Một trong những cách các tổ chức sử dụng thuật toán AI mới nhất để giúp họ phát triển và thịnh vượng là áp dụng các mô hình AI tư nhân để điều chỉnh các chiến lược kinh doanh của họ.
Sự khác biệt giữa AI công cộng và AI tư nhân rất quan trọng trong bối cảnh này – hầu hết các tổ chức đều cảnh giác khi cho phép AI công cộng truy cập vào các tập dữ liệu nhạy cảm, chẳng hạn như thông tin nhân sự, dữ liệu tài chính và thông tin chi tiết về lịch sử hoạt động.
Có lý khi cho rằng nếu AI được cung cấp dữ liệu cụ thể để làm cơ sở cho phản hồi của mình, đầu ra của nó sẽ có liên quan hơn và do đó hiệu quả hơn trong việc giúp người ra quyết định đánh giá cách lập chiến lược. Sử dụng các công cụ suy luận riêng là cách hợp lý để các công ty có thể đạt được kết quả tốt nhất từ AI và giữ an toàn cho Sở hữu trí tuệ (IP) của mình.
Dữ liệu dành riêng cho doanh nghiệp và khả năng tinh chỉnh mô hình AI cục bộ giúp các tổ chức có khả năng cung cấp dự báo và điều chỉnh hoạt động theo yêu cầu, phù hợp hơn với thực tế công việc hàng ngày của công ty. Một bài báo của Deloitte Strategy Insight gọi AI riêng là "la bàn theo yêu cầu" và coi việc sử dụng dữ liệu nội bộ là một lợi thế cạnh tranh, và Accenture mô tả AI là "sẵn sàng cung cấp sự nâng cao và thay đổi kinh tế quan trọng nhất cho công việc kể từ cuộc cách mạng nông nghiệp và công nghiệp".
Tuy nhiên, có khả năng là giống như trí tuệ kinh doanh truyền thống, việc sử dụng dữ liệu lịch sử được rút ra từ nhiều năm hoạt động trên toàn doanh nghiệp có thể củng cố quá trình ra quyết định theo các mô hình từ quá khứ. McKinsey cho biết các công ty đang có nguy cơ "phản ánh quá khứ của tổ chức trong hổ phách thuật toán". Tạp chí Harvard Business Review đề cập đến một số tính phức tạp về mặt kỹ thuật, nêu rằng hành động tùy chỉnh một mô hình để các hoạt động của mô hình đó có liên quan hơn đến công ty là rất khó khăn và do đó, có lẽ không phải là nhiệm vụ mà bất kỳ ai cũng có thể thực hiện ngoại trừ những người hiểu biết nhất về AI ở cấp độ khoa học dữ liệu và lập trình.
MIT Sloane tạo ra sự cân bằng giữa những người ủng hộ nhiệt thành và những tiếng nói bảo thủ cho AI tư nhân trong chiến lược kinh doanh. Nó khuyên rằng AI nên được coi là một phi công phụ, và thúc giục việc liên tục đặt câu hỏi và xác minh đầu ra của AI, đặc biệt là khi rủi ro cao.
Tin vào cuộc cách mạng
Tuy nhiên, những người ra quyết định cân nhắc theo đuổi hướng hành động này (tham gia làn sóng AI nhưng theo cách riêng tư và chú trọng đến an toàn) có thể muốn cân nhắc động cơ của những nguồn tư vấn ủng hộ mạnh mẽ việc triển khai AI theo cách này.
Ví dụ, Deloitte xây dựng và quản lý các giải pháp AI cho khách hàng bằng cơ sở hạ tầng tùy chỉnh như các dịch vụ cung cấp theo nhà máy, trong khi Accenture có các hoạt động dành riêng cho chiến lược AI của khách hàng, chẳng hạn như Accenture Applied Intelligence . Công ty hợp tác với AWS và Azure, xây dựng các hệ thống AI riêng cho các công ty Fortune 500, trong số những công ty khác, và Deloitte là đối tác với Oracle và Nvidia.
Với "lợi ích cá nhân", những cụm từ như "sự thay đổi quan trọng nhất [...] đối với công việc kể từ cuộc cách mạng nông nghiệp và công nghiệp" và "la bàn tùy chỉnh" rất truyền cảm hứng, nhưng động cơ của những người bán hàng có thể không hoàn toàn là vì lòng vị tha.
Những người ủng hộ AI nói chung đã chỉ ra đúng khả năng của các mô hình trong việc xác định xu hướng và các luồng dữ liệu thống kê hiệu quả hơn nhiều so với con người. Với khối lượng dữ liệu có sẵn cho doanh nghiệp hiện đại, bao gồm cả thông tin có sẵn bên trong và bên ngoài, việc có phần mềm có thể phân tích dữ liệu ở quy mô lớn là một lợi thế đáng kinh ngạc. Thay vì tạo thủ công phân tích các kho dữ liệu khổng lồ - tốn thời gian và dễ phát hiện lỗi - AI có thể nhìn thấu lớp vỏ trấu và đưa ra những hiểu biết thực tế, có thể hành động được.
Đặt câu hỏi đúng
Ngoài ra, các mô hình AI có thể diễn giải các truy vấn được diễn đạt bằng ngôn ngữ thông thường và đưa ra dự đoán dựa trên thông tin thực nghiệm, trong bối cảnh AI riêng, có liên quan cao đến tổ chức. Nhân viên tương đối không có kỹ năng có thể truy vấn dữ liệu mà không cần kỹ năng phân tích thống kê hoặc ngôn ngữ truy vấn cơ sở dữ liệu và nhận được câu trả lời mà nếu không sẽ liên quan đến nhiều nhóm và bộ kỹ năng được rút ra từ khắp doanh nghiệp. Chỉ riêng việc tiết kiệm thời gian đó đã là đáng kể, cho phép các tổ chức tập trung vào chiến lược, thay vì hình thành các điểm dữ liệu cần thiết và truy vấn thủ công thông tin mà họ đã thu thập được.
Tuy nhiên, cả McKinsey và Gartner đều cảnh báo về sự quá tự tin và lỗi thời của dữ liệu. Về sau, dữ liệu lịch sử có thể không liên quan đến việc lập chiến lược, đặc biệt là nếu hồ sơ có từ nhiều năm trước. Sự quá tự tin có lẽ được định nghĩa tốt nhất trong bối cảnh AI khi các nhà điều hành tin tưởng vào phản hồi của AI mà không thắc mắc, không tự mình đào sâu vào chi tiết của phản hồi hoặc trong một số trường hợp, coi phản hồi cho các truy vấn diễn đạt kém là sự thật.
Đối với bất kỳ thuật toán phần mềm nào, các cụm từ của con người như "dựa trên dữ liệu lịch sử của chúng tôi để đưa ra phát hiện" đều có thể diễn giải theo nhiều cách, không giống như "dựa trên dữ liệu bán hàng của mười hai tháng qua để đưa ra phát hiện, bỏ qua các giá trị ngoại lệ khác với giá trị trung bình hơn 30%, mặc dù hãy nêu những trường hợp đó để tôi xem xét".
Phần mềm trải nghiệm
Các tổ chức có thể theo đuổi các giải pháp AI riêng cùng với các nền tảng trí tuệ kinh doanh hiện có, đã trưởng thành. SAP Business Organisations đã gần 30 năm tuổi, nhưng vẫn còn trẻ so với SAS Business Intelligence đã có từ trước khi internet trở nên phổ biến vào những năm 1990. Ngay cả những người mới tham gia tương đối như Microsoft Power BI cũng đại diện cho ít nhất một thập kỷ phát triển, lặp lại, phản hồi của khách hàng và sử dụng trong thế giới thực trong phân tích kinh doanh. Do đó, có vẻ hợp lý khi coi việc triển khai AI riêng trên dữ liệu kinh doanh là một sự bổ sung cho bộ công cụ của nhà chiến lược, thay vì là một viên đạn bạc thay thế các công cụ "truyền thống".
Đối với người dùng AI riêng có khả năng kiểm toán và điều chỉnh các đầu vào và thuật toán bên trong của mô hình, việc duy trì quyền kiểm soát và giám sát của con người là rất quan trọng - giống như với các công cụ như bộ Business Intelligence của Oracle. Có một số tình huống mà việc xử lý thông minh và hành động trên dữ liệu thời gian thực (ví dụ như cơ chế định giá bán lẻ trực tuyến) mang lại cho phân tích AI lợi thế cạnh tranh so với các nền tảng BI hiện tại. Nhưng AI vẫn chưa phát triển thành một con dao quân đội Thụy Sĩ kỳ diệu cho chiến lược kinh doanh.
Cho đến khi AI dùng cho phân tích dữ liệu kinh doanh được phát triển, lặp lại, được tôi luyện và trưởng thành như một số nền tảng BI trên thị trường, những người áp dụng sớm có thể làm giảm sự nhiệt tình của AI và các nhà cung cấp dịch vụ AI bằng kinh nghiệm thực tế và con mắt phê phán. AI là một công cụ mới và có rất nhiều tiềm năng. Tuy nhiên, nó vẫn là thế hệ đầu tiên trong hình dạng hiện tại, công khai và riêng tư.
(Nguồn hình ảnh: “It's about rules and strategy” của pshutterbug được cấp phép theo CC BY 2.0. )
Bài đăng AI trong trí tuệ kinh doanh: Caveat emptor xuất hiện đầu tiên trên AI News .
