Tại sao nhiều công ty vẫn chưa thể ứng dụng công nghệ AI?

09:30' - 02/10/2019
BNEWS Những ích lợi từ việc ứng dụng Trí tuệ nhân tạo (AI) giúp doanh nghiệp thay đổi mô hình kinh doanh cốt lõi và gia tăng doanh thu đã không còn quá xa lạ.
Biểu tượng của Amazon . Ảnh: AFP/TTXVN

Năm 2017, “đại gia” ngành thương mại điện tử Amazon đã mua lại chuỗi bán lẻ thực phẩm Whole Foods, để rồi sau đó tự mở chuỗi cửa hàng bán lẻ tự động không nhân viên Amazon Go của riêng mình. Kể từ đó, họ đã sử dụng AI để hiểu và cải thiện trải nghiệm mua sắm bán lẻ trực tiếp cũng như trực tuyến cho người tiêu dùng, qua đó nâng cao hơn nữa nguồn doanh thu cho tập đoàn.
Câu chuyện của Amazon không phải là độc nhất, mà đã xảy ra theo cách này hay cách khác ở nhiều chuỗi bán lẻ khác như Marcy’s, Walmart hay Sephora. Theo nghiên cứu của tạp chí công nghệ MIT Sloan Management Review, việc ứng dụng AI có thể sẽ giúp các công ty tạo ra khoảng 1.000 tỷ USD lợi nhuận mới vào năm 2030, tương đương khoảng 10% tổng lợi nhuận mà họ dự kiến đạt được vào thời điểm đó.
Tuy nhiên, hầu hết các công ty vẫn chưa thực hiện áp dụng AI vào hoạt động kinh doanh. Các kết quả nghiên cứu thị trường từ nhiều nguồn độc lập khác nhau cho thấy, có tới 70-80% công ty chưa bắt đầu bất kỳ triển khai ứng dụng AI nào.
Thực tế là hầu hết các công ty này đều chưa sẵn sàng cho AI. Và nếu họ cố gắng ứng dụng AI trước khi hoàn tất việc chuẩn bị, họ sẽ thất bại. Để các dự án AI thành công, các công ty sẽ cần phải cải thiện một vài yếu tố quan trọng sau đây.
Chuẩn bị sẵn sàng văn hóa và nguồn nhân lực
Yếu tố văn hóa ưu tiên sự đổi mới là điều tối quan trọng để giúp một công ty có thể nắm bắt dữ liệu và nâng cao khả năng của chúng. Amazon, Google, Facebook và Walmart đều có hồ sơ theo dõi về sự đổi mới. Họ có nhân lực và vật lực dành riêng cho việc nghiên cứu và phát triển những ý tưởng mới.
Các doanh nghiệp phải có thái độ không sợ hãi và cũng không ngại chi tiêu cho việc theo đuổi những ý tưởng mới. Tâm lý khát khao sự đổi mới phải là yếu tố tiên quyết trong văn hóa chung của công ty. Cùng với sự đổi mới, các nhân viên phải xem dữ liệu là tài sản của công ty. Các lãnh đạo cũng phải coi trọng dữ liệu và đầu tư để tăng cường thu thập chúng.
Ngoài ra, để phát triển thành công các dự án AI từ giai đoạn dữ liệu sang giai đoạn sản xuất, công ty cần có những chuyên gia kỹ thuật nội bộ. Tối thiểu, một công ty cần có những người chuyên về quản lý dữ liệu. Kỹ sư phần mềm cũng rất quan trọng trong việc đưa những mô hình đã qua huấn luyện sang môi trường sản xuất để các bên liên quan khác có thể dễ dàng chạy các báo cáo.
Tuy nhiên, sẽ tốt hơn nếu công ty có các nhà khoa học, nhà phân tích và kỹ sư dữ liệu. Những vị trí này đều có thể giúp xây dựng chiến lược và thực hiện các dự án liên quan tới AI.
Đảm bảo nguồn dữ liệu dồi dào và chất lượng
Không có gì ngạc nhiên khi dữ liệu là “nguồn sống” của AI. Nếu không có dữ liệu, các thuật toán không thể tự học và đưa ra những dự đoán chính xác. Một công ty muốn thành công khi áp dụng AI, họ phải có lượng dữ liệu đủ lớn và đặc biệt là có chất lượng. Dù được nhập hàng núi dữ liệu, AI vẫn có thể không xử lý được chúng nếu nguồn dữ liệu quá tràn lan, hoặc thông tin về hiện tượng mà công ty muốn tìm hiểu không đủ lớn.

Một công ty muốn thành công khi áp dụng AI, họ phải có lượng dữ liệu đủ lớn và đặc biệt là có chất lượng. Ảnh minh họa.

Tạp chí MIT Sloan Management Review đã lưu ý rằng nhiều công ty tiên phong ứng dụng AI đã có cơ sở hạ tầng dữ liệu và phân tích mạnh mẽ, cùng với sự hiểu biết rộng về những gì họ cần để phát triển dữ liệu phục vụ cho việc đào tạo các thuật toán.
Ngược lại, những bên đang thử nghiệm AI phải gặp rất nhiều khó khăn vì họ có ít kiến thức về phân tích dữ liệu. Thậm chí một số còn lưu trữ phần lớn dữ liệu của họ trong các kho tài liệu in ấn kiểu cũ, khiến việc tích hợp dữ liệu vào các chương trình AI càng khó khăn hơn.
Trên thực tế, 90% nỗ lực triển khai các giải pháp AI nằm ở việc sắp xếp dữ liệu và chuyển đổi chúng thành tập các thuộc tính khác nhau, tạo điều kiện để AI giải quyết các bài toán dễ dàng hơn, giúp tương thích với từng mô hình dự đoán cụ thể, cũng như cải thiện độ chính xác của mô hình dự đoán hiện tại. Dữ liệu chất lượng càng cao, dự đoán càng chính xác. Ngược lại, nguồn dữ liệu chất lượng thấp là lý do số một cho hầu hết các dự án AI thất bại.
Xác định chiến lược và quy trình triển khai hợp lý
Như đã nêu ở trên, công ty phải coi dữ liệu như một tài sản quan trọng vì đó là nền tảng cho chiến lược của họ. Tuy nhiên, các công ty muốn áp dụng AI cần đảm bảo các chiến lược của họ có thể linh hoạt chuyển đổi và liên kết chặt chẽ với AI. Thậm chí MIT Sloan Management Review cho rằng các công ty nên đưa AI thành trung tâm để chỉnh sửa các chiến lược của mình.
Việc chạy theo xu hướng ứng dụng AI mà không cân nhắc những vấn đề cụ thể thường dẫn đến các dự án kéo dài, không tạo ra bất kỳ giá trị thực tế nào.
Tạp chí MIT Technology Review cho rằng các công ty nên đặt ra một số câu hỏi cốt lõi trước khi xác định chiến lược ứng dụng AI của mình. Chúng bao gồm:
- Vấn đề mà công ty muốn xử lý là gì?
- Liệu AI có phải là biện pháp duy nhất để xử lý vấn đề không?
- Nếu có thì AI sẽ tiếp cận và giải quyết vấn đề như thế nào?
- Cách thức thu thập, sắp xếp, phân loại dữ liệu sẽ ra sao?
- Bao lâu thì công ty sẽ tiến hành đánh giá, kiểm tra và kiểm toán độ chính xác và thiên lệch của các thuật toán?
- Lợi ích từ AI có đủ lớn để bù đắp cho những tác động tiêu cực tiềm tàng như xâm phạm thông tin cá nhân hay không?
Một rủi ro phổ biến khác liên quan đến các dự án AI là các mô hình đã qua đào tạo nhưng lại không chuyển đổi sang giai đoạn sản xuất. Điều đáng lưu ý ở đây là công ty phải có sự kết nối giữa chiến lược kinh doanh và việc áp dụng thực tiễn công nghệ AI. Nói cách khác, công ty cần có kế hoạch cụ thể về cách truy cập dữ liệu, huấn luyện thuật toán và bàn giao khi chương trình AI đã ở giai đoạn có thể triển khai vào thực tế./.

>> AI có thể thay thế nhà báo trong kỷ nguyên số hóa?

Tin liên quan


Tin cùng chuyên mục