Phá vỡ vòng luẩn quẩn: Làm thế nào các tổ chức có thể tránh được những lời tiên đoán bi quan và đạt được thành công

Kể từ khi khái niệm lý thuyết về trí tuệ nhân tạo (AI) ra đời vào những năm 1950, AI đã mở đường cho các doanh nghiệp trải nghiệm những cơ hội và năng suất được nâng cao thông qua nhiều kỹ thuật khác nhau, đặc biệt là các hệ thống học máy. Những công cụ/công nghệ này đã cải thiện khả năng dự báo và ra quyết định, đặt nền tảng cho những tiến bộ kỹ thuật trong tương lai. Gần đây, AI tạo sinh (Generative AI) hứa hẹn sẽ thay đổi hoàn toàn cách chúng ta làm việc và dân chủ hóa trải nghiệm AI. Người dùng hiện tương tác với các mô hình AI như ChatGPT thông qua "gợi ý", nơi họ tương tác qua lại với mô hình AI. Tuy nhiên, những lợi ích này cũng đi kèm với một thách thức mới: "Gợi ý vô bổ" (Doomprompting). Điều này tương đương với việc cuộn trang vô định hướng trên nội dung trực tuyến mà không có mục tiêu cụ thể, khiến người dùng bị mắc kẹt trong những vòng xoáy thông tin. Nhưng với AI, vòng xoáy đó lại có thể phản hồi lại. Hành động liên tục tinh chỉnh gợi ý của AI cho cả mô hình tạo sinh và mô hình tác nhân, được thúc đẩy bởi tham vọng đạt được kết quả hoàn hảo (và đôi khi bằng cách gợi ý mà không có mục tiêu cụ thể nào), dẫn đến chi phí tăng cao và lợi nhuận giảm dần. Nó tạo ra một rào cản lớn đối với thành công và làm mất đi mục đích sử dụng công nghệ AI.

Khi các doanh nghiệp tăng ngân sách liên quan đến AI, những người ra quyết định cần hiểu rõ con đường dẫn đến lợi nhuận thực sự từ các khoản đầu tư của họ và giá trị mà nó tạo ra. Một báo cáo năm 2025 của IEEE, 'Chi phí tiềm ẩn của AI: Những sự thiếu hiệu quả nhỏ tích lũy lại như thế nào'Ví dụ này cho thấy những điều chỉnh nhỏ có thể tích lũy thành gánh nặng kinh tế đáng kể. Để tránh trở thành một phần của cuộc đấu tranh tốn kém này, các tổ chức phải hoàn thiện việc đào tạo nhân viên sử dụng LLM để đạt được tiềm năng tối đa từ các khoản đầu tư vào AI của họ.

Trí tuệ nhân tạo tạo sinh (Generative AI) hứa hẹn tối ưu hóa và hiệu quả. Tuy nhiên, khi các nhóm bị mắc kẹt trong vòng luẩn quẩn của việc tinh chỉnh không ngừng (hoặc đi lạc hướng mà không có định hướng), sự thiếu hiệu quả sẽ làm suy yếu nền tảng này.

Dọn dẹp "chất thải công nghiệp"

Một trong những lý do khiến các nhóm liên tục tinh chỉnh sản phẩm đầu ra để tạo ra câu trả lời hoàn hảo là do "nội dung công việc dư thừa". Lần đầu tiên được mô tả trong Harvard Business Review, "nội dung công việc dư thừa" bao gồm "nội dung công việc do AI tạo ra trông giống như công việc tốt nhưng thiếu nội dung cần thiết để thúc đẩy một nhiệm vụ cụ thể một cách có ý nghĩa".

Sản phẩm "rác rưởi" do AI tạo ra này là quân cờ domino đầu tiên trong một chuỗi dài tạo nên chu kỳ hủy hoại. Mặc dù việc sửa đổi nội dung kém chất lượng thông qua các lần lặp lại hoặc chỉnh sửa là quan trọng, nhưng cần phải hiểu khi nào nên dừng lại, trước khi nó rơi vào tình trạng hiệu quả giảm dần. Các tổ chức phải tiếp cận việc đầu tư thời gian vào đào tạo AI một cách cân bằng tinh tế. Một mặt, các nhóm cần nhận thức được chất lượng cần thiết; mặt khác, họ cần biết khi nào thì quá nhiều. Việc đào tạo nhân viên về cách sử dụng các mô hình AI thông minh hơn thông qua hướng dẫn tối ưu và mục tiêu rõ ràng cũng sẽ rất hữu ích.

Tận dụng trí tuệ nhân tạo tác nhân để tránh những lời nhắc nhở về ngày tận thế

Trong những năm gần đây, các doanh nghiệp đã tăng đáng kể sự quan tâm và đầu tư vào trí tuệ nhân tạo dựa trên tác nhân (agentic AI), vốn được công nhận về khả năng cải thiện hiệu quả hoạt động. Trí tuệ nhân tạo dựa trên tác nhân có thể đảm nhận các nhiệm vụ phức tạp, phối hợp với nhiều tác nhân (bao gồm cả RAG và tác nhân hành động) để quyết định hướng hành động và thực hiện các nhiệm vụ để hoàn thành nhiệm vụ tổng thể một cách tự động.

Những phẩm chất này có thể giúp AI giảm thiểu hoặc ngăn chặn hoàn toàn hiện tượng nhắc nhở sai lầm. Điều này có thể loại bỏ nhu cầu hướng dẫn giao diện AI thế hệ mới thông qua nhiều lời nhắc để hoàn thành nhiệm vụ. Một ví dụ về điều này có thể được tìm thấy trong hoạt động CNTT được hỗ trợ bởi AI (AIOps), đang hiện đại hóa CNTT bằng cách tích hợp AI vào các nhiệm vụ hàng ngày. Theo truyền thống, các nhóm dành thời gian để điều chỉnh hệ thống thủ công. Các bộ phận của thế kỷ 21 là những bộ phận tận dụng AI để tự động xử lý các chức năng quan trọng như khắc phục sự cố, ứng phó sự cố và phân bổ tài nguyên.

Một ví dụ phù hợp khác là cách các hệ thống AI dựa trên tác nhân có thể tự động xử lý một sự cố phức tạp. Các tác nhân này, cùng với nhóm vận hành hệ thống CNTT (ITOps), có khả năng hiểu vấn đề theo ngữ cảnh, phối hợp với các tác nhân suy luận để quyết định hướng hành động, sử dụng các tác nhân hành động để thực hiện các sửa chữa cuối cùng trên hệ thống CNTT và cuối cùng, sử dụng các tác nhân học máy để hiểu giải pháp và áp dụng nó hiệu quả hơn trong các sự cố tương lai.

Tự động hóa thông minh của AI tác nhân giúp giảm thiểu sự can thiệp của con người và thực hiện các nhiệm vụ một cách tự động. Để đáp ứng nhu cầu kinh doanh ngày càng phát triển, các nhiệm vụ và hoạt động lặp đi lặp lại nên được giao cho AI tự động. Việc ủy ​​thác này loại bỏ chu kỳ nhắc lại và tinh chỉnh lặp đi lặp lại thường dẫn đến dự đoán sai. Hoạt động tự động cho phép các mô hình AI liên tục tối ưu hóa và phản hồi các biến số thay đổi mà không cần sự can thiệp thủ công, dẫn đến kết quả nhanh hơn với sự can thiệp tối thiểu của con người.

Mặc dù các chuyên gia được đào tạo vẫn sẽ đóng vai trò quan trọng trong hoạt động hàng ngày thông qua phương pháp "con người tham gia vào quy trình", thời gian của họ sẽ được sử dụng hiệu quả hơn trong việc quét để xác minh kết quả. Cách tiếp cận này giảm thiểu rủi ro gây ra lỗi hoặc điều chỉnh quá mức.

Vai trò của quản trị trong việc ngăn chặn sự lan truyền thông tin tiêu cực

Trong 1 gần đây Cuộc khảo sát của McKinseyTheo khảo sát, 88% người được hỏi cho biết họ đang sử dụng AI trong ít nhất một chức năng kinh doanh. Con số này tăng 10% so với năm 2024 và tăng đáng kinh ngạc 33% so với năm 2023. Đối với AI tác nhân (Agentic AI), mức tăng thậm chí còn ấn tượng hơn. Từ chỉ 33% năm 2023 lên gần 80% năm 2025.

Việc áp dụng rộng rãi này đang thúc đẩy các doanh nghiệp tìm kiếm các giải pháp mới để đối phó với tình trạng dự báo sai lệch. Một trong những công cụ đó là các khung quản trị mạnh mẽ. Những khung này cần được xây dựng cẩn thận để đảm bảo các dự án AI luôn phù hợp với mục tiêu kinh doanh và không trở thành nạn nhân của vòng xoáy tối ưu hóa bất tận. Khi các nhóm phát triển các khung này, họ nên xem xét:

• Thiết lập hướng dẫnLuồng dữ liệu đến và đi từ các mô hình AI ngày càng trở nên phức tạp. Để đơn giản hóa điều này, các hướng dẫn về AI nên tạo ra một khuôn khổ để các nhóm xử lý dữ liệu, đưa ra quyết định và quản lý kết quả đầu ra của AI một cách có trách nhiệm.
• Đào tạo người dùng: Việc được đào tạo bài bản về cách sử dụng lệnh nhanh có thể giúp đạt được năng suất tối ưu.
• Sử dụng các mô hình chuyên dụng: Các mô hình AI chuyên biệt theo ngành và mục đích cụ thể có khả năng cung cấp kết quả phù hợp với ngữ cảnh và có ý nghĩa nhanh hơn.
• Huấn luyện các mô hình AI: Việc huấn luyện các mô hình AI bằng dữ liệu cụ thể theo ngành/nhiệm vụ/tổ chức (nếu có thể) có thể giúp giảm thiểu công việc thừa và tạo ra kết quả phù hợp hơn một cách nhanh chóng.
• Phát triển quy tắcViệc soạn thảo và thực thi một bộ quy tắc rõ ràng là điều cần thiết để hướng dẫn quá trình phát triển và triển khai AI. Khi các nhóm thiết lập ranh giới hoạt động, họ đảm bảo rằng các hệ thống được áp dụng phù hợp với mục tiêu của tổ chức, các tiêu chuẩn đạo đức và các yêu cầu pháp lý.

Mặc dù tỷ lệ áp dụng các giải pháp AI đang tăng lên, nhưng quản trị lại chưa theo kịp. Theo Báo cáo Ngành PEX năm 2025.chưa đến một nửa Có chính sách quản trị AI được áp dụng. Trong khi đó, chỉ có 25% đang trong quá trình triển khai chính sách này, và gần một phần ba không có bất kỳ chính sách quản trị AI nào. Những khuôn khổ này có thể là yếu tố quyết định giúp các doanh nghiệp thiết lập ranh giới rõ ràng về hiệu suất được coi là chấp nhận được.

Thoát khỏi vòng lặp Doomprompting

Để tránh rơi vào vòng xoáy của việc liên tục đề xuất giải pháp nhưng không hiệu quả, các doanh nghiệp cần áp dụng các chiến lược AI ưu tiên kết quả hơn sự hoàn hảo. Việc sử dụng đào tạo nhanh, các mô hình AI chuyên dụng và các mô hình được đào tạo trên dữ liệu doanh nghiệp theo ngữ cảnh có thể giảm thiểu nhu cầu đề xuất lại nhiều lần. Các doanh nghiệp tận dụng AI tác nhân, hoạt động CNTT tự động và khung quản trị mạnh mẽ có thể phân bổ lại các nguồn lực quan trọng để đạt được mục tiêu kinh doanh mà không bị sa lầy vào các chu kỳ tối ưu hóa bất tận. Thành công sẽ đến khi các nhóm chuyển đổi tư duy từ việc liên tục tinh chỉnh sang tập trung vào thực thi và kết quả có thể đo lường được.