AI và Dữ liệu 5 cách để tối đa hóa tác động kinh doanh của bạn

Sau nhiều năm điều hành một doanh nghiệp dữ liệu lớn được xây dựng dựa trên các mô hình trí tuệ nhân tạo, tác giả đã tận mắt chứng kiến AI thường xuyên trở thành giải pháp tìm kiếm vấn đề như thế nào. Khi kỳ vọng của bất kỳ tổ chức nào là về một lượng tác động đáng kể nhờ vào dữ liệu và AI, thì thực tế đó là tác động của AI thường khá mơ hồ. Dưới đây là một số chiến lược dành cho ai đang vật lộn với chủ đề AI, dữ liệu và tác động kinh doanh. Bài viết được chia sẻ từ tác giả Solomon Kahn nhà sáng lập và giám đốc điều hành, Delivery Layer.

AI và dữ liệu có thể mang đến tác động lớn cho việc kinh doanh

1. Đối tác với doanh nghiệp

Trước khi ý tưởng chung về AI dẫn trực tiếp đến ROI kích hoạt một số quyết định đầu tư rất cụ thể mà bạn có thể hối tiếc, hãy liên hệ và hợp tác với các doanh nhân trong công ty của bạn. Đưa ra danh sách những gì những người dùng này biết về khả năng của AI và nơi họ nghĩ rằng nó có thể cải thiện hoạt động.

Bạn sẽ nhanh chóng phát hiện ra rằng mọi người có những ý kiến rất khác nhau về nơi mà họ cho rằng dữ liệu và trí tuệ nhân tạo có thể có tác động lớn nhất cũng như những vấn đề mà họ muốn giải quyết với dữ liệu đó.

2. Tách lúa mì AI khỏi vỏ trấu

Nếu bạn đã quen thuộc với AI, bạn sẽ thấy ngay rằng một số ý tưởng từ doanh nghiệp sẽ là người chiến thắng rõ ràng. Các trường hợp sử dụng rất tuyệt vời và chúng có thể giải quyết các vấn đề quan trọng.

Ví dụ, có một số yêu cầu của khách hàng mà bạn có thể tự động thực hiện vì bạn có thể hiểu rõ hơn về những gì họ đang yêu cầu với AI hoặc có một số hoạt động cung cấp dữ liệu nhất định mà mọi người không thể thực hiện theo cách thủ công nhưng hiện đã có thể thực hiện được vì các mô hình ngôn ngữ lớn (LLM).

Bạn cũng sẽ nhanh chóng thấy các trường hợp đáng ngờ như các sự cố cận biên hầu như không hoạt động từ góc độ công nghệ hoặc khi mật độ dữ liệu quá thấp để tự động hóa hiệu quả. Vì vậy, hãy tiếp tục với một vài ý tưởng hàng đầu mà bạn cảm thấy rất tin tưởng dựa trên ROI tiềm năng của chúng. Nếu nhân viên của bạn có 50 ý tưởng nhưng chỉ đưa ra được hai ý tưởng, thì đó sẽ là một vấn đề lớn đối với bạn.

3. Xác định tác động thực sự có nghĩa là gì

Một ống kính mà bạn có thể sử dụng để đánh giá một ứng dụng AI trong doanh nghiệp là đặt câu hỏi, “Điều tồi tệ nhất có thể xảy ra trong trường hợp sử dụng này là gì?” Tỷ lệ thành công của máy học là 95 hoặc 97% có thể là một cải tiến đáng kinh ngạc so với quy trình thủ công, nhưng có thể là thảm họa nếu ứng dụng là ô tô tự lái.

Quy tắc số một của học máy tại một công ty AI có tư duy tiến bộ như Google là không sử dụng học máy nếu bạn không phải làm vậy. Nếu không bắt buộc phải sử dụng AI để hoàn thành một mục tiêu kinh doanh cụ thể, thì bạn sẽ  không có trường hợp sử dụng AI.

4. Giữ một cuộc đối thoại cởi mở

Hầu như không có ngày nào trôi qua mà bạn không đọc điều gì đó về việc AI thay thế công việc. Mặc dù khó có thể dự đoán rằng AI sẽ không thay thế một số công việc có tính lặp lại cao hoặc có cấu trúc cao, nhưng bạn nên chỉ ra cho các đồng nghiệp đang lo lắng rằng tiến bộ công nghệ nói chung và hoạt động thuê ngoài của Hoa Kỳ có thể đã thay thế nhiều công việc phi vật chất có tính lặp đi lặp lại cao trong nền kinh tế.

Sân bay là một ví dụ tuyệt vời. Nhờ công nghệ hiện có, bạn làm thủ tục cho chuyến bay của mình tại một ki-ốt độc lập và đặt món ăn từ một màn hình. Thuận tiện cũng đóng một vai trò trong mã hóa. Điều mà AI không thể làm là xử lý một vấn đề phức tạp và thiết kế một hệ thống sẽ giải quyết mọi trường hợp sử dụng có thể xảy ra trong lời nhắc.

Nếu bạn có thể viết ra tất cả các trường hợp sử dụng này, thì về cơ bản, bạn đang tự viết chương trình. Và mặc dù AI có thể đề xuất một danh sách các chiến lược kinh doanh tiềm năng, nhưng không một nhà lãnh đạo cấp cao nào có kiến thức và bối cảnh kinh doanh lại đi hỏi AI về ý tưởng tốt nhất và chạy theo nó.

5. Theo dõi tác động thông qua doanh thu

Số liệu dữ liệu AI hiệu quả nhất để theo dõi là doanh thu. Bạn có đang thực sự tạo ra tác động hoặc lợi nhuận bằng cách xây dựng sản phẩm mới hay thúc đẩy hiệu quả trong hoạt động hoặc mở rộng quy mô, bất kể tác động kinh doanh được cho là như thế nào? Đó là những gì bạn nên đo lường.

Chắc chắn, bạn có thể theo dõi độ chính xác của một mô hình, nhưng từ một nhà lãnh đạo dữ liệu, điều đó giống như "nhóm của bạn có đang thực hiện tốt công việc thực hiện mô hình không?" câu hỏi so với "đây có phải là một điều tốt để làm?". Bạn vẫn phải đo lường tác động kinh doanh. Lý tưởng nhất là bạn có thể nhìn vào con số doanh thu và nói, “hãy nhìn cái này. Chúng tôi đã làm X, Y và Z để tạo ra nhiều doanh thu như vậy nhờ những gì chúng tôi đã làm ở khía cạnh AI và đây là chi phí chúng tôi phải trả, và hãy ăn mừng vì điều đó.”

Rất nhiều nhà lãnh đạo dữ liệu quên rằng bài báo Alexnet nổi tiếng chỉ xuất hiện vào năm 2012. LLM là một ví dụ kinh điển về quan sát của Jeff Bezos rằng “Tất cả thành công chỉ sau một đêm mất khoảng 10 năm”. Theo như chúng tôi đã làm với AI để giúp việc tạo, chia sẻ và truyền bá ý tưởng trở nên dễ dàng hơn, thì vẫn còn rất sớm.

Tuy nhiên, đây là thời điểm thích hợp để làm và bắt đầu tạo ra tác động với dữ liệu AI trong tổ chức của bạn. Trên thực tế, bạn có thể bắt đầu bằng cách hỏi chatbot AI yêu thích của mình để biết một số gợi ý. Nơi mà điều đó có khả năng dẫn bạn trở lại ngay với ý tưởng cùng những đồng nghiệp tài năng của chính bạn.

Hy vọng qua bài viết này, các bạn có thể tạo ra nhiều tác động kinh doanh hơn bằng AI và dữ liệu. Đừng quên đón xem các bài viết mới nhất sẽ được cập nhật tại BAC's Blog.

Nguồn tham khảo:

https://www.dataleadershipcollaborative.com/

Nhu cầu đào tạo doanh nghiệp