Kết nối tác tử AI với tri thức doanh nghiệp đòi hỏi một lớp ngữ cảnh. Lớp này liên kết dữ liệu, quy tắc nội bộ, quyết định trước đây và quy trình làm việc. Nếu chỉ truy xuất các mẩu dữ liệu rời rạc, tác tử vẫn có thể tạo câu trả lời. Tuy nhiên, hệ thống chưa đủ cơ sở để suy luận, ra quyết định hoặc hành động đáng tin cậy.
Theo MIT Technology Review, thiếu tri thức là một nguyên nhân lớn khiến nhiều trường hợp ứng dụng tác tử AI không vượt qua giai đoạn thử nghiệm. Báo cáo được bộ phận nội dung theo đặt hàng MIT Technology Review Insights thực hiện, không phải ban biên tập của MIT Technology Review.
Dữ liệu chưa đủ nếu thiếu nội dung tri thức doanh nghiệp
Dữ liệu cho tác tử AI biết điều gì đã xảy ra. Tri thức doanh nghiệp bổ sung ý nghĩa, quan hệ, quy tắc và bối cảnh cần thiết. Nhờ đó, hệ thống hiểu dữ liệu liên quan đến đối tượng nào, công việc được tiến hành ra sao và hành động nào phù hợp với từng tình huống.
Vấn đề không chỉ nằm ở mô hình AI. Khả năng suy luận còn phụ thuộc vào cách doanh nghiệp tổ chức dữ liệu và xây dựng hạ tầng AI phục vụ vận hành. Hệ thống cũ, dữ liệu nằm ở nhiều nơi và quyền truy cập không nhất quán khiến tác tử khó hình thành bức tranh đầy đủ về tổ chức.
Báo cáo khảo sát 300 lãnh đạo phụ trách dữ liệu, AI và công nghệ, sau đó đánh giá ba dạng năng lực tri thức:
| Năng lực | Vai trò đối với tác tử AI |
|---|---|
| Tri thức ngữ nghĩa | Giải thích khái niệm và quan hệ |
| Trí nhớ tình huống | Lưu lại những gì từng xảy ra |
| Tri thức quy trình | Mô tả cách thực hiện công việc |
Số liệu và cách phân loại này đến từ báo cáo được MIT Technology Review giới thiệu.
Tỷ lệ dự án tác tử AI đi vào vận hành còn thấp
Theo MIT Technology Review Insights, trung bình khoảng 34% dự án tác tử AI của các tổ chức đi vào vận hành. Các điểm nghẽn gồm hệ thống dữ liệu cũ và tình trạng thiếu tri thức, bối cảnh. Báo cáo cũng ghi nhận những lo ngại về bảo mật và quyền riêng tư.
Tỷ lệ triển khai thấp là một vấn đề kinh doanh. Dự án dừng ở giai đoạn thử nghiệm chưa tạo ra mức tăng hiệu quả như kỳ vọng, trong khi chi phí đầu tư ban đầu đã phát sinh. Doanh nghiệp cũng có thể mất lợi thế trước các đối thủ đã đưa tác tử vào quy trình thực tế.
Năng lực tri thức gắn với khả năng triển khai
Nhóm được báo cáo xếp vào nhóm dẫn đầu về vận hành đưa trung bình 61% dự án tác tử AI vượt qua giai đoạn thử nghiệm. Theo MIT Technology Review Insights, nhóm này có năng lực tri thức tốt hơn phần còn lại, đặc biệt ở khả năng biểu diễn ngữ nghĩa.
Mối tương quan này không có nghĩa doanh nghiệp chỉ cần bổ sung một kho dữ liệu. Tác tử còn phải nhận biết dữ liệu nói về đối tượng nào và các đối tượng liên hệ với nhau ra sao. Hệ thống cũng phải biết quy tắc nào chi phối quyết định. Khi có những quan hệ đó, hệ thống có thêm cơ sở để đánh giá tình huống. Nó không còn chỉ ghép câu trả lời từ các đoạn văn truy xuất được.
Dữ liệu phân mảnh là trở ngại phổ biến nhất
Theo MIT Technology Review Insights, 55% người tham gia xem dữ liệu phân mảnh là một trong những thách thức hàng đầu. Thách thức này cản trở việc mở rộng khả năng tiếp cận tri thức của tác tử. Dữ liệu bị tách giữa nhiều hệ thống khiến tác tử chỉ nhìn thấy từng phần của quy trình. Vì vậy, hệ thống khó xác định đầy đủ bối cảnh của một quyết định.
Nhóm dẫn đầu về vận hành quan tâm nhiều hơn đến bảo mật và quyền riêng tư. Theo MIT Technology Review Insights, 72% thành viên trong nhóm coi đây là mối lo lớn. Tác tử có thể được tiếp cận thêm dữ liệu và được phép thực hiện nhiều hành động hơn. Khi đó, việc phân quyền dữ liệu và mô hình AI trở thành điều kiện vận hành thay vì một bước bổ sung sau cùng.
Lớp tri thức nối dữ liệu với tác tử AI
Lớp tri thức tổ chức ý nghĩa, quan hệ và bối cảnh giữa dữ liệu nguồn với tác tử AI. Nó giúp tác tử hiểu dữ liệu mang ý nghĩa gì, các đối tượng liên hệ với nhau ra sao và dữ liệu gắn với hoạt động nào của doanh nghiệp.
Các lãnh đạo tham gia khảo sát kỳ vọng việc củng cố nền tảng cấu trúc giữa dữ liệu của tổ chức và tác tử sẽ tạo tác động lớn đến chất lượng quyết định. Những chuyên gia được phỏng vấn trong báo cáo coi lớp tri thức là một cách chủ chốt để xây dựng kết nối này.
Lớp tri thức không thay thế dữ liệu nguồn. Vai trò của nó là biểu diễn dữ liệu đó mang ý nghĩa gì, liên hệ với thực thể nào và chịu sự chi phối của những quy tắc nào trong doanh nghiệp.
Doanh nghiệp sẽ đầu tư vào đâu
Các tổ chức trong khảo sát ưu tiên đường ống tiếp nhận dữ liệu, giao diện lập trình sẵn sàng cho AI và phương pháp tạo sinh tăng cường truy xuất. Những thành phần này đưa thông tin phù hợp đến tác tử vào thời điểm cần thiết và hỗ trợ kết nối dữ liệu với ngữ cảnh vận hành.
Các ưu tiên khác gồm tác tử đánh giá AI và đồ thị tri thức. Tác tử đánh giá hỗ trợ kiểm tra chất lượng hoạt động, còn đồ thị tri thức biểu diễn các thực thể cùng quan hệ giữa chúng. Người đọc có thể xem báo cáo về lớp tri thức của Neo4j để đọc đầy đủ phương pháp và kết quả khảo sát.
Trước khi giao thêm quyền cho tác tử AI, doanh nghiệp cần xác định dữ liệu nằm ở đâu, mang ý nghĩa gì, liên hệ với quy trình nào và ai được phép sử dụng. Nếu nền tảng tri thức chưa rõ ràng, một mô hình mạnh hơn vẫn có thể đưa ra quyết định thiếu bối cảnh hoặc không phù hợp với quy tắc của tổ chức.
Hãy tiếp tục theo dõi Sine để cập nhật cách doanh nghiệp xây dựng hạ tầng và tri thức cho tác tử AI.
