Nhấp để tìm hiểu thêm về tác giả Andriy Latysh.

Các doanh nghiệp ngày nay đang phải đối mặt với một bước ngoặt quan trọng trong việc áp dụng AI và do đó, có vị trí hoàn hảo để đạt đến tầm cao mới với AI, bằng cách thu thập những hiểu biết sâu sắc có thể hành động, cải thiện hiệu quả hoạt động, giải mã hành vi của khách hàng và giảm chi phí. Điều đó nói lên rằng, chỉ vì một tổ chức sẵn sàng áp dụng AI không phải lúc nào cũng có nghĩa là quá trình triển khai sẽ không gặp rắc rối. Thực tế là, trong nhiều trường hợp, người quản lý không chuyên về CNTT có thể không hiểu quy trình AI, điều này có thể dẫn đến xung đột. Việc áp dụng AI cũng có nghĩa là áp dụng tư duy đúng đắn. Dưới đây là năm cách mà ban quản lý trong bất kỳ tổ chức nào có thể giúp tạo điều kiện thuận lợi cho việc triển khai AI.

1. Bắt đầu từ đầu

Một trong những trở ngại đầu tiên đối với việc áp dụng AI là các giám đốc điều hành thường không nắm bắt được những thay đổi sâu sắc mà AI có thể mang lại cho công ty. Điều quan trọng là phải trình bày – và triển khai – AI đúng như bản chất của nó: một phương tiện để giảm chi phí, cải thiện hiệu quả, sản phẩm tốt hơn và dịch vụ tốt hơn. Một sai lầm phổ biến khác là coi AI như một loại công cụ có sẵn.

Ngay cả khi nhu cầu về AI đến từ cấp điều hành, điều quan trọng là phải đảm bảo các dự án AI đầu tiên cho thấy kết quả để duy trì sự ủng hộ của ban điều hành. Tuy nhiên, kết quả từ AI có thể mất một thời gian, vì vậy điều quan trọng là tạo ra những kỳ vọng thực tế về kết quả sẽ biểu hiện như thế nào và khoảng thời gian mà các nhà điều hành có thể mong đợi để thấy những kết quả đó.

Cho dù đội ngũ điều hành có tham gia hay không thì yếu tố quan trọng nhất trong chiến lược AI là mối tương quan trực tiếp của nó với chiến lược và mục tiêu kinh doanh. Việc triển khai chiến lược AI mang lại cơ hội cho nhóm lùi một bước khỏi các hoạt động hàng ngày và giải quyết những thách thức lớn nhất của công ty. Môi trường kinh doanh có thay đổi không? Bộ phận điều hành có quá phức tạp không? Khách hàng có nhận được dịch vụ tầm thường không? AI có thể giải quyết nhiều vấn đề này – nhưng điều quan trọng là phải ưu tiên những thách thức thực tế.

Vì vậy, các dự án AI nên bao gồm một nghiên cứu chi tiết và sổ tay hướng dẫn chi tiết về mục tiêu, tiến trình, nguồn dữ liệu, chi phí, các chỉ số hiệu suất chính và các bước tiếp theo dựa trên những khám phá.

2. Chuyên môn và trình độ học vấn

Trong khi  nhà khoa học dữ liệu là chuyên gia về cách triển khai AI, họ cũng phải là chuyên gia về quy trình của công ty, mục tiêu của từng bộ phận và chiến lược công ty. Trong bất kỳ tổ chức nào, điều quan trọng là các chuyên gia tại chỗ phải trình bày rõ những thách thức và cơ hội trong bộ phận hoặc lĩnh vực trách nhiệm cụ thể của họ với các nhà khoa học dữ liệu càng sớm càng tốt. Cuộc thảo luận sâu sắc giữa các chuyên gia trong lĩnh vực và các nhà khoa học dữ liệu sẽ dẫn đến sự rõ ràng về các cơ hội mà AI có thể giải quyết trong mọi lĩnh vực hoạt động của công ty. Từ quan điểm đó, điều quan trọng là phải củng cố cho nhân viên rằng họ càng chia sẻ nhiều với người quản lý dự án AI thì nhu cầu của họ càng được đáp ứng tốt hơn. Một nhóm hoặc nhà tư vấn AI được đào tạo bài bản sẽ biết cách đặt câu hỏi phù hợp và tạo dựng niềm tin để khám phá những thách thức và phát triển giải pháp.

Ví dụ: ứng dụng GoCheck đã tư vấn cho một công ty AI về một vấn đề xuất phát từ nhóm trải nghiệm người dùng của họ. Ứng dụng này được sử dụng để chẩn đoán trẻ em mắc bệnh mắt lười và các chứng suy giảm thị lực khác có thể chữa được. Các y tá và bác sĩ có thể chụp ảnh đứa trẻ và ứng dụng sẽ gửi những hình ảnh đó để xử lý, chẩn đoán nhiều tình trạng khác nhau. Quá trình xử lý không diễn ra trong thời gian thực và nếu trẻ không nhìn vào camera, thuật toán sẽ trả về "không có chẩn đoán". Bằng cách sử dụng AI, nhóm có thể tích hợp thông báo tức thời khi trẻ không nhìn vào camera để người học viên có thể chụp ảnh mới ngay lập tức. Đây là một trường hợp đơn giản nhưng các nhà khoa học dữ liệu không bao giờ có thể phát hiện ra trừ khi họ làm việc cùng với nhóm sản phẩm.

Một cách tiếp cận khác mà các công ty thực hiện là giáo dục nhân viên của họ cách suy nghĩ về AI. Các khóa học trực tuyến như “AI cho mọi người” được thiết kế đặc biệt để nhân viên của bất kỳ tổ chức nào có thể xác định và truyền đạt các ứng dụng tiềm năng của AI trong lĩnh vực kinh doanh của họ.

3. Tránh xa các nhà khoa học dữ liệu

Mặc dù mọi dự án AI đều cần người quản lý dự án hoặc người đứng đầu, nhưng điều quan trọng là phải đảm bảo sự tích hợp với phần còn lại của doanh nghiệp. Khi các nhà khoa học dữ liệu được tách thành một nhóm riêng biệt, họ gặp khó khăn trong việc triển khai các dự án - thường là do họ không phù hợp với chiến lược của công ty hoặc không thể nhận được sự hỗ trợ của nhóm kinh doanh và CNTT. Các nhà khoa học dữ liệu nên được tham gia vào các nhóm mà họ đang phục vụ. Điều này cho phép các nhà khoa học dữ liệu hiểu được toàn bộ bối cảnh của công việc, cùng nhóm lặp lại và tạo ra phần mềm phù hợp với kết quả mà nhóm kinh doanh mong muốn.

AI cần có thời gian để phát triển và đòi hỏi phải đầu tư vật chất và sáng tạo liên tục. Làm việc trong một nhóm kinh doanh cho phép cộng tác và có nhiều quan điểm trong suốt quá trình lặp lại công nghệ. Kết hợp nguồn lực công nghệ với những người sáng tạo trong doanh nghiệp sẽ mang lại kết quả tốt nhất.

4. Chiến lược đa cấp

Việc quyết định nên thuê chuyên gia tư vấn AI nội bộ hay thuê ngoài tùy thuộc vào quy mô của công ty và cách họ tiếp cận các vấn đề khác nhau. Nói chung, chiến lược đa cấp mang lại hiệu quả tốt nhất cho doanh nghiệp. Người đứng đầu dự án cần phải là nhân viên nội bộ, nhưng sự kết hợp giữa các chuyên gia tư vấn thuê ngoài và các chuyên gia AI nội bộ thường mang lại sự kết hợp tốt nhất giữa lời khuyên của chuyên gia với các nhân viên tận tâm. Hợp tác với một công ty AI sẽ mở ra nhiều lựa chọn hơn hầu hết các nhóm nội bộ có thể cung cấp về phạm vi giải pháp, điểm chuẩn ngành và sự đa dạng của công nghệ AI.

5. Các bước tiếp theo và chuyển đổi văn hóa

Việc triển khai các giải pháp AI thường đòi hỏi phải xem xét lại các quy trình nội bộ. Ví dụ: một công ty có thể sử dụng AI để xác định những khách hàng có nguy cơ chuyển sang nhà cung cấp khác. Điều này giới thiệu một quy trình mới trong công ty – xử lý những khách hàng này. Công ty sẽ cần tìm ra ai là người nhận được thông tin cũng như cách liên lạc với những khách hàng gặp rủi ro này. Tương tự, nếu phát hiện ra rằng một số lượng lớn khách hàng gặp rủi ro thuộc về một người quản lý tài khoản cụ thể thì có thể có vấn đề với nhân viên cụ thể đó và công ty sẽ cần một quy trình để đào tạo lại nhân viên hoặc chuyển khách hàng sang một người quản lý tài khoản cụ thể. cộng sự mới. Tương tự, khi làm việc với ứng dụng dịch vụ khách hàng, AI có thể xác định truy vấn nào của khách hàng có thể được trả lời bằng tin nhắn tự động và truy vấn nào cần chuyển đến đại diện dịch vụ con người, nhưng điều đó có nghĩa là tổ chức cần chuẩn bị cơ sở hạ tầng cho các phản hồi tự động, như cũng như có đội ngũ nhân viên được đào tạo chuyên sâu hơn để trả lời các câu hỏi phức tạp.

Nói cách khác, AI có thể chỉ ra những lĩnh vực cần hành động, nhưng kết quả sẽ chỉ xảy ra nếu công ty thực hiện các quy trình mới để thực hiện những hành động đó.

AI có thể có tác động tích cực sâu sắc đến doanh nghiệp, nhưng điều quan trọng là phải tính đến những thay đổi về văn hóa và quy trình cùng với việc triển khai kỹ thuật. Chìa khóa để áp dụng là áp dụng cách tiếp cận theo từng giai đoạn, triển khai các dự án trong từng bộ phận riêng lẻ và cảm nhận về cả phạm vi lợi ích cũng như phạm vi thay đổi mà công ty có thể xử lý. Sau khi triển khai thành công ở quy mô nhỏ hơn, doanh nghiệp có thể mở rộng nỗ lực AI của mình để triển khai trên toàn tổ chức.

PlatoAi. Web3 được mô phỏng lại. Khuếch đại dữ liệu thông minh.
Nhấn vào đây để truy cập.

Nguồn: https://www.dataversity.net/ai-mindset-adopting-the-right-framework-for-ai-implementation/