GenAI giúp nâng cao năng lực quản trị quốc gia

Các công cụ mới của trí tuệ nhân tạo tạo sinh đang thay đổi cơ bản bản chất của công việc tri thức, tạo ra những cơ hội đầy hứa hẹn để tăng đáng kể năng suất và thúc đẩy đổi mới trên toàn bộ nền kinh tế. Quản lý công là một lĩnh vực mà GenAI có thể có tiềm năng lớn nhất. Để tận dụng lợi ích của công nghệ, các nhà lãnh đạo khu vực công cần bắt đầu bằng cách hiểu cách GenAI có thể tạo ra giá trị cho họ. Sau đó, họ nên đặt ra các ưu tiên và huy động để nắm bắt tác động chuyển đổi của nó.

GenAI cung cấp một cơ hội chưa từng có cho các chính phủ trên toàn thế giới để mang lại giá trị lớn hơn và tác động công khai cho công dân, doanh nghiệp và chính phủ. Các công cụ GenAI sẽ tăng cường công việc của công chức, giảm thời gian cần thiết để hoàn thành một số nhiệm vụ nhất định và cho phép họ tập trung nhiều thời gian hơn vào công việc có giá trị cao hơn.

Tương tự như các ngành công nghiệp khác, điều này sẽ chuyển đổi cơ bản cách thức hoạt động của khu vực công và bản chất nhiệm vụ và hoạt động của nhân viên chính phủ. Hãng tư vấn BCG ước tính mức tăng năng suất của GenAI cho khu vực công sẽ đạt giá trị 1,75 nghìn tỷ đô la mỗi năm vào năm 2033.

Bắt đầu với GenAI không đòi hỏi phải đầu tư công nghệ lớn ngay từ đầu. Trong hầu hết các trường hợp, cách tiếp cận lặp đi lặp lại - tập trung vào thử nghiệm và phát triển năng lực liên tục, phù hợp với mức độ trưởng thành về AI của tổ chức - sẽ hiệu quả nhất.

Bằng cách triển khai GenAI một cách chiến lược trong các lĩnh vực mục tiêu, các nhà lãnh đạo khu vực công có thể thúc đẩy những cải tiến có tác động trong việc cung cấp dịch vụ, hiệu quả hoạt động và sự tham gia của công dân trong khi giảm thiểu rủi ro và khả năng tiếp xúc, đồng thời xây dựng các kỹ năng và năng lực để mở rộng quy mô chuyển đổi của họ.

Tiềm năng của GenAI là rất lớn

Khi được tinh chỉnh với kiến thức chuyên môn có liên quan, các cơ quan chính phủ có thể sử dụng AI tạo sinh để xây dựng các ứng dụng có thể hỗ trợ các cơ quan cung cấp thông tin và dịch vụ tốt hơn, nhanh hơn cho công dân của mình.

Ví dụ như chatbot AI đàm thoại được hỗ trợ bởi AI tạo sinh, có tiềm năng quản lý khối lượng lớn các yêu cầu và tương tác của công dân, cho phép các cơ quan khu vực công và các nguồn lực hạn chế của họ tập trung vào các nhiệm vụ có giá trị gia tăng hơn. Những tương tác này sau đó có thể được sử dụng để đào tạo thêm các mô hình đàm thoại và liên tục cải thiện dịch vụ khách hàng, mang lại thông tin phù hợp và cá nhân hóa hơn cho từng công dân dựa trên các tương tác trước đó.

Ngoài chatbot và dịch vụ khách hàng, có hai lĩnh vực mà GenAI có thể cách mạng hóa các dịch vụ công. Một trong số đó là nghiên cứu chính sách và luật pháp. Hiện nay, nghiên cứu như vậy có xu hướng là một quá trình thủ công và các nhà hoạch định chính sách thấy khó theo dõi tất cả các diễn biến và tác động toàn cầu có thể liên quan đến một chính sách cụ thể.

Các mô hình ngôn ngữ lớn (LLM), một loại GenAI có khả năng diễn giải các truy vấn tìm kiếm phức tạp, là một cách để nhanh chóng sàng lọc các tài liệu chính sách để tìm ra các lĩnh vực tham khảo có liên quan cho các nhà hoạch định chính sách.

Đáng chú ý, việc kết hợp LLM với phân tích dự đoán hoặc bản sao kỹ thuật số sẽ cho phép các nhà hoạch định chính sách mô phỏng kết quả của các lựa chọn chính sách khác nhau. Một ví dụ là JTC Corporation (JTC) của Singapore, giám sát các dự án phát triển thành phố thông minh và đang thử nghiệm tích hợp LLM với bản sao kỹ thuật số.

Mạng đối nghịch sáng tạo (GAN) là một loại mô hình khác cho phép chính phủ khai thác sự đổi mới của GenAI theo cách an toàn và có kiểm soát. GAN bao gồm hai thành phần chính - một mô hình tạo sinh và một mô hình phân biệt.

Mô hình tạo sinh tạo ra dữ liệu tổng hợp như hình ảnh hoặc văn bản, trong khi mô hình phân biệt đánh giá tính xác thực của nó bằng cách so sánh nó với dữ liệu thực. Về cơ bản, mô hình tạo sinh tạo ra dữ liệu cố gắng trông giống thật và mô hình phân biệt đo lường mức độ thực tế của dữ liệu. Khi cả hai thành phần được cải thiện, mô hình tạo sinh tạo ra dữ liệu ngày càng thực tế hơn.

Trong khu vực công, GAN đang được sử dụng để tạo dữ liệu nhân tạo. Dữ liệu như vậy hiện đang được sử dụng trong các lĩnh vực có hạn chế về dữ liệu, như chăm sóc sức khỏe, để hỗ trợ nghiên cứu lâm sàng và giáo dục y khoa mà không ảnh hưởng đến quyền riêng tư của bệnh nhân.

Giải quyết chi phí, trách nhiệm pháp lý và an ninh của LLM

Có ba trở ngại lớn nhất trong việc mở rộng ứng dụng GenAI trong chính phủ là tính bảo mật, chi phí và độ tin cậy của LLM.

Mối quan tâm về an ninh

Các LLM lưu trữ nội bộ có xu hướng là phương pháp tiếp cận chính đối với khu vực công vì các cơ quan này không muốn chia sẻ dữ liệu, thắc mắc hoặc kết quả của họ với bên thứ ba. Các LLM được lưu trữ nội bộ sẽ cho phép các tổ chức duy trì toàn quyền kiểm soát mọi khía cạnh của việc sử dụng LLM. Tuy nhiên, nếu một tổ chức chỉ sử dụng dữ liệu nội bộ để đào tạo thì dữ liệu có thể bị hạn chế về số lượng và tính đa dạng, điều này có thể hạn chế khả năng phân tích của LLM.

Chi phí cao

Một thách thức khác là chi phí lưu trữ, đào tạo và duy trì LLM cao, và các tổ chức sẽ cần phải chứng minh chi phí bằng các trường hợp sử dụng có ý nghĩa. Một cách để giải quyết hạn chế này là xem xét một LLM toàn chính phủ, tương tự như động thái hướng tới đám mây do chính phủ lưu trữ.

Mối quan tâm về độ tin cậy

Đối với sự không đáng tin cậy trong phản hồi của LLM, việc kết hợp giữa kỹ thuật nhanh chóng và đánh giá theo thời gian có thể giải quyết được vấn đề này nhưng đây vẫn là một lĩnh vực đang phát triển. Kỹ thuật nhanh chóng bao gồm việc đưa ra các đầu vào rất cụ thể để cải thiện độ tin cậy và tính minh bạch của phản hồi LLM, trong khi đánh giá dài hạn tập trung vào việc giám sát và điều chỉnh liên tục để nâng cao hiệu suất.

Về vấn đề này, JTC hiện cũng đang đào tạo các hệ thống AI bằng các tập dữ liệu được chính thức phê duyệt để giảm thiểu rủi ro về ảo giác AI (tức là tạo ra thông tin không chính xác hoặc sai lệch) cho dự án thành phố thông minh của mình.

Một số thách thức

Những lo ngại về quyền riêng tư và bảo mật cũng rất quan trọng trong khu vực công. Việc xử lý dữ liệu và tương tác nhạy cảm của công dân đòi hỏi phải có các biện pháp bảo vệ nghiêm ngặt để ngăn chặn vi phạm và sử dụng sai thông tin. Một số thách thức khác bao gồm:

Những vấn đề nan giải về đạo đức: Khi các hệ thống AI trở nên có khả năng hơn, những vấn đề nan giải về đạo đức sẽ xuất hiện. Các quyết định do AI đưa ra, ngay cả khi hỗ trợ công chức, có thể có những tác động sâu sắc. Đảm bảo các hệ thống AI đưa ra những lựa chọn khách quan và có đạo đức là một thách thức liên tục.

Sự phụ thuộc vào công nghệ: Sự phụ thuộc ngày càng tăng vào AI tạo sinh có thể dẫn đến sự phụ thuộc vào công nghệ. Nếu không được quản lý đúng cách, sự phụ thuộc này có thể làm xói mòn các kỹ năng và khả năng phán đoán của con người, khiến việc quay lại các phương pháp truyền thống khi cần thiết trở nên khó khăn.

Các vấn đề về công bằng và khả năng tiếp cận: Trong khi AI tạo sinh có tiềm năng tăng cường khả năng tiếp cận, nó cũng đặt ra những lo ngại về công bằng. Không phải ai cũng có quyền truy cập công nghệ như nhau, có khả năng khiến những nhóm dân số dễ bị tổn thương gặp bất lợi.

Do bản chất hậu quả của các quyết định của mình, nhiều tổ chức khu vực công áp dụng các công nghệ mới một cách thận trọng. Tuy nhiên, các chính phủ cũng phải xem xét tiềm năng của các công nghệ mới để cho phép họ đạt được tác động mong muốn một cách hiệu quả hơn và tạo ra giá trị công cộng lớn hơn. Khi chúng ta đón nhận cuộc cách mạng AI, điều bắt buộc là chúng ta phải ưu tiên phát triển và triển khai có trách nhiệm để khai thác những lợi ích của nó đồng thời giảm thiểu những rủi ro tiềm ẩn./.

“

Tài liệu tham khảo:
1. https://govinsider.asia/
2. https://govinsider.asia/
3. https://www.bcg.com/
4. https://www.private-ai.com/

B.Uyên