Chướng ngại vật của Trí tuệ nhân tạo không phải là thất bại. Đó là thất bại quá chậm.

Chướng ngại vật của Trí tuệ nhân tạo không phải là thất bại. Đó là thất bại quá chậm.

Trí tuệ nhân tạo (AI) đang thay đổi cách các tổ chức hoạt động, đổi mới và phát triển. Trong nhiều ngành công nghiệp, các tổ chức đang sử dụng AI để tối ưu hóa quy trình làm việc, mở khóa hiệu suất mới và hỗ trợ việc ra quyết định nhanh chóng và tự tin hơn. Khi AI trở thành động cơ đằng sau năng suất hiện đại, nó giúp các tổ chức đạt được sự linh hoạt và quy mô lớn hơn.

Tuy nhiên, mặc dù có nhiều lợi ích đo lường được của AI, điều không ngờ đang xảy ra. Nhiều doanh nghiệp đang gặp phải một rào cản. Thay vì tăng tốc đổi mới, một số đội đang sa vào sự phức tạp, quản lý rủi ro và nỗi sợ hãi ngày càng tăng về những điều không biết.

Tại sao? Bởi vì chúng ta đang nghĩ về nó theo cách sai lầm.

AI thường bị hiểu lầm như một công nghệ phải được kiểm soát hoàn toàn trước khi nó có thể được tin cậy. Điều này bắt nguồn từ niềm tin sai lầm rằng sự chắc chắn là một điều kiện tiên quyết cho sự an toàn. Nhưng cách giải thích này bỏ qua điểm của những gì AI là và cách nó mang lại giá trị. AI là một công cụ thích ứng được thiết kế để học hỏi và phát triển khi sử dụng. Việc đối xử với nó như thể nó nên hành động như phần mềm truyền thống là một cách hiểu sai về bản chất và tiềm năng của nó.

Trong nỗ lực khai thác AI một cách có trách nhiệm, nhiều tổ chức đã vô tình biến việc giảm thiểu rủi ro thành một nút thắt. Trong nhiều ngành công nghiệp, các đội do dự khi triển khai AI trừ khi họ có thể phân tích, giải thích và chứng minh mọi lớp của quá trình ra quyết định, thường đến mức không thực tế. Mặc dù mức độ kiểm tra này phản ánh sự cẩn thận tốt, nhưng nó thường đánh bại mục đích của AI: tăng tốc độ nhận thức, khuếch đại đội ngũ và giải quyết vấn đề trên quy mô lớn.

Đã đến lúc tái điều chỉnh bằng cách chuyển hướng từ yêu cầu kiểm soát hoàn toàn sang một mô hình nhấn mạnh sự linh hoạt, năng suất và khả năng giải thích thực tế – mà không làm chậm đổi mới.

Sự sợ hãi của Hộp đen đang chặn tiến bộ

Con người có sự khó chịu tự nhiên với các hệ thống họ không hiểu hoàn toàn, và các công cụ AI – đặc biệt là các mô hình tạo sinh lớn – thường hoạt động theo cách mà không dễ giải thích. Do đó, nhiều nhà lãnh đạo rơi vào bẫy: nếu họ không thể giải thích đầy đủ mọi quyết định AI, hệ thống không thể được tin cậy.

Do đó, nhiều tổ chức đã thiết kế quá mức các quy trình giám sát, thêm các lớp xem xét chéo chức năng, kiểm tra tuân thủ và kiểm tra khả năng giải thích, thậm chí đối với các trường hợp sử dụng có rủi ro thấp. Khi các đội coi khả năng giải thích như một nhu cầu phải mở mọi hộp đen, họ mắc kẹt AI vào các chu kỳ xem xét không ngừng. Điều này tạo ra một “tê liệt hoạt động” trong đó các đội trở nên quá sợ hãi khi làm sai điều gì đó với AI mà họ ngừng làm bất cứ điều gì, dẫn đến sự suy giảm dần dần của động lực, các sáng kiến bị đình trệ và cuối cùng, mất cơ hội.

Vấn đề không phải là ý định đằng sau các hệ thống kiểm soát; mà là giả định rằng giảm thiểu rủi ro phải bằng kiểm soát. Trong thực tế, thiết kế các hệ thống AI cho sự linh hoạt thay vì sự hoàn hảo là một cách tiếp cận hiệu quả hơn. Khóa là bỏ cách tiếp cận thủ tục để ủng hộ tư duy dựa trên kết quả.

Sự linh hoạt trong AI có nghĩa là chấp nhận rằng sẽ có sai sót và xây dựng các rào cản có thể phát hiện và khắc phục chúng. Nó có nghĩa là chuyển đổi cuộc trò chuyện từ cách ngăn chặn mọi thất bại có thể xảy ra sang cách đảm bảo phát hiện và can thiệp nhanh chóng khi mọi thứ đi sai hướng.

Hầu hết các hệ thống hiện đại được xây dựng với sự hiểu biết rằng một số mức độ lỗi sẽ xảy ra. Ví dụ, các công cụ an ninh mạng không được mong đợi là 100% không thấm. Chúng không được thiết kế để làm như vậy. Thay vào đó, chúng được thiết kế để phát hiện, phản hồi và tạo ra các giao thức phục hồi nhanh. Các kỳ vọng tương tự nên áp dụng cho AI.

Yêu cầu có cái nhìn tổng quan hoàn chỉnh vào mọi quyết định AI là không thực tế và có thể phản tác dụng đối với việc tạo ra giá trị. Thay vào đó, các tổ chức phải ủng hộ “khả năng giải thích ở cấp độ bảng điều khiển” cung cấp đủ ngữ cảnh và giám sát để phát hiện lỗi và áp dụng biện pháp bảo vệ mà không kéo đổi mới doanh nghiệp đến một điểm dừng.

Đừng làm cho việc triển khai AI trở nên quá phức tạp

Các tổ chức nên chấp nhận khả năng tương tác hoàn toàn trong việc triển khai AI, bất kể trường hợp sử dụng. Thay vì trở thành một sự phân tâm, khả năng tương tác hoàn toàn đảm bảo tích hợp liền mạch và mở khóa giá trị lớn hơn trên các hệ thống. Trong tương lai, trên các doanh nghiệp, có thể chúng ta sẽ thấy các đội quân ảo của các tác nhân AI làm việc cùng nhau để đạt được các mục tiêu chung.

Quan điểm này là về việc điều chỉnh khả năng giải thích để phù hợp với mức độ rủi ro – để ngừng đối xử với mọi trường hợp sử dụng AI như thể nó đang vận hành một phương tiện tự động. Các đội có thể đạt được điều này bằng cách thiết kế các hệ thống AI sản xuất, có trách nhiệm và phù hợp với ý định của con người mà không làm cho việc triển khai trở nên quá phức tạp.

Một số chiến lược thực tế bao gồm:

• Triển khai AI nơi con người đang gặp khó khăn: Sử dụng AI để tăng cường việc ra quyết định của con người trong các lĩnh vực phức tạp, có khối lượng lớn như phân bổ tài nguyên, ưu tiên nhiệm vụ hoặc quản lý tồn đọng nơi tốc độ và quy mô quan trọng hơn sự chắc chắn hoàn toàn.
• Định nghĩa các chỉ số thành công của AI: Thay vì cố gắng giải thích mọi mô hình, hãy định nghĩa những kết quả tốt trông như thế nào. Các khung thời gian có đang cải thiện không? Số lượng làm lại có giảm không? Người dùng có chấp nhận đề xuất của AI thường xuyên hơn không? Những chỉ số này cung cấp một bức tranh rõ ràng hơn về cách AI hoạt động so với việc đào sâu vào chi tiết về cách mô hình đưa ra quyết định.
• Thiết lập ngưỡng tự tin: Đặt ngưỡng cho khi nào đầu ra của AI có thể được tự động chấp nhận, đánh dấu hoặc gửi để xem xét của con người và xây dựng một vòng phản hồi để giúp hệ thống học hỏi và cải thiện theo thời gian.
• Đào tạo các đội để đặt câu hỏi đúng: Thay vì biến mọi đội thành chuyên gia AI, hãy tập trung đào tạo họ để đặt câu hỏi đúng, chẳng hạn như vấn đề nào AI đang được sử dụng để giải quyết, rủi ro nào quan trọng nhất và hiệu quả sẽ được theo dõi như thế nào.
• Ưu tiên lý lẽ của con người: Ngay cả những hệ thống AI tốt nhất cũng được hưởng lợi từ sự giám sát của con người. Xây dựng các quy trình làm việc cho phép mọi người xác nhận, sửa chữa hoặc ghi đè AI như một cách để tạo ra sự trách nhiệm chung.

Cách tiếp cận này có thể được so sánh với việc lái xe. Hầu hết chúng ta không hiểu cách một hộp số hoạt động, cách đốt cháy nhiên liệu tạo ra gia tốc hoặc cách các cảm biến phát hiện các phương tiện gần đó, nhưng điều đó không ngăn cản chúng ta lái xe. Điều chúng ta dựa vào là bảng điều khiển: một giao diện đơn giản hóa cung cấp thông tin chúng ta cần để vận hành an toàn, chẳng hạn như tốc độ, mức nhiên liệu và cảnh báo bảo trì.

Các hệ thống AI nên được quản lý theo cách tương tự. Chúng ta không cần phải mở nắp ca-pô mỗi khi động cơ chạy. Điều cần thiết là một tập hợp các chỉ số rõ ràng cho thấy khi nào có điều gì đó không ổn, nơi can thiệp của con người có thể cần thiết và các bước tiếp theo để thực hiện. Mô hình này cho phép các tổ chức tập trung vào việc giám sát nơi nó quan trọng mà không bị nhấn chìm trong sự phức tạp kỹ thuật.

Dừng cản trở chính mình

AI sẽ không bao giờ hoàn hảo. Và nếu các tổ chức giữ nó ở mức hoàn hảo mà không đội ngũ con người nào có thể đáp ứng, họ có nguy cơ mất cơ hội tái tưởng tượng công việc, tăng tốc độ ra quyết định và mở khóa tiềm năng trên toàn doanh nghiệp.

Bằng cách tập trung vào sự linh hoạt hơn là kiểm soát, chấp nhận khả năng giải thích ở cấp độ bảng điều khiển và điều chỉnh việc giám sát theo ngữ cảnh, chúng ta có thể ngừng suy nghĩ quá nhiều về AI và bắt đầu tạo ra nhiều thành công hơn với nó.