Mức độ ứng dụng AI tăng. Nhưng hiệu quả kinh doanh thì sao?

Các doanh nghiệp đang chật vật biến khoản đầu tư vào AI thành lợi ích thiết thực. Mức độ sử dụng AI ngày càng tăng, nhưng chỉ 13% số tổ chức cho biết AI mang lại giá trị chuyển đổi đáng kể. Khoảng cách này là lời nhắc để các nhà lãnh đạo lùi lại một bước và tự hỏi liệu họ đang đo lường mức độ hoạt động hay những thay đổi thực chất.

Trước áp lực phải chứng minh rõ hiệu quả đầu tư vào AI (ROI), các tổ chức thường dựa vào những chỉ số dễ báo cáo, chẳng hạn như mức độ sử dụng công cụ, số người dùng hoạt động hoặc tỷ lệ ứng dụng. Những chỉ số này cho thấy nhân viên có đang sử dụng AI hay không. Nhưng chúng hầu như không cho biết công việc có được cải thiện hay khoản đầu tư có mang lại giá trị hay không.

Chẳng hạn, PwC nhận thấy 64% số người lao động được khảo sát đã sử dụng AI trong công việc trong 12 tháng qua, tăng 10 điểm phần trăm so với cùng kỳ năm trước. Thoạt nhìn, đây là dấu hiệu tăng trưởng đầy hứa hẹn, nhưng chưa chứng minh được tác động đến lợi nhuận. Mức độ ứng dụng AI trở thành một chỉ số phù phiếm khi lãnh đạo xem đó là bằng chứng cho thấy tổ chức đã chuyển đổi. Thước đo có ý nghĩa hơn là mức độ AI giúp chuyển hóa những hiểu biết từ các dự án trước thành khuôn khổ, công cụ và giải pháp tăng tốc, qua đó cải thiện cách các nhóm tạo ra kết quả.

Vấn đề tiềm ẩn: AI có thể đẩy nhanh những công việc cần được thay đổi

Trước khi ứng dụng AI, các tổ chức cần hiểu mục đích của quy trình làm việc, xác định những bước không cần thiết và cân nhắc lại cách thức thực hiện công việc. Điều này quan trọng vì triển khai AI có thể đẩy nhanh một quy trình kém hiệu quả, khiến nút thắt chuyển xuống các khâu sau và làm phát sinh thêm việc rà soát hoặc làm lại.

Sự thấu hiểu đó cũng cần định hướng cho việc lựa chọn các chỉ số đo lường. Xem xét toàn bộ quy trình giúp các nhóm nhận ra thay đổi ở một nhiệm vụ ảnh hưởng thế nào đến các khâu tiếp theo, đồng thời xác định liệu những cải thiện có vẻ đạt được có thực sự giảm bớt công sức hay chỉ chuyển phần việc đó sang người khác.

AI có thể đẩy nhanh từng nhiệm vụ riêng lẻ, chẳng hạn như soạn nội dung, tóm tắt thông tin hoặc phân tích dữ liệu nhanh hơn, mà không cải thiện quy trình. Ví dụ, việc tạo nội dung nhanh hơn có thể khiến người rà soát và phê duyệt ở các khâu sau phải làm thêm việc. Nút thắt chỉ chuyển sang nơi khác, dù từng nhân viên báo cáo rằng họ tiết kiệm được thời gian.

Đây là lúc các chỉ số năng suất có thể trở thành những chỉ số phù phiếm. Xử lý một nhiệm vụ nhanh hơn có thể trông như một thành quả trước mắt, nhưng cách đánh giá đó có thể bỏ qua công sức cần thiết để biến đầu ra thành kết quả hữu ích ở các khâu sau. Việc thiết kế lại quy trình cần bắt đầu từ kết quả mong muốn, sau đó xác định AI tạo ra giá trị ở đâu và cần thay đổi những bước nào.

Năng suất ở cấp độ nhiệm vụ và năng suất của toàn bộ quy trình đều quan trọng. Để đo lường đồng thời cả hai, các nhóm cần nhìn xa hơn việc tiết kiệm thời gian cho từng cá nhân, đánh giá chất lượng, khối lượng công việc phải làm lại và tổng công sức của con người cần bỏ ra để đạt được kết quả.

Bài học từ hành trình trở thành khách hàng AI của chính mình

Tại Arionkoder, chúng tôi xây dựng Socrates, chương trình chuyển đổi nội bộ nhằm giúp tổ chức vận hành dựa trên AI. Thử nghiệm AI trên chính mình như một ca thử nghiệm đầu tiên cho thấy năng suất tăng ở từng nhiệm vụ riêng lẻ có thể che khuất những vấn đề trong toàn bộ quy trình. Chẳng hạn, trong các quy trình quản lý dự án, ban đầu chúng tôi cho rằng dùng AI để tạo bản tóm tắt cuộc họp, danh sách việc cần làm và bản cập nhật dự án sẽ giúp thực hiện những nhiệm vụ đó hiệu quả hơn. Tuy nhiên, lượng thông tin tăng lên vẫn cần được rà soát thủ công, sắp xếp thứ tự ưu tiên và điều phối giữa các nhóm. Điều này chuyển khối lượng công việc xuống các khâu sau thay vì giảm bớt nó. Chúng tôi nhận ra rằng làm từng nhiệm vụ nhanh hơn không nhất thiết giúp toàn bộ quy trình hiệu quả hơn. Mục tiêu của Socrates vẫn phù hợp, nhưng chương trình cần giúp các nhóm chuyển từ việc đẩy nhanh những nhiệm vụ riêng lẻ sang thiết kế lại quy trình từ đầu đến cuối.

Thất bại này trở nên hữu ích khi chúng tôi xem xét những gì đã xảy ra và áp dụng các phát hiện vào lần thử tiếp theo. Nó củng cố nhận thức rằng chuyển đổi bằng AI không chỉ đơn thuần là đưa công nghệ vào sử dụng. Quá trình này đòi hỏi phải thay đổi cách mọi người học hỏi từ các thử nghiệm, đưa ra quyết định và phối hợp với nhau. Socrates cần giúp nhân viên kết nối những gì họ tự xây dựng với cách công việc thực sự được tiến hành.

Cách tiếp cận được điều chỉnh tạo ra một lộ trình rõ ràng cho quá trình thử nghiệm. Một nhân viên có thể bắt đầu bằng việc dùng AI giải quyết một vấn đề nhỏ, thực tế. Bước tiếp theo là thử xem người khác có thể sử dụng thành quả họ tạo ra hay không. Sau đó, công ty có thể xem xét quy trình rộng hơn, xác định những điểm gây trở ngại và kết nối công việc với các năng lực do những nhóm khác phát triển. Việc nhân viên cùng chia sẻ kinh nghiệm giúp đánh giá liệu một cải tiến có còn hữu ích ngoài phạm vi nhiệm vụ ban đầu mà nó được thiết kế để hỗ trợ hay không.

Sự khác biệt đó rất quan trọng. Tạo ra thứ gì đó hiệu quả với một người là điểm khởi đầu. Muốn tạo giá trị cho cả tổ chức, cần hiểu người khác sử dụng nó như thế nào và điều gì thay đổi khi nó trở thành một phần của quy trình lớn hơn.

Vì vậy, quá trình điều chỉnh lại của chúng tôi bắt đầu từ kết quả mong muốn. Nhóm cần đạt được điều gì? Những bước nào góp phần tạo ra kết quả đó, và những bước nào vẫn tồn tại chỉ vì một quy trình đã được thiết lập nhưng không còn phục vụ mục đích ban đầu? Những câu hỏi này giúp chúng tôi chuyển trọng tâm từ việc bổ sung AI vào từng nhiệm vụ riêng lẻ sang thiết kế lại quy trình xoay quanh một mục tiêu rõ ràng hơn.

Tiếp đó, chúng tôi thiết lập các mốc cơ sở và tiêu chí phù hợp với từng quy trình. Bên cạnh thời gian hoàn thành, chúng tôi xem xét chất lượng, khối lượng công việc phải làm lại và công sức của nhân viên. Những thước đo này giúp chúng tôi đánh giá mức độ cải thiện trên toàn bộ quy trình.

Trong toàn bộ Socrates, chúng tôi đã thiết kế lại hơn 20 quy trình công việc, biến các thử nghiệm xoay quanh những vấn đề kinh doanh thực tế thành năng lực mà người khác có thể sử dụng. Thời gian lập báo cáo tài chính giảm từ bốn giờ xuống còn 20 phút, trong khi bộ phận CNTT ghi nhận số tác vụ lặp đi lặp lại giảm 40% và thời gian phản hồi giảm 60%. Những kết quả đó cho thấy hoạt động vận hành đã tiến triển. Để hiểu các chỉ số này chuyển hóa thành giá trị kinh doanh như thế nào, cần đánh giá xem nỗ lực có giảm trên toàn bộ quy trình công việc hay không và các nhóm đã sử dụng phần năng lực được giải phóng ra sao.

Bài học rút ra với chúng tôi là cần theo dõi những cải thiện đến tận cùng. Tiết kiệm thời gian ở từng cá nhân có ý nghĩa, nhưng chỉ tạo ra giá trị cho tổ chức khi giúp người tiếp theo làm việc tốt hơn và đưa cả nhóm đến gần hơn với kết quả mong muốn.

CIO nên đo lường những gì thay thế

Để theo dõi một cải thiện đến tận tác động kinh doanh, cần làm nhiều hơn là chỉ ghi nhận mức độ sử dụng AI hoặc thời gian tiết kiệm được. Lãnh đạo cần kết nối việc áp dụng AI với những cải thiện trong cách thức công việc được thực hiện và kết quả mà công việc mang lại. Tiến độ cần được đo lường ở ba cấp độ riêng biệt:

1. Mức độ áp dụng: Nhân viên có sử dụng AI không?

   Mức độ áp dụng vẫn hữu ích như một chỉ số chẩn đoán. Mức độ sử dụng, sự tham gia vào các thử nghiệm và phản hồi của nhân viên có thể cho thấy họ đang dần tự tin hơn ở đâu và cần được hỗ trợ ở đâu.

   Những tín hiệu này giúp lãnh đạo hiểu mức độ sẵn sàng của tổ chức, nhưng không chứng minh được ROI. Mức độ sử dụng cao là điểm khởi đầu cho việc tìm hiểu, chứ không phải bằng chứng về sự chuyển đổi.

2. Hiệu quả quy trình công việc: Công việc có thực sự được cải thiện không?

   Tiêu chí thành công cần phản ánh mục đích mà quy trình công việc hướng tới. Tùy vào trường hợp sử dụng, cải thiện có thể đồng nghĩa với thông tin chính xác hơn, ít lỗi hơn hoặc giải quyết nhanh hơn.

   So sánh hiệu quả với mức cơ sở trên toàn bộ quy trình. Theo dõi số bước không cần thiết đã loại bỏ, khối lượng công việc phải làm lại, chất lượng và tổng nỗ lực của nhân viên. Hãy tính đến cả những người tiếp nhận và xử lý đầu ra do AI tạo ra. Một tác vụ chưa chắc đã trở nên hiệu quả hơn nếu nó làm phát sinh thêm khâu rà soát hoặc chỉnh sửa ở nơi khác.

3. Tác động kinh doanh: Quy trình công việc có AI hỗ trợ có cải thiện kết quả kinh doanh không?

   Gắn những cải thiện trong quy trình công việc với các kết quả mà ban lãnh đạo vốn quan tâm, chẳng hạn như khả năng giữ chân khách hàng, doanh thu, chất lượng dịch vụ hoặc chi phí cho mỗi vấn đề được giải quyết. Chẳng hạn, tạo ra nhiều nội dung hơn cho thấy sản lượng tăng. Giá trị kinh doanh của việc đó phụ thuộc vào nội dung được tạo ra.

   Theo dõi xem thời gian tiết kiệm được đã được sử dụng vào việc gì. Năng lực bổ sung đó có giúp cải thiện dịch vụ, hỗ trợ tăng trưởng hay giảm chi phí vận hành không? Đánh giá giá trị so với toàn bộ chi phí để tạo ra giá trị đó, bao gồm nỗ lực của con người, mức tiêu thụ AI, tích hợp, giám sát, đào tạo và bảo trì.

Kết hợp lại, những thước đo này giúp lãnh đạo theo dõi quá trình từ áp dụng AI đến cải thiện quy trình công việc và kết quả kinh doanh. Nếu mức độ sử dụng AI tăng mà không giảm nỗ lực của con người, cải thiện chất lượng hoặc tạo ra giá trị kinh doanh, lãnh đạo cần đánh giá lại cách tiếp cận trước khi mở rộng.

Lãnh đạo cần định nghĩa lại tiến độ của AI

Dữ liệu về mức độ áp dụng giúp doanh nghiệp biết ai đang sử dụng AI và cần hỗ trợ thêm ở đâu. Muốn hiểu giá trị của AI, cần lắng nghe những người trực tiếp làm việc và đánh giá xem các lợi ích đạt được có cải thiện toàn bộ quy trình công việc hay không. Lãnh đạo cần giúp nhân viên tự tin nêu ra những cách làm khiến công sức tăng lên mà kết quả không tốt hơn, rồi hành động dựa trên những phát hiện đó. Thay đổi hoặc dừng một cách tiếp cận không hiệu quả cũng là tiến bộ nếu những bài học rút ra giúp đưa ra quyết định tiếp theo tốt hơn.

Chuyển đổi thực chất thể hiện ở việc loại bỏ những công việc không cần thiết, đạt được kết quả tốt hơn và có thêm năng lực dành cho những công việc quan trọng. Lãnh đạo nên dùng những kết quả đó để đánh giá tiến độ của AI và định hướng các khoản đầu tư tiếp theo.