Các mô hình AI ngày càng có năng lực tốt hơn, nhưng lợi ích không được phân bổ đồng đều trong cùng một doanh nghiệp. Một số nhóm đã rút ngắn thời gian xử lý, tìm ra thông tin hữu ích và tự động hóa những công việc vốn tốn nhiều công sức. Những bộ phận khác vẫn chờ kế hoạch triển khai chính thức, phê duyệt quản trị hoặc hướng dẫn cụ thể về cách bắt đầu.
Theo bài viết gốc của The New Stack, khoảng cách này không thể được giải quyết chỉ bằng việc cấp quyền truy cập công cụ. Doanh nghiệp cần một mô hình vận hành giúp từng bộ phận hiểu phạm vi phù hợp của AI. Mô hình đó cũng phải chỉ ra giới hạn của AI và những quy trình nên được thiết kế lại.
Nội dung hỗ trợ cần có ngoài công cụ AI
Năng lực AI giữa các bộ phận thường không đồng đều. Khi nhận thấy khoảng cách đó, lãnh đạo thường xem đây là vấn đề công cụ. Cách xử lý quen thuộc là cấp cùng một nền tảng và tổ chức khóa đào tạo chung. Một số doanh nghiệp còn tuyển thêm chuyên gia vào bộ phận công nghệ thông tin.
Hiểu phạm vi áp dụng quyết định kết quả
Quyền truy cập là điều kiện ban đầu, nhưng chưa đủ để tạo ra mức độ ứng dụng vững chắc. Một nghiên cứu của Trường Kinh doanh Harvard cho thấy người lao động hoàn thành nhiệm vụ nhanh hơn 25% khi sử dụng các công cụ này. Kết quả của họ cũng được đánh giá có chất lượng cao hơn trên 40%. Cũng trong nghiên cứu đó, hiệu suất giảm khi người dùng không hiểu công cụ nên được áp dụng ở đâu và không nên được áp dụng ở đâu.
Vì vậy, điều doanh nghiệp cần xây dựng là năng lực sử dụng AI, không chỉ là số lượng giấy phép phần mềm. Lãnh đạo từng bộ phận cần được hướng dẫn cách đặt AI vào bối cảnh công việc hằng ngày. Nếu không có hiểu biết đó, họ khó đặt đúng câu hỏi và càng khó nhận ra cơ hội thay đổi lớn hơn.
Cần thiết kế lại quy trình, không chỉ chèn thêm công cụ
Các nhóm đi sau thường tìm cách đưa công cụ mới vào quy trình hiện có. Cách làm này có thể cải thiện một vài bước, nhưng dễ bỏ qua cơ hội thiết kế lại toàn bộ cách công việc được thực hiện. Việc đơn giản hóa để tích hợp AI ở quy mô lớn cũng đòi hỏi doanh nghiệp xem lại cấu trúc vận hành thay vì chỉ bổ sung một lớp công nghệ.
Ví dụ từ quy trình phân tuyến khách hàng tiềm năng
The New Stack nêu ví dụ về một nhóm phát triển bán hàng đề nghị bộ phận công nghệ thông tin cải thiện việc phân tuyến khách hàng tiềm năng. Yêu cầu này cụ thể và hợp lý. Tuy nhiên, khi người có tầm nhìn trên toàn hệ thống xem xét vấn đề, họ nhận ra đường ống dữ liệu phục vụ việc phân tuyến phức tạp hơn mức cần thiết.
Với sự hỗ trợ phù hợp, cuộc trao đổi không còn giới hạn ở việc chỉnh một bước phân tuyến. Doanh nghiệp có thể chuyển sang cải tổ toàn bộ đường ống dữ liệu và mở đường cho hệ thống tác nhân tự theo dõi khách hàng tiềm năng. Đây là khác biệt giữa việc sửa một điểm nghẽn và thiết kế lại quy trình từ nguyên lý ban đầu.
Lãnh đạo bộ phận không thiếu tham vọng. Vấn đề là một giấy phép phần mềm và một kênh trao đổi nội bộ không thể tự tạo ra năng lực ứng dụng đúng. Họ cần cả hỗ trợ kỹ thuật lẫn định hướng chiến lược để nhìn thấy phạm vi thay đổi thực sự.
Năng lực sử dụng AI phải nằm trong cơ cấu tổ chức
Mô hình tập trung truyền thống thường giao cho một nhóm trung tâm tiếp nhận yêu cầu, tự diễn giải rồi bàn giao giải pháp cho các phòng ban sau nhiều tháng. Cách vận hành này khó theo kịp khi năng lực AI mới xuất hiện theo từng tuần.
Một phương án hiệu quả hơn là kết hợp nhóm trung tâm với các kỹ sư AI làm việc trực tiếp trong từng bộ phận kinh doanh. Nhóm trung tâm chịu trách nhiệm về chiến lược nền tảng, quản trị và các mẫu có thể tái sử dụng. Kỹ sư tại bộ phận phát hiện các trường hợp ứng dụng theo chiều sâu và thử nghiệm giải pháp. Họ cũng duy trì góc nhìn xuyên suốt giữa kỹ thuật với hoạt động kinh doanh.
Kiến thức được chia sẻ giữa các bộ phận
Cấu trúc này cũng giúp kiến thức lưu chuyển trong doanh nghiệp. Một kỹ sư đã giải quyết vấn đề cho bộ phận tài chính có thể chia sẻ mẫu triển khai với người đang gặp thách thức tương tự trong vận hành. Với những hệ thống phức tạp, hiểu rõ hạ tầng AI và cách vận hành còn giúp các nhóm phân biệt đâu là hạn chế của mô hình, dữ liệu hoặc kiến trúc kỹ thuật.
Ở bộ phận mới bắt đầu, kỹ sư AI phụ trách tìm kiếm cơ hội, xây dựng nguyên mẫu và triển khai. Khi bộ phận đã trưởng thành hơn, vai trò này chuyển dần sang hỗ trợ đội ngũ tự làm, đưa các mẫu hữu ích về nhóm trung tâm và giúp nhân sự sử dụng AI mà không bị mắc kẹt trong thủ tục. Qua thời gian, bộ phận hình thành năng lực sử dụng AI từ chính quá trình làm việc cùng kỹ sư.
Biến hiểu biết về AI thành lợi thế vận hành
Mô hình vận hành quyết định một bộ phận thực sự làm việc như thế nào. Khi năng lực sử dụng AI được củng cố, quy trình và tri thức nội bộ cũng tốt lên. Mỗi vấn đề được giải quyết giúp đội ngũ có thể tự xử lý những nhiệm vụ khó hơn trong lần tiếp theo.
Hiểu biết định hướng việc thiết kế lại quy trình
McKinsey nhận định thiết kế lại quy trình làm việc là yếu tố lớn nhất quyết định doanh nghiệp có tạo được tác động đáng kể đến kết quả kinh doanh hay không. Muốn biết nên thiết kế lại phần nào, các nhóm phải hiểu cách AI hoạt động trong công việc của chính họ.
Trong ví dụ về phân tuyến khách hàng tiềm năng, việc cải tổ đường ống dữ liệu có thể mở đường cho hoạt động theo dõi khách hàng tiềm năng bằng tác nhân AI. Ví dụ này cho thấy hiểu biết về AI giúp đội ngũ nhận ra phạm vi áp dụng phù hợp và những giới hạn cần cân nhắc.
AI đang được đưa vào ngày càng nhiều hoạt động. Khác biệt nằm ở việc mô hình vận hành có giúp từng bộ phận nhận ra cách áp dụng phù hợp hay không. Nếu chưa làm được điều đó, doanh nghiệp nên ưu tiên thu hẹp khoảng cách về năng lực sử dụng AI trước khi tiếp tục mở rộng số lượng công cụ.
Hãy bắt đầu bằng một quy trình cụ thể, đặt kỹ sư AI cạnh người trực tiếp thực hiện công việc và cùng xác định phần nào cần được thiết kế lại.
