GenAI: Những điều CEO cần biết về chi phí của ứng dụng trí tuệ nhân tạo

Tháng Một 13, 2024

Mục lục

Tác giả: Hugo Huang

Ngày 15 tháng 11 năm 2023

CEOs không nên bỏ qua sự phức tạp của chi phí GenAI. Họ cần tích hợp những chi phí đa chiều vào tầm nhìn chiến lược của mình, nhận thức đến những điều tinh tế như chi phí suy luận, chi phí điều chỉnh, chi phí kỹ thuật prompt, chi phí đám mây, chi phí nhân sự và chi phí vận hành. Ngoài ra, CEO cần cảnh báo về những chi phí thường bị bỏ qua, bao gồm cải tiến hạ tầng, bảo mật dữ liệu và xem xét đạo đức. Tích hợp kiểm soát chi phí vào quyết định, sử dụng bảng theo dõi toàn diện và đẩy mạnh đội ngũ thông qua quản lý tài năng chiến lược là những chiến lược không thể thiếu. Trong khi CEO điều hành trong bối cảnh động đất này, một cách tiếp cận cân bằng, kết hợp sự đổi mới với sự thận trọng tài chính, là chìa khóa cho một hành trình GenAI bền vững và có tác động.

Với sự gia tăng của Trí tuệ Nhân tạo tạo ra thông qua quá trình tạo ra, một hiểu lầm phổ biến là CEO không cần phải quan tâm nhiều đến chi phí triển khai mà thay vào đó nên tập trung vào những ảnh hưởng chiến lược của nó. Trên thực tế, các chi phí liên quan đến GenAI được tơi lên một cách phức tạp trong toàn bộ quá trình xây dựng và thực hiện chiến lược GenAI của doanh nghiệp, đòi hỏi sự chú ý liên tục từ CEO.

GenAI đang chuẩn bị cách mạng hóa mô hình kinh doanh, một xu hướng phù hợp với mẫu quy luật lịch sử khi các đổi mới công nghệ cốt lõi đánh bại các mô hình kinh doanh hiện tại. Suốt lịch sử kinh doanh, sự xuất hiện của các công nghệ quan trọng luôn báo hiệu cho những biến động đột phá. Các doanh nghiệp không thích nghi với những đổi mới này đối mặt với sự tuyệt chủng. Lực lượng động này đang tái tạo các ngành công nghiệp, buộc các tổ chức đã được xác lập phải tiến triển hoặc đối mặt với sự lạc hậu. Khi sự biến đổi này diễn ra, doanh nghiệp phải điều hướng qua cảnh quan luôn biến đổi, thích nghi và đổi mới để tận dụng sức mạnh của GenAI, đảm bảo tính liên quan và sự cạnh tranh của họ trong thời đại mới này.

Tại sao CEO phải chú ý

Những xem xét về chi phí đứng như những trụ cột quan trọng mà CEO phải xây dựng chiến lược GenAI của họ. Được đánh dấu bởi một cuộc Renaissance số, những ảnh hưởng của những chi phí này không thể bị đánh giá thấp. Một thách thức lớn nảy sinh từ việc nhiều công ty đang tự đặt mình giữa các sáng kiến di chuyển đám mây, trong khi những công ty khác, trước đây đã đứng đầu những nỗ lực này, đang rút lui khỏi đám mây do áp lực từ những chi phí không lường trước được. Sự rời đi này làm nổi bật một vấn đề quan trọng: sự thiếu xem xét đầy đủ về chi phí trong suốt giai đoạn lập kế hoạch chiến lược. Trí tuệ nhân tạo tạo ra, không chỉ là một phần bổ sung đơn giản cho các hệ thống hiện tại, đòi hỏi một cách tiếp cận toàn diện bao gồm thiết kế hệ thống phức tạp và sự hiểu biết về những chi phí ẩn đi tinh tế.

Những chi phí tiềm ẩn của GenAI: Trách nhiệm của CEO

CEO, như là những kiến trúc sư của tương lai của công ty, phải chịu trách nhiệm hiểu rõ độ sâu của những chi phí tiềm ẩn này. Khi GenAI xâm nhập vào các ngành công nghiệp, làm đổi hình mô hình kinh doanh và trải nghiệm của khách hàng, sự hiểu biết toàn diện về cảnh quan tài chính là không thể thiếu.

Tổng quan chi phí xây dựng ứng dụng trí tuệ nhân tạo

* Chi phí Suy Luận: Chi phí suy luận là chi phí của việc gọi một mô hình ngôn ngữ lớn (LLM) để tạo ra một phản hồi. Mỗi trường hợp bạn cung cấp một đầu vào (gọi là prompt) cho một LLM để tạo ra một đầu ra (hoàn thành) đều tiêu tốn nguồn tài nguyên máy tính. Hành động này của việc sử dụng một LLM đã được đào tạo để tạo ra một đầu ra được chính thức gọi là “suy luận.” Tại cơ bản, quá trình này được hỗ trợ bởi tính toán GPU, chiếm thành phần được biết đến là chi phí suy luận.

Ví dụ, chi phí suy luận để tạo ra một phần văn bản từ một mô hình ngôn ngữ lớn như GPT-4 thường là khoảng $0.006 cho mỗi 1,000 token đầu ra cộng thêm $0.003 cho mỗi 1,000 token đầu vào. Các token là các nhóm từ, trong đó 1,000 token tương đương khoảng 750 từ. Chi phí suy luận để tạo ra một hình ảnh từ một mô hình tạo ra hình ảnh lớn như DALL-E 2 thường là khoảng $0.18 cho mỗi hình ảnh.

Chi phí suy luận của Trí tuệ Nhân tạo tạo sinh có thể là một rào cản đáng kể đối với việc áp dụng, đặc biệt là đối với các doanh nghiệp cần tạo ra lượng lớn nội dung. Tuy nhiên, có nhiều cách để giảm chi phí suy luận của Trí tuệ Nhân tạo tạo ra, như sử dụng một mô hình nhỏ hơn, lưu trữ một Mô hình Ngôn ngữ Lớn mã nguồn mở, tối ưu hóa quá trình suy luận. CEO có thể xây dựng các chiến lược tối ưu bằng cách tổ chức các kỹ sư và tư vấn thực hiện một phân tích so sánh của các phương pháp khác nhau này, cân nhắc kỹ lưỡng về ưu điểm và chi phí của chúng.

* Chi phí Điều chỉnh tốt: Điều chỉnh tốt là quá trình điều chỉnh một mô hình Trí tuệ Nhân tạo tạo ra được đào tạo trước cho một nhiệm vụ hoặc lĩnh vực cụ thể. Điều này bao gồm việc đào tạo mô hình trên một tập dữ liệu mới chuyên biệt cho nhiệm vụ hoặc lĩnh vực mong muốn. Chi phí điều chỉnh tốt của Trí tuệ Nhân tạo tạo ra phụ thuộc vào một số yếu tố, bao gồm: kích thước và phức tạp của mô hình, lượng dữ liệu được sử dụng để điều chỉnh tốt, và số lượng epoch (vòng lặp) của quá trình đào tạo.

Ví dụ, theo OpenAI, để ước lượng chi phí cho một công việc điều chỉnh tốt cụ thể, sử dụng công thức sau: chi phí cơ bản cho mỗi 1,000 token * số lượng token trong tệp đầu vào * số lượng epoch đã được đào tạo. Đối với một tệp đào tạo có 100,000 token được đào tạo qua 3 epoch trên GPT-3.5 Turbo, chi phí dự kiến sẽ là khoảng $2.40. Cũng có một số mẹo để giảm chi phí điều chỉnh tốt, đặc biệt là “học chuyển giao” và “đào tạo phân tán”. Học chuyển giao có thể tái sử dụng kiến thức học từ một nhiệm vụ khác, do đó yêu cầu một bộ dữ liệu nhỏ hơn. Đào tạo phân tán sử dụng nhiều GPU hoặc CPU cùng một lúc để giảm thời gian và chi phí đào tạo.

* Chi phí Kỹ thuật Prompt: Kỹ thuật prompt là quá trình cấu trúc văn bản có thể được hiểu và hiểu bởi một mô hình Trí tuệ Nhân tạo tạo ra. Kỹ thuật prompt hiệu quả có thể dẫn đến sự cải thiện đáng kể về chất lượng và liên quan của đầu ra của mô hình. Những chi phí liên quan đến việc phát triển và sử dụng prompt để nâng cao hiệu suất của các mô hình Trí tuệ Nhân tạo tạo ra có thể là khá lớn. Những đầu tư này đòi hỏi sự xem xét cẩn thận và lập kế hoạch chiến lược để tối ưu hóa ảnh hưởng của chúng đối với kết quả kinh doanh tổng thể.

CEO cần tìm sự cân bằng giữa kỹ thuật prompt và điều chỉnh tốt. Nếu nhiệm vụ đòi hỏi độ chính xác và độ chính xác cao, thì điều chỉnh tốt có thể là phương pháp tốt nhất. Tuy nhiên, điều chỉnh tốt có thể tốn kém và mất thời gian hơn so với kỹ thuật prompt, vì vậy CEO cần xem xét ngân sách và nguồn lực của họ khi đưa ra quyết định. Ngoài ra, CEO cần xem xét sự chuyên môn có sẵn trong công ty khi đưa ra quyết định.

* Chi phí Đám Mây: Khi CEO xem xét chi phí đám mây, quan trọng là phải nhìn xa hơn những chi phí đơn thuần của việc lưu trữ ứng dụng Trí tuệ Nhân tạo. Thay vào đó, việc nhìn nhận toàn diện về kiến trúc đám mây tổng thể sau triển khai các chiến lược GenAI là quan trọng. Chẳng hạn, trong ngành y tế tại Hoa Kỳ, các cơ sở y tế không thể chỉ đơn giản tải lên dữ liệu bệnh nhân lên các địa điểm từ xa. Trong những tình huống như vậy, việc mở rộng lưu trữ đám mây riêng tư cục bộ trở nên cấp thiết khi xử lý dữ liệu lớn liên quan đến người dùng được tạo ra bởi chatbot dựa trên GenAI trong dịch vụ khách hàng.

Thêm vào đó, một số công ty vẫn chưa đưa ra sự lựa chọn xác định giữa đám mây công cộng, đám mây riêng tư và giải pháp đám mây đa nguồn. CEO, khi xây dựng chiến lược GenAI, phải điều chỉnh chiến lược đám mây của họ tương ứng. Ví dụ, nghiên cứu của chúng tôi cho thấy 70% các giám đốc điều hành doanh nghiệp hướng tới chiến lược di chuyển đám mây “nâng và chuyển” (lift-and-shift), trong đó các hệ thống cũ được duy trì càng lâu càng tốt. Tuy nhiên, cách tiếp cận này có vẻ tiết kiệm chi phí, nhưng có thể tăng chi phí liên quan đến việc áp dụng GenAI. Các doanh nghiệp có thể phải đối mặt với việc phải đồng thời làm việc với hai hệ thống và đội ngũ không tương thích, do đó đe dọa hiệu suất và làm tăng chi phí trong dài hạn.

* Chi phí Nhân sự: Tài năng đóng vai trò như cột mốc quan trọng của chiến lược GenAI. Trong khi sự đồng thuận ngành công nghiệp công nhận tiềm năng quan trọng của GenAI trong việc nâng cao hiệu suất ở nhiều vai trò khác nhau, CEO phải thận trọng để tránh sự vội vã ngắn hạn trong việc tìm kiếm tài năng, điều này có thể dẫn đến một sự gia tăng đột ngột trong chi phí tài năng GenAI. Trong dài hạn, GenAI có tiềm năng tạo ra các hạng mục công việc hoàn toàn mới. CEO, phối hợp với Giám đốc Nhân sự, phải nhanh chóng phát triển kế hoạch tài năng trung và dài hạn để thích ứng với cảnh quan công việc đang thay đổi do GenAI thúc đẩy.

Sự chú ý đặc biệt phải được chú ý đến việc nuôi dưỡng khả năng lãnh đạo và văn hóa. Đối mặt với những biến đổi chiến lược do GenAI mang lại — dù là thay đổi trong cấu trúc tổ chức, logic kinh doanh cơ bản, hoặc thay đổi trong phương pháp làm việc — doanh nghiệp cần có một nguồn tài năng có khả năng đẩy mạnh những thay đổi này. Việc xác định tài năng có thể tìm kiếm từ bên ngoài so với những người đòi hỏi thăng tiến và đào tạo nội bộ đòi hỏi CEO thiết lập một lộ trình tài năng toàn diện trong giai đoạn ban đầu của việc dẫn đầu các biến đổi GenAI.

Hơn nữa, CEO cần phải cảnh báo về những thay đổi trong văn hóa doanh nghiệp xuất phát từ sự biến đổi trong cảnh đối tác tài năng. Ví dụ, làm việc từ xa, là lựa chọn ưa thích của nhiều kỹ sư GenAI, có thể không phù hợp với cấu trúc công ty hiện tại nếu nó không được thiết kế từ đầu để làm việc từ xa hoặc hoạt động trên một mô hình làm việc lai. Trong các tình huống như vậy, bộ phận kỹ thuật văn phòng đóng một vai trò quan trọng trong việc tạo điều kiện cho sự tích hợp mượt mà của những kỹ sư này vào đội, khuyến khích sự hợp tác hiệu quả với đồng nghiệp.

* Chi phí Vận hành: Quản lý vận hành học máy (MLOps) đặc trưng cho một bộ các thực hành được thiết kế một cách tỉ mỉ để tối ưu hóa quy trình làm việc và tự động hóa triển khai và duy trì mô hình học máy và học sâu. Nó thực hiện việc triển khai và duy trì mô hình một cách đáng tin cậy và hiệu quả cho quy mô lớn trong sản xuất. Trong lĩnh vực các sáng kiến trí tuệ nhân tạo, đặc biệt khi xem xét sự mở rộng và chuyển đổi mô hình thành sản xuất, MLOps đứng như một lực lượng giảm chi phí quan trọng. Ảnh hưởng của nó lan rộng qua toàn bộ vòng đời học máy, chủ yếu thông qua việc tự động hóa các nhiệm vụ mà nếu không sẽ đòi hỏi sự nỗ lực lớn từ con người. Điều này không chỉ đơn giản hóa quy trình mà còn nâng cao các cơ chế phát hiện lỗi và đưa tiêu chuẩn quản lý mô hình lên một tầm cao mới.

Một vòng đời MLOps toàn diện bao gồm các giai đoạn quan trọng: thu thập dữ liệu, thiết kế đặc trưng, đào tạo, kiểm thử, lưu trữ và triển khai mô hình. CEO, khi nghiên cứu về lĩnh vực MLOps, phải chú ý đến một số điểm quan trọng hoặc lưu ý. Điều này bao gồm việc liên tục đào tạo lại các mô hình học máy dựa trên dữ liệu mới, các mô hình có khả năng tự học, sự suy giảm dần dần của mô hình theo thời gian, phân tán dữ liệu qua nhiều hệ thống và tính không thay đổi của việc lưu trữ dữ liệu. Hiểu rõ những chi tiết này là quan trọng để điều hướng thành công trong cảnh quan phức tạp của MLOps.

Chi phí tiềm ẩn

* Nâng Cấp Hạ tầng: GenAI đòi hỏi một đánh giá toàn diện về hạ tầng hiện tại, với những ảnh hưởng tiềm ẩn mà nhiều CEO thường bỏ qua. Hệ thống kế thừa, khi tích hợp với GenAI, có thể đòi hỏi các sửa đổi đáng kể, ảnh hưởng lớn đến chi phí. Việc đào tạo và triển khai các mô hình GenAI có thể đòi hỏi một lượng tính toán lớn, đòi hỏi việc nâng cấp mạnh mẽ về hạ tầng. Điều này bao gồm việc đảm bảo quyền truy cập vào công suất tính toán tăng lên đáng kể, một thách thức có thể được giải quyết thông qua việc sử dụng tài nguyên dựa trên đám mây, bao gồm cả GPU và TPU, hoặc việc thiết lập các trung tâm dữ liệu trên chỗ được thiết kế đặc biệt để đáp ứng nhu cầu GenAI.

Hơn nữa, các mô hình GenAI thường có một sự ham muốn vô tận về dữ liệu, đòi hỏi các giải pháp lưu trữ và quản lý dữ liệu hiệu quả và có khả năng mở rộng. Khi CEO ước tính chi phí, thường xem xét quá mức những phức tạp tiềm ẩn xuất phát từ những thay đổi cơ sở hạ tầng nền này. Chẳng hạn, một khách hàng cố gắng giảm thiểu chi phí đào tạo bằng cách gom nhóm nhiều GPU và sử dụng đào tạo phân tán, phân bổ dữ liệu độc lập cho mỗi GPU cùng một lúc. Tuy nhiên, việc triển khai đã phát hiện ra một điểm bottleneck không mong muốn: băng thông hạn chế cho việc giao tiếp giữa các thẻ GPU đã làm chậm quá trình đào tạo mô hình. Dữ liệu được đào tạo trên một GPU chỉ có thể chuyển sang một GPU khác sau khi đợi chờ mô-đun mạng, dẫn đến việc lãng phí tài nguyên đáng kể. Nhận biết những chi tiết phức tạp như vậy, chúng tôi đã phát triển một công nghệ mới cho phép truyền dữ liệu trực tiếp giữa bộ nhớ GPU, điều này giả bypass mô-đun mạng thông thường. Dự đoán và điều chỉnh các bản vá công nghệ tiềm ẩn như vậy đòi hỏi CEO dành ngân sách khi ước tính chi phí, đảm bảo tính linh hoạt trước những yêu cầu hạ tầng thay đổi theo thời gian.

* An ninh dữ liệu: Trong lĩnh vực an ninh dữ liệu cho GenAI, có một số khu vực quan trọng đòi hỏi sự chú ý tỉ mỉ trước khi chi trả chi phí lớn để khắc phục. Điều này bao gồm việc ngăn chặn rò rỉ dữ liệu và tài sản trí tuệ, đối mặt với các rủi ro liên quan đến việc phổ biến nội dung độc hại và các cuộc tấn công nhắm mục tiêu, cũng như đối mặt với thông tin sai lệch, vi phạm bản quyền, thiên vị và phân biệt đối xử. Dự án GenAI theo bản chất có nguy cơ cao hơn về sự tổn thất, đòi hỏi một chiến lược an ninh được lập kế hoạch cẩn thận từ đầu.

Để giảm thiểu những rủi ro này một cách hiệu quả, CEO phải tập trung vào các chiến lược chính. Thứ nhất, tạo ra một môi trường đáng tin cậy và giảm thiểu rủi ro mất dữ liệu thông qua các thực hành ngăn chặn mất dữ liệu (DLP). Thứ hai, đào tạo nhân viên một cách tích cực là quan trọng để đảm bảo nhân viên được thông tin về những rủi ro của công nghệ và các thực hành tốt nhất, chống lại các rủi ro tiềm ẩn từ người dùng cuối và mối đe dọa an ninh mạng. Thứ ba, sự minh bạch về dữ liệu được sử dụng trong quá trình đào tạo mô hình là quan trọng, nhấn mạnh sự minh bạch về nguồn gốc dữ liệu và thiên lệch có thể xảy ra. Thứ tư, tận dụng sự giám sát của con người cùng với trí tuệ nhân tạo, kết hợp học tăng cường với phản hồi của con người, làm tăng cường tính chính xác của các biện pháp đáp ứng. Cuối cùng, hiểu rõ những mối đe dọa mới nổi như cuộc tấn công tiêm lẻ prompt, và thiết kế các hệ thống an ninh mạnh mẽ xung quanh các mô hình chính.

* Các yếu tố Đạo đức: CEO cần xem xét chi phí của trách nhiệm khi hình thành chiến lược GenAI của họ. Đối mặt với thiên lệch, đảm bảo minh bạch và tích hợp tính công bằng vào các hệ thống Trí tuệ Nhân tạo Tạo ra đi kèm với các chi phí bổ sung.

Chẳng hạn, GenAI có thể một cách không cố ý duy trì thiên lệch từ dữ liệu đào tạo của nó. Trong triển khai của Trí tuệ Nhân tạo Tạo ra, có một số thiên lệch đòi hỏi sự chú ý. Thiên lệch máy móc phản ánh những thiên lệch đã được ghi sâu trong dữ liệu đào tạo, củng cố các định kiến. Thiên lệch sẵn có ưu tiên nội dung dễ tiếp cận, củng cố các thiên lệch hiện tại. Thiên lệch xác nhận dẫn người dùng gặp thông tin phù hợp với niềm tin của họ. Thiên lệch chọn lọc phát sinh từ dữ liệu đào tạo không đại diện, ảnh hưởng đến sự toàn diện của nội dung. Thiên lệch đánh giá nhóm tổng hợp hành vi dựa trên hành động của một số cá nhân, củng cố định kiến. Thiên lệch ngữ cảnh, ngôn ngữ và điểm mốc ảnh hưởng đến tính liên quan của nội dung, sự liên quan văn hóa và sự phụ thuộc vào thông tin ban đầu. Thiên lệch tự động tạo niềm tin không cần thiết vào nội dung được tạo ra bởi Trí tuệ Nhân tạo, gây rủi ro lan truyền thông tin có thiên lệch hoặc sai lệch.

Giảm nhẹ các thiên lệch này đòi hỏi bộ dữ liệu đào tạo rộng lớn, quản lý mạnh mẽ và theo dõi liên tục. Phát triển Trí tuệ Nhân tạo theo tiêu chí đạo đức, hướng dẫn minh bạch và triển khai có trách nhiệm là rất quan trọng. Những bước này quan trọng để khai thác tiềm năng của GenAI đồng thời đảm bảo sự công bằng và sự tiến triển công nghệ không thiên lệch. CEO phải tính đến những chi phí này để có một chiến lược GenAI thực sự có trách nhiệm và hiệu quả.

Kiểm soát chi phí: chiến lược tiếp cận cho CEOs

Tích hợp Kiểm soát Chi phí vào Quyết định Chiến lược GenAI: CEOs đóng vai trò quan trọng như là những người điều phối chiến lược GenAI, ngay cả khi họ không thể đàm phán vào những phức tạp của mỗi chi phí dự án GenAI. Thay vào đó, CEOs có thể có ảnh hưởng bằng cách tích hợp kiểm soát chi phí vào quá trình ra quyết định. Điều này bao gồm việc xây dựng một khung quyết định với các tham số rõ ràng: ai tham gia, các câu hỏi cần giải quyết, dữ liệu nào cần thu thập, nguyên tắc nào cần tuân thủ, cấu trúc cuộc họp và phân chia rõ ràng về các vai trò trong quyết định.

Ví dụ, một CEO mà chúng tôi gần đây đã thành lập một ủy ban để phân biệt xem dự án GenAI nào đòi hỏi sự tham gia trực tiếp của ông và dự án nào có thể được giám sát bởi CIO hoặc CFO. Trong các dự án đòi hỏi sự can thiệp của ông, một sự hợp tác với các quan chức chủ chốt và các chuyên gia AI đã được tổ chức. Cùng nhau, họ đề ra các chỉ số đánh giá doanh nghiệp, lựa chọn các điểm chuẩn, đặt ra một kế hoạch thời gian 6 tháng và tổ chức các phiên đánh giá hàng tuần để theo dõi tiến triển và xây dựng chiến lược cho các bước tiếp theo. Hơn nữa, CEO ủy thác nhiệm vụ xây dựng các điểm chuẩn cho CIO và CFO, hướng dẫn chọn lựa công nghệ và lựa chọn nhà cung cấp.

Một quy trình ra quyết định mạnh mẽ không chỉ làm rõ vai trò và mục tiêu mà còn xác định thời gian và kỳ vọng về chi phí. CEO phải phân rõ “ai được giao nhiệm vụ,” “đặt ra các chỉ số đánh giá gì,” “thời hạn nào được xác định,” và “kỳ vọng chi phí nào được tạo ra.” Bằng cách nhúng những tham số này vào quá trình ra quyết định, CEOs có thể thể hiện kiểm soát chiến lược đối với chi phí dự án GenAI, đảm bảo phân phối tài nguyên một cách sáng tạo phù hợp với mục tiêu kinh doanh toàn diện.

Tăng cường lãnh đạo và đội ngũ

Ưng với các mục tiêu chiến lược, một nguồn nhân tài GenAI được cấu trúc tốt không chỉ tiết kiệm chi phí mà còn thúc đẩy sự đổi mới trong lĩnh vực GenAI. CEOs cần xây dựng nguồn nhân tài này xem xét các khía cạnh như lựa chọn, tuyển dụng, đào tạo và giữ chân, tất cả liên quan chặt chẽ với xem xét về chi phí. Sự hợp tác giữa CEOs và CHROs là quan trọng để đối mặt với sự khan hiếm của các chuyên gia GenAI. Việc giữ chân tài năng hàng đầu đòi hỏi mức lương cạnh tranh và sự tham gia chiến lược. Việc nâng cao kỹ năng cho nhân viên hiện tại là quan trọng và hiệu quả chi phí trong dài hạn. Ví dụ, nhà phát triển GenAI nên thành thạo việc xem xét mã nguồn cùng với việc tạo mã. Các CIO và CTO đóng một vai trò then chốt trong việc mở rộng kỹ năng GenAI cho nhân viên không chuyên ngành, tạo điều kiện sử dụng thành thạo các công cụ AI. CEOs có thể triển khai các chương trình đào tạo và chứng chỉ linh hoạt. Việc chuyển từ một cấu trúc nhân tài hình kim cương là cần thiết, tập trung vào việc nâng cao kỹ năng trong khi giảm các vai trò tập trung vào công việc thủ công.

Tổng kết, CEOs không nên bỏ qua sự phức tạp của chi phí GenAI. CEOs cần nắm vững và tích hợp các chi phí đa dạng vào tầm nhìn chiến lược của họ, nhận thức những sắc thái như chi phí suy luận, chi phí tinh chỉnh, chi phí kỹ thuật kích thích, chi phí đám mây, chi phí tài năng và chi phí vận hành. Ngoài ra, CEOs cần cảnh báo về các chi phí thường bị bỏ qua, bao gồm cải tiến cơ sở hạ tầng, an ninh dữ liệu và xem xét đạo đức. Tích hợp kiểm soát chi phí vào quá trình ra quyết định, sử dụng bảng điều khiển giám sát toàn diện và tăng cường đội ngũ thông qua quản lý tài năng chiến lược là các chiến lược không thể thiếu. Khi CEOs điều hướng trong cảnh quan động này, một cách tiếp cận cân bằng hài hòa sự đổi mới với sự tiết kiệm tài chính là chìa khóa cho một hành trình GenAI bền vững và ấn tượng.

nnn