Andreea Pleşea, Tiến sĩ, COO và Đồng sáng lập Druid AI – Loạt phỏng vấn

Andreea Pleşea, Tiến sĩ, COO và Đồng sáng lập Druid AI, là một giám đốc công nghệ và doanh nhân với gần hai thập kỷ kinh nghiệm trải rộng từ kỹ thuật phần mềm, công nghệ doanh nghiệp, trí tuệ nhân tạo, vận hành đến thành công khách hàng. Kể từ khi đồng sáng lập Druid AI, bà đã đảm nhiệm nhiều vị trí lãnh đạo cao cấp trong toàn tổ chức, bao gồm Giám đốc Vận hành, Giám đốc Doanh thu và Giám đốc Thành công Khách hàng, mang lại cho bà kinh nghiệm cả về mặt kỹ thuật lẫn thương mại trong việc mở rộng một công ty phần mềm doanh nghiệp. Trước Druid AI, Pleşea đã làm việc gần một thập kỷ tại TotalSoft, tiến từ lập trình viên .NET lên Trưởng phòng Phát triển Phần mềm và cuối cùng là Giám đốc Ứng dụng Kinh doanh Charisma, nơi bà giám sát phát triển sản phẩm, triển khai, hỗ trợ kỹ thuật, kiến trúc giải pháp và trách nhiệm P&L. Nền tảng học thuật của bà còn bao gồm nghiên cứu AI tại Đại học Rome Tor Vergata, nơi bà hợp tác với Nhóm Nghiên cứu Trí tuệ Nhân tạo của trường về công nghệ trích xuất và cấu trúc thông tin từ dữ liệu không có cấu trúc. Bà cũng là thành viên Ban Cố vấn của Women in Tech Romania.

Druid AI là một công ty AI doanh nghiệp tập trung vào việc xây dựng và điều phối các tác nhân AI có thể tự động hoá các quy trình kinh doanh phức tạp trên toàn tổ chức. Nền tảng của nó kết hợp khả năng hiểu ngôn ngữ tự nhiên, AI sinh tạo, tạo sinh tăng cường truy xuất (RAG), tích hợp doanh nghiệp, tự động hoá quy trình làm việc, phân tích và quản trị, với Druid Conductor điều phối nhiều tác nhân và hệ thống chuyên biệt hướng tới kết quả kinh doanh. Các tổ chức có thể kết nối các tác nhân của Druid với các hệ thống như hoạch định nguồn lực doanh nghiệp (ERP), quản lý quan hệ khách hàng (CRM), quản lý dịch vụ CNTT (ITSM) và nền tảng nhân sự, đồng thời triển khai công nghệ trên môi trường đám mây, lai, tại chỗ hoặc không kết nối mạng. Công ty cho biết công nghệ của mình được hơn 300 khách hàng doanh nghiệp sử dụng và được hơn 200 đối tác toàn cầu hỗ trợ, với các ứng dụng bao gồm hỗ trợ nhân viên, dịch vụ khách hàng, chăm sóc sức khỏe, giáo dục đại học và dịch vụ chia sẻ.

Bạn đã đồng sáng lập Druid AI tại Bucharest vào năm 2018 sau gần một thập kỷ làm việc tại TotalSoft, nơi bạn tiến từ phát triển .NET lên vị trí lãnh đạo công nghệ và kinh doanh cao cấp. Điều gì đã thuyết phục bạn vào thời điểm đó rằng AI hội thoại có thể trở thành lớp cốt lõi của công nghệ doanh nghiệp, và tầm nhìn ban đầu đã phát triển như thế nào khi Druid chuyển sang AI tác nhân? 

Sự hội tụ của hai con đường riêng biệt – tính học thuật nghiêm ngặt và những khó khăn thực tiễn trong doanh nghiệp – đã định hình suy nghĩ của tôi trong quá trình thực hiện PhD. Tuy nhiên, chỉ khi Liviu Dragan, một nhà lãnh đạo đầy tầm nhìn, đưa ra ý tưởng thành lập Druid AI, tôi mới nhận ra nghiên cứu của mình cuối cùng có thể được áp dụng vào thực tiễn.

Trong giai đoạn 2008‑2011, nghiên cứu PhD của tôi tập trung vào các tác nhân AI tự động giao tiếp qua công nghệ web ngữ nghĩa và ontology, khám phá cách các hệ thống thông minh có thể thay thế hoặc nằm trên phần mềm doanh nghiệp truyền thống. Ngay sau đó, khi làm việc trong vị trí lãnh đạo công nghệ doanh nghiệp, tôi đã đối mặt với một thực tế khắc nghiệt: chúng tôi đang yêu cầu nhân viên quản lý một độ phức tạp không thể chịu đựng được.

Hoàn thành một nhiệm vụ thường lệ đơn giản đòi hỏi phải biết mở ứng dụng nào, dữ liệu nằm ở đâu, chính sách nào áp dụng, và ai là người chịu trách nhiệm bước tiếp theo. Trong khi đó, bên ngoài văn phòng, tin nhắn đang trở thành giao diện chủ đạo cho tương tác con người.

Khi chúng tôi thành lập Druid AI vào năm 2018, tầm nhìn của chúng tôi đơn giản nhưng đầy tham vọng: cung cấp cho mỗi nhân viên và khách hàng một trợ lý ảo có khả năng điều phối công việc trên toàn doanh nghiệp.

Gần một thập kỷ sau, tầm nhìn cốt lõi này vẫn không thay đổi – công nghệ chỉ đơn giản là đã bắt kịp. AI hội thoại chủ yếu liên quan đến nhận dạng ý định, truy xuất và kích hoạt các kịch bản tĩnh. AI tác nhân thay đổi ranh giới của việc ủy quyền. Các tác nhân hiện đại đánh giá mục tiêu, hợp tác với các tiểu tác nhân chuyên biệt, điều hướng các hệ thống rời rạc và tự động thực hiện các quy trình làm việc phức tạp, đa bước.

Đối với chúng tôi, cuộc cách mạng tác nhân hiện tại không phải là một bước chiến lược rời bỏ AI hội thoại. Đó là sự thực hiện tự nhiên của luận đề sáng lập của chúng tôi: công nghệ doanh nghiệp phải trở nên đơn giản hơn cho con người để giúp họ hoàn thành công việc, ngay cả khi việc điều phối phía sau màn che ngày càng tinh vi vô hạn.

Phần lớn ngành AI đã tập trung vào việc xây dựng các mô hình nền ngày càng mạnh mẽ, trong khi Druid AI tập trung vào việc kết nối các mô hình khác nhau với dữ liệu, hệ thống và quy trình doanh nghiệp. Khi các mô hình trở nên ngày càng có thể hoán đổi cho nhau, bạn có tin rằng việc điều phối sẽ trở thành lợi thế cạnh tranh quan trọng hơn so với mô hình nền tảng bản thân?

Tại Druid AI, sứ mệnh cốt lõi của chúng tôi rất đơn giản: khai thác những điều phi thường từ mỗi tương tác con người bằng cách hoàn thành công việc một cách hiệu quả. Nhưng khi thị trường trưởng thành, chìa khóa để mang lại giá trị đó là chuyển hướng khỏi nền tảng công nghệ cơ bản.

Chúng tôi đang chứng kiến một mô hình cổ điển trong công nghệ doanh nghiệp: những khả năng từng là điểm khác biệt ban đầu đang nhanh chóng trở thành hàng hoá. Hiện nay, các mô hình nền đã sẵn có cho mọi doanh nghiệp. Các doanh nghiệp sẽ không tránh khỏi việc triển khai một ma trận hỗn hợp các mô hình được chọn cho hiệu năng, chi phí, bảo mật hoặc yêu cầu quy định cụ thể. Khi trí tuệ trở thành hàng hoá, chiến trường chiến lược di chuyển lên phía trên của ngăn xếp.

Ngày nay, những vấn đề khó nhất trong AI doanh nghiệp liên quan đến ngữ cảnh thực thi: quản trị và truy cập (dữ liệu nào AI có thể chạm tới, và theo chính sách nào), định tuyến tác nhân (tác nhân chuyên biệt nào nên xử lý nhiệm vụ cụ thể), tích hợp hệ thống (cách các hệ thống giao dịch đa dạng phối hợp an toàn), tự chủ so với kiểm soát (khi nào tác nhân có thể hành động độc lập, và khi nào cần phê duyệt của con người), khả năng kiểm toán (nếu một quy trình thất bại, bạn có thể tái tạo chuỗi quyết định từng bước không).

Đây là lý do tại sao việc điều phối đã trở thành công cụ chiến lược tối thượng. Các mô hình tạo ra trí tuệ, nhưng doanh nghiệp cần một quá trình thực thi đáng tin cậy.

Druid AI được xây dựng để đóng vai trò là lớp kiểm soát và điều phối định nghĩa cuối cùng. Nó kết nối an toàn các mô hình khác nhau qua dữ liệu doanh nghiệp, quy trình làm việc và con người. Điều then chốt, nó cung cấp khung tham chiếu để đo lường hiệu quả thực thi, đánh giá kết quả kinh doanh thực sự.

Về lâu dài, câu hỏi quyết định sẽ không phải là, “Bạn đang sử dụng mô hình nào?” Mà sẽ là, “Bạn có thể chuyển đổi trí tuệ thô thành công việc hoàn thành cho nhân viên và khách hàng của mình một cách hiệu quả như thế nào?”

Druid Conductor có thể điều phối nhiều tác nhân chuyên biệt trong việc truy xuất kiến thức, logic quyết định và hành động hệ thống. Điều gì trở nên khó về mặt kỹ thuật khi một doanh nghiệp chuyển từ một trợ lý AI duy nhất trả lời câu hỏi sang nhiều tác nhân có thể tự thực hiện các quy trình kinh doanh đa bước một cách độc lập?

Sự chuyển đổi từ giao diện hội thoại đơn giản sang kiến trúc đa tác nhân cơ bản thay đổi thách thức kỹ thuật. Bạn ngừng quản lý một cuộc trò chuyện tuyến tính và bắt đầu quản lý một hệ thống quyết định và thực thi phân tán.

Với một trợ lý Hỏi‑đáp đơn lẻ, các trở ngại cốt lõi là nhận dạng ý định, truy xuất và tạo phản hồi với độ chính xác cao. Hệ sinh thái đa tác nhân giới thiệu một lớp hoàn toàn khác của các hệ thống phân tán và các câu hỏi:

1. Tác nhân nào có thẩm quyền hành động, và làm sao ngăn chặn sự trôi dạt phạm vi?
2. Trạng thái được duy trì như thế nào khi chuyển giao trách nhiệm giữa các tác nhân?
3. Những quyết định mâu thuẫn giữa các tác nhân chuyên biệt được giải quyết ra sao?
4. Các tiểu tác nhân thừa hưởng quyền truy cập một cách động và an toàn như thế nào?

Những thách thức này còn tăng lên khi áp dụng vào hạ tầng doanh nghiệp thực tế. Một quy trình đơn có thể bao phủ CRM, ERP, nền tảng quản lý danh tính, hệ thống ticketing và các cơ sở dữ liệu kế thừa. Mỗi hệ thống vận hành theo logic kinh doanh và chế độ lỗi riêng, nhưng cuối cùng tác nhân điều phối phải hoàn thành công việc một cách đúng đắn.

Nếu bước thứ tư trong một quy trình sáu bước thất bại sau khi ba hệ thống đã thực hiện các thay đổi giao dịch, một pipeline tác nhân cơ bản sẽ sụp đổ. Lớp điều phối không thể chỉ đưa ra lỗi chung. Nó phải quản lý trạng thái, thực hiện rollback nếu cần, xác định liệu có lộ trình thay thế hay không, hoặc nâng cấp một cách nhẹ nhàng tới can thiệp của con người trong vòng lặp.

Điều phối doanh nghiệp thực sự là quản lý trạng thái, tính nhất quán giao dịch, khả năng quan sát, thực thi chính sách và tự chủ an toàn. Mục tiêu của sự phức tạp nền tảng này là sự đơn giản: cung cấp một tương tác duy nhất, không ma sát, nơi các công việc đa hệ thống phức tạp được hoàn thành một cách dễ dàng.

Druid AI hiện đã hỗ trợ hơn một tỷ cuộc trò chuyện qua hàng ngàn tác nhân được triển khai. Ở quy mô đó, bạn đã học được gì về AI doanh nghiệp mà không thể rút ra từ các dự án thí điểm hay các buổi trình diễn có kiểm soát?

Sản xuất dạy bạn sự khiêm tốn một cách nhanh chóng.

Một dự án thí điểm thường là môi trường tương đối kiểm soát. Trường hợp sử dụng được xác định, dữ liệu tương đối sạch, người dùng đã biết và thường có một đội dự án giám sát chặt khe.

Sản xuất không hề giống như vậy. Mọi người đặt cùng một câu hỏi bằng hai mươi cách khác nhau. Họ thay đổi ý định giữa chừng trong một cuộc trò chuyện. Họ cung cấp thông tin không đầy đủ. Họ chuyển ngôn ngữ hoặc chủ đề. Họ tương tác vào những thời điểm không ngờ tới. Chính sách thay đổi. API gặp lỗi. Hệ thống hậu trường chậm lại. Các trường hợp biên mới xuất hiện mà không ai nghĩ tới trong thiết kế ban đầu. Một điều chắc chắn: mong đợi của người dùng là hoàn thành công việc một cách hiệu quả, liền mạch và tự nhiên. Dù là văn bản, nhưng đặc biệt là giọng nói, cuộc trò chuyện nên chảy tự nhiên, không độ trễ; cần có phần cảm thông, và thực hiện nhiệm vụ đồng thời đề xuất các tùy chọn và bước tiếp theo tốt nhất nếu có, hoặc xử lý các ngoại lệ và vòng lặp bằng con người khi cần.

Một số tự động hoá có giá trị cao nhất đến từ việc thực hiện những việc tương đối bình thường một cách xuất sắc và lặp lại hàng trăm ngàn lần: trả lời câu hỏi của nhân viên, kiểm tra tài khoản, lên lịch lại cuộc hẹn, giải quyết yêu cầu IT, hoặc truy xuất thông tin đúng từ hệ thống doanh nghiệp. Điều đó đã thay đổi cách chúng tôi suy nghĩ về giá trị AI.

Bài học thứ hai là việc đưa vào hoạt động chỉ là khởi đầu của một vòng học tập. Bạn cần quan sát những gì người dùng yêu cầu, những ý định nào đang tăng, nơi nào cuộc trò chuyện thất bại, nơi nào người dùng nâng cấp, và đôi khi quy trình kinh doanh nền tảng cần được thay đổi.

Và có lẽ bài học quan trọng nhất là niềm tin là vận hành, vì các doanh nghiệp tin tưởng AI vì theo thời gian, nó hoạt động dự đoán được, các ngoại lệ được xử lý đúng, quyết định có tính minh bạch và tổ chức vẫn giữ được quyền kiểm soát.

Dữ liệu sản xuất của Druid cho thấy một số lượng quy trình tương đối nhỏ có thể chiếm phần lớn việc sử dụng AI doanh nghiệp thực tế. Điều này có chỉ ra rằng các công ty nên tập trung đầu tư AI ban đầu vào một vài quy trình có khối lượng cao thay vì cố gắng thực hiện chuyển đổi trên toàn doanh nghiệp?

Một trong những mẫu rõ ràng nhất trong dữ liệu sản xuất của chúng tôi là nhu cầu có xu hướng tập trung. Trong dịch vụ tài chính, ví dụ, ba danh mục quy trình chiếm khoảng 90% lượng sử dụng sản xuất. Trong giáo dục đại học, mức độ tập trung còn cao hơn. Điều này cho chúng ta một điều quan trọng về cách các công ty nên suy nghĩ về chuyển đổi AI. Chúng tôi đã phân tích những hiểu biết này và tạo ra các báo cáo chuẩn cho giáo dục đại học, chăm sóc sức khỏe và ngân hàng, giúp đối tác và khách hàng xác định các quy trình sẽ tăng hiệu quả và dự đoán cách con người sẽ tương tác với các tác nhân.

Có một xu hướng, đặc biệt ở cấp hội đồng quản trị, bắt đầu với một yêu cầu rất rộng: “Bạn CẦN sử dụng AI nếu không chúng ta sẽ tụt lại phía sau.” Nhóm vận hành sau đó phải vật lộn trong việc xác định những công việc phù hợp mà các tác nhân có thể thực hiện đồng thời lo sợ mất việc. Vậy cân bằng đúng là gì và họ sẽ tuyển dụng được tác nhân AI phù hợp để cùng họ thực hiện công việc trong khi tối đa hoá KPI mà hội đồng mong đợi?

Bắt đầu ở những nơi có tiềm năng tăng doanh thu và/hoặc giảm chi phí, những việc mà con người thường lặp lại. Nếu hàng ngàn khách hàng, nhân viên, sinh viên hoặc bệnh nhân liên tục cố gắng đạt cùng một kết quả, bạn sẽ có một nền tảng đo lường và cơ hội mạnh mẽ để chứng minh giá trị.

Nhưng có một điểm quan trọng: bắt đầu hẹp, kiến trúc rộng.

Các trường hợp sử dụng đầu tiên có thể tập trung. Nền tảng phía dưới chúng cần có khả năng mở rộng trên toàn doanh nghiệp. Bạn chứng minh kinh tế, mô hình quản trị, tích hợp và cơ chế nâng cấp con người trên một vài quy trình có ý nghĩa. Sau đó mở rộng sang các quy trình liên quan dựa trên những gì đã học.

Khối lượng không nên là tiêu chí duy nhất. Một quy trình ít xuất hiện vẫn có thể rất giá trị nếu mỗi lần giải quyết thành công mang lại tác động tài chính hoặc vận hành đáng kể.

Khi các doanh nghiệp ngày càng tập trung vào việc giải quyết thành công thay vì chỉ tối đa hoá tỷ lệ tương tác không có con người, các tổ chức nên xác định như thế nào những quyết định mà một tác nhân AI có thể thực hiện tự động và nơi nào cần phải nâng cấp lên con người?

Druid AI đã xây dựng một khung đánh giá bao gồm 26 tiêu chí và đảm bảo việc đánh giá khách quan về điều phối tác nhân từ cách nó được xây dựng đến cách nó hoàn thành công việc.

Nếu một hành động có thể đảo ngược, rủi ro tương đối thấp, được quản trị bởi các quy tắc rõ ràng và dựa trên thông tin đáng tin cậy, thì có lý do mạnh mẽ để cho phép tự chủ. Việc lên lịch lại một cuộc hẹn với các tham số định sẵn rất khác so với quyết định lâm sàng và có vẻ đơn giản. Tuy nhiên, cần cân nhắc nhiều yếu tố nếu muốn thực hiện hiệu quả: ví dụ, nếu bác sĩ B có một khung giờ trống nhưng muốn giữ lại, tác nhân AI không nên lên lịch lại cuộc hẹn của bệnh nhân trong khung giờ đó chỉ vì nhiệm vụ là tối đa hoá độ phủ lịch của bác sĩ.

Có một số khía cạnh tôi sẽ xem xét: hậu quả tài chính hoặc nhân sự của lỗi, liệu hành động có thể đảo ngược được không, mức độ đầy đủ và chất lượng của thông tin sẵn có, yêu cầu pháp lý, và liệu có cần phán đoán hoặc cảm thông thực sự của con người không. Sau đó bạn thiết kế quy trình nâng cấp một cách có chủ đích.

Đây là nơi tôi cho rằng một số suy nghĩ ban đầu về tự động hoá AI quá đơn giản. Mục tiêu trở thành “giữ lại càng nhiều tương tác càng tốt mà không cần con người can thiệp.” Nhưng trong nhiều quy trình, việc nâng cấp lại chính là kết quả đúng.

Vì vậy, tôi thích suy nghĩ theo khái niệm giải quyết có quản trị hơn là chỉ giữ lại.

Mục tiêu là AI tự động giải quyết công việc mà nó nên giải quyết, nhận ra các tình huống mà nó không nên hành động, và đưa một người vào quy trình với ngữ cảnh liên quan đã được chuẩn bị.

Khi các tác nhân AI có thể truy xuất thông tin nhạy cảm, cập nhật hệ thống doanh nghiệp và khởi tạo các hành động thực tế, khả năng quan sát và quản trị trở nên quan trọng hơn nhiều. Các công ty nên có khả năng kiểm toán gì về lập luận, quyền truy cập dữ liệu và hành động của một tác nhân trước khi tin tưởng nó với các quy trình quan trọng?

Theo hướng dẫn của Gartner, DRUID có một khung đánh giá tích hợp phân tích các tác nhân từ 5 góc độ: độ chịu lỗi, rủi ro, tuân thủ, khả năng quan sát và độ lệch. Dưới các danh mục này, chúng tôi có tổng cộng 26 thành phần. Mỗi thành phần có định nghĩa, một tài liệu bạn có thể mở và một chỉ số đo lường.

Khi đánh giá một tác nhân, nền tảng cần có khả năng tái tạo chuỗi đầy đủ từ yêu cầu người dùng ban đầu tới hệ thống hành động cuối cùng. Điều đó có nghĩa là biết tác nhân nào đã xử lý yêu cầu, mô hình nào được sử dụng, ngữ cảnh nào mà mô hình nhận được, thông tin doanh nghiệp nào đã được truy xuất, quy tắc hoặc chính sách kinh doanh nào được áp dụng, lý do tại sao một lộ trình hoặc hành động cụ thể được chọn và chính xác những gì đã thay đổi trong các hệ thống nền. Hàng chục tương tác có thể kiểm toán được được theo dõi, phân tích và đo lường.

Nhận dạng cũng quan trọng không kém. Một tác nhân AI không bao giờ được phép trở thành lối tắt xung quanh kiểm soát truy cập doanh nghiệp. Bạn cần biết ai đã khởi tạo yêu cầu, người đó được phép xem hoặc làm gì, và liệu tác nhân có vẫn nằm trong đúng giới hạn đó không.

Với kiến trúc đa tác nhân, khả năng truy xuất nguồn gốc trở nên quan trọng hơn nữa. Tác nhân nào đã ủy thác cho tác nhân khác? Thông tin nào đã vượt qua ranh giới đó? Quyết định xuất phát từ đâu? Thành phần nào thực sự thực hiện hành động? Và còn có bằng chứng vận hành: dấu thời gian, tín hiệu độ tin cậy, kết quả thực thi, ngoại lệ, sự kiện nâng cấp và khả năng hiểu hoặc phát lại những gì đã xảy ra.

Đây là một trong những thay đổi lớn nhất khi chúng ta chuyển từ AI hội thoại sang AI tác nhân.

Khi AI chỉ trả lời câu hỏi, khả năng quan sát là hữu ích. Khi AI có thể thay đổi hồ sơ khách hàng, kích hoạt thanh toán, cập nhật nhiều hệ thống ghi chép, hoặc khởi tạo một quy trình kinh doanh, khả năng quan sát trở thành một phần của kiến trúc kiểm soát.

Bạn đã đảm nhiệm một loạt vai trò rộng rãi tại Druid AI, từ phát triển, vận hành, doanh thu đến thành công khách hàng. Việc làm việc trực tiếp với khách hàng đã hình thành quan điểm của bạn như thế nào về lý do tại sao một số triển khai AI doanh nghiệp tạo ra giá trị đo lường được trong khi những dự án khác vẫn mắc kẹt ở giai đoạn thí điểm?

Tôi bắt đầu sự nghiệp như một nhà phát triển, và giống như nhiều kỹ sư, tôi ban đầu có cảm giác mạnh mẽ rằng nếu công nghệ đủ tốt, giá trị của nó sẽ hiển nhiên. Khách hàng dạy bạn rất nhanh rằng đây không phải là cách công nghệ doanh nghiệp hoạt động.

Một triển khai kỹ thuật tinh vi vẫn có thể tạo ra giá trị rất ít nếu vấn đề kinh doanh không đủ quan trọng, nếu chủ sở hữu quy trình vắng mặt, nếu tích hợp được xem như một suy nghĩ sau cùng hoặc nếu không ai thống nhất định nghĩa thành công. Khách hàng rất giỏi trong việc loại bỏ câu chuyện công nghệ. Họ không quan tâm đến mức độ tinh tế kiến trúc nếu quy trình họ chịu trách nhiệm không được cải thiện.

Khi chúng ta nói về các triển khai ở quy mô đó, luôn có một chủ doanh nghiệp với vấn đề thực tế cần giải quyết. Có một khối lượng đo lường được, chi phí/doanh thu hoặc ma sát. AI được kết nối với các hệ thống nơi công việc thực sự diễn ra. Và có một kế hoạch áp dụng và cải tiến liên tục sau khi đưa vào hoạt động. Các dự án thí điểm thường vẫn là thí điểm vì chúng chứng minh công nghệ hoạt động mà không chứng minh mô hình vận hành hoạt động. Đó là lý do, mỗi khi giải quyết một dự án AI, chúng tôi đào tạo nhân viên và đối tác của mình để trước tiên hiểu công việc, không phải những cú nhấp chuột người dùng thực hiện trong hệ thống. “Công việc” ở đây nghĩa là toàn bộ quy trình, cách họ xử lý ngoại lệ, kết quả là gì, tần suất xuất hiện ngoại lệ, gì ngăn cản tăng năng suất, thời gian cần và nỗ lực để đạt được tăng năng suất nếu công việc không được tự động hoá.

Quá trình sự nghiệp của tôi đã đi qua công nghệ, vận hành, bán hàng, thành công khách hàng và xây dựng công ty, và tôi hiện thấy sự đa dạng này là một trong những lợi thế lớn nhất của mình. Công nghệ dạy bạn cách một thứ hoạt động. Bán hàng dạy bạn tại sao ai đó sẽ trả tiền cho nó. Thành công khách hàng dạy bạn liệu nó có hoạt động trong thực tế hay không. Vận hành dạy bạn liệu tổ chức có thể cung cấp nó một cách liên tục và quy mô lớn hay không.

Trong nhiều khía cạnh, quá trình phát triển của Druid AI đã theo cùng một lộ trình: từ việc chứng minh AI hội thoại có thể hoạt động, tới chứng minh nó có thể tạo ra giá trị, tới xây dựng hạ tầng cần thiết để làm cho các tác nhân thông minh đáng tin cậy ở quy mô doanh nghiệp.

Bạn cũng đã tham gia Women in Tech Romania trong quá trình xây dựng Druid thành một công ty AI quốc tế. Bạn vẫn thấy rào cản lớn nhất đối với phụ nữ sáng lập và lãnh đạo các công ty AI ở đâu, và điều gì có thể tăng đáng kể sự hiện diện của họ ở cấp điều hành và nhà sáng lập? 

Dữ liệu gần đây cho thấy khoảng cách đáng chú ý trong công nghệ châu Âu: chỉ 5% các công ty khởi nghiệp AI được sáng lập hoặc đồng sáng lập bởi phụ nữ, và chỉ một nửa trong số những nhà sáng lập đó có bằng Tiến sĩ. Mặc dù số liệu này rõ ràng, việc giải quyết bất bình này đòi hỏi phải nhìn ra ngoài các câu chuyện truyền thống về phân biệt giới tính.

Về cốt lõi, khởi nghiệp là một hành trình cá nhân được hình thành bởi tính cách, khả năng chịu rủi ro, ưu tiên cá nhân và lựa chọn nghề nghiệp. Thay vì chỉ xem đây là rào cản xã hội, chúng ta cần xem xét quy trình thực tế qua đó các nhà sáng lập được hình thành.

Mặc dù thống kê cho thấy các cô gái ít hứng thú với các ngành kỹ thuật ngay từ đầu, một rào cản quan trọng hơn và ít được bàn luận hơn xuất hiện sau này trong sự nghiệp doanh nghiệp: tiếp cận với việc sở hữu toàn bộ doanh nghiệp.

Phụ nữ thường xuất sắc như những chuyên gia kỹ thuật và lãnh đạo chức năng hàng đầu thế giới. Tuy nhiên, ít người chuyển sang các vai trò có trách nhiệm doanh thu trực tiếp, quản lý P&L, quyết định thương mại và chiến lược doanh nghiệp tổng thể. Đây chính là những “cơ bắp” vận hành cần thiết để sáng lập và mở rộng một công ty công nghệ doanh nghiệp.

Quá trình của tôi từ phát triển phần mềm tới vị trí CEO không phải là một đường thẳng, mà là một loạt các chuyển đổi qua lãnh đạo, vận hành, thực thi thương mại và cuối cùng là xây dựng công ty. Trong môi trường như hệ thống giáo dục Romania, nơi giáo dục tài chính thực tiễn và đào tạo khởi nghiệp thiếu cho mọi người bất kể giới tính, việc học cách điều hướng rủi ro kinh doanh là một quá trình tiếp xúc từng bước.

Vượt qua khoảng cách này cũng đòi hỏi phá bỏ một quan niệm phổ biến: ý tưởng rằng lãnh đạo công nghệ đòi hỏi phải thành thạo tuyệt đối trước khi bước lên. Trong thời đại AI phát triển nhanh, không ai có mọi câu trả lời. Những đặc điểm lãnh đạo quan trọng ngày nay là sự tò mò, học hỏi liên tục và tự tin giải quyết các vấn đề phức tạp trước khi kết quả được đảm bảo.

Để thấy nhiều phụ nữ hơn điều hành các công ty công nghệ, chúng ta cần mở rộng tiếp cận các mạng lưới thương mại, tôn vinh những hình mẫu đáng chú ý, và tích cực khuyến khích nhân tài có kinh nghiệm bước ra khỏi các silo chức năng, nhận trách nhiệm P&L và chấp nhận rủi ro của việc sở hữu doanh nghiệp.

Nhìn về phía trước, bạn nghĩ yếu tố nào sẽ phân biệt các nền tảng AI doanh nghiệp được tích hợp sâu vào hoạt động kinh doanh so với nhiều sản phẩm AI cuối cùng vẫn gặp khó khăn trong việc vượt qua giai đoạn thử nghiệm?

Ranh giới sẽ là liệu họ có thể chuyển từ trí tuệ sang thực thi đáng tin cậy hay không.

Tạo ra một phản hồi ấn tượng đã trở nên tương đối dễ dàng. Hoạt động đáng tin cậy trong một doanh nghiệp lớn là một câu chuyện khác.

Các nền tảng được tích hợp vào hoạt động kinh doanh sẽ phải kết nối an toàn với các hệ thống hiện có thay vì yêu cầu các công ty thay thế toàn bộ những gì họ đang sử dụng. Chúng sẽ cần làm việc qua các mô hình và công nghệ khác nhau.

Chúng sẽ cần một lớp điều phối có khả năng phối hợp các tác nhân, quy trình làm việc và quyết định của con người. Và chúng sẽ cần nhận dạng, quản trị, khả năng quan sát và kiểm soát được thiết kế sẵn trong kiến trúc thay vì được bổ sung sau này.

Nhưng còn một yêu cầu khác mà tôi cho rằng sẽ ngày càng phân biệt các thí nghiệm với hạ tầng: độ tin cậy trong các điều kiện không hoàn hảo. Một buổi trình diễn cho bạn thấy AI có thể làm gì khi mọi thứ hoạt động, nhưng một doanh nghiệp muốn biết sẽ xảy ra gì khi có sự cố.

Điều gì sẽ xảy ra khi dữ liệu không đầy đủ? Khi một API gặp lỗi? Khi hai chính sách mâu thuẫn? Khi độ tin cậy thấp? Khi người dùng yêu cầu một việc họ không được phép thực hiện?

Nếu một tác nhân hoạt động xuất sắc 90% thời gian nhưng hành vi không dự đoán được trong 10% còn lại, bạn không thể giao cho nó trách nhiệm trong một quy trình quan trọng.

Trong vài năm qua, câu hỏi chủ đạo là: “Mô hình này có thể làm gì?”

Câu hỏi của doanh nghiệp đang trở thành: “Làm sao tôi có thể hoàn thành công việc này một cách hiệu quả?”

Các nền tảng AI được tích hợp sâu vào các tổ chức sẽ là những nền tảng có thể trả lời câu hỏi thứ hai một cách thuyết phục: về mặt kỹ thuật, vận hành và kinh tế. Đó chính là cơ hội chúng tôi nhận ra khi khởi nghiệp Druid AI: đưa trí tuệ trở thành một phần của cách công việc được thực hiện.

Cảm ơn bạn đã tham gia buổi phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm nên truy cập <a href="https://