Tại Sao GenAI Đứng yên ở Giai đoạn Thử nghiệm

Khi các công ty đang cố gắng chuyển dự án Trí tuệ Nhân tạo Tạo sinh từ giai đoạn thử nghiệm sang sản xuất, nhiều doanh nghiệp vẫn đang mắc kẹt ở giai đoạn thử nghiệm. Như nghiên cứu gần đây của chúng tôi đã chỉ ra, 92% các tổ chức lo lắng rằng các dự án thử nghiệm GenAI đang được đẩy nhanh mà không giải quyết các vấn đề dữ liệu cơ bản. Thậm chí còn đáng nói hơn: 67% không thể mở rộng thậm chí nửa số dự án thử nghiệm lên sản xuất. Khoảng cách này ít liên quan đến sự trưởng thành của công nghệ và nhiều hơn về sự sẵn sàng của dữ liệu cơ bản. Tiềm năng của GenAI phụ thuộc vào sức mạnh của nền tảng mà nó dựa vào. Và ngày nay, đối với hầu hết các tổ chức, nền tảng đó rất mong manh.

Tại Sao GenAI Đứng yên ở Giai đoạn Thử nghiệm

Mặc dù các giải pháp GenAI chắc chắn rất mạnh mẽ, chúng chỉ hiệu quả như dữ liệu mà chúng được nuôi dưỡng. Câu nói cũ “rác vào, rác ra” ngày nay còn đúng hơn bao giờ hết. Không có dữ liệu đáng tin cậy, đầy đủ, được ủy quyền và giải thích, các mô hình GenAI thường tạo ra kết quả không chính xác, thiên vị hoặc không phù hợp với mục đích.

Thật không may, các tổ chức đã vội vàng triển khai các trường hợp sử dụng ít nỗ lực, như các rô-bốt trò chuyện được hỗ trợ bởi AI cung cấp câu trả lời được tùy chỉnh từ các tài liệu nội bộ khác nhau. Và mặc dù những điều này cải thiện trải nghiệm khách hàng đến một mức độ nhất định, nhưng chúng không đòi hỏi sự thay đổi sâu sắc về cơ sở hạ tầng dữ liệu của công ty. Nhưng để mở rộng GenAI một cách chiến lược, dù trong lĩnh vực chăm sóc sức khỏe, dịch vụ tài chính hay tự động hóa chuỗi cung ứng, đòi hỏi một mức độ trưởng thành về dữ liệu khác.

Trên thực tế, 56% các Giám đốc Dữ liệu coi độ tin cậy của dữ liệu là một rào cản chính cho việc triển khai AI. Các vấn đề khác bao gồm dữ liệu không đầy đủ (53%), vấn đề bảo mật (50%) và khoảng trống quản lý AI lớn hơn (36%).

Không có Quản lý, không có GenAI

Để đưa GenAI vượt ra ngoài giai đoạn thử nghiệm, các công ty phải coi quản lý dữ liệu như một yêu cầu chiến lược đối với kinh doanh của họ. Họ cần đảm bảo rằng dữ liệu đủ tốt để cung cấp năng lượng cho các mô hình AI và để làm được điều đó, các câu hỏi sau cần được giải quyết:

• Dữ liệu được sử dụng để đào tạo mô hình có đến từ các hệ thống đúng không?
• Chúng ta đã loại bỏ thông tin nhận dạng cá nhân và tuân thủ tất cả các quy định về dữ liệu và bảo mật không?
• Chúng ta có minh bạch và có thể chứng minh nguồn gốc của dữ liệu mà mô hình sử dụng không?
• Chúng ta có thể ghi lại các quy trình dữ liệu và sẵn sàng chứng minh rằng dữ liệu không có thiên vị không?

Quản lý dữ liệu cũng cần được tích hợp vào văn hóa của một tổ chức. Để làm được điều này, đòi hỏi xây dựng năng lực AI trên tất cả các đội. Luật AI của EU chính thức hóa trách nhiệm này, yêu cầu cả nhà cung cấp và người dùng hệ thống AI phải nỗ lực tốt nhất để đảm bảo nhân viên của họ có đủ kiến thức về AI, hiểu cách những hệ thống này hoạt động và cách sử dụng chúng một cách có trách nhiệm. Tuy nhiên, việc áp dụng AI hiệu quả vượt ra ngoài kiến thức kỹ thuật. Nó cũng đòi hỏi một nền tảng vững chắc về kỹ năng dữ liệu, từ hiểu quản lý dữ liệu đến đặt câu hỏi phân tích. Việc coi kiến thức AI như một thực thể riêng biệt với kiến thức dữ liệu sẽ là một quan điểm ngắn ngủi, xét đến sự gắn kết chặt chẽ giữa chúng.

Về quản lý dữ liệu, vẫn còn nhiều việc phải làm. Trong số các doanh nghiệp muốn tăng đầu tư vào quản lý dữ liệu, 47% đồng ý rằng thiếu kiến thức về dữ liệu là một rào cản hàng đầu. Điều này nhấn mạnh nhu cầu xây dựng sự hỗ trợ cấp cao và phát triển các kỹ năng phù hợp trên toàn tổ chức là điều cần thiết. Không có những nền tảng này, ngay cả những mô hình LLM mạnh mẽ nhất cũng sẽ gặp khó khăn trong việc cung cấp giá trị.

Phát triển AI phải được Kiểm soát

Trong môi trường pháp lý hiện tại, không đủ để AI “chỉ hoạt động”, nó cũng cần phải được giải thích và có trách nhiệm. Luật AI của EU và Kế hoạch Hành động AI đề xuất của Vương quốc Anh yêu cầu tính minh bạch trong các trường hợp sử dụng AI có rủi ro cao. Những người khác đang theo đuổi, và hơn 1.000 dự luật liên quan đến chính sách đang được xem xét ở 69 quốc gia.

Phong trào toàn cầu hướng tới trách nhiệm giải trình này là kết quả trực tiếp của nhu cầu ngày càng tăng của người tiêu dùng và các bên liên quan về sự công bằng trong các thuật toán. Ví dụ, các tổ chức phải có thể giải thích lý do tại sao một khách hàng bị từ chối vay hoặc bị tính phí bảo hiểm cao. Để làm được điều đó, họ cần biết mô hình đã đưa ra quyết định đó như thế nào, và điều đó phụ thuộc vào việc có một đường dẫn rõ ràng và có thể kiểm toán về dữ liệu được sử dụng để đào tạo nó.

Nếu không có khả năng giải thích, doanh nghiệp rủi ro mất niềm tin của khách hàng cũng như phải đối mặt với hậu quả tài chính và pháp lý. Do đó, khả năng theo dõi nguồn gốc dữ liệu và chứng minh kết quả không phải là một “thứ gì đó tốt để có”, mà là một yêu cầu tuân thủ.

Và khi GenAI mở rộng ra ngoài việc được sử dụng cho các công cụ đơn giản để trở thành các đại lý đầy đủ có thể đưa ra quyết định và hành động theo quyết định đó, ставки cho quản lý dữ liệu mạnh mẽ tăng lên thậm chí còn cao hơn.

Các Bước để Xây dựng AI Tin cậy

Vậy, điều gì là tốt? Để mở rộng GenAI một cách có trách nhiệm, các tổ chức nên áp dụng một chiến lược dữ liệu đơn nhất trên ba trụ cột:

• Tùy chỉnh AI cho Doanh nghiệp: Catalogue dữ liệu của bạn xung quanh các mục tiêu kinh doanh chính, đảm bảo nó phản ánh bối cảnh, thách thức và cơ hội cụ thể của doanh nghiệp của bạn.
• Thiết lập Niềm tin vào AI: Thiết lập các chính sách, tiêu chuẩn và quy trình cho việc tuân thủ và giám sát việc triển khai AI một cách có trách nhiệm và đạo đức.
• Xây dựng Đường ống Dữ liệu Sẵn sàng cho AI: Kết hợp các nguồn dữ liệu đa dạng của bạn vào một nền tảng dữ liệu vững chắc để tạo ra AI mạnh mẽ, tích hợp sẵn sàng kết nối GenAI.

Khi các tổ chức làm đúng điều này, quản lý sẽ tăng tốc giá trị của AI. Ví dụ, trong lĩnh vực dịch vụ tài chính, các quỹ đầu tư đang sử dụng GenAI để vượt trội so với các nhà phân tích con người trong dự đoán giá cổ phiếu trong khi giảm đáng kể chi phí. Trong sản xuất, tối ưu hóa chuỗi cung ứng được thúc đẩy bởi AI cho phép các tổ chức phản ứng theo thời gian thực với các thay đổi về chính trị và áp lực môi trường.

Và những điều này không chỉ là ý tưởng trong tương lai, chúng đang xảy ra ngay bây giờ, được thúc đẩy bởi dữ liệu đáng tin cậy.

Với nền tảng dữ liệu vững chắc, các công ty giảm thiểu sự trôi dạt của mô hình, hạn chế chu kỳ đào tạo lại và tăng tốc độ đạt được giá trị. Đó là lý do tại sao quản lý không phải là một chướng ngại vật; nó là một yếu tố kích thích sự đổi mới.

Tương lai là Gì?

Sau giai đoạn thử nghiệm, các tổ chức đang chuyển sang đầu tư vào các khả năng chuyển đổi. Từ việc cá nhân hóa tương tác với khách hàng đến tăng tốc nghiên cứu thuốc, cải thiện sức khỏe tâm thần và đơn giản hóa các quy trình quy định, GenAI đang bắt đầu thể hiện tiềm năng của nó trên các ngành công nghiệp.

Tuy nhiên, những lợi ích này phụ thuộc hoàn toàn vào dữ liệu dướipin chúng. GenAI bắt đầu bằng việc xây dựng một nền tảng dữ liệu vững chắc, thông qua quản lý dữ liệu mạnh mẽ. Và trong khi GenAI và AI đại lý sẽ tiếp tục phát triển, nó sẽ không thay thế sự giám sát của con người trong thời gian gần. Thay vào đó, chúng ta đang bước vào một giai đoạn tạo giá trị có cấu trúc, nơi AI trở thành một đồng pilót đáng tin cậy. Với những khoản đầu tư đúng vào chất lượng dữ liệu, quản lý và văn hóa, các doanh nghiệp cuối cùng có thể biến GenAI từ một dự án thử nghiệm hứa hẹn thành một thứ gì đó thực sự cất cánh.