Tháng 7 năm 2023 ©
Bài viết này là kết quả của sự cộng tác của Aamer Baig, Sven Blumberg, Eva Li, Douglas Merrill, Adi Pradhan, Megha Sinha, Alexander Sukharevsky và Stephen Xu, đại diện cho quan điểm từ McKinsey Digital.
Hầu như mỗi ngày đều có ít nhất một thông tin về sự phát triển liên quan đến Trí tuệ Nhân tạo sinh sáng xuất hiện trên các phương tiện truyền thông. Sự phấn khích này là xứng đáng – nghiên cứu của McKinsey ước tính rằng Trí tuệ Nhân tạo sinh sáng có thể đóng góp tương đương từ 2.6 nghìn tỷ đến 4.4 nghìn tỷ USD vào giá trị hàng năm.¹
Các Giám đốc Công nghệ thông tin (CIOs) và Giám đốc Công nghệ chính (CTOs) đóng một vai trò quan trọng trong việc khai thác giá trị đó, nhưng đáng để nhớ rằng chúng ta đã trải qua những trường hợp tương tự trước đây. Các công nghệ mới đã nảy sinh – internet, di động, mạng xã hội – đã gây ra một loạt các thử nghiệm và dự án thử nghiệm, tuy nhiên, giá trị kinh doanh quan trọng thường khó có thể đạt được. Nhiều bài học được học từ những sự phát triển đó vẫn còn áp dụng, đặc biệt khi nói đến việc vượt qua giai đoạn thử nghiệm để đạt được quy mô. Đối với CIO và CTO, sự bùng nổ của Trí tuệ Nhân tạo sinh sáng đang mang lại một cơ hội độc đáo để áp dụng những bài học đó để hướng dẫn C-suite (Ban lãnh đạo cấp cao) trong việc biến hứa hẹn của Trí tuệ Nhân tạo sinh sáng thành giá trị bền vững cho doanh nghiệp.
Qua cuộc trò chuyện với hàng chục nhà lãnh đạo công nghệ và việc phân tích các dự án Trí tuệ Nhân tạo sinh sáng tại hơn 50 công ty (bao gồm cả công ty của chúng tôi), chúng tôi đã xác định chín hành động mà tất cả các nhà lãnh đạo công nghệ có thể thực hiện để tạo ra giá trị, điều phối công nghệ và dữ liệu, mở rộng giải pháp và quản lý rủi ro cho Trí tuệ Nhân tạo sinh sáng (xem bên cạnh, “Một hướng dẫn nhanh về các thuật ngữ quan trọng”).
1. Hành động nhanh chóng để xác định tư duy của công ty đối với việc áp dụng Trí tuệ Nhân tạo sinh sáng và phát triển các biện pháp giao tiếp thực tế và cung cấp quyền truy cập phù hợp cho nhân viên.
2. Tái tưởng tượng doanh nghiệp và xác định các trường hợp sử dụng mà tạo ra giá trị thông qua tăng cường năng suất, tăng trưởng và mô hình kinh doanh mới. Phát triển khả năng “Tài chính Trí tuệ Nhân tạo” (FinAI) có thể ước tính chi phí thực sự và lợi nhuận của Trí tuệ Nhân tạo sinh sáng.
3. Tái tưởng tượng chức năng công nghệ và tập trung vào việc nhanh chóng xây dựng khả năng Trí tuệ Nhân tạo sinh sáng trong phát triển phần mềm, tăng cường giảm nợ kỹ thuật và giảm đáng kể công sức thủ công trong hoạt động Công nghệ thông tin.
4. Tận dụng các dịch vụ hiện có hoặc điều chỉnh các mô hình Trí tuệ Nhân tạo sinh sáng mã nguồn mở để phát triển khả năng độc quyền (xây dựng và vận hành các mô hình Trí tuệ Nhân tạo sinh sáng riêng có thể tốn từ hàng chục đến hàng trăm triệu đô la, ít nhất là trong tương lai gần).
5. Nâng cấp kiến trúc công nghệ doanh nghiệp của bạn để tích hợp và quản lý các mô hình Trí tuệ Nhân tạo sinh sáng và điều phối cách chúng hoạt động với nhau và với các mô hình Trí tuệ Nhân tạo (AI) và học máy (ML) hiện có, các ứng dụng và nguồn dữ liệu.
6. Phát triển một kiến trúc dữ liệu để cho phép truy cập vào dữ liệu chất lượng bằng cách xử lý cả nguồn dữ liệu có cấu trúc và không cấu trúc.
7. Tạo ra một nhóm nền tảng Trí tuệ Nhân tạo tạo sinh tập trung, dùng chung để cung cấp các mô hình đã được phê duyệt cho các nhóm sản phẩm và ứng dụng theo yêu cầu trong tổ chức/doanh nghiệp.
8. Đầu tư vào việc nâng cao kỹ năng cho các vị trí quan trọng – các nhà phát triển phần mềm, kỹ sư dữ liệu, kỹ sư MLOps và các chuyên gia bảo mật, cũng như đối với lực lượng lao động không chuyên về công nghệ. Tuy nhiên, bạn cần tùy chỉnh các chương trình đào tạo dựa trên các vai trò và mức độ thành thạo khác nhau do tác động biến đổi của Trí tuệ Nhân tạo sinh sáng.
9. Đánh giá cảnh quan rủi ro mới và thiết lập quy chế thực hành liên tục để giải quyết các mô hình, dữ liệu và chính sách.
1. Xác lập quan điểm của công ty đối với việc áp dụng Trí tuệ Nhân tạo tạo sinh
Khi sử dụng Trí tuệ Nhân tạo sinh sáng ngày càng phổ biến, chúng ta đã thấy CIOs và CTOs phản ứng bằng cách chặn quyền truy cập của nhân viên vào các ứng dụng công cộng để giới hạn rủi ro. Tuy nhiên, trong việc làm như vậy, các công ty này có nguy cơ bỏ lỡ các cơ hội đổi mới, và một số nhân viên thậm chí cảm nhận những động thái này như làm hạn chế khả năng xây dựng kỹ năng mới quan trọng của họ.
Thay vào đó, CIOs và CTOs nên hợp tác với các nhà lãnh đạo về rủi ro để cân nhắc sự cần thiết thực sự của việc giảm rủi ro với tầm quan trọng của việc phát triển kỹ năng Trí tuệ Nhân tạo sinh sáng trong doanh nghiệp. Điều này đòi hỏi xác định tư duy của công ty đối với Trí tuệ Nhân tạo sinh sáng bằng cách xây dựng sự đồng thuận về mức độ rủi ro mà doanh nghiệp chấp nhận được và cách Trí tuệ Nhân tạo sinh sáng phù hợp với chiến lược tổng thể của doanh nghiệp. Bước này cho phép doanh nghiệp nhanh chóng xác định chính sách và hướng dẫn toàn công ty.
Khi các chính sách đã được xác định rõ ràng, các nhà lãnh đạo nên truyền đạt chúng cho doanh nghiệp, với sự cung cấp quyền truy cập thích hợp và hướng dẫn thân thiện với người dùng từ phía CIO và CTO. Một số công ty đã triển khai thông tin công ty rộng rãi về Trí tuệ Nhân tạo sinh sáng, cung cấp quyền truy cập rộng rãi vào Trí tuệ Nhân tạo sinh sáng cho các nhóm người dùng cụ thể, tạo ra các cửa sổ thông báo cảnh báo người dùng mỗi khi họ nhập dữ liệu nội bộ vào một mô hình và xây dựng trang hướng dẫn xuất hiện mỗi khi người dùng truy cập vào một dịch vụ Trí tuệ Nhân tạo sinh sáng công cộng.
2. Xác định các trường hợp sử dụng tạo ra giá trị qua nâng cao năng suất, tăng trưởng và mô hình kinh doanh mới
CIOs và CTOs nên là biện pháp phòng ngừa cho sự hỗn loạn “tử vong vì trường hợp sử dụng” mà chúng ta đã thấy ở nhiều công ty. Họ có thể hữu ích nhất bằng cách làm việc cùng với CEO, CFO và các nhà lãnh đạo kinh doanh khác để suy nghĩ về cách Trí tuệ Nhân tạo sinh sáng thách thức các mô hình kinh doanh hiện có, mở cửa ra mô hình mới và tạo ra nguồn giá trị mới. Với sự hiểu biết sâu rộng về khả năng kỹ thuật,
CIO và CTO nên xác định các cơ hội và vấn đề có giá trị nhất trong toàn bộ công ty có thể được hưởng lợi từ Trí tuệ Nhân tạo sinh sáng – và những vấn đề mà không thể. Trong một số trường hợp, Trí tuệ Nhân tạo sinh sáng không phải là lựa chọn tốt nhất.
Ví dụ, nghiên cứu của McKinsey cho thấy Trí tuệ Nhân tạo sinh sáng có thể tăng năng suất cho một số trường hợp sử dụng tiếp thị cụ thể (ví dụ, bằng cách phân tích dữ liệu không có cấu trúc và trừu tượng để xác định sở thích của khách hàng) tăng khoảng 10% và hỗ trợ khách hàng (ví dụ, thông qua các bot thông minh) có thể tăng lên đến 40%. CIO và CTO có thể hữu ích đặc biệt trong việc phát triển quan điểm về cách tốt nhất để nhóm các trường hợp sử dụng, cho dù theo lĩnh vực (ví dụ, hành trình của khách hàng hoặc quy trình kinh doanh) hoặc theo loại trường hợp sử dụng (ví dụ, tạo nội dung sáng tạo hoặc đại diện ảo) để Trí tuệ Nhân tạo sinh sáng sẽ mang lại giá trị cao nhất. Việc xác định cơ hội không phải là nhiệm vụ chiến lược nhất – có rất nhiều trường hợp sử dụng Trí tuệ Nhân tạo sinh sáng – nhưng với các hạn chế ban đầu về tài năng và khả năng, CIO và CTO sẽ cần cung cấp ước tính khả thi và nguồn lực để giúp doanh nghiệp xác định ưu tiên về Trí tuệ Nhân tạo sinh sáng.
Để cung cấp mức tư vấn như vậy, các nhà lãnh đạo công nghệ cần làm việc cùng doanh nghiệp để phát triển khả năng Tài chính Trí tuệ Nhân tạo (FinAI) để ước tính các chi phí và lợi nhuận thực sự của các dự án Trí tuệ Nhân tạo sinh sáng. Việc tính toán chi phí có thể đặc biệt phức tạp bởi vì kinh tế đơn vị phải tính đến nhiều chi phí mô hình và nhà cung cấp, tương tác của mô hình (khi một truy vấn có thể yêu cầu đầu vào từ nhiều mô hình, mỗi mô hình có phí riêng), các khoản phí sử dụng liên tục và chi phí giám sát của con người.
3. Tái tưởng tượng chức năng công nghệ
Trí tuệ Nhân tạo sinh sáng có tiềm năng để hoàn toàn thay đổi cách chức năng công nghệ hoạt động. CIO và CTO cần tiến hành một cuộc xem xét toàn diện về tác động tiềm năng của Trí tuệ Nhân tạo sinh sáng đối với tất cả các lĩnh vực công nghệ, nhưng quan trọng là phải hành động nhanh chóng để xây dựng kinh nghiệm và chuyên môn. Có ba lĩnh vực mà họ có thể tập trung nỗ lực ban đầu của mình:
– Phát triển phần mềm: Nghiên cứu của McKinsey cho thấy hỗ trợ lập trình bằng Trí tuệ Nhân tạo sinh sáng có thể giúp các kỹ sư phát triển mã nguồn nhanh hơn từ 35 đến 45%, tái cấu trúc mã nguồn nhanh hơn từ 20 đến 30%, và thực hiện tài liệu mã nguồn nhanh hơn từ 45 đến 50%. Trí tuệ Nhân tạo sinh sáng cũng có thể tự động hóa quá trình kiểm tra và mô phỏng các trường hợp biên, cho phép nhóm phát triển phần mềm xây dựng phần mềm chắc chắn hơn trước khi phát hành, và tăng tốc quá trình giới thiệu những nhà phát triển mới (ví dụ, bằng cách hỏi Trí tuệ Nhân tạo sinh sáng về mã nguồn). Để tận dụng những lợi ích này, sẽ cần có sự đào tạo mở rộng (xem thêm ở hành động 8) và tự động hóa các luồng tích hợp và triển khai thông qua các thực hành DevSecOps để quản lý sự gia tăng trong khối lượng mã nguồn.
– Nợ kỹ thuật (technical debt): Nợ kỹ thuật có thể chiếm từ 20 đến 40% của ngân sách công nghệ và làm chậm đáng kể tốc độ phát triển. CIO và CTO nên xem xét bảng cân đối nợ kỹ thuật của họ để xác định làm thế nào khả năng của Trí tuệ Nhân tạo sinh sáng như tái cấu trúc mã nguồn, dịch mã nguồn và tạo ra các bài kiểm tra tự động có thể tăng tốc quá trình giảm nợ kỹ thuật.
– Vận hành hệ thông công nghệ (ITOps): CIO và CTO sẽ cần xem xét các nỗ lực về hiệu suất ITOps của họ để xác định Trí tuệ Nhân tạo sinh sáng làm thế nào để tăng tốc các quy trình. Khả năng của Trí tuệ Nhân tạo sinh sáng đặc biệt hữu ích trong việc tự động hóa các nhiệm vụ như đặt lại mật khẩu, yêu cầu trạng thái hoặc chẩn đoán cơ bản thông qua các điểm giao dịch tự phục vụ; tăng tốc việc sàng lọc và giải quyết thông qua việc định tuyến cải thiện; trình bày ngữ cảnh hữu ích, chẳng hạn như chủ đề hoặc ưu tiên, và tạo ra các phản hồi đề xuất; cải thiện khả năng quan sát thông qua phân tích các luồng log lớn để xác định các sự kiện thực sự đòi hỏi sự chú ý; và phát triển tài liệu, chẳng hạn như các quy trình hoạt động tiêu chuẩn, báo cáo sau sự cố hoặc báo cáo hiệu suất.
4. Tận dụng các dịch vụ hiện có hoặc điều chỉnh các mô hình Trí tuệ Nhân tạo mã nguồn mở
Một biến thể của quyết định “thuê, mua hoặc xây dựng” tồn tại khi đề cập đến chiến lược phát triển khả năng Trí tuệ Nhân tạo sinh sáng. Quy tắc cơ bản vẫn đúng: một công ty nên đầu tư vào khả năng Trí tuệ Nhân tạo sinh sáng khi nó có thể tạo ra lợi thế độc quyền cho doanh nghiệp và truy cập vào các dịch vụ hiện có cho những dịch vụ giống như hàng hóa.
CIO và CTO có thể suy nghĩ về các hậu quả của các tùy chọn này dưới dạng ba mẫu mẫu:
— Người dùng (Taker) — Sử dụng các mô hình có sẵn công khai thông qua giao diện trò chuyện hoặc một API, với ít hoặc không có sự tùy chỉnh. Ví dụ tốt bao gồm các giải pháp sẵn có để tạo mã (như GitHub Copilot) hoặc hỗ trợ các nhà thiết kế trong việc tạo ra và chỉnh sửa hình ảnh (như Adobe Firefly). Đây là mẫu mẫu đơn giản nhất về cả kỹ thuật và cơ sở hạ tầng và thường là nhanh nhất để triển khai. Các mô hình này về cơ bản là hàng hóa dựa vào việc cung cấp dữ liệu dưới dạng gợi ý cho mô hình công khai.
— Tinh chỉnh mô hình (Shaper) — tích hợp các mô hình với dữ liệu và hệ thống nội bộ để tạo ra kết quả tùy chỉnh hơn. Một ví dụ là một mô hình hỗ trợ các thỏa thuận bán hàng bằng cách kết nối các công cụ Trí tuệ Nhân tạo sinh sáng với hệ thống quản lý mối quan hệ khách hàng (CRM) và hệ thống tài chính để tích hợp lịch sử bán hàng và tương tác trước đó của khách hàng. Một ví dụ khác là tinh chỉnh mô hình với các tài liệu nội bộ của công ty và lịch sử trò chuyện để hoạt động như một trợ lý cho một nhân viên hỗ trợ khách hàng. Đối với các công ty đang tìm cách mở rộng khả năng Trí tuệ Nhân tạo sinh sáng, phát triển các khả năng độc quyền hơn hoặc đáp ứng các yêu cầu bảo mật hoặc tuân thủ cao hơn, mẫu mẫu Tạo hình là thích hợp.
Có hai phương pháp chung để tích hợp dữ liệu với các mô hình Trí tuệ Nhân tạo sinh sáng trong mẫu mẫu này. Một là “mang mô hình đến với dữ liệu,” trong đó mô hình được lưu trữ trên cơ sở hạ tầng của tổ chức, enther trên cơ sở hoặc trong môi trường đám mây. Ví dụ, Cohere triển khai các mô hình cơ bản trên cơ sở hạ tầng đám mây của khách hàng, giảm thiểu việc chuyển dữ liệu. Phương pháp thứ hai là “mang dữ liệu đến với mô hình,” trong đó tổ chức có thể tổng hợp dữ liệu của mình và triển khai một bản sao của mô hình lớn trên cơ sở hạ tầng đám mây. Cả hai phương pháp đều đạt được mục tiêu cung cấp quyền truy cập vào các mô hình cơ bản, và việc lựa chọn giữa chúng sẽ phụ thuộc vào kích thước công việc của tổ chức.
— Tạo Mô hình dùng riêng (Maker) — xây dựng một mô hình cơ bản để giải quyết một trường hợp kinh doanh cụ thể. Xây dựng một mô hình cơ bản sẽ rất tốn kèm và phức tạp, đòi hỏi khối lượng lớn dữ liệu, kiến thức sâu rộng và khả năng tính toán mạnh mẽ. Tùy chọn này đòi hỏi một khoản đầu tư đáng kể một lần – hàng chục hoặc thậm chí hàng trăm triệu đô la – để xây dựng và đào tạo mô hình. Chi phí phụ thuộc vào nhiều yếu tố khác nhau, chẳng hạn như cơ sở hạ tầng đào tạo, lựa chọn kiến trúc mô hình, số lượng tham số mô hình, kích thước dữ liệu và tài nguyên chuyên gia.
Mỗi mẫu mẫu có những chi phí riêng mà các nhà lãnh đạo công nghệ sẽ cần xem xét (Hiển thị 1). Mặc dù những phát triển mới, chẳng hạn như các phương pháp đào tạo mô hình hiệu quả và giá tính toán đồ họa (GPU) thấp hơn theo thời gian, đang giảm chi phí, nhưng tính phức tạp bẩm sinh của mẫu mẫu Maker có nghĩa là rất ít tổ chức sẽ thực hiện nó trong tương lai ngắn hạn. Thay vào đó, hầu hết sẽ kết hợp giữa mẫu Taker, để nhanh chóng truy cập dịch vụ hàng hóa, và mẫu Tạo hình, để xây dựng khả năng độc quyền trên cơ sở các mô hình cơ bản.
(Còn tiếp)
