By Dan Kraemer

Nếu năm 2023 là năm của thử nghiệm AI sáng tạo thì năm 2024 là năm thực hiện.

Các công ty trong mọi lĩnh vực đều biết rằng họ cần bổ sung các ứng dụng và khuôn khổ AI tổng quát vào kho công nghệ của mình trong năm nay — nếu không sẽ bị bỏ lại phía sau. Nếu ý tưởng trở thành một công ty ưu tiên AI khiến bạn nản lòng thì bạn không đơn độc.

Ngay cả những doanh nghiệp lớn nhất vẫn đang tìm cách đưa AI vào hoạt động kinh doanh hàng ngày của họ.

Bạn bắt đầu từ đâu khi có quá nhiều lựa chọn?

Một trong những cách tốt nhất là xây dựng “lớp đổi mới GenAI” vào kho công nghệ của bạn. Bạn không cần một nhóm lớn các nhà khoa học hoặc kỹ sư dữ liệu để làm việc này; có những bước mà ngay cả những công ty có đội ngũ công nghệ nhỏ cũng có thể thực hiện ngay bây giờ.

Trước hết, lớp đổi mới GenAI là gì? Nói một cách đơn giản, đó là cách đưa AI sáng tạo vào các hoạt động kinh doanh hàng ngày của bạn để giải phóng các quy trình làm việc sáng tạo mới, thúc đẩy các dự án đổi mới và hoàn thành công việc nhanh hơn và thông minh hơn.

Dưới đây, tôi sẽ hướng dẫn quy trình gồm 5 bước để xây dựng lớp đổi mới GenAI có thể giúp các nhóm kinh doanh và sáng tạo thiết kế các sản phẩm đổi mới mới và thúc đẩy sản lượng sáng tạo.

Bước một: Xây dựng đội ngũ phù hợp

Để tạo lớp đổi mới AI, bạn cần có đội ngũ phù hợp. Điều đó không nhất thiết có nghĩa là bạn cần một đội ngũ lớn gồm các nhà khoa học dữ liệu và kỹ sư phần mềm, nhưng bạn cần một số người chủ chốt để lãnh đạo dự án.

Điều quan trọng nhất cần xác định ngay từ đầu là dự án sẽ được cấu trúc như thế nào, ai sẽ có quyền truy cập vào dữ liệu quan trọng và cách dữ liệu đó sẽ được bảo mật. Và không cần phải nói rằng mọi người trong tổ chức nên “quan tâm” về tầm quan trọng của việc xây dựng lớp đổi mới AI.

Xây dựng lớp đổi mới AI không nên là một dự án phụ mà thay vào đó là một quy trình kinh doanh không thể thiếu cho năm 2024.

Bước hai: Sắp xếp dữ liệu của bạn

Để kết hợp AI trong toàn bộ kho công nghệ của bạn, trước tiên, bạn cần đảm bảo dữ liệu của mình ở thứ tự tốt nhất. Cách dễ nhất để sắp xếp dữ liệu có cấu trúc của bạn sao cho lớp AI có thể truy cập được là triển khai các công cụ tạo chỉ mục như sắc độ DB, trái tùng or Llama Index để tạo cơ sở dữ liệu vector về nội dung của bạn.

Dữ liệu có cấu trúc của bạn có thể bao gồm dữ liệu khách hàng, bản ghi video, tài liệu, tệp PDF, bản trình bày, bảng tính, v.v. Cái hay của các hệ thống này là chúng cho phép người dùng xử lý dữ liệu phi cấu trúc như bảng điểm phỏng vấn, phản hồi của khách hàng và xử lý tài liệu cực kỳ tốt.

Có một số nghệ thuật trong việc thu thập, xử lý và đảm bảo rằng thông tin nhạy cảm được biên tập lại hoặc bảo mật trong các hệ thống này. Một số công cụ như LlamaIndex thực hiện một số công việc nặng nhọc này cho bạn, trong khi các công cụ cơ sở dữ liệu khác như Dây cao su cũng có thể cung cấp thông tin chi tiết về bảo mật về cách sử dụng cơ sở dữ liệu của bạn.

Các nhà phát triển có rất nhiều lựa chọn ở đây và nhóm của bạn cần chọn những lựa chọn đáp ứng tốt nhất các yêu cầu về quy mô, bảo mật và kiến ​​trúc cho dự án của bạn. Khi bạn đã sắp xếp tất cả dữ liệu của mình vào cơ sở dữ liệu vectơ, bạn sẽ có được một “bản sao kỹ thuật số” phản ánh đầy đủ tất cả dữ liệu của bạn, dữ liệu hiện có thể truy cập được vào bất kỳ hệ thống AI nào của bạn.

Bước ba: Xây dựng cấu trúc cho phép AI truy vấn dữ liệu của bạn

Bây giờ dữ liệu của bạn đã theo thứ tự, bạn cần tìm các mẫu bên trong nó. Bạn có thể làm điều này bằng cách xây dựng các tác nhân AI tùy chỉnh để truy vấn nó. Các nhân viên này phải có thể truy cập được thông qua các giao diện dễ sử dụng, chẳng hạn như thanh trò chuyện, được tích hợp trực tiếp vào quy trình làm việc hàng ngày của mọi người.

Việc tạo những lời nhắc này sẽ diễn ra theo hai phần. Đầu tiên, hãy quyết định xem bạn muốn người đại diện đảm nhận những tính cách nào. Ví dụ: bạn có thể yêu cầu đại lý của mình nói chuyện như một nhà tư vấn quản lý, một chuyên gia về thiết kế do người tiêu dùng hướng dẫn. Sau đó, bạn cần chỉ định những gì bạn muốn đại lý làm và hình thức phản hồi. Chìa khóa ở đây là thực hiện nghiên cứu trong tổ chức của bạn để hiểu định dạng nào sẽ đáp ứng tốt nhất nhu cầu của nhóm bạn. Chúng tôi khuyên bạn nên thử nghiệm và lặp lại các lời nhắc của nhân viên hỗ trợ nội bộ này với người dùng mục tiêu của bạn. Không có cách nào hoàn hảo để viết những lời nhắc dành cho nhân viên nội bộ này, nhưng có những phương pháp nhắc nhở phổ biến mà bất kỳ ai cũng có thể sử dụng. Chẳng hạn như “hướng dẫn tôi suy nghĩ của bạn và cho tôi ba ví dụ với các số liệu X và Y có thể đo lường được cho mỗi ví dụ, được trình bày trong một bảng”.

Bước 4: Thử nghiệm tính năng nhắc nhở của nhiều tác nhân

Cuối cùng, bạn đã sẵn sàng đặt câu hỏi cho nhân viên AI của mình. Bạn càng có thể cung cấp nhiều ngữ cảnh trong câu hỏi của mình thì càng tốt.

Sau khi đã xây dựng nhiều lời nhắc được tích hợp vào quy trình công việc hàng ngày, bạn có thể bắt đầu huấn luyện chúng cách làm việc cùng với các hệ thống đa tác nhân. Đây là nơi bạn kết hợp nhiều tác nhân AI với các vai trò khác nhau nhưng giao nhau.

Cùng nhau, họ có thể hoàn thành nhiệm vụ tốt hơn so với việc một nhân viên duy nhất có thể làm được. Có một số ví dụ về ứng dụng này, bao gồm cả từ ChatDev, một công ty phần mềm ảo đa tác nhân.

Khi xây dựng nhiều tác nhân, chúng tôi đã đạt được thành công tốt nhất nhờ áp dụng phương pháp thiết kế lấy con người làm trung tâm. Bạn nên đảm bảo lời nhắc của mình, tự chúng và làm việc cùng nhau với tư cách là nhiều tác nhân, hoạt động với tư duy đồng cảm và đánh giá cao sự đa dạng của người dùng. Bạn có thể xây dựng lời nhắc với các thông số như “thiết kế câu trả lời của bạn với sự đồng cảm, khoan dung và rõ ràng phù hợp với trải nghiệm đa dạng của người dùng”.

Ở giai đoạn này, bạn có thể muốn kết hợp một số hình thức giám sát mô hình. Thêm công cụ như lớp mở vào ngăn xếp của bạn có thể cung cấp cho bạn thông tin chi tiết về mức độ hoạt động của hệ thống đối với người dùng theo thời gian.

Bước năm: Đo lường lớp đổi mới AI của bạn

Việc đưa AI vào mọi việc bạn làm chỉ hữu ích nếu nó giúp công ty của bạn đạt được các mục tiêu kinh doanh, tạo ra doanh thu mới và phục vụ khách hàng tốt hơn. Để đạt được mục tiêu đó, bạn cần áp dụng một khung đo lường để đảm bảo lớp đổi mới AI của bạn đang mang lại giá trị thực sự.

Quyết định những KPI cần đo lường - chẳng hạn như số lượt đăng ký của khách hàng mới, lượt tải xuống sản phẩm hoặc tiết kiệm thời gian của nhân viên. Bạn cũng có thể sử dụng lời nhắc của nhiều tổng đài viên để tạo ra các kịch bản tiềm năng trong tương lai cho sản phẩm, kết quả kinh doanh và các mục tiêu kinh doanh có thể đo lường khác. Sau đó, bạn có thể đo lường kết quả thực tế của mình theo các tình huống này bằng cách sử dụng lại lời nhắc của nhiều tác nhân để tạo hình ảnh trực quan.

AI sáng tạo đã thay đổi cách con người làm việc, suy nghĩ và sáng tạo, nhưng phần lớn nó chỉ là một công cụ thử nghiệm được các cá nhân sử dụng. Bằng cách kết hợp AI tổng hợp vào kho công nghệ của bạn, nó có thể trở thành một phần không thể thiếu trong quy trình kinh doanh và sáng tạo hàng ngày — cung cấp những hiểu biết mới về dữ liệu, quy trình và chiến lược trong tương lai của công ty bạn.

Dan Kraemer là người sáng lập, nhà lãnh đạo tư tưởng, nhà giáo dục và diễn giả quốc tế về sự hội tụ giữa thiết kế và chiến lược kinh doanh. Với tư cách là đồng CEO và đồng sáng lập của Hợp tác IA, ông kết hợp lăng kính thiết kế sáng tạo với chiến lược kinh doanh phân tích để giúp các công ty như Airbnb, Allstate, Audi, FedEx, Johnson & Johnson, Nike, Philips, Samsung và Sonos tạo ra các chiến lược tăng trưởng, phát triển sự đổi mới và xây dựng các doanh nghiệp mới.

Đọc liên quan:

Hình minh họa: Dom Guzman