Trí tuệ nhân tạo không thể sửa chữa đất xấu: Cách các công ty chuẩn bị hệ sinh thái nội bộ để triển khai trí tuệ nhân tạo thành công

Mặc dù các nhà lãnh đạo doanh nghiệp thường bị định kiến là chỉ quan tâm đến lợi nhuận, một nghiên cứu gần đây đã chỉ ra rằng hơn 80% các công ty không theo dõi ROI trên chi tiêu trí tuệ nhân tạo của họ. Ngược lại, những công ty theo dõi ROI đang tìm thấy nó không đáp ứng được kỳ vọng với chỉ một phần tư các CEO toàn cầu báo cáo rằng đầu tư trí tuệ nhân tạo của họ đáp ứng được kỳ vọng ROI.

Nhưng như câu nói cổ tích, “một thợ mộc kém chất lượng đổ lỗi cho công cụ của mình” – nghĩa là, đối với nhiều người, ROI thất vọng vì triển khai trí tuệ nhân tạo đã được thiết lập để thất bại. Nếu chúng ta xem một doanh nghiệp như một khu vườn, để tăng năng suất và lợi nhuận, có một số bước cần thực hiện trước khi triển khai một công cụ như trí tuệ nhân tạo để có tác động đo lường lớn nhất.

Bước 1: Xác định nơi con người là thiết yếu

Có thể do sự hứa hẹn quá mức về khả năng của tiếp thị sản phẩm LLM, có một quan niệm sai lầm phổ biến rằng trí tuệ nhân tạo là một việc dễ dàng. Trên thực tế, triển khai trí tuệ nhân tạo tốt nhất bắt đầu bằng việc xác định nơi giám sát của con người là không thể thương lượng.

Ví dụ, khi làm việc với một công ty dịch vụ pháp lý, nhóm của tôi và tôi được giao nhiệm vụ triển khai một hệ thống trí tuệ nhân tạo có khả năng xử lý khối lượng lớn tài liệu pháp lý – phân loại chúng, trích xuất thông tin quan trọng và quyết định liệu giữ lại, chỉnh sửa hoặc xóa các tệp.

Trong khi trí tuệ nhân tạo xử lý công việc nặng nhọc bằng cách quét tài liệu để tìm kiếm sự liên quan, gắn thẻ dữ liệu nhạy cảm và tóm tắt câu trả lời, kết quả sau đó được chuyển đến các luật sư con người có thể xem xét công việc, xác nhận phán quyết pháp lý và ghi đè phân loại khi cần thiết.

Không chỉ giúp bảo vệ công ty khỏi rủi ro tiềm ẩn, mà việc cách ly chi phí tự động hóa khỏi chi phí giám sát cũng sẽ tạo ra các cuộc kiểm toán ROI sạch hơn trên đường đi.

Bước 2: Xác định cách trí tuệ nhân tạo có thể hỗ trợ tốt nhất cho nhân viên của bạn

Để tối đa hóa ROI trên trí tuệ nhân tạo, bạn cần chọn lọc nơi nó có thể phục vụ tốt nhất cho tổ chức của mình. Các quy trình lý tưởng để offload bao gồm các nhiệm vụ lặp đi lặp lại hoặc dựa trên quy tắc (ví dụ: phân loại cơ bản dịch vụ khách hàng hoặc mã hóa hóa đơn), tìm kiếm kiến thức nặng như điều khoản hợp đồng và nhập dữ liệu dễ bị lỗi, v.v.

Sau đó, cũng quan trọng là các mô hình trí tuệ nhân tạo được cấu hình chiến lược để bổ sung, chứ không phải phá vỡ, quy trình làm việc. Để làm điều này, hãy ánh xạ quy trình làm việc của nhân viên vào các nhiệm vụ và sau đó dán nhãn các nhiệm vụ đó theo một trong ba loại quy trình: tạo, chọn hoặc phán quyết. Các nhiệm vụ tạo có thể được giao cho trí tuệ nhân tạo, các nhiệm vụ yêu cầu phán quyết vẫn ở với nhân viên con người và các nhiệm vụ yêu cầu chọn có thể là một quy trình hợp tác nơi trí tuệ nhân tạo đề xuất các bước tiếp theo và con người xác định đường đi tốt nhất.

Trong ví dụ dịch vụ pháp lý trên, trí tuệ nhân tạo đang xử lý việc phân loại ban đầu bằng cách phân loại tài liệu (tạo), gắn thẻ nội dung nhạy cảm (tạo) và đưa ra câu trả lời có thể (chọn). Theo cách này, vai trò của nhân viên con người đã chuyển từ việc đào sâu vào chi tiết của tài liệu sang việc xác nhận kết quả (phán quyết) – biến công việc từng mất nhiều ngày thành một vấn đề trong vài giờ.

Về ROI, điều này giải phóng nhiều thời gian hơn để dành cho các trường hợp ngoại lệ, nơi lợi nhuận ẩn náu.

Bước 3: Tiêu chuẩn hóa dữ liệu đào tạo của bạn

Tinh chỉnh LLM với dữ liệu doanh nghiệp của bạn có thể mở khóa lợi thế cạnh tranh, nhưng để trí tuệ nhân tạo có kết quả, nó cần đất giàu dinh dưỡng, nghĩa là dữ liệu tốt, sạch sẽ. Dữ liệu xấu hoặc ồn ào sẽ làm hỏng kết quả và khuếch đại thiên vị. Tóm lại, kỷ luật dữ liệu của bạn quyết định độ tin cậy của đầu ra.

Vậy điều này bao gồm những gì? Một lượng lớn và đa dạng dữ liệu là quan trọng, nhưng cũng quan trọng là nó phải có chất lượng cao. Sự không nhất quán trong các định dạng dữ liệu và quy ước đặt tên hoặc các trường bị thiếu / không đầy đủ sẽ ảnh hưởng tiêu cực đến chất lượng của đầu vào thô. Tương tự, các đường ống dữ liệu trùng lặp hoặc không có cấu trúc sẽ làm phình to hóa đơn lưu trữ và làm chậm hiệu suất của mô hình.

Do đó, điều quan trọng là các đầu vào dữ liệu phải có kiểm soát chất lượng và quản lý mạnh mẽ – nghĩa là kiểm soát truy cập và tuân thủ quy định. Nếu không có các bộ lọc này, bạn không đầu tư vào trí tuệ nhân tạo, bạn chỉ đang đốt tiền trên các vòng làm sạch.

Với tất cả sự cường điệu về trí tuệ nhân tạo, điều dễ hiểu là các nhà lãnh đạo có thể cảm thấy áp lực để triển khai nhanh nhất có thể, nhưng việc dành thời gian để triển khai mô hình một cách chiến lược, hoặc làm giàu cho đất trước khi gieo hạt, sẽ dẫn đến thành công và lợi nhuận lớn hơn nhiều.