Tăng Cường Doanh Nghiệp với Nền Tảng Trí Tuệ Nhân Tạo

Trên nhiều ngành công nghiệp, tôi nhìn thấy cùng một mẫu: các trường hợp sử dụng trí tuệ nhân tạo đầu tiên hiếm khi đến từ một ủy ban chỉ đạo. Chúng đến từ các nhóm gần nhất với ma sát hoạt động.

Tôi dành nhiều thời gian với các nhóm lãnh đạo để trả lời cùng một câu hỏi: “Chúng tôi đang đầu tư vào trí tuệ nhân tạo, vậy đâu là giá trị kinh doanh?” Đó là một câu hỏi hợp lý, và câu trả lời trung thực là rằng đối với hầu hết các tổ chức, giá trị không xuất hiện đủ nhanh. RAND đã ước tính rằng hơn 80% dự án trí tuệ nhân tạo thất bại, khoảng gấp đôi tỷ lệ dự án công nghệ thông tin không phải trí tuệ nhân tạo. Nghiên cứu của BCG cũng không kém phần ảm đạm: vào cuối năm 2025, 60% công ty tạo ra rất ít hoặc không có giá trị vật chất từ trí tuệ nhân tạo, và chỉ 5% tạo ra giá trị quy mô lớn. Sáng kiến NANDA của MIT đã nói thẳng: chỉ khoảng 5% dự án trí tuệ nhân tạo doanh nghiệp đạt được tăng tốc doanh thu nhanh chóng.

Tại Sao Đường Đfrontline Là Nơi Bắt Đầu Của Giá Trị

Trong bất kỳ tổ chức nào có một lượng lớn công nhân tri thức, giá trị thường dễ dàng tìm thấy nếu bạn hỏi đúng người, và nó lớn hơn việc hỏi một trình tổng hợp để tóm tắt một tài liệu. Cơ hội thực sự là trí tuệ nhân tạo được nhúng vào các quy trình hoạt động. Chúng tôi đã sử dụng các nền tảng mã thấp trong kế toán để tăng tốc xử lý hóa đơn và tự động trả lời các câu hỏi về tài khoản phải trả. Trong hỗ trợ khách hàng, một đại lý có thể phân loại một trường hợp nhập, kéo lịch sử của khách hàng và soạn thảo một giải pháp để xem xét của con người có thể cải thiện đáng kể tỷ lệ phản hồi và sự hài lòng của khách hàng. Đây là các quy trình công việc nhiều bước vượt qua các hệ thống, yêu cầu phán quyết và nằm gần nhất với những người đã biết nơi ma sát tồn tại. Họ không cần một giai đoạn khám phá sáu tháng để nói cho họ biết điều gì bị hỏng. Họ đối phó với nó mỗi ngày.

Có hai động thái hoạt động cùng nhau. Tăng cường công nhân tri thức với công cụ trí tuệ nhân tạo được quản lý, không cần mã thấp để họ có thể cải thiện quy trình công việc của riêng mình, và tạo ra một chức năng kỹ sư trí tuệ nhân tạo cho các nhóm kinh doanh để sử dụng các trường hợp khó hơn. Cả hai đều tạo ra giá trị, và các tổ chức mạnh nhất làm cả hai. Nhưng không có gì trong số đó có thể mở rộng quy mô mà không có một nền tảng chung cho danh tính, truy cập, dữ liệu, tích hợp và hoạt động.

Khoảng Cách Từ Phiên Bản Thử Nghiệm Đến Sản Xuất Là Vấn Đề Của Nền Tảng

Nhiều tổ chức bị kẹt trong việc tranh luận về mô hình nào để sử dụng. Điều đó quan trọng, nhưng nó không phải là ràng buộc chính. Vấn đề lớn hơn là độ chín muồi của nền tảng. Các nhóm có thể tạo mẫu nhanh chóng, nhưng họ không thể triển khai nhất quán trên toàn doanh nghiệp khi các nền tảng chung bị thiếu: kiểm soát truy cập và danh tính mà các nhóm kinh doanh thực sự có thể sử dụng, ranh giới dữ liệu rõ ràng, mẫu tích hợp có thể tái sử dụng và một quy trình thực tế để xem xét, phát hành và giám sát. S&P Global đã tìm thấy (SPGI ) rằng tổ chức trung bình đã loại bỏ 46% bằng chứng về khái niệm trí tuệ nhân tạo trước khi chúng đạt đến sản xuất.

Đây là lý do tại sao nền tảng dữ liệu lại quan trọng đến vậy. Dữ liệu sẵn sàng cho trí tuệ nhân tạo không phải là một điều tốt đẹp; đó là chìa khóa để thành công trong sản xuất. Không có dữ liệu đáng tin cậy, có thể truy cập, tuân thủ chính sách, ngay cả các trường hợp sử dụng mạnh cũng bị đình trệ.

Bẫy Dữ Liệu và Tại Sao Bạn Không Nên Chờ Đợi

Đây là điều gì dừng lại hầu hết các chương trình: dữ liệu. Gartner dự đoán rằng cho đến năm 2026, các tổ chức sẽ từ bỏ 60% dự án trí tuệ nhân tạo không được hỗ trợ bởi dữ liệu sẵn sàng cho trí tuệ nhân tạo. Phản ứng thông thường là khởi động một chương trình nền tảng dữ liệu lớn đầu tiên, hiện đại hóa mọi thứ, hoàn thiện nguồn gốc và sau đó thực hiện trí tuệ nhân tạo.

Trình tự đó nghe có vẻ kỷ luật, nhưng nó thường trì hoãn giá trị trong nhiều năm. Hiện đại hóa nền tảng dữ liệu là thực sự cần thiết và không thể thương lượng. Nó cũng chạy trên các dòng thời gian nhiều năm trong hầu hết các doanh nghiệp. Nếu mọi trường hợp sử dụng trí tuệ nhân tạo đều phải chờ đợi kiến trúc cuối cùng, sự tự tin của ban lãnh đạo sẽ bị xói mòn trước khi có kết quả có ý nghĩa.

Cách tiếp cận tốt hơn là thực hiện song song: tiếp tục xây dựng nền tảng dữ liệu doanh nghiệp trong khi ưu tiên cho việc kích hoạt trí tuệ nhân tạo trong các khu vực quy trình có ma sát hoạt động cao nhất.

Quản Lý Just-in-Time, Just-Enough cho Các Quy Trình Công Việc Có Ma Sát Cao

Bắt đầu với cơn đau của quy trình, không phải là bản đồ công nghệ. Xác định nơi ma sát cao nhất và tác động kinh doanh rõ ràng nhất: chu kỳ hóa đơn bị trì hoãn, giải quyết trường hợp chậm, phê duyệt nhiều trường hợp ngoại lệ, tìm kiếm dữ liệu lặp đi lặp lại hoặc vòng lặp đối chiếu thủ công. Sau đó, nhắm vào các quy trình công việc đó trước tiên để kích hoạt trí tuệ nhân tạo.

Sử dụng quản lý just-in-time để làm cho điều đó trở nên khả thi. Thay vì cố gắng quản lý mọi thứ từ đầu, hãy quản lý dữ liệu cụ thể cần thiết cho từng trường hợp sử dụng được ưu tiên khi trường hợp sử dụng đó sẵn sàng để di chuyển. Một nhóm nhỏ liên chức năng có thể phân xử quyền sở hữu, truy cập, yêu cầu chất lượng và kiểm soát trong vài ngày, không phải vài tháng, trong các chu kỳ ủy ban.

Áp dụng quản lý vừa đủ để phù hợp với rủi ro thực sự. Một trường hợp sử dụng xử lý nội dung sản phẩm công khai không cần có cùng bảo vệ như một trường hợp xử lý thông tin nhận dạng cá nhân của khách hàng. Mô hình này bảo vệ tổ chức trong khi duy trì tốc độ giao hàng và giảm thiểu hành vi trí tuệ nhân tạo bóng tối xuất hiện khi các đường chính thức quá chậm.

Sự Quá Đầy Là Cầu nối đến Sự Chuẩn bị Dữ liệu Toàn diện

Mỗi triển khai trí tuệ nhân tạo đường đầu tiên nên tạo ra học tập có cấu trúc: dữ liệu nào được sử dụng, các khiếm khuyết chất lượng nào xuất hiện, các biến đổi nào được yêu cầu và các quyết định quản lý nào được thực hiện. Hãy bắt mỗi khoảng trống làm một mục trong danh sách chờ để khắc phục nền tảng.

Danh sách chờ đó trở thành một bản đồ yêu cầu có hướng để hiện đại hóa dữ liệu. Thay vì đoán nơi đầu tư trước, bạn cải thiện các tập dữ liệu và sản phẩm dữ liệu đã gắn với kết quả kinh doanh có thể đo lường được. Theo thời gian, điều này tạo ra một vòng lặp tự củng cố: các trường hợp sử dụng trí tuệ nhân tạo đường đầu tiên暴 lộ các khoảng trống dữ liệu quan trọng nhất, các nhóm nền tảng khắc phục chúng và làn sóng giải pháp trí tuệ nhân tạo tiếp theo được giao nhanh hơn với rủi ro thấp hơn.

Suy Nghĩ Cuối cùng: Nền Tảng Là Quyết Định

Quyết định không phải là “phiên bản thử nghiệm hay không”. Đó là liệu bạn sẽ xây dựng một nền tảng trí tuệ nhân tạo và dữ liệu được quản lý cho phép tổ chức của bạn học hỏi, giao hàng và mở rộng quy mô một cách an toàn.

Đối xử với dữ liệu sẵn sàng cho trí tuệ nhân tạo như một yếu tố quan trọng. Xây dựng nền tảng dữ liệu như một chương trình chiến lược. Nhưng đừng chờ đợi cho đến khi mọi thứ được hoàn thành. Ưu tiên các khu vực quy trình có ma sát cao nhất, kích hoạt chúng với trí tuệ nhân tạo và quản lý dữ liệu just-in-time. Đó là cách bạn tạo ra giá trị ngay bây giờ trong khi xây dựng nền tảng hỗ trợ giá trị ở quy mô lớn.