Dự án AX thành công cần thiết kế khác nhau theo từng ngành

Việc áp dụng trí tuệ nhân tạo (AI) đang diễn ra nhanh chóng, khiến sự quan tâm của các doanh nghiệp chuyển từ "mô hình AI nào sẽ sử dụng" sang "làm thế nào để triển khai AI vào công việc thực tế". Tuy nhiên, mặc dù đã nhận thức được tầm quan trọng của thiết kế vận hành, nhiều nỗ lực vẫn cố gắng áp dụng cùng một thiết kế cho tất cả các ngành.
Chẳng hạn, cách tiếp cận đã thành công trong lĩnh vực tài chính lại được áp dụng nguyên si vào sản xuất, hoặc cấu trúc dữ liệu được thiết kế cho ngành phân phối lại được áp dụng cho các cơ quan công. Kết quả thường giống nhau: công nghệ đã được triển khai nhưng không hoạt động trong thực tế.
Theo nghiên cứu toàn cầu, tỷ lệ thất bại trong chuyển đổi số dựa trên AI (AX) có thể lên tới 70-85%, và tỷ lệ áp dụng AI giữa các ngành cũng có sự chênh lệch lớn, với lĩnh vực công nghệ và tài chính đạt 80-90%, trong khi sản xuất và nông nghiệp chỉ đạt 20-50%. Những gì được xác nhận từ việc thực hiện các dự án AX ở nhiều ngành là, mặc dù cùng một nguyên tắc thiết kế, nhưng việc áp dụng vào từng ngành sẽ quyết định điều gì cần được thiết kế trước và nơi nào cần tập trung nhiều hơn.
Một trong những sai lầm phổ biến nhất trong các dự án AX ở lĩnh vực tài chính là việc triển khai công nghệ trước và để thiết kế quyền hạn cho sau. Ví dụ, khi tự động hóa quy trình kiểm tra hợp đồng hoặc triển khai AI cho tư vấn khách hàng, nhưng trong giai đoạn vận hành, quyền truy cập và phạm vi trách nhiệm không được xác định rõ ràng, dẫn đến việc phải thiết kế lại. Hơn nữa, với nhiều hợp đồng quét hoặc tài liệu tài chính và pháp lý dựa trên hình ảnh, việc xác thực trước độ chính xác của việc chuyển đổi tài liệu sang dạng mà AI có thể sử dụng là rất cần thiết.
Đối với các cơ quan công, độ chính xác trong xử lý khiếu nại và tính nhất quán trong quy trình hành chính là vô cùng quan trọng. Do đó, AI không chỉ đơn thuần là tạo ra câu trả lời mà còn cần phải chỉ ra các quy định và tài liệu mà câu trả lời dựa trên, cũng như quản lý lịch sử phản hồi. Hơn nữa, việc người phụ trách xem xét kết quả của AI và đưa ra quyết định cuối cùng sẽ đóng vai trò quan trọng trong việc tăng cường khả năng chấp nhận tại hiện trường.
Một sai lầm thường thấy trong AX lĩnh vực phân phối là gắn AI vào trước khi chuẩn bị dữ liệu. Nếu mã sản phẩm khác nhau giữa các nguồn hoặc việc hoàn trả, đổi hàng không được phản ánh chính xác trong dữ liệu bán hàng, thì dù mô hình AI có được nâng cao đến đâu, kết quả cũng không thể tin cậy. Hầu hết các AI bị từ chối tại hiện trường đều là do đã bỏ qua bước này.
Trong dự án của một công ty phân phối dựa trên thương mại điện tử mà Redbrick tham gia, việc cần làm trước khi áp dụng AI là tích hợp dữ liệu. Dữ liệu sản phẩm, dữ liệu nhu cầu và dữ liệu bán hàng theo khu vực đều phân tán trong các hệ thống khác nhau, và công việc kết nối chúng thành một đường ống đã được thực hiện trước. Trên nền tảng đó, quy trình quyết định khuyến nghị sản phẩm và khuyến mãi cũng được thiết kế lại. Kết quả không chỉ đơn thuần là thêm chức năng AI mà còn thay đổi toàn bộ quy trình công việc, giúp một người có thể xử lý công việc trong một ngày mà trước đây nhiều người phải làm trong nhiều ngày.
Khi bắt đầu dự án AX, việc đầu tiên mà Redbrick thực hiện là tìm hiểu cấu trúc công việc và môi trường dữ liệu của ngành, cũng như bối cảnh quy định. Dù cùng một chức năng được triển khai, thiết kế cho ngân hàng và nhà sản xuất phải khác nhau. Điều này giúp xác định lĩnh vực nào cần ưu tiên áp dụng, dữ liệu nào cần được cấu trúc như thế nào, và bắt đầu kết nối hệ thống từ đâu theo bối cảnh ngành.
Kỹ sư triển khai trước (FDE) của Redbrick sẽ được đưa vào hiện trường từ giai đoạn đầu của dự án, thực hiện phỏng vấn với người phụ trách, phân tích mẫu tài liệu và dữ liệu thực tế, quan sát quy trình công việc để chẩn đoán các điểm tắc nghẽn, lỗi và công việc lặp lại. Sau đó, dựa trên tần suất công việc, thời gian cần thiết, mức độ chuẩn bị dữ liệu, hiệu quả kỳ vọng, và rủi ro về bảo mật và quy định, các nhiệm vụ tiềm năng sẽ được đánh giá và ưu tiên theo từng ngành.
Thí điểm sẽ chọn một công việc có thể xác minh kết quả trong 4-8 tuần, thiết lập các KPI rõ ràng như giảm thời gian xử lý, độ chính xác và tỷ lệ sử dụng thực tế. FDE sẽ điều chỉnh giữa hiện trường và nhóm phát triển trong quá trình này, giảm thiểu sự khác biệt ngôn ngữ, cũng như phối hợp trong việc tinh chỉnh dữ liệu, cấu trúc quyền hạn, kết nối hệ thống và quy trình xác minh. Qua đó, tạo ra một cấu trúc AX không chỉ là triển khai công nghệ mà còn có thể thực sự được áp dụng và mở rộng trong công việc thực tế.
Trong quá trình này, không thực hiện chuyển đổi toàn bộ một lần. Thí điểm sẽ được thực hiện trước ở những lĩnh vực có hiệu quả cao và rủi ro thấp, sau đó xác nhận sự tin tưởng từ hiện trường trước khi mở rộng. Thứ tự này đóng vai trò quyết định trong việc tăng tỷ lệ sử dụng thực tế sau khi áp dụng AI.
Nhiều doanh nghiệp đã nhận thức rằng dự án AX phụ thuộc vào cách thiết kế hơn là mô hình AI nào được sử dụng. Tuy nhiên, thiết kế đó cũng cần phải khác nhau theo từng ngành. Khi bỏ qua sự khác biệt này và cố gắng áp dụng một phương pháp đã được kiểm chứng cho tất cả các ngành, công nghệ có thể được triển khai nhưng không hoạt động trong thực tế. Một dự án AX thành công không bắt đầu từ một mô hình AI tốt mà bắt đầu từ sự hiểu biết về ngành và hiện trường đó.



* Bài viết này được dịch tự động bằng AI.

• #Redbrick
• #Yang Yeong-mo
• #AI