Trí tuệ nhân tạo gia nhập thị trường một cách rầm rộ, tạo ra tiếng vang lớn và được áp dụng rộng rãi. Nhưng bây giờ tốc độ đang chững lại.
Các nhà lãnh đạo doanh nghiệp vẫn bàn tán về việc sử dụng AI vì họ muốn có được lợi ích – McKinsey ước tính rằng GenAI có thể cứu các công ty lên tới 2,6 nghìn tỷ USD trên khắp một loạt các hoạt động. Tuy nhiên, họ không đi bộ. Theo một cuộc khảo sát của các nhà lãnh đạo CNTT và phân tích cấp cao, chỉ 20% ứng dụng GenAI hiện đang được sản xuất.
Tại sao có khoảng cách lớn giữa lãi suất và thực tế?
Câu trả lời có nhiều mặt. Những lo ngại về bảo mật và quyền riêng tư dữ liệu, rủi ro tuân thủ và quản lý dữ liệu đang rất phổ biến, nhưng cũng có lo ngại về sự thiếu minh bạch của AI cũng như lo lắng về ROI, chi phí và khoảng cách về kỹ năng. Trong bài viết này, chúng tôi sẽ xem xét các rào cản đối với việc áp dụng AI và chia sẻ một số biện pháp mà các nhà lãnh đạo doanh nghiệp có thể thực hiện để vượt qua chúng.
Xử lý dữ liệu
Rob Johnson, Phó Chủ tịch kiêm Giám đốc Kỹ thuật Giải pháp Toàn cầu tại SolarWinds cho biết: “Dữ liệu chất lượng cao là nền tảng của các mô hình AI chính xác và đáng tin cậy, từ đó thúc đẩy việc ra quyết định và kết quả tốt hơn”. giữa các chuyên gia CNTT, đẩy nhanh việc áp dụng và tích hợp rộng rãi hơn các công nghệ AI.”
Ngày nay, chỉ 43% chuyên gia CNTT cho biết họ tự tin về khả năng đáp ứng nhu cầu dữ liệu của AI. Vì dữ liệu rất quan trọng đối với sự thành công của AI, không có gì đáng ngạc nhiên khi những thách thức về dữ liệu là yếu tố thường được nhắc đến trong việc áp dụng AI chậm.
Cách tốt nhất để vượt qua rào cản này là quay lại vấn đề cơ bản về dữ liệu. Các tổ chức cần xây dựng một chiến lược quản trị dữ liệu mạnh mẽ ngay từ đầu, với các biện pháp kiểm soát nghiêm ngặt nhằm đảm bảo chất lượng và tính toàn vẹn của dữ liệu.
Hãy coi trọng đạo đức và quản trị
Với các quy định mọc lên như nấm, việc tuân thủ đã là vấn đề đau đầu đối với nhiều tổ chức. AI chỉ bổ sung thêm các lĩnh vực rủi ro mới, nhiều quy định hơn và các vấn đề quản trị đạo đức ngày càng gia tăng khiến các nhà lãnh đạo doanh nghiệp phải lo lắng, đến mức rủi ro về bảo mật và tuân thủ là mối quan tâm được trích dẫn nhiều nhất trong báo cáo Trạng thái kiến trúc dữ liệu hiện đại và AI doanh nghiệp của Cloudera.
Mặc dù ban đầu sự gia tăng các quy định về AI có vẻ đáng báo động, nhưng các giám đốc điều hành nên tận dụng sự hỗ trợ mà các khuôn khổ này mang lại, vì chúng có thể cung cấp cho các tổ chức một cấu trúc để xây dựng các biện pháp kiểm soát rủi ro và các biện pháp bảo vệ đạo đức của riêng họ.
Phát triển các chính sách tuân thủ, chỉ định các nhóm quản trị AI và đảm bảo rằng con người có quyền đối với các quyết định do AI cung cấp đều là những bước quan trọng trong việc tạo ra một hệ thống toàn diện về đạo đức và quản trị AI.
Tăng cường kiểm soát an ninh và quyền riêng tư
Mối lo ngại về bảo mật và quyền riêng tư dữ liệu luôn rình rập đối với mọi doanh nghiệp và có lý do chính đáng. Nghiên cứu điểm chuẩn về quyền riêng tư dữ liệu năm 2024 của Cisco đã tiết lộ rằng 48% nhân viên thừa nhận đã nhập thông tin công ty không công khai vào các công cụ GenAI (và một số lượng chưa xác định đã làm như vậy và sẽ không thừa nhận), khiến 27% tổ chức cấm sử dụng các công cụ đó.
Cách tốt nhất để giảm thiểu rủi ro là hạn chế quyền truy cập vào dữ liệu nhạy cảm. Điều này liên quan đến việc tăng gấp đôi các biện pháp kiểm soát truy cập và phân bổ đặc quyền, đồng thời giữ dữ liệu tránh xa các LLM được lưu trữ công khai. Avi Perez, CTO của Pyramid Analytics, giải thích rằng cơ sở hạ tầng AI của phần mềm thông minh kinh doanh của ông được cố tình xây dựng để giữ dữ liệu tránh xa LLMchỉ chia sẻ siêu dữ liệu mô tả sự cố và giao tiếp với LLM là cách tốt nhất để các công cụ được lưu trữ cục bộ chạy phân tích.
“Có rất nhiều vấn đề ở đó. Nó không chỉ liên quan đến quyền riêng tư mà còn liên quan đến kết quả sai lệch. Vì vậy, theo tôi, trong khuôn khổ đó, quyền riêng tư dữ liệu và các vấn đề liên quan đến nó là rất lớn. Họ là những người trình diễn,” Perez anh ấy nói. Tuy nhiên, với thiết lập của Pyramid, “LLM tạo ra công thức nhưng nó thực hiện nó mà không bao giờ nhận được [its] xử lý dữ liệu mà không cần thực hiện các phép toán. […] Điều đó giúp loại bỏ khoảng 95% vấn đề liên quan đến rủi ro về quyền riêng tư dữ liệu.”
Tăng cường tính minh bạch và khả năng giải thích
Một trở ngại nghiêm trọng khác đối với việc áp dụng AI là thiếu niềm tin vào kết quả của nó. Câu chuyện khét tiếng về công cụ tuyển dụng dựa trên AI của Amazon phân biệt đối xử với phụ nữ đã trở thành câu chuyện cảnh giác khiến nhiều người sợ hãi rời xa AI. Cách tốt nhất để chống lại nỗi sợ hãi này là tăng cường khả năng giải thích và minh bạch.
“Tính minh bạch của AI là giải thích rõ ràng lý do đằng sau kết quả đầu ra, giúp quá trình ra quyết định trở nên dễ tiếp cận và dễ hiểu,” Adnan Masood nóikiến trúc sư trưởng AI tại UST và giám đốc khu vực của Microsoft. “Cuối cùng, vấn đề là loại bỏ bí ẩn hộp đen của AI và cung cấp cái nhìn sâu sắc về cách thức và lý do ra quyết định của AI.” Thật không may, nhiều giám đốc điều hành lại bỏ qua tầm quan trọng của tính minh bạch. Một nghiên cứu gần đây của IBM đã báo cáo rằng chỉ 45% CEO nói rằng họ đang cung cấp các khả năng cho sự cởi mở. Các nhà vô địch AI cần ưu tiên phát triển các chính sách quản trị AI nghiêm ngặt nhằm ngăn chặn phát sinh hộp đen và đầu tư vào các công cụ giải thích như SHApley Additive exPlanations (SHAP), bộ công cụ công bằng như Chỉ báo công bằng của Google và kiểm tra tuân thủ tự động như AI của Viện kiểm toán nội bộ Khung kiểm toán.
Xác định giá trị doanh nghiệp rõ ràng
Chi phí luôn nằm trong danh sách các rào cản của AI. Cuộc khảo sát của Cloudera cho thấy 26% số người được hỏi cho biết các công cụ AI quá đắt và Gartner coi “giá trị kinh doanh không rõ ràng” là một yếu tố dẫn đến sự thất bại của các dự án AI. Tuy nhiên, báo cáo tương tự của Gartner cũng lưu ý rằng GenAI đã mang lại mức tăng doanh thu trung bình và tiết kiệm chi phí hơn 15% cho người dùng, bằng chứng cho thấy AI có thể thúc đẩy tăng trưởng tài chính nếu được triển khai đúng cách.
Đây là lý do tại sao việc tiếp cận AI giống như mọi dự án kinh doanh khác là rất quan trọng – xác định các lĩnh vực sẽ mang lại ROI nhanh, xác định những lợi ích bạn mong đợi thấy và đặt các KPI cụ thể để bạn có thể chứng minh giá trị.”Mặc dù có rất nhiều điều cần làm trong quá trình xây dựng một chiến lược và lộ trình AI, bước quan trọng đầu tiên là xác định các use case AI có giá trị và mang tính biến đổi nhất để tập trung vào,” Michael Robinson nóiGiám đốc Tiếp thị Sản phẩm tại UiPath.
Thiết lập chương trình đào tạo hiệu quả
Khoảng cách về kỹ năng vẫn là rào cản đáng kể cho việc áp dụng AI, nhưng có vẻ như có rất ít nỗ lực được thực hiện để giải quyết vấn đề này. Một báo cáo từ Worklife chỉ ra rằng sự bùng nổ ban đầu trong việc áp dụng AI đến từ những người áp dụng sớm. Giờ đây, điều đó phụ thuộc vào những người lạc hậu, những người vốn dĩ luôn hoài nghi và thường kém tự tin hơn về AI – cũng như bất kỳ công nghệ mới nào.
Điều này làm cho việc đào tạo trở nên quan trọng. Tuy nhiên, theo nghiên cứu về Trạng thái AI tại nơi làm việc của Asana, 82% người tham gia cho biết tổ chức của họ chưa cung cấp đào tạo về cách sử dụng AI tổng hợp. Không có dấu hiệu nào cho thấy việc đào tạo không hiệu quả; đúng hơn là nó không diễn ra như nó phải thế.
Bài học rõ ràng là cung cấp đào tạo toàn diện về nhắc nhở chất lượng và các kỹ năng liên quan khác. Thật đáng khích lệ, nghiên cứu tương tự cho thấy rằng ngay cả việc sử dụng AI mà không được đào tạo cũng làm tăng kỹ năng và sự tự tin của con người. Vì vậy, bạn nên bắt đầu với các công cụ ít mã và không cần mã để cho phép những nhân viên không có kỹ năng về AI học hỏi trong công việc.
Những rào cản đối với việc áp dụng AI không phải là không thể vượt qua
Mặc dù việc áp dụng AI đã chậm lại nhưng không có dấu hiệu nào cho thấy nó sẽ gặp nguy hiểm về lâu dài. Nhiều trở ngại cản trở các công ty triển khai các công cụ AI có thể được khắc phục mà không gặp quá nhiều khó khăn. Nhiều bước trong số này, như tăng cường chất lượng dữ liệu và quản trị có đạo đức, nên được thực hiện bất kể AI có được xem xét hay không, trong khi các bước khác được thực hiện sẽ mang lại doanh thu tăng lên và tăng năng suất mà AI có thể mang lại.
