AI doanh nghiệp: Tại sao "Data Fabric" là chìa khóa để tạo ra giá trị thực?

AI doanh nghiệp: Tại sao "Data Fabric" là chìa khóa để tạo ra giá trị thực?

Trí tuệ nhân tạo (AI) đang di chuyển nhanh chóng trong môi trường doanh nghiệp, bước ra khỏi giai đoạn thử nghiệm để trở thành một phần của công việc hàng ngày. Các tổ chức đang triển khai các công cụ copilot, tác nhân AI (agents) và hệ thống dự báo trên diện rộng trong tài chính, chuỗi cung ứng, nhân sự và vận hành khách hàng. Theo một khảo sát gần đây, đến cuối năm 2025, một nửa số doanh nghiệp sẽ sử dụng AI trong ít nhất ba chức năng kinh doanh cốt lõi.

Tuy nhiên, khi AI được lồng ghép sâu vào các quy trình làm việc, các nhà lãnh đạo doanh nghiệp đang nhận ra rằng rào cản lớn nhất không phải là hiệu suất của mô hình hay sức mạnh tính toán, mà chính là chất lượng và ngữ cảnh của dữ liệu mà các hệ thống này dựa vào. Về bản chất, AI đưa ra một yêu cầu mới: Hệ thống không chỉ cần truy cập dữ liệu mà còn phải hiểu được bối cảnh kinh doanh đằng sau nó.

Minh họa kiến trúc dữ liệu cho AI

Tốc độ mà thiếu sự phán đoán là vô nghĩa

Nếu thiếu bối cảnh đó, AI có thể tạo ra câu trả lời rất nhanh nhưng vẫn đưa ra quyết định sai lầm. Ông Irfan Khan, Chủ tịch và Giám đốc Sản phẩm của SAP Data & Analytics, nhận định: "AI cực kỳ giỏi trong việc tạo ra kết quả. Nó hoạt động nhanh, nhưng nếu không có ngữ cảnh, nó không thể đưa ra phán đoán tốt. Và chính phán đoán tốt mới tạo ra lợi nhuận cho doanh nghiệp. Tốc độ mà không có sự phán đoán thì không giúp ích gì, thậm chí có thể gây hại."

Trong kỷ nguyên mới của các hệ thống tự chủ và ứng dụng thông minh, lớp ngữ cảnh này đang trở nên thiết yếu. Để cung cấp ngữ cảnh, các doanh nghiệp cần một "data fabric" (lớp vải dữ liệu/kết nối dữ liệu) được thiết kế tốt, làm được nhiều việc hơn là chỉ tích hợp dữ liệu. Data fabric đúng cho phép tổ chức mở rộng quy mô AI một cách an toàn, điều phối các quyết định giữa các hệ thống và tác nhân, đồng thời đảm bảo rằng quá trình tự động hóa phản ánh đúng các ưu tiên kinh doanh thực tế thay vì hoạt động cô lập.

Mất ngữ cảnh: Vấn đề nan giải của AI

Chiến lược dữ liệu truyền thống trong hai thập kỷ qua chủ yếu tập trung vào việc tổng hợp. Các tổ chức đã đầu tư mạnh vào việc trích xuất thông tin từ các hệ thống vận hành và đưa chúng vào các kho dữ liệu (data warehouses), hồ dữ liệu (data lakes) và bảng điều khiển tập trung. Cách tiếp cận này giúp dễ dàng chạy báo cáo và theo dõi hiệu suất, nhưng trong quá trình đó, rất nhiều ý nghĩa gắn liền với dữ liệu — mối liên hệ của nó với các chính sách, quy trình và quyết định thực tế — đã bị mất đi.

Hãy lấy ví dụ về hai công ty sử dụng AI để quản lý gián đoạn chuỗi cung ứng. Nếu một công ty chỉ sử dụng các tín hiệu thô như mức tồn kho, thời gian giao hàng và điểm số nhà cung cấp, trong khi công ty kia thêm ngữ cảnh trên các quy trình kinh doanh, chính sách và siêu dữ liệu, cả hai hệ thống đều sẽ phân tích dữ liệu nhanh chóng nhưng có khả năng sẽ đưa ra kết luận khác nhau.

Thông tin như khách hàng nào là tài khoản chiến lược, sự đánh đổi nào có thể chấp nhận trong thời kỳ thiếu hụt, và tình trạng của chuỗi cung ứng mở rộng sẽ cho phép một hệ thống AI đưa ra quyết định chiến lược, trong khi hệ thống kia không có đủ ngữ cảnh cần thiết.

"Cả hai hệ thống đều di chuyển rất nhanh, nhưng chỉ có một hệ thống di chuyển theo đúng hướng," ông Khan nói. "Đây là phần thưởng của ngữ cảnh và lợi thế bạn có được khi nền tảng dữ liệu của bạn bảo toàn ngữ cảnh trên các quy trình, chính sách và dữ liệu theo thiết kế."

Đừng gom gộp, hãy tích hợp

Giải pháp đang nổi lên chính là data fabric: một lớp trừu tượng bao gồm cơ sở hạ tầng, kiến trúc và tổ chức logic. Đối với AI dạng tác nhân (agentic AI), lớp fabric này trở thành giao diện chính, cho phép các tác nhân tương tác với tri thức kinh doanh thay vì các hệ thống lưu trữ thô. Đồ thị tri thức (knowledge graphs) đóng vai trò trung tâm, cho phép các tác nhân truy vấn dữ liệu doanh nghiệp bằng ngôn ngữ tự nhiên và logic kinh doanh.

Giá trị của data fabric dựa trên ba thành phần: Tính toán thông minh để cung cấp tốc độ, kho tri thức để cung cấp sự hiểu biết và bối cảnh kinh doanh, và các tác nhân để cung cấp hành động tự chủ dựa trên sự hiểu biết đó.

Về mặt kỹ thuật, việc xây dựng một lớp data fabric đòi hỏi một số khả năng nhất định. Dữ liệu phải có thể truy cập được trên nhiều môi trường thông qua liên kết (federation) thay vì ép buộc gom gộp. Một lớp ngữ nghĩa hoặc tri thức là cần thiết để hài hòa ý nghĩa giữa các hệ thống, thường được hỗ trợ bởi đồ thị tri thức và siêu dữ liệu do danh mục điều khiển. Quản trị và thực thi chính sách cũng phải hoạt động trên toàn bộ lớp fabric để các hệ thống AI có thể truy cập dữ liệu một cách an toàn và nhất quán.

Hệ sinh thái dữ liệu thông minh

Vượt ra ngoài các bảng điều khiển cô lập

Trong kỷ nguyên mới của agentic AI, trách nhiệm giám sát, phân tích và đưa ra quyết định dựa trên dữ liệu ngày càng chuyển sang phần mềm. Các tác nhân AI có thể giám sát sự kiện, kích hoạt quy trình làm việc và đưa ra quyết định theo thời gian thực, thường mà không cần sự can thiệp trực tiếp của con người. Tốc độ này tạo ra cơ hội mới nhưng cũng làm tăng mức độ rủi ro.

Khi nhiều tác nhân hoạt động trên tài chính, chuỗi cung ứng, mua sắm hoặc vận hành khách hàng, chúng phải được hướng dẫn bởi cùng một sự hiểu biết về các ưu tiên kinh doanh. Nếu không có một lớp tri thức chung kết nối các dữ liệu rời rạc, sự phối hợp giữa các hệ thống sẽ nhanh chóng bị phá vỡ. Một hệ thống có thể tối ưu hóa cho biên lợi nhuận, một hệ thống khác cho thanh khoản, và hệ thống thứ ba cho sự tuân thủ, mỗi hệ thống hoạt động dựa trên một phần dữ liệu khác nhau.

Quan trọng là, hầu hết các doanh nghiệp đã sở hữu rất nhiều tri thức cần thiết để làm việc này. Nhiều năm dữ liệu vận hành, dữ liệu master, quy trình làm việc và logic chính sách đã tồn tại trong các ứng dụng kinh doanh — các công ty chỉ cần làm cho chúng có thể truy cập được.

"Cơ hội không phải là phát minh ngữ cảnh từ đầu, mà là kích hoạt và kết nối ngữ cảnh trên toàn bộ doanh nghiệp của bạn vốn đã tồn tại," ông Khan kết luận. Data fabric chính là "kiến trúc đảm bảo ngữ nghĩa dữ liệu, quy trình kinh doanh và chính sách được kết nối như một hệ thống thống nhất trên tất cả các đám mây."