Khi các doanh nghiệp hoặc lãnh đạo công nghệ đặt ra câu hỏi “Tôi có cần chuẩn bị cho AI không?”, thường là do áp lực và cơ hội chuyển đổi số mà tổ chức đang đối mặt. Rajan Padmanabhan, AVP và Giám đốc công nghệ của Infosys, nhấn mạnh rằng các bước quan trọng để chuẩn bị AI không chỉ là nâng cấp công nghệ mà còn là sự tích hợp giữa năng lực con người và cơ sở hạ tầng dữ liệu.
Câu 1: Trong tình huống nào doanh nghiệp sẽ bắt đầu xem xét “phải chuẩn bị cho AI”?
Nhiều doanh nghiệp bắt đầu chú ý đến việc chuẩn bị AI, thường xuất phát từ áp lực cạnh tranh trong kinh doanh hoặc nhu cầu thực tế về khối lượng dữ liệu tăng vọt. Ví dụ, một doanh nghiệp bán lẻ nhận ra rằng hành vi của khách hàng rất phức tạp và thay đổi, việc phân tích dữ liệu hiện có không thể cung cấp hỗ trợ quyết định kịp thời, đó chính là một tình huống điển hình để khởi động sự chuẩn bị cho AI.
Tôi từng nghe Padmanabhan nói trong một cuộc họp rằng nếu doanh nghiệp muốn nâng cao chất lượng quyết định thông qua AI, chỉ dựa vào công nghệ đơn lẻ là không đủ, mà hơn hết là hai yếu tố “con người” và “dữ liệu” cần phải theo kịp thời đại. Điều này đã khiến tôi bắt đầu suy nghĩ lại về trạng thái chuẩn bị của đội nhóm và cơ sở hạ tầng.
Câu 2: Là lãnh đạo công nghệ, tôi làm thế nào để đánh giá đội ngũ có cần nâng cấp kỹ năng AI không?
Tại Infosys, Padmanabhan chỉ ra rằng việc nâng cấp kỹ năng là phần cốt lõi của sự chuẩn bị cho AI. Ông bắt đầu từ mức độ hiểu biết của đội ngũ về học máy và kỹ thuật dữ liệu, phân tích xem liệu họ có khả năng áp dụng công nghệ AI để giải quyết các vấn đề kinh doanh thực tế hay không.
Theo kinh nghiệm cá nhân của tôi, khi đội ngũ vẫn quen thuộc với các công cụ phân tích dữ liệu truyền thống hoặc không thể tự xây dựng mô hình AI, đó là dấu hiệu cho thấy cần khẩn trương tiến hành đào tạo kỹ năng AI. Bởi vì nếu có dữ liệu mà không thể biến nó thành giải pháp AI có giá trị, thì mọi nỗ lực đều sẽ trở nên vô nghĩa.
Câu 3: Tại sao cơ sở hạ tầng dữ liệu lại đặc biệt quan trọng cho việc chuẩn bị AI?
Kinh nghiệm của Infosys cho thấy cơ sở hạ tầng dữ liệu tốt là nền tảng cho sự thành công của AI. Padmanabhan giải thích rằng nếu không có quy trình thu thập, làm sạch, lưu trữ và quản lý dữ liệu hoàn chỉnh, mô hình AI sẽ khó có được dữ liệu chính xác và chất lượng cao để hỗ trợ.
Có một người đã hỏi tôi rằng nếu dữ liệu rải rác trên nhiều hệ thống, định dạng không đồng nhất, liệu có nên bắt đầu bằng cách tích hợp cơ sở dữ liệu không? Câu trả lời của tôi là chắc chắn. Bởi vì chỉ có như vậy, chúng ta mới có thể khởi động công nghệ AI một cách hiệu quả và tạo ra giá trị thực sự.
Câu 4: Doanh nghiệp nào không thích hợp để ngay lập tức thúc đẩy chuẩn bị AI?
Nếu doanh nghiệp thiếu cơ sở hạ tầng số cơ bản, quản lý dữ liệu lộn xộn, hoặc kỹ năng đội ngũ chưa đạt tiêu chuẩn tối thiểu trong xử lý dữ liệu, thì việc thúc đẩy chuẩn bị AI ngay lúc này có thể tốn kém tài nguyên. Padmanabhan gợi ý rằng nên bắt đầu từ quản lý dữ liệu và phát triển nhân tài, sau đó từ từ giới thiệu các dự án AI.
Tôi đã gặp một doanh nghiệp vừa và nhỏ, có mối quan tâm lớn đến AI nhưng cơ sở hạ tầng còn yếu kém, họ đã thúc đẩy dự án AI một cách vội vã dẫn đến thất bại. Cuối cùng, họ chọn đầu tư vào việc xây dựng cơ sở dữ liệu và các nguồn giáo dục bên ngoài trước, và kết quả bắt đầu hiện lên dần dần.
Câu 5: Tôi nên bắt đầu bố trí chuẩn bị AI như thế nào? Có những lời khuyên thực tế nào không?
Theo quan điểm của Padmanabhan, bước đầu tiên là đánh giá tình trạng hiện tại của đội ngũ và dữ liệu, xác định những khoảng cách. Tiếp theo, lập kế hoạch cho các chương trình đào tạo và chiến lược tích hợp dữ liệu cụ thể, và bắt đầu từ những dự án thử nghiệm AI nhỏ, tiến hành từng bước để tăng cường đầu tư.
Tôi cũng khuyên rằng ngoài công nghệ, nhất định phải chú trọng đến văn hóa tổ chức và cải cách quy trình, để dự án AI có thể liên kết chặt chẽ với mục tiêu kinh doanh, như vậy việc chuẩn bị cho AI mới thực sự đạt yêu cầu.
Nếu bạn muốn tìm hiểu sâu hơn về thực tế chuẩn bị AI từ Infosys, hãy tham khảo quan điểm và kinh nghiệm của Rajan Padmanabhan. Hành động kịp thời, xuất phát từ việc xác định nhu cầu của bản thân, là con đường tất yếu để tiến vào kỷ nguyên AI. Để biết thêm nội dung liên quan, vui lòng nhấp vào: Tìm hiểu ngay về công nghệ AI và chuyển đổi dữ liệu.
You may also like: Mỹ có cần một khung triển khai trí tuệ nhân tạo liên bang không?
learn more about: English
