Các tổ chức rất hào hứng với tiềm năng của AI trong việc tăng năng suất kinh doanh và con người của họ, nhưng việc thiếu kế hoạch chiến lược và thiếu hụt nhân tài đang ngăn cản họ nhận ra giá trị thực sự của nó.
Đây là kết quả của một nghiên cứu được thực hiện vào đầu năm 2024 bởi Coleman Parkes Research và được tài trợ bởi công ty phân tích dữ liệu SAS. Nghiên cứu này đã khảo sát 300 người ra quyết định về chiến lược GenAI hoặc phân tích dữ liệu của Hoa Kỳ để kiểm tra xung quanh các lĩnh vực đầu tư chính và những rào cản mà các tổ chức đang gặp phải.
Marinela Profi, cố vấn chiến lược AI tại SAS, cho biết: “Các tổ chức đang nhận ra rằng chỉ riêng các mô hình ngôn ngữ lớn (LLM) không thể giải quyết được các thách thức kinh doanh.
“GenAI nên được coi là người đóng góp lý tưởng cho siêu tự động hóa và tăng tốc các quy trình và hệ thống hiện có thay vì món đồ chơi hào nhoáng mới sẽ giúp các tổ chức hiện thực hóa mọi khát vọng kinh doanh của họ. Thời gian dành để phát triển một chiến lược tiến bộ và đầu tư vào công nghệ mang lại sự tích hợp, quản trị và khả năng giải thích của LLM là những bước quan trọng mà tất cả các tổ chức nên thực hiện trước khi nhảy vào bằng cả hai chân và bị ‘nhốt’”.
Các tổ chức đang gặp phải những trở ngại trong bốn lĩnh vực triển khai chính:
• Tăng cường niềm tin vào việc sử dụng dữ liệu và đạt được sự tuân thủ. Chỉ 1 trong 10 tổ chức có hệ thống đáng tin cậy để đo lường rủi ro thiên vị và quyền riêng tư trong LLM. Hơn nữa, 93% doanh nghiệp Hoa Kỳ thiếu khung quản trị toàn diện cho GenAI và phần lớn có nguy cơ không tuân thủ quy định.
• Tích hợp GenAI vào các hệ thống và quy trình hiện có. Các tổ chức tiết lộ rằng họ đang gặp phải sự cố tương thích khi cố gắng kết hợp GenAI với hệ thống hiện tại của họ.
• Tài năng và kỹ năng. GenAI nội bộ đang thiếu. Khi bộ phận nhân sự gặp phải tình trạng khan hiếm nhân sự phù hợp, các nhà lãnh đạo tổ chức lo lắng rằng họ không có khả năng tiếp cận các kỹ năng cần thiết để tận dụng tối đa khoản đầu tư GenAI của mình.
• Dự đoán chi phí. Các nhà lãnh đạo trích dẫn các chi phí trực tiếp và gián tiếp cao liên quan đến việc sử dụng LLM. Người tạo mô hình cung cấp ước tính chi phí Token (điều mà các tổ chức hiện nhận ra là rất khó khăn). Tuy nhiên, chi phí cho việc chuẩn bị, đào tạo kiến thức cá nhân và quản lý ModelOps rất dài và phức tạp.
Profi nói thêm: “Nó sẽ tập trung vào việc xác định các use case trong thế giới thực mang lại giá trị cao nhất và giải quyết nhu cầu của con người một cách bền vững và có thể mở rộng.
“Thông qua nghiên cứu này, chúng tôi tiếp tục cam kết giúp đỡ các tổ chức luôn phù hợp, đầu tư tiền của họ một cách khôn ngoan và duy trì khả năng phục hồi. Trong thời đại mà công nghệ AI phát triển gần như hàng ngày, lợi thế cạnh tranh phụ thuộc rất nhiều vào khả năng nắm bắt các quy tắc phục hồi.”
Thông tin chi tiết về nghiên cứu đã được công bố ngày hôm nay tại SAS Innovate ở Las Vegas, hội nghị phân tích và AI của SAS Software dành cho các nhà lãnh đạo doanh nghiệp, người dùng kỹ thuật và SAS đối tác.
Bạn muốn tìm hiểu thêm về AI và dữ liệu lớn từ các nhà lãnh đạo ngành? Hãy xem AI & Big Data Expo diễn ra ở Amsterdam, California và London. Sự kiện toàn diện này được tổ chức cùng với các sự kiện hàng đầu khác bao gồm BlockX, Tuần lễ Chuyển đổi số và An ninh mạng & Triển lãm đám mây.
Khám phá các sự kiện và hội thảo Online về công nghệ doanh nghiệp sắp tới khác do TechForge cung cấp tại đây.
