2 Nút thắt quyết định thành công trong các Dự án Trí tuệ nhân tạo

Trong thời đại thông tin công nghệ số, chúng ta không khó để tìm thấy những thông tin minh chứng cho sự thành công vượt bậc của Trí tuệ nhân tạo. Đi cùng với xu hướng I 4.0, tầm nhìn của các cá nhân, tổ chức, doanh nghiệp hay quốc gia đều có những định hướng liên quan đến việc phát triển ứng dụng công nghệ hiện đại này.

Thế nhưng, làm sao để có được những hướng đi đúng, những quyết định chính xác cho các kỳ vọng và định hướng của các dự án trí tuệ nhân tạo là bài toán vô cùng khó khăn. Để quản lý được tầm nhìn chiến lược và các kỳ vọng của lãnh đạo doanh nghiệp, chúng tôi đã từng đề cập tới trong bài viết trước đó.

Vậy làm sao để thực thi được những phương pháp cụ thể để tăng khả năng thành công cho những dự án Trí tuệ nhân tạo? Trong bài viết này chúng ta sẽ tham khảo phân tích từ Gartner về 2 điểm mấu chốt quyết định sự thành công của những dự án này.

Nút thắt số 1: Xác định các trường hợp sử dụng nhận lợi từ kỹ thuật AI

Một sự hiểu biết rõ ràng về tác động kinh doanh cuối cùng của nó sẽ là khởi đầu của mọi dự án sử dụng AI. Các bên liên quan của doanh nghiệp phải có khả năng trình bày rõ ràng các lợi ích kinh doanh hữu hình mà họ đang mong đợi bằng cách đặt ra các câu hỏi:

  • Những vấn đề doanh nghiệp muốn giải quyết là gì?
  • Ai là người dùng chính của công nghệ này?
  • Quy trình kinh doanh sẽ dẫn dắt kỹ thuật đó là gì?
  • Tác động của việc thực hiện công nghệ này sẽ được đo lường như thế nào (so với các kỹ thuật truyền thống)?
  • Giá trị do công nghệ này đem lại sẽ được theo dõi và duy trì như thế nào? Bởi ai?
  • Trong hệ thống doanh nghiệp ai là chuyên gia về vấn đề này và sẽ định hướng sự phát triển của giải pháp?

Mô hình giá trị doanh nghiệp của Gartner sẽ giúp bạn thiết lập một tập hợp số liệu thích hợp. Mô hình này là một khuôn khổ cấu trúc và định nghĩa về các số liệu phi tài chính có thể được áp dụng chung để giúp các tổ chức xác định hoạt động kinh doanh của họ sẽ tác động như thế nào đến hiệu quả tài chính.

Mô hình trong Hình 2 bao gồm ba khía cạnh rộng:

  1. Quản lý nhu cầu
  2. Quản lý cung ứng (hoặc đặt hàng bằng tiền mặt)
  3. Các dịch vụ hỗ trợ

Sử dụng số liệu kinh doanh cứng càng nhiều càng tốt, trong thực tế, chúng là hiệu quả nhất. Ví dụ: “giảm 2% số lượng khách hàng”, “giảm 7% các cuộc gọi đến trung tâm” hoặc “tăng 15% lượng bán chéo giữa Mặt hàng X và Mặt hàng Y”.

Có thể, trong quá trình đối thoại giữa nhóm kỹ thuật và nhóm kinh doanh, có thể xác định một số trường hợp sử dụng. Động thái tiếp theo sẽ là ưu tiên các trường hợp sử dụng khác nhau này. Quá trình ưu tiên này sẽ không hoàn toàn phụ thuộc vào lợi ích tiềm năng được tạo ra, mà còn dựa trên các khía cạnh khác bao gồm: tính khả thi về mặt kỹ thuật, khả năng kinh tế, tính khả dụng của dữ liệu, tính linh hoạt của quá trình, khả năng đo lường kết quả. Nghiên cứu bổ sung có thể cung cấp thêm thông tin chi tiết về cách tối ưu hóa quy trình lựa chọn trường hợp sử dụng.

 

Hình ảnh: Mô hình giá trị kinh doanh Gartner

Nguồn: Gartner (tháng 6 năm 2018)

Nút thắt số 2: Tăng cường kỹ năng  công nghệ (AI) của bạn

Việc áp dụng các kỹ thuật AI đó vào các hệ thống và quy trình hiện có thường đòi hỏi các cách tiếp cận khác biệt- cũng như các kỹ năng và kỹ thuật làm việc khác nhau – so với những gì tổ chức vốn quen thuộc. Vì vậy, những đội nhóm sử dụng kỹ thuật AI để giải quyết vấn đề hiệu quả nhất có tập hợp kỹ năng cân bằng về nhiều lĩnh vực.

Kỹ thuật AI trong mô hình này đòi hỏi bạn phải vận dụng một số kỹ năng không truyền thống:

Bảng thông tin: Kỹ thuật AI và những vai trò bổ sung

Kỹ thuật AIVai trò bổ sung
Lý luận theo xác suấtCác nhà khoa học dữ liệu: Các nhân viên quan trọng có thể trích xuất nhiều kiến ​​thức khác nhau từ dữ liệu, có tổng quan về quy trình đầu cuối và có thể giải quyết các vấn đề khoa học dữ liệu.
Kỹ sư dữ liệu: Làm cho dữ liệu thích hợp có thể truy cập và có sẵn cho các nhà khoa học dữ liệu và, như vậy, có thể là công cụ trong việc tăng năng suất lớn.
Lô-gic tính toánCác kỹ sư quy trình: Ngoài các chuyên gia liên quan đến các hoạt động lập mô hình quyết định, kiến ​​thức về xử lý ký hiệu hoặc phi phương thức là một lợi thế khi nói đến việc tận dụng các kỹ thuật lập trình logic.
Kỹ thuật tối ưu hóaCác kỹ sư nghiên cứu hoạt động: Đã sử dụng các kỹ thuật tối ưu hóa như lập trình tuyến tính hoặc lập luận dựa trên ràng buộc trong nhiều thập kỷ để giải quyết các vấn đề về quản lý tài nguyên và lập kế hoạch.
Xử lý ngôn ngữ tự nhiênCác nhà ngôn ngữ học tính toán: Làm sáng tỏ sự phức tạp của giao tiếp ngôn ngữ tự nhiên giữa người dùng và máy móc, thông thạo thao tác các kỹ thuật ngôn ngữ khác nhau và tác động của truyền thông tự nhiên tới người dùng.
Biểu diễn tri thứcCác tri thức và kỹ sư bản thể học: Có chuyên môn trong lập trình, thể hiện và ánh xạ các cấu trúc tri thức thông qua các đồ thị, mạng lưới hoặc các cơ chế biểu diễn thích hợp khác.
Tính toán dựa trên-tác tửKỹ sư hệ thống: Hiện nay trong số các chuyên gia phù hợp nhất để đối phó với hành vi hệ thống phức tạp, phối tổ chức hệ thống, và phân phối quản lý hệ thống năng động.

Nguồn: Gartner (Tháng 6/2018)

Những vai trò truyền thống quan trọng khác trong việc vận hành các kỹ thuật AI gồm:

  • Kỹ sư phần mềm: thỉnh thoảng cần thiết khi cần mã hóa tùy chỉnh (ví dụ, trực quan hóa đặc biệt, tích hợp dữ liệu hoặc triển khai một số kết quả nhất định)
  • Chuyên gia kinh doanh: Cá nhân hiểu miền kinh doanh thực sự tốt. Điều này đôi khi có thể là các nhà lãnh đạo doanh nghiệp, hoặc đôi khi là một loạt các chuyên gia chủ chốt.
  • Kiến trúc sư hệ thống: Có hình ảnh rõ ràng về cơ sở hạ tầng hỗ trợ các quy trình, hệ thống và ứng dụng sẽ tích hợp các mô hình học máy.
  • Nhà phát triển ứng dụng: Hiểu sâu về hoạt động bên trong của các ứng dụng kinh doanh và tương tác của người dùng cuối với các giải pháp kinh doanh đó.
  • Kỹ sư quy trình: Hiểu được mối quan hệ phức tạp và trung gian của các quy trình kinh doanh khác nhau có tận dụng tài sản phân tích.
  • Ergonomists (Nhà nghiên cứu tích hợp): Hiểu được sự tương tác giữa con người và các yếu tố khác của một hệ thống; áp dụng lý thuyết, nguyên tắc và phương pháp để tối ưu hóa tương tác của con người và hiệu suất hệ thống tổng thể.

Trí tuệ nhân tạo là lĩnh vực tiềm ẩn nhiều cơ hội, tuy nhiên cũng rất phức tạp và  khó nắm bắt. Để có thể chủ động và tăng khả năng thành công với AI, chúng ta cần xác định rõ nền tảng, khoảng cách công nghệ của doanh nghiệp có phù hợp để triển khai các dự án hay chưa.

Doanh nghiệp, cá nhân đều cần xác định rõ đâu là bộ phận hưởng lợi và kỳ vọng những tiện ích của ứng dụng AI này sau khi hoàn thành. Sau đó là tìm hiểu và tăng cường các kỹ năng công nghệ của mình và bộ phận thực thi. Khi đã có đầy đủ các điều kiện trên, cá nhân hay doanh nghiệp cần xác định và tổ chức triển khai chính xác giải pháp AI để đảm bảo kết quả kỳ vọng.

Còn tiếp…
Nguồn:Gartner 

Nội dung của bài viết này có ích với bạn không? Hãy cho chúng tôi biết bằng cách comment phía dưới bài viết này nhé.
Những đánh giá và đóng góp của bạn sẽ tiếp thêm động lực để chúng tôi phát triển thêm về nội dung và chủ đề liên quan.
Chân thành cám ơn!

 

 

Bài viết liên quan:

Phản hồi

phản hồi

0 replies

Leave a Reply

Want to join the discussion?
Feel free to contribute!

Trả lời

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *

Website này sử dụng Akismet để hạn chế spam. Tìm hiểu bình luận của bạn được duyệt như thế nào.