Biến các thí nghiệm AI thành trí tuệ doanh nghiệp và giá trị

AI doanh nghiệp không bị giới hạn bởi các mô hình. Các công ty có thể triển khai các chương trình thí điểm thử nghiệm, thực hiện các nhiệm vụ phổ biến và triển khai các mô hình chứng minh khái niệm nhanh hơn rất nhiều so với trước đây, nhưng thường không thể tiến xa hơn các thành tựu “AI” riêng lẻ.

Nhưng vấn đề không phải là mô hình; mà là môi trường làm việc của chúng. Nhiều thách thức mở rộng vẫn còn, bao gồm dữ liệu rời rạc và quyền sở hữu không rõ ràng, phần lớn vì các hệ thống này được thiết kế trước khi AI trở thành một lựa chọn kinh doanh cốt lõi.

Một nghiên cứu gần đây của Wipro và HFS Research kết luận rằng trong khi 90% các nhà lãnh đạo doanh nghiệp kỳ vọng các đội ngũ con người và AI sẽ trở thành hiện thực trong vòng ba năm, chỉ có 18% đang thiết kế lại quy trình của mình để hỗ trợ tương lai đó. Tương tự, 87% cho biết họ đang đầu tư vào AI nhanh hơn so với khả năng thể hiện giá trị thu được. Các doanh nghiệp không thể mong đợi AI thay đổi kinh doanh nếu họ chưa ưu tiên cập nhật dữ liệu, quản trị và quy trình làm việc.

Khả năng AI đang nhanh chóng trở nên phổ biến. Lợi thế cạnh tranh sẽ đến từ mức độ hiệu quả mà các tổ chức kết nối dữ liệu, ngữ cảnh, trí tuệ, quản trị và thực thi.

Pilots Tend to Stall

Ngay cả khi có dữ liệu có giá trị để làm việc, các chương trình thí điểm vẫn có thể thất bại. Ví dụ, nếu một nhóm nhỏ biết nguồn gốc dữ liệu của một bảng tính, họ thường cảm thấy thoải mái khi sử dụng. Tuy nhiên, việc mở rộng mức độ hiểu biết về dữ liệu như vậy trên toàn bộ tổ chức là khó khăn. Với AI tự hành, việc truy xuất thông tin từ nhiều hệ thống hoặc thiết lập quy trình làm việc dẫn đến các đề xuất cho khách hàng trở nên dễ dàng. Mặc dù đại lý AI có thể hành động nhanh chóng, nhưng thường không rõ dữ liệu có đáng tin cậy hay không.

Khi các công ty cố gắng mở rộng từ một trường hợp sử dụng AI sang nhiều trường hợp, sự hoài nghi tăng lên và các vấn đề có thể phát sinh. Nếu thông tin khách hàng xuất phát từ các hệ thống khác nhau, có thể không thể biết cách thông tin gốc được thu thập và biên soạn như thế nào. Tương tự, các chính sách quản trị có thể tồn tại, nhưng không rõ liệu những quy tắc đó đã được áp dụng cho bộ dữ liệu mà các đại lý thu thập hay không.

Vì vậy, mặc dù mở rộng AI là hấp dẫn, nhưng những bất nhất tạo ra các bẫy. Để thực sự khai thác giá trị từ AI tự hành, các công ty phải triển khai thiết kế dữ liệu và quy trình làm việc ngay từ đầu, không phải sau này.

Build a Trusted AI Foundation

Xây dựng một nền tảng sẵn sàng cho AI vững chắc có nghĩa là con người và hệ thống AI có thể khám phá, truy cập và sử dụng dữ liệu đáng tin cậy với một hệ thống quản trị phù hợp.

Tập trung vào ba năng lực thiết yếu: 

1. Việc áp dụng một cách tiếp cận thống nhất đối với dữ liệu và AI là rất quan trọng. Các ứng dụng AI tự hành cần lấy dữ liệu từ một nền tảng vững chắc, không phải từ các hệ thống rời rạc và không liên kết. Điều này giảm đáng kể sự nhầm lẫn do các nguồn dữ liệu chồng chéo và giúp dễ dàng áp dụng các quy tắc hệ thống cho việc truy cập, chất lượng và tuân thủ.
2. Việc xây dựng quản trị vào hệ thống ngay từ đầu là thiết yếu để quản lý cách dữ liệu được sử dụng. Ví dụ, một đại lý đề xuất hành động cần dựa trên thông tin đã được phê duyệt, hoạt động trong phạm vi các quyền hạn đã định, và cung cấp bản ghi có thể truy xuất được về cách nó đạt được kết quả đã cung cấp.
3. Áp dụng AI vào các quy trình và luồng công việc thực tế. AI nên được nhúng vào các quy trình mà nhân viên đã gặp khó khăn, chẳng hạn như trả lời yêu cầu của khách hàng hoặc khắc phục sự cố công nghệ thông tin.

Đừng nghĩ AI là một công cụ độc lập. Thay vào đó, hãy tập trung vào việc kết nối các đại lý, giám sát con người và quyết định trong một quy trình toàn diện được quản trị. Giám sát con người là quan trọng, nhưng nó chủ yếu là để có kiểm soát cụ thể cho các quy trình phức tạp.

Putting AI Into Practice

Xây dựng một nền tảng dữ liệu mà AI có thể khai thác là yếu tố then chốt. Một ví dụ đến từ quy trình mua hàng đến thanh toán trong một công ty chăm sóc sức khỏe tiêu dùng. Một tổ chức lớn có thể xử lý một khối lượng khổng lồ hoá đơn đồng thời quản lý các quy trình phê duyệt phức tạp. Việc rà soát thủ công các hoá đơn này làm chậm chu kỳ thanh toán và hạn chế khả năng nhìn thấy nơi xảy ra vấn đề. Áp dụng AI tự hành để xử lý hoá đơn đã mang lại hoạt động không cần can thiệp 70% và tăng hiệu suất 45%. Hệ thống được hỗ trợ bởi AI xử lý khoảng một triệu hoá đơn mỗi năm, tương đương khoảng 6 tỷ đô la giá trị, trong khi chuyển các vấn đề phức tạp nhất cho con người xem xét.

Mục tiêu là tạo ra một quy trình được quản trị, trong đó hệ thống có thể truy xuất thông tin chính xác, áp dụng các quy tắc đã được phê duyệt, học hỏi từ các mẫu lặp lại và chỉ nâng cấp khi cần thiết. Một nền tảng dữ liệu vững chắc cung cấp cho hệ thống AI ngữ cảnh cần thiết để hỗ trợ lập kế hoạch, phân tích và báo cáo, đồng thời đảm bảo có một hệ thống quản trị hiện hữu.

Steps to Move Forward

Để chuẩn bị cho công ty đạt thành công lâu dài, hãy tiếp cận việc mở rộng và mở quy mô AI với cùng mức độ thẩm định như khi thực hiện chương trình chuyển đổi toàn công ty.

1. Dữ liệu và AI: Trước khi bắt đầu, hãy hiểu nguồn gốc ban đầu của thông tin và đặt câu hỏi: Dữ liệu có thiếu sót không? Các định nghĩa kinh doanh có không nhất quán không? Các hạn chế truy cập có ngăn hệ thống nhìn thấy ngữ cảnh cần thiết không? Nhân viên có thiếu quy trình làm việc để sử dụng hoặc thách thức kết quả của AI không?
2. Tạo nền tảng: Việc xây dựng một nền tảng dữ liệu vững chắc, ưu tiên các miền dữ liệu quan trọng nhất cho các trường hợp sử dụng ban đầu là rất quan trọng. Xác định quyền sở hữu và áp dụng quyền truy cập cùng các kiểm soát chất lượng phù hợp ngay từ đầu. Mục tiêu là dữ liệu chất lượng cao, được quản trị, tạo dựng niềm tin và thúc đẩy quyết định tốt hơn.
3. Xác định một vài quy trình công việc quan trọng, nơi các vấn đề kinh doanh rõ ràng; dữ liệu có sẵn và dễ đo lường thành công. Tạo các đại lý tập trung vào những quy trình đó, bao gồm cả những quy trình có sự can thiệp của con người, để đảm bảo chất lượng.

What Lies Ahead

Lợi thế cạnh tranh tiếp theo sẽ không đến từ việc tiếp cận AI mà sẽ đến từ khả năng chuyển đổi dữ liệu toàn doanh nghiệp thành trí tuệ doanh nghiệp và các kết quả kinh doanh có thể đo lường ở quy mô lớn. AI doanh nghiệp sẽ được quyết định bởi mức độ xây dựng mô hình tốt, và các đại lý dựa trên chúng hoạt động có trách nhiệm và hiệu quả. Sống trong một thế giới dữ liệu rời rạc, nguồn gốc kém và không được quản lý sẽ hạn chế kết quả kinh doanh tích cực. Các công ty kết nối dữ liệu, quản trị và thiết kế lại quy trình làm việc có thể biến các thí nghiệm thành giá trị lâu dài. Con đường tới AI tự hành bắt đầu từ các nền tảng vận hành và dữ liệu cho phép hành động thông minh.