Trí tuệ nhân tạo Generative AI (AI tạo sinh) như ChatGPT, Bard, Claude AI, Pi… đang chiếm sóng truyền thông toàn cầu vì khả năng cung cấp những nội dung mới lạ. Sức hấp dẫn của Generative AI không thể phủ nhận, và thế giới kinh doanh hồ hởi chào đón.
Các phòng họp của doanh nghiệp ở khắp mọi nơi đều thảo luận về tiềm năng của Generative AI, hình dung ra những tác động mang tính chuyển đổi (transformative) đối với hoạt động sản xuất kinh doanh và tương tác với khách hàng.
Tuy nhiên, mặc dù sức hấp dẫn lớn, nhưng hành trình khai thác Generative AI trong bối cảnh doanh nghiệp không chỉ đơn thuần là triển khai các thuật toán tiên tiến hoặc tạo ra một chatbot thông minh. Cốt lõi của Generative AI tạo nên thành công là nền tảng vững chắc của dữ liệu có chất lượng. Như Bruno Aziza, chuyên gia tư vấn chiến lược, doanh nhân công nghệ (CapitalG) đã nhấn mạnh, “Chất lượng dữ liệu và sự tin cậy tạo nên thành trì cạnh tranh” (“Trust and Data Quality are the Competitive Moat”).
Một chatbot thú vị có thể che giấu những điểm không hoàn hảo về dữ liệu, nhưng khi Generative AI trở thành một phần của quy trình kinh doanh cốt lõi, thì mọi sai sót dữ liệu đều được phóng đại rõ rệt, ảnh hưởng đến nhiều bên liên quan.
Hình ảnh vẽ bằng DALL – E 3
Để thực sự khai thác Generative AI, một tổ chức phải ưu tiên việc quản trị chất lượng dữ liệu. Bài viết này làm rõ lý do tại sao một chiến lược dữ liệu lại đóng vai trò tối quan trọng đối với Generative AI, xem xét mức độ phức tạp của nó về mặt công nghệ, quy trình, văn hóa và năng lực.
Tầm quan trọng của chất lượng dữ liệu
Dữ liệu chất lượng không chỉ là một thứ xa xỉ như cách người ta nói (“data is new oil”). Nó là mấu chốt của bất kỳ ứng dụng Generative AI thành công nào. Khi đề cập đến các ứng dụng Generative AI cấp doanh nghiệp, không chỉ thảo luận về các chatbot đang gây tỏ mò và thích thú cho khán giả.
Thay vào đó, đây là những công cụ phức tạp phục vụ cho nhiều bộ phận khác nhau từ bán hàng, tiếp thị, hỗ trợ khách hàng, nhân sự hoặc pháp lý. Với phạm vi ứng dụng rộng rãi như vậy, bất kỳ lỗi nào do hệ thống AI gây ra không chỉ là trục trặc mà còn là những thất bại mang tính hệ thống, tác động lan truyền khắp tổ chức.
Lấy ví dụ, trường hợp về một nền tảng thương mại điện tử lớn sử dụng AI để tạo mô tả sản phẩm. Do các vấn đề về chất lượng dữ liệu, AI tạo ra các mô tả vô nghĩa hoặc đôi khi không phù hợp. Thay vì nâng cao trải nghiệm mua sắm, nó lại dẫn đến sự nhầm lẫn của khách hàng và cơn ác mộng giải quyết khủng hoảng cho nền tảng này.
Chất lượng dữ liệu đề cập đến một loạt các thuộc tính sau đây:
Nguồn gốc (Provenance): Biết dữ liệu đến từ đâu sẽ giúp đảm bảo tính xác thực và mức độ liên quan và tính xác thực đi kèm.
Độ tin cậy (Reliability): Tính nhất quán trong dữ liệu là chìa khóa. Dữ liệu cung cấp sự tin cậy, cho phép huấn luyện các mô hình AI để trả lời chính xác và không gây ra các ảo tưởng (hallucination).
Tính công bằng (Faireness): Trong bối cảnh dữ liệu, tính công bằng đảm bảo rằng thông tin được sử dụng không thiên vị, từ đó ngăn ngừa các kết quả thiên vị do AI tạo ra.
Tính minh bạch (Transparency): Điều quan trọng là phải hiểu cách thu thập, xử lý và sử dụng dữ liệu. Một quy trình minh bạch đảm bảo các bên liên quan có niềm tin vào kết quả đầu ra của AI.
Hình ảnh chất lượng dữ liệu (vẽ bằng DALL-E 3)
Để phát triển mô hình AI, không chỉ cần có các mô hình hoặc thuật toán tiên tiến mà còn là chất lượng, nguồn gốc, độ tin cậy của dữ liệu.
Trước khi một doanh nghiệp mơ ước sử dụng Generative AI, việc đầu tư vào chất lượng dữ liệu là điều tối quan trọng. Triển khai AI mà không đảm bảo chất lượng dữ liệu cũng giống như xây một tòa nhà chọc trời trên nền móng lung lay, xây lâu đài trên cát. Trong thế giới dựa trên dữ liệu, niềm tin vào thông tin tạo thành nền tảng cho lợi thế cạnh tranh của doanh nghiệp. Do đó, chất lượng và quản trị dữ liệu đó trở thành mệnh lệnh kinh doanh, không chỉ là yêu cầu kỹ thuật.
Xác định các trường hợp sử dụng Generative AI có tác động lớn:
Sức hấp dẫn của Generative AI là tạo ra vô số ứng dụng tiềm năng, khiến các doanh nghiệp muốn sử dụng ở khắp nơi. Tuy nhiên, không phải tất cả các quy trình hoặc nhiệm vụ đều đã sẵn sàng cho việc sử dụng AI. Việc tìm hiểu chức năng nào cần áp dụng công nghệ này là rất quan trọng để đạt được kết quả có ý nghĩa.
Những câu chuyện thành công để doanh nghiệp có cảm hứng. Gã khổng lồ về thức ăn nhanh như Wendy’s đã bắt đầu thử nghiệm hệ thống đặt hàng lái xe dựa trên giọng nói được hỗ trợ bởi AI tổng hợp. Điều này không chỉ hợp lý hóa quy trình đặt hàng tùy chỉnh từ menu gần như vô tận mà còn giảm đáng kể sai sót, mang lại lợi ích cho cả khách hàng và nhân viên.
Mặt khác, có những câu chuyện cảnh báo, chẳng hạn như một nhà bán lẻ thời trang đã cố gắng sử dụng AI để tự động thiết kế các mẫu quần áo mới. Mặc dù ý tưởng này có vẻ sáng tạo nhưng các thiết kế thu được thường thiếu sự mạch lạc và thiếu sức hấp dẫn với thị trường. Nỗ lực này, thay vì đẩy nhanh quá trình thiết kế, cuối cùng lại trở thành một sai lầm tiêu tốn nhiều tài nguyên. Việc áp dụng đúng chỗ lại là một chiến lược khôn ngoan.
Hình ảnh chọn các trường hợp sử dụng (Nguồn Gartner (2023))
Việc lựa chọn trường hợp sử dụng (use cases) dựa trên mô hình đánh giá 2 khía cạnh về mặt giá trị với doanh nghiệp và tính khả thi triển khai trường hợp sử dụng này. Mô hình của Gartner giúp trả lời những câu hỏi sau:
Về Giá trị: Làm thế nào để tăng doanh thu? Làm thế nào để tăng hiệu quả và năng suất? Làm thế nào để quản lý rủi ro một cách hiệu quả? Giá trị không tài chính (như giá trị xã hội hoặc văn hóa) mang lại lợi ích gì?
Về khả năng thực hiện (khả thi): Mặt kỹ thuật của mô hình có khả thi không? Tổ chức đã sẵn sàng về mặt nội bộ để triển khai mô hình này chưa? Đối tác, khách hàng và cơ quan quản lý đã sẵn sàng đối mặt và hỗ trợ mô hình này chưa?
Về Mô hình kinh doanh và vận hành: Mô hình kinh doanh và vận hành hiện tại của chúng ta là gì? Những giá trị mới nào đang xuất hiện và chúng kể chuyện gì về sự thay đổi trong tương lai?
Về độ khó và sẵn sàng: Triển khai mô hình này sẽ khó khăn như thế nào? Chúng ta đã sẵn sàng thực hiện nó chưa? Đối tác, khách hàng và cơ quan quản lý của chúng ta có sẵn lòng và sẵn sàng đối mặt với những thay đổi từ mô hình này không?
Trả lời các câu hỏi này và đánh giá các trường hợp sử dụng cụ thể dựa trên hai mặt giá trị và tính khả thi để chọn ra các trường hợp ưu tiên thực hiện.
Ngoài việc lựa chọn các trường hợp sử dụng hành trình không kết thúc ở việc triển khai. Phản hồi từ người dùng là rất quan trọng. Khi các doanh nghiệp triển khai AI trong các lĩnh vực cụ thể, điều cần thiết là phải liên tục thu thập phản hồi trong thế giới thực, đánh giá hiệu suất của AI và cải tiến cách tiếp cận. Generative AI, giống như bất kỳ công cụ nào khác, đòi hỏi phải tinh chỉnh. Sự mạo hiểm của nhà bán lẻ thời trang được kể trên có thể đã được ngăn chặn bằng thử nghiệm thí điểm, phản hồi và đánh giá.
Các tổ chức nên tập trung vào những trường hợp sử dụng có tác động cao trong đó AI tổng hợp có thể thực sự nâng cao cả trải nghiệm của khách hàng và năng suất của nhân viên. Bằng cách lựa chọn cẩn thận các chức năng sẵn sàng để đổi mới và thận trọng trong việc giám sát và tinh chỉnh dựa trên kết quả, các doanh nghiệp có thể khai thác sức mạnh của AI theo cách thực sự nâng cao giá trị cho tất cả các bên liên quan.
Tương lai: Con người được tăng cường AI
Tiềm năng của Generative AI không chỉ nằm ở khả năng tự động hóa hoặc sáng tạo mà còn ở khả năng tăng cường, khuếch đại tiềm năng của con người, cho phép chúng ta đạt được những đổi mới, năng suất và hiệu quả mà trước đây không thể đạt được. Nhưng cùng với sự gia tăng này sẽ xuất hiện một loạt thách thức về mặt đạo đức mà các tổ chức phải chuẩn bị để đối mặt.
Về mặt đạo đức, sự giao thoa giữa việc ra quyết định của con người và các khuyến nghị của AI gây ra những tình huống khó xử. Điều gì sẽ xảy ra nếu AI đề xuất một hành động có vẻ hiệu quả nhưng lại vi phạm về mặt đạo đức? Chẳng hạn, AI có thể ưu tiên các yêu cầu dịch vụ khách hàng dựa trên lịch sử mua hàng, loại bỏ những yêu cầu được coi là kém giá trị hơn, ưu tiên những khách hàng giàu có và không phục tốt các khách hàng dễ tổn thương như người già, phụ nữ, trẻ em. Mặc dù điều này có thể có ý nghĩa trong kinh doanh nhưng nó đặt ra những câu hỏi về đạo đức, về sự công bằng.
Trên thực tế, việc ứng dụng AI không phải lúc nào cũng suôn sẻ. Nhân viên, đã quen với phương thức làm việc truyền thống, có thể phản đối những công cụ mới này, xem công nghệ này là mối đe dọa. Ngoài ra còn có nguy cơ rất thực tế là các mô hình AI vô tình đưa ra những thành kiến, điều này không chỉ ảnh hưởng đến việc ra quyết định mà còn có thể làm xói mòn niềm tin vào các quy trình sử dụng AI.
Sự minh bạch trở thành tính năng được quan tâm trong bối cảnh phức tạp này. Để AI và con người cộng tác hiệu quả, cần phải có sự rõ ràng về cách thức hoạt động của các mô hình AI. Nếu một nhân viên tin tưởng vào đề xuất của AI, họ phải hiểu cơ sở của đề xuất đó. Các buổi đào tạo thường xuyên, các kênh phản hồi mở và tài liệu là rất cần thiết. Nhân viên không nên chỉ là người tiếp nhận thụ động các kết quả đầu ra của AI; họ nên đóng vai trò tích cực hơn.
Việc tích hợp các công cụ AI này đòi hỏi phải có sự thay đổi mô hình, đánh giá lại các vai trò, kỹ năng và trình độ học vấn của người lao động, mối quan hệ cộng sinh giữa con người và máy móc. AI không phải là thay thế người lao động mà là nâng cao năng lực cho họ. Các nguyên tắc chỉ đạo phải là sự liêm chính về mặt đạo đức, tính minh bạch và giáo dục liên tục. Chỉ với những nguyên lý này, các tổ chức, doanh nghiệp mới có thể đảm bảo rằng người lao động được tăng cường bởi AI không chỉ làm việc hiệu quả hơn mà còn hoạt động theo cách công bằng và minh bạch và đúng với phẩm giá con người.
Kết luận
Sự ồn ào và sức hấp dẫn xung quanh Generative AI đều không thể phủ nhận. Tiềm năng biến đổi của nó là rõ ràng, với các ứng dụng trải dài từ việc tối ưu hóa các nhiệm vụ thông thường đến thúc đẩy những đổi mới mang tính đột phá. Tuy nhiên, để biến tiềm năng này thành những kết quả hữu hình, doanh nghiệp cần nhiều thứ hơn là chỉ có công nghệ tiên tiến. Trọng tâm của nó, sự thành công của Generative AI là dựa vào dữ liệu với một chiến lược dữ liệu cụ thể.
Tầm quan trọng hàng đầu của việc triển khai Generative AI là chất lượng dữ liệu. Khi làn sóng Generative AI tiếp tục gia tăng, các doanh nghiệp đang đứng trước một thời điểm quan trọng. Điều quan trọng không phải là thái độ tâm lý FOMO (Fear of Missing Out) mà là thực hiện điều đó với kế hoạch tỉ mỉ và sự hiểu biết sâu sắc. Sự vội vàng triển khai có thể hấp dẫn nhưng đầy rẫy những cạm bẫy.
Do đó, đối với các doanh nghiệp mong muốn khai thác sức mạnh của Generative AI, hãy bắt đầu bằng cách đánh giá sự sẵn sàng, tinh chỉnh và củng cố chiến lược dữ liệu. Đảm bảo chiến lược dữ liệu của công ty phù hợp, khả thi, minh bạch và đáng tin cậy.
Các doanh nghiệp cần hiểu rằng Generative AI không chỉ là tự động hóa hoặc tăng cường; nó khuếch đại niềm tin trên tất cả các khía cạnh của tổ chức. Và khi chúng ta tiến về phía trước trong kỷ nguyên AI này, niềm tin vào con người và khả năng thích nghi là kim chỉ nam và nền tảng. Cần bắt tay bằng việc xây dựng một chiến lược dữ liệu phù hợp với tổ chức mình.
Theo VNN