Adam Asquini, Giám đốc Quản lý Thông tin và Phân tích Dữ liệu tại KPMG – Loạt Phỏng vấn

Adam Asquini là Giám đốc Quản lý Thông tin và Phân tích Dữ liệu tại KPMG ở Edmonton. Ông phụ trách các dự án dữ liệu và phân tích nâng cao cho khách hàng KPMG tại các tỉnh vùng thảo nguyên Canada. Adam đam mê xây dựng và phát triển những đội ngũ có hiệu suất cao, nhằm mang lại kết quả tốt nhất cho khách hàng và tạo trải nghiệm làm việc hấp dẫn cho các thành viên. Trước đây, ông từng là Phó Chủ tịch Giải pháp Khách hàng tại AltaML, quản lý chương trình tại chính quyền tỉnh Alberta và sĩ quan thông tin liên lạc trong Lực lượng Vũ trang Canada. Đến với AI qua một con đường nghề nghiệp khác thường, Adam tin tưởng vào việc khai thác sự đa dạng và kinh nghiệm của các nhóm liên chức năng, đồng thời cho rằng bất kỳ ai cũng có thể tham gia cộng đồng AI đang phát triển.

Chúng tôi trò chuyện với Adam tại hội nghị AI thường niên năm 2023 Upper Bound, được tổ chức ở Edmonton, Alberta, bởi Amii (Viện Trí tuệ Máy Alberta).

Ông có một hành trình nghề nghiệp khá khác thường. Ông có thể chia sẻ mình đã đến với AI như thế nào không?Tôi bắt đầu sự nghiệp trong Lực lượng Vũ trang Canada với vai trò sĩ quan thông tin liên lạc. Các sĩ quan này phụ trách hệ thống viễn thông và công nghệ thông tin giúp mọi người liên lạc với nhau, trong đó có rất nhiều hệ thống vô tuyến và vệ tinh. Công việc có liên quan đến dữ liệu, nhưng phần lớn trách nhiệm của chúng tôi là các công nghệ hạ tầng cốt lõi. Đó là bước khởi đầu của tôi trong lĩnh vực công nghệ. Tôi học kỹ thuật hóa học ở đại học; ngay từ đầu, sự tò mò và mong muốn học hỏi đã thúc đẩy tôi. Từ đó, việc tìm hiểu sâu về công nghệ, nâng cao kỹ năng và phát triển bản thân trở nên rất quan trọng đối với tôi.

Trong 14 năm phục vụ quân đội, tôi đảm nhiệm nhiều công việc thông tin liên lạc khác nhau: làm việc tại căn cứ, hỗ trợ dịch vụ CNTT và viễn thông ngoài thực địa, thiết lập sở chỉ huy và liên lạc với các đơn vị tuyến đầu, cũng như hỗ trợ các hoạt động trong nước khi xảy ra cháy rừng và lũ lụt. Sau đó, tôi chuyển sang chính quyền tỉnh Alberta, quản lý chương trình cho một số sáng kiến công nghệ liên cơ quan. Khi ấy, chính quyền đang tập trung hóa CNTT. Chúng tôi làm việc với nhiều bộ, ngành để hợp nhất dịch vụ và hệ thống của họ. Tôi tham gia rất nhiều công việc đó, cùng với quản lý đầu tư. Chính trong quá trình này, tôi bắt đầu thấy một số tổ chức khai thác dữ liệu và phân tích.

Điều đó thực sự khơi dậy sự tò mò của tôi. Vốn luôn ham học hỏi, tôi bắt đầu tham gia các dự án liên quan hoặc tự học qua Coursera và những công cụ đào tạo khác. Tôi đọc nhiều, tìm hiểu các nhà cung cấp và nền tảng cung cấp những công cụ này. Tôi thực sự hứng thú với dữ liệu và phân tích; sự tò mò tự nhiên và mong muốn hiểu biết thêm khiến tôi ngày càng tham gia sâu vào lĩnh vực này.

Ngoài Coursera, ông có muốn giới thiệu podcast hoặc cuốn sách cụ thể nào không?Tôi theo dõi nhiều người và tổ chức trên LinkedIn. Một cái tên tôi nghĩ đến ngay là Emerj. Người đứng sau đó là Dan Faggella, người chia sẻ nhiều góc nhìn định hướng rất hữu ích. Tôi cũng theo dõi những nguồn phổ biến như HBR và Forbes. Một người tôi quen là Andreas Welsch, làm việc tại SAP, thường xuyên đăng nội dung về AI và việc ứng dụng AI, nên tôi cũng theo dõi anh ấy. Tôi đã nghe một số podcast và đọc nhiều sách. Một cuốn sách rất hay tôi đọc gần đây là Infonomics của Doug Laney, người từng làm việc tại Gartner và MIT. Cuốn sách giải thích rất rõ một khung khai thác giá trị kinh tế từ dữ liệu. Tôi cố gắng tiếp xúc với càng nhiều nguồn kiến thức càng tốt, đồng thời tham gia các dự án để học hỏi thêm.

Kinh nghiệm quân ngũ đã giúp ích cho ông như thế nào trong vai trò hiện tại?Theo một vài cách. Tôi học được những kỹ năng nền tảng rất tốt trong quân đội, đặc biệt là cách lập kế hoạch có cấu trúc, quản lý thời gian và xác định thứ tự ưu tiên. Môi trường quân đội buộc bạn phải biết điều gì quan trọng nhất, làm việc với một nhịp độ nhất định, cân nhắc các lựa chọn đánh đổi và xây dựng phương án hành động khả thi để tiến lên. Trong một lĩnh vực công nghệ thay đổi rất nhanh như AI, khả năng xử lý lượng lớn thông tin và tiếp cận có hệ thống để xác định điều gì quan trọng, điều gì không, và nên tập trung vào đâu là một bộ kỹ năng hữu ích.

Một khía cạnh quan trọng khác là lãnh đạo và làm việc nhóm. Bạn làm việc trong một tổ chức lớn. Ngoài thực địa, các nhóm liên tục được tổ chức và tái tổ chức để tập hợp những người phù hợp nhất nhằm hoàn thành nhiệm vụ. Kỹ năng giao tiếp, lãnh đạo và tương tác với người khác được nhấn mạnh rất nhiều trong huấn luyện quân sự. Tôi đã vận dụng được nhiều kỹ năng đó trong công việc hiện nay.

Ông từng là Phó Chủ tịch Giải pháp Khách hàng tại AltaML hơn hai năm. AltaML là công ty như thế nào và ông đã tham gia những dự án thú vị nào?

AltaML là công ty về trí tuệ nhân tạo và học máy ứng dụng, có trụ sở chính tại Edmonton, Alberta, một văn phòng lớn ở Calgary và một văn phòng ở Toronto. Công ty hợp tác với các doanh nghiệp khác để phát triển giải pháp phần mềm và sản phẩm lấy AI làm cốt lõi, theo mô hình doanh nghiệp với doanh nghiệp. Tôi làm ở bộ phận dịch vụ, hợp tác với các công ty dầu khí, tổ chức tài chính và nhiều ngành khác. Chúng tôi xác định những vấn đề kinh doanh phù hợp, có thể tạo ra tác động khi giải quyết bằng AI, rồi hỗ trợ khách hàng tập hợp dữ liệu, xây dựng và triển khai mô hình, đồng thời quản lý thay đổi để các giải pháp có thể vận hành và được sử dụng thực tế.

Khi mới vào công ty, tôi là quản lý dự án, phụ trách một số dự án AI. Sau đó tôi dần đảm nhận vai trò Phó Chủ tịch Giải pháp Khách hàng, chịu trách nhiệm tổ chức thực hiện và bàn giao các dự án, quản lý nguồn lực và chủ động quản lý quan hệ khách hàng. Nhóm của tôi phụ trách nhiều hoạt động làm việc trực tiếp với khách hàng.

Trong hai năm rưỡi, tôi tham gia hàng chục dự án AI với tư cách quản lý dự án trực tiếp, người hướng dẫn hoặc người đảm bảo chất lượng. Một dự án tôi yêu thích là về cháy rừng, phối hợp với phía tỉnh Alberta. Vào những ngày nguy cơ cháy ở mức trung bình, họ khó xác định liệu một khu vực cụ thể có xảy ra cháy hay không. Khi chưa chắc chắn, cách bố trí của họ là huy động toàn bộ nguồn lực sẵn có, kể cả thuê bổ sung máy ủi, máy bay và trực thăng, vốn rất tốn kém.

Dự án AI nhằm dự đoán xác suất xảy ra cháy tại một khu vực vào ngày hôm sau, giúp họ quyết định cách phân bổ nguồn lực tối ưu cho quy trình gọi là chuẩn bị ứng phó trước khi cháy xảy ra, tức chủ động lên lịch và bố trí nguồn lực.

Thật thú vị khi thấy trong một số tình huống, có thể giảm lượng nguồn lực hoặc chỉ tập trung vào những thời điểm nhất định trong ngày. Cách này có tiềm năng tiết kiệm hàng triệu đô la mà không làm tăng đáng kể nguy cơ bỏ sót một vụ cháy. Công việc vẫn đang tiếp tục. Hiện nay, họ đang xem xét kéo dài khoảng thời gian dự báo và chia khu vực thành các vùng nhỏ, chi tiết hơn để tối ưu nguồn lực. Nhìn vào mùa cháy rừng ở Alberta đến thời điểm này, bất kỳ thông tin dự báo nào về nơi có rủi ro, giúp tối ưu hoặc ít nhất điều chuyển nguồn lực đến đúng chỗ, đều rất có ý nghĩa. Tôi thực sự thích công việc đó.

Tôi cũng tham gia xử lý yêu cầu bồi thường bảo hiểm. Khi một công ty bảo hiểm nhận hàng nghìn yêu cầu, cần xác định yêu cầu nào có thể tự động phê duyệt, yêu cầu nào phải được con người xem xét, hoặc nên chuyển đến nhóm nào để được thẩm định phù hợp. Loại công việc này cũng rất quan trọng, giúp tổ chức tiết kiệm nhiều công sức và chi phí.

Hiện ông là Giám đốc Quản lý Thông tin và Phân tích Dữ liệu tại KPMG. Vai trò này cụ thể bao gồm những gì?Tôi hướng dẫn doanh nghiệp giải quyết các vấn đề bằng một tập hợp năng lực dữ liệu và phân tích rộng hơn. Chúng tôi làm từ chiến lược dữ liệu ban đầu, giúp tổ chức sắp xếp và hợp nhất dữ liệu từ các hệ thống rời rạc, cho đến báo cáo, phân tích, AI và học máy. Phạm vi rộng hơn vai trò trước đây, nhưng chính điều đó khiến tôi hào hứng và nuôi dưỡng đam mê học hỏi, phát triển bản thân.

Với vai trò giám đốc, tôi thường tư vấn cho lãnh đạo cấp cao của khách hàng trong suốt hành trình này: giúp họ hiểu cần những gì, dự án sẽ như thế nào và cần chuẩn bị ra sao. Chúng tôi cũng tập trung nhiều vào việc đưa giải pháp vào sử dụng, nhất là các hệ thống phân tích nâng cao còn mới và đôi khi gây lo ngại cho người lao động. Tôi cùng khách hàng tìm cách triển khai tốt nhất, bao gồm những quy trình và cơ cấu cần thiết. Nội bộ, tôi dẫn dắt hoạt động hợp tác và các nhóm dự án, xác định đúng ưu tiên, định hướng công việc và phối hợp giữa các nhóm cùng tham gia.

Trong một cuộc phỏng vấn gần đây với Calgary Herald, ông nói rằng Alberta đã ứng dụng AI khá nhiều. Ông thấy điều này rõ nhất ở những ngành nào?Tôi thấy AI được ứng dụng trong nhiều ngành ở Alberta. Ngành năng lượng có rất nhiều trường hợp, chẳng hạn dùng AI để tối ưu bảo trì và kiểm tra an toàn đường ống, xác định nơi nên hoặc có thể đào kiểm tra. Việc đào rất tốn kém khi nghi ngờ có rò rỉ. Tôi cũng thấy nhiều ứng dụng trong chuỗi cung ứng. Sau các thương vụ sáp nhập và mua lại, dữ liệu của các tổ chức lớn nằm rải rác, đôi khi khiến họ khó tìm vật tư trong danh mục dữ liệu chủ. Các mô hình ngôn ngữ mới có thể giúp tổ chức và cấu trúc dữ liệu để phân tích. Chúng tôi thấy nhiều công việc hợp nhất hợp đồng cung ứng thông qua khả năng tìm kiếm, truy vấn và tìm thông tin tốt hơn. Trường hợp này áp dụng được cho nhiều ngành, không riêng năng lượng, dù tôi đã thấy nó được triển khai ở đó.

An toàn cũng là lĩnh vực lớn: có thể dùng xử lý hình ảnh hoặc mô hình ngôn ngữ để xác định nội dung phổ biến an toàn hay cuộc kiểm tra an toàn phù hợp nhất với một địa điểm cụ thể. Trong dịch vụ tài chính, nhiều công việc tập trung vào cá nhân hóa trải nghiệm khách hàng ngân hàng, đưa ra lời khuyên tốt nhất và tìm giải pháp phù hợp với những hoàn cảnh tài chính khác nhau. Trong bảo hiểm, có việc phân loại và xử lý yêu cầu bồi thường như tôi đã đề cập. Ngoài ra, trong lâm nghiệp và quản lý đất đai, tài nguyên thiên nhiên, người ta bắt đầu dùng ảnh vệ tinh để phát hiện thay đổi trên đất, quản lý các thỏa thuận về đất và dùng xử lý hình ảnh để xác định những thứ nên hoặc không nên xuất hiện, hay những gì đã thay đổi theo thời gian.

Điều này rất thú vị. Các tổ chức đang ở những mức độ trưởng thành khác nhau: có nơi mới bắt đầu hoặc thử nghiệm, có nơi đã tiến xa và ứng dụng đầy đủ. Tuy nhiên, phần lớn đều nhận ra rằng nếu không bắt đầu hoặc không tiếp tục tiến lên, họ sẽ bị bỏ lại và chịu bất lợi cạnh tranh đáng kể. Vì thế, sự quan tâm nhìn chung rất cao. Các năng lực AI tạo sinh đương nhiên cũng đang thu hút nhiều chú ý.

Nói về AI tạo sinh, ông thấy công nghệ này sẽ thay đổi tương lai như thế nào?Tôi rất hào hứng và thấy rõ tiềm năng của nó. Tôi cũng cho rằng cần có các biện pháp kiểm soát phù hợp. Có nhiều trường hợp ứng dụng có thể giúp doanh nghiệp tăng mạnh năng suất hoặc hiệu quả. Ví dụ chuỗi cung ứng tôi vừa đề cập đã sử dụng một số kỹ thuật như vậy trước cả khi ChatGPT được công bố rộng rãi. Một xu hướng thú vị khác là công nghệ này ngày càng được tích hợp vào những ứng dụng kinh doanh phổ biến. Microsoft (MSFT ) đã công bố Copilot, công cụ sẽ tích hợp với các ứng dụng Microsoft Office. Trong tài liệu giới thiệu, tôi thấy những ví dụ như viết một bản báo cáo tóm tắt rồi yêu cầu trình soạn thảo: “Bạn có thể rút ngắn đoạn này không?” Và công cụ thực hiện ngay.

Khi AI tạo sinh được tích hợp trực tiếp vào ứng dụng kinh doanh phổ biến, doanh nghiệp sẽ phải cân nhắc cách thức và thời điểm sử dụng, cách kiểm soát và cách giám sát chất lượng những sản phẩm nó tạo ra. Khi đó là một công cụ riêng biệt, doanh nghiệp có thể dễ dàng trì hoãn hoặc bỏ qua hơn. Nhưng việc tích hợp vào các ứng dụng và nền tảng phổ biến sẽ thúc đẩy những cuộc thảo luận này.

Tôi cũng hy vọng sự chú ý hiện nay đối với việc sử dụng công nghệ có trách nhiệm sẽ khiến các tổ chức coi trọng AI có trách nhiệm: xây dựng quy trình và cơ chế quản trị phù hợp để giải pháp AI được phát triển hiệu quả, rủi ro được quản lý trong toàn bộ vòng đời, có các bước kiểm tra tiếp theo và có thể tin tưởng kết quả đầu ra. Tôi mong làn sóng quan tâm đến AI tạo sinh sẽ tiếp tục thúc đẩy những cuộc thảo luận đó.

Ông có thể nói về tầm quan trọng của AI có trách nhiệm và việc giảm thiên lệch trong AI đối với mình không?Chắc chắn rồi, vì nhiều lý do. Phần lớn người xây dựng những hệ thống này tự hào về công việc của mình và không muốn hệ thống có thiên lệch. Vì vậy, tổ chức có nhu cầu nội tại phải làm tốt điều này để nhân viên gắn bó, hài lòng và được bảo vệ. Về pháp lý, đã có những tổ chức đối mặt với vấn đề pháp luật hoặc cơ quan quản lý do thiên lệch trong AI. Một trường hợp điển hình là tổ chức dùng AI để tuyển dụng. Tập dữ liệu quá thiên về nam giới so với nữ giới, khiến AI phân biệt đối xử với phụ nữ.

Đó là công cụ AI của Amazon.

Những chuyện như vậy đã xảy ra và có thể tiếp tục nếu không có biện pháp kiểm soát phù hợp. Phần lớn tổ chức cần thực sự tập trung vào vấn đề này. Còn có rủi ro danh tiếng: nếu làm sai, tác động đối với doanh nghiệp có thể vô cùng lớn.

Ông cũng tin tưởng vào việc khai thác sự đa dạng và kinh nghiệm của các nhóm liên chức năng. Theo ông, tại sao sự đa dạng quan trọng đến vậy?Những vấn đề đang được giải quyết bằng AI rất phức tạp, cả từ góc độ kinh doanh lẫn dữ liệu nền tảng. Không một cá nhân hay một vai trò nào có thể tự giải quyết tất cả. Một nhóm liên chức năng có những góc nhìn và kỹ năng khác nhau rất quan trọng, giúp mỗi người phát huy thế mạnh của mình. Một lý do lớn khác để xây dựng đội ngũ đa dạng là người dùng cuối của các hệ thống này thường cũng rất đa dạng. Nếu không đưa những góc nhìn đó vào quá trình phát triển, bạn dễ mắc sai lầm hoặc bỏ sót điều gì đó về sau. Người khác có thể nghĩ đến một vấn đề tôi không nghĩ tới và đưa góc nhìn ấy vào nhóm. Giải quyết và điều chỉnh trong chu kỳ phát triển dễ hơn sau khi đã phát hành.

Tôi cũng tin rằng những góc nhìn khác nhau tạo nên các cuộc đối thoại tốt nhất. Những người nhìn vấn đề qua một lăng kính khác sẽ đặt ra câu hỏi rất hay, thúc đẩy thảo luận về cách tiếp cận phù hợp nhất. Họ khiến bạn xem xét những khía cạnh mà nếu thiếu họ, bạn có thể không chú ý. Một nhóm đa dạng cùng xem xét vấn đề giúp đạt được kết quả và giải pháp tốt nhất có thể.

Theo ông, bước đột phá lớn tiếp theo của AI sẽ là gì?Với AI tạo sinh, tôi nghĩ việc công nghệ này ngày càng được tích hợp vào các ứng dụng phổ biến — một xu hướng đã bắt đầu — sẽ có tác động rất lớn đến mức độ sử dụng, bởi nó hiện diện ngay trong những hệ thống mọi người đang dùng. Khi hiểu rõ hơn công nghệ có thể làm gì, có giới hạn nào và nên được sử dụng ra sao, mọi người có thể nghĩ ra các trường hợp ứng dụng mới: “Giờ tôi hiểu rõ hơn những vấn đề nó có thể giải quyết. Chúng ta đang gặp vấn đề này; nếu giải quyết được thì thật tuyệt.” Điều đó có thể mở ra những cơ hội mới.

Tôi cũng hy vọng sắp có bước tiến về chính sách và quy định. Tôi biết hoạt động xây dựng luật và quy định đang diễn ra mạnh mẽ, nhưng mong từng doanh nghiệp cũng tự xác định hoặc tìm tư vấn về cách tiếp cận vấn đề và những biện pháp kiểm soát nội bộ cần triển khai ngay.

Luật và quy định mất nhiều thời gian. Doanh nghiệp có thể tạo ra nhiều thay đổi bằng cách chủ động xây dựng và cân nhắc những biện pháp kiểm soát nội bộ. Đã có tiền lệ, chẳng hạn kiểm toán — một thế mạnh của KPMG. Nhưng chúng ta cần nghĩ xem nên có những biện pháp nào, kiểm soát ra sao và kiểm tra đầu ra như thế nào. Làm sao giảm hiện tượng AI bịa ra thông tin? Sau khi mô hình tạo kết quả, có thể thực hiện thêm bước nào để giảm thiểu tác hại hoặc rủi ro? Đó là những câu hỏi đúng. Tôi hy vọng sự quan tâm hiện nay sẽ tạo bước đột phá trong cách suy nghĩ và cách xây dựng cơ cấu, quy trình, đội ngũ phù hợp cho AI có trách nhiệm.

Cảm ơn ông về cuộc phỏng vấn thú vị. Độc giả muốn tìm hiểu thêm có thể truy cập KPMG.