã được giữ, nhưng thực tế tri thức vẫn mất.
27. Hàm ý đối với các viện nghiên cứu tài nguyên nước và thủy lợi
Đối với các viện nghiên cứu tài nguyên nước và thủy lợi ở Việt Nam, vấn đề này rất cấp bách.
Nhiều chuyên gia từng tham gia giai đoạn xây nền đang hoặc sắp nghỉ hưu.
Nhiều mô hình, dữ liệu, quy hoạch, bài học vùng, kinh nghiệm hiện trường đang gắn với từng cá nhân.
Trong khi đó, thế hệ trẻ bước vào thời đại AI, WebGIS, Digital Twin, dữ liệu lớn và chuyển đổi số.
Nếu kết nối tốt hai thế hệ, viện sẽ có lợi thế rất lớn: kinh nghiệm sâu của thế hệ trước cộng với công nghệ mạnh của thế hệ sau.
Nếu không kết nối, viện có thể rơi vào nghịch lý: có công nghệ mới nhưng mất nền tri thức cũ; có AI nhưng không có dữ liệu và bối cảnh để AI hiểu đúng.
Vì vậy, quản trị tri thức sau nghỉ hưu không chỉ là vấn đề nhân sự. Đó là vấn đề sống còn của năng lực nghiên cứu.
28. Kết luận
Một viện nghiên cứu không mất tri thức sau mỗi đợt nghỉ hưu nếu viện biết chuẩn bị trước, quản trị tri thức như tài sản chiến lược và biến nghỉ hưu thành quá trình chuyển giao tri thức.
Muốn làm được, viện cần:
- lập bản đồ tri thức;
- xác định tri thức cốt lõi;
- phỏng vấn chuyên gia;
- ghi lại seminar di sản;
- xây kho tri thức số;
- chuẩn hóa dữ liệu;
- làm hộ chiếu mô hình;
- tổ chức mentoring;
- xây AI nội bộ có nguồn;
- gắn tri thức với WebGIS và Digital Twin;
- đưa bài học vào quy trình làm việc;
- duy trì chuyên gia nghỉ hưu như cố vấn tri thức;
- đào tạo người trẻ bằng bài toán thật.
AI có thể giúp quá trình này mạnh hơn rất nhiều. Nhưng AI không thay thế văn hóa chia sẻ, trách nhiệm nghề nghiệp và sự trân trọng người đi trước.
Nếu chỉ bàn giao hồ sơ, viện sẽ mất tri thức.
Nếu biết chuyển giao tri thức, viện sẽ giữ được trí nhớ.
Nếu biết dùng AI đúng cách, viện có thể biến trí nhớ ấy thành năng lực sống, phục vụ các thế hệ sau.
Một suy nghĩ bổ sung
Tôi nghĩ rằng một viện nghiên cứu cũng giống như một dòng sông.
Dòng sông không chỉ có nước của hôm nay. Nó có phù sa của nhiều mùa trước.
Một viện cũng vậy. Những gì viện làm được hôm nay không chỉ do người đang ngồi trong phòng làm việc hôm nay tạo ra. Nó được bồi đắp bởi nhiều thế hệ: người đi khảo sát trước, người xây mô hình trước, người lập quy hoạch trước, người phản biện trước, người chịu trách nhiệm trước.
Khi một thế hệ nghỉ hưu, nếu viện không giữ lại phù sa tri thức ấy, dòng sông tổ chức sẽ nghèo dần.
Có thể nước vẫn chảy, công việc vẫn chạy, báo cáo vẫn viết, nhưng độ màu mỡ của tri thức sẽ giảm.
AI cho chúng ta một cơ hội mới: giữ lại nhiều hơn, tìm lại nhanh hơn, kết nối tốt hơn và truyền lại rộng hơn.
Nhưng AI chỉ là công cụ.
Điều quyết định vẫn là viện có coi tri thức là tài sản hay không.
Có trân trọng người đi trước hay không.
Có tạo điều kiện cho người trẻ học thật hay không.
Có dám ghi lại cả thành công lẫn thất bại hay không.
Có đưa tri thức vào quyết định thật hay không.
Một chuyên gia nghỉ hưu không nên là một thư viện đóng cửa.
Một chuyên gia nghỉ hưu nên là một thư viện được số hóa, được chú giải, được mở ra cho thế hệ sau, và được tiếp tục bổ sung bằng tri thức mới.
Nếu làm được như vậy, nghỉ hưu không còn là mất mát đơn thuần.
Nó trở thành một hình thức chuyển giao.
Và một viện nghiên cứu trưởng thành là viện biết biến sự chuyển giao ấy thành sức mạnh lâu dài của mình.
Tài liệu tham khảo
- ISO. ISO 30401:2018 — Knowledge management systems: Requirements.
- NASA APPEL Knowledge Services. Knowledge Management và khái niệm “critical knowledge”.
- NASA APPEL Knowledge Services. Lessons Learned.
- NASA APPEL Knowledge Services. History and Timeline.
- IAEA. The Nuclear Power Industry’s Ageing Workforce: Transfer of Knowledge to the Next Generation.
- OECD. Facilitating knowledge transfer between generations.
- OECD. Employer policies for ageing workplaces.
- OECD. Ageing and employment.
- NIST. Artificial Intelligence Risk Management Framework.