04 bài học từ các dự án trí tuệ nhân tạo

Hình minh họa (Nguồn: Quora)

Whit Andrews, phó chủ tịch nghiên cứu và nhà phân tích nổi tiếng của Gartner cho biết: “Mặc dù trí tuệ nhân tạo rất được quan tâm, nhưng tốc độ triển khai hiện tại vẫn ở mức khá thấp”. "Tuy nhiên, tiềm năng tăng trưởng của ngành tương đối lớn khi các CIO bắt đầu thí điểm các chương trình trí tuệ nhân tạo AI bằng các nỗ lực mua sắm, xây dựng và thuê ngoài.

Với hầu hết các công nghệ mới nổi hoặc mới lạ, những người triển khai sớm đang đối mặt với nhiều trở ngại khi triển khai trí tuệ nhân tạo cho tổ chức của mình. Các nhà phân tích của Gartner đã xác định được bốn bài học từ các dự án trí tuệ nhân tạo:

1. Mục tiêu thấp lúc đầu

Andrews  cho biết "Các doanh nghiệp đừng rơi vào cái bẫy có thể ngay lập tức thu được thành quả từ các dự án trí tuệ nhân tạo ví dụ như tạo ra lợi nhuận”. "Nói chung, tốt nhất là bắt đầu các dự án AI từ quy mô nhỏ và nhắm đến các kết quả 'mềm', chẳng hạn như cải tiến quy trình, nâng cao sự hài lòng của khách hàng hoặc đạt được chỉ tiêu tài chính".

Bài học kỳ vọng trí tuệ nhân tạo có thể mang lại những giá trị tốt nhất sẽ giúp ích cho các dự án thử nghiệm sau này với quy mô lớn hơn. Trong một số tổ chức,  tài chính sẽ mục tiêu hàng đầu khi bắt đầu dự án. "Trong tình huống này, đặt mục tiêu càng thấp càng tốt", Andrews nói. "Hãy suy nghĩ về các mục tiêu hàng ngàn hoặc hàng chục ngàn đô la, điều cần làm là phải cố gắng đạt được trên quy mô nhỏ, và sau đó mới có thể theo đuổi mục tiêu lợi nhuận lớn”.

2. Tập trung vào việc tăng cường kỹ năng chứ không đào thải

Những tiến bộ công nghệ thường liên quan đến cắt giảm nhân sự. Trong khi giảm chi phí lao động là tín hiệu đáng mừng cho các nhà quản lý, nhưng nó lại gây ra sự phản đối ở các bô phận này. Trong cách tư duy này, các tổ chức có thể bỏ lỡ các cơ hội thực sự để sử dụng công nghệ một cách hiệu quả. Andrews cho biết: “Chúng tôi khuyên khách hàng rằng những lợi ích mang tính cách mạng nhất của trí tuệ nhân tạo trong tương lai gần sẽ đến từ việc trí tuệ nhân tạo có thể giúp nhân viên theo đuổi các hoạt động có giá trị hơn”

Gartner dự đoán rằng đến năm 2020, 20% các tổ chức sẽ đào tạo công nhân để quản lý và hướng dẫn các mạng thần kinh.

Andrews nói: "Hãy bỏ qua các khái niệm về “nhân viên thông minh” được nhân bản để thực hiện nhiệm vụ giống con người”. Sẽ hiệu quả hơn nhiều khi để công nhân tham gia ở tuyến đầu. Hãy làm cho họ hào hứng tham gia ý tưởng trí tuệ nhân tạo có thể hỗ trợ và nâng cao công việc hàng ngày của họ".

3. Kế hoạch chuyển giao kiến thức

Cuộc trò chuyện với khách hàng của Gartner cho thấy rằng hầu hết các tổ chức không được chuẩn bị kỹ lưỡng để triển khai trí tuệ nhân tạo. Cụ thể, nội bô doanh nghiệp chưa được trang bì đầy đủ kỹ năng về khoa học dữ liệu và họ sẽ phải sử dụng dịch vụ từ nhà cung cấp để lấp đầy khoảng trống. Trong khảo sát các giám đốc thông tin của Gartner, 53% tổ chức cho biết khả năng khai thác dữ liệu của họ là hạn chế - mức thấp nhất trong thang điểm đánh giá.

Gartner dự đoán rằng đến năm 2022, 85% dự án trí tuệ nhân tao sẽ thất bại do quy trình xử lý dữ liệu, thuật toán hay nhóm phụ trách dự án.

Dữ liệu là xương sống của các dự án trí tuệ nhân tạo, vì vậy các tổ chức cần chuẩn bị tốt công tác lưu trữ và quản lý số lượng dữ liệu lớn hơn cho các sáng kiến trí tuệ nhân tạo", Jim Hare, phó chủ tịch nghiên cứu của Gartner cho biết. Sử dụng dịch vụ bên ngoài để nâng cấp các kỹ năng này về lâu dài không hiệu quả. Do đó, đảm bảo rằng các dự án trí tuệ nhân tạo co stheer sớm chuyển giao kiến thức từ chuyên gia bên ngoài cho nhân viên của bạn và xây dựng năng lực nội bộ trước khi chuyển sang các dự án có quy mô lớn. "

4. Lựa chọn các dự án trí tuệ nhân tạo minh bạch

Trong các dự án trí tuệ nhân tạo, các nhà cung cấp bên ngoài thường cung cấp dich vụ liên quan đến phần mềm hoặc hệ thống cho doanh nghiệp. Điều quan trọng là một số thông tin chi tiết về cách đưa ra quyết định được đưa vào bất kỳ thỏa thuận dịch vụ nào. "Liệu một hệ thống trí tuệ nhân tạo có thể đưa ra câu trả lời đúng không phải chỉ là mối quan tâm duy nhất", Andrews nói. "Nhà quản lý cần phải hiểu tại sao nó có hiệu quả và lý do không hiệu quả là gì"

Mặc dù không phải lúc nào cũng có thể giải thích tất cả các chi tiết của một mô hình phân tích tiên tiến, chẳng hạn như mạng nơron sâu, quan trọng là ít nhất nó phải giúp hình dung về các lựa chọn tiềm năng. Trong thực tế, khi các quyết định phải tuân theo quy định và kiểm toán, minh bạch là yêu cầu bắt buộc.