Từ Tự động hóa đến Thích ứng: Tương lai của AI trong Doanh nghiệp

Đối với hầu hết các doanh nghiệp, việc áp dụng AI bắt đầu với một tham vọng đơn giản: tự động hóa công việc nhanh hơn, rẻ hơn và ở quy mô lớn hơn. Chatbot thay thế các yêu cầu dịch vụ cơ bản, các mô hình học máy (machine learning) tối ưu hóa dự báo và các bảng điều khiển phân tích hứa hẹn những thông tin sắc bén hơn. Tuy nhiên, nhiều tổ chức hiện nay đang phát hiện ra rằng việc triển khai các giải pháp AI riêng lẻ không tự động chuyển thành tác động ở cấp độ doanh nghiệp. Các dự án thí điểm nhân lên, nhưng giá trị lại đi ngang.

Giai đoạn tiếp theo của sự trưởng thành về AI không còn là việc triển khai thêm nhiều mô hình nữa. Đó là việc thích ứng AI liên tục để thay đổi theo mục tiêu kinh doanh, kỳ vọng pháp lý, điều kiện vận hành và bối cảnh khách hàng. Sự chuyển dịch này đặc biệt quan trọng đối với các tổ chức phức tạp, phân tán toàn cầu như Dịch vụ Kinh doanh Toàn cầu (GBS), nơi kết quả hoạt động phụ thuộc vào việc điều phối công việc trên các chức năng, khu vực, hệ thống và các bên liên quan.

Từ tự động hóa sang thích ứng

AI không còn được coi là một công cụ độc lập để tăng tốc các nhiệm vụ rời rạc. Để duy trì khả năng cạnh tranh, doanh nghiệp phải chuyển từ các mô hình đơn lẻ, đơn mục tiêu sang các hệ thống có thể cảm nhận bối cảnh, phối hợp hành động và phát triển theo thời gian.

Đây chính là lúc các hệ sinh thái AI thích ứng phát huy tác dụng. Một hệ sinh thái AI thích ứng là mạng lưới các tác nhân AI, mô hình, nguồn dữ liệu và dịch vụ ra quyết định có khả năng tương thích, hoạt động cùng nhau một cách linh động. Các hệ sinh thái này tích hợp các khả năng như xử lý ngôn ngữ tự nhiên, thị giác máy tính, phân tích dự báo và ra quyết định tự chủ, đồng thời vẫn dựa trên sự giám sát của con người và quy trình quản trị doanh nghiệp.

Đối với các tổ chức GBS, sự phù hợp là rõ ràng. GBS hoạt động ở giao điểm của quy mô, tiêu chuẩn hóa và sự biến đổi, quản lý các quy trình khối lượng lớn trên nhiều thị trường khác nhau về quy định, hành vi khách hàng và các ràng buộc vận hành. Tự động hóa tĩnh thường gặp khó khăn trong những môi trường như vậy. Ngược lại, AI thích ứng cho phép các nhóm GBS điều phối quy trình từ đầu đến cuối, định tuyến công việc một cách thông minh và liên tục cải thiện kết quả dựa trên các tín hiệu thời gian thực.

Tại sao việc triển khai AI doanh nghiệp bị đình trệ

Mặc dù có ý định mạnh mẽ, việc mở rộng quy mô AI vẫn là một thách thức. Nghiên cứu cho thấy虽然 nhiều tổ chức đầu tư vào các sáng kiến AI tạo sinh và tác nhân AI, nhưng rất ít trong số họ thành công trong việc vận hành chúng trên các quy trình làm việc và đơn vị kinh doanh. Vấn đề hiếm khi nằm ở tham vọng, mà nằm ở sự phân mảnh.

SSON Research chỉ ra một số rào cản dai dẳng đối với việc áp dụng AI tạo sinh trong GBS, bao gồm chất lượng dữ liệu kém, thiếu kỹ năng chuyên môn, lo ngại về quyền riêng tư dữ liệu, ROI không rõ ràng và hạn chế về ngân sách. Dưới các triệu chứng này là một nguyên nhân gốc rễ phổ biến: môi trường silo (độc lập). Dữ liệu bị phân mảnh, quyền sở hữu không rõ ràng và các sáng kiến AI được thúc đẩy ở cấp địa phương thay vì thông qua một chiến lược doanh nghiệp chung.

Kết quả là, doanh nghiệp tích lũy các giải pháp AI không thể dễ dàng hoạt động cùng nhau. Các mô hình thiếu bối cảnh chia sẻ, quyết định khó giải thích và quản trị trở thành một điều suy nghĩ sau cùng thay vì là một nguyên tắc thiết kế.

Hệ sinh thái và nền tảng AI thích ứng: Làm rõ mối quan hệ

Hệ sinh thái AI thích ứng mô tả kết quả ở cấp doanh nghiệp về cách các khả năng AI hợp tác trên toàn tổ chức. Nền tảng AI thích ứng là nền tảng giúp điều này trở nên khả thi.

Nền tảng cung cấp các dịch vụ chung và các "hàng rào" bảo vệ cho phép các tác nhân và mô hình AI:

• Truy cập dữ liệu tin cậy đã được hài hòa
• Điều phối các quy trình từ đầu đến cuối
• Bật chuyển giao tác nhân thông minh giữa hệ thống và con người
• Tương tác với cả ứng dụng tác nhân và ứng dụng kế thừa thông qua các kết nối sẵn có
• Hoạt động trong các ranh giới bảo mật, tuân thủ và đạo đức đã định

Nếu không có lớp nền tảng này, các hệ sinh thái thích ứng vẫn chỉ là lý thuyết. Với nó, AI trở nên có thể kết hợp, có thể quản trị và có thể mở rộng quy mô.

Nền tảng AI thích ứng cần cung cấp những gì

Để đáp ứng nhu cầu của các doanh nghiệp hiện đại, và đặc biệt là các tổ chức GBS, một nền tảng AI thích ứng phải cung cấp một tập hợp các khả năng cốt lõi.

Hài hòa dữ liệu thời gian thực là nền tảng. Các quyết định thích ứng yêu cầu quyền truy cập vào cả dữ liệu có cấu trúc và phi cấu trúc trên các chức năng và khu vực. Các nền tảng phải cung cấp một nền tảng dữ liệu thống nhất, với khả năng quan sát tích hợp sẵn, để các hệ thống AI hiểu không chỉ dữ liệu mà còn cả chất lượng, nguồn gốc và sự phù hợp của nó. Kiến trúc từ cạnh đến đám mây (edge-to-cloud) đóng một vai trò ở đây, đảm bảo thông tin chi tiết có sẵn tại nơi xảy ra quyết định.

Điều phối quy trình thích ứng cũng quan trọng không kém. Các tổ chức GBS ngày càng phụ thuộc vào các nền tảng AI có thể điều phối quy trình làm việc một cách linh động trên các đơn vị kinh doanh và hệ thống. Điều này bao gồm việc điều phối nhiều tác nhân AI, bật chuyển giao mượt mà giữa tác nhân với tác nhân và giữa người với máy, đồng thời điều chỉnh đường dẫn quy trình để phản hồi các điều kiện thời gian thực.

Tự động hóa nhận thức với quản trị vượt xa tự động hóa dựa trên quy tắc. Các hệ thống AI phải có khả năng đưa ra quyết định nhận biết bối cảnh với sự can thiệp tối thiểu của con người, trong khi vẫn cung cấp tính giải thích, chỉ số độ tin cậy và các ràng buộc đạo đức. Mục tiêu không phải là loại bỏ con người khỏi vòng lặp, mà là nâng cao vai trò của họ từ thực hiện thủ công sang giám sát và phán xét.

Quản trị quyết định và khả năng quan sát kết nối các khả năng này lại với nhau. Doanh nghiệp phải có khả năng truy xuất cách thức các quyết định được đưa ra, hiểu rõ mô hình nào đóng góp và kiểm toán kết quả trên các thị trường. Khi các kỳ vọng pháp lý về quản lý rủi ro AI, bảo vệ dữ liệu và trách nhiệm giải answers tăng lên trên toàn cầu, việc lồng ghép quản trị vào nền tảng trở nên thiết yếu thay vì tùy chọn.

Thiết lập niềm tin ở quy mô lớn

Niềm tin là nền tảng của AI có thể mở rộng quy mô. Các doanh nghiệp thiếu tự tin vào hệ thống AI của mình về tính toàn vẹn dữ liệu, hành vi mô hình và tuân thủ quy định sẽ gặp khó khăn trong việc chuyển từ thử nghiệm sang áp dụng bền vững.

Xây dựng niềm tin này đòi hỏi đầu tư có chủ đích. Tổ chức phải đảm bảo AI có thể giải thích (explainable AI), để logic ra quyết định minh bạch với các bên liên quan kinh doanh và rủi ro, cùng với các nguyên tắc bảo mật và bảo mật theo thiết kế bảo vệ dữ liệu nhạy cảm ngay từ đầu. Phát hiện thiên kiến liên tục, độ tin cậy của mô hình, quản lý hiệu suất và các hàng rào AI có trách nhiệm được định nghĩa rõ ràng là rất quan trọng để duy trì các kết quả nhất quán và đạo đức.

Một Mô hình Vận hành Mục tiêu (Target Operating Model) rõ ràng cũng quan trọng không kém. Mô hình này xác định quyền sở hữu trong suốt vòng đời AI, làm rõ vai trò và các đường dẫn tăng cấp, và đồng bộ hóa trách nhiệm giải trình từ các đội ngũ tuyến đầu đến lãnh đạo điều hành. Trong môi trường GBS, nơi các quyết định dựa trên AI thường xuyên trải dài các chức năng, địa lý và chế độ pháp lý, các cơ chế niềm tin này không phải là tùy chọn. Chúng là thiết yếu.

Con đường phía trước

Các doanh nghiệp tiếp tục dựa vào các triển khai AI phân mảnh và mô hình vận hành silo sẽ ngày càng khó bắt kịp nhịp độ. Tương lai thuộc về các tổ chức áp dụng cách tiếp cận dựa trên nền tảng — cách tiếp cận cho phép họ chuyển từ lợi ích hiệu quả gia tăng sang tác động mang tính chuyển đổi ở cấp doanh nghiệp.

Thành công sẽ không được định nghĩa bởi một mô hình hoặc trường hợp sử dụng duy nhất. Nó sẽ được định nghĩa bởi các hệ sinh thái AI thích ứng được xây dựng trên kiến trúc tác nhân mạnh mẽ, các kết nối tương thích trên cảnh quan tác nhân và kế thừa, và các nền tảng chia sẻ cho dữ liệu, điều phối và quản trị. Đối với các tổ chức GBS nói riêng, cách tiếp cận này cung cấp một con đường rõ ràng để mở rộng quy mô AI một cách có trách nhiệm, mang lại sự nhanh nhẹn, niềm tin và giá trị bền vững trong một thế giới ngày càng phức tạp. Trong một kỷ nguyên mà sự thay đổi là không đổi và sự giám sát ngày càng tăng, câu hỏi thực sự không còn là doanh nghiệp có sử dụng AI hay không, mà là liệu họ có thực sự thích ứng với nó hay không.