«อยากให้สอนวิธีใช้ AI» — ความต้องการนี้กำลังเพิ่มขึ้นอย่างรวดเร็วในมหาวิทยาลัยและสถาบัน TVET (การศึกษาและฝึกอบรมด้านเทคนิคและอาชีวศึกษา) ในลาว อย่างไรก็ตาม ในกรณีส่วนใหญ่ ตัวอาจารย์ผู้สอนเองก็ยังไม่มีประสบการณ์ใช้ AI ในการทำงาน

บริษัทของเราได้ปฏิบัติจริงในการปลูกฝัง AI Literacy ให้แก่ผู้ที่ไม่ใช่วิศวกร ผ่านโปรแกรมพัฒนาบุคลากร AI สำหรับองค์กร และสิ่งที่เราค้นพบในกระบวนการนั้นคือ «เงื่อนไขพื้นฐาน» ของการฝึกอบรมในองค์กรและสถาบันการศึกษานั้นแตกต่างกันอย่างมีนัยสำคัญ การฝึกอบรมในองค์กรต้องการความเห็นผลทันที ในแบบ «นำไปใช้ในงานได้ตั้งแต่พรุ่งนี้» ในขณะที่สถาบันการศึกษามีเป้าหมายในการสร้าง «ทักษะพื้นฐานที่ใช้ได้ 5 ปีหลังจากสำเร็จการศึกษา»

บทความนี้จะนำเสนอแนวทางการออกแบบสำหรับการบูรณาการ AI Literacy เข้าสู่หลักสูตร ทั้งในบริบทของ TVET และมหาวิทยาลัย โดยอาศัยองค์ความรู้ที่ได้รับจากการฝึกอบรมในองค์กรเป็นพื้นฐาน

สถาบันการศึกษาในลาวเมื่อต้องรับมือกับ AI จำเป็นต้องทำความเข้าใจสถานการณ์ปัจจุบันอย่างถูกต้องเสียก่อน

ระดับการนำ AI Education มาใช้ในระดับอุดมศึกษาภายใน ASEAN นั้นมีความแตกต่างกันอย่างมากในแต่ละประเทศ สิงคโปร์ มาเลเซีย และไทย ได้จัดตั้งภาควิชาเฉพาะทางด้าน AI ขึ้นแล้ว และกำหนดให้วิชา AI Literacy เป็นวิชาบังคับสำหรับนักศึกษาทุกคณะ

สถานการณ์ของลาวมีดังนี้

• มหาวิทยาลัยแห่งชาติลาว (NUOL): คณะวิศวกรรมสารสนเทศมีวิชาการเขียนโปรแกรม แต่วิชาเฉพาะทางด้าน AI และ Machine Learning ยังมีอยู่อย่างจำกัด
• โรงเรียน TVET: มีหลักสูตรที่เกี่ยวข้องกับ ICT แต่เนื้อหาหลักยังเน้นการใช้งานคอมพิวเตอร์และซอฟต์แวร์ Office เป็นหลัก
• มหาวิทยาลัยเอกชน: บางแห่งเปิดสอนหลักสูตร Data Science แต่เนื่องจากสื่อการเรียนการสอนเป็นภาษาอังกฤษ จึงทำให้นักศึกษาเข้าถึงได้ยาก

ช่องว่างนี้เป็นทั้งภัยคุกคามและโอกาสในเวลาเดียวกัน เพราะลาวสามารถ "ลัดขั้นตอน" ได้โดยการนำ Best Practices ด้าน AI Education ที่ประเทศอื่นสั่งสมมาหลายปีมาปรับใช้ให้เข้ากับบริบทของลาวได้

AI Literacy ไม่ใช่ "การเขียนโปรแกรมได้" แต่คือความสามารถในการเข้าใจกลไกพื้นฐานของ AI ใช้เครื่องมือ AI ได้อย่างเหมาะสมในงานและชีวิตประจำวัน รวมถึงประเมินผลลัพธ์จาก AI ได้อย่างมีวิจารณญาณ

เมื่อพิจารณาโครงสร้างเศรษฐกิจของลาว (ภาคเกษตรกรรม 15%, ภาคบริการ 42%, ภาคอุตสาหกรรม 43%) จะเห็นได้ว่า AI Literacy ไม่ได้จำเป็นเฉพาะสำหรับวิศวกรเท่านั้น

• เกษตรกร: การอ่านข้อมูลดาวเทียม การนำการพยากรณ์ความต้องการมาใช้ประโยชน์ (→ เกษตรกรรม × AI)
• เจ้าหน้าที่การเงิน: การประมวลผลเอกสารด้วย AI-OCR กลไกการตรวจจับการทุจริต (→ การเปลี่ยนแปลงทางดิจิทัลด้านการเงิน)
• พนักงานบริการในอุตสาหกรรมท่องเที่ยว: การดำเนินงาน AI Chatbot การออกแบบระบบรองรับหลายภาษา (→ การเปลี่ยนแปลงทางดิจิทัลด้านการท่องเที่ยว)
• เจ้าหน้าที่บัญชี: การนำระบบบัญชีอัตโนมัติมาใช้ การตรวจสอบผลลัพธ์จาก AI (→ AI Automation ด้านบัญชี)

บทบาทของสถาบันการศึกษาคือการผลิต "คนที่ใช้ AI เป็น" ในทุกสาขาอาชีพ

เมื่อนำวิธีการฝึกอบรม AI สำหรับองค์กรมาประยุกต์ใช้กับสถาบันการศึกษา จำเป็นต้องคำนึงถึงความแตกต่างที่สำคัญ 3 ประการ

ในการอบรมองค์กรนั้น วงจร "เรียนวันนี้ นำไปใช้พรุ่งนี้" หมุนได้อย่างต่อเนื่อง แต่ในสถาบันการศึกษากลับมีช่วงเวลาห่างที่ว่า "สิ่งที่เรียนรู้จะเกิดประโยชน์หลังจากสำเร็จการศึกษาแล้ว" สิ่งที่จะช่วยเชื่อมช่องว่างนี้คือการฝึกงาน (Internship) และโปรเจกต์ความร่วมมือระหว่างภาคอุตสาหกรรมและสถาบันการศึกษา (産学連携プロジェクト)

ในการฝึกอบรมภาคองค์กร การประเมินจะเน้นที่ "นำไปใช้งานจริงได้หรือไม่" มากกว่า "คะแนนสอบ" ในขณะที่สถาบันการศึกษาจำเป็นต้องมีการประเมินผลการเรียน

สำหรับการประเมิน AI Literacy ขอแนะนำวิธีการดังต่อไปนี้ แทนการสอบข้อเขียนแบบดั้งเดิม

• การประเมินแบบ Project-Based (40%): ดำเนินโครงการแก้ปัญหาโดยใช้ AI เป็นทีม และประเมินจากผลงานและการนำเสนอ
• การประเมินแบบ Portfolio (30%): สะสมบันทึกการทำงานที่ใช้ AI ตลอดภาคการศึกษา และประเมินจากเส้นทางการเติบโต
• การทดสอบความรู้ (20%): ทดสอบความเข้าใจเกี่ยวกับแนวคิดพื้นฐาน จริยธรรม และข้อจำกัดของ AI
• Peer Review (10%): การประเมินการมีส่วนร่วมระหว่างสมาชิกในทีม

รูปแบบการประเมินนี้สามารถแยกแยะความแตกต่างระหว่าง "มีความรู้เกี่ยวกับ AI" กับ "สามารถใช้ AI ได้จริง"

ในสถาบันการศึกษา โดยเฉพาะในสภาพแวดล้อมที่หลักสูตรเชื่อมโยงกับการปฏิบัติงานจริงโดยตรง เช่น โรงเรียนอาชีวศึกษาและการฝึกอบรมวิชาชีพ (TVET) "ทักษะที่ใช้ได้จริงในการทำงาน" จะได้รับการจัดลำดับความสำคัญเหนือกว่า "ความเข้าใจเชิงวิชาการ" แนวทางที่มุ่งเน้นการปฏิบัติจริงซึ่งพิสูจน์แล้วว่าได้ผลในการฝึกอบรมภาคธุรกิจ สามารถนำมาประยุกต์ใช้กับการออกแบบหลักสูตรของสถาบันการศึกษาเหล่านี้ได้เช่นกัน

หลักสูตร AI Literacy ของ TVET เชื่อมโยงโดยตรงกับสถานการณ์การทำงานจำแนกตามประเภทอาชีพ

หลักสูตรภาคอุตสาหกรรมการผลิต (4 เดือน):

หลักสูตรภาคการท่องเที่ยว (3 เดือน):

ประเด็นสำคัญคือไม่สอน Coding สิ่งที่นักศึกษา TVET ต้องการคือทักษะในการใช้เครื่องมือ AI ที่มีอยู่แล้วให้เกิดประโยชน์ในการทำงาน ไม่ใช่ทักษะในการพัฒนา AI

ครูผู้สอนใน TVET จำนวนมากยังไม่เคยมีประสบการณ์ใช้งาน AI ด้วยตนเอง ซึ่งนี่ไม่ใช่ปัญหาเฉพาะของลาวเท่านั้น แต่เป็นความท้าทายร่วมกันของทั้ง ASEAN

การออกแบบหลักสูตรอบรมสำหรับครู (พัฒนาครูก่อนเป็นลำดับแรก):

1. Phase 1 (2 สัปดาห์): ให้ครูได้ใช้งาน AI chatbot ในงานประจำวันของตนเองอย่างเต็มที่ ไม่ว่าจะเป็นการจัดทำแผนการสอน การจัดการผลการเรียน หรือการติดต่อผู้ปกครอง
2. Phase 2 (2 สัปดาห์): Workshop ออกแบบการเรียนการสอนโดยใช้ AI พร้อมแลกเปลี่ยนกรณีศึกษากับครูท่านอื่น
3. Phase 3 (ต่อเนื่อง): จัดชุมชนครูเดือนละครั้งเพื่อแบ่งปันกรณีที่ประสบความสำเร็จและกรณีที่ล้มเหลว

ในภาคการฝึกอบรมขององค์กร มีการพิสูจน์แล้วว่าแม้แต่ผู้ที่ไม่ใช่วิศวกรก็สามารถพัฒนา AI literacy ได้อย่างยั่งยืน ครูผู้สอนก็เช่นเดียวกัน ไม่จำเป็นต้องกลายเป็น "AI expert" แต่เพียงแค่เป็น "ผู้อำนวยความสะดวกในการนำ AI เข้าสู่ห้องเรียน" ก็เพียงพอแล้ว

ในระดับมหาวิทยาลัย จะมุ่งเน้นการพัฒนาความเข้าใจและความสามารถในการประยุกต์ใช้ที่ลึกซึ้งกว่า TVET อีกขั้นหนึ่ง

ความรู้ด้าน AI ไม่ควรถูกจำกัดให้เป็นเพียง "วิชาเฉพาะทาง" ของคณะวิศวกรรมสารสนเทศเท่านั้น มหาวิทยาลัยแห่งชาติลาว (NUOL) มีคณะเศรษฐศาสตร์ คณะนิติศาสตร์ คณะเกษตรศาสตร์ และคณะแพทยศาสตร์ ซึ่งแต่ละคณะมีรูปแบบการนำ AI ไปใช้ที่แตกต่างกัน

ตัวอย่างการออกแบบวิชา AI ข้ามคณะ (1 ภาคการศึกษา · 15 ครั้ง)：

ข้อดีของทีมผสมข้ามคณะคือการที่มุมมองเชิงเทคนิค (วิศวกรรมสารสนเทศ) และความรู้เฉพาะด้าน (เศรษฐศาสตร์ นิติศาสตร์ เกษตรศาสตร์) มาบรรจบกัน ตัวอย่างเช่น ในโครงงาน "การประยุกต์ใช้ AI กับภาคเกษตรกรรมของลาว" นักศึกษาคณะเกษตรศาสตร์จะเป็นผู้กำหนดโจทย์ปัญหา นักศึกษาคณะวิศวกรรมสารสนเทศจะเสนอแนวทางการนำไปใช้ในเชิงเทคนิค และนักศึกษาคณะนิติศาสตร์จะตรวจสอบข้อกำหนดทางกฎหมายด้านการคุ้มครองข้อมูล

สิ่งที่มีประสิทธิภาพสูงสุดในการศึกษา AI ระดับมหาวิทยาลัย คือการให้นักศึกษาลงมือทำ PoC จากโจทย์จริงของภาคธุรกิจ

รูปแบบการดำเนินงาน PoC แบบความร่วมมือระหว่างภาคการศึกษาและภาคอุตสาหกรรม:

1. ภาคธุรกิจนำเสนอโจทย์ — ตัวอย่างเช่น: "ต้องการเพิ่มประสิทธิภาพการจัดการสินค้าคงคลังในคลังสินค้า" หรือ "ต้องการจำแนกคำถามจากลูกค้าโดยอัตโนมัติ"
2. อาจารย์ออกแบบขอบเขตของ PoC — กำหนด scope ให้สามารถดำเนินการให้เสร็จสิ้นภายในหนึ่งภาคการศึกษา
3. ทีมนักศึกษา (3–5 คน) ดำเนินการ PoC — เก็บรวบรวมข้อมูล → วิเคราะห์ → สร้าง prototype → รายงานผล
4. ภาคธุรกิจให้ feedback — ประเมินจากมุมมองเชิงปฏิบัติ พร้อมมอบโอกาส internship แก่ทีมที่มีผลงานโดดเด่น

"แนวทางการพิสูจน์แนวคิด" ที่อธิบายไว้ในบทความการพัฒนา PoC สามารถนำมาใช้เป็นโปรแกรมการศึกษาได้โดยตรง นี่คือกลไก Win-Win ที่นักศึกษาได้รับประสบการณ์เชิงปฏิบัติ ขณะที่ภาคธุรกิจได้รับโอกาสในการตรวจสอบความเป็นไปได้ของการนำ AI ไปใช้งาน

อุปสรรคที่ใหญ่ที่สุดอย่างหนึ่งในการศึกษาด้าน AI ในลาว คือการขาดแคลนสื่อการเรียนการสอนในภาษาลาว

การสร้างสื่อการสอนภาษาลาวตั้งแต่ศูนย์นั้นมีต้นทุนสูง แนวทางที่เป็นจริงได้มากกว่าคือการนำสื่อการสอนภาษาอังกฤษคุณภาพสูงที่มีอยู่แล้วมาเป็นฐาน แล้วทำการ localize เป็นภาษาลาว

แหล่งสื่อการสอนที่แนะนำ：

• Google AI Education — อธิบายพื้นฐาน AI สำหรับผู้ที่ไม่ใช่วิศวกร ใช้ลิขสิทธิ์ CC BY ซึ่งสามารถแปลและดัดแปลงได้
• Elements of AI (มหาวิทยาลัยเฮลซิงกิ) — คอร์สแนะนำ AI สำหรับผู้ที่ไม่มีพื้นฐานด้านเทคนิค มีการแปลเป็นหลายภาษาแล้ว
• fast.ai — คอร์ส Practical Deep Learning เน้นการปฏิบัติจริง เหมาะสำหรับครูผู้สอนที่ต้องการศึกษาด้วยตนเอง

ในการ localize ให้นำความรู้ด้านการรองรับหลายภาษาที่สั่งสมมาจากการสร้าง AI Chatbot ภาษาลาวมาประยุกต์ใช้ หากสร้างกระบวนการที่ใช้ AI แปลสื่อการสอนภาษาอังกฤษเป็นภาษาลาว แล้วให้ครูผู้สอนตรวจสอบและแก้ไข จะช่วยเร่งความเร็วในการจัดเตรียมสื่อการสอนได้อย่างมาก

การเพิ่มตัวอย่างที่เฉพาะเจาะจงกับลาว (เกษตรกรรม การเงิน การท่องเที่ยว) ก็มีความสำคัญเช่นกัน การแทนที่ตัวอย่างจาก Silicon Valley ในสื่อการสอนภาษาอังกฤษด้วยบริบทของลาว จะช่วยเพิ่มความเข้าใจและความสนใจของนักเรียนได้อย่างเห็นได้ชัด

ไม่เพียงแค่ "ทำความเข้าใจกลไกของ AI" เท่านั้น แต่ประสบการณ์ "ลองใช้ AI จริง" ก็เป็นสิ่งที่ขาดไม่ได้ในการศึกษา จึงควรจัดเตรียมสภาพแวดล้อมสาธิตที่ใช้งานได้เป็นภาษาลาว

สภาพแวดล้อมสาธิต AI ขั้นต่ำ:

• ประสบการณ์ใช้งาน AI Chatbot: ให้นักเรียนใช้เวอร์ชันฟรีของ Claude หรือ ChatGPT เป็นภาษาลาว เพียงแค่สอนวิธีเขียน Prompt นักเรียนก็จะเริ่มสำรวจได้อย่างอิสระ
• ประสบการณ์การรู้จำภาพ: ให้นักเรียนสร้างโมเดลรู้จำวัตถุด้วยกล้องด้วยตนเองผ่าน Google Teachable Machine (ใช้งานผ่านเบราว์เซอร์ ฟรี) โดยไม่ต้องเขียนโค้ด
• ประสบการณ์วิเคราะห์ข้อมูล: แสดงผลข้อมูลสาธารณะของลาว (ข้อมูลสภาพอากาศ ราคาผลผลิตทางการเกษตร) ด้วย Google Sheets + Google Colaboratory

สำหรับโรงเรียน TVET ในพื้นที่ห่างไกลที่การเชื่อมต่ออินเทอร์เน็ตไม่เสถียร การติดตั้ง Lightweight Model ที่ทำงานแบบออฟไลน์ไว้ในคอมพิวเตอร์ในห้องเรียนล่วงหน้าก็เป็นมาตรการที่มีประสิทธิภาพเช่นกัน นอกจากนี้ยังมีวิธีการใช้งาน AWS Instance ที่แนะนำไว้ในคู่มือการย้ายระบบไปยัง Cloud ร่วมกันสำหรับสถาบันการศึกษาอีกด้วย

ต่อไปนี้จะนำเสนอรูปแบบความล้มเหลวที่พบซ้ำๆ 2 ประการในการนำ AI มาใช้ในการศึกษา

ปัญหาที่พบบ่อยคือการใช้เวลาไปกับการสอนทฤษฎี AI มากเกินไป (พื้นฐานทางคณิตศาสตร์ของ Neural Network, การจำแนกประเภทอัลกอริทึมของ Machine Learning) จนนักเรียนจบภาคการศึกษาโดยที่ยังไม่เคยสัมผัสประสบการณ์จริงว่า "AI ทำอะไรได้บ้าง"

สิ่งที่แนะนำสำหรับสถาบันการศึกษาในลาวคือ "กฎ 7:3" ได้แก่ จัดสรรเวลาเรียน 70% ให้กับ Hands-on (การฝึกปฏิบัติโดยใช้เครื่องมือ AI จริง) และอีก 30% สำหรับทฤษฎี โดยให้ทฤษฎีทำหน้าที่เป็นคำอธิบายว่า "ทำไมจึงเป็นเช่นนั้น" และจัดวางไว้ก่อนหรือหลังช่วง Hands-on

จากองค์ความรู้ด้านการฝึกอบรม AI สำหรับองค์กรพบว่า โปรแกรมที่เน้นการเรียนในห้องเรียนเป็นหลักมีอัตราการจดจำที่ต่ำ ในขณะที่การเปลี่ยนมาเน้น Hands-on เป็นหลักมีแนวโน้มช่วยให้อัตราการจดจำดีขึ้นอย่างมีนัยสำคัญ ซึ่งคาดว่าสถาบันการศึกษาจะได้รับผลลัพธ์ในทิศทางเดียวกัน

การนำหลักสูตร AI จากประเทศพัฒนาแล้วมาใช้โดยตรงนั้น ไม่สามารถใช้งานได้จริงในลาว ตัวอย่างเช่น:

• แบบฝึกหัดที่ใช้ชุดข้อมูลขนาดใหญ่ — Wi-Fi ในห้องเรียนช้า ทำให้การดาวน์โหลดใช้เวลานานถึงหนึ่งชั่วโมง
• การฝึก Model โดยใช้ GPU — คอมพิวเตอร์ในแล็บไม่มี GPU ติดตั้งอยู่
• การประมวลผลแบบ Real-time ผ่าน Cloud API — ไฟฟ้าดับทำให้อินเทอร์เน็ตขัดข้อง

ในการออกแบบหลักสูตร ควรกำหนดให้ข้อจำกัดด้านสภาพแวดล้อม IT ของลาวเป็นเงื่อนไขพื้นฐาน การออกแบบโดยเน้นแบบฝึกหัดที่ทำงานได้แบบ Offline, Model ขนาดเบา และการใช้งานบนอุปกรณ์มือถือ จะช่วยให้ข้อจำกัดด้านโครงสร้างพื้นฐานไม่กลายเป็นข้อจำกัดของหลักสูตร

Q1: การเรียนการสอน AI Literacy จำเป็นต้องมีความรู้พื้นฐานด้านการเขียนโปรแกรมหรือไม่?

ไม่จำเป็น การศึกษา AI Literacy ในระดับ TVET ไม่มีการสอนเรื่อง Coding เลย แต่จะเน้นที่การ "ใช้งาน" เครื่องมือ AI ที่มีอยู่แล้ว เช่น Chatbot, การรู้จำภาพ (Image Recognition) และเครื่องมือแปลภาษา แม้แต่ในระดับมหาวิทยาลัย วิชาที่เปิดสอนข้ามคณะก็จะเน้นใช้เครื่องมือแบบ No-code เป็นหลัก ส่วนการเขียนโปรแกรมอย่าง Python จะจำกัดอยู่เฉพาะวิชาเฉพาะทางของคณะวิศวกรรมคอมพิวเตอร์เท่านั้น

Q2: หากอาจารย์ยังขาดทักษะด้าน AI จำเป็นต้องใช้วิทยากรภายนอกหรือไม่?

ในช่วงแรกของการนำเข้ามาใช้ การสนับสนุนจากวิทยากรภายนอกมีประสิทธิภาพ แต่ในแง่ของความยั่งยืน ควรมุ่งสู่สถานะที่ "อาจารย์สามารถสอนได้เอง" แนวทางที่แนะนำคือการจัดอบรมเข้มข้นสำหรับอาจารย์ (2–4 สัปดาห์) โดยให้อาจารย์ได้ใช้ AI ในงานของตนเองจนคุ้นเคยก่อน แล้วจึงเข้าสู่กระบวนการออกแบบการเรียนการสอน

Q3: สามารถจัดสรรงบประมาณสำหรับการศึกษา AI ผ่านโปรแกรมสนับสนุนด้านการศึกษาของ JICA หรือ ADB ได้หรือไม่?

ADB ได้ดำเนินโครงการสนับสนุนหลายโครงการในโปรแกรมปฏิรูป TVET ของลาว และการเสริมสร้างหลักสูตร ICT ถือเป็นหนึ่งในสาขาที่ได้รับความสำคัญ JICA ก็สนับสนุนการพัฒนาบุคลากรด้านดิจิทัลภายใต้กรอบการสนับสนุนการอุดมศึกษาเช่นกัน จุดสำคัญในการได้รับการอนุมัติคือการบรรจุตัวชี้วัดผลลัพธ์ที่เป็นรูปธรรมของ AI Literacy ไว้ในข้อเสนอโครงการ เช่น จำนวนผู้สำเร็จการศึกษา, อัตราการจ้างงาน และระดับความพึงพอใจของภาคธุรกิจ

การศึกษา AI ในลาวไม่ได้อยู่ในขั้น "ล้าหลัง" แต่อยู่ในขั้นที่ "สามารถออกแบบได้ตั้งแต่ต้น" มีโอกาสที่จะเรียนรู้จากการลองผิดลองถูกของประเทศอื่น และสร้างหลักสูตรที่ปรับให้เหมาะสมกับบริบทของลาวโดยเฉพาะ

3 การดำเนินการที่สถาบันการศึกษาเริ่มต้นได้ตั้งแต่วันนี้:

1. ให้ครูเริ่มใช้ AI — เริ่มต้นด้วยการใช้ AI chatbot ในการจัดทำแผนการสอนและการจัดการผลการเรียน เพื่อให้ครูได้สัมผัส "คุณค่าของ AI" ด้วยตนเอง
2. นำร่องเพียง 1 วิชา — แทนที่จะเปลี่ยนแปลงหลักสูตรทั้งหมด ให้ผนวกองค์ประกอบ AI literacy เข้าไปใน 1 วิชา แล้ววัดผลที่ได้
3. ใช้ประโยชน์จากความรู้การฝึกอบรม AI ของภาคธุรกิจ — ร่วมมือกับองค์กรที่กำลังพิจารณานำ AI มาใช้และผู้ให้บริการฝึกอบรม AI สำหรับภาคธุรกิจ เพื่อรับการสนับสนุนด้านสื่อการสอนและวิทยากรที่สอดคล้องกับการปฏิบัติงานจริง

เป้าหมายของการศึกษา AI ไม่ใช่ "การผลิต AI expert จำนวนมาก" แต่คือการพัฒนา "บุคลากรที่สามารถใช้ AI เป็นเครื่องมือได้ในทุกอาชีพ" การผสานความรู้เชิงปฏิบัติด้านการใช้ AI ที่ภาคธุรกิจสั่งสมมาจากการทำงานจริง เข้ากับความสามารถในการออกแบบหลักสูตรอย่างเป็นระบบของสถาบันการศึกษา จะสามารถสร้างผลกระทบที่เป็นรูปธรรมต่อการพัฒนาทรัพยากรมนุษย์ของลาวได้