Hãy thử tưởng tượng, cứ ba đến năm ngày, trên trang cá nhân của bạn lại xuất hiện một bài viết mới, không phải một dòng trạng thái, mà là hẳn một công trình khoa học. Nghe có vẻ khó tin. Nhưng trong thế giới học thuật hiện nay, tốc độ công bố như vậy không còn là chuyện chỉ có trong tưởng tượng.
Tháng 9/2026, báo The Washington Post kể câu chuyện về một giáo sư thống kê của Đại học Chicago có hơn 200 công trình nghiên cứu trong khoảng chín tháng, tức trung bình chưa đầy một ngày rưỡi lại có một công bố. Người này thừa nhận có sử dụng trí tuệ nhân tạo (AI) hỗ trợ và cho rằng công nghệ giúp ông đẩy nhanh những phần việc vốn tốn nhiều thời gian.
Nền tảng SSRN - nơi các nhà nghiên cứu tự đăng bản thảo trước khi gửi tạp chí - đã gỡ hơn 250 công trình liên quan và khóa các tài khoản ông này dùng để đăng bài, với lý do hoạt động gửi bài bất thường. Không ai cáo buộc ông gian lận, và báo chí cũng không kết luận những công trình ấy đều kém chất lượng. Nhưng riêng con số hơn 200 bài trong 9 tháng đã đủ khiến người ta phải hỏi: Một con người có thể nghiên cứu nhanh đến đâu, và đến lúc nào chúng ta không còn nói về năng suất mà đang nói về sản xuất hàng loạt?
Trí tuệ nhân tạo hỗ trợ nghiên cứu khoa học (Ảnh minh họa: CV).
Ở Việt Nam, câu chuyện cũng không hoàn toàn xa lạ khi báo chí từng phản ánh những trường hợp một cá nhân có hàng chục công bố quốc tế trong một năm, dù nguồn lực nghiên cứu phía sau không phải lúc nào cũng tương xứng. Điều đó không có nghĩa cứ công bố nhiều là có vấn đề, nhưng vẫn khiến người ta phải hỏi: Đằng sau một bài báo khoa học thực sự có bao nhiêu thời gian, công sức và suy nghĩ?
Một bài đăng Facebook có thể viết trong năm phút. Một video TikTok có thể quay trong nửa giờ. Nhưng một công trình khoa học, ít nhất về nguyên tắc, phải bắt đầu từ một câu hỏi, đọc những gì người khác đã làm, tìm cách trả lời câu hỏi đó bằng dữ liệu hoặc lập luận, kiểm tra kết quả, viết lại, gửi đi phản biện và tiếp tục sửa – một quy trình có thể kéo dài nhiều tháng hoặc nhiều năm.
Thế nhưng, trong khi quy trình nghiên cứu không thể rút ngắn tùy ý, số lượng công bố vẫn ngày càng tăng. Một phần câu trả lời nằm ngay trong hai chữ rất quen thuộc với giới học thuật: Thành tích.
Để được tuyển dụng, thăng chức, xét chức danh, nhận tài trợ hay góp phần nâng thứ hạng cho trường đại học của mình, nhà khoa học thường phải chứng minh mình đang làm việc hiệu quả. Và cách đơn giản nhất để chứng minh là đưa ra những thứ có thể đếm: Bao nhiêu bài báo, bao nhiêu bài thuộc nhóm tạp chí tốt, bao nhiêu lượt trích dẫn, bao nhiêu đề tài. Những con số này không phải vô nghĩa. Chúng cần thiết trong quản lý khoa học và giúp đánh giá một phần năng lực nghiên cứu. Nhưng một khi chúng trở thành mục tiêu chính, người ta rất dễ rơi vào tình trạng tối ưu hóa con số thay vì tối ưu hóa giá trị của nghiên cứu.
Mỗi bài báo khoa học đều cần có người đọc, phản biện, biên tập, kiểm tra dữ liệu, phương pháp và tài liệu tham khảo. Sau khi xuất bản, lại có người phải đọc để quyết định có nên tin, trích dẫn hay sử dụng nó. Vì vậy, ngay cả một bài có đóng góp rất nhỏ vẫn tiêu tốn thời gian của cả cộng đồng khoa học. Đây là phần thường bị bỏ quên khi chúng ta say sưa với những con số công bố.
Một bài báo sai có thể dẫn người khác đi sai hướng. Nhưng nếu nó không sai mà chỉ... không có gì đáng để nói thì sao? Nó vẫn nằm đó: Được lập chỉ mục, xuất hiện trong kết quả tìm kiếm, có thể được trích dẫn và chiếm một vị trí giữa hàng triệu công trình khác. Người nghiên cứu vẫn phải đọc để phân biệt cái mới với cái đã biết; phản biện viên vẫn phải dành thời gian cho một bản thảo mà nếu không xuất bản, cộng đồng cũng chẳng mất đi điều gì quan trọng.
Một bài như vậy có thể không gây tai họa. Nhưng nếu có hàng nghìn, hàng vạn bài như vậy, câu chuyện sẽ khác. Khoa học bắt đầu giống một thư viện có quá nhiều sách nhưng ngày càng khó tìm được cuốn mình thực sự cần. Vì thế, điều đáng lo không chỉ là “bài báo giả” hay “bài báo sai”, mà còn là một lượng lớn công bố trung bình, lặp lại hoặc quá nhỏ về đóng góp có thể làm loãng những công trình thực sự đáng giá.
Trong bối cảnh ấy, AI đang trở thành một chiếc máy tăng tốc, giúp rút ngắn nhiều công đoạn nghiên cứu và hoàn thiện bản thảo. Nếu thời gian tiết kiệm được đem dùng để suy nghĩ sâu hơn, kiểm tra kỹ hơn, AI có thể nâng cao chất lượng nghiên cứu. Nhưng khi số lượng vẫn được hệ thống ghi nhận và tưởng thưởng, tốc độ ấy cũng có thể được chuyển thành nhiều công bố hơn, thay vì những nghiên cứu tốt hơn.
Nói cách khác, không thể đổ hết trách nhiệm cho AI. Từ lâu, giới học thuật đã chịu áp lực phải liên tục công bố để thăng tiến, khẳng định thành tích và duy trì vị thế nghề nghiệp – một áp lực thường được gọi là “publish or perish” (công bố hay là chết). AI không tạo ra cuộc chạy đua số lượng ấy, mà khiến nó dễ tăng tốc hơn. Một phân tích do chính ban biên tập tạp chí khoa học quốc tế Organization Science công bố tháng 4/2026 cho thấy lượng bản thảo gửi tới tạp chí này đã tăng 42% kể từ khi ChatGPT ra mắt cuối năm 2022, và phần tăng thêm gần như hoàn toàn đến từ những bản thảo có nhiều văn bản do AI tạo ra; chất lượng viết của các bản thảo cũng đi xuống. Những con số ấy chưa đủ để kết luận chất lượng khoa học nói chung suy giảm, nhưng đặt ra một câu hỏi đáng suy ngẫm: AI đang giúp chúng ta tạo ra nhiều tri thức hơn, hay chỉ giúp tạo ra nhiều bài báo hơn?
Nếu số lượng công bố đang là một phần quan trọng của thành tích, thì việc các nhà khoa học tìm cách tăng số lượng cũng không có gì khó hiểu. Một hệ thống luôn tạo ra hành vi tương ứng với thứ nó đo và thưởng. Vì thế, có lẽ điều đáng suy nghĩ không phải là làm thế nào để yêu cầu nhà khoa học “đừng chạy theo số lượng”, mà là chúng ta đang thực sự coi trọng điều gì khi đánh giá một nhà khoa học.
Một người có bốn công trình làm thay đổi cách người khác nhìn một vấn đề không nhất thiết đóng góp ít hơn người có hai mươi bài, nếu phần lớn trong số đó chỉ là những biến thể nhỏ của cùng một ý tưởng. Khoa học cũng không chỉ được tạo ra từ những bài báo mới. Một bộ dữ liệu tốt, một phương pháp có thể được sử dụng lại, một bài phản biện giúp loại bỏ sai sót hay một thế hệ nhà nghiên cứu trẻ được đào tạo tốt đều là những đóng góp, dù chúng không phải lúc nào cũng dễ quy đổi thành một con số.
Nhưng ngay cả khi cơ chế thay đổi, vẫn còn một ranh giới mà không hội đồng nào có thể đặt thay cho nhà khoa học: Ranh giới giữa cái có thể công bố và cái đáng để công bố.
Trước đây, việc biến một ý tưởng thành bài báo đòi hỏi đủ nhiều thời gian và công sức để người nghiên cứu có cơ hội tự hỏi nó đã đủ chín chưa. AI đang làm khoảng cách ấy ngắn lại. Một ý tưởng mỏng giờ đây cũng có thể nhanh chóng trở thành một bản thảo trông rất hoàn chỉnh. Chính vì thế, trong thời đại AI, biết cách “không công bố” có thể trở thành một biểu hiện của năng lực khoa học không kém gì biết cách công bố. Công bố một kết quả nhỏ hay “vô thưởng vô phạt” không chỉ là quyền của người viết, mà còn đặt một phần chi phí lên thời gian, công sức của những người khác. Khi hiểu điều đó, câu hỏi trước một bản thảo có lẽ không còn chỉ là “Tôi có thể công bố nó không?”, mà là “Nó có đáng để người khác phải đọc không?”.
AI sẽ còn khiến khoa học nhanh hơn. Điều đó không đáng sợ. Điều đáng sợ là chúng ta dùng khả năng sản xuất gần như vô hạn để tạo ra ngày càng nhiều thứ mà cộng đồng không thực sự cần.
Cuối cùng, vấn đề không phải là một nhà khoa học có thể công bố bao nhiêu bài trong một năm, mà là trong số những bài chúng ta có khả năng sản xuất, có bao nhiêu bài thực sự làm cho kho tri thức của nhân loại tốt hơn so với trước khi chúng xuất hiện?
Tác giả: PGS.TS Nguyễn Thị Vân Hạnh là nhà nghiên cứu, giảng viên cao cấp của Trường Đại học Khoa học Xã hội và Nhân văn, Đại học Quốc gia TPHCM.
Chuyên mục TÂM ĐIỂM mong nhận được ý kiến của bạn đọc về nội dung bài viết. Hãy vào phần Bình luận và chia sẻ suy nghĩ của mình. Xin cảm ơn!