Đánh giá thách thức khi áp dụng Trí tuệ doanh nghiệp AI vào năm 2025

Thế giới kinh doanh đã chứng kiến sự tăng trưởng đáng kinh ngạc trong việc áp dụng trí tuệ nhân tạo (AI) — và cụ thể là trí tuệ nhân tạo sinh (Gen AI). Theo ước tính của Deloitte, chi tiêu của doanh nghiệp cho Gen AI vào năm 2024 dự kiến sẽ tăng 30 phần trăm so với con số 16 tỷ USD vào năm 2023. Chỉ trong một năm, công nghệ này đã bùng nổ trên sân khấu để thay đổi lại bản đồ chiến lược của các tổ chức. Các hệ thống AI đã biến thành các công cụ đối thoại, nhận thức và sáng tạo để cho phép các doanh nghiệp tối ưu hóa hoạt động, nâng cao trải nghiệm khách hàng và đưa ra quyết định dựa trên dữ liệu. Tóm lại, Trí tuệ doanh nghiệp AI đã trở thành một trong những công cụ hàng đầu cho các CEO để thúc đẩy đổi mới và tăng trưởng.

Khi chúng ta tiến gần đến năm 2025, chúng tôi dự đoán Trí tuệ doanh nghiệp AI sẽ đóng vai trò quan trọng hơn nữa trong việc định hình chiến lược và hoạt động kinh doanh. Tuy nhiên, điều quan trọng là phải hiểu và giải quyết hiệu quả các thách thức có thể cản trở tiềm năng đầy đủ của AI.

Thách thức #1 — Thiếu sự sẵn sàng về dữ liệu

Sự thành công của AI phụ thuộc vào dữ liệu nhất quán, sạch sẽ và được tổ chức tốt. Tuy nhiên, các doanh nghiệp phải đối mặt với thách thức khi tích hợp dữ liệu phân mảnh trên các hệ thống và bộ phận. Các quy định về bảo mật dữ liệu nghiêm ngặt hơn đòi hỏi quản trị, tuân thủ và bảo vệ thông tin nhạy cảm một cách mạnh mẽ để đảm bảo thông tin AI đáng tin cậy.

Cần có một hệ thống quản lý dữ liệu toàn diện giúp phá vỡ các silo dữ liệu và ưu tiên dữ liệu cần được hiện đại hóa. Các “ao” dữ liệu thể hiện chiến thắng nhanh sẽ giúp đảm bảo cam kết lâu dài để có được hệ sinh thái dữ liệu đúng. Các hồ dữ liệu hoặc kho dữ liệu tập trung có thể đảm bảo tính nhất quán của khả năng truy cập dữ liệu trên toàn tổ chức. Ngoài ra, các kỹ thuật học máy có thể làm giàu và nâng cao chất lượng dữ liệu, đồng thời tự động hóa việc giám sát và quản trị cảnh quan dữ liệu.

Thách thức #2 — Khả năng mở rộng của AI

Vào năm 2024, khi các tổ chức bắt đầu hành trình triển khai AI doanh nghiệp, nhiều tổ chức đã gặp khó khăn trong việc mở rộng quy mô các giải pháp của họ — chủ yếu do thiếu kiến trúc kỹ thuật và tài nguyên. Xây dựng một cơ sở hạ tầng AI có khả năng mở rộng sẽ là điều quan trọng để đạt được mục tiêu này.

Các nền tảng đám mây cung cấp hiệu quả, linh hoạt và khả năng mở rộng để xử lý các tập dữ liệu lớn và đào tạo các mô hình AI. Sử dụng cơ sở hạ tầng AI của các nhà cung cấp dịch vụ đám mây có thể mang lại khả năng mở rộng nhanh chóng việc triển khai AI mà không cần đầu tư cơ sở hạ tầng đáng kể ngay từ đầu. Việc triển khai các khuôn khổ AI mô-đun cho cấu hình và thích ứng dễ dàng trên các chức năng kinh doanh khác nhau sẽ cho phép các doanh nghiệp mở rộng dần các sáng kiến AI của mình trong khi vẫn kiểm soát được chi phí và rủi ro.​

Thách thức #3 — Kỹ năng và khoảng cách nhân tài

Một cuộc khảo sát gần đây nhấn mạnh sự chênh lệch đáng báo động giữa sự hào hứng của các chuyên gia IT với AI và khả năng thực tế của họ. Trong khi 81% thể hiện sự quan tâm đến việc sử dụng AI, chỉ 12% có kỹ năng cần thiết, và 70% công nhân cần nâng cấp kỹ năng AI đáng kể. Khoảng cách nhân tài này gây ra những trở ngại đáng kể cho các doanh nghiệp muốn phát triển, triển khai và quản lý các sáng kiến AI. Thu hút và giữ chân các chuyên gia AI có kỹ năng là một thách thức lớn, và việc nâng cao kỹ năng cho nhân viên hiện tại đòi hỏi đầu tư đáng kể.

Chiến lược đào tạo của tổ chức nên giải quyết mức độ hiểu biết về AI cần thiết cho các nhóm khác nhau — những người xây dựng, những người phát triển các giải pháp AI, những người kiểm tra, những người xác thực đầu ra AI, và những người sử dụng, những người sử dụng đầu ra từ các hệ thống AI để đưa ra quyết định. Ngoài ra, các nhà lãnh đạo kinh doanh sẽ cần được đào tạo để đánh giá cao hơn và hiệu quả hơn về những ý nghĩa chiến lược của AI. Bằng cách tự ý nuôi dưỡng một văn hóa dựa trên dữ liệu và tích hợp AI vào các quy trình ra quyết định ở tất cả các cấp, có thể quản lý được sự kháng cự đối với AI, dẫn đến chất lượng quyết định tốt hơn. ​

Thách thức #4 — Quản trị AI và lo ngại về đạo đức

Khi các doanh nghiệp áp dụng AI trên quy mô lớn, thách thức của các thuật toán bị thiên vị trở nên lớn. Các mô hình AI được đào tạo trên dữ liệu không đầy đủ hoặc dữ liệu bị thiên vị có thể củng cố các thiên vị hiện có, dẫn đến quyết định và kết quả kinh doanh không công bằng. Khi các công nghệ AI phát triển, các chính phủ và cơ quan quản lý liên tục đưa ra các quy định AI mới để cho phép minh bạch trong việc ra quyết định và bảo vệ người tiêu dùng. Ví dụ, EU đã phác thảo các chính sách, khuôn khổ và nguyên tắc xung quanh việc sử dụng AI thông qua Đạo luật AI của EU, 2024. Các công ty sẽ cần phải thích nghi nhanh chóng với các quy định đang phát triển này.

Bằng cách thiết lập các khuôn khổ quản trị AI phù hợp tập trung vào tính minh bạch, công bằng và trách nhiệm, các tổ chức có thể tận dụng các giải pháp cho phép giải thích các mô hình AI của họ — và xây dựng niềm tin với người tiêu dùng cuối cùng. Những điều này nên bao gồm các hướng dẫn đạo đức cho việc phát triển và triển khai các mô hình AI và đảm bảo rằng chúng phù hợp với giá trị của công ty và các yêu cầu quy định.

Thách thức #5 — Cân bằng chi phí và ROI

Phát triển, đào tạo và triển khai các giải pháp AI đòi hỏi cam kết tài chính đáng kể về cơ sở hạ tầng, phần mềm và nhân tài có kỹ năng. Nhiều doanh nghiệp gặp khó khăn trong việc cân bằng chi phí này với lợi nhuận đầu tư (ROI) có thể đo lường được.

Xác định các trường hợp sử dụng phù hợp cho việc triển khai AI là điều quan trọng. Chúng ta cần nhớ rằng không phải mọi giải pháp đều cần thiết phải có AI. Đồng ý về các tiêu chuẩn phù hợp để đo lường thành công ngay từ đầu là điều quan trọng. Điều này sẽ cho phép các tổ chức theo dõi chặt chẽ ROI được giao và có thể có trên các trường hợp sử dụng khác nhau. Thông tin này có thể được sử dụng để ưu tiên và hợp lý hóa các trường hợp sử dụng ở tất cả các giai đoạn để giữ chi phí trong tầm kiểm soát. Các tổ chức có thể hợp tác với các nhà cung cấp dịch vụ AI và phân tích để cung cấp kết quả kinh doanh với các mô hình thương mại linh hoạt để bảo đảm rủi ro đầu tư ROI.