Kích hoạt Dữ liệu để Đóng khoảng cách ROI của Trí tuệ Nhân tạo: 4 Bước để Hiện thực Hóa Giá trị Kinh doanh Thông qua Trí tuệ Nhân tạo Chủ động

Khi chúng ta bước vào năm thứ tư liên tiếp được gọi là “năm của Trí tuệ Nhân tạo”, nhiều nhà lãnh đạo tổ chức đang xem xét hai câu hỏi dường như đối lập. Đầu tiên, liệu Trí tuệ Nhân tạo có phải là công nghệ chuyển đổi lớn nhất của thế kỷ 21? Và thứ hai, liệu Trí tuệ Nhân tạo có bị thổi phồng quá mức? Tôi sẽ trả lời mâu thuẫn là có cho cả hai câu hỏi. Nhưng tôi nghĩ những câu hỏi đó là sai. Thay vào đó, tôi tin rằng những nhà lãnh đạo này nên tự hỏi mình một câu hỏi khác: làm thế nào tổ chức của tôi có thể nhận được giá trị kinh doanh từ Trí tuệ Nhân tạo ngay bây giờ?

Thực tế là nhiều công ty đã花费 ba năm qua để đầu tư vào các công nghệ Trí tuệ Nhân tạo mới và thử nghiệm với các công cụ Trí tuệ Nhân tạo mới, nhưng họ vẫn chưa gặt hái được những phần thưởng như mong đợi. Mặc dù áp lực từ các CEO để “Trí tuệ Nhân tạo hóa mọi thứ”, các tổ chức vẫn chưa thấy sự quay trở lại về đầu tư như họ mong muốn. Điều này không nên gây ngạc nhiên. Lịch sử dạy chúng ta rằng những đổi mới kỹ thuật sâu sắc nhất cần thời gian trước khi chúng phát huy tác dụng. Có một khoảng cách giữa phát minh kỹ thuật và đổi mới kinh doanh.

Thomas Edison đã展示 sức mạnh của điện ở Manhattan vào năm 1882, nhưng cho đến khi Ford ra mắt dây chuyền lắp ráp điện vào năm 1913, điện mới hoàn toàn vượt qua sức mạnh hơi nước trong sản xuất. Bạn có thể tưởng tượng một nhà lãnh đạo kinh doanh vào năm 1885 yêu cầu công nhân nhà máy của mình bắt đầu thử nghiệm với sức mạnh điện? Tuy nhiên, sức mạnh điện vẫn chiếm ưu thế và mở đường cho nhiều đổi mới cách mạng của thế kỷ 20, từ truyền radio đến tính toán kỹ thuật số.

Là một ví dụ gần đây hơn, World Wide Web đã trở thành phổ biến vào đầu những năm 90. Sử dụng của người tiêu dùng đã bùng nổ ngay lập tức, nhưng việc áp dụng của doanh nghiệp đã chậm lại. Nó đã mất nửa thập kỷ trước khi hầu hết các doanh nghiệp thành lập bắt đầu được hưởng lợi từ web thông qua thương mại điện tử. Tuy nhiên, web đã mở đường cho truyền thông xã hội, tương tác di động, tính toán đám mây và cuối cùng là Trí tuệ Nhân tạo. Giá trị kinh doanh được tạo ra dần dần từ các công nghệ mới.

Nếu thời đại kinh doanh của điện bắt đầu với dây chuyền lắp ráp, và thời đại web bắt đầu với thương mại điện tử, thì ứng dụng giết người cho thời đại kinh doanh của Trí tuệ Nhân tạo sẽ là gì? Việc ra mắt ChatGPT vào cuối năm 2022 đã giới thiệu sức mạnh của các mô hình ngôn ngữ lớn đến công chúng. Do sự phổ biến của nó, “trợ lý trò chuyện hiểu tôi và nghe có vẻ con người” đã trở thành khuôn mẫu cho cách Trí tuệ Nhân tạo có thể được áp dụng. Kết quả là, nhiều doanh nghiệp đã bắt đầu với Trí tuệ Nhân tạo bằng cách giới thiệu các trợ lý tương tự được điều chỉnh để trở thành phiên bản của ChatGPT. Trong nhiều trường hợp, kết quả đã được người dùng đón nhận, nhưng lợi nhuận kinh doanh về năng suất khó đo lường.

Một trong những ứng dụng phát triển nhất của LLM cho kinh doanh là trong lĩnh vực trợ lý mã hóa. Claude Code, Cursor và các công cụ khác đã đạt được sự phổ biến rộng rãi, hiển thị kết quả gần như ma thuật. Tuy nhiên, các nghiên cứu chỉ ra rằng lợi ích về năng suất của các nhà phát triển cá nhân vẫn chưa chuyển thành năng suất tổ chức tổng thể. Ngoài ra, việc tăng tốc phát triển không giúp cải thiện hiệu suất kinh doanh của một tổ chức nếu những gì được sản xuất không mang lại giá trị kinh doanh. Trợ lý mã hóa sẽ giúp tăng tốc việc áp dụng Trí tuệ Nhân tạo theo thời gian, nhưng chúng không phải là ứng dụng giết người.

Để tìm ra ứng dụng Trí tuệ Nhân tạo có tác động nhất, các tổ chức phải tập trung vào các yếu tố驱 động mô hình kinh doanh của họ. Trong cuốn sách của chúng tôi Unbundling the Enterprise, Stephen Fishman và tôi đã xem xét khái niệm “động lực giá trị”, một phương pháp để chia nhỏ mô hình kinh doanh thành một tập hợp các trao đổi giá trị liên kết. Trao đổi giá trị liên quan đến nhiều “đồng tiền”, bao gồm phí, tiết kiệm thời gian, phạm vi và chất lượng cải thiện. Đồng tiền duy nhất là dữ liệu. Trong cuốn sách, chúng tôi chỉ ra cách các công ty như Google và Meta đã chuyển đổi tích lũy dữ liệu thành sự thống trị kỹ thuật số. Sự thành công của họ đến từ việc cung cấp các liên kết tự động hóa thời gian thực trong các trao đổi giá trị của họ. Họ đã liên kết thu thập dữ liệu với tạo ra doanh thu trong một vòng tròn có lợi. Cả hai công ty đã ngữ cảnh hóa dữ liệu khách hàng dưới dạng nhắm mục tiêu quảng cáo, sau đó sử dụng điều này để thúc đẩy doanh thu cốt lõi và thu thập nhiều dữ liệu hơn thông qua tương tác của người dùng.

Mặc dù nhiều tổ chức đã dành vài thập kỷ qua để thu thập và tinh chỉnh dữ liệu, nhưng họ vẫn chưa tận dụng đầy đủ tiềm năng lợi nhuận của dữ liệu thông qua một vòng quay như vậy. Ở cốt lõi, một mô hình ngôn ngữ lớn chỉ đơn giản là dữ liệu được áp dụng. Nó có tiềm năng trở thành động cơ thúc đẩy một vòng quay giá trị như vậy cho các tổ chức, nhưng động cơ đó cần nhiên liệu dưới dạng dữ liệu được ngữ cảnh hóa, và cần được gắn vào các bánh răng của mô hình kinh doanh của tổ chức. Quá trình “kích hoạt dữ liệu” này làm cho dữ liệu trở nên đáng tin cậy và có sẵn với quy mô, thiết lập nền tảng cho tự động hóa động hơn trong doanh nghiệp, và cuối cùng là khám phá ra ứng dụng Trí tuệ Nhân tạo giết người cho các tổ chức như vậy.

Tổ chức sẽ trông như thế nào khi họ đã kích hoạt dữ liệu của mình cho thời đại Trí tuệ Nhân tạo? Hãy xem xét các kịch bản sau:

• Một công ty dược phẩm hiện phải đặt cược hàng triệu đô la, vài năm cho các loại thuốc mới vào một công ty linh hoạt hơn với các chu kỳ thử nghiệm lâm sàng song song ngắn hơn được kích hoạt thông qua tự động hóa động Trí tuệ Nhân tạo
• Một ngân hàng bán lẻ hiện gửi các đề xuất sản phẩm “hy vọng và cầu nguyện” cho tất cả khách hàng của mình với rất ít việc chấp nhận và thực hiện thủ công sau đó với các đề xuất được cá nhân hóa với quá trình cấp tín dụng được tối ưu hóa, dẫn đến việc chấp nhận cao hơn các sản phẩm cho vay có lợi nhuận
• Một nhà bán lẻ hiện có hệ thống quản lý hàng tồn kho đầy rẫy với cả hàng tồn kho quá mức và hàng tồn kho quá thấp vào một công ty hiểu vị trí hàng tồn kho của mình trong thời gian thực, nhờ vào các kết nối trực tiếp với cửa hàng, kho hàng và nhà cung cấp được phân tích thông qua các tác nhân Trí tuệ Nhân tạo luôn bật

Con đường đến ROI được phác thảo trong các kịch bản này theo hình thức tự động hóa động mới này, và nó được thúc đẩy bởi kích hoạt dữ liệu.

Vậy các tổ chức có thể bắt đầu hành trình này như thế nào? Dưới đây là bốn bước để bắt đầu…

Step 1: Hiểu Động lực Giá trị của Tổ chức

Chia nhỏ mô hình kinh doanh của một tổ chức thành các trao đổi giá trị cơ bản là vô cùng quý giá vì nhiều lý do. Bản đồ trao đổi giá trị kết quả hiển thị những khả năng nào thúc đẩy kinh doanh, những chức năng kinh doanh nào quan trọng nhất, và cách mỗi yếu tố trong một tổ chức đóng góp vào việc tạo ra, nắm bắt và phân phối giá trị. Đối với mục đích của chúng tôi, bản đồ trao đổi giá trị có thể được sử dụng để hình dung các quy trình kinh doanh cốt lõi sẽ là ứng cử viên cho tự động hóa động. Như một lớp tiếp theo, bạn có thể ánh xạ từng trao đổi giá trị và thành phần đến cách chúng được vận hành trong tổ chức. Điều này có thể ở dạng ứng dụng phần mềm, cửa hàng dữ liệu hoặc thậm chí là nhiệm vụ của nhân viên. Các cơ hội tự động hóa có thể được đánh giá theo tác động và độ phức tạp của việc thực hiện để tập trung vào nơi tốt nhất để áp dụng Trí tuệ Nhân tạo và kích hoạt dữ liệu.

Step 2: Phát tán Tính linh hoạt Thông qua Lớp Kích hoạt Dữ liệu

Khả năng của một tổ chức để kích hoạt dữ liệu phụ thuộc vào tính linh hoạt của cảnh quan kỹ thuật số của nó. Tính linh hoạt dồi dào khi các tài sản kỹ thuật số – các chức năng phần mềm, nguồn dữ liệu, dịch vụ của bên thứ ba – có thể truy cập được trong thời gian thực. Trong bối cảnh Trí tuệ Nhân tạo, điều này có nghĩa là hai điều. Đầu tiên, một tổ chức phải có thể tổng hợp dữ liệu từ các nguồn khác nhau để cung cấp ngữ cảnh chính xác cho LLM dẫn đến lý luận chính xác và tránh ảo giác. Thứ hai, các thành phần phần mềm thực hiện các chức năng kinh doanh cốt lõi – như dịch vụ xét duyệt khoản vay của ngân hàng hoặc hệ thống hàng tồn kho trực tiếp của nhà bán lẻ – phải có thể được gọi bởi các ứng dụng dựa trên LLM để thực hiện tự động hóa. Trong cả hai trường hợp, API là cơ chế tốt nhất để làm cho dữ liệu và chức năng có sẵn một cách phù hợp. Giao thức Context Model (MCP) đang được sử dụng như giao thức API được chọn cho kích hoạt dữ liệu. Tập hợp các khả năng có thể truy cập này có thể được tạo thành một nền tảng ngữ cảnh cho tổ chức của bạn. Biến đổi cảnh quan kỹ thuật số của bạn từ một tập hợp các ứng dụng và dữ liệu bị cô lập thành một lớp API được sắp xếp theo kinh doanh là điều cần thiết để đạt được ROI thông qua kích hoạt dữ liệu.

Step 3: Áp dụng Mô hình Số của Giải pháp Kỹ thuật số

Kiến trúc phần mềm chi phối của thời đại Trí tuệ Nhân tạo đang xuất hiện. Các giải pháp phần mềm được tối ưu hóa yêu cầu sự cân bằng giữa các thành phần được infuse với Trí tuệ Nhân tạo và không có Trí tuệ Nhân tạo. Các tác nhân Trí tuệ Nhân tạo – các thành phần được infuse với Trí tuệ Nhân tạo trong kiến trúc mới này – sử dụng lý luận dựa trên LLM được tiếp đất trong nhận thức ngữ cảnh để thực hiện nhiệm vụ thông qua các công cụ có sẵn. Họ là công cụ của kích hoạt dữ liệu và tự động hóa động. Một cảnh quan kỹ thuật số được tùy chọn hóa thông qua API (bao gồm cả công cụ MCP) là môi trường tốt nhất cho các tác nhân như vậy để phát triển. Kiến trúc mô hình cho phép nhiều mẫu kết hợp các thành phần phần mềm quyết định trong cơ sở hạ tầng hiện có với các tác nhân Trí tuệ Nhân tạo như vậy. Các mẫu này dao động từ các trình trợ lý trò chuyện đơn giản và tác nhân công nhân đến các quy trình công việc mô hình và cuối cùng là các hệ thống đa tác nhân tự chủ. Các tổ chức áp dụng cách tiếp cận kiến trúc này sẽ có thể thu được nhiều giá trị nhất từ các tài sản kỹ thuật số hiện có của họ trong khi áp dụng Trí tuệ Nhân tạo với tốc độ cho phép họ quản lý sự phức tạp ngày càng tăng của các giải pháp mang lại nhiều giá trị hơn.

Step 4: Sử dụng Trí tuệ Nhân tạo như một Công cụ Năng suất để Xây dựng Tự động hóa Mô hình

Áp dụng Trí tuệ Nhân tạo cho năng suất của công nhân có thể không mang lại lợi nhuận cao nhất cho một doanh nghiệp. Tuy nhiên, sử dụng lợi ích về năng suất của Trí tuệ Nhân tạo trong dịch vụ kích hoạt dữ liệu của một tổ chức và cung cấp tự động hóa mô hình có thể tăng tốc lợi nhuận thực sự. Điều này không chỉ có nghĩa là sử dụng Trí tuệ Nhân tạo để tăng tốc công việc của các nhà phát triển. Ngay cả trước khi bùng nổ Trí tuệ Nhân tạo, một trong những rào cản lớn nhất đối với giao hàng là khoảng cách tổ chức giữa các chuyên gia lĩnh vực kinh doanh hiểu ứng dụng công nghệ và các nhóm IT xây dựng giải pháp. Các xu hướng tổ chức như DevOps đã giúp bắc cầu khoảng cách đó, nhưng Trí tuệ Nhân tạo có thể giúp theo những cách cụ thể hơn. Như một công nghệ dựa trên ngôn ngữ, LLM có thể dịch giữa yêu cầu và giải pháp theo một cách chưa từng có. Trí tuệ Nhân tạo đa phương thức cho phép thu thập các bản phác thảo kinh doanh có thể tạo ra các artifact có thể sử dụng cho phát triển hạ lưu. Các bản ghi có thể được chuyển thành nguyên mẫu. Đây là một loại kích hoạt dữ liệu mới: chuyển kiến thức lĩnh vực kinh doanh thành cấu trúc giải pháp trong thời gian thực.

Bằng cách thực hiện theo bốn bước này, các tổ chức có thể kích hoạt dữ liệu của mình và bắt đầu thấy lợi nhuận từ các khoản đầu tư Trí tuệ Nhân tạo của họ. Hơn nữa, họ sẽ được chuẩn bị tốt hơn cho các hệ sinh thái mới, công việc và cơ hội được tạo ra bởi nền kinh tế Trí tuệ Nhân tạo. Bằng cách hiểu động lực giá trị của kinh doanh của bạn, biến đổi tài sản kỹ thuật số của bạn thành các lựa chọn có thể thực hiện, và định hướng xung quanh kiến trúc mô hình, bạn sẽ chuẩn bị tổ chức của mình cho tương lai Trí tuệ Nhân tạo bằng cách tự sáng tạo nó.