Nội dung
AI tự chủ chỉ tạo ra trí tuệ doanh nghiệp khi tổ chức kết nối được con người, quy trình và dữ liệu trong một mô hình vận hành chung. Theo bài viết của MIT Technology Review về trí tuệ doanh nghiệp tự chủ, đầu tư cho AI trên toàn cầu dự kiến đạt 2,5 nghìn tỷ USD trong năm 2026. Theo MIT Technology Review, con số này tăng 44% so với năm trước. Tuy nhiên, đầu tư lớn chưa đồng nghĩa với khả năng học hỏi và hành động ở cấp độ toàn doanh nghiệp.
Năng lực mô hình đang tiến bộ nhanh hơn khả năng tiếp nhận của phần lớn tổ chức. Trong khi đó, chi phí để đạt cùng mức hiệu năng tiếp tục giảm. Nếu mỗi bộ phận triển khai AI riêng, thông tin vẫn bị chia cắt. Nhân viên bán hàng có thể không biết khách hàng đang mở yêu cầu hỗ trợ. Hệ thống tiếp thị cũng có thể cá nhân hóa nội dung mà không nhìn thấy dữ liệu tài chính đã có về khách hàng đó.
Từng bộ phận vẫn có thể hoạt động tốt trong phạm vi riêng. Điểm yếu nằm ở chỗ toàn doanh nghiệp không học được nhiều hơn từ những kết quả ấy và thiếu thông tin chung để phối hợp hành động.
Từ công cụ riêng lẻ đến mô hình vận hành
Chuyển sang AI tự chủ đòi hỏi doanh nghiệp thiết kế lại mô hình vận hành. Mô hình đó phải kết nối con người, quy trình và dữ liệu theo thời gian thực. Mô hình tốt hơn hoặc hạ tầng nhanh hơn không thể tự giải quyết tình trạng chia cắt. Vấn đề vẫn tồn tại nếu các tác tử hoạt động trong những quy trình riêng biệt.
Vấn đề này cũng xuất hiện trong câu chuyện về cách tháo gỡ trở ngại khi đưa tác tử AI vào vận hành. Công nghệ chỉ tạo ra giá trị khi hoạt động trong một quy trình có chủ đích. Nếu doanh nghiệp giữ nguyên quy trình cũ rồi gắn AI vào từng vị trí, kết quả có thể là nhiều công cụ hơn nhưng chưa chắc là một hệ thống vận hành tốt hơn.
Bài toán mở rộng nằm ở cấu trúc doanh nghiệp
Khả năng mở rộng AI phụ thuộc vào cách doanh nghiệp thiết kế công việc, chia sẻ thông tin và phân định nhiệm vụ giữa con người với tác tử. Theo MIT Technology Review, phần lớn doanh nghiệp vẫn chưa tạo ra tăng trưởng doanh thu từ AI hoặc thay đổi căn bản cách họ vận hành. Những tổ chức duy trì được lợi ích lâu dài thường thiết kế lại quy trình trước khi chọn mô hình.
Cách tiếp cận này đảo ngược thứ tự triển khai thường gặp. Thay vì chọn công nghệ trước, doanh nghiệp xác định công việc cần diễn ra thế nào. Tổ chức cũng làm rõ cách các bộ phận chia sẻ thông tin và nhiệm vụ nào có thể giao cho tác tử. Mô hình được lựa chọn sau khi những điều kiện đó đã rõ.
Quyền hạn của tác tử cũng cần được xác định trong mô hình vận hành. Thảo luận về mức quyền phù hợp dành cho AI trong trung tâm an ninh nêu thêm một tiêu chí đánh giá. Khả năng hoàn thành nhiệm vụ không đủ để đánh giá một tác tử. Doanh nghiệp còn phải biết tác tử được phép truy cập dữ liệu nào và có thể hành động đến đâu. Tổ chức cũng phải xác định ai chịu trách nhiệm giám sát.
Dữ liệu sẵn sàng quan trọng hơn dữ liệu dồi dào
Dữ liệu chỉ hữu ích cho AI tự chủ khi tác tử có thể truy cập và sử dụng dữ liệu đó trong phạm vi được cho phép. Dữ liệu có thể nằm rải rác trong nhiều hệ thống hoặc chịu các quy định lưu trú khác nhau. Khả năng phối hợp giữa các tác tử bị hạn chế nếu dữ liệu phân tán không thể được truy cập và chuẩn bị an toàn ngay tại nơi lưu giữ.
Báo cáo cho rằng doanh nghiệp cần một nền tảng có chủ quyền và có thể kết hợp linh hoạt. Nền tảng này phải truy vấn và chuẩn bị dữ liệu ngay tại nơi dữ liệu được lưu giữ. Tổ chức không phải di chuyển hoặc tập trung toàn bộ dữ liệu.
Cấu trúc đó chuyển kho dữ liệu thô thành thông tin mà tác tử có thể sử dụng. Nó cũng phù hợp hơn với môi trường có nhiều nền tảng điện toán đám mây, cấu trúc tổ chức phức tạp và các quy định về nơi lưu trú dữ liệu.
Quyền kiểm soát quyết định khả năng thích ứng
Quyền kiểm soát quyết định liệu doanh nghiệp có thể thay đổi mô hình, công cụ và hạ tầng mà vẫn bảo vệ dữ liệu hay không. Khi AI tham gia trực tiếp vào hoạt động, tổ chức phải xác định nơi mô hình chạy và nơi dữ liệu được lưu giữ. Doanh nghiệp cũng phải làm rõ quyền quản lý và cách hệ thống vận hành qua ranh giới bộ phận hoặc khu vực pháp lý.
Chủ quyền AI giúp doanh nghiệp giữ khả năng thay đổi mô hình và công cụ mà không mất quyền kiểm soát dữ liệu. Kiến trúc có thể kết hợp cũng giảm sự phụ thuộc vào một hệ thống cố định trong khi công nghệ tiếp tục thay đổi.
Hạ tầng phải hỗ trợ mục tiêu đó. Bài phân tích về thành phần và cách vận hành hạ tầng AI cung cấp thêm bối cảnh về các lớp kỹ thuật đứng sau việc triển khai mô hình, dữ liệu và tác vụ trong một hệ thống thống nhất.
Doanh nghiệp Việt Nam nên nhìn vào đâu
Trước khi mở rộng đầu tư, doanh nghiệp Việt Nam nên đánh giá mức độ liền mạch của quy trình. Hai yếu tố còn lại là khả năng sử dụng dữ liệu và phạm vi hành động của tác tử. Theo báo cáo, doanh nghiệp nên thiết kế lại quy trình trước khi chọn mô hình; khả năng sử dụng dữ liệu và phạm vi hành động của tác tử là các yếu tố cần được đánh giá trong quá trình triển khai.
Những số liệu trong báo cáo phản ánh thị trường toàn cầu, không phải riêng Việt Nam. Tuy vậy, vấn đề cốt lõi vẫn liên quan trực tiếp đến doanh nghiệp trong nước: các dự án AI phân tán có thể tối ưu từng bộ phận nhưng không tạo ra năng lực học hỏi chung cho toàn tổ chức.
Trước khi mở rộng đầu tư, doanh nghiệp cần xác định quy trình nào đang bị chia cắt. Tổ chức cũng phải biết tác tử thực sự có thể sử dụng dữ liệu nào và quyền hành động được kiểm soát ra sao. Câu trả lời cho ba vấn đề này cho thấy hướng đầu tư của doanh nghiệp. Đó có thể là một năng lực vận hành chung hoặc chỉ là các công cụ riêng lẻ.
Bài viết gốc là nội dung do Insights, bộ phận nội dung đặt hàng của MIT Technology Review, thực hiện chứ không phải ban biên tập của ấn phẩm. Nội dung được con người nghiên cứu và biên soạn; nếu có công cụ AI tham gia thì chỉ được dùng trong quy trình sản xuất dưới sự giám sát của con người.
Hãy tiếp tục theo dõi Sine để cập nhật cách AI tự chủ đang thay đổi hạ tầng, quy trình và quyền kiểm soát trong doanh nghiệp.
