Tại Sao Trí Tuệ Nhân Tạo Agentic Sẽ Thất Bại Nếu Không Có Dữ Liệu Tài Sản Tin Cậy

Trí tuệ nhân tạo Agentic đang chuyển nhanh từ thảo luận sang triển khai trong các ngành công nghiệp có tài sản nặng. Không giống như trí tuệ nhân tạo tạo ra, nó tóm tắt thông tin hoặc đề xuất khuyến nghị, trí tuệ nhân tạo Agentic có thể thực hiện một mục tiêu, chia nó thành các bước, kéo dữ liệu từ nhiều hệ thống và thực hiện hành động. Nó có thể xem xét lịch sử bảo trì, kiểm tra các đơn đặt hàng công việc đang mở, so sánh lịch trình của các đội và tạo ra một khuyến nghị mà không cần một người phải kết nối thủ công từng mảnh thông tin.

Khả năng đó chính xác là lý do tại sao nhiều tổ chức đang chuyển nhanh để áp dụng nó. Theo điều tra CIO và Giám đốc Công nghệ của Gartner năm 2026, chỉ 17% các tổ chức đã triển khai các đại lý trí tuệ nhân tạo, trong khi hơn 60% dự kiến sẽ làm như vậy trong hai năm tới. Đó là nhanh hơn so với bất kỳ công nghệ mới nào khác được bao gồm trong cuộc khảo sát.

Trong các triển khai mà tôi đã hỗ trợ, các đội đã dành quá nhiều thời gian để chuyển đổi giữa các hệ thống, bảng tính, ghi chú kiểm tra và email chỉ để đưa ra một quyết định hoạt động duy nhất. Trí tuệ nhân tạo Agentic hứa hẹn sẽ giảm bớt sự ma sát đó, giúp các nhà lập kế hoạch chuẩn bị công việc nhanh hơn và cung cấp cho các kỹ thuật viên một bức tranh rõ ràng hơn về lịch sử tài sản mà không chỉ dựa vào trí nhớ tổ chức.

Nhưng lời hứa đó đi kèm với một điều kiện mà dễ bị bỏ qua trong cuộc chạy đua để triển khai: từ những gì tôi đã thấy, trí tuệ nhân tạo Agentic ít hơn là một vấn đề mô hình hóa hơn là một vấn đề tin cậy hoạt động.

Trong các ngành công nghiệp có tài sản nặng như tiện ích, vận tải, khai thác, viễn thông và sản xuất, một đại lý trí tuệ nhân tạo chỉ tốt như dữ liệu nó đang hoạt động. Nếu dữ liệu đó không đầy đủ, lỗi thời hoặc không nhất quán, đại lý không nhất thiết phải thất bại to. Nó có thể thất bại một cách tự tin, đề xuất công việc trên tài sản sai, bỏ qua một sự phụ thuộc, đánh giá thấp rủi ro hoặc đánh giá sai những gì nên được ưu tiên.

Cho một đại lý dữ liệu xấu, và nó sẽ không mở rộng trí tuệ. Nó sẽ mở rộng rủi ro hoạt động.

Cùng Cũ Dữ Liệu Vấn Đề, Tại Một Tốc Độ Mới

Các vấn đề chất lượng dữ liệu mà trí tuệ nhân tạo Agentic暴 lộ không mới. Trong hơn 17 năm làm việc trên các hệ thống và triển khai quản lý tài sản doanh nghiệp, tôi đã thấy các vấn đề tương tự xuất hiện một cách lặp đi lặp lại: bản ghi lặp lại, mối quan hệ tài sản bị thiếu, quy ước đặt tên không nhất quán, đánh giá độ quan trọng lỗi thời và mã lỗi kém trong nhiều năm.

Điều gì đã thay đổi không phải là bản chất của những vấn đề này mà là phạm vi ảnh hưởng của chúng.

Một kỹ thuật viên có kinh nghiệm có thể bắt gặp một bản ghi xấu trước khi thực hiện hành động, dựa trên kiến thức tổ chức mà không bao giờ được ghi lại trong hệ thống. Một đại lý trí tuệ nhân tạo không có trực giác đó. Nó có thể xử lý hàng nghìn bản ghi nhanh hơn nhiều so với một người có thể xem xét thủ công, áp dụng cùng một giả định lỗi ở quy mô trước khi ai đó nhận thấy.

Vấn đề triển khai doanh nghiệp rộng lớn hơn đã rõ ràng. Một báo cáo sơ bộ năm 2025 của MIT Project NANDA đã tìm thấy rằng 95% các tổ chức được nghiên cứu đã không đạt được tác động lợi nhuận và lỗ đáng kể từ các sáng kiến trí tuệ nhân tạo tạo ra. Báo cáo này quy kết sự chia cách chủ yếu cho các khoảng trống học hỏi và tích hợp, bao gồm các công cụ không giữ được ngữ cảnh hoặc thích nghi hiệu quả với các quy trình làm việc hiện có. Trong các hoạt động tài sản nặng, nơi một khuyến nghị xấu có thể ảnh hưởng đến thiết bị vật lý chứ không chỉ là một bảng điều khiển, khoảng cách giữa tham vọng trí tuệ nhân tạo và thực tế dữ liệu còn đáng kể hơn.

Ở Đâu Dữ Liệu Xấu Trở Thành Một Quyết Định Không An Toàn

Trong các môi trường hoạt động, những hậu quả đó trở nên vật lý.

Hãy xem xét việc ưu tiên bảo trì. Nếu một đại lý không thể nhìn thấy một sự cố gần đây, một đơn đặt hàng công việc bị trì hoãn hoặc một thay đổi trong tình trạng tài sản, nó có thể chỉ định ưu tiên sai. Điều này có thể tạo ra công việc không cần thiết ở một khu vực trong khi cho phép một rủi ro lớn hơn vẫn chưa được giải quyết ở nơi khác.

Các ставки tăng cao hơn khi các mối quan hệ tài sản bản thân là không chính xác. Đây là kịch bản mà nâng lên một lá cờ đỏ. Nếu một hệ thống không phản ánh chính xác các tài sản được kết nối, thiết bị nào phải được cách ly trước khi bắt đầu công việc hoặc các hạn chế nào áp dụng tại một địa điểm cụ thể, các khuyến nghị của nó có thể trở nên thực sự không an toàn.

Đó là lý do tại sao các tổ chức nên suy nghĩ cẩn thận trước khi trao cho trí tuệ nhân tạo Agentic quyền tự chủ hoàn toàn đối với các quyết định quan trọng. Khung khổ quản lý rủi ro trí tuệ nhân tạo tự nguyện của NIST cung cấp một cấu trúc để kết hợp độ tin cậy trong toàn bộ vòng đời của hệ thống trí tuệ nhân tạo thay vì chỉ giải quyết nó sau khi triển khai. Trí tuệ nhân tạo có thể thu thập thông tin nhanh chóng, đưa ra các lựa chọn và tóm tắt bằng chứng đằng sau một khuyến nghị. Tuy nhiên, khi an toàn, tuân thủ hoặc độ tin cậy dịch vụ bị ảnh hưởng, con người cần phải tham gia.

Ít nhất ban đầu, mục tiêu nên là trí tuệ nhân tạo hỗ trợ quyết định, không phải trí tuệ nhân tạo đưa ra quyết định một mình.

Tại Sao Quản Lý Tài Sản Doanh Nghiệp Là Nền Tảng, Không Phải Là Văn Phòng Sau

Quản lý tài sản doanh nghiệp, hoặc EAM, là nơi thực tế hoạt động được tổ chức. Đó là nơi các đơn đặt hàng công việc, chiến lược bảo trì, kiểm tra, phê duyệt, mối quan hệ tài sản và lịch sử thiết bị được ghi lại và quản lý.

Một nền tảng EAM mạnh mẽ cung cấp cho một đại lý trí tuệ nhân tạo dữ liệu hoạt động đáng tin cậy để làm việc. Một nền tảng yếu có khả năng bị lộ gần như ngay lập tức. Một phân tích của EY về hệ thống quản lý tài sản doanh nghiệp được kích hoạt bởi trí tuệ nhân tạo cũng nhấn mạnh vai trò của dữ liệu và phân tích thời gian thực trong việc di chuyển các tổ chức từ bảo trì phản ứng sang bảo trì chủ động.

Thay vì đối xử với EAM như một hệ thống văn phòng sau, các tổ chức chuẩn bị cho trí tuệ nhân tạo Agentic nên đối xử với nó như một phần của lớp điều khiển hoạt động. Nó định hình những gì trí tuệ nhân tạo có thể truy cập, những quy trình nó phải tuân theo, bằng chứng nó dựa vào và nơi phê duyệt của con người vẫn được yêu cầu.

EAM cũng giúp cung cấp ngữ cảnh đằng sau một quyết định hoạt động. Một khuyến nghị bảo trì không nên dựa chỉ trên tình trạng của một tài sản riêng lẻ. Nó cũng có thể phụ thuộc vào mức độ quan trọng của tài sản, các sự cố gần đây, thiết bị được kết nối, các bộ phận có sẵn, thủ tục an toàn, sự sẵn có của đội và ảnh hưởng mà thời gian ngừng hoạt động sẽ có đối với hoạt động rộng lớn hơn.

Không có ngữ cảnh đó, thậm chí một đại lý trí tuệ nhân tạo tinh vi về mặt kỹ thuật cũng có thể đề xuất hành động sai.

Dữ Liệu Của Bạn Có Thật Sự “Sẵn Sàng Cho Trí Tuệ Nhân Tạo”?

Thay vì khởi động một cuộc xem xét chất lượng dữ liệu rộng lớn và trừu tượng, các tổ chức được phục vụ tốt hơn bằng cách bắt đầu với một trường hợp sử dụng cụ thể, chẳng hạn như lập kế hoạch bảo trì được hỗ trợ bởi trí tuệ nhân tạo, và đặt ra các câu hỏi được nhắm mục tiêu.

Đây là những câu hỏi tôi đặt ra đầu tiên: Chúng ta có tin tưởng vào hệ thống phân cấp tài sản không? Lịch sử thất bại có đáng tin cậy không? Các kế hoạch công việc có cập nhật không? Sự sẵn có của đội có chính xác không? Các kế hoạch an toàn có cập nhật không?

Dữ liệu không cần phải hoàn hảo. Ít tổ chức nào sẽ bao giờ có dữ liệu hoạt động hoàn hảo. Nó cần phải chính xác, cập nhật và được quản lý tốt đủ để trí tuệ nhân tạo thực sự hỗ trợ những người đưa ra quyết định.

Cách tiếp cận này cũng làm cho việc cải thiện dữ liệu trở nên dễ quản lý hơn. Thay vì cố gắng làm sạch mọi bản ghi trên toàn tổ chức, các đội có thể tập trung vào thông tin trực tiếp ảnh hưởng đến trường hợp sử dụng được chọn.

Rủi ro của việc làm sai điều này không được phân bố đều. Các ngành công nghiệp mà quyết định kỹ thuật số ảnh hưởng đến hoạt động vật lý mang rủi ro cao nhất, đó là lý do tại sao NIST đang phát triển một hồ sơ quản lý rủi ro trí tuệ nhân tạo chuyên dụng để hướng dẫn các nhà điều hành cơ sở hạ tầng quan trọng sử dụng các khả năng được kích hoạt bởi trí tuệ nhân tạo. Trong một quy trình có rủi ro thấp hơn, một khuyến nghị trí tuệ nhân tạo kém có thể gây ra sự bất tiện hoặc công việc thêm. Trong một lưới điện, hệ thống nước, mỏ, mạng lưới vận tải hoặc môi trường viễn thông, nó có thể ảnh hưởng đến an toàn, gây ra thời gian ngừng hoạt động, tạo ra các vấn đề về tuân thủ hoặc gián đoạn dịch vụ.

Điều đó không có nghĩa là các ngành công nghiệp này nên tránh trí tuệ nhân tạo Agentic. Nó có nghĩa là họ cần phải có chủ ý hơn về chất lượng dữ liệu, quản trị và giám sát của con người trước khi tăng trách nhiệm của nó.

Một Con Đường Thực Tiễn Đến Trí Tuệ Nhân Tạo Agentic

Một con đường triển khai thực tế bắt đầu với một trường hợp sử dụng cụ thể mà trí tuệ nhân tạo có thể thêm giá trị mà không giới thiệu rủi ro quá mức.

Từ đó, tổ chức nên lập bản đồ dữ liệu mà trường hợp sử dụng đó phụ thuộc vào và đánh giá một cách trung thực liệu thông tin đó có thể được tin cậy. Các đội nên sửa chữa dữ liệu tài sản quan trọng nhất, chỉ định quyền sở hữu rõ ràng và tiêu chuẩn hóa cách công việc, thất bại và thay đổi hoạt động được ghi lại.

Trí tuệ nhân tạo nên hoạt động trong các quy trình quản trị hiện có thay vì xung quanh chúng. Trong các giai đoạn đầu, đại lý có thể hỗ trợ các nhà lập kế hoạch, các đội độ tin cậy và các kỹ thuật viên bằng cách thu thập thông tin, xác định các mẫu và đề xuất các hành động có thể.

Điều này cung cấp cho tổ chức thời gian để so sánh các khuyến nghị của đại lý với các kết quả thực tế, xác định các khoảng trống dữ liệu và xác nhận rằng các kiểm soát cần thiết đang hoạt động.

Chỉ sau khi kết quả được hiểu, tổ chức mới nên xem xét việc trao cho trí tuệ nhân tạo nhiều trách nhiệm hơn. Tự chủ nên tăng dần và chỉ khi các rủi ro liên quan được rõ ràng, kiểm soát và có thể kiểm toán.

Một chiến lược trí tuệ nhân tạo Agentic thành công liên kết trí tuệ nhân tạo với dữ liệu tài sản đáng tin cậy và các quy trình làm việc EAM mạnh mẽ, được hỗ trợ bởi quản trị rõ ràng và trách nhiệm của con người. Báo cáo State of AI in the Enterprise năm 2026 của Deloitte cũng đi đến cùng một kết luận từ trên cao, mô tả một nền tảng dữ liệu thống nhất và đáng tin cậy là điều cần thiết để mở rộng trí tuệ nhân tạo. Các tổ chức vẫn chịu trách nhiệm về các hành động trí tuệ nhân tạo đề xuất hoặc thực hiện. Trách nhiệm đó không biến mất chỉ vì một quyết định được tạo ra bởi một thuật toán.

Trí tuệ nhân tạo Agentic nên kiếm được cách của nó vào hoạt động, không được trao cho nó. Bắt đầu từ một điểm hẹp, kiểm tra các khuyến nghị của nó so với những gì thực sự xảy ra, sửa chữa các khoảng trống dữ liệu xuất hiện và mở rộng vai trò của nó chỉ khi bằng chứng chứng minh điều đó. Tôi thích xem một đại lý kiếm được một lượng nhỏ niềm tin và giữ nó hơn là được trao một lượng lớn và mất nó. Trong các ngành công nghiệp có tài sản nặng, sự kiên nhẫn đó là sự khác biệt giữa trí tuệ nhân tạo kiếm được niềm tin và trí tuệ nhân tạo im lặng mất nó.