Phát triển và ứng dụng AI/Machine Learning không chỉ dừng lại ở một trào lưu, mà là hướng đi tất yếu cho các doanh nghiệp Việt. Tuy vậy, không ít doanh nghiệp mơ hồ trước “làn sóng” AI dẫn đến nhiều thách thức trong việc ứng dụng công nghệ vào bộ máy vận hành. Vậy phải làm sao để doanh nghiệp tận dụng tối đa sức mạnh của công nghệ? Làm thế nào để phát triển công cụ này thành một phần của văn hóa doanh nghiệp?

Trong tập 49 của series Business Insights, Tiến sĩ Stanford Phạm Thành Thái, Machine Learning Engineering Leader tại Uber (Mỹ) đã có những chia sẻ rất thú vị về kinh nghiệm ứng dụng AI/Machine Learning tại Amazon, Uber, từ đó giúp chủ doanh nghiệp Việt có thêm góc nhìn về những công cụ chủ chốt này.

AI/Machine Learning hay ChatGPT cụ thể là gì?

Hiện nay, nhiều doanh nghiệp Việt Nam đang rơi vào tình trạng FOMO khi chứng kiến làn sóng AI bùng nổ. Họ lo lắng rằng nếu không nhanh chóng ứng dụng công nghệ, họ sẽ bị bỏ lại phía sau. Điều này dẫn đến việc nhiều doanh nghiệp đổ xô tổ chức các khóa đào tạo nhằm giúp nhân sự sử dụng AI, đặc biệt là những công cụ như ChatGPT, để nâng cao hiệu suất công việc. Tuy nhiên, phần lớn các ứng dụng hiện tại chỉ dừng lại ở những tác động ngắn hạn, chưa phải là một chiến lược dài hơi để thực sự tận dụng AI một cách tối ưu.

Chủ doanh nghiệp không nhất thiết phải đầu tư tiền tỷ để xây dựng văn hóa AI/Machine Learning. Hãy bắt đầu từ những công cụ đơn giản nhất, từng bước thu thập dữ liệu, liên tục đo lường hiệu suất kinh doanh để tìm ra mô hình phù hợp nhất với doanh nghiệp của riêng mình.

Tiến sĩ Phạm Thành Thái

Theo anh Thành Thái, về cơ bản, AI không phải là một khái niệm mới, mà đã tồn tại từ những năm 1950. AI hay trí tuệ nhân tạo là một hệ thống có thể xử lý dữ liệu, học hỏi và đưa ra quyết định mà không cần sự can thiệp trực tiếp từ con người. Bên cạnh đó, Machine Learning (ML) là một nhánh của AI, tập trung vào việc sử dụng dữ liệu quá khứ để huấn luyện mô hình và đưa ra dự đoán. Trong ML, có một lĩnh vực nâng cao hơn gọi là Deep Learning (DL), tức là học sâu, công cụ này sử dụng các mạng nơ-ron nhân tạo để xử lý các vấn đề phức tạp hơn. Công nghệ này đã tạo tiền đề cho những mô hình tiên tiến như Transformer Model, nền tảng cho các công cụ như ChatGPT.

Nối tiếp cuộc trò chuyện, anh Thái cũng đưa ra định nghĩa rất rõ ràng về ChatGPT: “Công cụ này là một ứng dụng của AI, có vai trò tổng hợp thông tin, viết nội dung, và hỗ trợ ra quyết định. Tuy nhiên, doanh nghiệp cần hiểu rằng AI không chỉ dừng lại ở ChatGPT mà còn có nhiều ứng dụng rộng lớn khác”.  Tóm lại, có ba phương pháp chính để AI giúp doanh nghiệp ra quyết định:

1. Machine Learning (ML): Dựa trên dữ liệu lịch sử để dự đoán xu hướng tương lai.
2. Tối ưu hóa (Optimization): Sử dụng dữ liệu và các quy tắc logic để đưa ra quyết định tối ưu.
3. Phân tích nhân quả (Causal Inference): Đánh giá mối quan hệ nhân – quả để hiểu tác động của các quyết định kinh doanh.

Từ những khái niệm cơ bản này, doanh nghiệp có thể lên chiến lược tiếp cận AI/Machine Learning một cách bài bản, không chỉ chạy theo xu hướng mà phải đầu tư từ gốc, đặc biệt là hệ thống dữ liệu, để đảm bảo việc ứng dụng công nghệ thực sự mang lại giá trị bền vững.

Kinh nghiệm từ chiến lược xây dựng văn hóa AI/Machine Learning từ Amazon, Uber

Từ kinh nghiệm nắm giữ vai trò quan trọng tại Amazon, Uber, Tiến sĩ Thành Thái đúc kết: “Đối với những tập đoàn lớn như Uber, Amazon hay Meta việc phát triển và củng cố văn hóa ứng dụng AI/Machine Learning (ML) vào hoạt động kinh doanh là sự chuyển dịch dần từ việc thử nghiệm đến xem AI/ML là một phần tất yếu trong cách vận hành doanh nghiệp”.

Một minh chứng rõ ràng nhất về sự thay đổi này đến từ Uber. Ban đầu, khi các nhân viên đề xuất dự án liên quan đến Machine Learning, lãnh đạo cấp cao thường đặt câu hỏi: “Tại sao phải dùng Machine Learning?” Nhưng theo thời gian, khi công ty bắt đầu thấy được giá trị thực tế, câu hỏi ấy chuyển thành: “Chúng ta sẽ ứng dụng Machine Learning như thế nào?” . Đấy là một sự chuyển dịch rõ ràng từ việc hoài nghi sang tư duy triển khai thực tế.

Điều quan trọng nhất trong việc xây dựng văn hóa AI/Machine Learning không nằm ở việc đầu tư khổng lồ ngay từ đầu, mà ở cách tiếp cận từng bước để nhân sự quen thuộc và hiểu rõ giá trị của công nghệ này. Vậy doanh nghiệp Việt học được gì từ kinh nghiệm ứng dụng công nghệ của các “ông lớn”? Theo khách mời Phạm Thành Thái, các doanh nghiệp muốn xây dựng văn hóa AI/ML cần đi theo một lộ trình hợp lý thay vì lao vào đầu tư quá lớn ngay từ đầu:

Bước 1 – Bắt đầu từ những bước nhỏ, ứng dụng công cụ sẵn có
Doanh nghiệp có thể để nhân sự tiếp cận với các công cụ AI đơn giản như ChatGPT, ứng dụng chúng vào công việc hằng ngày để tăng hiệu suất. Điều này giúp nhân sự làm quen dần với công nghệ mà không cần sự đầu tư quá lớn.

Bước 2 – Thử nghiệm với các bài toán nhỏ có thể đo lường được hiệu quả
Khi nhân sự đã quen với công nghệ, doanh nghiệp nên thử nghiệm xây dựng các mô hình Machine Learning nhỏ, áp dụng vào những vấn đề cụ thể trong công ty. Ví dụ với ngành bán lẻ, công ty có thể cân nhắc việc sử dụng AI để phân tích hình ảnh về khách hàng từ camera để đưa ra những chiến lược nhằm tối ưu hóa trải nghiệm. “Hãy bắt đầu với một bài toán nhỏ, tự thu thập dữ liệu, tự xây mô hình và kiểm chứng hiệu quả. Nếu có ROI tốt, có thể mở rộng quy mô dần dần”, anh Thái nhắn nhủ.

Bước 3: Mở rộng và tối ưu hóa ứng dụng Machine Learning
Sau khi có kết quả từ các dự án nhỏ, doanh nghiệp có thể bắt đầu nghĩ đến việc triển khai các mô hình phức tạp hơn, thu thập nhiều dữ liệu hơn và bắt đầu xây dựng chiến lược dài hạn với công cụ phù hợp.

Tóm lại, xây dựng văn hóa AI/Machine Learning không phải là việc một sớm một chiều, mà là một hành trình từng bước. Tiến sĩ Phạm Thành Thái nhấn mạnh: “Think big, but start small, hãy đặt mục tiêu lớn nhưng luôn bắt đầu từ những bước đi nhỏ”.

Chiến lược “chọn mặt gửi vàng” ngành IT

Một vấn đề nhức nhối khiến các doanh nghiệp băn khoăn khi tuyển dụng nhân sự IT là: “Làm sao chọn đúng người, đặc biệt đối với những công ty chưa có nền tảng công nghệ vững chắc?”. Trước bài toán này, Tiến sĩ Phạm Thành Thái đã đưa ra hai giải pháp cho doanh nghiệp.

Cụ thể, các công ty có thể chọn nhân sự thông qua đơn vị tuyển dụng có chuyên môn. Theo anh Thái, khi doanh nghiệp không có đủ kiến thức chuyên môn để đánh giá ứng viên IT, cách tốt nhất là nhờ đến sự hỗ trợ của các chuyên gia hoặc đơn vị tuyển dụng chuyên biệt. Điều này giúp đảm bảo việc đánh giá chính xác về kỹ năng và kinh nghiệm của ứng viên, tránh tình trạng tuyển dụng sai người hoặc không phù hợp với nhu cầu thực tế của công ty.

Một cách tuyển dụng khác là đánh giá ứng viên qua khả năng giải thích kiến thức phức tạp một cách đơn giản. Nếu ứng viên liên tục sử dụng những thuật ngữ phức tạp mà không thể giải thích đơn giản, rất có thể họ chưa thực sự nắm vững vấn đề. Khả năng truyền đạt rất quan trọng đối với một nhân sự lập trình. Bởi trong môi trường doanh nghiệp, người IT cần làm việc với nhiều bộ phận khác nhau như marketing, sales, tài chính, đây đều là những đơn vị không có nhiều chuyên môn về công nghệ, nhưng vẫn cần hiểu cách vận hành của AI, dữ liệu hay phần mềm vận hành.

Chia sẻ thêm về những kỹ năng mà người làm IT cần có, anh Thái nhấn mạnh:“Trong thời đại này, nhân sự IT không nên chỉ biết mỗi lập trình”. Vì mỗi nhân sự đều là mắc xích quan trọng trong việc tạo ra nguồn thu cho doanh nghiệp. Do đó, bên cạnh chuyên môn lập trình, người IT cần hiểu rằng mọi công nghệ họ phát triển phải có mục tiêu cụ thể trong việc tối ưu hóa quy trình, nâng cao hiệu suất hoặc mang lại doanh thu để đóng góp vào đường hướng phát triển dài hạn của doanh nghiệp.

Nhân sự IT không nên chỉ biết mỗi lập trình.

Tiến sĩ Phạm Thành Thái

Ngoài ra, hiểu biết đa lĩnh vực cũng là “chìa khóa” quan trọng giúp nhân sự IT thăng tiến trên con đường sự nghiệp. Bởi lẽ, công nghệ không tồn tại độc lập mà liên quan đến nhiều lĩnh vực khác như kinh tế, tối ưu hóa, phân tích dữ liệu, thậm chí là lý thuyết trò chơi. Theo quan sát của anh Thái, những nhân sự IT có kiến thức rộng về nhiều ngành khác nhau thường có khả năng giải quyết vấn đề tốt hơn. Họ có thể linh hoạt áp dụng công nghệ vào từng bài toán cụ thể, thay vì chỉ cố gắng sử dụng một mô hình cố định.

Tóm lại, để phát triển và ứng dụng công nghệ, doanh nghiệp cần nắm rõ bản chất của công cụ này và thực sự đầu tư chi phí, nguồn lực để biến nó trở thành một phần của văn hóa công ty. Tiếp tục lắng nghe cuộc trò chuyện giữa host Vanessa Phan và Tiến sĩ Phạm Thành Thái, Machine Learning Engineering Leader, Uber (Mỹ) tại đây.