Jason Wojahn, Tổng giám đốc điều hành KMS Technology – Loạt bài phỏng vấn

Jason Wojahn là Tổng giám đốc điều hành của KMS Technology, với khoảng ba thập kỷ kinh nghiệm xây dựng và phát triển các doanh nghiệp cung cấp dịch vụ công nghệ cho tổ chức. Ông đồng sáng lập và lãnh đạo Thirdera trước khi công ty được Cognizant mua lại; trước đó, ông điều hành mảng ServiceNow toàn cầu của Accenture và đảm nhiệm các vị trí lãnh đạo tại Cloud Sherpas và IBM Global Services. Công việc của ông tập trung vào chuyển đổi doanh nghiệp, mô hình vận hành và chuyển những tiến bộ trong AI thành kết quả kinh doanh có thể đo lường.

KMS Technology là công ty hoạt động trong lĩnh vực kỹ thuật số, dữ liệu và AI, giúp các tổ chức xây dựng phần mềm, hiện đại hóa ứng dụng, củng cố nền tảng dữ liệu và đưa AI vào vận hành thực tế. Các dịch vụ của công ty bao gồm tư vấn kỹ thuật, phát triển sản phẩm, kỹ thuật dữ liệu và tự động hóa quy trình làm việc thông minh. Trong cuộc phỏng vấn này, Wojahn bàn về “Nền kinh tế Thực thi”, khoảng cách giữa các chương trình thí điểm AI và việc đưa AI vào vận hành thực tế, quyền ra quyết định của các tác tử AI và cách doanh nghiệp đo lường tiến độ thông qua kết quả xuyên suốt từ đầu đến cuối.

Ông đã dành ba thập kỷ xây dựng và phát triển các tổ chức công nghệ cho doanh nghiệp, từ việc phát triển Navigis và lãnh đạo mảng ServiceNow toàn cầu của Accenture đến xây dựng Thirdera, và hiện là Tổng giám đốc điều hành của KMS Technology. Những trải nghiệm này đã định hình quan điểm của ông về chuyển đổi doanh nghiệp như thế nào, và điều gì thu hút ông đến với thách thức giúp các tổ chức lấy AI làm nền tảng?

Tôi bắt đầu tại IBM Global Services, phụ trách triển khai dịch vụ cho các khách hàng doanh nghiệp lớn. Sau đó là Navigis, Cloud Sherpas, Accenture, Thirdera và Cognizant; gần như toàn bộ sự nghiệp của tôi đều gắn với hệ sinh thái ServiceNow.

Đây là mô thức tôi liên tục nhận thấy. Mỗi làn sóng nền tảng đều hứa hẹn chuyển đổi, nhưng công nghệ hiếm khi là yếu tố quyết định bên nào chiến thắng. Những công ty thành công là những công ty thay đổi cách công việc thực sự luân chuyển trong tổ chức.

Những năm làm việc với ServiceNow giúp tôi hiểu rằng giá trị nằm trong quy trình làm việc, chứ không phải trên bảng điều khiển. Trong ba mươi năm, phần mềm doanh nghiệp đã trở nên rất giỏi trong việc cho chúng ta biết điều gì đang diễn ra. Nhưng phần mềm lại kém hơn nhiều trong việc giải quyết vấn đề. Con người đã lấp đầy khoảng trống đó. Họ trở thành đội ngũ tích hợp không được trả công, chuyển công việc từ hệ thống này sang hệ thống khác.

AI làm thay đổi điều đó. Trí tuệ ngày càng dồi dào. Giờ đây, thứ khan hiếm là khả năng biến trí tuệ thành hành động phối hợp nhịp nhàng. Đó là lý do tôi đến với KMS: năng lực kỹ thuật chuyên sâu để xây dựng những hệ thống thực sự đảm nhận công việc, chứ không chỉ theo dõi công việc, cùng cơ hội trở thành doanh nghiệp lấy AI làm nền tảng thay vì chỉ ứng dụng AI.

Nhiều doanh nghiệp đã chứng minh thành công tiềm năng của AI thông qua các chương trình thí điểm, nhưng lại gặp khó khăn khi chuyển những kết quả ban đầu đó thành giá trị ở quy mô vận hành thực tế. Các tổ chức thường vấp phải những trở ngại nào nhất khi vượt ra khỏi giai đoạn thử nghiệm, và vì sao những thách thức này thường chỉ xuất hiện sau khi công nghệ đã chứng minh được hiệu quả?

Một chương trình thí điểm chứng minh mô hình hoạt động hiệu quả. Việc đưa vào vận hành thực tế mới chứng minh tổ chức có thể hoạt động hiệu quả.

Đó là hai phép thử rất khác nhau. Một chương trình thí điểm sử dụng dữ liệu sạch, được chọn lọc kỹ, có người bảo trợ nhiệt tình và một nhóm nhỏ tìm cách khắc phục mọi thiếu sót. Chương trình được thiết kế để né tránh những khâu khó khăn.

Khi đưa vào vận hành thực tế, không thể né tránh những khâu đó. Lúc này, tác tử AI phải truy cập năm hệ thống thay vì một. Phải có người chịu trách nhiệm về kết quả khi tác tử làm sai, quyết định những gì tác tử được phép phê duyệt và chi trả chi phí vận hành hằng ngày.

Đó là lý do những thách thức này chỉ xuất hiện sau khi công nghệ đã chứng minh được hiệu quả. Ngay từ đầu, chúng vốn không phải vấn đề công nghệ. Đó là những vấn đề về dữ liệu, tích hợp, quyền sở hữu và thẩm quyền; còn chương trình thí điểm được xây dựng để né tránh tất cả những vấn đề ấy.

Cách khắc phục là ngừng xem các chương trình thí điểm như những buổi trình diễn. Hãy coi chương trình thí điểm là giai đoạn một của quá trình đưa vào vận hành thực tế. Chọn một quy trình công việc quan trọng, kết nối quy trình đó với các hệ thống thực tế, xác định người chịu trách nhiệm và quy định rõ những quyết định mà tác tử AI có thể đưa ra ngay từ ngày đầu tiên. Khởi đầu sẽ chậm hơn, nhưng mở rộng quy mô sẽ nhanh hơn nhiều.

Ông từng mô tả sự chuyển dịch sang “Nền kinh tế Thực thi”, trong đó lợi thế cạnh tranh ngày càng phụ thuộc vào khả năng biến trí tuệ thành hành động phối hợp của một tổ chức. Trên thực tế, khái niệm này có ý nghĩa gì, và nó làm thay đổi cách doanh nghiệp nên đầu tư vào AI ra sao?

Mọi công việc đều đi qua cùng một chuỗi: Thông tin, Nhận định, Quyết định và Thực thi.

Phần mềm doanh nghiệp đã dành hàng thập kỷ tập trung vào hai khâu đầu tiên, còn AI đang nhanh chóng cải thiện ba khâu đầu. Thực thi là khâu mà hầu hết tổ chức vẫn còn mắc kẹt, đồng thời cũng là nơi lợi thế đang dần chuyển tới.

Trên thực tế, Nền kinh tế Thực thi có nghĩa là trí tuệ không còn là nguồn lực khan hiếm. Khả năng hoàn thành công việc mới là điều khan hiếm. Hai công ty có thể sử dụng cùng mô hình, cùng dữ liệu và cùng nhận định. Bên chiến thắng là bên biến những nhận định đó thành hành động phối hợp, với thẩm quyền rõ ràng và hồ sơ kiểm toán đầy đủ.

Điều đó làm thay đổi cách đầu tư. Ngày nay, phần lớn ngân sách dành cho AI được chi để mua công cụ: trợ lý đồng hành, trợ lý ảo và công cụ tìm kiếm tốt hơn. Những công cụ này giúp từng cá nhân làm việc nhanh hơn. Nhưng một đề xuất do AI soạn trong mười phút vẫn có thể phải chờ ba ngày mới được phê duyệt. Nhiệm vụ được hoàn thành nhanh hơn không đồng nghĩa với kết quả đạt được nhanh hơn.

Vì vậy, hãy cấp ngân sách cho quy trình làm việc, chứ không phải công cụ, và bắt đầu bằng một câu hỏi khác. Không phải “Làm thế nào để nhân viên này tăng năng suất 20%?” mà là “Những công việc nào không còn cần con người điều phối?”

Khi AI chuyển từ hỗ trợ nhân viên thực hiện từng nhiệm vụ sang tự chủ thực hiện toàn bộ quy trình, các tổ chức cần nhìn nhận lại các quy trình hiện có, cơ cấu ra quyết định và mô hình chịu trách nhiệm như thế nào?

Hầu hết quy trình trong doanh nghiệp được xây dựng dựa trên những giới hạn của con người. Thông tin luân chuyển chậm, nên chúng ta tạo ra các cuộc họp. Các quyết định cần được giám sát, nên chúng ta thiết lập các cấp phê duyệt. Phần lớn những gì chúng ta gọi là quy trình thực chất là việc bàn giao giữa người với người.

Nếu tự động hóa quy trình như hiện tại, bạn sẽ tự động hóa cả sơ đồ tổ chức. Việc bàn giao sẽ nhanh hơn, chứ không ít đi.

Việc nhìn nhận lại nên bắt đầu từ các quyết định, chứ không phải nhiệm vụ. Với mỗi quy trình, hãy lập bản đồ các quyết định trong đó. Tác tử có thể đề xuất điều gì? Nó có thể tự quyết định điều gì? Nó có thể tự thực hiện việc gì? Khi nào con người cần can thiệp?

Quyền hạn gắn với từng quyết định, chứ không phải toàn bộ quy trình. Một tác tử có thể được hoàn toàn tin cậy để đối chiếu hóa đơn, nhưng vẫn cần có người phê duyệt mọi khoản thanh toán vượt quá một ngưỡng nhất định.

Trách nhiệm không biến mất. Mọi thứ trở nên rõ ràng hơn. Con người và tác tử cùng chịu trách nhiệm thực hiện: tác tử đảm nhận công việc, còn con người xác định phạm vi quyền hạn, xử lý các trường hợp ngoại lệ và chịu trách nhiệm về kết quả. Mỗi tác tử cần có một người phụ trách cụ thể, và mọi hành động cần có thể truy vết, đồng thời có thể đảo ngược khi có thể.

Vai trò lãnh đạo chuyển từ điều phối công việc sang thiết kế các hệ thống thực hiện công việc đó.

Tại KMS Technology, ông đang tập trung chuyển đổi hoạt động kỹ thuật số truyền thống thành hoạt động thực thi trong doanh nghiệp theo hướng AI-native. Quá trình chuyển đổi này diễn ra như thế nào trong nội bộ, và KMS tiếp cận việc tích hợp AI, nền tảng dữ liệu và điều phối quy trình thông minh ra sao để mang lại kết quả kinh doanh có thể đo lường?

Trước tiên, chúng tôi áp dụng chính cách tư duy này cho bản thân. KMS trưởng thành từ một công ty kỹ thuật số. Chương tiếp theo của chúng tôi là hoạt động thực thi trong doanh nghiệp theo hướng AI-native: xây dựng, hiện đại hóa và vận hành, với con người và tác tử cùng chịu trách nhiệm thực hiện. Kết quả thể hiện qua thời gian và công sức:

Xây dựng. Evergreen Telehealth muốn có một nền tảng chăm sóc sức khỏe từ xa được xây dựng dựa trên AI tác tử và tiêu chuẩn dữ liệu y tế FHIR, nhưng trên thị trường khi đó chưa có sản phẩm nào tương tự. Với cách làm AI-native và Claude được tích hợp xuyên suốt các giai đoạn xác định yêu cầu, thiết kế, xây dựng và kiểm thử, đội ngũ của chúng tôi cùng các kỹ sư của Evergreen đã đưa nền tảng cốt lõi từ ý tưởng đến sản xuất trong 75 ngày làm việc. Phạm vi bao gồm ba ứng dụng (web, iOS và Android), bốn tích hợp đang hoạt động (EHR, xác minh danh tính, thanh toán và nhà thuốc) cùng hai tác tử đưa vào vận hành. Mô hình do con người dẫn dắt và được AI tăng tốc. Các tác tử soạn thảo câu chuyện người dùng, tạo mã và chạy kiểm thử. Các kỹ sư phụ trách kiến trúc, lập bản đồ dữ liệu lâm sàng và mọi quyết định quan trọng.

Hiện đại hóa. Một ví dụ khác: một công ty phần mềm hàng hải cần thay thế nền tảng đã vận hành tại chỗ hơn 20 năm. Công ty không thể biện minh cho một dự án xây dựng lại theo cách truyền thống kéo dài trước khi các nhà đầu tư thấy được tiến triển, vì vậy chúng tôi thực hiện một dự án xây dựng bằng tác tử có thời hạn cố định trong sáu tuần. Các yêu cầu của khách hàng được nạp làm ngữ cảnh, nhờ đó các tác tử xây dựng theo đặc tả thay vì chỉ tạo mã. Đội ngũ hoàn thành từ 35 đến 45 phần trăm phạm vi MVP trong khoảng 800 giờ làm việc của cả đội, so với ước tính ban đầu là từ 6.000 đến 8.000 giờ. Các tác tử viết mã và hơn 5.000 bài kiểm thử đơn vị. Các kỹ sư đặt ra những giới hạn kiểm soát và đánh giá chất lượng.

Vận hành. Kể từ đó, Evergreen đã mở rộng kiến trúc tác tử trên toàn doanh nghiệp, với các tác tử giám sát theo dõi hệ thống và con người tham gia quy trình để đánh giá, khắc phục sự cố.

Chúng tôi không chỉ viết mã nhanh hơn. Chúng tôi đang thay đổi khối lượng công việc mà một đội ngũ có thể thực hiện.

Trong cả ba trường hợp, con người và tác tử cùng chịu trách nhiệm thực hiện. Tác tử xử lý những công việc có thể lặp lại. Các kỹ sư của chúng tôi và đội ngũ khách hàng chịu trách nhiệm về các quyết định, trường hợp ngoại lệ và kết quả.

Sự chuyển đổi này cũng giúp chúng tôi tạo ra đòn bẩy lớn hơn trong quá trình triển khai. Đó là điểm khác biệt giữa triển khai theo hướng AI-native và triển khai có ứng dụng AI hỗ trợ.

Các hệ thống AI trong doanh nghiệp ngày càng phụ thuộc vào khả năng truy cập thông tin trên các ứng dụng cũ rời rạc, nền tảng đám mây và môi trường dữ liệu. Việc kết nối các hệ thống này khó khăn đến mức nào, và các tổ chức nên thiết lập những nền tảng kiến trúc nào trước khi triển khai quy trình dựa trên AI ở quy mô lớn?

Đây là thách thức cốt lõi. Hầu hết doanh nghiệp không gặp vấn đề về AI. Họ gặp vấn đề phân mảnh mà AI khiến không thể tiếp tục làm ngơ.

Hãy nhìn vào cách công việc được thực hiện ngày nay. Một người tìm thông tin trong ứng dụng này, theo sát việc phê duyệt ở ứng dụng khác rồi sao chép kết quả vào ứng dụng thứ ba. Con người chính là lớp tích hợp. Tác tử không thể thực hiện công việc đó nếu không thể truy cập các hệ thống ấy, hiểu ngữ cảnh và hành động với đúng quyền hạn.

Vì vậy, các nền tảng cơ sở quan trọng hơn mô hình. Có bốn nền tảng cần ưu tiên:

• kiến trúc dữ liệu hiện đại cung cấp ngữ cảnh đáng tin cậy cho các tác tử
• lớp tích hợp cho phép tác tử hành động trên nhiều hệ thống, chứ không chỉ đọc dữ liệu từ đó
• hệ thống định danh và phân quyền được thiết kế cho tác tử, chứ không chỉ cho con người
• giám sát để bạn có thể biết từng tác tử đã làm gì và vì sao

Ngăn xếp công nghệ cũng đang được tinh gọn. Các nền tảng dữ liệu ngày càng đảm nhiệm vai trò vận hành, nền tảng quy trình làm việc ngày càng thông minh hơn, còn ứng dụng ngày càng tách khỏi giao diện người dùng. Nếu quy trình làm việc có thể đi xuyên suốt ngăn xếp, tại sao người dùng lại phải làm việc đó?

Đừng chờ đến khi có kiến trúc hoàn hảo. Hãy chọn một quy trình làm việc quan trọng và hiện đại hóa mọi thứ mà quy trình đó tác động đến. Sau đó, tiếp tục với quy trình kế tiếp.

Khi các tác nhân AI bắt đầu đưa ra quyết định và thực hiện hành động trong toàn bộ hoạt động kinh doanh, những vấn đề về quản trị, trách nhiệm giải trình và sự giám sát của con người ngày càng trở nên quan trọng. Doanh nghiệp nên xác định thế nào những quyết định nào có thể giao cho AI và những quyết định nào phải nằm dưới sự kiểm soát của con người?

Tôi sẽ bắt đầu bằng cách thay đổi câu hỏi. Không phải “AI có thể làm việc này không?” Câu trả lời ngày càng là có. Câu hỏi phù hợp hơn là “Ai đã cho phép AI hành động?”

Năng lực và quyền truy cập không đồng nghĩa với thẩm quyền. Khi một tác nhân có thể phê duyệt khoản hoàn tiền, thay đổi lịch sản xuất hoặc cam kết chi tiêu, phải có người đặt ra giới hạn.

Một phép thử thực tế là xem xét chi phí và khả năng đảo ngược. Một quyết định có khối lượng lớn, dựa trên quy tắc và dễ đảo ngược là lựa chọn phù hợp để giao cho AI. Một quyết định có tác động lớn, không thể đảo ngược hoặc định hình mối quan hệ với khách hàng thì nên do con người đảm nhiệm.

Việc giao quyền cũng cần được chứng minh bằng kết quả. Hãy bắt đầu bằng cách để tác nhân đưa ra đề xuất và để con người phê duyệt. Khi có thêm bằng chứng, chuyển vai trò của người đó từ phê duyệt từng hành động sang giám sát hệ thống và xử lý các trường hợp ngoại lệ.

Mục tiêu không phải là có con người trong mọi vòng lặp, mà là có con người trong những vòng lặp phù hợp. Dữ liệu cung cấp bối cảnh. Mô hình suy luận. Tác nhân thực thi. Con người xác định thẩm quyền và chịu trách nhiệm về hậu quả.

Ông từng lãnh đạo các mảng kinh doanh nền tảng doanh nghiệp quy mô lớn tại Accenture và Cognizant, nơi việc mở rộng hoạt động đòi hỏi phải đồng bộ công nghệ, con người và quy trình trong các tổ chức toàn cầu. Những bài học nào từ các trải nghiệm đó có thể áp dụng vào nỗ lực chuyển đổi AI ngày nay, đặc biệt khi sự kháng cự trong tổ chức hoặc các mô hình vận hành lỗi thời trở thành trở ngại lớn hơn chính công nghệ?

Tôi học được nhiều điều nhất từ quá trình tích hợp. Tại Cloud Sherpas, rồi Accenture và sau đó là Cognizant, tôi đã dành nhiều năm hợp nhất các tổ chức. Các nền văn hóa, mô hình cung ứng, cơ chế khuyến khích và khu vực khác nhau đều phải hoạt động như một doanh nghiệp nền tảng thống nhất.

Công nghệ hiếm khi là điểm nghẽn. Mô hình vận hành mới là điểm nghẽn.

Có ba bài học có thể áp dụng trực tiếp vào chuyển đổi AI.

Thứ nhất, sự kháng cự thường có lý do chính đáng. Mọi người bảo vệ những tiêu chí mà họ được đánh giá dựa trên đó. Nếu triển khai tác nhân nhưng vẫn đánh giá các nhóm theo số giờ làm việc, số nhân sự và mức độ hoạt động, bạn sẽ chỉ nhận được sự tuân thủ chứ không phải thay đổi. Hãy thay đổi các tiêu chí đánh giá, rồi hành vi sẽ thay đổi theo.

Thứ hai, quyền ra quyết định phải được xác định rõ ràng. Trong mọi cuộc tích hợp, những cuộc trao đổi khó khăn nhất đều xoay quanh câu hỏi ai quyết định việc gì. AI khiến câu hỏi đó không thể né tránh, bởi một số người ra quyết định giờ đây không còn là con người.

Thứ ba, hãy nói rõ điều gì sẽ giữ nguyên. Mọi người thích nghi với thay đổi tốt hơn khi hiểu lý do và biết điều gì sẽ không thay đổi.

Chuyển đổi AI là sự thay đổi mô hình vận hành có liên quan đến công nghệ. Những nhà lãnh đạo xem đây chỉ là một đợt triển khai phần mềm sẽ thất vọng.

Các chỉ số thành công AI truyền thống thường nhấn mạnh tỷ lệ áp dụng, cải thiện năng suất và thời gian tiết kiệm được. Lãnh đạo nên ưu tiên những chỉ số nào để xác định liệu AI có thực sự cải thiện hoạt động thực thi kinh doanh hay không, và các tổ chức có thể phân biệt mức tăng hiệu quả từng bước với sự chuyển đổi vận hành có ý nghĩa như thế nào?

Tỷ lệ áp dụng và thời gian tiết kiệm được là các chỉ số đầu vào. Chúng cho biết mọi người đang sử dụng công cụ, chứ không cho biết doanh nghiệp đang vận hành nhanh hơn.

Nếu một kỹ sư tiết kiệm được hai giờ nhưng bản phát hành vẫn phải chờ một tuần để được đánh giá, thì khách hàng chẳng thấy điều gì thay đổi. Hoàn thành tác vụ nhanh hơn không có nghĩa là đạt được kết quả nhanh hơn.

Tôi sẽ ưu tiên ba nhóm chỉ số:

• Thời gian từ nhu cầu đến kết quả: thời gian cần thiết để biến một yêu cầu thành kết quả, tính từ đầu đến cuối.
• Những điểm công việc bị đình trệ: thời gian cần để đưa ra quyết định, các lần bàn giao và hàng đợi giữa các nhóm.
• Công việc không cần điều phối: tỷ lệ quy trình làm việc diễn ra mà không cần con người điều phối, trong khi mọi người tập trung vào việc đánh giá và xử lý các trường hợp ngoại lệ.

Sau đó, hãy gắn các chỉ số này với hoạt động kinh doanh: chi phí phục vụ, chất lượng và doanh thu.

Phép thử cho chuyển đổi rất đơn giản. Tác vụ có nhanh hơn không, hay quy trình làm việc đã thay đổi về cấu trúc? Cải thiện từng bước giúp quy trình hiện tại diễn ra nhanh hơn. Chuyển đổi loại bỏ những bước, lần bàn giao và khâu phê duyệt không còn cần thiết.

Đo thời gian từ nhu cầu đến kết quả. Tìm xem công việc đang bị đình trệ ở đâu. Thay đổi điều khiến công việc mắc kẹt tại đó.

Trong ba đến năm năm tới, ông dự đoán mối quan hệ giữa AI, phần mềm doanh nghiệp và người lao động sẽ phát triển như thế nào? Ông có hình dung một tương lai trong đó các hệ thống được xây dựng xoay quanh AI thay thế căn bản những quy trình làm việc doanh nghiệp truyền thống hay không, và hiện nay các nhà lãnh đạo doanh nghiệp nên làm gì để chuẩn bị cho quá trình chuyển đổi đó?

Trong ba mươi năm qua, phần mềm doanh nghiệp cho chúng ta biết điều gì đang diễn ra. Trong ba đến năm năm tới, phần mềm sẽ ngày càng tự đảm nhận công việc đó.

AI sẽ thay thế khâu điều phối: những việc như đôn đốc, sao chép, bàn giao và theo dõi chiếm phần lớn thời gian trong ngày của hầu hết mọi người. Con người sẽ tập trung hơn vào việc đưa ra phán đoán, xử lý ngoại lệ, xây dựng mối quan hệ và chịu trách nhiệm về kết quả. Đó là cách sử dụng chuyên môn của con người tốt hơn, nhưng đòi hỏi những năng lực mới mà các nhà lãnh đạo phải chủ động xây dựng.

Các nhà lãnh đạo nên làm gì ngay hôm nay? Hãy chọn một quy trình có ảnh hưởng đáng kể và lập bản đồ các quyết định trong quy trình đó. Chấn chỉnh dữ liệu nền tảng. Xác định những quyết định mà tác nhân AI được phép đưa ra, đồng thời chỉ định người chịu trách nhiệm về kết quả. Sau đó, chuyển sang quy trình tiếp theo.

Các công ty xem AI là một công cụ sẽ đạt được hiệu quả cao hơn. Các công ty tổ chức lại hoạt động xoay quanh AI sẽ tạo được đòn bẩy. AI không phải là chiến lược. Thực thi mới là điều cốt yếu.

Cảm ơn vì cuộc phỏng vấn tuyệt vời này. Độc giả muốn tìm hiểu về việc triển khai hoạt động doanh nghiệp lấy AI làm trọng tâm, các quy trình làm việc thông minh và quá trình chuyển đổi từ thử nghiệm AI sang vận hành thực tế có thể truy cập KMS Technology.