Với sự phát triển nhanh chóng của công nghệ trí tuệ nhân tạo (AI), ngày càng nhiều doanh nghiệp đầu tư nguồn lực vào các giải pháp AI trong việc lập kế hoạch chuỗi cung ứng, hy vọng tăng cường hiệu suất và giảm chi phí. Tuy nhiên, theo báo cáo của Boston Consulting Group (BCG), chỉ khoảng 20% doanh nghiệp có thể thu được giá trị thực từ các khoản đầu tư AI này. Hiện tượng này ẩn chứa nhiều rủi ro và thách thức đa dạng.
Bài viết này sẽ phân tích ba loại rủi ro chính mà doanh nghiệp thường phải đối mặt trong đầu tư AI, từ đó giải thích nguyên nhân, tình huống thường gặp, và đưa ra các chiến lược cụ thể để giúp cải thiện hiệu quả và lợi nhuận đầu tư AI.
Q1: Doanh nghiệp phải đối mặt với những rủi ro chính nào trong đầu tư AI?
Các rủi ro khiến đầu tư AI của doanh nghiệp không đạt được lợi nhuận như mong đợi chủ yếu có thể được chia thành ba loại: rủi ro thực thi công nghệ, rủi ro chất lượng và quản trị dữ liệu, và rủi ro thay đổi tổ chức và nhân lực. Những rủi ro này thường tương tác với nhau, khiến doanh nghiệp khó khăn trong việc chuyển đổi công nghệ AI thành giá trị thương mại thực tế.
Q2: Rủi ro thực thi công nghệ là gì? Tại sao chúng lại dễ xảy ra?
Rủi ro thực thi công nghệ bao gồm việc chọn mô hình AI không phù hợp, khó khăn trong việc tích hợp hệ thống, và những vấn đề không ổn định trong quá trình triển khai. Nhiều doanh nghiệp thiếu hụt chuyên môn kỹ thuật phần nào, hoặc do quá phụ thuộc vào cam kết của nhà cung cấp về giải pháp triển khai nhanh chóng, mà bỏ qua tính tương thích của phần cứng và phần mềm cũng như các bài kiểm tra khách quan, cuối cùng dẫn đến các giải pháp công nghệ không hoạt động bình thường.
Chẳng hạn, ông Lý từng cố gắng thúc đẩy hệ thống dự đoán AI cho chuỗi cung ứng, nhưng do triển khai không hoàn thiện, dữ liệu không thông suốt, độ chính xác của dự đoán rất thấp, khiến đồng nghiệp đặt câu hỏi về giá trị đầu tư. Sau khi ông Lý tăng cường năng lực đội ngũ kỹ thuật nội bộ và đưa thêm cố vấn bên ngoài, hệ thống bắt đầu cải thiện hiệu suất dần dần.
[Gợi ý tránh rủi ro]
Doanh nghiệp nên đánh giá cẩn thận việc lựa chọn công nghệ, tăng cường quy trình thử nghiệm và xác minh đa dạng, tránh theo đuổi việc triển khai nhanh chóng một cách mù quáng; đồng thời, thiết lập đội ngũ vận hành công nghệ hợp tác giữa các bộ phận, đảm bảo rằng các giải pháp công nghệ có thể được tối ưu hóa liên tục.
Q3: Rủi ro về chất lượng và quản trị dữ liệu cụ thể thể hiện như thế nào?
Hiệu quả của mô hình AI phụ thuộc rất lớn vào chất lượng dữ liệu. Dữ liệu sai hoặc không hoàn chỉnh sẽ ảnh hưởng trực tiếp đến độ chính xác dự đoán của AI, từ đó làm suy giảm chất lượng quyết định kinh doanh. Thêm vào đó, các vấn đề như dữ liệu bị cô lập, thiếu chính sách quản trị hợp nhất và vấn đề an ninh thông tin cũng là những nguồn rủi ro phổ biến.
Ông Trương cho biết, dự án AI ban đầu của công ty ông gặp rắc rối do việc thu thập dữ liệu không hoàn chỉnh, dẫn đến kết quả dự đoán sai nhiều lần, làm tổn hại lòng tin trong và ngoài. Sau khi xây dựng nền tảng dữ liệu trung tâm và quy chuẩn hoá quy trình thu thập dữ liệu, họ mới vượt qua được những khó khăn này.
[Gợi ý tránh rủi ro]
Khuyên doanh nghiệp nên thiết lập một cấu trúc quản trị dữ liệu hoàn chỉnh và minh bạch, nghiêm chỉnh đảm bảo tính chính xác và sự nhất quán của dữ liệu; đồng thời thực hiện bảo vệ an ninh dữ liệu, tránh rò rỉ thông tin nhạy cảm, nâng cao hiệu quả sử dụng dữ liệu trong tổng thể.
Q4: Rủi ro về thay đổi tổ chức và nhân lực ảnh hưởng như thế nào đến kết quả đầu tư AI?
Công nghệ AI liên quan đến hợp tác giữa các bộ phận và các quy trình làm việc mới, nếu tổ chức không quản lý thay đổi một cách tốt, nhân viên có thể từ chối hoặc thiếu các kỹ năng cần thiết, sẽ khó để đưa AI vào ứng dụng trong công việc hàng ngày. Doanh nghiệp thường đánh giá thấp những khoản đầu tư cần thiết cho đào tạo, xây dựng văn hóa và tuyển dụng nhân tài.
Ví dụ, ông Trần nhận thấy sau khi triển khai AI, đội ngũ của ông gặp khó khăn trong việc thay đổi thói quen, buộc ông phải liên tục đẩy mạnh việc đào tạo và giao tiếp để tăng cường sự chấp nhận, thúc đẩy sự thành công của việc triển khai giải pháp.
[Gợi ý tránh rủi ro]
Doanh nghiệp nên lập kế hoạch chiến lược quản lý thay đổi hoàn chỉnh trước, tăng cường hiểu biết và sự công nhận của nhân viên về AI; đồng thời, tích cực đầu tư vào đào tạo nhân tài, hoặc thuê người có kiến thức chuyên môn, tạo ra vòng tròn tích cực.
Q5: Đối mặt với những rủi ro này, doanh nghiệp nên làm gì để giảm tỷ lệ thất bại trong đầu tư AI?
Ngoài những biện pháp tránh rủi ro cụ thể được nêu ở trên, doanh nghiệp còn nên thiết lập các chỉ số đánh giá hiệu suất đầu tư AI rõ ràng, theo dõi liên tục tiến độ và hiệu quả dự án; thêm vào đó, chọn thử nghiệm theo giai đoạn, bắt đầu từ quy mô nhỏ để kiểm tra hiệu quả, tích lũy kinh nghiệm sau đó mở rộng quy mô, cũng có thể giảm thiểu rủi ro tổng thể.
Kết luận:
Đầu tư AI là một phần quan trọng trong quá trình chuyển đổi số của doanh nghiệp, nhưng mỗi công nghệ mới cũng đi kèm với một mức độ rủi ro nhất định. Chỉ có thông qua việc nhận diện và phân loại rủi ro chính xác, kết hợp với các chiến lược cụ thể và thực tế, doanh nghiệp mới có thể tối đa hóa giá trị của các dự án AI, tránh việc đầu tư mù quáng dẫn đến lãng phí tài nguyên. Giữ sự phán đoán lý trí và thực hiện một cách thực tế là chìa khóa để đầu tư AI không còn là “chi tiền để mua lo âu”.
You may also like: Cách hiểu quy trình đầu tư của AWS vào Anthropic và mối quan hệ cạnh tranh hợp tác với OpenAI
