AI có thể tạo ra “hàng tỷ USD” trong tương lai

08:59 PM 08/11/2018 In bài viết

VB Summit on AI

Đây là một trong số những kết luận nổi lên từ các cuộc hội thoại với các giám đốc điều hành hàng đầu tại Hội nghị thượng đỉnh VB tuần trước, tập trung vào cách AI đang đẩy nhanh kết quả kinh doanh.

Các nhà lãnh đạo từ Microsoft, Facebook, IBM và Intel đã tham gia một hội nghị cấp cao về chủ đề “Người khổng lồ bên trong AI” vào cuối Hội nghị thượng đỉnh đã đưa ra một số thông tin chi tiết này.

Một phát hiện quan trọng khác là tính quyết định của nhân sự và tinh thần đồng đội. Điều này có vẻ hiển nhiên, nhưng các nhà quản lý cho rằng việc học tập nâng cao của họ trong năm qua có mối quan hệ chặt chẽ với các chuyên gia khoa học vì họ thực sự biết trong bối cảnh kinh doanh hiện đại ngày nay, các quyết định được đưa ra từ các nhà khoa học dữ liệu thường có sai số. Điều này trái ngược với suy nghĩ chung được đưa ra một năm trước đây, đó là nhiều người tin rằng AI có thể đưa ra quyết định tốt hơn con người.

AI đem lại hàng tỷ USD

Có thể cho rằng những nhận xét nổi bật nhất là khi các tham luận viên giải thích giá trị của AI cho các giám đốc điều hành mà chính bản thân họ không hoàn toàn đánh giá cao những lợi ích lâu dài của AI.

Ba trong số các tham luận viên đã đưa ra tuyên bố rằng một số công ty đã thu được kết quả kinh doanh vượt trội, thậm chí lên đến hàng tỷ đô la.

Ví dụ, Microsoft có khách hàng thu được lợi nhuận trị giá tỷ USD theo nhiều cách ứng dụng AI khác nhau, Venky Veeraraghavan, người quản lý chương trình của Microsoft cho đám mây và AI giải thích.

Một số người sử dụng AI để có sự hỗ trợ thông minh trong hàng triệu giao dịch, như với hoạt động quảng cáo. Một số khác sử dụng AI vào ít hoạt động nhưng lại đòi hỏi chất lượng hiệu quả cao như hỗ trợ hoạt động trên các mỏ khai thác dầu, khai thác đá phiến, ví dụ ở nơi các công ty dầu sử dụng AI để chạy dự đoán khoảng ba hoặc bốn lần giá trị khai thác một năm để ứng dụng các hoạt động đấu thầu.

Lợi tức đầu tư (ROI) từ việc dự đoán giá thầu như vậy có thể đem lại hàng trăm triệu hoặc thậm chí hàng tỷ đô la, Veeraraghavan nói.

Nhiều khách hàng của IBM cũng đang nhìn thấy lợi nhuận “khổng lồ” từ AI, Inhi Cho Suh, Tổng giám đốc kinh nghiệm Watson của IBM cũng đồng tình về nhận xét này.

Về phần mình, Intel đã thu được hơn một tỷ đô la từ việc bán chip Xeon của mình cho các công ty đang chạy các dự án AI, trích lời của CTO của Intel, Imir Khosrowshahi. “Doanh thu đạt hơn một tỷ đô la theo thông báo đầu tư AI trong tương lai tại Intel,” ông nói.

Tầm nhìn dài hạn

Điều quan trọng là phải nhấn mạnh tầm nhìn dài hạn khi thực hiện các dự án AI, Khosrowshahi và những người khác đều đồng tình. Trong trường hợp của Intel, đó là sự trở lại khi đầu tư đáng kể vào bộ xử lý và kiến ​​trúc phần cứng trong vài năm qua. Tình trạng học máy - một thành phần quan trọng của AI - đang có bước tiến nhanh. “Nó rất năng động và liên tục thay đổi”, Khosrowshahi nói.

Nhiều giám đốc điều hành tại Hội nghị thượng đỉnh VB xác nhận sự cần thiết phải đầu tư ít nhất một năm - và thường là lâu hơn - trước khi có kết quả đáng kể. Thật vậy, những công ty báo cáo rằng kết quả từ đầu tư AI “vượt quá mong đợi của họ” đều đã ứng dụng và làm việc trên AI trong ít nhất một năm, VentureBeat chỉ ra kết quả này trong bảng khảo sát từ những người tham dự hội nghị và độc giả.

Công ty tư vấn Deloitte, đưa ra kết quả từ một cuộc khảo sát chuyên sâu về AI từ hơn 1.000 giám đốc điều hành và các chuyên gia khác tại Hội nghị, nhấn mạnh rằng kỷ luật hoạt động là then chốt: “Rõ ràng sự tác động của AI là rất mạnh mẽ, và sự vội vàng có thể khiến các công ty gặp thất bại”, Jeff Loucks nói. , giám đốc điều hành tại Deloitte.

Các cuộc đối thoại trên tại Hội nghị thượng đỉnh VB đã xác nhận điều này: ví dụ Etsy đã nhìn thấy sự tăng giá cổ phiếu của nó trong năm qua nhờ lợi ích mà AI đem lại. Nhưng Etsy đã phải mất một năm để ra mắt sản phẩm AI của mình sau khi mua lại công nghệ Blackbird, Nikhil Raghavan, phó chủ tịch sản phẩm của Etsy cho biết.

Chỉ trong một số trường hợp đặc biệt, kết quả mới có thể thể hiện ngay lập tức.

Một số khách hàng của IBM đã đạt được lợi nhuận trong vòng bốn tháng, đặc biệt là trong lĩnh vực tiếp thị, Cho Suh của IBM lưu ý riêng trường hợp này. Bà cho biết các công ty này đã cố gắng bù đắp chi tiêu cho công nghệ và lao động trong thời gian đó bằng cách sử dụng Watson để tăng sự tham gia từ người dùng của họ và tăng thêm nhiều hình thức bán hàng để tăng doanh số.

Theo một cách riêng biệt, Chen Peng, người đứng đầu nhóm khoa học dữ liệu tại UberEats, trao đổi với khán giả tại Hội nghị VB rằng kết quả ban đầu của công ty khi áp dụng AI đã có sự thay đổi ngay lập tức và phần nào là nguyên nhân dẫn tới doanh thu 6 tỷ đô la chỉ sau bốn năm của nó. Đó là bởi vì nó có thể khai thác cơ sở hạ tầng công nghệ AI hiện có của công ty mẹ Uber. UberEats có một nhóm gồm 40 nhà khoa học dữ liệu.

“Đưa nó vào ứng dụng trong sản xuất, hiệu quả thật bất ngờ”

Một trong những lý do mà các dự án AI thành công nhất thường tốn thời gian là việc chuyển từ thử nghiệm và đào tạo mô hình AI sang triển khai thực tế thì không hề đơn giản. Cách đây ba năm, sự phát triển mạnh mẽ xung quanh công nghệ AI khiến các giám đốc điều hành đặt quá nhiều niềm tin vào sức mạnh của khoa học dữ liệu mà bỏ quả tầm quan trọng của các yếu tố khác.

Veeraraghavan của Microsoft đã nhớ lại kinh nghiệm của ông khi làm việc với công nghệ học sâu tại Bing ba năm trước: “Chúng tôi có tất cả những mô hình liên quan tuyệt vời này, và chúng tôi rất vui mừng về nó. Nhưng khi chúng tôi cố gắng đưa nó vào hoạt động sản xuất, nó thật khủng khiếp.” ông nói, “Microsoft đang giúp khách hàng học hỏi từ kinh nghiệm của mình”.

Ví dụ, Microsoft đã học cách ghép nối các nhà khoa học dữ liệu, những người hầu như không có kinh nghiệm về thực tế, với các giám đốc điều hành có kinh nghiệm. Rất ít công ty có khả năng phối hợp 2 nhóm này với nhau vì rất tốn kém, vì vậy Microsoft đưa ra lời khuyên cho khách hàng về số lượng khoa học dữ liệu thích hợp cần có trong mỗi trường hợp. Ngày nay, Microsoft đang thúc giục khách hàng xem xét các công cụ học máy tự động, để máy móc có thể thực hiện việc đào tạo AI cho họ. Veeraraghavan nói: “Khoa học đang tiến tới việc xây dựng mô hình có thể được thực hiện nhanh hơn, và với ít kỹ năng khoa học dữ liệu hơn”. “Nhưng nó không làm giảm nhu cầu tìm hiểu dữ liệu”, ông nói.

Quay trở lại với chuyên môn chính

Các tham luận viên khác đồng ý rằng trọng tâm hiện nay là các chuyên gia cần thực sự hiểu dữ liệu và bối cảnh hiện tại trong lĩnh vực của họ. Việc đào tạo AI thực sự có thể thay đổi nhanh chóng, nhưng “phần chuẩn bị dữ liệu thực sự mất nhiều thời gian hơn và phải yêu cầu các chuyên gia giúp bạn”, Cho Suh của IBM cho biết.

Khosrowshahi của Intel đã giới thiệu trong hội nghị một giai thoại thú vị khác cho thấy mọi thứ đã thay đổi như thế nào trong vài năm qua. Đó là vào năm 2014, một người Rumani sử dụng một thuật toán học tập chuyên sâu và giành được một giải thưởng về nghiên cứu ở Trung Quốc, mặc dù ông không có kiến ​​thức về Trung Quốc, Khosrowshahi nhớ lại. “Vì vậy, bạn có thể sử dụng công cụ mới mạnh mẽ này để giải quyết bất kỳ vấn đề mà không cần có bất kỳ kiến ​​thức chuyên biệt.”

Tôi thực sự mong chờ những thay đổi mới vào đầu năm 2019, khi sự tập trung cho AI chuyển sang ngành nghề kinh doanh trong các tổ chức, cách xa các dự án CNTT trên đám mây. Tôi dự đoán chúng ta cũng sẽ thấy nhiều cuộc đàm thoại cụ thể theo ngành hơn về AI. Đó là lý do tại sao chúng tôi đã lên kế hoạch cho sự kiện AI lớn tiếp theo, đó là Transform, vào ngày 8-10 tháng 7 tại San Francisco. Hãy đánh dấu ngày này và tôi sẽ gặp bạn ở đó. Và nếu bạn có bất kỳ câu chuyện tuyệt vời nào để chia sẻ cho sự kiện đó hãy liên hệ với chúng tôi.

Khôi Linh