 |
Phòng thí nghiệm tại startup Terray Therapeutics đang xây dựng các phòng thí nghiệm lớn với công nghệ cao để tạo ra dữ liệu đào tạo AI, từ đó giúp phát triển các loại thuốc hiệu quả hơn. Ảnh: New York Times |
Công nghệ AI phổ biến đang khiến ngay cả những doanh nghiệp "mù công nghệ" nhất cũng có thể tận dụng nó để gia tăng lợi thế. Trên tất cả các lĩnh vực - từ y tế, du lịch, bảo hiểm, bán lẻ, giáo dục v.v - hàng nghìn doanh nghiệp đã bắt đầu sử dụng những phần mềm dựa trên AI nhằm tối ưu hóa quy trình ra quyết định và nâng cao hiệu quả vận hành.
Chẳng hạn, hãng dược phẩm Johnson & Johnson dùng AI để nghiên cứu thuốc mới và phát triển vaccine. Trang tin Bloomberg ứng dụng AI để tự động viết tin tài chính dựa trên báo cáo của doanh nghiệp. Nhà bán lẻ Costco thu hút hàng triệu khách hàng mới nhờ sử dụng AI xác định vị trí tối ưu để mở siêu thị.
Một số ứng dụng AI khác thậm chí còn khiến người ta liên tưởng đến các kịch bản trong phim khoa học viễn tưởng. Ví dụ, Công ty Bảo hiểm Ping An ở Trung Quốc sử dụng công nghệ nhận diện khuôn mặt để phân tích biểu cảm của người đăng ký vay vốn online. Nếu hệ thống phát hiện họ có dấu hiệu nói dối khi trả lời phỏng vấn, thuật toán sẽ đề xuất thực hiện thêm một buổi phỏng vấn trực tiếp với nhân viên.
Mặc dù các công cụ tích hợp AI hiện nay đã trở nên dễ tiếp cận, nhưng việc thiếu hiểu biết về công nghệ lại khiến nhiều doanh nghiệp không thể tận dụng hết tiềm năng của nó. Hơn nữa, các công ty không thuộc lĩnh vực công nghệ thường có đặc thù vận hành riêng, đòi hỏi cách triển khai AI rất khác so với các công ty công nghệ. Chính vì thế, không ít doanh nghiệp phi kỹ thuật số vấp phải khó khăn khi đưa AI vào hoạt động, chẳng hạn:
Ít dữ liệu.
Không giống những gã khổng lồ công nghệ có quyền truy cập vào lượng dữ liệu khổng lồ để đào tạo các thuật toán AI của mình, các công ty nhỏ hơn, đặc biệt là doanh nghiệp phi công nghệ, thường không có đủ dữ liệu để cung cấp cho các mô hình AI mà họ muốn có.
Vì dữ liệu là yếu tố cốt lõi quyết định hiệu quả của mọi mô hình AI, nên cách tốt nhất đối với các doanh nghiệp này là hợp tác với chuyên gia tư vấn để được định hướng và xây dựng chiến lược phù hợp.
Ví dụ, một công ty sản xuất xe đạp muốn triển khai AI nhằm phát hiện vết xước hay khuyết tật trên khung xe trên dây truyền sản xuất. Rất khó để họ có sẵn hàng triệu bức ảnh khung xe bị móp méo để huấn luyện mô hình. Tuy nhiên, các thuật toán AI tiên tiến hiện nay có thể tạo ra hình ảnh nhân tạo chỉ từ một số lượng nhỏ ảnh gốc, và những hình ảnh này lại được dùng để tiếp tục huấn luyện thuật toán.
Ngoài ra, doanh nghiệp cũng có thể sử dụng các bộ dữ liệu bên ngoài để bổ sung cho mô hình AI, nhưng điều này đòi hỏi sự tham gia sâu của các chuyên gia dữ liệu để đảm bảo tính hiệu quả và độ chính xác của dữ liệu.
Thiếu quản trị thay đổi.
Việc triển khai AI thường tạo ra tác động lớn hơn nhiều so với dự đoán ban đầu của doanh nghiệp. Khi nhân viên, các bên liên quan và khách hàng chưa sẵn sàng cho việc áp dụng AI, quy trình làm việc thường bị rối loạn. Để tránh điều này, doanh nghiệp cần lên kế hoạch quản trị thay đổi từ sớm, bảo đảm mọi người đều hiểu rõ và đồng thuận về quá trình triển khai AI.
Nhân viên cần được thông tin cụ thể về cách AI sẽ ảnh hưởng đến công việc hằng ngày, đồng thời được trang bị kiến thức cơ bản về công nghệ này. Doanh nghiệp cũng nên điều chỉnh lại quy trình làm việc, tổ chức các chương trình đào tạo lại, và thông báo kịp thời cho các đối tác, cổ đông, nhà cung cấp và nhà phân phối. So với các công ty công nghệ — vốn quen với đổi mới sáng tạo — các doanh nghiệp phi công nghệ phải đối mặt với nhiều bất ổn và sự e dè trước thay đổi hơn.
Chẳng hạn như một bệnh viện triển khai hệ thống AI để hỗ trợ phát hiện khối u trong phim X-quang. Ban giám đốc có thể kỳ vọng công nghệ này sẽ giúp giảm tải cho bác sĩ và tăng độ chính xác trong chẩn đoán. Tuy nhiên, do thiếu thông tin và huấn luyện trước về công nghệ, các bác sĩ sẽ đặt ra hàng loạt nghi vấn về kết quả mà AI đưa ra và cho rằng hệ thống đang can thiệp vào chuyên môn của họ. Trong khi đó, bệnh nhân lại tỏ ra lo ngại nếu biết kết quả chẩn đoán có sự tham gia của "máy móc" và mất lòng tin vào bệnh viện.
Kết quả là, bệnh nhân đòi hỏi nhiều bác sĩ xem lại kết quả của mình hơn để đảm bảo rằng chẩn đoán là chính xác. Các bác sĩ, vì thế cũng phải tăng thời gian xem xét lại kết quả và trấn an bệnh nhân. Cuối cùng, thay vì tăng hiệu quả, dự án AI lại trở thành gánh nặng. Bệnh viện buộc phải tạm dừng để xem xét toàn bộ quy trình đào tạo, truyền thông nội bộ và cơ chế phối hợp giữa con người và công nghệ.
Kỳ vọng quá mức vào khả năng của AI.
Nhiều doanh nghiệp phi công nghệ thường đặt kỳ vọng quá cao vào độ chính xác của mô hình AI so với thực tiễn có thể đạt được. Điều này đặc biệt phổ biến khi tính khả thi của AI được đánh giá dựa trên các nghiên cứu học thuật — nơi các thí nghiệm được tiến hành trong môi trường lý tưởng, rất khó tái tạo trong thế giới thực.
Ví dụ, một công ty tư vấn nông nghiệp cho nông dân có thể bị thuyết phục về tính khả thi của AI sau khi đọc các nghiên cứu về phần mềm tự động phát hiện sâu bệnh trên ảnh chụp lá. Tuy nhiên, ít ai để ý rằng những nghiên cứu đó thường sử dụng hình ảnh chất lượng cao, chụp đúng góc độ và sắc nét. Khi triển khai thực tế, doanh nghiệp mới phát hiện rằng hình ảnh thu được từ camera của nông dân có thể không đủ tiêu chuẩn, và môi trường tín hiệu Internet cần được điều chỉnh đáng kể để phù hợp cho AI hoạt động ngoài cánh đồng.
Trong trường hợp này, công ty có thể tạm thời dựa vào chuyên gia để kiểm tra lại kết quả đầu ra của hệ thống AI. Tuy vậy, điều quan trọng hơn cả là phải tiến hành các thử nghiệm kỹ lưỡng trước khi triển khai, trong điều kiện mô phỏng sát với thực tế nhất có thể.
Suy cho cùng, AI không phải phép màu có thể thay đổi mọi thứ chỉ sau một đêm, mà là một công cụ mạnh mẽ nếu được sử dụng đúng chỗ. Khi công nghệ này ngày càng phổ cập, doanh nghiệp ngoài lĩnh vực công nghệ cần tiếp cận AI với tâm thế tỉnh táo: hiểu rõ giá trị thật sự của năng lực dự đoán mà AI mang lại cho từng khía cạnh sản xuất – kinh doanh của công ty, bắt đầu từ những bài toán nhỏ, đo lường hiệu quả cụ thể qua mỗi dự án áp dụng AI, và từng bước điều chỉnh quy trình quản trị chung để thích nghi.
Bài đăng KH&PT số 1365 (số 41/2025)
Quang Duy