Thị trường hàng hóa
Trên khắp các ngành, các công ty trên thế giới đang áp dụng trí tuệ nhân tạo (AI) vào hoạt động kinh doanh của mình và thu được nhiều kết quả khác nhau. Theo Kartik Hosanagar, giáo sư về hoạt động, thông tin và quyết định của Wharton: “Điều tạo nên sự khác biệt giữa các dự án AI thành công với những dự án không thành công thường liên quan đến chiến lược kinh doanh mà các tổ chức tuân theo khi áp dụng AI”. Việc có sẵn các chiến lược phù hợp sẽ quyết định dự án AI nào thành công và dự án nào không thành công.
Hiện nay, nhiều công ty trong các ngành công nghiệp đã và đang áp dụng AI để cải thiện hoạt động kinh doanh của họ - từ Spotify sử dụng công nghệ máy học để đưa ra đề xuất âm nhạc cho đến các thiết bị gia đình thông minh như Google Home và Amazon Alexa… Tuy AI là nguồn cơ hội, nhưng cũng là một rủi ro hiện hữu và rất khó khăn. Trên hết, đây là một vấn đề cấp bách cần giải quyết. Làm thế nào các nhà điều hành có thể khai thác các cơ hội, quản lý rủi ro và giảm thiểu những khó khăn liên quan đến AI?
Sau nhiều thập kỷ phát triển, công nghệ AI hiện đã sẵn sàng trở thành nguồn giá trị quan trọng cho nhiều doanh nghiệp. Một cạm bẫy mà các công ty có thể gặp phải trong quá trình bắt đầu các sáng kiến AI mới là sự tập trung và hứng thú xung quanh AI có thể khiến AI bị coi là một mục tiêu tự thân.
Tuy nhiên, các giám đốc điều hành nên thận trọng trong việc phát triển chiến lược dành riêng cho AI, thay vào đó hãy tập trung vào vai trò của AI trong việc hỗ trợ chiến lược rộng lớn hơn của công ty. Một báo cáo gần đây của MIT Sloan Management Review và Boston Consulting Group gọi đây là “sự lạc hậu của chiến lược chứ không phải của AI”.
Do đó, thay vì tìm kiếm kỹ càng tất cả các lĩnh vực mà AI có thể phù hợp, một cách tiếp cận tốt hơn là các công ty nên phân tích các mục tiêu và thách thức hiện có một cách kỹ càng về các vấn đề mà AI được trang bị riêng để giải quyết.
Ví dụ: các thuật toán học máy mang lại những thế rõ rệt về khả năng dự đoán dựa trên dữ liệu đào tạo chất lượng cao. Các công ty có thể bắt đầu bằng cách tìm kiếm những thách thức có thể hưởng lợi từ những thế mạnh này, vì những lĩnh vực đó có thể là những lĩnh vực mà việc áp dụng AI không chỉ khả thi mà còn thực sự có thể mang lại lợi ích không tương xứng cho doanh nghiệp.
Việc áp dụng thuật toán học máy để phát hiện gian lận thẻ tín dụng là một ví dụ về điểm mạnh đặc biệt của AI khiến nó trở thành một công cụ rất có giá trị trong việc hỗ trợ giải quyết một vấn đề tồn đọng lâu dài. Trước đây, các giao dịch gian lận thường chỉ được xác định sau khi thực tế đã xảy ra.
Tuy nhiên, AI cho phép ngân hàng phát hiện và ngăn chặn gian lận theo thời gian thực. Bởi vì các ngân hàng đã có khối lượng lớn dữ liệu về các giao dịch gian lận trong quá khứ và đặc điểm của chúng nên luôn có sẵn nguyên liệu thô để đào tạo các thuật toán học máy. Hơn nữa, việc dự đoán liệu các giao dịch cụ thể có gian lận hay không và chặn chúng trong thời gian thực chính xác là loại nhiệm vụ lặp đi lặp lại mà thuật toán có thể thực hiện với tốc độ và quy mô mà con người không thể sánh kịp.
Về lâu dài, việc xem AI như một công cụ và tìm kiếm các ứng dụng AI đặc biệt phù hợp với chiến lược kinh doanh sẽ có giá trị nhất. Tuy nhiên, các công ty không nên gộp tất cả tài nguyên AI của họ vào một dự án lớn, duy nhất khi họ mới bắt đầu. Đúng hơn, nên áp dụng cách tiếp cận danh mục đầu tư cho các dự án AI bao gồm cả dự án thắng lợi nhanh chóng và dự án dài hạn. Cách tiếp cận này sẽ cho phép các công ty tích lũy kinh nghiệm về AI và xây dựng sự đồng thuận trong nội bộ, từ đó có thể hỗ trợ sự thành công của các dự án lớn hơn, mang tính chiến lược và mang tính chuyển đổi hơn sau này.
Cụ thể, chiến thắng nhanh chóng là các dự án nhỏ liên quan đến việc tối ưu hóa các điểm tiếp xúc của nhân viên nội bộ. Ví dụ: các công ty có thể nghĩ về những điểm khó khăn cụ thể mà nhân viên gặp phải trong công việc hàng ngày của họ, sau đó suy nghĩ về cách công nghệ AI có thể thực hiện một số nhiệm vụ này nhanh hơn hoặc dễ dàng hơn. Các công cụ dựa trên giọng nói để lên lịch hoặc quản lý các cuộc họp nội bộ hoặc giao diện giọng nói để tìm kiếm là một số ví dụ về ứng dụng dành cho sử dụng nội bộ.
Mặc dù các dự án này không có khả năng chuyển đổi hoạt động kinh doanh, nhưng chúng phục vụ mục đích quan trọng là giúp nhân viên, một số người ban đầu có thể còn hoài nghi, để tiếp cận những lợi ích của AI. Các dự án này cũng cung cấp cho các công ty cơ hội có rủi ro thấp để xây dựng kỹ năng làm việc với khối lượng dữ liệu lớn, điều này sẽ cần thiết khi giải quyết các dự án AI lớn hơn.
Phần thứ hai của phương pháp tiếp cận danh mục đầu tư, với các dự án dài hạn, là phần sẽ có tác động lớn nhất và điều quan trọng là tìm ra các lĩnh vực hỗ trợ chiến lược kinh doanh hiện tại. Thay vì tìm kiếm những cách đơn giản để tối ưu hóa trải nghiệm của nhân viên, các dự án dài hạn nên xem xét lại toàn bộ quy trình từ đầu đến cuối và thậm chí có thể đưa ra những tầm nhìn mới về trải nghiệm khách hàng tiêu chuẩn có thể trông như thế nào.
Ví dụ: một dự án dài hạn cho một công ty bảo hiểm ô tô có thể liên quan đến việc tạo ra một quy trình yêu cầu bồi thường hoàn toàn tự động, trong đó khách hàng có thể chụp ảnh hư hỏng của ô tô và sử dụng một ứng dụng để giải quyết các yêu cầu bồi thường của họ. Việc xây dựng các hệ thống như thế này nhằm nâng cao hiệu quả và tạo ra trải nghiệm khách hàng mới liền mạch đòi hỏi phải có kỹ năng kỹ thuật và sự đồng thuận về AI, điều mà sẽ giúp xây dựng được những chiến thắng nhanh chóng trước đó.
Ngoài việc phát triển các kỹ năng thông qua những chiến thắng nhanh chóng, các công ty nên áp dụng một cách tiếp cận có cấu trúc để phát triển nguồn nhân tài của mình, tập trung vào việc đào tạo lại kỹ năng cho nhân viên nội bộ cũng như thuê các chuyên gia bên ngoài. Tập trung vào việc phát triển nguồn nhân tài đặc biệt quan trọng vì hầu hết các kỹ sư trong công ty đều đã được đào tạo về khoa học máy tính trước khi có sự quan tâm gần đây đến học máy. Do đó, các kỹ năng cần thiết để bắt tay vào các dự án AI dường như không có đủ số lượng ở hầu hết các công ty, khiến việc đào tạo lại kỹ năng trở nên đặc biệt quan trọng.
Trong những ngày đầu làm việc với AI, Google đã triển khai một chương trình đào tạo nội bộ, trong đó nhân viên được mời dành sáu tháng làm việc trong nhóm học máy với một người cố vấn. Vào cuối thời gian này, Google đã phân bổ các chuyên gia này vào các nhóm sản phẩm trên toàn công ty để đảm bảo rằng toàn bộ tổ chức có thể hưởng lợi từ việc đào tạo lại kỹ năng liên quan đến AI. Có nhiều khóa học trực tuyến mới để đào tạo lại nhân viên về AI một cách kinh tế.
Báo cáo của MIT Sloan Management Review - BCG nêu trên cũng nhận thấy, ngoài việc phát triển nhân tài trong việc sản xuất công nghệ AI, một lĩnh vực quan trọng không kém là tiêu thụ công nghệ AI. Đặc biệt, các nhà quản lý cần có kỹ năng tham khảo các công cụ AI và hành động dựa trên các đề xuất hoặc hiểu biết sâu sắc từ các công cụ này.
Điều này là do hệ thống AI khó có thể tự động hóa toàn bộ quy trình ngay từ đầu. Đúng hơn, AI có thể sẽ được sử dụng trong những tình huống mà con người vẫn nắm rõ thông tin. Các nhà quản lý sẽ cần kiến thức thống kê cơ bản để hiểu những hạn chế và khả năng của học máy hiện đại và quyết định khi nào nên dựa vào các mô hình học máy.
Vì AI là một lĩnh vực mới nên việc các công ty gặp thất bại sớm là điều khó tránh khỏi. Những thất bại sớm không nên ngăn cản các công ty tiếp tục đầu tư vào AI. Đúng hơn, các công ty nên nhận thức được và chống lại xu hướng rút lui sau một thất bại sớm.
Trong lịch sử, nhiều công ty đã vấp phải những sáng kiến ban đầu với các công nghệ mới, chẳng hạn như khi làm việc với Internet, điện toán đám mây và di động. Những công ty rút lui, ngừng hoặc thu hẹp lại nỗ lực của mình sau những thất bại ban đầu, có xu hướng ở tình trạng tồi tệ hơn về lâu dài so với những công ty vẫn tồn tại. Xu hướng tương tự sẽ xảy ra với công nghệ AI. Nghĩa là, nhiều công ty sẽ thất bại trong những nỗ lực AI ban đầu của họ, nhưng bản thân AI vẫn tồn tại. Những công ty kiên trì và học cách sử dụng AI tốt sẽ vượt lên dẫn trước, trong khi những công ty né tránh AI sau những thất bại ban đầu sẽ bị tụt lại phía sau.
Các công ty nên nhận thức được những rủi ro mới mà AI có thể gây ra và chủ động quản lý những rủi ro này ngay từ đầu. Việc bắt đầu các dự án AI mà không nhận thức được những rủi ro đặc biệt này có thể dẫn đến những tác động tiêu cực ngoài ý muốn đối với xã hội, cũng như khiến bản thân các tổ chức dễ gặp phải các rủi ro về danh tiếng, pháp lý và quy định (như đã đề cập trong cuốn sách Hướng dẫn về trí tuệ máy của con người: Các thuật toán đang định hình cuộc sống của chúng ta như thế nào và chúng ta có thể kiểm soát như thế nào).
Gần đây đã có nhiều trường hợp công nghệ AI phân biệt đối xử với các nhóm thiệt thòi trong lịch sử. Ví dụ: các thuật toán thế chấp đã được chứng minh là có thành kiến về chủng tộc và một thuật toán do Amazon tạo ra để hỗ trợ tuyển dụng được chứng minh là có thành kiến về giới tính, mặc dù điều này thực sự đã bị chính Amazon phát hiện trước khi thuật toán được sử dụng. Loại sai lệch này trong thuật toán được cho là xảy ra bởi vì, giống như con người, thuật toán là sản phẩm của cả bản chất và sự nuôi dưỡng. Trong khi “bản chất” là logic của chính thuật toán thì “nuôi dưỡng” là dữ liệu mà thuật toán được đào tạo dựa trên đó.
Những bộ dữ liệu này thường là sự tổng hợp các hành vi của con người - đôi khi là những lựa chọn hoặc đánh giá cụ thể mà những người ra quyết định của con người đã đưa ra trước đây về chủ đề được đề cập, chẳng hạn như nên thuê nhân viên nào hoặc phê duyệt đơn xin vay nào.
Do đó, các tập dữ liệu được tạo thành từ các quyết định thiên vị từ chính con người mà các thuật toán học hỏi và kết hợp. Do đó, điều quan trọng cần lưu ý là các thuật toán nói chung không tạo ra những thành kiến hoàn toàn mới mà là học hỏi từ những thành kiến lịch sử của con người và làm trầm trọng thêm chúng bằng cách áp dụng chúng trên quy mô lớn hơn nhiều và do đó thậm chí còn gây thiệt hại nhiều hơn.
Không nên bỏ rơi AI vì những người ra quyết định thay thế là con người cũng có thành kiến. Thay vào đó, các công ty nên nhận thức được các loại tác hại xã hội có thể xảy ra do công nghệ AI và kiểm tra nghiêm ngặt các thuật toán của họ để nắm bắt những thành kiến trước khi chúng tác động tiêu cực đến xã hội. Việc tiến hành các sáng kiến AI mà không nhận thức được những rủi ro xã hội này có thể dẫn đến rủi ro về uy tín, pháp lý và quy định cho các công ty và quan trọng nhất là có thể gây ra những tác động cực kỳ tai hại cho xã hội.
BÀI VIẾT LIÊN QUAN
Đọc thêm
Business Networking
Mạng lưới kết nối của Trí Tuệ Mới
