Tác giả: Boobesh Ramadurai

Ngày 27 tháng 12 năm 2023

Chúng ta đã đạt đến một điểm quyết định quan trọng với Trí tuệ Nhân tạo (AI), nơi cuộc thảo luận trong hội đồng quản trị đã chuyển từ việc tranh luận về hiệu suất sang việc thúc đẩy sự áp dụng nhanh chóng. Đó là một thời điểm hứng thú, đặc biệt khi xem xét về tốc độ thay đổi sẽ không bao giờ chậm lại như thế nữa. Theo BCG, mặc dù có không chắc chắn trong nền kinh tế toàn cầu, đổi mới đã nổi lên như một ưu tiên hàng đầu của doanh nghiệp vào năm 2023, với 79% các công ty đặt nó trong ba mục tiêu hàng đầu của họ.

Nhưng đổi mới chỉ vì đổi mới không phải là một chiến lược kinh doanh chặt chẽ, và các tổ chức bị cuốn vào sự nao nức về AI đều đánh mất cơ hội đầu tư vào sự hứng thú, thay vì vào những giải pháp tạo ra giá trị lâu dài. Việc hiểu rõ sự khác biệt đòi hỏi sự xem xét cẩn thận về khả năng hiện tại và sự kiên nhẫn để ưu tiên sự phát triển bền vững hơn là theo xu hướng ngắn hạn.

Khu Vực Hoàn Hảo (The Goldilocks Zone)

Lịch sử kinh doanh chứa đựng nhiều ví dụ về các công ty quyết định chiến lược tại những thời điểm quan trọng đã có ảnh hưởng lớn đến sự tồn tại của họ. Ví dụ, Amazon sống sót qua cú sụp đổ của dot-com bằng cách nhận ra sự quan trọng của việc điều chỉnh chiến lược kế toán và tăng cường dự trữ, trong khi các công ty khác đang tiêu tốn tiền mặt như không có ngày mai. Điểm quan trọng ở đây là, quyết định kinh doanh chặt chẽ hơn bao giờ hết trong những thời kỳ nhiệt huyết của đám đông, và việc lập kế hoạch cho ngày mai đòi hỏi khả năng suy nghĩ một cách tỉ mỉ qua tất cả các kịch bản tiềm năng.

Nói chung, có một cảm giác chung của sự lo ngại về việc lạc quan với AI (“sợ lỡ mất cơ hội”) đã xâm nhập vào các nhóm lãnh đạo, trở nên phức tạp hơn nữa bởi sự thực tế rằng không làm gì cả (tức là đầu hàng cho “tê liệt bởi phân tích”) cũng là một mối đe dọa thực sự. (Chỉ cần hỏi Kodak.) Dưới đây là 3 điều cần xem xét cho các công ty đang tìm kiếm “Khu Vực Hoàn Hảo” của AI—không đầu tư quá nhanh hoặc quá chậm, mà là tìm ra điểm ngọt của đổi mới bền vững.

1. Ưu tiên tập trung vào phát triển dữ liệu

Giống như bất kỳ máy móc nào khác, quan trọng là hiểu rõ cơ cấu bên trong để tìm ra nguồn giá trị. Nghĩa là, AI không phải là một sản phẩm hoàn chỉnh, mà đối với các mô hình ngôn ngữ lớn (LLMs), nó phụ thuộc vào lượng lớn các điểm dữ liệu đa dạng để học các mẫu, ngữ cảnh và sắc thái ngôn ngữ. Sự lớn mạnh và phức tạp của LLMs đòi hỏi dữ liệu đào tạo mở rộng để hoạt động hiệu quả trên nhiều lĩnh vực và nhiệm vụ khác nhau. Chất lượng và số lượng của dữ liệu này sẽ ảnh hưởng lớn đến hiệu suất của LLMs, và qua đó, bộ công cụ AI của một công ty.

Việc tạo ra hệ sinh thái dữ liệu mạnh mẽ hơn là một đầu tư thông minh đầu tiên cho bất kỳ công ty nào đang kế hoạch chuyển đổi sang AI, và dữ liệu này sẽ là nền tảng cho LLMs khi chúng phát triển và tiến triển. Chính trong quá trình tiến triển này, dữ liệu chất lượng cao trở nên ngày càng quan trọng hơn. Trong khi các nghiên cứu đã phát hiện rằng LLMs có thể làm việc hiệu quả với ít dữ liệu, các chuyên gia bây giờ nói rằng “tác động của chất lượng và đa dạng dữ liệu đối với cả sự điều chỉnh và các lộ trình đào tạo khác của LLMs (đào tạo trước, điều chỉnh tinh chỉnh, khả năng kiểm soát hướng đi, v.v.) là rất lớn.”

2. Xác định trường hợp sử dụng điển hình trong mô hình kinh doanh

Mặc dù Trí tuệ Nhân tạo (AI) có khả năng ứng dụng rộng lớn ngoại vi, hầu hết các công ty hướng đến việc sử dụng công nghệ này để tối ưu hóa các quy trình nội bộ của họ. “Tối ưu hóa” là từ chính ở đây, có nghĩa là các công ty không nên mong đợi chỉ cần cắm và chạy phần mềm AI để kỳ diệu cải thiện sản lượng. Thay vào đó, một số trường hợp sử dụng AI thành công nhất liên quan đến việc phân tích dữ liệu để khám phá thông tin quý giá về hành vi của khách hàng, xu hướng thị trường và rủi ro tiềm ẩn. Nó cũng đã được chứng minh là hiệu quả trong việc tối ưu hóa các hoạt động nội bộ, bao gồm việc tự động hóa các nhiệm vụ thủ công để phân bổ thời gian của nhân viên cho các hoạt động cấp cao hơn.

Nói một cách ngắn gọn, thay vì phí thời gian để xác định mô hình AI nào sẽ sử dụng, tổ chức cần tập trung vào các vấn đề cụ thể mà họ muốn AI giải quyết. (Tức là bắt đầu với chiếc kim bạn muốn di chuyển, thiết lập các KPI mà bạn muốn ảnh hưởng, và sau đó làm ngược lại để xem những công cụ AI nào sẽ đạt được các mục tiêu đó.) Theo Khảo sát Trí tuệ Nhân tạo Toàn cầu của MIT, 90% người sử dụng AI để tạo KPI mới nói rằng họ thấy KPI của mình cải thiện. “Các KPI được thông tin bởi AI mang lại lợi ích kinh doanh và chứng minh các khả năng mới: chúng thường dẫn đến sự hiệu quả cao hơn và lợi ích tài chính lớn hơn và cũng chi tiết hơn, có độ nhạy bén về thời gian và phù hợp với các mục tiêu tổ chức.”

3. Xây dựng công Cụ AI sử dụng LLM nguồn mở

Xây dựng hay mua – đó là câu hỏi. Việc xây dựng một giải pháp AI tùy chỉnh có vẻ là một thách thức, và nhiều công ty chọn mua một giấy phép từ một nhà cung cấp bên ngoài với một LLM độc quyền để tránh phải đi qua con đường đó. Tuy nhiên, giấy phép có thể hạn chế cách mà LLM có thể được sử dụng, và các phí giấy phép có thể trở nên rất đắt đỏ theo thời gian. Ngược lại, LLM mã nguồn mở là miễn phí và kiến trúc cơ bản có sẵn để các nhà phát triển tiếp cận, xây dựng và sửa đổi dựa trên nhu cầu cụ thể của công ty.

Mô hình hệ sinh thái mã nguồn mở này đã trở nên phổ biến khi các công ty cố gắng giữ thông tin nhạy cảm trên mạng của họ và giữ nhiều quyền kiểm soát hơn đối với dữ liệu của họ. LLM mã nguồn mở mang lại sự minh bạch và linh hoạt cho các công ty, cùng với những lợi ích bổ sung như giảm vấn đề trễ và tăng hiệu suất. IBM và NASA gần đây đã hợp tác để phát triển một LLM mã nguồn mở được đào tạo trên dữ liệu địa không gian để giúp các nhà khoa học chống lại biến đổi khí hậu, là một phần của Chương trình Nghiên cứu Mã Nguồn Mở kéo dài một thập kỷ của NASA nhằm xây dựng cộng đồng khoa học trở nên dễ tiếp cận, bao gồm và hợp tác hơn.

Như với bất kỳ công nghệ mã nguồn mở nào, có những rủi ro liên quan đến LLM mã nguồn mở, bao gồm nguy cơ rò rỉ/thâm nhập bảo mật, ảo giác/thiên lệch dựa trên thông tin không chính xác hoặc lỗi, và các đối tượng có ý định xấu đang cố ý thao túng dữ liệu. Tuy nhiên, các mô hình mã nguồn mở đang trở nên thông minh và an toàn hơn theo thời gian, làm cho một số chuyên gia cảm thấy rằng LLM mã nguồn mở sẽ sớm đạt đến mức độ của những LLM đóng. đi, chứng minh động lực cho việc đầu tư sớm và thời gian dành để nâng cao kỹ năng cho các đội ngũ.

Sự thâm nhập của AI sẽ là những bước tiến nhanh trong một cuộc đua Marathon

Dựa trên các con số gần đây, có khoảng 15,000 công ty AI ở Hoa Kỳ, gấp đôi so với con số năm 2017. Trên toàn thế giới, con số này tăng gần bốn lần. Với nhiều nhà cung cấp và các startup nổi bật mới quảng bá dịch vụ của họ, không có gì ngạc nhiên khi các công ty gặp khó khăn trong việc quyết định nơi nên đầu tư thời gian và tiền bạc của họ. Nhưng bằng cách đánh giá cẩn thận nhu cầu của bạn và các rủi ro/lợi ích đưa ra bởi đổi mới, các nhà lãnh đạo sẽ tìm ra sự kết hợp đúng của AI để thúc đẩy công ty của họ vào một tương lai của sự phát triển bền vững.