Mô hình và nền tảng AI

Hội nghị Thượng đỉnh về Chuyển đổi AI & Dữ liệu trong ngành Xây dựng Canada 2026 cho thấy điều gì về AI doanh nghiệp

Antoine Tardif
Thêm Unite.AI vào các nguồn ưu tiên của bạn trên Google
Toronto construction site with a digital twin and connected data pathways
Điểm chínhHạn chế chính của AI doanh nghiệp hiện nay là tổ chức xung quanh mô hình chứ không phải…
Xem thêm
  • Hạn chế chính của AI doanh nghiệp hiện nay là tổ chức xung quanh mô hình chứ không phải khả năng tiếp cận mô hình.
  • Sự sẵn sàng của dữ liệu là một kỷ luật vận hành liên tục vì AI không thể tái tạo thông tin chưa từng được thu thập.
  • Các khoản đầu tư vào AI đang đối mặt với sự giám sát ROI ngày càng tăng khi các công ty yêu cầu kết quả đo lường được gắn với các vấn đề vận hành cụ thể.

Thông tin công khai: AMG World đã đài thọ chi phí tham dự hội nghị thượng đỉnh tại Toronto của Unite.AI. Những nhận định và kết luận trong bài viết này là của chúng tôi.

Ngành xây dựng có thể không phải là nơi đầu tiên mọi người tìm đến để nắm bắt những dấu hiệu về hướng phát triển của trí tuệ nhân tạo. Chính điều đó khiến ngành này trở thành phép thử hữu ích cho công nghệ này.

Ngành xây dựng kết hợp chuỗi cung ứng phức tạp, các nhóm làm việc phân tán, hệ thống cũ, rủi ro vật lý, biên lợi nhuận eo hẹp và lượng thông tin khổng lồ được tạo ra tại các công trường luôn thay đổi. Một hệ thống AI có thể tạo nên màn trình diễn ấn tượng trong môi trường được kiểm soát, nhưng mang lại giá trị đáng tin cậy trong những điều kiện đó lại là một thách thức hoàn toàn khác.

Tại Hội nghị thượng đỉnh Canada 2026 về chuyển đổi AI & dữ liệu trong ngành xây dựng của AMG World ở Toronto vào ngày 17 tháng 11, các cuộc thảo luận phản ánh một thị trường AI đang bước vào giai đoạn đòi hỏi cao hơn. Chương trình hội nghị bao quát các chủ đề gồm ROI có thể đo lường, dữ liệu được kết nối, bản sao số, chuyển đổi lực lượng lao động và triển khai trong vận hành. Tuy nhiên, qua các bài thuyết trình và thảo luận bàn tròn, một kết luận nổi bật hơn cả: yếu tố hạn chế chính đối với AI doanh nghiệp không còn là khả năng tiếp cận một mô hình mạnh. Đó là tổ chức bao quanh mô hình ấy.

Tham vọng về AI va chạm với thực tế vận hành

Không cần phải thuyết phục người tham dự rằng AI có thể tác động đến ngành xây dựng. Những câu hỏi khó hơn là triển khai công nghệ này ra sao, áp dụng ở đâu và chứng minh giá trị đủ lớn như thế nào để khoản đầu tư trở nên xứng đáng.

Nhiều tổ chức dường như đang mắc kẹt giữa tham vọng và sự bất định. Họ muốn triển khai AI nhưng chưa có quy trình rõ ràng để xác định các trường hợp sử dụng phù hợp, phân công trách nhiệm hoặc đưa công nghệ vào sử dụng theo cách được nhân viên chấp nhận. Đây là cuộc trao đổi lành mạnh hơn so với sự hào hứng không dè dặt từng đặc trưng cho giai đoạn bùng nổ AI tạo sinh ban đầu.

Điều đó cũng đồng nghĩa với việc các nhà cung cấp phải đối mặt với những khách hàng khó tính hơn. Một giao diện hấp dẫn là chưa đủ. Các công ty xây dựng ngày càng muốn biết hệ thống AI phù hợp với môi trường dữ liệu hiện có của họ như thế nào, điều gì sẽ xảy ra khi thiếu thông tin, kết quả có thể được xác thực ra sao và liệu giải pháp có trụ vững khi được đưa vào hoạt động thực tế tại công trường hay không.

Ngay cả cuộc thảo luận về mô hình cũng có vẻ tập trung hẹp hơn so với những gì thị trường AI nói chung có thể khiến người ta hình dung. Claude là mô hình ngôn ngữ lớn đa dụng duy nhất được nhắc đi nhắc lại trong các cuộc trao đổi được ghi lại trong ghi chép của chúng tôi. Không nên xem đây là kết luận về thị phần. Tuy vậy, điều này cho thấy việc ứng dụng AI trong doanh nghiệp thường tập trung vào một số ít công cụ đã vượt qua các ngưỡng nội bộ về độ tin cậy, bảo mật hoặc mua sắm.

Thách thức quan trọng nhất của AI bắt đầu trước cả mô hình

Chất lượng dữ liệu là mối lo ngại dai dẳng nhất.

Bản sao số là một ví dụ rõ ràng. Bản sao số chỉ hữu ích khi thông tin liên tục được cập nhật từ mọi bộ phận liên quan của dự án. Nếu nhà thầu không gửi thông tin cập nhật, hệ thống của bên thứ ba chỉ cung cấp một phần dữ liệu cần thiết hoặc nhân viên nghỉ việc mà không bàn giao những gì họ biết, mô hình sẽ dần xa rời thực tế.

Kết quả vẫn có thể trông rất tinh vi. Nhưng cũng có thể sai.

Không thể giải quyết vấn đề này bằng cách tăng quy mô mô hình. AI không thể tái tạo một cách đáng tin cậy thông tin vận hành vốn chưa bao giờ được ghi nhận. AI cũng không thể xác định bên nào chịu trách nhiệm lấp đầy khoảng trống nếu tổ chức chưa quy định trách nhiệm đó.

Các cuộc thảo luận ở Toronto nhiều lần nhấn mạnh nhu cầu về thông tin đáng tin cậy, cấu trúc dữ liệu rõ ràng và các quy trình giúp duy trì tính cập nhật của mô hình. Đây là một lý do khiến chương trình hội nghị chính thức đặc biệt chú trọng đến nền tảng dữ liệu, hoạt động triển khai có tính kết nối, bản sao số và sự phối hợp giữa con người với quy trình.

Bài học này có ý nghĩa quan trọng đối với toàn ngành AI: mức độ sẵn sàng về dữ liệu không đơn thuần là một dự án làm sạch cơ sở dữ liệu được hoàn tất trước khi triển khai. Đó là một kỷ luật vận hành liên tục.

Các nhóm tại công trường đang trở thành một phần của hạ tầng AI

Một trong những nhận định thiết thực nhất tại hội nghị liên quan đến vai trò của các quản lý dự án. Họ được xác định là đầu mối then chốt trong việc thu thập thông tin từ công trường và bảo đảm thông tin đó đến được các hệ thống mà toàn tổ chức sử dụng.

Điều đó khiến các quản lý dự án và đội ngũ tuyến đầu trở thành một phần của hạ tầng AI, bất kể chức danh công việc của họ có nhắc đến trí tuệ nhân tạo hay không.

Nếu việc ghi nhận thông tin đòi hỏi thêm biểu mẫu, nhập liệu trùng lặp hoặc một quy trình làm việc mới phức tạp, khoảng trống dữ liệu sẽ vẫn tồn tại. Vì vậy, những hệ thống hiệu quả nhất sẽ là các hệ thống biến việc thu thập dữ liệu chính xác thành một phần tự nhiên của quá trình hoàn thành công việc, thay vì áp đặt thêm gánh nặng hành chính sau đó.

Điều này đặc biệt quan trọng trong một ngành mà nhiều quy trình vẫn còn được thực hiện theo phương thức thủ công, và nhân viên, nhà thầu, công đoàn, nhà cung cấp công nghệ cũng như chủ đầu tư có thể tương tác với thông tin theo những cách khác nhau. Triển khai thành công đòi hỏi nhiều hơn việc cấp cho mọi người quyền truy cập vào một trợ lý AI. Điều đó đòi hỏi phải thiết kế một luồng thông tin đáng tin cậy xuyên suốt toàn bộ tổ chức.

Việc thẩm định ROI ngày càng khắt khe

Những người tham dự cũng nêu quan ngại về các khoản đầu tư vào AI chưa mang lại lợi ích như kỳ vọng ban đầu. Chi phí token được đề cập, nhưng vấn đề lớn hơn là rủi ro về vốn.

Các công ty xây dựng vốn quen đánh giá dự án dựa trên chi phí, tiến độ, an toàn và mức độ rủi ro. Họ khó có thể chấp nhận việc thử nghiệm AI không có thời hạn, nhất là khi triển khai còn đòi hỏi tích hợp mới, tư vấn, đào tạo và chuẩn bị dữ liệu, ngoài chi phí sử dụng mô hình.

Điều này không có nghĩa là các doanh nghiệp đang rút lui khỏi AI. Điều đó có nghĩa là họ đòi hỏi mối liên hệ rõ ràng hơn giữa công nghệ và một kết quả kinh doanh có thể đo lường được.

Các ứng dụng triển khai đáng tin cậy nhất sẽ gắn với những vấn đề vận hành cụ thể: giảm khối lượng công việc hành chính, cải thiện khả năng tiếp cận kiến thức dự án, nhận diện rủi ro tiến độ, duy trì hồ sơ số hoặc giúp các nhóm đưa ra quyết định nhanh hơn dựa trên thông tin họ đã có. Một sáng kiến AI chỉ được mô tả chung chung là chuyển đổi sẽ vấp phải nhiều phản đối hơn một sáng kiến được thiết kế để giải quyết một nút thắt có thể xác định rõ.

Độ tin cậy đang trở thành một phần trong phép tính ROI đó. Người tham dự đặt câu hỏi điều gì sẽ xảy ra nếu dịch vụ AI hoặc một nền tảng đám mây lớn ngừng hoạt động. Một khi AI được đưa vào quy trình vận hành, việc lập kế hoạch duy trì hoạt động không thể tiếp tục bị xem là chuyện thứ yếu. Các tổ chức cần biết công việc nào có thể tiếp tục, quyết định nào cần có phương án dự phòng do con người đảm trách, và hệ thống sẽ khôi phục ra sao mà không làm mất dữ liệu.

Việc ứng dụng AI vẫn là thách thức về con người

Nỗi lo bị AI thay thế việc làm vẫn hiện hữu, nhưng một trở ngại cấp bách hơn là nhiều nhân viên chưa hiểu những điều cơ bản về khả năng và giới hạn của AI.

Điều này tạo ra rủi ro theo cả hai chiều. Nhân viên có thể né tránh các hệ thống hữu ích vì không tin tưởng chúng, hoặc quá dễ dàng dựa vào kết quả đầu ra vì đánh giá quá cao độ chính xác của chúng.

Không thể giải quyết thách thức này chỉ bằng một buổi đào tạo. Việc ứng dụng AI phụ thuộc vào việc chỉ cho nhân viên thấy AI hỗ trợ công việc của họ như thế nào, đặt ra kỳ vọng rõ ràng về trách nhiệm của con người và lựa chọn những ứng dụng mà nhân viên có thể nhận thấy là hữu ích.

Điều này đặc biệt khó khăn với các công ty vừa và nhỏ. Nhiều công ty không đủ năng lực để lập một nhóm AI chuyên trách hoặc giao trách nhiệm dài hạn cho một sáng kiến thử nghiệm. Vì vậy, những câu hỏi về việc huấn luyện một LLM nội bộ có thể kém quan trọng hơn các câu hỏi về quyền truy cập dữ liệu, quản trị, đánh giá và người chịu trách nhiệm cuối cùng đối với hệ thống được tạo ra.

Cơ hội thị trường rất lớn, nhưng có thể sẽ thuộc về những nhà cung cấp giúp giảm bớt sự phức tạp trong tổ chức, thay vì chỉ cung cấp thêm một mô hình.

Ngành xây dựng là phép thử khắc nghiệt đối với AI doanh nghiệp

Điều làm nên giá trị của hội nghị thượng đỉnh tại Toronto là trọng tâm hướng vào khoảng cách giữa một buổi trình diễn thành công và một giải pháp triển khai đáng tin cậy. Sự kết hợp giữa các bài thuyết trình và những cuộc thảo luận bàn tròn quy mô nhỏ đã tạo điều kiện để nêu lên các mối quan ngại trong vận hành mà những câu chuyện trau chuốt về AI thường bỏ qua.

Ngành xây dựng phơi bày gần như mọi điểm yếu mà AI doanh nghiệp phải khắc phục: thông tin phân mảnh, môi trường luôn thay đổi, quy trình cũ, người mua thận trọng, năng lực kỹ thuật hạn chế, lực lượng lao động kháng cự và hậu quả nghiêm trọng khi thông tin sai lệch.

Ngành này cũng cho thấy vì sao cơ hội vẫn đầy sức hấp dẫn. Việc kết nối kiến thức dự án, dữ liệu tại công trường, bản sao số và kinh nghiệm của tổ chức có thể cải thiện đáng kể cách các công ty lập kế hoạch và triển khai những công việc phức tạp. Tuy nhiên, những hệ thống thành công sẽ là những hệ thống giúp thông tin đầy đủ, đáng tin cậy và dễ tiếp cận hơn đối với những người chịu trách nhiệm hành động dựa trên thông tin đó.

Cuộc thảo luận tiếp tục sau Toronto

Chuỗi sự kiện về ngành xây dựng của AMG World sẽ tiếp tục với Hội nghị Thượng đỉnh về Chuyển đổi AI & Dữ liệu trong ngành Xây dựng tại Austin 2027 vào ngày 26 tháng 1, sau đó là Hội nghị Thượng đỉnh về Chuyển đổi AI & Dữ liệu trong ngành Xây dựng tại châu Âu 2027 ở London vào ngày 23 tháng 2.

Ban tổ chức cũng sẽ mở rộng thảo luận sang các ngành thâm dụng tài sản khác. Hội nghị Thượng đỉnh về AI và Công nghệ Dầu khí 2027 sẽ được tổ chức tại Houston vào ngày 9 tháng 2, quy tụ các nhà lãnh đạo về AI, dữ liệu, chuyển đổi số và vận hành trong lĩnh vực năng lượng.

Nếu Toronto là dấu hiệu cho thấy điều gì sắp tới, thì giai đoạn tiếp theo của AI doanh nghiệp sẽ không do những bên tạo ra màn trình diễn hào nhoáng nhất dẫn dắt. Thay vào đó, các tổ chức có thể kết nối mô hình với dữ liệu đáng tin cậy, con người chịu trách nhiệm, quy trình bền bỉ và kết quả kinh doanh xứng đáng được đầu tư sẽ dẫn đầu.

Antoine là một nhà lãnh đạo có tầm nhìn và đối tác sáng lập của Unite.AI, được thôi thúc bởi niềm đam mê bền bỉ trong việc định hình và thúc đẩy tương lai của AI và công nghệ robot. Là doanh nhân đã thành lập nhiều công ty, ông tin rằng AI sẽ làm thay đổi xã hội sâu sắc như điện năng và thường hào hứng nói về tiềm năng của các công nghệ đột phá và trí tuệ nhân tạo tổng quát (AGI).

Với vai trò là một nhà tương lai học, ông dành tâm huyết khám phá cách những đổi mới này sẽ định hình thế giới. Ông cũng là người sáng lập Securities.io, một nền tảng tập trung đầu tư vào các công nghệ tiên tiến đang định nghĩa lại tương lai và tái định hình toàn bộ các ngành.