Jitendra Putcha, COO của Tredence – Loạt Phỏng Vấn

Jitendra Putcha, COO của Tredence, là một giám đốc công nghệ và vận hành dày dặn kinh nghiệm với gần ba thập kỷ kinh nghiệm bao phủ trí tuệ nhân tạo, phân tích dữ liệu, chuyển đổi số, cung cấp dịch vụ và công nghệ doanh nghiệp. Trước khi gia nhập Tredence vào tháng 4 năm 2026, ông đã giữ chức Giám đốc Giao hàng tại Mastech Digital, nơi ông là thành viên của đội ngũ lãnh đạo điều hành, phụ trách chiến lược, chuyển đổi, trách nhiệm P&L và cung cấp dịch vụ. Trước đó, ông đã dành vài năm tại LTIMindtree và LTI, cuối cùng giữ vị trí Phó Chủ tịch Cấp cao và Trưởng Toàn cầu Bộ Phận Dữ liệu & AI, chịu trách nhiệm về việc áp dụng AI doanh nghiệp, AI sinh tạo, AI agents, dịch vụ dữ liệu và phân tích, kỹ thuật sản phẩm và phát triển nền tảng. Trước đó, Putcha đã làm việc gần 18 năm tại Cognizant, thăng tiến qua các vị trí lãnh đạo cấp cao bao gồm Phó Chủ tịch AI & Analytics và Trưởng Trung tâm Hyderabad, nơi công việc của ông bao gồm cung cấp dữ liệu và phân tích toàn cầu, chuyển đổi dựa trên AI, và mở rộng khả năng phân tích trên nhiều ngành. Sự nghiệp ban đầu của ông bao gồm các vai trò tại Wipro và DSQ Software, tạo nền tảng nghề nghiệp rộng khắp từ kho dữ liệu, trí tuệ kinh doanh, phân tích, đến triển khai doanh nghiệp quy mô lớn.

Tredence là một công ty toàn cầu về khoa học dữ liệu và giải pháp AI, tập trung vào việc giải quyết vấn đề “last-mile” trong AI — khoảng cách giữa việc tạo ra những hiểu biết và biến chúng thành kết quả kinh doanh có thể đo lường được. Được thành lập vào năm 2013, công ty kết hợp chuyên môn ngành với kỹ thuật dữ liệu, khoa học dữ liệu, học máy, AI sinh tạo, AI agents, công nghệ đám mây và các bộ tăng tốc độc quyền để giúp các doanh nghiệp vận hành AI ở quy mô lớn. Tredence cho biết mình có hơn 4,200 nhân viên và hợp tác với các công ty trong các lĩnh vực bán lẻ, hàng tiêu dùng đóng gói, công nghệ, viễn thông, chăm sóc sức khỏe, du lịch, công nghiệp và các ngành khác. Cách tiếp cận của công ty nhấn mạnh việc nhúng phân tích và AI vào quy trình kinh doanh thực tế thay vì chỉ dừng lại ở mô hình hoặc bảng điều khiển, với khả năng bao gồm AI sinh tạo sẵn sàng cho doanh nghiệp, hệ thống đa phương tiện và agentic, AI có trách nhiệm, hiện đại hoá dữ liệu và quản trị AI.

Bạn mang hơn 28 năm kinh nghiệm bao phủ dữ liệu doanh nghiệp, phân tích, AI và triển khai toàn cầu quy mô lớn, bao gồm các vai trò lãnh đạo tại Cognizant, LTIMindtree và Mastech Digital trước khi gia nhập Tredence với vị trí Giám đốc Vận hành vào năm 2026. Điều gì đã thu hút bạn đến Tredence ở giai đoạn phát triển đặc thù này, và bạn nhìn thấy cơ hội lớn nhất để tái định hình cách một công ty dịch vụ tập trung vào AI hoạt động và mang lại giá trị khi các doanh nghiệp chuyển từ giai đoạn thử nghiệm sang AI quy mô lớn?

Điều đã thu hút tôi đến Tredence là sự thực tế vững chắc của công ty. Trong sự nghiệp của mình, tôi đã chứng kiến rất nhiều sự chuyển đổi công nghệ, nhưng hiếm khi tìm thấy một tổ chức kết nối chuyên môn AI sâu sắc trực tiếp với kết quả kinh doanh thực tế. Tredence không chỉ nói về AI vì mục đích nói; công ty xây dựng các giải pháp giải quyết các vấn đề thực tế của doanh nghiệp.

Hiện tại, ngành công nghiệp đang ở một bước ngoặt đáng kinh ngạc. Nó đã vượt qua giai đoạn thử nghiệm và đặt ra câu hỏi khó: Làm thế nào chúng ta nhúng AI vào các hoạt động hàng ngày? Đây là cách chúng tôi gọi “last mile” của AI: thu hẹp khoảng cách giữa việc tạo ra những hiểu biết và đảm bảo những hiểu biết đó đến được người, quy trình hoặc quyết định cụ thể nơi chúng có thể tạo ra kết quả hữu ích.

Cơ hội ở đây không chỉ là triển khai các công cụ hiện đại hơn. Nó là giải quyết vấn đề thực thi, giúp các tổ chức suy nghĩ khác biệt và đạt được giá trị đo lường được. Với vai trò COO, công việc của tôi là bảo vệ lợi thế đó. Tôi muốn đảm bảo chúng tôi mở rộng hoạt động mà không mất tính linh hoạt hay sự tập trung vào khách hàng, biến những tham vọng AI cấp cao thành lợi nhuận thực tế.

Chúng tôi vẫn tiếp tục thấy các doanh nghiệp triển khai các dự án thí điểm AI đầy hứa hẹn nhưng không bao giờ trở thành hệ thống sản xuất có ý nghĩa. Khi nhìn vào các dự án bị kẹt, những điểm thất bại phổ biến nhất là gì, và trong số những vấn đề đó, các nhà điều hành còn đang đánh giá thấp điều gì?

Thành thật mà nói, hầu hết các dự án thí điểm AI không thất bại vì công nghệ hỏng. Chúng thất bại vì chúng ta đối xử với AI như một động cơ mạnh mẽ nhưng quên xây dựng chiếc xe thực sự xung quanh nó. Hãy nghĩ theo cách này: Một động cơ đẳng cấp thế giới sẽ vô dụng hoàn toàn nếu bạn không cung cấp nhiên liệu sạch, vô lăng và người lái.

Mô hình AI của bạn sẽ bị bỏ lại trong gara theo cùng cách nếu bạn đánh giá thấp ba yếu tố cơ bản. Dữ liệu đáng tin cậy là nhiên liệu sạch của bạn. Nếu dữ liệu của bạn là một nền tảng lộn xộn, không có tổ chức, động cơ sẽ bị tắc nghẽn và mô hình của bạn sẽ đưa ra các câu trả lời không đáng tin cậy. Quản trị mạnh mẽ là vô lăng của bạn. Không có các quy tắc rõ ràng và rào chắn an toàn, các đội ngũ sẽ quá sợ rủi ro để đưa chiếc xe lên đường.

Cuối cùng, việc sở hữu kinh doanh rõ ràng là người lái xe của bạn, và đó là yếu tố mà các nhà điều hành thường đánh giá thấp nhất. Nếu một nhà lãnh đạo kinh doanh không nắm quyền lái, không ủng hộ công cụ và không nhúng nó trực tiếp vào quy trình làm việc hàng ngày của đội ngũ, dự án sẽ gặp khó khăn trong việc mang lại kết quả. Chúng ta phải thoát khỏi “cạm bẫy demo”. Thành công không phải là ra mắt nhiều dự án thí điểm hay thu thập các động cơ thử nghiệm. Đó là việc khóa chặt dữ liệu, thiết lập rào chắn rõ ràng, giao trách nhiệm thực sự và nhúng AI một cách âm thầm vào cách doanh nghiệp vận hành mỗi ngày.

Tredence đã lâu mô tả “last mile” của AI là kết nối những hiểu biết với hành động. AI có khả năng tự quyết định có thể đưa điều này xa hơn nữa bằng cách cho phép phần mềm thực thi các quyết định. Vấn đề “last mile” sẽ thay đổi như thế nào khi AI chuyển từ việc đề xuất một hành động sang thực hiện hành động đó một cách tự động?

Trong quá khứ, việc giải quyết “last mile” của AI giống như lái xe với GPS. Màn hình chỉ cho bạn chính xác nơi cần rẽ, nhưng bạn vẫn phải tự quay vô lăng. AI tự quyết định hoàn toàn đảo ngược điều đó. Giờ đây, chiếc xe về cơ bản tự lái.

Điều này làm thay đổi toàn bộ cuộc trò chuyện. Chúng ta không còn chỉ cố thuyết phục một quản lý tin tưởng vào biểu đồ trên bảng điều khiển; chúng ta đang xây dựng các hệ thống mà chúng ta có thể tin tưởng để đưa ra quyết định thay mặt chúng ta. Thách thức thực sự không còn là khiến mọi người nhìn vào dữ liệu nữa; mà là xác định mức độ kiểm soát mà chúng ta sẵn sàng giao cho phần mềm.

Đối với các nhiệm vụ thường ngày, ít rủi ro, như cập nhật sổ tồn kho hoặc dọn dẹp các tệp dữ liệu, việc để một agent hoạt động tự động là điều hiển nhiên vì nó loại bỏ các trì hoãn thường gặp trong doanh nghiệp. Nhưng ngay khi một quyết định ảnh hưởng đến giao dịch tài chính lớn, khiếu nại khách hàng nhạy cảm, hoặc ranh giới pháp lý, bạn cần một con người sẵn sàng can thiệp và dừng lại.

Cuối cùng, những công ty thắng lợi với AI tự quyết định sẽ không chỉ là những công ty sở hữu công nghệ thông minh nhất. Họ sẽ là những tổ chức vạch ra ranh giới rõ ràng giữa nơi phần mềm có thể hoạt động độc lập và nơi mà phán đoán của con người cần lại tay lái.

Bạn đã lập luận rằng một doanh nghiệp tự quyết định cần ngữ cảnh miền, quản trị và thực thi thông minh để hoạt động cùng nhau. Tại sao việc chỉ đặt một LLM hoặc AI agent lên trên ngăn xếp dữ liệu hiện có của công ty không đủ, và những thay đổi kiến trúc nào cần thiết?

Đặt một LLM lên trên dữ liệu doanh nghiệp giống như thuê một nhân viên thông minh và cho họ quyền truy cập vào mọi tài liệu trong công ty ngay từ ngày đầu. Họ thông minh và có khả năng, nhưng vẫn không hiểu cách hệ thống, quy trình, quy tắc nội bộ và quy định của bạn hoạt động như thế nào.

Doanh nghiệp đối mặt với một thách thức tương tự vì môi trường của họ vốn phức tạp. Dữ liệu tồn tại trên nhiều hệ thống, và các quy tắc kinh doanh đã âm thầm phát triển trong nhiều năm. Thêm vào đó, các nghĩa vụ tuân thủ khác nhau tùy theo ngành và địa lý. Để các agent hoạt động hiệu quả, chúng cần ngữ cảnh, không chỉ là thông tin.

Đó là lý do chúng tôi suy nghĩ về AI doanh nghiệp như một kiến trúc ba lớp. Lớp đầu tiên là nền tảng dữ liệu đáng tin cậy. Lớp thứ hai là trí tuệ miền, nắm bắt ngữ cảnh kinh doanh, mối quan hệ, định nghĩa và quy trình làm việc. Lớp thứ ba là lớp trải nghiệm và thực thi vòng lặp đóng, nơi các agent có thể suy luận và hành động trong các ranh giới được quản trị.

Nhiều tổ chức đã đầu tư mạnh vào lớp đầu tiên, và một số đã xây dựng các yếu tố của lớp thứ hai. Tuy nhiên, cơ hội thực sự nằm ở việc kết nối cả ba lớp.

Không có ngữ cảnh và quản trị, ngay cả mô hình mạnh nhất cũng có thể tạo ra các câu trả lời hợp lý nhưng không phù hợp với thực tế kinh doanh. AI doanh nghiệp không cần thêm trí thông minh. Nó cần thêm ngữ cảnh.

“AI agent” đã nhanh chóng trở thành một trong những thuật ngữ bị lạm dụng nhất trong ngành. Từ góc độ kỹ thuật, gì phân biệt một agent doanh nghiệp thực sự hữu ích so với một chatbot được kết nối với một vài công cụ và quy trình làm việc?

Một agent doanh nghiệp thực sự hữu ích được định nghĩa ít hơn bởi cách nó nói mượt mà và nhiều hơn bởi những gì nó có thể thực hiện một cách có trách nhiệm. Hiện tại, nhiều người gọi “agent” chỉ là các chatbot được gắn vào một vài API. Chúng có thể trả lời một câu hỏi cơ bản hoặc kích hoạt một quy trình làm việc đơn giản, cứng nhắc. Điều đó tiện lợi, nhưng không mang tính chuyển đổi.

Một agent doanh nghiệp thực thụ không chỉ theo kịch bản; nó hiểu mục tiêu cuối cùng, suy luận qua các lựa chọn khác nhau, làm việc qua nhiều hệ thống kế thừa, thích nghi khi có thay đổi, và luôn tuân thủ các đường giới hạn quản trị của công ty. Tôi nhìn nó như sự khác biệt giữa một công cụ tìm kiếm và một quản lý vận hành đáng tin cậy. Một công cụ cung cấp thông tin; công cụ kia chịu trách nhiệm hoàn thành công việc.

Để làm được điều đó, các agent cần ngữ cảnh miền sâu rộng. Ví dụ, một agent quản lý tồn kho bán lẻ không thể chỉ nhìn vào một bảng tính; nó phải hiểu chu kỳ bổ sung, mô hình nhu cầu, mức dịch vụ và tác động đến lợi nhuận đồng thời. Điều tách biệt một agent thực sự với một chatbot tinh vi không phải giao diện trò chuyện mà là sự hiểu biết về miền, bộ nhớ, khả năng suy luận, điều phối hậu trường và trách nhiệm được tích hợp. Cuối cùng, doanh nghiệp không cần một giao diện khác để xem; họ cần các hệ thống có thể thực thi công việc một cách đáng tin cậy và quy mô.

Tredence đặt trọng tâm mạnh mẽ vào AI chuyên ngành, đặc biệt trong các lĩnh vực như bán lẻ và hàng tiêu dùng. Khi các mô hình nền tảng trở nên mạnh mẽ hơn, kiến thức chuyên môn miền vẫn tạo ra lợi thế ở đâu, và bao nhiêu phần trí thông minh cuối cùng cần xuất phát từ việc hiểu các quy trình làm việc, thuật ngữ, ràng buộc và kinh tế của một ngành cụ thể?

Các mô hình nền tảng đã trở nên vô cùng mạnh mẽ, nhưng chuyên môn ngành vẫn là yếu tố tạo nên sự khác biệt giữa trí tuệ thô và tính hữu ích thực tế. Nó giống như việc đưa cùng một cuốn sách y khoa công suất cao cho một bác sĩ phẫu thuật, một luật sư doanh nghiệp và một quản lý bán lẻ. Thông tin trong cuốn sách là giống nhau, nhưng chỉ có giá trị đối với người thực sự hiểu bệnh nhân, phòng mổ và mức độ quan trọng của công việc. 

Mỗi ngành đều có những quy tắc vô hình riêng, nền kinh tế độc đáo, quy định nghiêm ngặt và các ràng buộc vận hành hàng ngày. Trong bán lẻ, ví dụ, một đề xuất AI mà về mặt kỹ thuật cải thiện độ chính xác dự báo của bạn nhưng vô tình gây ra tình trạng hết hàng quy mô lớn trên kệ không hữu ích—đó là một rủi ro.

Khi chúng tôi áp dụng trí tuệ sâu về ngành vào các mô hình đa năng, kết quả kinh doanh là rất lớn. Ví dụ, tại Tredence, chúng tôi đã triển khai các giải pháp chuyên ngành mang lại kết quả đáng kinh ngạc, đã được xác minh cho khách hàng của mình. Một chương trình dự báo siêu thị tạo ra gần 200 triệu USD giá trị và đẩy tỷ lệ khớp hàng bổ sung lên trên 90 %. Một nền tảng chuỗi cung ứng sản xuất mang lại 10 triệu USD tiết kiệm trong năm đầu tiên. Một dự án hiện đại hoá quy trình bán lẻ giảm công sức của nhà phân tích tới 70 %, trong khi một chương trình khác đạt giảm thiệt hại 100 triệu USD.

Khi các mô hình nền tảng trở thành một tiện ích hàng hoá, giống như điện, lợi thế cạnh tranh thực sự hoàn toàn chuyển sang những ai có ngữ cảnh độc quyền và hiểu biết về quy trình công việc tốt nhất để biến trí tuệ chung thành các kết quả kinh doanh chính xác.

Có một sự căng thẳng giữa việc xây dựng các nền tảng AI có thể tái sử dụng và tùy chỉnh hệ thống cho dữ liệu và quy trình cụ thể của từng doanh nghiệp. Làm thế nào để xác định những gì nên được chuẩn hoá so với những gì cần tùy chỉnh, và liệu việc tùy chỉnh quá mức có cuối cùng trở thành rào cản riêng cho việc mở rộng AI không?

Tìm ra sự cân bằng đúng giữa nền tảng tiêu chuẩn và các tính năng tùy chỉnh luôn là một quyết định khó khăn. Cá nhân tôi nhìn nhận nó giống như quy hoạch đô thị. Rõ ràng bạn phải chuẩn hoá các con đường, lưới điện và hệ thống cấp nước, nhưng điều đó không có nghĩa là mỗi ngôi nhà trong khu phố đều phải là bản sao hoàn hảo.

Quy tắc tương tự cũng áp dụng cho AI. Các yếu tố như bảo mật dữ liệu, quản trị và giám sát phải được chuẩn hoá hoàn toàn. Chúng về cơ bản nên trở thành hạ tầng doanh nghiệp vô hình. Để làm điều này hiệu quả, tôi đề xuất các công ty xây dựng một thị trường nội bộ cho các tác nhân tái sử dụng để các đội ngũ không phải liên tục tái tạo lại những gì đã có.

Tuy nhiên, các quy trình kinh doanh thực tế của bạn cần duy trì tính linh hoạt, vì đó là nơi lợi thế cạnh tranh độc đáo của bạn tồn tại. Hiện tại, rủi ro lớn nhất không phải là thiếu tùy chỉnh, mà là quá mức tùy chỉnh. Khi mỗi triển khai AI trở thành một dự án kỹ thuật độc đáo, cô lập, việc mở rộng sẽ trở thành cơn ác mộng và chi phí bảo trì tăng vọt. Mục tiêu nên là xây dựng một khả năng có thể lặp lại. Bạn chuẩn hoá một nền tảng vững chắc, sau đó cung cấp cho các đội ngũ các khối cần thiết để nhanh chóng điều chỉnh theo nhu cầu riêng. Khả năng khai thác và tái sử dụng các khả năng AI trở thành yếu tố phân biệt then chốt, tăng tốc việc áp dụng và mang lại thời gian đạt giá trị nhanh hơn cùng ROI mạnh mẽ hơn.

Khi các tác nhân có khả năng đưa ra quyết định và thực hiện nhiệm vụ, các doanh nghiệp nên xác định như thế nào phần nào tự chủ là phù hợp và phần nào cần duy trì sự phê duyệt của con người? Có những chức năng kinh doanh nào mà bạn cho rằng các tổ chức đang tiến quá nhanh hoặc quá thận trọng không?

Khi nói đến việc trao quyền tự chủ cho AI, rủi ro luôn phải quyết định các quy tắc, không chỉ dựa trên khả năng của công nghệ. Chỉ vì một tác nhân có thể thực hiện một quy trình từ đầu đến cuối không có nghĩa là bạn nên cắt bỏ hoàn toàn dây an toàn. Các nhiệm vụ thường ngày như ghi chép tồn kho hoặc đồng bộ các tệp hậu trường là hoàn hảo cho tự động hoá toàn bộ vì chúng loại bỏ các nút thắt vận hành lớn. Nhưng ngay khi một quyết định liên quan đến quy định nghiêm ngặt, chi tiêu tài chính lớn, hoặc các vấn đề khách hàng có mức độ quan trọng cao, bạn chắc chắn cần một con người trong vòng lặp.

Hiện tại, tôi thấy các công ty quá thận trọng trong chuỗi cung ứng và các hoạt động hậu trường. Họ chậm trễ trong việc tự động hoá mua sắm thường xuyên và khớp hoá hoá đơn, trong khi các tác nhân có thể an toàn tiết kiệm thời gian ngay hôm nay. Ngược lại, họ lại tiến quá nhanh trong dịch vụ khách hàng và tuân thủ pháp lý, đẩy các tác nhân tự chủ vào các tranh chấp khách hàng không lường trước hoặc đánh giá hợp đồng tự động mà không có rào chắn thực sự. Mục tiêu ở đây là tự động hoá có trách nhiệm, không phải tự động hoá tối đa.

Khi các mô hình tiên tiến trở nên rẻ hơn và mạnh hơn, vai trò của các công ty dịch vụ AI có khả năng sẽ thay đổi. Giá trị có đang dần chuyển từ việc xây dựng mô hình sang kiến trúc dữ liệu, tích hợp, đánh giá, điều phối, quản trị và thiết kế lại các quy trình kinh doanh quanh AI không? Điều gì sẽ phân biệt các công ty dịch vụ AI vẫn giữ được giá trị?

Chúng ta đang chứng kiến một sự chuyển dịch tự nhiên về nơi tạo ra giá trị. Vài năm trước, hạ tầng tính toán thô là một lợi thế cạnh tranh lớn. Ngày nay, nó đã trở thành một tiện ích, và các mô hình AI đang nhanh chóng đi theo hướng tương tự.

Các doanh nghiệp không còn tìm kiếm các mô hình lớn hơn nữa. Họ muốn quyết định nhanh hơn, năng suất cao hơn và kết quả kinh doanh rõ ràng. Vì vậy, giá trị đã hoàn toàn chuyển sang hệ sinh thái xung quanh mô hình — những thứ như kiến trúc dữ liệu sạch, quản trị chặt chẽ, điều phối thông minh, và việc suy nghĩ lại hoàn toàn quy trình làm việc để AI thực sự khả thi ở quy mô lớn. Những người chiến thắng không nhất thiết là các công ty có công nghệ tinh vi nhất, mà là những công ty có thể biến công nghệ thành kết quả kinh doanh hữu hình.

Chúng tôi cũng đang thấy các doanh nghiệp áp dụng cách tiếp cận danh mục đối với AI. Các mô hình biên giới, mô hình mở và các mô hình chuyên biệt nhỏ hơn đều có vai trò tùy thuộc vào trường hợp sử dụng, chi phí, độ trễ và yêu cầu quản trị. Khi AI trưởng thành, thành công sẽ ít phụ thuộc vào người xây dựng động cơ và nhiều hơn vào người biết cách vận dụng nó trong doanh nghiệp. Điều tôi gọi là “nhịp độ thực thi” sẽ cuối cùng phân biệt người chiến thắng với phần còn lại.

Nhìn về phía trước vài năm, nếu các doanh nghiệp vượt qua được các vấn đề về dữ liệu, quản trị và tích hợp hiện nay, một công ty lớn bản địa AI thực sự sẽ trông như thế nào? Bạn có kỳ vọng các tác nhân vẫn chỉ là công cụ được nhân viên sử dụng, hay chúng ta sẽ ngày càng thấy toàn bộ quy trình làm việc và chức năng kinh doanh được vận hành bởi các mạng lưới phối hợp của các tác nhân AI?

Một doanh nghiệp bản địa AI sẽ không chỉ là một công ty truyền thống với một vài công cụ phần mềm bổ sung. Nó sẽ là một doanh nghiệp được tái tưởng tượng một cách căn bản. Chúng ta đã chứng kiến những chuyển đổi tương tự trong thời kỳ Internet và kỹ thuật số, khi công nghệ không chỉ thay đổi cách doanh nghiệp vận hành mà còn thay đổi cấu trúc của chúng. Những công ty này sẽ hoạt động rất khác biệt.

Ngày nay, các doanh nghiệp được tổ chức quanh những người thực hiện các nhiệm vụ thủ công được hỗ trợ bởi phần mềm. Trong tương lai, toàn bộ quy trình làm việc có thể sẽ được điều phối bởi các mạng lưới phối hợp của các tác nhân AI, trong khi con người sẽ đảm nhận vai trò giám sát và chiến lược ngày càng tăng. Điều này giống như cách điện đã biến đổi các nhà máy. Nó không loại bỏ nhà máy; nó hoàn toàn thay đổi cách chúng được thiết kế và vận hành.

Trong những công ty tương lai này, các tác nhân sẽ liên tục giám sát hoạt động, phát hiện cơ hội và xử lý các công việc thường ngày trên các phòng ban khác nhau. Điều này không có nghĩa là con người sẽ biến mất, công việc của chúng ta chỉ trở nên chiến lược hơn, chuyển hoàn toàn sang phán đoán, đổi mới và xây dựng mối quan hệ.

Những người chiến thắng sẽ không phải là các công ty triển khai nhiều tác nhân nhất. Họ sẽ là những công ty xây dựng sự kết hợp mạnh mẽ nhất giữa dữ liệu đáng tin cậy, trí tuệ miền và giám sát của con người. Tương lai không phải là các doanh nghiệp hoàn toàn tự động; mà là các doanh nghiệp được điều phối thông minh, nơi con người và các tác nhân làm việc cùng nhau để đạt mục tiêu mà không bên nào có thể đạt được một mình.

Xin cảm ơn buổi phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm nên truy cập Tredence.