Lãnh đạo tư tưởng

Thương mại do tác nhân AI dẫn dắt lặp lại sai lầm cũ về dữ liệu doanh nghiệp

Bryan House
Thêm Unite.AI vào các nguồn ưu tiên của bạn trên Google
Điểm chínhThương mại tự chủ đòi hỏi dữ liệu sản phẩm có cấu trúc mà máy móc có thể xử lý logic…
Xem thêm
  • Thương mại tự chủ đòi hỏi dữ liệu sản phẩm có cấu trúc mà máy móc có thể xử lý logic, không chỉ nội dung dành cho con người.
  • Thương mại B2B phải xây dựng các lớp ngữ nghĩa sản phẩm mã hóa rõ ràng các quy tắc, mối quan hệ và ràng buộc.
  • Các công ty coi dữ liệu sản phẩm như hạ tầng sẽ trở nên dễ hiểu với tác nhân AI và giành lợi thế cạnh tranh.

Trong một thời gian dài, thương mại B2B vận hành dựa trên một giả định đơn giản: con người là bên xem và tìm hiểu thông tin.

Họ đọc trang sản phẩm, lướt qua bảng thông số kỹ thuật và chấp nhận những cách diễn đạt mơ hồ vì biết cách đặt câu hỏi bổ sung. Khi điều gì chưa rõ, họ gửi email cho nhân viên bán hàng. Khi một quy tắc nằm khuất trong chú thích cuối trang, kinh nghiệm giúp lấp chỗ trống.

Dữ liệu sản phẩm B2B phát triển hoàn toàn xoay quanh hành vi đó. Bản thân dữ liệu chưa bao giờ phải đầy đủ đến mức tự nó là đủ; chỉ cần con người có thể diễn giải được. Với AI, giả định ấy không còn đúng nữa.

Chúng ta từng gặp chuyện này với dữ liệu doanh nghiệp

Nếu điều này nghe quen thuộc thì cũng dễ hiểu. Một thập kỷ trước, các doanh nghiệp đã thảo luận về dữ liệu theo cách rất tương tự. Kho dữ liệu đầy ắp, hồ dữ liệu tràn ngập, và rốt cuộc hệ thống nào cũng xuất ra một thứ gì đó. Trên lý thuyết, các công ty rất giàu dữ liệu. Nhưng trên thực tế, chẳng việc gì tiến triển nhanh vì người dùng nghiệp vụ không thể trả lời những câu hỏi cơ bản nếu thiếu chuyên viên phân tích làm người phiên dịch. SQL trở thành nút thắt.

Dữ liệu doanh nghiệp được tổ chức theo cách hệ thống lưu trữ thông tin, thay vì cách con người suy nghĩ về hoạt động kinh doanh. Có hàng và cột, nhưng lại thiếu khái niệm. Thông tin doanh thu nằm trong ba bảng. Khách hàng có năm ý nghĩa khác nhau tùy người được hỏi và thời điểm hỏi. Các chỉ số bị tranh luận không dứt vì chưa ai định nghĩa rõ ràng.

Bước đột phá với dữ liệu doanh nghiệp đến từ việc chấp nhận sự phức tạp và đưa nó vào tầm kiểm soát. Các lớp ngữ nghĩa là một ví dụ, nhưng chúng thuộc về một chuyển dịch rộng hơn. Doanh nghiệp thôi coi như dữ liệu thô mặc nhiên đã dùng được và bắt đầu xây dựng các lớp chuyển đổi phù hợp với cách hoạt động kinh doanh thực sự được tư duy và vận hành.

Các mô hình chỉ số thực hiện điều này bằng cách định nghĩa phép tính một lần, thay vì suy ra lại trong từng báo cáo. Doanh thu có cùng ý nghĩa ở mọi nơi vì đã có người dành thời gian mã hóa định nghĩa của nó. Mô hình dữ liệu và lược đồ chiều cũng làm điều tương tự về cấu trúc. Chúng biến các bảng tác nghiệp thành những khái niệm như khách hàng, sản phẩm, đơn hàng và thời gian. Người dùng nghiệp vụ không còn phải hiểu cần bao nhiêu phép nối bảng để trả lời một câu hỏi cơ bản. Những mối quan hệ đã được xác lập sẵn.

Các danh mục dữ liệu cùng những định nghĩa được quản trị giải quyết một phần khác của vấn đề. Chúng ghi lại ý nghĩa từng chỉ tồn tại trong đầu con người. Trường này biểu thị điều gì? Khi nào nên sử dụng? Có những giới hạn nào? Ngữ cảnh không còn là kiến thức ngầm của một nhóm người mà trở thành một phần của hệ thống.

Kết hợp với nhau, các lớp này tiếp nhận sự phức tạp và khiến nó có thể quản lý, vận hành được. Chúng tạo ra những lớp trừu tượng ổn định, cho phép nhiều người hơn — và nhiều hệ thống hơn — suy luận đúng mà không phải diễn giải lại thế giới từ đầu mỗi lần. Đó chính là điều thương mại B2B đang thiếu hiện nay.

Việc tìm kiếm sản phẩm do tác nhân dẫn dắt đang buộc doanh nghiệp nhìn lại theo cách tương tự

Thương mại do tác nhân AI dẫn dắt đang đặt dữ liệu sản phẩm B2B trước cùng một phép thử. Các nhà sản xuất và phân phối không thiếu thông tin sản phẩm. Họ đã lưu trữ khối lượng khổng lồ, từ thông số kỹ thuật, cấu hình đến logic định giá và ràng buộc hợp đồng.

Vấn đề là gần như toàn bộ dữ liệu ấy được cấu trúc cho con người. Thông số kỹ thuật nằm trong PDF. Quy tắc được giải thích trong danh mục sản phẩm bản in chưa từng được đưa lên mạng. Ngoại lệ là điều được ngầm hiểu trong quy trình nghiệp vụ nội bộ của bộ phận bán hàng, thay vì được mã hóa. Quá nhiều thứ phụ thuộc vào trí nhớ của tổ chức khi ngữ cảnh chỉ nằm trong đầu các nhóm bán hàng.

Một tác nhân AI không lướt qua PDF rồi nắm được ý chính. Nó không biết câu nào là ràng buộc bắt buộc, câu nào chỉ là ngôn ngữ bán hàng. Nó không thể suy ra quy tắc từ định dạng hay giọng điệu một cách an toàn. Nếu ý nghĩa không được nêu rõ, tác nhân xem đó là điều chưa biết.

Vấn đề không phải dữ liệu phi cấu trúc là xấu

Cần làm rõ một điều: dữ liệu phi cấu trúc không phải kẻ thù. Nó chưa bao giờ là như vậy.

Trong phân tích dữ liệu doanh nghiệp, dữ liệu phi cấu trúc không biến mất khi các lớp ngữ nghĩa xuất hiện. Nó được đặt thành một lớp trên nền cấu trúc. Cấu trúc đảm nhiệm quy tắc và mối quan hệ. Nội dung phi cấu trúc đảm nhiệm sắc thái, lời giải thích và ngữ cảnh.

Mô hình tương tự cũng áp dụng ở đây.

Tác nhân cần cấu trúc để suy luận. Chúng cần quy tắc, mối quan hệ, ràng buộc và trạng thái được nêu rõ. Chúng phải biết những gì tương thích, những gì có thể cấu hình, những gì được phép và điều gì áp dụng trong điều kiện nào. Chỉ riêng nội dung phi cấu trúc không thể cung cấp đáng tin cậy những thông tin đó.

Nhưng chỉ có cấu trúc cũng chưa đủ. Tác nhân không chỉ truy xuất thuộc tính. Chúng so sánh các phương án và đánh giá sự đánh đổi. Chúng xác định cả việc một thứ là gì và khi nào nên đề xuất nó.

Nội dung diễn giải là lớp giải thích ý định, định vị và các trường hợp sử dụng. Nó tạo nên khác biệt giữa việc nói sản phẩm này tồn tại và việc chỉ ra lúc nào nên chọn nó. Trong thế giới dữ liệu doanh nghiệp, điều này xuất hiện dưới dạng định nghĩa, tài liệu và ngữ cảnh kinh doanh. Ở đây, nó xuất hiện dưới dạng lời giải thích ở cấp sản phẩm mà tác nhân có thể học hỏi. Dữ liệu sản phẩm có cấu trúc cho tác nhân biết điều gì là đúng, còn nội dung diễn giải giúp nó quyết định điều gì quan trọng.

Thương mại được tối ưu cho cách trình bày, không phải cho suy luận

Đây là phần khó chấp nhận. Hạ tầng thương mại chưa thực sự có bước chuyển mình như dữ liệu doanh nghiệp. Chúng ta xây dựng các hệ thống quản lý thông tin sản phẩm, tức PIM, tốt hơn, các danh mục phong phú hơn và những trang sản phẩm đẹp hơn. Nhưng chúng ta chưa từng xây dựng một lớp ngữ nghĩa thực sự cho sản phẩm; chúng ta tối ưu cách trình bày.

Chừng nào con người còn làm trung gian cho mua bán B2B, cách đó vẫn ổn. Nhân viên bán hàng giải thích các trường hợp đặc biệt. Người mua chấp nhận sự mơ hồ và ai cũng biết cách xoay xở với những hạn chế của hệ thống.

Tác nhân loại bỏ lớp đệm đó. Trong B2B, những vết nứt lộ ra ngay lập tức. Giá thay đổi theo tài khoản khách hàng. Khả năng cung ứng thay đổi theo khu vực. Tính tương thích phụ thuộc vào cấu hình. Hợp đồng được ưu tiên hơn các điều kiện mặc định. Quyền được hưởng có ý nghĩa quan trọng. Không điều nào trong số này có thể được phỏng đoán một cách an toàn.

Khi đánh giá một sản phẩm, tác nhân không bị ấn tượng bởi lời mô tả trau chuốt. Nó muốn biết điều gì phù hợp, điều gì được phép, điều gì tương thích và chuyện gì xảy ra tiếp theo. Nếu thông tin không được nêu rõ, tác nhân không hỏi để làm sáng tỏ mà đơn giản chuyển sang lựa chọn khác.

Doanh nghiệp thương mại cần làm gì ngay lúc này?

Đây là bước ngoặt. Doanh nghiệp thương mại có thể tiếp tục xem dữ liệu sản phẩm là nội dung để con người diễn giải, hoặc bắt đầu xem nó là hạ tầng làm cơ sở cho máy móc suy luận.

Điều đó có nghĩa là thông số kỹ thuật phải trở thành thuộc tính có ý nghĩa được định nghĩa rõ. Tính tương thích phải được mã hóa thành các mối quan hệ, không chỉ giải thích bằng đoạn văn. Việc định giá phải được biểu diễn bằng logic. Quyền được hưởng phải được nêu tường minh. Khả năng cung ứng phải được biểu diễn bằng thông tin trạng thái chính xác.

Đây chính là thay đổi doanh nghiệp đã phải thực hiện trong phân tích dữ liệu. Khi dữ liệu thô và bảng không còn đủ, ý nghĩa phải được định nghĩa. Một khi phần lõi có cấu trúc đó tồn tại, nội dung diễn giải không còn là nguồn sự thật duy nhất cho AI mà trở thành lớp dạy tác nhân áp dụng sự thật ấy vào tình huống thực tế.

Các nhà sản xuất và phân phối làm được điều này sẽ trở nên dễ hiểu với tác nhân. Sản phẩm của họ sẽ dễ đánh giá, dễ đề xuất và dễ tin cậy hơn. Những bên không làm vẫn sẽ có dữ liệu, nhưng nó sẽ hoạt động như các kho dữ liệu doanh nghiệp cũ: tồn tại về mặt kỹ thuật nhưng không thể sử dụng trên thực tế.

Mô hình cũ, nhưng hệ quả thì mới

Không điều nào ở đây là suy đoán. Chúng ta đã chứng kiến dữ liệu doanh nghiệp đi qua chính chu kỳ này. Khác biệt duy nhất bây giờ là người dùng. Thay cho chuyên viên phân tích kinh doanh là tác nhân tự chủ. Thay cho bảng điều khiển là đề xuất. Thay cho quyết định chậm chạp là bị loại khỏi lựa chọn ngay lập tức.

Thương mại do tác nhân AI dẫn dắt đang phơi bày một vấn đề dữ liệu doanh nghiệp đã tồn tại hàng thập kỷ. Những công ty nhận ra điều đó và đối xử với dữ liệu sản phẩm theo cách doanh nghiệp đã học để xử lý dữ liệu tác nghiệp sẽ thích nghi nhanh chóng. Các công ty còn lại sẽ tiếp tục thêm PDF, viết lại mô tả và thắc mắc vì sao tác nhân dường như chẳng bao giờ chọn họ.

Lịch sử đang lặp lại. Lần này, máy móc đang chú ý.

Bryan là CEO tại Elastic Path, nơi ông lãnh đạo các đội GTM, thành công của khách hàng, dịch vụ toàn cầu và sản phẩm. Trước đó, Bryan là Giám đốc Thương mại tại Neural Magic (được Red Hat mua lại), một công ty khởi nghiệp phần mềm học sâu nơi ông điều hành Sản phẩm, GTM và Thành công của khách hàng.