AI Ethicist là gì? Công việc, kỹ năng và cơ hội nghề nghiệp

1. AI Ethicist là gì và chịu trách nhiệm đến đâu?

AI Ethicist là người nghiên cứu, đánh giá và đưa ra khuyến nghị về những vấn đề đạo đức phát sinh trong quá trình thiết kế, phát triển, triển khai và sử dụng trí tuệ nhân tạo. Trọng tâm của công việc không chỉ là xác định một hệ thống AI có hoạt động chính xác hay không, mà còn xem xét hệ thống đó ảnh hưởng đến con người như thế nào, có tạo ra sự bất công hay không và tổ chức cần làm gì để hạn chế tác động tiêu cực.

Chẳng hạn, một mô hình AI có thể đạt kết quả tốt trên tập dữ liệu kiểm thử nhưng vẫn tạo ra bất lợi cho một số nhóm người dùng. AI Ethicist cần đặt câu hỏi về nguyên nhân, mức độ ảnh hưởng, bằng chứng hiện có và phương án xử lý trước khi đưa ra khuyến nghị.

1.1. AI Ethicist chuyển nguyên tắc đạo đức thành quyết định trong dự án như thế nào?

Những nguyên tắc như công bằng, minh bạch, bảo vệ quyền riêng tư và trách nhiệm giải trình chỉ thực sự hữu ích khi được chuyển thành yêu cầu có thể thực hiện và kiểm tra.

Trong một dự án AI, AI Ethicist có thể tham gia vào các hoạt động:

• Xác định mục đích sử dụng AI và những quyết định có thể ảnh hưởng đến quyền lợi của con người.

• Làm rõ nhóm người dùng, nhóm chịu tác động trực tiếp và những đối tượng có nguy cơ gặp bất lợi.

• Đặt ra các câu hỏi đánh giá về thiên lệch, dữ liệu cá nhân, khả năng giải thích và quyền can thiệp của con người.

• Đề xuất yêu cầu kiểm thử, điều chỉnh quy trình hoặc giới hạn phạm vi sử dụng hệ thống.

• Ghi nhận rủi ro còn tồn tại và chuyển khuyến nghị đến người có trách nhiệm quyết định.

Một nguồn tham khảo hữu ích là NIST AI Risk Management Framework do Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ xây dựng. Khung quản lý rủi ro này hướng đến việc đưa các yếu tố về độ tin cậy vào quá trình thiết kế, phát triển, sử dụng và đánh giá AI. Đây là khung hướng dẫn tự nguyện, không phải quy định mặc nhiên bắt buộc đối với mọi tổ chức.

Với AI Ethicist, giá trị thực tế của cách tiếp cận này nằm ở việc biến những lo ngại mang tính nguyên tắc thành các hoạt động nhận diện, đo lường, quản lý và theo dõi rủi ro.

1.2. Phân biệt AI Ethicist với AI Engineer, pháp chế và AI Governance

Các vị trí này có thể cùng tham gia một dự án AI nhưng khác nhau về trọng tâm công việc và kết quả cần bàn giao.

• AI Ethicist: Tập trung đánh giá tác động đối với con người, tính công bằng, trách nhiệm giải trình và những rủi ro đạo đức khi sử dụng AI.

• AI Engineer: Tập trung xây dựng, tích hợp, kiểm thử và cải thiện hoạt động kỹ thuật của hệ thống AI.

• Chuyên viên pháp chế: Xem xét nghĩa vụ pháp lý, hợp đồng, trách nhiệm tuân thủ và các yêu cầu pháp luật áp dụng cho hoạt động của tổ chức.

• Nhân sự AI Governance: Tham gia thiết lập hoặc vận hành cơ chế quản trị AI, bao gồm chính sách, vai trò chịu trách nhiệm, quy trình kiểm soát và báo cáo rủi ro.

Ranh giới giữa AI Ethicist và AI Governance có thể giao thoa. Một chuyên gia đạo đức AI có thể tham gia xây dựng chính sách quản trị, trong khi nhân sự quản trị AI cũng phải xem xét các nguyên tắc công bằng và trách nhiệm.

Điểm khác biệt cần quan sát là nhiệm vụ thực tế của vị trí: người đó chủ yếu phân tích tác động, xây dựng cơ chế kiểm soát hay chịu trách nhiệm trực tiếp về hệ thống kỹ thuật.

1.3. AI Ethicist có quyền quyết định việc triển khai hệ thống không?

Không phải mọi AI Ethicist đều có quyền phê duyệt, từ chối hoặc yêu cầu dừng triển khai AI. Thẩm quyền cụ thể phụ thuộc vào cơ cấu tổ chức, quy trình quản trị và trách nhiệm được giao.

Thông thường, AI Ethicist có thể đưa ra nhận định chuyên môn, xác định mức độ nghiêm trọng của vấn đề và kiến nghị phương án xử lý. Quyết định cuối cùng có thể thuộc về hội đồng quản trị rủi ro, lãnh đạo sản phẩm, bộ phận phụ trách tuân thủ hoặc chủ thể được tổ chức phân quyền.

Vì vậy, một phần quan trọng của nghề là phân biệt rõ kết luận chuyên môn, khuyến nghị xử lý và thẩm quyền ra quyết định. Nếu chưa có đủ bằng chứng để kết luận hệ thống an toàn hoặc công bằng, AI Ethicist cần nêu rõ giới hạn đánh giá thay vì đưa ra sự bảo đảm thiếu căn cứ.

2. Công việc thực tế của AI Ethicist gồm những gì?

Công việc của AI Ethicist thường gắn với từng hệ thống, sản phẩm hoặc quy trình sử dụng AI cụ thể. Thay vì chỉ thảo luận những khái niệm đạo đức chung, người làm nghề phải xác định vấn đề có thể xảy ra, tìm bằng chứng, trao đổi với các bên liên quan và đề xuất hành động phù hợp.

2.1. Xác định những bên có thể chịu tác động từ AI

Bước đầu tiên là hiểu hệ thống đang phục vụ ai, ảnh hưởng đến ai và tác động đó xuất hiện trong hoàn cảnh nào.

AI Ethicist cần làm rõ:

• Ai trực tiếp sử dụng hệ thống và ai chịu ảnh hưởng từ kết quả do hệ thống tạo ra?

• AI chỉ cung cấp thông tin hỗ trợ hay có khả năng tác động đến một quyết định quan trọng?

• Những nhóm nào có thể gặp bất lợi do đặc điểm dữ liệu, điều kiện tiếp cận hoặc cách hệ thống được sử dụng?

• Người chịu tác động có biết AI đang tham gia vào quy trình hay không?

• Họ có cơ hội phản hồi, yêu cầu xem xét lại hoặc tiếp cận người chịu trách nhiệm không?

Ví dụ, khi một doanh nghiệp sử dụng AI để hỗ trợ đánh giá hồ sơ ứng viên, các bên liên quan không chỉ gồm nhà tuyển dụng và bộ phận kỹ thuật. Ứng viên cũng là nhóm chịu ảnh hưởng trực tiếp, bởi kết quả đánh giá có thể tác động đến cơ hội được xem xét ở những vòng tuyển dụng tiếp theo.

Việc xác định đầy đủ các bên liên quan giúp tránh tình trạng đánh giá hệ thống chỉ dựa trên hiệu quả vận hành mà bỏ qua hậu quả đối với người chịu tác động.

2.2. Đánh giá thiên lệch, tính minh bạch và quyền riêng tư

Đây là nhóm nhiệm vụ quan trọng của AI Ethicist. Mỗi khía cạnh cần được chuyển thành những câu hỏi và bằng chứng phù hợp với bối cảnh sử dụng AI.

Đánh giá thiên lệch và tính công bằng: Người đánh giá cần tìm hiểu dữ liệu có đại diện phù hợp cho các nhóm đối tượng hay không, kết quả hệ thống có chênh lệch bất thường giữa các nhóm hay không và những khác biệt đó có thể bắt nguồn từ đâu.

Không phải mọi chênh lệch đều đủ để kết luận có phân biệt đối xử. Cần xem xét chất lượng dữ liệu, kích thước mẫu, tiêu chí đánh giá, mục đích sử dụng và những yếu tố có thể gây nhiễu trước khi diễn giải kết quả.

Đánh giá tính minh bạch: AI Ethicist xem xét tổ chức có giải thích được mục đích sử dụng AI, phạm vi tham gia của hệ thống và cách con người kiểm soát kết quả hay không. Việc giải thích cần phù hợp với người tiếp nhận, không nhất thiết phải công khai toàn bộ cấu trúc kỹ thuật hoặc thông tin nhạy cảm.

Đánh giá quyền riêng tư: Công việc bao gồm đặt câu hỏi về loại dữ liệu được thu thập, mục đích sử dụng, phạm vi truy cập, thời gian lưu giữ và khả năng dữ liệu bị sử dụng ngoài mục đích ban đầu.

Những nội dung này phù hợp với các nguyên tắc trong Khuyến nghị về Đạo đức Trí tuệ nhân tạo của UNESCO, được thông qua năm 2021. UNESCO nhấn mạnh quyền con người, tính công bằng, bảo vệ dữ liệu và quyền riêng tư, minh bạch, trách nhiệm giải trình và sự giám sát của con người đối với AI.

2.3. Đề xuất biện pháp kiểm soát và theo dõi rủi ro

Phát hiện vấn đề mới chỉ là một phần công việc. AI Ethicist cần giúp tổ chức chuyển kết quả đánh giá thành những hành động có thể thực hiện.

Mỗi khuyến nghị nên làm rõ:

• Rủi ro cần xử lý là gì và bằng chứng nào cho thấy rủi ro đó tồn tại?

• Biện pháp nào có thể giảm khả năng xảy ra hoặc mức độ tác động?

• Bộ phận hoặc cá nhân nào chịu trách nhiệm thực hiện?

• Cần kiểm tra kết quả sau điều chỉnh bằng phương pháp nào?

• Khi nào cần đánh giá lại hoặc chuyển vấn đề lên cấp có thẩm quyền?

Chẳng hạn, nếu kết quả kiểm thử cho thấy hệ thống hoạt động không ổn định với một nhóm dữ liệu, khuyến nghị có thể bao gồm bổ sung mẫu kiểm thử phù hợp, rà soát nguyên nhân sai lệch và yêu cầu con người kiểm tra các quyết định có ảnh hưởng đáng kể.

AI Ethicist cũng có thể tham gia duy trì sổ theo dõi rủi ro AI, ghi nhận mô tả vấn đề, mức độ ưu tiên, bằng chứng, người phụ trách, trạng thái xử lý và rủi ro còn lại sau khi áp dụng biện pháp kiểm soát.

Hiệu quả của công việc không nên được đánh giá chỉ bằng số lượng báo cáo đã viết, mà còn ở mức độ rõ ràng, khả năng thực hiện và khả năng kiểm chứng của những khuyến nghị được đưa ra.

3. Phân tích một tình huống đạo đức AI như thế nào?

Để hình dung cụ thể cách AI Ethicist làm việc, có thể xem xét một tình huống giả định về hệ thống AI hỗ trợ sàng lọc hồ sơ tuyển dụng. Đây chỉ là ví dụ minh họa phương pháp phân tích, không phải mô tả hệ thống hoặc quy trình tuyển dụng thực tế của Timviec365.

3.1. Xác định bối cảnh và những lo ngại cần đánh giá

Giả sử một doanh nghiệp xây dựng hệ thống AI để hỗ trợ bộ phận nhân sự sắp xếp hồ sơ ứng viên theo mức độ phù hợp với yêu cầu công việc.

Hệ thống sử dụng thông tin về kinh nghiệm, kỹ năng và quá trình làm việc để đưa ra điểm đánh giá. Nhà tuyển dụng tham khảo kết quả nhằm xác định hồ sơ cần xem xét trước.

Một số câu hỏi đạo đức có thể xuất hiện:

• Hệ thống có đánh giá bất lợi đối với ứng viên từng gián đoạn công việc hay không?

• Dữ liệu tuyển dụng trong quá khứ có thể chứa những thiên lệch ảnh hưởng đến kết quả hiện tại không?

• Ứng viên có được thông báo về việc AI tham gia hỗ trợ đánh giá hồ sơ không?

• Nhà tuyển dụng có thể hiểu và kiểm tra nguyên nhân dẫn đến kết quả xếp hạng không?

• Ứng viên có cơ hội được con người xem xét lại khi phát hiện đánh giá chưa phù hợp không?

Những câu hỏi này giúp xác định phạm vi cần kiểm tra, nhưng chưa phải bằng chứng cho thấy hệ thống đang phân biệt đối xử hoặc vi phạm quyền riêng tư.

Với những bài toán đề xuất thay vì sàng lọc, người đọc có thể tìm hiểu ứng dụng ai để gợi ý việc làm tương tự, ứng viên tương tự để nhận diện thêm các câu hỏi về mức độ phù hợp, chất lượng dữ liệu và tác động của kết quả gợi ý đối với người sử dụng.

3.2. Chuyển lo ngại đạo đức thành câu hỏi có thể kiểm chứng

Một AI Ethicist không nên dừng lại ở nhận định chung rằng hệ thống có thể thiếu công bằng. Cần chuyển nhận định đó thành giả thuyết, dữ liệu cần thu thập và phương pháp kiểm tra.

Đối với tình huống sàng lọc hồ sơ, có thể thực hiện các bước sau:

1. Xác định quyết định bị ảnh hưởng: Làm rõ điểm AI chỉ dùng để sắp xếp hồ sơ tham khảo hay trực tiếp khiến một số ứng viên không được chuyển sang vòng tiếp theo.

2. Kiểm tra dữ liệu và tiêu chí: Xem xét các trường thông tin đầu vào, nguồn dữ liệu, tiêu chí gán nhãn và mức độ liên quan của chúng với yêu cầu công việc.

3. Thiết kế phép kiểm thử: So sánh kết quả với các nhóm hồ sơ phù hợp, kiểm tra sai lệch trong những trường hợp tương đồng về năng lực nhưng khác biệt ở các yếu tố cần được xem xét về công bằng.

4. Phân tích nguyên nhân: Xác định chênh lệch có thể đến từ dữ liệu, cách xây dựng mô hình, ngưỡng đánh giá hay quy trình sử dụng kết quả.

5. Xem xét cơ chế phản hồi: Kiểm tra khả năng người phụ trách tuyển dụng phát hiện, sửa hoặc ghi nhận những trường hợp AI đánh giá chưa phù hợp.

Khi phép kiểm thử cần sử dụng thông tin cá nhân hoặc thông tin nhạy cảm, việc tiếp cận dữ liệu phải có cơ sở phù hợp, phạm vi truy cập được kiểm soát và biện pháp bảo vệ cần thiết. Không nên thu thập thêm dữ liệu chỉ vì muốn có nhiều chỉ số đánh giá.

Nếu dữ liệu quá ít, thiếu đại diện hoặc chưa đủ chất lượng, người đánh giá phải ghi rõ giới hạn. Một kết quả kiểm thử chưa phát hiện chênh lệch không đồng nghĩa hệ thống chắc chắn công bằng trong mọi tình huống.

3.3. Viết khuyến nghị dựa trên bằng chứng và giới hạn đánh giá

Giả sử trong quá trình kiểm thử, nhóm đánh giá phát hiện hồ sơ của ứng viên có khoảng thời gian gián đoạn nghề nghiệp thường nhận mức xếp hạng thấp hơn, dù một số hồ sơ vẫn đáp ứng các yêu cầu chuyên môn được đưa ra.

Đây là tình huống giả định, không phải kết quả từ một nghiên cứu hoặc hệ thống tuyển dụng có thật.

Thay vì lập tức kết luận hệ thống phân biệt đối xử, AI Ethicist có thể xây dựng khuyến nghị theo hướng:

• Phát hiện: Có dấu hiệu chênh lệch trong kết quả xếp hạng giữa các nhóm hồ sơ được kiểm thử.

• Bằng chứng hiện có: Kết quả so sánh theo tiêu chí đánh giá, mô tả tập dữ liệu và những trường hợp cần kiểm tra sâu hơn.

• Giới hạn: Chưa xác định đầy đủ nguyên nhân và chưa đủ căn cứ để quy chênh lệch cho một yếu tố cụ thể.

• Khuyến nghị: Rà soát mức độ liên quan của tiêu chí gián đoạn nghề nghiệp, mở rộng kiểm thử với dữ liệu phù hợp và duy trì bước đánh giá của con người đối với những trường hợp có nguy cơ bị loại thiếu căn cứ.

• Trách nhiệm: Nhóm dữ liệu và kỹ thuật kiểm tra nguyên nhân; bộ phận tuyển dụng rà soát quy trình sử dụng kết quả; người được phân quyền quyết định phương án triển khai.

• Theo dõi: Kiểm thử lại sau điều chỉnh, ghi nhận kết quả và tiếp tục theo dõi những trường hợp phát sinh khi sử dụng thực tế.

Cách trình bày này giúp người ra quyết định hiểu vấn đề, mức độ chắc chắn của bằng chứng và những hành động cần thực hiện.

Trong thực tế, một khuyến nghị đạo đức AI tốt phải chỉ ra được rủi ro, căn cứ đánh giá, biện pháp xử lý và phần chưa thể kết luận. Việc thiếu dữ liệu cần được nêu minh bạch thay vì che giấu bằng một nhận định chắc chắn.

4. Những kỹ năng cần xây dựng để theo nghề

AI Ethicist là công việc đòi hỏi khả năng kết nối giữa hiểu biết công nghệ, phân tích tác động xã hội và giao tiếp chuyên môn. Người theo nghề không nhất thiết phải đảm nhiệm toàn bộ công việc lập trình AI, nhưng cần đủ kiến thức để đặt câu hỏi đúng và làm việc hiệu quả với nhóm kỹ thuật.

4.1. Hiểu nguyên lý AI, dữ liệu và quy trình xây dựng mô hình

Những kiến thức nền tảng nên tìm hiểu bao gồm:

• Cách dữ liệu được thu thập, xử lý và sử dụng để huấn luyện hoặc đánh giá mô hình.

• Sự khác biệt giữa dữ liệu huấn luyện, dữ liệu kiểm thử và dữ liệu sử dụng thực tế.

• Những dạng sai lệch có thể xuất hiện khi dữ liệu không đại diện đầy đủ cho các nhóm đối tượng.

• Khái niệm về độ chính xác, sai số, kết quả dự đoán và giới hạn của các chỉ số đánh giá.

• Ảnh hưởng của cách triển khai và quy trình ra quyết định đến kết quả sử dụng AI.

Ứng viên có nền tảng công nghệ có thể học sâu hơn về phân tích dữ liệu và kiểm thử mô hình. Người xuất phát từ luật, chính sách công hoặc khoa học xã hội cần bổ sung khả năng đọc tài liệu kỹ thuật và diễn giải kết quả đánh giá.

Mục tiêu không phải biến mọi AI Ethicist thành AI Engineer, mà là có khả năng phối hợp chuyên môn và nhận diện những vấn đề cần kiểm chứng.

4.2. Phân tích tác động và đánh giá rủi ro có hệ thống

Đây là kỹ năng giúp chuyển hiểu biết lý thuyết thành công việc thực tế.

Người học nên rèn luyện khả năng:

• Xác định mục đích sử dụng AI và các nhóm có thể chịu ảnh hưởng.

• Phân tích mối liên hệ giữa quyết định của hệ thống với hậu quả có thể xảy ra.

• Phân biệt rủi ro đã có bằng chứng với những giả thuyết cần kiểm tra thêm.

• Đánh giá khả năng xảy ra, mức độ ảnh hưởng và điều kiện làm tăng rủi ro.

• Đề xuất biện pháp giảm thiểu phù hợp với nguồn lực và thẩm quyền của tổ chức.

Bạn có thể tham khảo cách tiếp cận Govern, Map, Measure và Manage trong NIST AI Risk Management Framework để hình dung mối liên hệ giữa quản trị, xác định bối cảnh, đo lường và quản lý rủi ro.

Tuy nhiên, khung tham khảo không thay thế việc đánh giá đặc điểm riêng của từng hệ thống. Cùng một mô hình có thể tạo ra mức độ rủi ro khác nhau tùy mục đích sử dụng và hậu quả đối với con người.

4.3. Phỏng vấn bên liên quan và trình bày kết luận

AI Ethicist thường cần tiếp nhận thông tin từ nhiều bộ phận như kỹ thuật, sản phẩm, nhân sự, pháp chế, bảo mật và người sử dụng. Mỗi nhóm có cách nhìn nhận vấn đề khác nhau nên kỹ năng đặt câu hỏi và tổng hợp thông tin rất quan trọng.

Khi phỏng vấn, người đánh giá cần tìm hiểu quy trình thực tế thay vì chỉ hỏi hệ thống có đáp ứng nguyên tắc đạo đức hay không.

Ví dụ, thay vì hỏi "Hệ thống có minh bạch không?", có thể hỏi "Người sử dụng được thông báo những thông tin nào về việc AI tham gia vào quyết định và ai xử lý khi họ yêu cầu giải thích?".

Với báo cáo kết luận, ứng viên cần luyện cách viết ngắn gọn, phân biệt dữ kiện với nhận định và đưa ra khuyến nghị phù hợp từng đối tượng đọc.

Một báo cáo dành cho nhóm kỹ thuật có thể tập trung vào giả thuyết và phương pháp kiểm thử. Trong khi đó, báo cáo gửi người có thẩm quyền quyết định cần làm rõ mức độ tác động, rủi ro còn lại và phương án cần lựa chọn.

5. Xây portfolio và lộ trình tiếp cận nghề

Vì công việc liên quan nhiều đến phân tích và khuyến nghị, portfolio là cách để ứng viên thể hiện phương pháp tư duy và năng lực giải quyết vấn đề. Một bộ hồ sơ có giá trị không nhất thiết phải dựa trên dự án AI quy mô lớn, nhưng cần mô tả rõ vấn đề, bằng chứng và phần việc thực hiện.

5.1. Chọn tình huống phù hợp để thực hành đánh giá

Người mới có thể bắt đầu từ một tình huống AI có mục đích và nhóm chịu tác động tương đối rõ ràng, chẳng hạn:

• Hệ thống AI hỗ trợ sàng lọc hồ sơ tuyển dụng.

• Ứng dụng AI hỗ trợ đánh giá kết quả học tập.

• Hệ thống gợi ý nội dung cho người sử dụng.

• Trợ lý AI xử lý câu hỏi có chứa dữ liệu cá nhân.

Nên chọn một trường hợp có thể xác định dữ liệu đầu vào, cách sử dụng kết quả và những rủi ro cần kiểm tra. Không cần chứng minh hệ thống đã gây ra thiệt hại thực tế nếu bạn đang xây dựng một bài phân tích tình huống giả định.

Điều quan trọng là ghi rõ đâu là thông tin có nguồn, đâu là giả định và đâu là nhận định do bản thân xây dựng.

5.2. Chuẩn bị bản đánh giá tác động và sổ rủi ro

Một dự án portfolio có thể bao gồm các thành phần sau:

• Bản mô tả hệ thống: Mục đích sử dụng, đối tượng liên quan, dữ liệu đầu vào và vai trò của AI trong quy trình.

• Bản đánh giá tác động: Xác định nhóm chịu ảnh hưởng, nguy cơ có thể phát sinh, mức độ nghiêm trọng và bằng chứng liên quan.

• Sổ rủi ro: Ghi nhận từng rủi ro, căn cứ đánh giá, phương án kiểm soát, người phụ trách được đề xuất và trạng thái xử lý giả định hoặc thực tế.

• Bản khuyến nghị: Nêu những biện pháp cần thực hiện, thứ tự ưu tiên và cách kiểm chứng hiệu quả.

• Danh mục tài liệu: Ghi rõ các khung tham khảo, nghiên cứu hoặc tài liệu kỹ thuật đã sử dụng.

Chẳng hạn, với bài phân tích AI tuyển dụng, bạn có thể xây dựng bảng câu hỏi đánh giá công bằng, kế hoạch kiểm thử và mẫu báo cáo rủi ro. Nếu chưa có dữ liệu thực, hãy thể hiện đây là thiết kế phương pháp đánh giá, không mô tả như một cuộc kiểm thử đã hoàn thành.

Các tài liệu từ NIST và UNESCO có thể được sử dụng làm cơ sở tham khảo để lựa chọn nguyên tắc và xây dựng câu hỏi đánh giá. Không nên ghi rằng dự án đã được các tổ chức này chứng nhận hoặc phê duyệt chỉ vì sử dụng tài liệu của họ.

5.3. Xây dựng lộ trình học tập và ghi rõ đóng góp cá nhân

Người mới có thể tiếp cận nghề theo trình tự:

1. Học nền tảng AI, dữ liệu và những rủi ro thường gặp trong quá trình sử dụng hệ thống.

2. Tìm hiểu các nguyên tắc về công bằng, minh bạch, quyền riêng tư và trách nhiệm giải trình.

3. Đọc tài liệu đánh giá rủi ro và thực hành phân tích một tình huống có phạm vi nhỏ.

4. Hoàn thiện bản đánh giá, sổ rủi ro và báo cáo khuyến nghị để đưa vào portfolio.

5. Đối chiếu sản phẩm thực hành với yêu cầu tuyển dụng và bổ sung các kỹ năng còn thiếu.

Lộ trình này mang tính định hướng, không phải chương trình đào tạo bắt buộc hoặc cam kết thời gian để có thể làm nghề.

Nếu dự án thực hiện theo nhóm, portfolio cần nêu rõ bạn phụ trách phần nào, chẳng hạn thiết kế câu hỏi đánh giá, phân tích rủi ro, phỏng vấn bên liên quan hoặc tổng hợp khuyến nghị.

Không nên nhận toàn bộ thành quả của nhóm là đóng góp cá nhân. Việc trình bày trung thực phương pháp và giới hạn thực hiện cũng chính là một biểu hiện của năng lực nghề nghiệp trong lĩnh vực đạo đức AI.

6. Chuẩn bị CV và phỏng vấn AI Ethicist

CV dành cho vị trí AI Ethicist cần thể hiện được khả năng phân tích vấn đề, sử dụng bằng chứng và đưa ra khuyến nghị. Thay vì chỉ liệt kê những khái niệm đạo đức đã học, ứng viên nên chứng minh cách mình áp dụng kiến thức vào một tình huống cụ thể.

6.1. Đọc mô tả công việc để nhận biết yêu cầu thực tế

Trước khi ứng tuyển, cần xem kỹ mô tả công việc (JD) vì cùng liên quan đến đạo đức AI nhưng mỗi tổ chức có thể phân chia nhiệm vụ khác nhau.

Một số nhóm yêu cầu cần chú ý gồm:

• Phân tích tác động của hệ thống AI đối với người sử dụng và các nhóm liên quan.

• Đánh giá tính công bằng, thiên lệch dữ liệu và khả năng giải thích kết quả.

• Xây dựng hoặc tham gia vận hành quy trình quản lý rủi ro AI.

• Phối hợp với các bộ phận kỹ thuật, pháp chế, quản lý sản phẩm và quản trị dữ liệu.

• Viết báo cáo, trình bày khuyến nghị hoặc theo dõi việc triển khai biện pháp kiểm soát.

Nếu JD tập trung vào xây dựng chính sách và quy trình, ứng viên cần nhấn mạnh kinh nghiệm phân tích quản trị và phối hợp liên phòng ban. Nếu JD yêu cầu kiểm thử thiên lệch mô hình, năng lực xử lý dữ liệu và hiểu chỉ số đánh giá sẽ quan trọng hơn.

Cần phân biệt yêu cầu bắt buộc với năng lực được ưu tiên, đồng thời kiểm tra kinh nghiệm, công cụ, ngôn ngữ làm việc và phạm vi trách nhiệm được nêu trong tin tuyển dụng.

6.2. Chuyển dự án và portfolio thành minh chứng trong CV

Một lỗi thường gặp khi chuẩn bị CV là liệt kê những kỹ năng chung như tư duy phản biện, giao tiếp và hiểu đạo đức AI nhưng không cho thấy cách ứng dụng.

Ứng viên nên trình bày mỗi dự án theo cấu trúc:

• Bối cảnh: Hệ thống AI hoặc vấn đề được đánh giá là gì?

• Nhiệm vụ: Bạn cần xác định hoặc giải quyết rủi ro nào?

• Phương pháp: Bạn sử dụng tài liệu, dữ liệu, câu hỏi phỏng vấn hoặc phép kiểm thử nào?

• Sản phẩm: Bạn đã xây dựng báo cáo, sổ rủi ro hoặc khuyến nghị gì?

• Giới hạn: Phần nào đã được kiểm chứng và phần nào vẫn cần dữ liệu bổ sung?

Ví dụ, nếu thực hiện một bài tập tình huống, bạn có thể mô tả: "Xây dựng bản đánh giá tác động cho tình huống giả định về AI hỗ trợ sàng lọc hồ sơ; xác định các nhóm chịu ảnh hưởng, thiết kế câu hỏi kiểm tra thiên lệch và đề xuất cơ chế rà soát của con người".

Cách viết này nêu rõ sản phẩm và năng lực cá nhân mà không tạo cảm giác bạn đã triển khai hệ thống thực tế hoặc đạt được kết quả kiểm thử chưa từng thực hiện.

Nếu có dữ liệu, kết quả hoặc nhận xét được kiểm chứng, có thể bổ sung để làm rõ giá trị dự án. Không tự tạo tỷ lệ cải thiện, số lượng trường hợp kiểm tra hoặc thành tích để CV trông nổi bật hơn.

6.3. Luyện trả lời phỏng vấn tình huống khi chưa đủ dữ liệu

Phỏng vấn AI Ethicist có thể đặt ứng viên vào những tình huống không có sẵn đáp án đúng tuyệt đối. Nhà tuyển dụng có thể quan tâm đến cách xác định vấn đề, lập luận và xử lý bất định hơn là một kết luận nhanh.

Ví dụ, người phỏng vấn đưa ra câu hỏi: "Một hệ thống AI cho kết quả khác nhau giữa hai nhóm người dùng. Bạn có đề nghị dừng sử dụng ngay không?".

Một cách tiếp cận phù hợp là:

1. Làm rõ hệ thống được sử dụng vào mục đích gì và kết quả khác nhau có thể gây tác động đến ai.

2. Yêu cầu thông tin về dữ liệu, phương pháp đánh giá, quy mô chênh lệch và mức độ tin cậy của kết quả.

3. Xác định mức độ nghiêm trọng, khả năng khắc phục và hậu quả nếu tiếp tục vận hành.

4. Đề xuất biện pháp tạm thời tương ứng với rủi ro, có thể bao gồm tăng cường kiểm tra của con người, giới hạn phạm vi sử dụng hoặc kiến nghị tạm dừng khi có căn cứ về nguy cơ nghiêm trọng.

5. Trình bày những thông tin còn thiếu và chuyển vấn đề đến người có thẩm quyền quyết định.

Ứng viên không nên khẳng định mọi chênh lệch đều là vi phạm đạo đức, cũng không nên bỏ qua nguy cơ chỉ vì chưa có đủ dữ liệu.

Khả năng đưa ra khuyến nghị thận trọng trong điều kiện thông tin chưa đầy đủ là năng lực đáng chú ý đối với người làm công việc đánh giá rủi ro AI.

Ngoài tình huống kỹ thuật, bạn nên chuẩn bị cách trả lời về xung đột giữa mục tiêu kinh doanh và yêu cầu công bằng, cách trình bày kết luận không thuận lợi với nhóm phát triển và cách xử lý bất đồng giữa các bên liên quan.

7. Tìm hiểu cơ hội phù hợp trên Timviec365.

Người quan tâm đến nghề AI Ethicist cần lưu ý rằng nhiệm vụ đánh giá đạo đức và rủi ro AI có thể xuất hiện trong nhiều vị trí khác nhau. Không nên chỉ dựa vào tên chức danh để đánh giá mức độ phù hợp của một cơ hội nghề nghiệp.

7.1. Nhận diện những vị trí có nhiệm vụ liên quan

Khi tìm kiếm cơ hội, ứng viên có thể tham khảo các nhóm chức danh liên quan đến Responsible AI, AI Governance, AI Risk, quản trị dữ liệu, kiểm soát rủi ro công nghệ hoặc đánh giá tuân thủ hệ thống AI.

Đây là những hướng tham khảo về nhiệm vụ chuyên môn, không có nghĩa mọi vị trí thuộc các nhóm này đều thực hiện công việc của AI Ethicist.

Để lựa chọn phù hợp, hãy đọc kỹ những nội dung sau trong JD:

• Doanh nghiệp đang sử dụng AI trong sản phẩm, vận hành hay quy trình ra quyết định nào?

• Vị trí có trực tiếp đánh giá tác động, công bằng và rủi ro AI không?

• Công việc thiên về phân tích kỹ thuật, quản trị chính sách hay đánh giá độc lập?

• Ứng viên có cần kinh nghiệm lập trình, pháp chế, kiểm soát nội bộ hoặc quản trị dữ liệu không?

• Vị trí chịu trách nhiệm đưa ra khuyến nghị hay có thẩm quyền phê duyệt quyết định?

Nếu có nền tảng bảo mật và quản lý dữ liệu, bạn cũng có thể tham khảo nhóm việc làm an toàn thông tin để tìm hiểu những công việc gần về kiểm soát rủi ro và bảo vệ thông tin. Tuy nhiên, bảo mật hệ thống và đánh giá đạo đức AI không phải là hai lĩnh vực hoàn toàn tương đương.

7.2. Sử dụng Timviec365 để định hướng quá trình ứng tuyển

Khi bắt đầu tìm việc, bạn có thể truy cập Timviec365 để tham khảo những tin tuyển dụng phù hợp với chuyên môn và đối chiếu yêu cầu trong từng bản mô tả công việc.

Thay vì chỉ tìm đúng một chức danh, hãy chủ động so sánh các nhiệm vụ liên quan đến đánh giá AI, quản trị rủi ro, quản trị dữ liệu và tuân thủ công nghệ. Việc đọc JD giúp nhận diện những năng lực được yêu cầu và xác định phần kiến thức cần bổ sung.

Trước khi nộp hồ sơ, nên điều chỉnh CV theo công việc thực tế, lựa chọn dự án portfolio liên quan nhất và chuẩn bị các tình huống có thể chứng minh phương pháp đánh giá của bản thân.

Cần kiểm tra điều kiện tuyển dụng, kinh nghiệm, phạm vi công việc và thông tin nhà tuyển dụng tại thời điểm ứng tuyển. Bài viết không khẳng định hiện có tin tuyển dụng AI Ethicist cụ thể hoặc bảo đảm số lượng cơ hội tuyển dụng trên Timviec365.

8. Lời kết

AI Ethicist là hướng nghề nghiệp gắn với việc đánh giá tác động, tính công bằng và những rủi ro phát sinh khi AI được sử dụng trong đời sống và hoạt động của tổ chức. Giá trị của công việc không nằm ở việc đưa ra những tuyên bố đạo đức chung, mà ở khả năng xác định vấn đề cụ thể, phân tích bằng chứng và đề xuất biện pháp kiểm soát có thể thực hiện.

Để chuẩn bị theo đuổi nghề, bạn nên xây dựng kiến thức nền tảng về AI và dữ liệu, rèn luyện phương pháp đánh giá tác động, thực hành viết báo cáo rủi ro và phát triển portfolio thể hiện rõ đóng góp cá nhân. Khi ứng tuyển, hãy đối chiếu nhiệm vụ trong JD với năng lực hiện có thay vì chỉ căn cứ vào tên chức danh.

Một AI Ethicist có năng lực cần biết đặt câu hỏi đúng, nhận diện giới hạn của bằng chứng và truyền đạt rủi ro một cách có trách nhiệm. Đây cũng là nền tảng để phối hợp hiệu quả với các nhóm kỹ thuật, quản trị và những người chịu ảnh hưởng từ hệ thống AI.

9. Câu hỏi thường gặp

9.1. AI Ethicist có bắt buộc phải biết lập trình không?

Không phải mọi vị trí AI Ethicist đều yêu cầu lập trình chuyên sâu. Tuy nhiên, người làm nghề cần hiểu cách dữ liệu và mô hình AI hoạt động để đọc kết quả đánh giá, nhận biết giới hạn kỹ thuật và phối hợp với nhóm phát triển. Với những vị trí trực tiếp kiểm thử thiên lệch mô hình, kỹ năng phân tích dữ liệu hoặc lập trình có thể là yêu cầu quan trọng.

9.2. Người học luật hoặc khoa học xã hội có thể theo nghề AI Ethicist không?

Có thể tiếp cận nghề từ nền tảng luật, chính sách công, triết học, xã hội học hoặc các ngành liên quan. Những kiến thức về quyền con người, phân tích chính sách và tác động xã hội có giá trị trong đánh giá đạo đức AI. Tuy nhiên, ứng viên vẫn cần bổ sung hiểu biết công nghệ và kỹ năng làm việc với bằng chứng để đáp ứng yêu cầu chuyên môn cụ thể.

9.3. AI Ethicist và chuyên viên pháp chế AI có giống nhau không?

Không hoàn toàn giống nhau. Chuyên viên pháp chế tập trung vào nghĩa vụ pháp lý và yêu cầu tuân thủ, trong khi AI Ethicist xem xét rộng hơn về tác động, tính công bằng, minh bạch và trách nhiệm đối với những người chịu ảnh hưởng. Hai vị trí có thể phối hợp hoặc giao thoa nhiệm vụ nhưng không nên được xem là đồng nhất.

9.4. Có thể xây portfolio AI Ethicist khi chưa có kinh nghiệm làm việc thực tế không?

Có. Người mới có thể lựa chọn một tình huống giả định, mô tả hệ thống AI, xác định các nhóm chịu tác động, thiết kế phương pháp đánh giá và lập báo cáo khuyến nghị. Portfolio cần phân biệt rõ phân tích giả định với kết quả kiểm thử thực tế, đồng thời nêu đầy đủ nguồn tham khảo và phần việc cá nhân.

9.5. Khi nào AI Ethicist nên đề xuất tạm dừng sử dụng hệ thống?

Việc kiến nghị tạm dừng có thể được xem xét khi có bằng chứng hoặc dấu hiệu đáng tin cậy về nguy cơ gây tác động nghiêm trọng, trong khi những biện pháp kiểm soát hiện có chưa đủ để hạn chế rủi ro. Người đánh giá cần làm rõ mức độ ảnh hưởng, tính cấp thiết, những dữ liệu còn thiếu và các phương án xử lý. Quyết định cuối cùng phải tuân theo thẩm quyền và quy trình quản trị của tổ chức.