Khi ChatGPT xuất hiện, nhiều trường đại học chọn cách cấm sinh viên dùng AI và tìm cách phát hiện những bài làm do AI tạo ra. Nhưng chỉ vài năm sau, cách tiếp cận này đang dần thay đổi. Một số trường bắt đầu tăng các bài thi viết tại lớp, thi có giám sát và thi vấn đáp; số khác chuyển sang đánh giá cả quá trình làm bài thay vì chỉ nhìn vào sản phẩm cuối cùng (Nature, 2026; Times Higher Education, 2026).
Lý do khá đơn giản: ngày càng khó xác định một bài viết có phải do AI tạo ra hay không.
Không thể cứ mãi chạy theo AI
AI đang được sinh viên sử dụng rất rộng rãi. Một khảo sát năm 2026 tại Anh cho thấy khoảng 94% sinh viên sử dụng AI để hỗ trợ các bài làm được đánh giá, trong đó 12% cho biết họ đã đưa trực tiếp nội dung do AI tạo vào bài làm (Nature, 2026).
Trong khi đó, các công cụ phát hiện AI cũng không đứng yên. AI càng phát triển thì việc né tránh phát hiện càng dễ hơn. Một giảng viên được Nature phỏng vấn mô tả việc dùng công cụ phát hiện AI giống như một “cuộc chạy đua vũ trang”: trường càng tìm cách phát hiện thì công nghệ lại càng tìm cách né tránh (Nature, 2026).
Điều này đặt các trường trước một vấn đề khó: nếu cứ đầu tư thêm vào công cụ phát hiện, liệu chúng ta có thực sự giải quyết được vấn đề hay chỉ đang tham gia vào một cuộc chạy đua không có điểm kết thúc?
Có lẽ vì vậy mà một số trường bắt đầu thay đổi câu hỏi.
Thay vì hỏi “Làm sao để phát hiện sinh viên dùng AI?”, họ bắt đầu hỏi “Làm sao để thiết kế bài đánh giá để biết sinh viên thực sự hiểu và làm được gì?”
Thi viết tại lớp lại quay trở lại
Một cách khá trực tiếp là đưa một phần đánh giá trở lại lớp học.
Sinh viên có thể được phép mang theo ghi chú hoặc tài liệu, nhưng phải tự viết trong phòng thi, không có điện thoại hay máy tính để sử dụng AI. Một giảng viên tại University of Virginia cho biết bà đã quay lại với các bài thi viết trên lớp sau khi từng chuyển sang những hình thức đánh giá khác (Nature, 2026).
Tại Birkbeck, University of London, trường luật cũng đưa kỳ thi có giám sát trở lại. Trong một học phần, tỷ lệ sinh viên đạt loại xuất sắc tăng từ 13% khi làm bài luận tại nhà lên hơn 45% sau khi chuyển sang thi có giám sát. Giảng viên đồng thời nhận thấy sinh viên đi học, tham gia và hợp tác nhiều hơn (Times Higher Education, 2026).
Không thể từ một trường hợp như vậy kết luận rằng thi viết tay luôn tốt hơn bài luận ở nhà. Nhưng nó cho thấy một điều đáng suy nghĩ: cách đánh giá có thể ảnh hưởng trực tiếp đến cách sinh viên học.
Không phải cứ cấm AI là xong
Tuy nhiên, quay lại thi viết không có nghĩa là các trường đang muốn loại AI khỏi giáo dục.
Một số trường chọn hướng ngược lại: cho phép sinh viên sử dụng AI nhưng thay đổi cách đánh giá.
Chẳng hạn, University of Surrey chuyển trọng tâm từ đánh giá sản phẩm cuối cùng sang đánh giá quá trình. Sinh viên có thể sử dụng AI để hỗ trợ công việc, nhưng phải kiểm tra và giải thích kết quả mà AI đưa ra. Trong một ví dụ, sinh viên kỹ thuật có thể dùng AI để thiết kế một công trình nhưng sau đó phải tự kiểm tra các kết quả bằng tính toán và mô hình hóa (Times Higher Education, 2026).
Cách làm này đặt ra một câu hỏi khác:
Không phải “AI có viết bài này không?”
mà là:
“Sinh viên có hiểu thứ mình đang nộp hay không?”
Đây có lẽ là thay đổi quan trọng nhất.
Cho tôi xem cách em làm bài
Một số giảng viên yêu cầu sinh viên nộp cả bản nháp, lịch sử chỉnh sửa hoặc nhật ký sử dụng AI. Khi đó, giảng viên không chỉ nhìn thấy bài cuối cùng mà còn có thể theo dõi sinh viên đã hình thành và thay đổi ý tưởng như thế nào.
Một số khác chuyển sang thi vấn đáp. Sinh viên có thể dùng AI để hỗ trợ viết hoặc lập trình, nhưng sau đó phải trực tiếp giải thích sản phẩm của mình. Tại San José State University, chẳng hạn, sinh viên lập trình được hỏi về những dòng mã cụ thể để kiểm tra xem họ có thực sự hiểu những gì mình đã viết hay không (Nature, 2026).
Đây là một cách kiểm tra khá đơn giản nhưng có sức nặng: AI có thể giúp tạo ra câu trả lời, nhưng sinh viên vẫn phải hiểu và bảo vệ được câu trả lời đó.
Việt Nam nên nhìn câu chuyện này thế nào?
Nếu các trường đại học Việt Nam đang cân nhắc mua công cụ phát hiện AI, tôi nghĩ câu hỏi quan trọng không nên chỉ là:
“Công cụ này phát hiện AI chính xác đến đâu?”
Mà nên bắt đầu từ:
“Bài đánh giá này thực sự muốn đo năng lực gì?”
Nếu mục tiêu là đánh giá khả năng lập luận, giải quyết vấn đề và làm chủ kiến thức, việc chỉ yêu cầu sinh viên nộp một bài luận hoàn chỉnh ở nhà sẽ ngày càng khó bảo đảm rằng sản phẩm đó phản ánh năng lực của chính họ.
Có thể thay vào đó, bài đánh giá cần được thiết kế thành một quá trình: sinh viên đưa ra ý tưởng, làm bản nháp, nhận phản hồi, chỉnh sửa, giải thích lựa chọn của mình và cuối cùng bảo vệ sản phẩm.
Một số phần có thể cho phép AI. Một số phần có thể yêu cầu sinh viên làm trực tiếp trên lớp. Một số phần có thể được kiểm tra bằng vấn đáp.
Như vậy, vấn đề không còn là “làm sao bắt được sinh viên dùng AI?”, mà là “làm sao để dù có AI, chúng ta vẫn nhìn thấy được năng lực thật của người học?”
Và có lẽ đây mới là câu hỏi mà giáo dục đại học cần giải quyết.
Tài liệu tham khảo
Nature. (2026, September 1). From Trojan horses to AI-proof exams: How professors are tackling students’ AI use. Nature
Rowsell, J. (2026, June 29). Are universities returning to in-person exams to combat AI cheating? Times Higher Education.`
