Bộ Giáo dục đã triển khai chương trình AGAP.AI vào tháng 1 năm 2026, hứa hẹn cung cấp các công cụ gia sư hỗ trợ bởi AI cho giáo viên trên toàn quốc. Các nhà phân tích dự báo thị trường EdTech của Philippines sẽ đạt 14,5 tỷ USD vào năm 2034, tuy nhiên hầu hết các trường học không thể vận hành các công cụ đó vì mạng lưới kết nối chậm chạp và máy tính đã cũ kỹ hàng thập kỷ.

Việc triển khai và sự cường điệu của thị trường

AGAP.AI coi trí tuệ nhân tạo như một trợ lý lớp học, chứ không phải là một sản phẩm để thu hút sự chú ý của truyền thông. Microsoft cung cấp các dịch vụ như Reading Progress, giúp đánh giá kết quả học tập của học sinh trong thời gian thực. Thời điểm này có vẻ hợp lý: một thị trường đang bùng nổ cho thấy các trường học đã sẵn sàng cho các phần mềm tinh vi, và các nhà hoạch định chính sách đã bắt đầu luật hóa việc sử dụng AI bằng Thông tư DepEd số 003, s. 2026, quy định các quy tắc bảo mật dữ liệu, quy trình chấp thuận và các yêu cầu kiểm toán.

Nhưng sự hào hứng này đang che lấp một vấn đề mang tính cấu trúc. Đánh giá mức độ trưởng thành kỹ thuật số của Bộ đã chỉ ra rằng khoảng cách về kết nối và sự thiếu hụt thiết bị là những yếu tố dự báo lớn nhất cho kết quả học tập kém. Tại nhiều trường công lập, internet bị ngắt kết nối sau mỗi vài phút, và các phần cứng hiện có thường không thể chạy các trình duyệt hiện đại hoặc xử lý lưu lượng dữ liệu mà các API AI tạo ra. Một mã khóa API chất lượng cao cũng không thể bù đắp cho một kết nối mạng chập chờn.

Khoảng cách về cơ sở hạ tầng

Các gia sư AI cần một kết nối ổn định với đám mây. Khi một mô hình xử lý câu trả lời của học sinh, nó sẽ gửi dữ liệu đến máy chủ, nhận phản hồi và hiển thị kết quả—tất cả chỉ trong vài giây. Nếu kết nối bị gián đoạn, bài học cũng bị gián đoạn. Bản đánh giá đã nhấn mạnh hai vấn đề nhức nhối thường xuyên xảy ra:

  • Độ tin cậy của Internet – nhiều trường học ở nông thôn và ven đô thường xuyên gặp tình trạng mất mạng.
  • Tuổi thọ thiết bị – nhiều máy tính trường học thiếu RAM và sức mạnh CPU cần thiết cho các ứng dụng web hiện đại.

Ngay cả những phần mềm mượt mà nhất cũng thất bại khi phần cứng không thể hiển thị chúng. Giáo viên tại các trường tư thục được đầu tư tốt có thể thấy các công cụ AI hoạt động trơn tru, trong khi đồng nghiệp của họ tại các trường công lập phải chứng kiến cùng các ứng dụng đó bị treo hoặc bị lỗi. Sự chênh lệch này làm nới rộng khoảng cách số mà các dự báo thị trường hứa hẹn sẽ thu hẹp.

Chính sách đang nỗ lực bắt kịp

Thông tư DepEd số 003, s. 2026 cố gắng tạo ra một môi trường an toàn cho AI bằng cách yêu cầu các quy trình xử lý dữ liệu rõ ràng, quy trình chấp thuận của phụ huynh và các cơ chế để kiểm toán các quyết định của thuật toán. Thông tư cảnh báo rằng AI có thể trở thành một "hộp đen" nếu các trường học thiếu nhân viên kỹ thuật để giám sát nó. Tuy nhiên, bộ quy tắc này lại giả định rằng hệ thống nền tảng—mạng và thiết bị—sẽ hoạt động một cách đáng tin cậy.

Bộ trưởng Sonny Angara đã định nghĩa AI là một "công cụ hỗ trợ đạo đức", nhấn mạnh vào việc sử dụng có trách nhiệm thay vì hiệu suất thuần túy. Quan điểm này là hợp lý, nhưng chỉ riêng đạo đức thì không thể khắc phục được một lớp học nơi mà AI không bao giờ tiếp cận được học sinh. Nếu không có cơ sở hạ tầng hoạt động tốt, các biện pháp tuân thủ sẽ chỉ dừng lại ở mức lý thuyết.

Một hệ thống khả thi trông như thế nào

Các nhà thiết kế hiểu rõ bối cảnh của Philippines đang đề xuất các giải pháp thay thế thực tế:

  • Bộ nhớ đệm cục bộ (Local caching) – lưu trữ các đoạn mô hình thường xuyên được sử dụng trên máy chủ của trường để các truy vấn cơ bản có thể được trả lời ngoại tuyến hoặc với băng thông tối thiểu.
  • API dạng mô-đun (Modular APIs) – chia nhỏ các dịch vụ AI lớn thành các thành phần nhỏ hơn, có thể thay thế được, để có thể hoán đổi nếu một điểm cuối (endpoint) cụ thể tỏ ra quá nặng đối với mạng.
  • Chế độ dự phòng (Fallback modes) – tự động chuyển sang phiên bản nhẹ hơn, dựa trên quy tắc của công cụ khi mất mạng, nhằm duy trì luồng học tập.

Những lựa chọn này chuyển trọng tâm từ một mô hình nguyên khối duy nhất sang một kiến trúc linh hoạt có khả năng chịu đựng sự gián đoạn.

Con đường phía trước

Câu hỏi quyết định tiếp theo là liệu DepEd sẽ xây dựng một nền tảng AI quốc gia duy nhất hay để các văn phòng khu vực tự phát triển các hệ thống mô-đun của riêng họ. Một nền tảng duy nhất có thể tiêu chuẩn hóa việc bảo vệ dữ liệu và đơn giản hóa việc đào tạo, nhưng nó cũng sẽ thừa hưởng vấn đề "mắt xích yếu nhất"—nếu hệ thống quốc gia không thể thích ứng với băng thông của một trường học vùng sâu vùng xa, thì mọi trường học đều sẽ chịu ảnh hưởng. Các giải pháp phi tập trung cho phép các khu vực tùy chỉnh việc lưu bộ nhớ đệm, lựa chọn API và logic dự phòng theo điều kiện địa phương, nhưng chúng có nguy cơ làm phân mảnh việc quản trị dữ liệu.

Bài học rút ra

AI sẽ không thể thay đổi nền giáo dục Philippines trừ khi mạng lưới và phần cứng nền tảng bắt kịp tốc độ. Dự báo 14,5 tỷ USD của thị trường là rất ấn tượng, và các trường học sẽ cần một kiến trúc linh hoạt—bao gồm bộ nhớ đệm cục bộ, API dạng mô-đun và các cơ chế dự phòng—để hỗ trợ điều đó. Những người chiến thắng sẽ là các học khu thiết kế để thích ứng với kết nối kém, chứ không phải những người chỉ mải mê chạy theo các mô hình mới nhất.