Mô hình và nền tảng AI
Chỉ số của Andus Labs xếp tình trạng thí điểm AI tràn lan và khoảng trống trong quy trình làm việc vào nhóm rủi ro hàng đầu của doanh nghiệp
Andus Labs xếp tình trạng thí điểm AI tràn lan và việc sử dụng trợ lý AI hời hợt vào nhóm rào cản hàng đầu đối với doanh nghiệp, qua đó nhấn mạnh khoảng cách giữa việc sử dụng công cụ và thay đổi trong vận hành.

Điểm chínhChỉ riêng việc tiếp cận công cụ không tạo ra một mô hình vận hành có thể sử dụng AI một…
Xem thêm
- Chỉ riêng việc tiếp cận công cụ không tạo ra một mô hình vận hành có thể sử dụng AI một cách hiệu quả.
- Các dự án thí điểm không có câu hỏi chung hoặc quy tắc quyết định chỉ tạo ra hoạt động mà không tạo ra thay đổi có thể đo lường.
- Giám sát thất bại khi các nhóm có thể áp dụng AI nhưng không thể thiết kế lại công việc xoay quanh nó.
AI trong doanh nghiệp có thể tạo cảm giác hoạt động sôi nổi mà không làm thay đổi cách công ty vận hành. Đó là cảnh báo trọng tâm trong Ground Truth Index mới nhất của Andus Labs, xếp các thử nghiệm chồng chéo và việc sử dụng trợ lý AI hời hợt vào nhóm rào cản tổ chức hàng đầu trong bảng xếp hạng tháng 11.
Ấn bản thứ ba, phát hành ngày 18 tháng 11, xác định 25 mô hình ưu tiên. Các phát hiện này không phải là khảo sát đại diện cho mức độ ứng dụng AI trong doanh nghiệp, cũng không đo lường tổn thất tài chính. Đây là một khuôn khổ chẩn đoán được xây dựng từ những quan sát thực tế của Andus, hoạt động chấm điểm có hỗ trợ AI và nhận định của các nhà nghiên cứu. Đóng góp hữu ích nhất của báo cáo là chỉ ra một khác biệt thường bị các bảng theo dõi mức độ ứng dụng che khuất: có quyền truy cập vào công cụ AI không đồng nghĩa với việc có mô hình vận hành đủ khả năng sử dụng chúng hiệu quả.
Khi thử nghiệm trở thành vấn đề trong vận hành
Andus xếp Triển khai tràn lan ở vị trí đầu tiên và Giới hạn của trợ lý AI ở vị trí thứ hai. Mô hình thứ nhất mô tả những thử nghiệm được triển khai mà không có cơ sở chung để đánh giá kết quả. Mô hình thứ hai mô tả các tổ chức nơi trợ lý AI trở thành công cụ quen thuộc để soạn thảo và tóm tắt, nhưng không làm thay đổi đáng kể quy trình làm việc trong doanh nghiệp.
Trong thông cáo công bố, Andus cho biết bốn trong tám mô hình hàng đầu liên quan đến sự gắn kết trong tổ chức — nhóm phân loại mức độ mà cơ cấu tổ chức và chi tiêu hỗ trợ những thay đổi dự kiến. Hai mô hình còn lại là Thổi phồng sản phẩm đầu ra, xếp thứ sáu, và Chạy đua theo làn riêng, xếp thứ tám. Các mô hình này mô tả tình trạng quá tải khâu rà soát do đầu ra AI trông có vẻ hoàn thiện và các nhóm hoạt động rời rạc cùng xây dựng những năng lực tương tự.
Vấn đề thực tế không nằm ở chỗ thử nghiệm vốn dĩ gây lãng phí. Một dự án thí điểm vẫn có thể giúp trả lời một câu hỏi có giá trị, ngay cả khi câu trả lời là nên dừng lại. Vấn đề nảy sinh khi các nhóm không thống nhất được câu hỏi cần giải đáp, mức cơ sở để so sánh hay quy tắc ra quyết định. Mức độ sử dụng cao có thể cho thấy sự tò mò hoặc tiện lợi, nhưng không chứng minh được quy trình đã nhanh hơn, đáng tin cậy hơn hay ít tốn kém hơn sau khi tính cả chi phí rà soát và tích hợp.
Chẳng hạn, hai phòng ban thử nghiệm các trợ lý tài liệu riêng biệt có thể đều báo cáo mức độ tương tác cao. Tuy vậy, vẫn chưa rõ liệu các công cụ có trùng lặp chức năng hay không, liệu công cụ nào có rút ngắn thời gian xử lý từ đầu đến cuối hay không, và ai sẽ chịu trách nhiệm cho việc triển khai dùng chung. Đó là những quyết định về tổ chức, chứ không phải vấn đề lựa chọn mô hình.
Trách nhiệm giải trình phải đi đôi với quyền hạn của AI
Ba mục tiếp theo trong bảng xếp hạng là Ghế trống, Vừa học vừa ngập việc và Quyền tự chủ ngầm. Andus dùng các tên gọi này để chỉ tình trạng thiếu giám sát đối với các quyết định của AI, việc bổ sung đào tạo vào khối lượng công việc vốn đã quá tải và việc sử dụng AI chưa được phê duyệt, có liên quan đến thông tin nhạy cảm của doanh nghiệp. Có chín trong số 25 mô hình của ấn bản này là mới; 16 mô hình đã xuất hiện trước đó.
Những mối lo ngại này đều liên quan đến việc xác định trách nhiệm. Một nhóm có thể được phép áp dụng công cụ nhưng không có thẩm quyền thiết kế lại quy trình xoay quanh công cụ đó. Nhân viên có thể được yêu cầu học phương pháp mới trong khi vẫn bị đánh giá theo khối lượng công việc không đổi. Một hệ thống có thể được phép đưa ra đề xuất mà không có người cụ thể nào chịu trách nhiệm xem xét các trường hợp ngoại lệ.
Khắc phục sự không ăn khớp này đòi hỏi nhiều hơn việc bổ sung một bước phê duyệt. Một cơ chế kiểm soát hữu ích cần xác định quyết định cần đưa ra, người chịu trách nhiệm, bằng chứng mà người đó cần có và những tình huống đòi hỏi phải can thiệp. Nếu không, chính hoạt động giám sát có thể trở thành một hàng chờ khác, tiêu tốn thời gian mà công cụ AI vốn được kỳ vọng sẽ tiết kiệm.
Cách xây dựng chỉ số
Andus cho biết thư viện mô hình của công ty dựa trên 2.100 cuộc họp và trao đổi với 700 tổ chức, hiện có 332 mô hình. Năm tác nhân phân tích AI chấm điểm độc lập các mô hình này từ những góc nhìn nghề nghiệp khác nhau. Các tiêu chí chấm điểm gồm mức độ nghiêm trọng, tốc độ, mức độ cận kề, tiến triển và khả năng mở rộng quy mô. Điểm trung vị được dùng làm mức cơ sở; sau đó, các nhà nghiên cứu xem xét 50 mô hình đứng đầu và phân xử những bất đồng trước khi công bố 25 ưu tiên.
Phương pháp này cũng đưa tin tức bằng tiếng Anh, hồ sơ tài chính của các công ty lớn tại Mỹ và tín hiệu từ cơ quan quản lý vào phân tích. Những nguồn đầu vào đó giúp mở rộng bối cảnh, nhưng không biến các cuộc trao đổi ban đầu thành một mẫu ngẫu nhiên. Vì vậy, nên đọc bảng xếp hạng như đánh giá của Andus về các ưu tiên, chứ không phải tỷ lệ phần trăm doanh nghiệp đang gặp từng vấn đề. Việc lấy trung vị từ nhiều đánh giá của AI cũng không chứng minh rằng các đánh giá đó chính xác một cách độc lập.
Từ ứng dụng công cụ đến thay đổi có thể đo lường
Đối với lãnh đạo doanh nghiệp, chỉ số này cung cấp một cách hữu ích để xem xét danh mục AI mà không mặc định rằng mọi đợt triển khai đều thất bại. Câu hỏi cốt lõi là công việc đã thay đổi ra sao: khâu bàn giao nào không còn cần thiết, quyết định nào được cải thiện, gánh nặng rà soát nào giảm xuống, hay trách nhiệm mới nào đã được xác định rõ.
Một quyết định mở rộng quy mô đáng tin cậy cần có bằng chứng về hoạt động thực tế bên cạnh số liệu ứng dụng. Quyết định dừng triển khai đáng tin cậy cũng cần những bằng chứng đó. Bảng xếp hạng mới nhất của Andus chuyển trọng tâm khỏi số lượng thử nghiệm mà công ty tài trợ, sang việc công ty có thể so sánh các thử nghiệm, rút kinh nghiệm từ chúng và chịu trách nhiệm về những gì xảy ra tiếp theo hay không.












