Giải quyết vấn đề “Làm thế nào” và “Khi nào”: Đưa chiến lược kinh doanh vào việc áp dụng trí tuệ nhân tạo

Chúng ta đã đạt đến điểm bùng nổ với trí tuệ nhân tạo (AI) nơi các cuộc thảo luận trong phòng họp đã chuyển từ việc tranh luận về hiệu quả sang việc đẩy nhanh việc áp dụng. Đây là một thời điểm thú vị, đặc biệt khi xem xét tốc độ thay đổi sẽ không bao giờ chậm như thế này nữa. Theo BCG, mặc dù sự không chắc chắn về kinh tế toàn cầu, đổi mới đã tăng lên như một ưu tiên hàng đầu của các công ty vào năm 2023, với 79% công ty xếp nó vào số mục tiêu hàng đầu của họ.

Tuy nhiên, đổi mới vì đổi mới không phải là một chiến lược kinh doanh hợp lý, và các tổ chức bị cuốn vào cơn sốt AI có nguy cơ đầu tư vào sự cường điệu, thay vì các giải pháp tạo ra giá trị lâu dài. Việc hiểu sự khác biệt đòi hỏi phải xem xét cẩn thận các khả năng hiện tại và sự kiên nhẫn để ưu tiên tăng trưởng bền vững hơn là theo đuổi các xu hướng ngắn hạn.

Vùng Goldilocks

Lịch sử kinh doanh đầy những ví dụ về các công ty mà các quyết định chiến lược tại những thời điểm quan trọng đã có hậu quả đối với sự tồn tại của họ. Ví dụ, Amazon đã sống sót sau bong bóng dot-com bằng cách nhận ra tầm quan trọng của việc điều chỉnh chiến lược kế toán và tăng cường dự trữ trong khi các công ty khác đang đốt tiền như không có ngày mai. Điểm mấu chốt là, các quyết định kinh doanh hợp lý hơn bao giờ hết trong thời kỳ hào hứng hàng loạt, và việc lập kế hoạch cho ngày mai đòi hỏi khả năng suy nghĩ thấu đáo tất cả các kịch bản có thể xảy ra.

Tổng thể, có một cảm giác chung về AI FOMO (“sợ bỏ lỡ”) đã thấm vào các đội ngũ lãnh đạo,进一步 bị phức tạp bởi thực tế rằng việc không làm gì (tức là đầu hàng “đóng băng bởi phân tích”) cũng là một mối đe dọa thực sự. (Chỉ cần hỏi Kodak.) Dưới đây là 3 yếu tố mà các công ty đang tìm kiếm “Vùng Goldilocks” của AI – không đầu tư quá nhanh hoặc quá chậm, nhưng tìm được điểm ngọt ngào của đổi mới bền vững.

1. Tập trung vào sự tăng trưởng dữ liệu trước

Giống như bất kỳ máy nào, điều quan trọng là phải hiểu cách thức hoạt động của nó để hiểu giá trị đến từ đâu. Nghĩa là, AI không phải là một sản phẩm hoàn chỉnh, mà các mô hình ngôn ngữ lớn (LLM) của nó phụ thuộc vào số lượng lớn các điểm dữ liệu đa dạng để học các mẫu, ngữ cảnh và sắc thái ngôn ngữ. Kích thước và độ phức tạp của LLM đòi hỏi dữ liệu đào tạo rộng lớn để hoạt động hiệu quả trên các lĩnh vực và nhiệm vụ khác nhau. Chất lượng và số lượng dữ liệu này sẽ ảnh hưởng lớn đến hiệu suất của LLM, và theo đó, bộ công cụ AI của một công ty.

Tạo ra các hệ sinh thái dữ liệu mạnh mẽ hơn là một khoản đầu tư thông minh đầu tiên cho bất kỳ công ty nào đang lên kế hoạch cho một cuộc chuyển đổi AI, và dữ liệu này sẽ phục vụ như nền tảng cho LLM khi chúng phát triển và tiến hóa. Trong quá trình tiến hóa này, dữ liệu chất lượng cao trở nên quan trọng hơn. Mặc dù các nghiên cứu đã chỉ ra rằng LLM có thể có năng lực với dữ liệu tối thiểu, chuyên gia hiện nay nói rằng “tác động của chất lượng và đa dạng dữ liệu đối với cả sự phù hợp và các lĩnh vực đào tạo LLM khác (đào tạo trước, tinh chỉnh, khả năng điều khiển, v.v.) là tuyệt đối khổng lồ.”

2. Xác định trường hợp sử dụng kinh doanh

Mặc dù AI chắc chắn có khả năng cho các ứng dụng bên ngoài rộng rãi, nhưng hầu hết các công ty tập trung vào việc sử dụng công nghệ để tối ưu hóa các quy trình nội bộ. “Tối ưu hóa” là từ khóa ở đây, nghĩa là các công ty không nên mong đợi chỉ cắm và chạy phần mềm AI để tự động cải thiện đầu ra. Thay vào đó, một số trường hợp sử dụng AI thành công nhất liên quan đến việc phân tích dữ liệu để tiết lộ những thông tin quý giá về hành vi của khách hàng, xu hướng thị trường và các rủi ro tiềm ẩn. Nó cũng đã được chứng minh là hiệu quả trong việc tinh gọn các hoạt động nội bộ, bao gồm việc tự động hóa các nhiệm vụ thủ công để phân bổ thời gian của nhân viên cho các hoạt động cấp cao hơn.

Tóm lại, thay vì lãng phí thời gian để tìm ra các mô hình AI để sử dụng, các tổ chức cần tập trung vào các vấn đề cụ thể mà họ cần AI giải quyết. (tức là bắt đầu với kim chỉ nam mà bạn muốn di chuyển, thiết lập KPI mà bạn muốn ảnh hưởng, và sau đó làm việc ngược lại để xác định các công cụ AI sẽ đạt được những mục tiêu đó.) Theo Khảo sát AI của MIT, 90% những người sử dụng AI để tạo ra các KPI mới cho biết họ thấy KPI của mình được cải thiện. “Những KPI được thông tin bởi AI này mang lại lợi ích kinh doanh và thể hiện các khả năng mới: chúng thường dẫn đến hiệu quả hơn và lợi ích tài chính lớn hơn và được chi tiết hơn, nhạy cảm hơn và phù hợp với các mục tiêu của tổ chức.”

3. Xây dựng các công cụ AI tùy chỉnh bằng cách sử dụng LLM mã nguồn mở

Để xây dựng hoặc mua – đó là câu hỏi. Xây dựng một giải pháp AI tùy chỉnh có thể seem đáng sợ, và nhiều công ty chọn mua giấy phép từ một nhà cung cấp bên ngoài với một LLM độc quyền để tránh đi xuống con đường đó. Tuy nhiên, giấy phép có thể hạn chế cách LLM có thể được sử dụng, và phí cấp phép có thể trở nên rất tốn kém theo thời gian. Mặt khác, LLM mã nguồn mở là miễn phí và kiến trúc cơ bản có sẵn cho các nhà phát triển để truy cập, xây dựng và sửa đổi dựa trên nhu cầu cụ thể của công ty.

Mô hình hệ sinh thái mã nguồn mở này đã trở nên phổ biến khi các công ty cố gắng giữ thông tin nhạy cảm trên mạng của họ và giữ nhiều quyền kiểm soát hơn đối với dữ liệu của họ. LLM mã nguồn mở mang lại cho các công ty sự minh bạch và linh hoạt này, cùng với các lợi ích như giảm thiểu các vấn đề về độ trễ và tăng hiệu suất. IBM và NASA gần đây đã hợp tác để phát triển một LLM mã nguồn mở được đào tạo trên dữ liệu địa lý để giúp các nhà khoa học chống lại biến đổi khí hậu, một phần của Sáng kiến Khoa học Mở của NASA để xây dựng một cộng đồng khoa học dễ tiếp cận, bao gồm và hợp tác hơn.

Như với bất kỳ công nghệ mã nguồn mở nào, có những rủi ro liên quan đến LLM mã nguồn mở, bao gồm cả việc rò rỉ bảo mật / vi phạm, ảo giác / thiên vị dựa trên thông tin không chính xác hoặc bị lỗi, và các tác nhân xấu cố ý thao túng dữ liệu. Nhưng các mô hình mã nguồn mở đang trở nên thông minh và an toàn hơn theo thời gian, dẫn đến một số chuyên gia cảm thấy rằng LLM mã nguồn mở sẽ sớm đạt đến mức của các LLM độc quyền tốt nhất, biện minh cho việc đầu tư vào việc áp dụng sớm và thời gian dành cho việc nâng cao kỹ năng của các đội.

Việc áp dụng AI sẽ là nhiều cuộc chạy nước rút nhanh trong một cuộc marathon

Dựa trên các con số gần đây, có khoảng 15.000 công ty AI tại Hoa Kỳ, nhiều hơn gấp đôi so với năm 2017. Trên toàn thế giới, những con số này tăng gần bốn lần. Với số lượng nhà cung cấp và các công ty khởi nghiệp mới nóng bỏng đang quảng cáo dịch vụ của họ, không có gì ngạc nhiên khi các công ty gặp khó khăn trong việc quyết định nơi đầu tư thời gian và tiền bạc của họ. Nhưng bằng cách đánh giá cẩn thận nhu cầu và rủi ro / lợi ích được trình bày bởi đổi mới, các nhà lãnh đạo sẽ tìm thấy sự kết hợp phù hợp của AI để thúc đẩy các công ty của họ vào một tương lai tăng trưởng bền vững.